大数据图书馆信息系统关键词共现可视化分析

上述合作网络分析只能用于了解不同学术依托单位的历史沿革，如果要进一步分析，需要进行共现分析和共引分析，本节主要介绍共现分析。共现分析的难点是提炼领域词库。

一篇论文的关键词，通常有两个种方法获得：一种通过作者发表文章的关键词创建领域词库，但是不同作者对关键词的理解差异导致词库需要进行加工，如同义词、反义词、上位词、下位词；另一种通过分析摘要，从摘要中提炼关键词，这种方法的优势在于基于统计规律对文章进行自动化标签（tagging），不过这种方法对中文文献来说难度较大。对英文文献（如SCI期刊的论文）来说，空格即为分词符，但中文文献中，词语存在大量的同义表达和歧义词，且中文句式语法较英文复杂。

尽管共现分析存在很多细节不完善的地方，却是主题分析最重要的方法。本节主要进行共现分析，CiteSpace默认的共现分析包含“Term”“Keyword”“Source”和“Category”四类。

本书基于“Term”和“Keyword”两种类别进行共现分析。“Term”即从摘要中提炼关键词。“Keyword”即作者文章元数据定义的关键词或者CiteSpace自带关键词库。对于“Keyword”分析，首先需要进行配置和生成，如图5-31所示。

图5-31　CiteSpace的Keyword共现分析配置图

配置完成后点击“GO！”按钮进行生成并可视化，生成的结果如图5-32所示。

图5-32　CiteSpace的Keyword共现分析结果图

从图5-32中可以看到，最近10年来“舆情”研究的热点关键词，其中“网络舆情”“大数据”“意见领袖”“微博舆情”均是研究热点。为了提高可读性，需要通过时间选项进行过滤，如只分析2013年舆情领域的研究热点，结果如图5-33所示。

图5-33　CiteSpace的Keyword共现分析结果图（2013年）

从图5-33中可以发现2013年“舆情”领域的研究热点，如“社会网络”，但是如果选择2018年，则结果不同，如图5-34所示。

图5-34　CiteSpace的Keyword共现分析结果图（2018年）

从2018年的数据可以看到，在2018年，“新媒体网络谣言”也是研究热点。如果利用聚类分析，则可以生成研究的聚类主题，并且可以清楚看到这些聚类的英文主题和关键词的分布关系。英文主题主要根据英文摘要（即“Term”方法）生成，如图5-35所示。

图5-35　CiteSpace的主题共现分析结果图

从图5-35中可以看到，最热的研究主题（即“簇”）是“＃1 social media era”和“＃2 take public opinion event”，其中“＃1”和“＃2”代表簇序号。可以根据基于关键词共现的分析，分析不同主题中最热的关键词分布。同时，也可以基于关键词对聚类的主题进行标记，点击“Clusters”菜单的子菜单“Extract Cluster Labels”的“Label：Use Keywords”选项，即基于作者提供的关键词进行生成，如图5-36所示。

图5-36　基于Keyword进行标记操作图

点击后，可以更好地看到研究主题的聚类分布，如图5-37所示。

从图5-37中可以看到中文聚类主题和关键词分布的关系。其中“前沿主题”“突发事件”均为根据关键词分析的研究热点。点击“Summary Table”查看聚类详情，如图5-38所示。

图5-37　基于Keyword进行标记的结果图

图5-38　基于Keyword进行定量分析图

进一步研究行业的分布，如选取“＃2突发事件”，研究围绕该主题的相关文献，生成结果如图5-39所示。

图5-39　基于“突发事件”聚类的文献分布图

从图5-39可以看到，关于“突发事件”的研究成果主要集中在2017年，进一步研究相关文献，点击“The Keyword Appeared in 52 Records”面板可以看到具体分析，如图5-40所示。

图5-40　基于“突发事件”聚类的文献详情图

从图5-40中可以看到，相关文献的“DE”字段均包含关键词“突发事件”，此类方法是基于作者提供的关键词进行聚类分析。同理，如果基于“Term”分析方法，可以看到“突发事件”和英文关键词的分布关系，如图5-41所示。

图5-41　基于“突发事件”的聚类图（基于“Term”分析）

右键点击“List Citing Papers to the Cluster”，可以看到该簇的关键词分布以及对应的文献，以“＃7 Communication Stage”为例，如图5-42所示。(www.xing528.com)

图5-42　基于“Term”分析法的簇7研究主题的关键词分布

也可以看到相关的文献分布，如图5-43所示。

图5-43　基于“Term”分析法的簇7研究主题的文献分布

从图5-43中可以进一步研究簇7的相关文献。如果要对指定的簇进行单个聚类的研究，则需要对生成图进行降维显示。例如，选定指定的簇，对“舆情生态”进行研究，如图5-44所示。

图5-44　对指定的簇进行分析

例如，输入“8”，只显示“＃8舆情生态”的聚类，如图5-45所示。

图5-45　对指定的簇进行显示

如果对不同的簇进行定量分析，则选择菜单“Clusters”的子菜单“Cluster Explorer”，如图5-46所示。

图5-46　对簇进行定量分析

CiteSpace的程序会在后台进行计算，然后生成簇的数据，用于定量分析，如图5-47所示。

图5-47　生成簇的数据进行定量分析

选定指定的簇进行计算，会得到相应的数据，本书选择“舆情”中序号为8的簇“舆情生态”进行分析，结果如图5-48所示。

图5-48　对选定簇进行定量分析

从“Cited References｜Keywords”面板中可以看到选举的簇的“词频”“突现”“度”“中心度”“PageRank算法的引用分”“关键词”等信息。同时，可以查看每一个簇每年相关关键词的热点，如图5-49所示。

图5-49　“舆情生态”簇每年的研究关键词热点

从图5-49中可以看到，2019年“舆情生态”的研究热点是“网络安全”“网络谣言”“政治安全”“谣言治理”“网络舆情”“风险建模”相关领域。根据时间轴进行更详细的分析，则需要切换到“时间轴”视图，如图5-50所示。

图5-50　基于时间轴的视图设置

通过时间轴可以看到“舆情生态”领域的研究迁移，如图5-51所示。

图5-51　基于时间轴的单聚类分析

如果研究“舆情”领域全部的聚类分析，则显示所有的聚类，结果如图5-52所示。

图5-52　基于时间轴的全聚类分析

从图5-52中可以看到，过去10年每年不同主题的研究热点，并且可以从图中看到不同热点之间的关联关系。点击菜单“Visualization”的子菜单“Citiation/Frequency Burst History”，可以看到过去10年“舆情”领域的突现研究热点，如图5-53所示。

图5-53　基于时间轴的全聚类设置

从图5-53中可以看到，“预警”“传播模式”“微博舆情”“治理”“仿真”属于突现技术，其中，红色（即深颜色）代表具体的突现技术成为热点的年份。“突现”研究的很重要的意义在于，发现过去未曾引起足够注意的研究热点。