基于知识图谱的国际网络搜索引擎研究现状与前沿分析..docVIP

基于知识图谱的国际网络搜索引擎研宄现状与前沿分析 1引言 论文联盟 因特网信息爆炸性增长在给使用者带来便利的同时，也 带来了麻烦。在浩如烟海的信息海洋中快速准确地寻找所需 信息犹如大海捞针般困难，网络搜索引擎的出现缓解了这一 矛盾。搜索引擎是一种用于帮助因特网用户在互联网上查询 信息的搜索工具，它以一定的策略在因特网中发现、搜集信 息，并对搜集的信息进行加工整理和组织存贮，为用户提供 检索服务，从而起到信息导航的作用。1994年创建的Lycos 被认为是第一个现代意义上的搜索引擎。网络搜索引擎发展 至今虽只有十余年的历史，却在商界、学术界掀起了巨大波 澜。著名因特网网站排名公司Alexa提供的数据显示，搜索 引擎公司谷歌于H年1月5日首次在Alexa日流量排名中 占据第一，成为世界头号网站。comScore在XX年9月发布 的全球10大因特网资产也显示谷歌排名第二，排在第九、 第十位的也均是搜索引擎公司，分别为百度和Lycos。学术 界对于网络搜索引擎的基础理论研究、比较研究、技术研究、 质量性能研究等均有大量报道，但鲜有涉足现状及前沿分析 即使涉足一般也以定性研究为主。为了解该领域近年来的研 究现状及热点，笔者拟用知识图谱方法对国际网络搜索引擎 领域的相关文献进行以定量分析为主、定性分析为辅的研究， 希冀得出一些有益的结论，为该领域的研究提供借鉴。 2数据来源、理论基础和研究思路 数据来源 本文使用的数据均来源于美国科学信息研究所的WoS数 据库平台中的SCI—Expanded数据库。以“WebSearchEngine” 或“WebSearchEngines ”为主题词进行检索，在相关题录信 息下载过程中，文献类型选为“Artide ”，语种为“English”， 入库年份为“1999—XX”，下载日期为XX年04月30日，共 检索到1268篇文献和36804条引文题录数据。 理论基础 科学知识图谱是显示知识发展进程与结构关系的一种 形，是近年来国际上兴起的一种科学计量学研究方法。知 识图谱以引文分析、共现分析、词频分析等文献计量方法为 基础，综合了计算机科学、图形学、信息可视化、数据挖掘、 数学等学科理论和方法，可以以图像图形的形式形象地展现 科学领域的发展历程、研究现状及热点前沿，并揭示科学知 识之间的联系与知识的发展规律，为科学研究提供有价值的 参考。德雷赛尔大学陈超美博士开发的Citespaeell可视化 软件为研究提供了极大便利，是知识图谱方面一款非常优秀 的软件。对于一个研究领域的表示，陈超美认为，可以用“研 究前沿”和“知识基础”两者之间的时变映射来表示。研究 前沿代表了一个领域的思想状况，研究前沿的引文和共被引 轨迹则构成了相应的知识基础，Citespae ell使用的光谱聚 类算法可以对共现和共被引网络进行自动聚类及标引，采用 的KlEinberg突变检测算法可以用于检测一个学科内研究兴 趣的突然增长。本文拟用“关键词聚类”和“突变词检测” 算法来确定某研究领域的研究热点和研究前沿。 研究思路 本文首先采用文献计量方法对相关文献的数量、著者、 主要研究机构进行分析以揭示研究现状，然后绘制这1268 篇文献的高频关键词的共现聚类图谱、高被引文献的共被引 网络知识图谱，从而描绘出该领域的研究热点及知识基础。 使用到的软件主要有书目共现分析系统、Excel、Citespa eell可视化软件等。 3研究现状描述 文献信息量统计 发表文献的数量在一定程度上代表了某个领域的研究 水平与发展趋势1 水平与发展趋势 1所示的是1999?XX年12年间的文献 量，其中XX年的数据只统计到4月份。从图中可以看出， 文献量除XX、XX年略有下降外，其他年份均呈稳步增长之 势O 论文著者统计分析 总体状况统计表明这1268篇文献来自于1045位著 者，具体数据如表1所示： 这与经典的描述科学生产率的洛特卡定律并不符合。洛 特卡定律描述的是写一篇文章的 大约占 总数的 60 %,而写n篇 的人数约为写一篇 人数的l/n2。 但从表中发现，写一篇文献的 人数所占的比例高迗％， 远高于60%。 核心 状况对于 发文量和被引频次的统计分析 可以识别某研究领域的高产 及学术影响力。本文选取发 文量5篇以上的 作为高产 ，被引频次超过125次的 作为高被引 ，分别如表2、表3所示： Thelwall、Jansen、Spink、Chau、Bar-Ilan 的发文量 都在10篇以上，是该领域的高产 。来自英国胡佛汉顿 大学的著名计算机学家、情报学家、网络计量学家Thelwal 1教授的总被引频次排在第三，他对链接分析等搜索引擎的 核心技术有着比较深入的研究，具有广泛学术影响力。与The lwall 一样具有广泛学术影响力的高产 还有来自