主题主题关联的学科知识网络构建与演化分析.docxVIP

? ? 主题 主题关联的学科知识网络构建与演化分析 ? ? 　　 G201 　　 1 引言 　　 在科学知识表达中，主题作为中观层次的学科知识单元，它实际上代表了学科的特定研究领域或研究方向。在学科知识网络中，虽然主题单元是表征知识内容的隐性科学分子，但是与其他知识单元关联密切，有着影响科学发展历程与趋向的作用。若以主题为节点，通过主题与其他学科知识节点(如作者、机构、引文等)建立语义关联，形成学科知识网络，则可通过网络结构特征计算和演化分析，测量和评估主题影响力及其演化趋势，从而深入发掘科学知识生成与进化的内在机制及其脉络，为科学预测与知识服务提供方法论支撑。目前，基于LDA主题模型[1]和AT主题模型[2]的主题挖掘方法提供了可度量主题与其他学科知识节点之间语义关联度的方法，使整合主题的学科知识网络构建成为可能。 　　 以作者、机构、引文等显性知识单元为节点构建知识网络的研究已经涌现出不少的成果，随着研究的深入，如何扩展到隐性知识单元，并有效解决主题与其他学科知识单元之间的语义关联计算问题，测度主题在知识网络中的影响力，成为学科知识网络体系不断发展的需求。 　　 Price在《小科学、大科学》一书中用科学分子来形象的表示科学知识节点，他认为应该用科学的、严谨的方式对科学分子之间的相互作用、科学分子的运行轨迹进行研究，以科学的方法研究科学结构和科学发展动态[3]。本文在研究整合主题的学科知识网络构建框架与方法基础上，以构建主题—主题关联的学科知识网络为研究内容，尝试研究主题与主题之间语义关联强度的度量方法，提出主题影响力的表征指标，设计主题—主题关联的学科知识网络构建思路与流程，用实证来检验所提出的网络模型并对网络结构演化进行分析。以探究由主题影响的知识网络所反映的科学过程和演变状态，通过分析主题在知识网络中内在关联与外在影响要素，发现哪些主题是重要基础性研究或者哪些主题起到桥梁纽带作用，为科学发展的热点、前沿主题探测提供新的思路，以促进学科领域知识服务，进一步完善科学的方法体系。 　　 2 主题影响力度量及相关研究进展 　　 关于主题的影响力测度，已有不少学者提出了有效的度量方法，如：Mann等从文档对主题的支持度方面度量主题的影响力，当有越多的文档支持主题时，主题的影响力越大。支持文档的选择是以文档中的词由该主题生成的概率超过10％为判断标准，可以通过支持文档将对主题的影响力刻画转化为对支持文档的刻画，如类似于期刊影响因子，可以提出基于文档引用数据的主题影响因子[4]。祝娜等利用LDA提取主题，并通过主题的支持文档设计了主题的三种影响力度量指标：发文量、被引量和新颖度[5]。以上研究对主题的影响力测度是从知识传播的角度进行分析，是将论文引用指标转移到主题上来，刻画了主题的被关注程度，但并不能测度主题之间的相互影响作用。所以，主题结构的测度不能仅仅着眼于外部因素，主题之间的相互影响也是推动学科发展和知识创新的重要因素。因此，本文提出从主题语义关联的视角刻画和测度主题的影响力。 　　 通过主题—主题关联的一模学科知识网络，借鉴社会网络分析中节点重要性度量方法，可以测度主题在主题—主题关联的一模学科知识网络中的影响力和作用。社会网络中节点重要性可以是节点的影响力，地位或者其他因素的综合，一般通过中心性指标来度量[6]，如度中心性(Degree Centrality)、居间中心性(Betweenness Centrality)和邻近中心性(Closeness Centrality)，下面将剖析各种中心性指标在主题—主题关联的一模学科知识网络中的内涵。 　　 (1)度中心性 　　 度中心性指标直接反映的是一个节点对于网络其他节点的直接影响力。在主题—主题关联的一模学科知识网络中，有大量的邻居数目的主题可能有更大的影响力，通常表明该主题是该学科领域中的重要基础性研究课题，是其他主题开展研究的前提和基础。 　　 (2)邻近中心性 　　 邻近中心性用来度量网络中的节点通过网络结构对其他节点施加影响的能力。节点的邻近中心性越大，表明该节点跃居于网络的中心，在网络中就越重要[7]。邻近中心性指标通过节点到达其他节点的最短距离来度量，是通过网络拓扑结构度量节点重要性的方法。在主题—主题关联的一模学科知识网络中，邻近中心性高的主题往往具有较强的交叉性和渗透性，是学者普遍关注的对象，也是最容易成长为学科领域新兴和前沿方向的主题。 　　 (3)居间中心性 　　 Freeman于1977年在研究社会网络时提出居间中心性指标[8]，该指标用于衡量个体社会地位的参数，通常反映节点的“交际能力”。在主题—主题关联的一模学科知识网络中，居间中心性高的主题往往在该学科领域的发展中起到桥梁和中介作用，成为连接不同研究方向的关键主题，往往代表着这个学科领域