Knowledge Graph技術(shù)架構(gòu)

圖片.png

Knowledge Graph繪制

圖片.png

文獻(xiàn)計(jì)量方法

科學(xué)知識(shí)圖譜屬于科學(xué)計(jì)量學(xué)，因此必然文獻(xiàn)計(jì)量學(xué)的方法，主要包括：

• 引文分析方法
  引文分析是利用各種數(shù)學(xué)、統(tǒng)計(jì)學(xué)方法和比較、歸納、抽象、概括等邏輯方法，對(duì)科學(xué)期刊、論文、著者等各種分析對(duì)象的引用與被引用現(xiàn)象進(jìn)行分析，以便揭示其數(shù)量特征和內(nèi)在規(guī)律的一種文獻(xiàn)計(jì)量分析方法。引文分析大致有三種類型:
  1、引文數(shù)量研究，主要用于對(duì)科學(xué)家、出版物和科學(xué)機(jī)構(gòu)的定性和定量評(píng)估。
  2、 引文結(jié)構(gòu)（網(wǎng)狀或鏈狀關(guān)系）研究，主要用于揭示科學(xué)的發(fā)展與聯(lián)系。
  3、 引文主題（相關(guān)性）研究，主要用于揭示科學(xué)的結(jié)構(gòu)以及進(jìn)行信息檢索。
• 共引分析方法。
  共引分析是1973年斯莫爾等人就提出把文獻(xiàn)共引分析作為計(jì)量文獻(xiàn)之間關(guān)系的一種方法。共引（co-citation）又稱被共引，即兩篇文獻(xiàn)同時(shí)被一篇或多篇文獻(xiàn)說(shuō)引用，同時(shí)把共同引用這兩篇文獻(xiàn)的文獻(xiàn)數(shù)稱為共引強(qiáng)度（或共引頻率），共引強(qiáng)度越大這兩篇文獻(xiàn)關(guān)系越密切。在共引圖譜中，點(diǎn)表示文獻(xiàn)，當(dāng)相關(guān)文獻(xiàn)對(duì)的共被引強(qiáng)度等于或大于某個(gè)閾值時(shí)，兩點(diǎn)就被連接起來(lái)。共引分析多用于作者共引分析和期刊共引分析。
• 耦合分析方法
  與共引分析相對(duì)應(yīng)的是耦合分析。幾篇文獻(xiàn)具有相同的參考文獻(xiàn)就形成了文獻(xiàn)耦合關(guān)系。具有相同參考文獻(xiàn)的文獻(xiàn)數(shù)稱為耦合強(qiáng)度。耦合分析包括文獻(xiàn)耦合分析、期刊耦合分析、作者耦合分析、學(xué)科耦合分析等，分別表示文獻(xiàn)、期刊、作者、學(xué)科之間具有主題和內(nèi)容相似性，可做為相關(guān)文獻(xiàn)分析、作者群體分析和科學(xué)演化分析等的依據(jù)。
• 詞頻分析方法
  詞頻分析是是齊普夫定律為理論基礎(chǔ)進(jìn)行文獻(xiàn)內(nèi)容分析方法。詞頻分析可分為標(biāo)題關(guān)鍵詞詞頻分析、摘要詞頻分析、內(nèi)容詞頻分析、引文詞頻分析和混合詞頻分析等。詞頻分析大量應(yīng)用于科學(xué)前沿主題領(lǐng)域和發(fā)展趨勢(shì)等研究。
• 共詞分析
  共詞分析屬于內(nèi)容分析法的一種。它的原理主要是對(duì)一組詞兩兩統(tǒng)計(jì)它們?cè)谕黄墨I(xiàn)中出現(xiàn)的次數(shù), 以此為基礎(chǔ)對(duì)這些詞進(jìn)行聚類分析, 生成共詞文獻(xiàn)簇, 進(jìn)而分析這些詞所代表的學(xué)科和主題的結(jié)構(gòu)變化。利用共詞分析法及其相關(guān)的可視化方法可以進(jìn)行深入的主題分析, 系統(tǒng)而直觀地了解學(xué)科結(jié)構(gòu)和發(fā)展?fàn)顩r, 并進(jìn)行學(xué)科發(fā)展預(yù)測(cè)。
• 鏈接分析方法
  鏈接分析，利用圖計(jì)算、拓?fù)鋵W(xué)和文獻(xiàn)計(jì)量學(xué)等方法，對(duì)網(wǎng)絡(luò)連接文檔、自身屬性、連接對(duì)象、連接網(wǎng)絡(luò)等進(jìn)行分析。鏈接分析涉及文檔包括：頁(yè)面、目錄、域名和站點(diǎn)。在理論上，連接分析與文獻(xiàn)計(jì)量學(xué)中的引文分析有高度的相似。
  鏈接分析運(yùn)用拓?fù)鋵W(xué)知識(shí)通過(guò)分析鏈接網(wǎng)絡(luò)來(lái)研究網(wǎng)絡(luò)結(jié)構(gòu)，結(jié)合社會(huì)網(wǎng)絡(luò)分析可以分析研究和繪制網(wǎng)絡(luò)信息知識(shí)圖譜，展示網(wǎng)絡(luò)信息、知識(shí)分布結(jié)構(gòu)和演化規(guī)律等。

統(tǒng)計(jì)分析方法

科學(xué)知識(shí)圖譜構(gòu)建實(shí)用的統(tǒng)計(jì)分析方法主要是多元統(tǒng)計(jì)分析[12]。多元統(tǒng)計(jì)分析是經(jīng)典統(tǒng)計(jì)學(xué)的分支，在多個(gè)對(duì)象或指標(biāo)相互關(guān)聯(lián)的情況下分析其統(tǒng)計(jì)規(guī)律?！熬S度降低技術(shù)”是多元統(tǒng)計(jì)分析的一個(gè)特征，從幾何學(xué)看這個(gè)過(guò)程是講高維空間的目標(biāo)投影到低維空間。主要的其中包括：

• 因子分析（主成分分析）
  因子分析是用少數(shù)幾個(gè)因子來(lái)描述許多指標(biāo)之間的關(guān)系，即將較密切的幾個(gè)變量歸為同一類，每一類變量成為一個(gè)因子，以較少的幾個(gè)因子來(lái)反應(yīng)原資料的大部分信息。
• 多維尺度分析（MDS）
  通過(guò)低維空間展示作者（文獻(xiàn)）之間聯(lián)系，并利用平面距離來(lái)反映作者（文獻(xiàn)）之間的相似度。多維尺度分析的圖形顯示結(jié)果更加直觀和形象,因子分析則更容易確定各個(gè)學(xué)術(shù)群體的邊界和數(shù)目，因此需要同時(shí)借助因子分析的結(jié)果, 進(jìn)行知識(shí)圖譜的繪制。

數(shù)據(jù)挖掘方法

數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過(guò)算法提取、挖掘未知的、有價(jià)值的模式或規(guī)律等知識(shí)的復(fù)雜過(guò)程?？茖W(xué)知識(shí)圖譜的繪制使用了很多數(shù)據(jù)挖掘方法，常用的方法有聚類分析、數(shù)據(jù)可視化和社會(huì)網(wǎng)絡(luò)分析等。

• 聚類分析
  聚類分析將物理或抽象的對(duì)象集合分成相似的對(duì)象類的過(guò)程。簇是數(shù)據(jù)對(duì)象的集合，同一個(gè)簇中的對(duì)象彼此相似，而不同的簇彼此相異。文獻(xiàn)聚類分析是聚類分析技術(shù)在引文分析中的具體應(yīng)用。處理方法是將文獻(xiàn)通過(guò)分詞、去停詞等方法轉(zhuǎn)化為詞向量，并將每個(gè)詞條賦予不同的權(quán)重，這樣一篇文獻(xiàn)就可以由詞條權(quán)重值組成的特征向量來(lái)表示，所有文獻(xiàn)將組成了特征向量空間模型，在該模型中使用聚類分析技術(shù)進(jìn)行引文分析。
• 數(shù)據(jù)可視化
  數(shù)據(jù)可視化，也成為信息可視化是指將抽象數(shù)據(jù)用圖形圖像等可視化形式表示出來(lái)，以利于分析數(shù)據(jù)、發(fā)現(xiàn)規(guī)律和支持決策。常用的可視化算法有：
  1 、自組織特征映射網(wǎng)絡(luò)SOM（Self-organizaing Feature Map）是一種基于神經(jīng)網(wǎng)絡(luò)的算法，它通過(guò)把高維數(shù)據(jù)映射到低維空間進(jìn)行聚類，并保持一定的拓?fù)溆行蛐浴?br> 2 、尋徑網(wǎng)絡(luò)圖譜PFNET（PathFinder Network）是對(duì)不同的概念或?qū)嶓w間聯(lián)系的相似或差異程度進(jìn)行評(píng)估，應(yīng)用圖論中原理和方法生成的一類特殊的網(wǎng)狀模型。
• 社會(huì)網(wǎng)絡(luò)分析
  社會(huì)網(wǎng)絡(luò)分析（Social Network Analysis）也稱為結(jié)構(gòu)分析，是將社會(huì)結(jié)構(gòu)界定為一個(gè)網(wǎng)格，這個(gè)網(wǎng)格由成員之間的聯(lián)系進(jìn)行連接。社會(huì)網(wǎng)絡(luò)分析聚焦于成員之間的聯(lián)系而非個(gè)體特征，并把共同體視為“個(gè)體的共同體”，即視為人們?cè)谌粘Ｉ钪兴ⅰ⒕S護(hù)并應(yīng)用的個(gè)人關(guān)系的網(wǎng)絡(luò)。社會(huì)網(wǎng)絡(luò)分析方法被證明可以成功的研究科學(xué)合作網(wǎng)絡(luò)和互聯(lián)網(wǎng)絡(luò)所得到的可視化網(wǎng)絡(luò)，并被用于展示科學(xué)計(jì)量學(xué)的合作網(wǎng)絡(luò)結(jié)構(gòu)與發(fā)展。

數(shù)據(jù)挖掘方法

數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過(guò)算法提取、挖掘未知的、有價(jià)值的模式或規(guī)律等知識(shí)的復(fù)雜過(guò)程?？茖W(xué)知識(shí)圖譜的繪制使用了很多數(shù)據(jù)挖掘方法，常用的方法有聚類分析、數(shù)據(jù)可視化和社會(huì)網(wǎng)絡(luò)分析等。

• 聚類分析
  聚類分析將物理或抽象的對(duì)象集合分成相似的對(duì)象類的過(guò)程。簇是數(shù)據(jù)對(duì)象的集合，同一個(gè)簇中的對(duì)象彼此相似，而不同的簇彼此相異^[13]。文獻(xiàn)聚類分析是聚類分析技術(shù)在引文分析中的具體應(yīng)用。處理方法是將文獻(xiàn)通過(guò)分詞、去停詞等方法轉(zhuǎn)化為詞向量，并將每個(gè)詞條賦予不同的權(quán)重，這樣一篇文獻(xiàn)就可以由詞條權(quán)重值組成的特征向量來(lái)表示，所有文獻(xiàn)將組成了特征向量空間模型，在該模型中使用聚類分析技術(shù)進(jìn)行引文分析。
• 數(shù)據(jù)可視化
  數(shù)據(jù)可視化，也成為信息可視化是指將抽象數(shù)據(jù)用圖形圖像等可視化形式表示出來(lái)，以利于分析數(shù)據(jù)、發(fā)現(xiàn)規(guī)律和支持決策。常用的可視化算法有：
  1 、自組織特征映射網(wǎng)絡(luò)SOM（Self-organizaing Feature Map）是一種基于神經(jīng)網(wǎng)絡(luò)的算法，它通過(guò)把高維數(shù)據(jù)映射到低維空間進(jìn)行聚類，并保持一定的拓?fù)溆行蛐浴?br> 2、 尋徑網(wǎng)絡(luò)圖譜PFNET（PathFinder Network）是對(duì)不同的概念或?qū)嶓w間聯(lián)系的相似或差異程度進(jìn)行評(píng)估，應(yīng)用圖論中原理和方法生成的一類特殊的網(wǎng)狀模型。
• 社會(huì)網(wǎng)絡(luò)分析
  社會(huì)網(wǎng)絡(luò)分析（Social Network Analysis）也稱為結(jié)構(gòu)分析，是將社會(huì)結(jié)構(gòu)界定為一個(gè)網(wǎng)格，這個(gè)網(wǎng)格由成員之間的聯(lián)系進(jìn)行連接。社會(huì)網(wǎng)絡(luò)分析聚焦于成員之間的聯(lián)系而非個(gè)體特征，并把共同體視為“個(gè)體的共同體”，即視為人們?cè)谌粘Ｉ钪兴?、維護(hù)并應(yīng)用的個(gè)人關(guān)系的網(wǎng)絡(luò)。社會(huì)網(wǎng)絡(luò)分析方法被證明可以成功的研究科學(xué)合作網(wǎng)絡(luò)和互聯(lián)網(wǎng)絡(luò)所得到的可視化網(wǎng)絡(luò)，并被用于展示科學(xué)計(jì)量學(xué)的合作網(wǎng)絡(luò)結(jié)構(gòu)與發(fā)展。

知識(shí)圖譜繪制的步驟

科學(xué)知識(shí)圖譜繪制過(guò)程可分為8個(gè)步驟【國(guó)外知識(shí)圖譜繪制工具，楊洛斯】（如圖所示）即：
1、樣本數(shù)據(jù)檢索（對(duì)期刊數(shù)據(jù)WOS、Science Direct或網(wǎng)絡(luò)數(shù)據(jù)庫(kù)Google Scholar、CitSeer等）；
2、數(shù)據(jù)預(yù)處理（分詞、去停用詞、去重、勘誤等）；
3、選擇知識(shí)單元（作者、關(guān)鍵詞、機(jī)構(gòu)、期刊和文獻(xiàn)）；
4、構(gòu)建單元關(guān)系（引文分析、共現(xiàn)分析、共引分析、耦合分析、詞頻分析等）；
5、數(shù)據(jù)標(biāo)準(zhǔn)化（Cosine、Jaccard、Equivalence、Association Strength等）；
6、數(shù)據(jù)分析（因子分析、多維尺度分析、自組織映射圖、尋徑網(wǎng)絡(luò)圖譜、聚類分析和潛在語(yǔ)義分析等）
7、知識(shí)可視化（幾何圖、主題河圖、星團(tuán)圖、沖積圖、地形圖等）；
8、圖譜解讀（歷時(shí)分析、突變分析、空間分析、網(wǎng)絡(luò)分析、地理分布、瀏覽查詢、放大縮小、過(guò)濾關(guān)聯(lián)等）。
目前這8個(gè)步驟還都是針對(duì)中小型數(shù)據(jù)集，而且步驟之間多以手工過(guò)渡為主，缺少對(duì)海量文獻(xiàn)數(shù)據(jù)處理過(guò)程和全自動(dòng)完成知識(shí)圖譜繪制方面的研究。

圖片.png

知識(shí)圖譜繪制的工具

對(duì)于知識(shí)圖譜的繪制工具可分為專用工具如Bibexcel、HiteCite、CiteSpace、NWB Tools和TDA；通用工具如統(tǒng)計(jì)分析軟件如SPSS和SAS，詞頻分析工具Word Smith和Word Cat，社交網(wǎng)絡(luò)分析工具如Pajek和Ucinet，可視化工具如VOSviewer、Net Draw等。

本文是對(duì)在知識(shí)圖譜的整理，借鑒轉(zhuǎn)載自http://www.360doc.com/content/15/0403/15/13987479_460345596.shtml。