本体与社会化标签关联研究的可视化分析.docxVIP

本体与社会化标签关联研究的可视化分析 0 对象的界定:主体与社会化的关联研究 随着网络资源的迅速增长，人们开始研究新的信息组织方式，实现数据、信息和知识的共享。本体 (Ontology) 是20世纪90年代从哲学领域引入到人工智能 (AI) 领域的概念, 作为实现语义网的核心, 需要具有专业知识的领域专家参与构建, 存在成本高、周期长、不易更新等缺点。而随着社会化标注网站Del.icio.us和Flickr的成功, 2004年, “Folksonomy”一词被正式提出, 由大众用户参与的大众分类恰好弥补了本体构建的不足, Gruber T和Spivack N早在2005年就强调了两者结合的必要性, 至此, 本体和社会化标签的关联研究引起了学者们的广泛关注。 本文基于Web of Science的检索数据, 以Cite Space作为工具, 通过软件提供的聚类视图 (cluster views) 和时区视图 (time-zone views) 对该研究领域的研究人员及其国别和机构、参考文献和研究热点等进行可视化分析。 1 数据准备和方法介绍 1.1 检索式和文献类型 从Web of Science (http://apps.w ebofknow , Web of Science数据库) 检索该研究的文献记录, 检索时间为2013年12月31日, 检索式为 (TS= (ontolog*AND (social tag*OR social bookmark*OR social classif*OR folksonom*) ) ) , 文献类型为Article, 语言为English, 时间跨度为2004年至2013年。共检索到101条文献记录, 记录字段包括:作者 (AU) 、文献标题 (TI) 、出版物名称 (SO) 、作者关键字 (DE) 、索引词 (ID) 、摘要 (AB) 、作者地址 (C1) 、基金 (FU) 、参考文献 (CR) 、被引频次 (TC) 、出版年份 (PY) 等。通过软件数据格式转换工具将原始数据转化为其可处理的格式。 1.2 节点引用分析 科学知识图谱 (Scientific Know ledge M apping) 是一种新的图书情报技术, 其以科学知识为计量研究对象, 通过可视化方式展示科学知识的发展进程和结构关系, 揭示领域的动态发展规律, 为学科研究提供切实的、有价值的参考。目前用于绘制科学知识图谱的软件有Ucinet、Hist Cite、Bibexcel、Cite Space等。 本文使用的分析工具是Cite Space 3.7.R8, 是由美国Drexel大学信息科学与技术学院陈超美博士开发的基于Java平台的可视化分析软件, 适用于多元、分时、动态的复杂网络分析。Cite Space中通过节点引用年环的大小和颜色 (冷色调代表早期, 暖色调代表近期) 展现节点各时期被引用的频次, 网络中的关键节点 (中间中心性≥0.1) 用圆圈突出显示。Cite Space软件提供了11个分析选项:作者 (Author) 、机构 (Institution) 、国家 (Country) 、词汇 (Term) 、关键词 (Keyword) 、类别 (Category) 、被引文献 (Cited Reference) 、被引作者 (Cited Author) 、被引期刊 (Cited Journal) 、论文 (Paper) 、资助 (Grant) , 另外还有突现词 (burst term) 检测及与其他节点共同分析的功能。由于burst term检测的词汇来源包括了论文的题目 (title) 、摘要 (abstract) 和关键词 (keyw ord:DEID) , 采用burst term检测后不再分析Term和Keyw ord两项;Category用于分析论文的WOS类别情况, 检索记录中约80%的文献WOS类别为Computer Science, 其他类别的文献极少, 也不作分析;Cited Journal用于分析记录中被引文献的期刊来源, Paper用于分析记录中的论文耦合情况, Grant用于分析记录中论文的基金资助情况, 这三项对分析研究进展情况作用较小, 故也不作分析。所以本文选取了作者、国家、机构、被引文献及作者几项进行分析, 并结合突现词展现本体与社会化标签关联研究的进展情况。 2 作者分析 2.1 基因本体协会 使用Cite Space进行合著者 (Co-Authors) 分析。时间区间为2004年至2013年 (Time Slicing:from 2004 to 2013) , 每个时间段的长度为1年 (Years Per Slice:1) , 节点类型为作者 (Node Types:A