知识图谱视角下数据挖掘在图书馆中的应用分析（历史学毕业论文）.docVIP

知识图谱视角下数据挖掘在图书馆中的应用分析（历史学毕业论文） 文档信息 属性： F-016W29，doc格式，正文4460字。质优实惠，欢迎下载！ 适用： 作为文章写作的参考文献，解决如何写好实用应用文、正确编写文案格式、内容摘取等相关工作。 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 关键字：知识图谱；数据挖掘；共被引分析；CiteSpace 1 搞要 1 1数据来源及研究方法 2 2可视化分析与结果 3 3结论 6 参考文献： 7 论文原创声明（模板） 8 论文致谢（模板） 8 正文 知识图谱视角下数据挖掘在图书馆中的应用分析（历史学毕业论文） 关键字：知识图谱；数据挖掘；共被引分析；CiteSpace 搞要 摘要：文章以从CSSCI下载的有关“数据挖掘在图书馆中的应用”的题录信息为研究对象，使用CiteSpace从机构、作者、共被引文献、关键词等角度分别绘制了相关聚类视图和共被引网络视图，以可视化图谱的形式来展示国内图书馆数据挖掘的知识谱系，分析机构群特征、作者群特征、知识基础、研究热点和趋势，以期对该领域研究达到全面、整体的认识与把握 中图分类法：G251文献标识码：A文章编号：1003-1588（2014）11-0118-03 收稿日期：2014-08-01 作者简介：廖文果（1982-），阿坝师范高等专科学校图书馆馆员。 *本文系四川省教育厅课题“基于数据挖掘的图书馆个性化服务研究”阶段性成果之一，编号：13SB0070。知识图谱始现于20世纪90年代末，其融合了信息技术、可视化技术及文献计量学等多种学科，在21世纪初得到了快速发展，现已成为计量学领域研究新方向[1]。知识图谱提供了理顺知识脉络的可视化体系网络，借以了解某个知识领域的动态、热点，预测和把握知识发展的前沿[2]。笔者利用知识图谱对有关数据挖掘在图书馆中应用等相关文献进行分析，旨在全面把握该领域研究的现状、发展、特点和规律。 1数据来源及研究方法 中文社会科学索引（CSSCI）是国内人文社会科学研究方面的专业性和权威性的数据库，有着广泛的影响和极高的声望。在中文社会科学引文索引来源数据库按“篇名=数据挖掘or 关键词=数据挖掘”并限定学科类别为图书、情报和文献学，文献类型为“论文”，检索1998年到2013年所有文献共648条记录。选择陈超美博士的软件可视化分析工具，从机构（Institution）、作者（Author）、共被引文献（Cited Reference）、关键词（Keyword）等角度分析期间“数据挖掘在图书馆中的应用”相关文献的机构群特征、作者群特征、知识基础、研究热点和趋势，绘制相关聚类视图和共被引网络视图，以可视化图谱的形式来展示国内图书馆数据挖掘的知识谱系，以期对该领域研究达到全面、整体的认识与把握。 2可视化分析与结果 机构群、作者群特征 机构群特征 对来源机构研究不但可以了解该领域的研究力量分布，核心机构的分布，而且为科学研究的文献搜集方向提供有效的依据[3]。笔者发现发文机构图谱中圆点越大表示所属机构发文越多，排在前五位的分别是南京大学信息管理系、武汉大学信息管理学院、武汉大学信息资源研究中心、吉林大学管理学院、厦门大学经济学院，发文量均达到十篇以上，显示该领域较强的研究力量。节点之间的直线表示两机构之间的合作关系，各机构之间联系比较稀疏，说明合作较少。 作者群特征 笔者从作者的网络图谱中统计出谢邦昌、张玉峰、朱建平贡献最大，达到十篇以上，是本领域的核心作者。从聚点可以看出，存在以谢邦昌、张玉峰、朱东华、潘有能、邱长波为中心几个较大的聚类簇，表明行成以该几名作者为中心的团队，团队成员合作成果较多。 知识基础分析 领域内的知识基础一般是由该领域内的早期奠基性文献和来源于共被引频次和中心性都比较高的关键文献组成[4]。绘制共被引网络图谱用来描述知识领域的基本构成和研究动态，是CiteSpace用来展示学科的知识基础与研究前沿的重要方法。节点类型（Node Types）选择共被引文献（Cited Reference），设置合适的阈值参数（Threshold Interpolation），其他策略不变，运行软件后得到共被引奠基性文献的时间序列图谱。 共被引奠基性文献的时间序列图谱中每个圆形的节点代表一篇共被引文献，节点的大小与共被引用频次正相关，节点不同颜色的年环表示不同年份共被引的引文时间，年环厚度与该年份的共被引次数成正比。笔者从图谱中发现该领域研究从1980年代开始出现，一直是研究的热点，早期的文献基本上都来自国外。一篇奠基性文献是QUINLAN，.于1986在Machine Learning（机器学习）第一期上发表的Induction of Dec