基于CiteSpace的競爭情報研究的可視化分析

[摘要]以信息計量學的相關(guān)理論與方法為指導(dǎo)，借助可視化分析工具CiteSpace，以各種類型文獻作為知識載體，以Web of Science數(shù)據(jù)庫收錄的競爭情報領(lǐng)域的載文信息為主要數(shù)據(jù)來源，對10余年來國內(nèi)外競爭情報研究領(lǐng)域的規(guī)律和發(fā)展狀況等進行可視化分析，為增強對競爭情報研究領(lǐng)域的認識提供有價值的參考。

[關(guān)鍵字] 競爭情報 可視化分析 知識圖譜 CiteSpace

1 引 言

第二次世界大戰(zhàn)以后，全球經(jīng)濟一體化和第三世界發(fā)展中國家經(jīng)濟迅速崛起，尤其是以美國和前蘇聯(lián)為首的東西兩大軍事集團對峙局面的消失，宣告冷戰(zhàn)時代的結(jié)束，和平與發(fā)展已成為世界各國面臨的兩大主題，國際情報領(lǐng)域轉(zhuǎn)向了激烈的商業(yè)情報戰(zhàn)。全球商戰(zhàn)的加速促使競爭情報的產(chǎn)生。信息和情報被各國政府和工商業(yè)看作是增強全球經(jīng)濟、科技競爭力戰(zhàn)略資源的重要組成部分，因而開展競爭情報研究，提高國家、集團和企業(yè)的競爭實力也就成為世界各國情報界的重要戰(zhàn)略選擇[1]。

競爭情報的發(fā)展迄今雖不足30年，但其影響已經(jīng)遍及世界各地，應(yīng)被視為經(jīng)濟學、管理學與情報學領(lǐng)域的重大發(fā)展，是人類在社會信息化基礎(chǔ)上向情報智能化發(fā)展的重要標志，將對全球的經(jīng)濟發(fā)展與社會進步產(chǎn)生重要的影響。近年來信息技術(shù)的迅速發(fā)展，尤其是國際信息互聯(lián)網(wǎng)絡(luò)的出現(xiàn)和廣泛應(yīng)用，加快了信息的傳遞速度和企業(yè)的兼并與合作，市場競爭日趨激烈，客觀上對情報研究分析快速反應(yīng)能力提出更高的要求，同時國際信息互聯(lián)網(wǎng)絡(luò)的建設(shè)和應(yīng)用又為靈活調(diào)用國際間的各種信息資源，建立競爭情報分析研究系統(tǒng)創(chuàng)造了良好的技術(shù)基礎(chǔ)條件[2]。

競爭情報領(lǐng)域有哪些研究熱點？有哪些具備影響力的高產(chǎn)作者？未來的發(fā)展趨勢如何？這些都是值得探討的問題。2004年，美國德雷克塞大學信息技術(shù)學院陳超美教授基于引文分析理論并應(yīng)用Java語言開發(fā)了CiteSpace信息可視化軟件，成為近幾年來在全美信息分析中最具特色和影響力的可視化信息軟件[3]。利用CiteSpace，基于Web of Science對某學科領(lǐng)域進行可視化分析是近幾年研究的熱點，如對“高等教育研究”、“地震預(yù)報預(yù)測研究”、“科技政策研究”、“能源技術(shù)研究”、“國內(nèi)外機器人研究”、“國外人力資源管理研究”、“文獻計量學”、“圖書館學”、“基因操作技術(shù)研究”等領(lǐng)域的可視化分析，取得了極具價值的成果。但目前仍沒有對“競爭情報”領(lǐng)域的可視化分析研究，因此本文擬通過CiteSpace這一可視化工具加深對競爭情報領(lǐng)域的認識與研究，希望可以對競爭情報的未來發(fā)展有一定的借鑒意義。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

本文所使用的數(shù)據(jù)來源于美國科學情報研究所ISI出版的Web of Science數(shù)據(jù)庫（SCI-expanded， SSCI，AHCI，CPCI-S，CPCI-SSH）中的文獻。該數(shù)據(jù)庫收錄了9 000多種高影響力的學術(shù)期刊，是目前國際上唯一的且最具學術(shù)權(quán)威性的引文信息源，這就為我們下載數(shù)據(jù)、轉(zhuǎn)換格式和進行數(shù)據(jù)分析帶來了極大的便利。數(shù)據(jù)的檢索策略是“TS（主題）= Competitive Intelligence AND 入庫時間=所有年份 AND 文獻類型=所有類型”，檢索結(jié)果為586條文獻記錄，數(shù)據(jù)下載日期為2010年12月30日。

2.2 研究方法

本文使用陳超美博士開發(fā)的信息可視化軟件CiteSpace，該軟件是一種可視化的共引網(wǎng)絡(luò)分析軟件，提供一種尋徑網(wǎng)絡(luò)圖譜。通過合理設(shè)置引用(citation， C)、共被引(co—citation， CC)及共被引系數(shù)(co-citation coefficient， CCV)的閾值，可繪制出較直觀的、容易理解的知識圖譜。本文采用定量分析與定性分析相結(jié)合的方法來進行研究。通過使用網(wǎng)絡(luò)版CiteSpace知識圖譜分析軟件，并對引用、共被引及共被引系數(shù)3個參數(shù)進行適當調(diào)整，對586條文獻記錄進行了關(guān)鍵詞共現(xiàn)分析（KCA）、文獻共被引分析(DCA)及作者共被引分析(ACA)等。對關(guān)鍵詞共現(xiàn)進行圖譜分析，可以找到某一學科或研究領(lǐng)域的研究熱點，并且有可能發(fā)現(xiàn)研究熱點的轉(zhuǎn)移趨勢；對文獻共被引進行圖譜分析，可以尋找學科或研究領(lǐng)域演化的關(guān)鍵經(jīng)典文獻及演化動力；對共被引作者圖譜進行分析，可以發(fā)現(xiàn)該學科或研究領(lǐng)域的重要核心人物及相互之間的學術(shù)親緣關(guān)系[4]。通過分析地區(qū)及機構(gòu)分布，可以發(fā)現(xiàn)該學科的重要核心地區(qū)和機構(gòu)。此外，CiteSpace還具有關(guān)鍵詞聚類和膨脹詞探測功能，可確定某研究領(lǐng)域的熱點和發(fā)展趨勢。

1965年，美國文獻計量學家普賴斯(Price D)注意到一個非常有趣的現(xiàn)象，即在科學引文網(wǎng)絡(luò)中，頻繁被引用的文章多是新近發(fā)表的文章。他提出了“研究前沿”的概念并以此來描述學科研究領(lǐng)域的過渡本質(zhì)。1994年皮爾遜(Persson O)對研究前沿和知識基礎(chǔ)作了界定：“從文獻計量學來看，引文形成了研究前沿，被引文獻組成了知識基礎(chǔ)”。知識基礎(chǔ)由共引聚類來表示，通過逐漸降低共引的閾值，他提出了所謂的知識基礎(chǔ)的逐級擴大(step wise enlargement)概念，即隨著共引閾值的降低，共引聚類中的文章越來越多，從而知識基礎(chǔ)也逐漸增大，并發(fā)現(xiàn)知識基礎(chǔ)在相當長的一段時間內(nèi)保持穩(wěn)定[5]。

確定研究領(lǐng)域演進的關(guān)鍵點是進行計量分析的關(guān)鍵環(huán)節(jié)。假設(shè)Ψα和Ψβ 分別是t時刻和t+Δt時刻產(chǎn)生于Ωα=Φ(Ψα)和Ωβ=Φ(Ψβ)知識基礎(chǔ)上的，以文章α和文章β為標識的主要研究前沿，形成分別以文章α和文章β為中心的兩個共被引文獻聚類。連接這兩個聚類路徑上的文章[p(i)]描繪了從Ψα向Ψβ轉(zhuǎn)變的特征，我們將這樣的[p(i)]稱作關(guān)鍵節(jié)點。CiteSpace可探測出這些關(guān)鍵節(jié)點，并在視圖中用顏色加深加粗的外圈加以突出顯示 [6]。

在開始利用CiteSpace進行數(shù)據(jù)處理之前，要將需要處理的文獻數(shù)據(jù)放在同一個文件夾內(nèi)。每個數(shù)據(jù)文件名必須以“download”開頭，并以“.txt”結(jié)尾，如“downloadCI2008.txt”。在開始利用CiteSpace創(chuàng)建一個新的項目之前，需要具體制定兩條路徑：一條是數(shù)據(jù)存儲路徑，一條是項目存儲路徑。通過項目存儲路徑可以找到在CiteSpace運行過程中所保存的圖譜和輸出文件，數(shù)據(jù)存儲路徑則是文獻數(shù)據(jù)的存儲路徑。

3 研究結(jié)果

本文將1995-2010年發(fā)表的共586篇“competitive intelligence”主題文獻的題錄數(shù)據(jù)輸入CiteSpaceⅡ軟件中，題錄數(shù)據(jù)主要包括標題、關(guān)鍵詞、摘要和參考文獻等。設(shè)定選項，調(diào)節(jié)閾值，選擇網(wǎng)絡(luò)節(jié)點確定為參考文獻，時間分區(qū)設(shè)為每年一分區(qū)。以下將從時間分布、地區(qū)分布及合作網(wǎng)絡(luò)、機構(gòu)分布及合作網(wǎng)絡(luò)、高產(chǎn)作者、研究熱點、文獻共引等6個方面做具體分析：

3.1 時間分布

首先來回顧競爭情報的來源。20世紀50年代，美國Wisconsin大學的懷思汀博士在通用汽車公司中首先建立了一個從事競爭分析和戰(zhàn)略決策的“作戰(zhàn)室”，開啟了正規(guī)的競爭情報活動。60年代，日本為了進入美國和歐洲市場，在各行各業(yè)廣泛開展了以競爭對手和環(huán)境為內(nèi)容的情報活動。而真正把競爭情報作為一門學科來研究是以1986年美國競爭情報從業(yè)者協(xié)會（SCIP）的建立為標志的。80年代，上海科技情報研究所率先將競爭情報概念引入國內(nèi)，并進行了實踐探索；1994年中國正式成立了競爭情報專業(yè)委員會（SCIC），我國競爭情報研究工作開始走上了有組織和相對正規(guī)化的道路。

圖1說明了有關(guān)競爭情報研究的文獻的發(fā)展歷程。從圖中我們可以看到，最早的有關(guān)競爭情報研究領(lǐng)域的文獻（A New Factor in Evolution， Baldwin J M）出現(xiàn)在1896年，而直到20世紀90年代中期以后，競爭情報研究領(lǐng)域的文獻量才開始有所增加。20世紀末到21世紀初，競爭情報的文獻增量達到最大。由此可見，有關(guān)競爭情報領(lǐng)域的研究在如今科學技術(shù)不斷發(fā)展的信息時代受到越來越廣泛的關(guān)注，其研究成果也不斷涌現(xiàn)。

3.2 國家（地區(qū)）分布及合作網(wǎng)絡(luò)

圖2 世界競爭情報文獻數(shù)量國家（地區(qū)）分布

對于競爭情報領(lǐng)域，不同的國家(地區(qū))研究實力不盡相同，見圖2。競爭情報文獻的發(fā)文總量以美國最多，為137篇，占世界競爭情報研究領(lǐng)域發(fā)文量的23%；中國緊隨其后，為113篇，占19%；排名第三的是加拿大。其余依次是英國、德國、中國臺灣、西班牙、意大利、日本、希臘等。但從發(fā)文量來看，排名第三的加拿大以及其后的各國家（地區(qū)）遠落后于美國和中國。這表明，美國和中國在競爭情報研究領(lǐng)域中與世界其他國家（地區(qū)）拉開了距離，處于遙遙領(lǐng)先的地位。

圖3 競爭情報文獻的國家（地區(qū)）合作分布

圖3展示了各國（地區(qū)）發(fā)表文獻的合作情況，美國和中國發(fā)表的論文在數(shù)量上遙遙領(lǐng)先，但與其他國家之間合作相對較少，這反映出在競爭情報研究方面美國和中國走在發(fā)展最前端，也從側(cè)面反映出這兩國之間以及與其他國家（地區(qū)）之間的學術(shù)壁壘現(xiàn)象。圖中可見發(fā)文數(shù)量較多的國家（地區(qū)），與之合作過的國家（地區(qū)）并不多；而一些發(fā)文數(shù)量較少的國家，如德國、意大利等，與他國的協(xié)作關(guān)系反而很多。

3.3 機構(gòu)分布及合作網(wǎng)絡(luò)

圖4展示了Web of Science數(shù)據(jù)庫競爭情報研究領(lǐng)域文獻的各機構(gòu)之間的合作情況。

圖4 競爭情報文獻的機構(gòu)合作分布

各節(jié)點表示該機構(gòu)不同年份發(fā)表的文獻數(shù)量，連線代表機構(gòu)間某年合作的情況。2007年之前，各機構(gòu)間的合作并不密切，大多是發(fā)表論文數(shù)量較少的兩三個機構(gòu)之間的合作。2007-2008年尤其是2009-2010年，出現(xiàn)了代表各機構(gòu)密切合作的小型復(fù)雜網(wǎng)絡(luò)。可見，發(fā)文最多的是美國斯坦福大學 [7]，因為斯坦福大學Koza J R教授對遺傳算法的研究極大地促進了競爭情報學科的發(fā)展，他是競爭情報的高產(chǎn)作者之一。

緊接其后的還有Chipworks公司、武漢大學、香港理工大學、香港城市大學、希臘雅典國立科技大學、美國北德克薩斯大學等。

3.4 高產(chǎn)作者

對檢索到的數(shù)據(jù)做作者合作分析圖，發(fā)文量最高的是Koza J R，其次是James D，Bouthillier F等。圖5列出了發(fā)文量達到4篇的作者。

圖5 競爭情報領(lǐng)域作者發(fā)文量排行

在檢索到的586篇競爭情報文獻中，來自IEEE會議的論文共17篇，突變值域高為4.53。從統(tǒng)計數(shù)據(jù)可見，在競爭情報研究領(lǐng)域IEEE擁有極大的發(fā)言權(quán)。

Koza J R是斯坦福大學教授、遺傳算法之父約翰#8226;霍蘭德的學生，他于1992年出版了《遺傳編程：用自然選擇讓計算機編程》，來介紹遺傳編程。James D是Chipworks公司資深專家。Chipworks公司矢志在系統(tǒng)情報及電路情報服務(wù)上成為智能財產(chǎn)權(quán)業(yè)界的必然選擇，依照客戶提出的需求調(diào)整業(yè)務(wù)方向，在系統(tǒng)與軟件層級提供專利支持服務(wù) [8]。可見，競爭情報的研究與“智能”、“系統(tǒng)”密切聯(lián)系。

同時，我國武漢大學信息管理學院的查先進教授在高產(chǎn)作者中位列前五，他先后曾發(fā)表過《網(wǎng)絡(luò)環(huán)境下的競爭情報研究》、《突發(fā)事件與企業(yè)競爭情報咨詢服務(wù)快速響應(yīng)》、《面向企業(yè)預(yù)警的企業(yè)競爭情報研究》等文。

3.5 競爭情報研究熱點分析

關(guān)鍵詞是一篇文章的核心與精髓，是文章主題的高度概括及凝練，頻次高的關(guān)鍵詞常被用來確定一個研究領(lǐng)域的熱點問題[9－10]。CiteSpaceⅡ是一個由Java語言編寫的基于共引分析的引文網(wǎng)絡(luò)可視化軟件。運行該軟件時，可以選擇使用關(guān)鍵路徑(pathfinder)算法[11]或最小生成樹(minimum spanning trees)算法[12－13]對科學文獻引文共引網(wǎng)絡(luò)的路徑進行分析和處理，并可以通過顯示高頻關(guān)鍵詞來確定競爭情報的主要研究領(lǐng)域和研究熱點。

表1 競爭情報研究文獻出現(xiàn)頻次大于30的主題詞

輸入數(shù)據(jù)后，網(wǎng)絡(luò)節(jié)點確定為keyword，選擇閾值(3，2，20)，(4，3，20)， (2，1，20)，選擇pathfinder算法，運行后經(jīng)整理生成主題詞被引頻次大于30的主題詞列表 (見表1) 以及圖6所示的競爭情報研究熱點領(lǐng)域知識圖譜。

圖6 競爭情報研究熱點知識圖譜

圖6顯示的是高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖，出現(xiàn)頻次最高的主題詞是competitive intelligence（競爭情報），達131次。高頻主題詞反映出的競爭情報研究的其他主要熱點領(lǐng)域還包括artificial intelligence（人工智能）103次， competitive advantage（競爭優(yōu)勢）87次，business intelligence（商務(wù)智能）、neural networks（神經(jīng)網(wǎng)絡(luò)）、data mining(數(shù)據(jù)挖掘)、knowledge management（知識管理）等。由此可見，競爭情報的研究與現(xiàn)代信息技術(shù)及智能化研究有很大關(guān)聯(lián)。

從國內(nèi)外的研究和實踐來看，競爭情報活動的主要內(nèi)容涉及到認識競爭形勢、了解分析競爭者和參與制定競爭策略三方面。目前國內(nèi)外主要研究重點在于競爭情報系統(tǒng)的研究和實踐。競爭情報系統(tǒng)是一個由多種功能模塊有機組合而成的以信息網(wǎng)絡(luò)為平臺的人機融合的應(yīng)用系統(tǒng)，而此系統(tǒng)為了滿足競爭數(shù)據(jù)管理、競爭情報分析、競爭情報服務(wù)三大功能模塊，使用了數(shù)據(jù)挖掘技術(shù)、人工智能技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)[14]。這些與知識圖譜的結(jié)果是相同的。

3.6 競爭情報研究前沿演進

接下來對文獻進行共引分析，利用CiteSpaceⅡ軟件中提供的膨脹詞探測 ( burstdetection) 技術(shù)和算法，通過考察詞頻的時間分布，將其中頻次變化率高的詞(burstterm) 從大量的主題詞中探測出來，依靠詞頻的變動趨勢，來確定競爭情報研究的前沿領(lǐng)域和發(fā)展趨勢[15]。此項選擇為膨脹詞短語 (burst phrases)，閾值設(shè)置仍然選擇默認值(3，2，20)，(4，3，20)，(2，1，20)，點擊探測膨脹詞 (find burst phrases)，運行CiteSpaceⅡ后，探測出的膨脹詞居于前6位的是：business-intelligence（商務(wù)智能）、neural-networks（神經(jīng)網(wǎng)絡(luò)）、competitive-advantage（競爭優(yōu)勢）、highly-competitive （高競爭力）、knowledge-based（知識型）、particle-swarm-optimization（粒子群優(yōu)化），如圖7所示：

圖7 競爭情報前沿演進知識圖譜

由圖7可見，主題詞頻變化率最高的詞是business-intelligence，說明商務(wù)智能是近年來競爭情報研究的重要前沿領(lǐng)域之一，其次是神經(jīng)網(wǎng)絡(luò)、競爭優(yōu)勢等，這些高頻突變詞所表現(xiàn)出來的研究前沿反映出競爭情報領(lǐng)域也隨著新時代的到來越來越毗鄰高科技，與新世紀、新應(yīng)用相適應(yīng)是競爭情報領(lǐng)域研究不可逆轉(zhuǎn)的趨勢。

4 結(jié) 論

本文以信息計量學的相關(guān)理論與方法為指導(dǎo)，借助可視化分析工具CiteSpace，以各種類型文獻作為知識載體，以Web of Science數(shù)據(jù)庫收錄的競爭情報領(lǐng)域的載文信息為主要數(shù)據(jù)來源，對十幾年來國內(nèi)外競爭情報研究領(lǐng)域中的規(guī)律和發(fā)展狀況等進行可視化分析。得出以下結(jié)論：

#61548;從1896年第一篇有關(guān)競爭情報的文獻出現(xiàn)到20世紀60年代的幾十年間，競爭情報領(lǐng)域研究的發(fā)展速度都很慢，直到60年代后才開始出現(xiàn)文獻量的較大幅度的增長，之后則一直接近于線性增長。

#61548;美國和中國在競爭情報領(lǐng)域的研究處于領(lǐng)先地位，其他國家和地區(qū)都與他們有一定的差距。而發(fā)文量較少的國家（地區(qū)）與他國（地區(qū)）的合作明顯比發(fā)文量較多的國家（地區(qū)）與他國（地區(qū)）的合作要多。

#61548;美國斯坦福大學、加拿大Chipworks公司、武漢大學以及香港理工大學等機構(gòu)在競爭情報領(lǐng)域的發(fā)文量都位居前列。但機構(gòu)間合作不多，直到近兩年才出現(xiàn)比較明顯的代表各機構(gòu)密切合作的小型復(fù)雜網(wǎng)絡(luò)。

#61548;IEEE在競爭情報領(lǐng)域擁有極大的發(fā)言權(quán)，Koza J R、James D、 Bouthillier F以及我國的查先進等都屬于高產(chǎn)作者。

#61548;競爭情報領(lǐng)域的研究熱點包括：competitive intelligence (競爭情報)、artificial intelligence（人工智能）、competitive advantage（競爭優(yōu)勢）、business intelligence（商務(wù)智能）、neural networks（神經(jīng)網(wǎng)絡(luò)）、data mining(數(shù)據(jù)挖掘)、knowledge management（知識管理）等。

#61548;近年來，競爭情報研究的重要前沿領(lǐng)域包括business-intelligence（商務(wù)智能）、neural-networks（神經(jīng)網(wǎng)絡(luò)）、competitive-advantage（競爭優(yōu)勢）、highly-competitive（高競爭力）等，與信息時代接軌，并體現(xiàn)高應(yīng)用性。

此外，CiteSpaceⅡ可視化應(yīng)用軟件顯示了其強大的引文分析功能，可視化程度高，尤其在分析學科演化、熱點和前沿領(lǐng)域方面，具有較強的探測和檢驗等輔助分析功能。可以預(yù)見，CiteSpaceⅡ在未來的科學研究中將繼續(xù)發(fā)揮越來越重要的作用，為科技、科學工作者帶來極大的便利。

參考文獻：

[1] 競爭情報產(chǎn)生背景.[2010-05-07].http://blog.sina.com.cn/s/blog_666410df0100iz32.html.

[2] 彭靖里，王曉旭，鄧藝.論國內(nèi)外競爭情報發(fā)展與實踐的現(xiàn)狀和特點. 云南科技管理，2004(4):9-11.

[3] 侯劍華，陳悅. 戰(zhàn)略管理學前沿演進可視化研究. 科學學研究， 2007(6):16-17.

[4] 趙玉鵬，劉則淵，許振亮. 基于知識圖譜的美國《科學哲學》研究前沿和熱點探討.科學學研究， 2008，（6）:52-57.

[5] 陳蘭杰.基于知識圖譜的國際信息資源管理(IRM)研究的可視化分析.情報資料工作，2009，（5）：14-19.

[6] 陳超美.CiteSpaceⅡ：科學文獻中新趨勢與新動態(tài)的識別與可視化. 陳悅，侯劍華，梁永霞，譯.情報學報，2009，28（3）：401-421.

[7] 斯坦福大學簡介.[2010-05-09].http://baike.soso.com/v80695.htm#1.

[8] CHIPWORKS 大幅投資全新實驗室設(shè)備.[2010-05-08].http://it.sohu.com/20050705/n240143949.shtml.

[9] Bailon-Moreno R， Jurado-Alameda E， Ruiz-Banos R. Analysis of the field of physical chemistry of surfactants with the unified scientometric made 1 fit of relational and activity indicators. Scientometrics， 2005， 63(2):259-276.

[10] Belvaux G， Wolsey L A. Bc-prod: A specialized branch-and-cut system for lot-sizing problems. Management Science， 2000， 46(5):724-738.

[11] Chen C. Generalised similarity analysis and pathfinder network scaling. Journal of the American Society for Information Science and Technology， 1998， 10(2):107-128.

[12] Chang S J， Chung C N， Mahmood I P. When and how does business group affiliation promote firm

innovation? A tale of two emerging economies. Organization Science， 2006， 17(5):637-656.

[13] Morris S， Chen C. Visualizing evolving networks: Minimum spanning trees versus pathfinder networks. Proceedings of IEEE Symposium on Information Visualization， (Seattle， Washington， 2003)， IEEE Computer Society Press， 67-74.

[14] 劉永，王素立.競爭情報可視化探討.圖書館論壇，2009(6):158-160.

[15] 欒春娟， 侯海燕， 王賢文. 國際科技政策研究熱點與前沿的可視化分析. 科學學研究，2009， 127(2):240-243.

[作者簡介] 張 凌，女，1981年生，講師，博士，發(fā)表論文7篇。