情报科学-推荐引擎地的知识图谱修订战略坐标图一校.docVIP

实用标准文案 PAGE 精彩文档 国内推荐引擎学术研究知识图谱分析 奉国和 梁晓婷 (华南师范大学 经济管理学院信息管理系，广州 510006)　 〔摘要〕本文利用SPSS软件，对CNKI数据库中2005~2010年间的国内推荐引擎领域论文进行共词分析，并借助聚类分析和因子分析，研究关键词之间的关系，绘制该领域的战略坐标图，探讨了国内推荐引擎领域的研究现状与热点。 〔关键词〕推荐引擎 推荐系统 个性化 知识图谱 〔分类号〕G354 Studying the the Recommender Engine based on Konwledge Mapping (School of Economics Management,South China Normal University,Guangzhou 510006） Feng Guohe Liang Xiaoting [Abstract]By the use of SPSS software,this paper gives a co-word analysis of the articles on recommender engine in home issued in the periodicals in recent 6 years and collected by CNKI database.The relationships among keywords were researched with the help of the factor analysis method and the hierarchical clustering method.Then the strategic coordinates figure was draw.Finally,it explored the status and hot spot of the researches on recommender engine in China. [Keywords]Recommender Engine Recommender System Personalization Konwledge mapping 1引言 互联网的迅猛发展给网民带来丰富资源的同时也带来了信息超载问题。搜索引擎的本质是帮助用户过滤信息，满足大众的信息需求，但没有个性化服务。相对于搜索引擎而言，推荐系统不仅能满足个性化需求而且能解决信息过载问题。其优势在于：（1）推荐针对用户模型和用户喜好，进行个性化推荐；（2）推荐重在发现而不是检索，系统引导用户发现自己所需要的。推荐系统在电子商务领域应用最为广泛和成功，如Amzon，eBay。音乐、电影、新闻、远程教育等网站也应用了推荐系统。 在学术界，推荐系统在电子商务、网络经济学和人类社会学等领域一直保持很高的研究热度并逐渐成为一门独立的学科。近几年来，国际学术界针对计算机网络信息整合的推荐相关的研究大量出现。推荐系统结合社会网络和语义网络的研究，面向互联网发展中出现的新问题和新技术需求，具有广泛的研究和应用前景[1]。 为了深入揭示2005~2010年间国内推荐引擎研究的发展变化，本文采用词频和共词分析方法绘制国内推荐引擎学术研究知识图谱，反映国内推荐引擎的研究热点和研究结构、发展动态和发展趋势，为我国推荐引擎领域论文选题、科研立项和学科规划提供决策和参考信息。 2材料来源与研究方法 2.1材料来源 笔者分别用关键字“推荐引擎”和“推荐系统”在CNKI“中国学术期刊网络出版总库”中的进行篇名、主题、关键词检索，检索日期限定为2005年到2010年，共得到1667篇，为了提高研究准确度经查重取掉无关键词和相关度不大的文献后得到有效文献703篇。 2.2研究工具 目前构建知识图谱应用较多的是一些社会网络分析软件[2]，如Pajek、UCINET、Netdraw、Citespace、HistCite等。而共词分析一般都采用自编的软件进行统计，如CnkiRef[3]，Bicomb等。邱均平[4]等利用CnkiRef对我国图书馆学研究做了实证分析。刘向阳[5]等利用Bicomb对我国搜索引擎领域做了研究。本文采用的是中国医科大学崔雷老师开发的Bicomb共词分析软件和统计学分析软件Spss18.0。 2.3词频分析与共词分析 词频分析法是利用能够揭示文献核心内容的关键词或主题词在某一研究领域中出现的频次高低来确定该领域研究热点和发展动向的文献计量方法[6]。一篇文献的关键词或主题词是对文章核心内容高度概括。如果某一关键词或主题词在其所在领域的文献中反复出现，则可反映出该词所表征的研究主题是该领域的研究热点。 共词分析法是内容分析法的一种，它通过对