基于Prefuse和社會網(wǎng)絡(luò)算法的信息檢索學科合作網(wǎng)絡(luò)研究

唐蓓　夏秋菊

摘 要：通過構(gòu)建基于Prefuse的知識圖譜系統(tǒng)框架，在此框架基礎(chǔ)上采用社會網(wǎng)絡(luò)算法構(gòu)建信息檢索學科合作網(wǎng)絡(luò)知識圖譜并進行了分析。發(fā)現(xiàn)信息檢索研究人員在高產(chǎn)、高被引和高合作群體中不存在很強的一致性。合著網(wǎng)絡(luò)中形成以Zhang， L、Sprink， A和Schacter， DL為中心的最大規(guī)模科研群體，以Tulving， E和Cabeza， R為代表的凝聚力最強的合作群體。

關(guān)鍵詞：Prefuse 社會網(wǎng)絡(luò) 知識圖譜 信息檢索 合作網(wǎng)絡(luò)

中圖分類號： G254.9文獻標識碼： A 文章編號： 1003-6938（2012）05-0079-06

近年來，隨著多種知識圖譜分析工具的出現(xiàn)，一些研究者利用知識圖譜軟件（主要是CiteSpaceⅡ）對信息檢索學科進行了分析，如Rorissa A和Yuan X（2011）在2000～2009年數(shù)據(jù)的基礎(chǔ)上用CiteSpaceⅡ?qū)π畔z索學科進行知識圖譜構(gòu)建和學科分析[1]；國內(nèi)同樣有學者利用該軟件對信息檢索的子領(lǐng)域進行分析，但這些研究存在數(shù)據(jù)源時間跨度短、在一定程度上依賴于知識圖譜軟件的功能，而且未對信息檢索學科合作網(wǎng)絡(luò)進行分析研究。通過上述考慮，本文嘗試一種新的知識圖譜框架，基于該框架通過社會網(wǎng)絡(luò)算法構(gòu)建信息檢索合作網(wǎng)絡(luò)并進行解讀，以便為國內(nèi)外從事信息檢索研究的有關(guān)學者提供參考借鑒。

1 基于Prefuse的知識圖譜系統(tǒng)設(shè)計

2005年，Heer J、Card SK、Landay JA三人共同撰文提出了Prefuse的信息可視化框架[2]。Prefuse為數(shù)據(jù)建模、數(shù)據(jù)可視化以及用戶交互提供了豐富的軟件庫，可以支持表格、圖和樹顯示，還具有支持動態(tài)顯示、動態(tài)查詢等功能。Prefuse基于傳統(tǒng)的MVC架構(gòu)進行開發(fā)，其可視化時需要經(jīng)過如下處理過程[3]：

（1）抽象數(shù)據(jù)（Abstract Data）。Prefuse對數(shù)據(jù)進行可視化的首要步驟是獲取數(shù)據(jù)，并為數(shù)據(jù)提供了指定的接口和程序，可以顯示表、圖和多種樹形結(jié)構(gòu)。本文主要使用XML格式的數(shù)據(jù)，通過把數(shù)據(jù)轉(zhuǎn)化成XML格式，如DOITrees、GraphML、TreeML格式，完成抽象數(shù)據(jù)的處理過程。

（2）數(shù)據(jù)過濾（Filtering）。主要是將抽象數(shù)據(jù)進行提取、轉(zhuǎn)化，使其適用于顯示。首先選取要進行可視化的一系列元素，如一個圖形或顯示在散點圖上的重點區(qū)域。然后形成一些可視化的屬性（稱為VisualItems），如源數(shù)據(jù)中顯示的文字、數(shù)字，顯示時的坐標點、顏色、大小等等。然后通過Action提供為上層組件。

（3）數(shù)據(jù)渲染（Rendering）。即圖形繪制的過程，可視化元素（VisualItems）通過渲染器（Renderers）繪制到屏幕上，其中用到上面形成的組件如顏色、位置、大小等等。Prefuse實現(xiàn)了一些基本渲染器，通過渲染器工廠RenderFactory進行管理。

（4）交互顯示（Interactive Display）。功能由Display組件完成，用于顯示ItemRegistry中注冊的組件。可視化交互功能通過ControlListener接口實現(xiàn)，主要是提供對鼠標、鍵盤的監(jiān)聽功能。

本文通過對數(shù)據(jù)的預(yù)處理、數(shù)據(jù)抽取、矩陣形成，進行聚類或社會網(wǎng)絡(luò)以后，把生成結(jié)果轉(zhuǎn)化成Prefuse可支持的TreeML、GraphML格式，借助Prefuse可視化框架，完成聚類顯示、社會網(wǎng)絡(luò)顯示的功能。

2 信息檢索學科分析的知識圖譜構(gòu)建

2.1 數(shù)據(jù)源獲取

本研究數(shù)據(jù)來源于Web of Science的SCI-EXPANDED、SSCI、A&HCI、CPCI-S、CPCI-SSH數(shù)據(jù)庫，用“Information Retriev*”作主題檢索，檢索時間選擇20世紀50年代至今（截止至2011年11月25日），詞形還原打開，得到的檢索結(jié)果共計46561條記錄。以此作為構(gòu)建信息檢索學科知識圖譜的數(shù)據(jù)集，以下簡稱為“數(shù)據(jù)集”。

2.2 數(shù)據(jù)處理

（1）提取作者數(shù)據(jù)。在原數(shù)據(jù)庫中，通過數(shù)據(jù)表paper的“authors”字段，可以獲得每篇文獻的作者數(shù)據(jù)，在作者字段中，為方便去重和區(qū)別不同作者，每個作者姓名以數(shù)據(jù)集中提供的全名進行表示，當文獻是合作文獻時，作者之間以分號進行分隔。選擇paper的“authors”字段的所有數(shù)據(jù)，通過編程對獲取的每個作者條目進行切分，從而得到所有作者數(shù)據(jù)。

（2）構(gòu)建合作者對應(yīng)關(guān)系。建立表author_author，其中包括兩個字段“firstauthor”和“secondauthor”。通過處理，共得到548，182條作者與作者對應(yīng)數(shù)據(jù)。在構(gòu)建“作者——作者”對應(yīng)表時，第一作者與第二作者及其他作者不分權(quán)重，即所有作者的重要程度相同。構(gòu)建作者與作者對應(yīng)關(guān)系表時，通過對步驟一獲得的每一條合作者數(shù)據(jù)進行遍歷，得到作者與作者對應(yīng)關(guān)系。

（3）生成合作者數(shù)據(jù)。對表author_author中的數(shù)據(jù)，根據(jù)“firstauthor”字段進行分組合并，對“secondauthor”進行合并，合并過程中剔除重復(fù)元素，“secondauthor”對應(yīng)數(shù)據(jù)以分號進行連接，同時統(tǒng)計出每個作者的合作次數(shù)，然后將合作者數(shù)據(jù)插入表coauthor中。

處理完成后，共得到96，778個作者的合作者信息，其中與其他作者合作頻次最高的為Bryant， Stephen H.，合作頻次為245。與其他作者合作頻次達到200次以上的作者共22人（見表1）。

2.3 合作者網(wǎng)絡(luò)構(gòu)建

由于本文的研究重點是確定合作者中的團體和其研究內(nèi)容，所以文中采用無向無權(quán)網(wǎng)絡(luò)，構(gòu)建過程如下：

（1）定義社會網(wǎng)絡(luò)數(shù)據(jù)結(jié)構(gòu)。合作者網(wǎng)絡(luò)的定義包括節(jié)點、邊和社會網(wǎng)絡(luò)三個部分。節(jié)點包括aid和aname兩個字段，為網(wǎng)絡(luò)中最基本的構(gòu)成元素，由類Node表示；邊由節(jié)點和與該節(jié)點關(guān)聯(lián)度為1的節(jié)點的集合構(gòu)成，其中與該節(jié)點關(guān)聯(lián)的節(jié)點數(shù)即為該節(jié)點的度，由類Edges表示；社會網(wǎng)絡(luò)由節(jié)點的集合和邊的集合兩部分構(gòu)成，其中社會網(wǎng)絡(luò)還可以獲取子網(wǎng)絡(luò)，由類SocialNetwork表示（見圖1）。

[圖1 社會網(wǎng)絡(luò)UML圖]

（2）構(gòu)建合作者網(wǎng)絡(luò)。合作者網(wǎng)絡(luò)的構(gòu)建根據(jù)數(shù)據(jù)庫中的合作者表coauthor和作者文獻產(chǎn)量表author_paper進行構(gòu)建，合作者網(wǎng)絡(luò)的節(jié)點基于合作者的合作頻次和每一位作者的文獻產(chǎn)量進行選擇，然后根據(jù)其合作情況提取邊信息。在coauthor表格中有96，778條合作者信息，表author_paper中存儲有數(shù)據(jù)集中所有作者的文獻產(chǎn)量信息，共100，985條。

由于本文的研究目的是提取代表性的合作者社團及其研究方向，所以在合作者數(shù)據(jù)中作者提取了合作頻次超過53的前300條合作數(shù)據(jù)；另一方面，為了減少網(wǎng)絡(luò)復(fù)雜度高從而導(dǎo)致信息表征的不足的影響，僅提取文獻產(chǎn)量在10以上的作者，共407位高產(chǎn)作者。

以上步驟具體由類SocialNetworking完成（UML結(jié)構(gòu)見圖2）。通過合作者網(wǎng)絡(luò)構(gòu)建，共得到142個節(jié)點和71條邊。

（3）獲取合作者群體。在得到的合作者網(wǎng)絡(luò)中，每個子網(wǎng)絡(luò)代表一個合作群體，通過獲取子網(wǎng)絡(luò)，可以得到合作者網(wǎng)絡(luò)中最大合作群體以及其他合作群體。通過對各群體中的節(jié)點數(shù)、各節(jié)點的度、以及作者、作者發(fā)表的文獻特征進行提取，可以獲得各個合作群體的研究重點、研究特征等特性。

[圖2 類SocialNetworking的UML圖]

本文對合作群體的獲取，通過社團結(jié)構(gòu)搜索算法進行，算法具體在SocialNetworking類的getSubNetWorkNodes方法完成，經(jīng)過對合作者網(wǎng)絡(luò)的合作群體進行搜索，共得到21個合作群體，節(jié)點數(shù)最多的合作群體包括45個節(jié)點，節(jié)點數(shù)為22的群體有1個，節(jié)點數(shù)為11的群體有2個，節(jié)點數(shù)為5的群體有2個（見表2）。

[子網(wǎng)節(jié)點數(shù)＼&45＼&22＼&11＼&5＼&4＼&3＼&2＼&＼&子網(wǎng)數(shù)＼&1＼&1＼&2＼&2＼&2＼&9＼&4＼&共計21個＼&][表2 合作群體數(shù)及相應(yīng)節(jié)點數(shù)]

2.4 知識圖譜生成

對社會網(wǎng)絡(luò)的可視化基于GraphML文件和Prefuse可視化框架進行。首先需要把上一步生成的合作者網(wǎng)絡(luò)轉(zhuǎn)化為進行可視化的GraphML文件，然后通過Prefuse框架提供的可視化接口，對GraphML進行讀取、渲染以及最后的展示。詳細流程為：

（1）生成可視化表征文件。采用GraphML進行圖形描述。GraphML格式最初由GML轉(zhuǎn)化而來，符合XML語言規(guī)范。通過編程將得到的合作者網(wǎng)絡(luò)數(shù)據(jù)進行轉(zhuǎn)化，轉(zhuǎn)化為GraphML格式的文檔（結(jié)構(gòu)見圖3）。

（2）知識圖譜顯示。生成代表類別的GraphML文件以后，就可以通過Prefuse所提供的可視化組件進行圖譜顯示了，完成信息檢索合作者網(wǎng)絡(luò)的知識圖譜繪制。

從整個合作者網(wǎng)絡(luò)圖（見圖4）可以看出整個網(wǎng)絡(luò)圖可以分為不同的子圖，對其中各個子圖的節(jié)點分布并不均衡，最大的子圖有45個節(jié)點（見圖5），位于圖中央，依次是有22個節(jié)點的子圖（見圖6），最小的子圖僅僅2個節(jié)點，位于整個圖的邊緣。

3 信息檢索合作網(wǎng)絡(luò)知識圖譜的解讀

3.1 整體合作網(wǎng)絡(luò)特性分析

其中，fj表示合著者人數(shù)為j的論文數(shù)；N表示論文總數(shù)，k表示合著者人數(shù)的最大值。

經(jīng)過統(tǒng)計，在得到的46，561條數(shù)據(jù)中合著文獻數(shù)達到38，506條，占文獻總數(shù)的82.70%，所以合著率為82.70%。其中合著人數(shù)最多的文獻有54個作者，合作者人數(shù)分別為2人、3人和4人的文獻數(shù)及所占合著文獻比例如表3所示，這三種情況共占合著文獻的79.13%。通過計算得到其合作指數(shù)CI為2.99，說明篇均作者2.99人。

[圖4 整個合作者網(wǎng)絡(luò)圖（縮小顯示）]

[圖6 節(jié)點數(shù)為22的合作者群體][2人合著＼&所占比例＼&3人合著＼&所占比例＼&4人合著＼&所占比例＼&12，592篇＼&32.70%＼&10，998篇＼&28.56%＼&6，878篇＼&17.86%＼&][表3 合著文獻數(shù)及所占合著文獻比例]

3.2 最大子網(wǎng)絡(luò)分析

針對合著網(wǎng)絡(luò)中的節(jié)點最多的兩個子網(wǎng)絡(luò)進行具體分析，包括節(jié)點的度分析和子網(wǎng)絡(luò)中的合著子群分析。

通過編程統(tǒng)計，得到兩個子網(wǎng)絡(luò)中每個節(jié)點的度，表4顯示了節(jié)點數(shù)為45和22的子網(wǎng)絡(luò)中度數(shù)較高的前10為作者。

圖7中以徑向圖形式顯示了節(jié)點數(shù)為45和22的合著網(wǎng)絡(luò)子圖，結(jié)合表4，可以從圖中直觀的看到以Zhang， L、Sprink， A和Schacter， DL為中心，組成了網(wǎng)絡(luò)中規(guī)模較大的科研群體。節(jié)點數(shù)為22的子圖中形成了整個網(wǎng)絡(luò)中節(jié)點數(shù)最多、邊最為密集的凝聚子群，在這個凝聚子群中，節(jié)點度數(shù)最少的是Kohler， S和Markowitsch， HJ，度值為3，Tulving， E和Cabeza， R節(jié)點度值最大為9，共有10個節(jié)點，平均節(jié)點數(shù)為6.2，該凝聚子群是信息檢索領(lǐng)域凝聚力最強的合作群體，是信息檢索研究的重要科研群體。

[節(jié)點數(shù)為45的子網(wǎng)絡(luò)＼&節(jié)點數(shù)為22的子網(wǎng)絡(luò)＼&節(jié)點姓名＼&節(jié)點度＼&節(jié)點姓名＼&節(jié)點度＼&Zhang， L＼&8＼&Cabeza， R＼&9＼&Spink， A＼&8＼&Tulving， E＼&9＼&Zhang， Y＼&6＼&Houle， S＼&9＼&Huang， HL＼&6＼&McIntosh， AR＼&8＼&Li， J＼&5＼&Schacter， DL＼&7＼&Ma， WY＼&5＼&Craik， FIM＼&6＼&Zhang， J＼&4＼&MOSCOVITCH， M＼&5＼&Liu， Y＼&4＼&Nyberg， L＼&5＼&Chen， J＼&4＼&Nilsson， LG＼&5＼&Zhang， HJ＼&3＼&Rugg， MD＼&4＼&][表4 節(jié)點數(shù)為45和22的子網(wǎng)絡(luò)

中度數(shù)較高的前10為作者]

3.3 合作網(wǎng)絡(luò)研究者分析

評價科學家在網(wǎng)絡(luò)中的地位及其影響力通常有：發(fā)表文獻數(shù)、文獻被引次數(shù)、度值、中間中介數(shù)等指標。本文選用發(fā)表論文數(shù)、作者被引次數(shù)和節(jié)點度值三個指標。 表5顯示了發(fā)表論文數(shù)、作者被引次數(shù)和作者節(jié)點度值較高的研究人員，通過表格可以看出，Sprink A發(fā)表論文數(shù)和網(wǎng)絡(luò)中的節(jié)點度值都位于前列，Tulving E的作者被引次數(shù)和節(jié)點度位于前列，其他的28位研究人員并不存在同時在高產(chǎn)、高被引和高合作群體同時出現(xiàn)的情況，所以通過表格可以反映出信息檢索研究人員在高產(chǎn)、高被引和高合作群體中不存在很強的一致性。

[作者＼&產(chǎn)出＼&作者＼&被引次數(shù)＼&作者＼&節(jié)點度數(shù)＼&Chen， HC＼&60＼&Salton G＼&4145＼&Cabeza， R＼&9＼&Spink， A＼&54＼&Tulving E＼&1494＼&Tulving， E＼&9＼&Zhang， J＼&42＼&Baezayates R＼&1084＼&Houle， S＼&9＼&Crestani， F＼&39＼&Belkin NJ＼&1054＼&Zhang， L＼&8＼&Schacter， DL＼&38＼&Vanrijsbergen CJ＼&965＼&Spink， A＼&8＼&Del Bimbo， A＼&36＼&Deerwester S＼&767＼&McIntosh， AR＼&8＼&Jarvelin， K＼&35＼&Robertson SE＼&717＼&Schacter， DL＼&7＼&Snasel， Vaclav＼&35＼&Squire LR＼&633＼&Zhang， Y＼&6＼&Zhang， HJ＼&33＼&Porter MF＼&569＼&Huang， HL＼&6＼&Rugg， MD＼&32＼&Anderson JR＼&558＼&Craik， FIM＼&6＼&][表5 發(fā)表論文數(shù)、作者被引次數(shù)和節(jié)點度值統(tǒng)計表]

4 結(jié)語

本文主要對信息檢索領(lǐng)域的合作網(wǎng)絡(luò)進行知識圖譜構(gòu)建和解析。通過數(shù)據(jù)預(yù)處理提取構(gòu)建合作者網(wǎng)絡(luò)的合著數(shù)據(jù)，然后通過社會網(wǎng)絡(luò)算法構(gòu)建合作網(wǎng)絡(luò)，再通過編程將網(wǎng)絡(luò)轉(zhuǎn)化為GraphML格式的文件，提供給Prefuse可視化接口進行知識圖譜顯示，完成合作網(wǎng)絡(luò)的知識圖譜構(gòu)建。在此過程中自行實現(xiàn)社會網(wǎng)絡(luò)算法，實現(xiàn)合作者網(wǎng)絡(luò)的提取。借助構(gòu)建知識圖譜和數(shù)據(jù)統(tǒng)計，對信息檢索的合作網(wǎng)絡(luò)進行分析，分析了合作網(wǎng)絡(luò)的整體特性、最大的兩個合作者網(wǎng)絡(luò)、凝聚性最強的合作網(wǎng)絡(luò)，然后對信息檢索的合作網(wǎng)絡(luò)研究者與高產(chǎn)作者和高被引作者進行了綜合分析。

參考文獻：

[1]Rorissa A， Yuan X. Visualizing and Mapping the Intellectual Structure of Information Retrieval[J]. Information Processing and Management， 2011，（48）：120-135.

[2]Heer J，Card SK， Landay JA. Prefuse： A Tookit for Interactive Information Visualization[C].CHI，Portland， 2005：

421-430.

[3]Chu H. Research in Image Indexing and Retrieval as Reflected in the Literature[J]. JASIST， 2001， 52（12）：1011-1018.

[4]劉鵬.科研合作復(fù)雜網(wǎng)絡(luò)模型的研究[D].廣州：暨南大學信息科學技術(shù)學院數(shù)學系， 2011.

[5]Suyeon Kim， Euiho Suh， Hyunseok Hwang. Building the knowledge map：an industrial case study[J].Journal of

Knowledge Management，2003，7（2）：34-45.

[6]Ding Y， Yan E， Frazho A etc. PageRank for Ranking Authors in Co-citation Networks[J].Journal of the American Society for Information Science and Technology，2009， 60（11）：2229-2243.

[7]林莉. 科研論文合著網(wǎng)絡(luò)結(jié)構(gòu)與合作關(guān)系研究[D].長春：吉林大學社會醫(yī)學與衛(wèi)生事業(yè)管理， 2010.

[8]李亮，朱慶華. 社會網(wǎng)絡(luò)分析方法在合著分析中的實證研究[J]. 情報科學，2008，26（4）： 549-554.

[9]張英杰，冷伏海. Twitter類網(wǎng)站微信息組織及用戶關(guān)系網(wǎng)絡(luò)研究[J].圖書情報工作，2010，54（16）：116-119.

[10]Hsinchun Chen[EB/OL].[2012-03-20].http：//en.wikip

edia.org/ wiki/Hsinchun_Chen.

[11]王知津等. 十五年來我國網(wǎng)絡(luò)信息檢索研究述評[J]. 情報科學，2004，22（4）：385-389.

[12]王智紅等.近十年來我國網(wǎng)絡(luò)信息檢索研究主題分析[J].情報雜志，2009，28（7）：1-6.

作者簡介：唐蓓（1979-），女，碩士，上海工程技術(shù)大學圖書館館員，研究方向：信息可視化；夏秋菊（1985-），女，碩士，上海工程技術(shù)大學圖書館助理館員，研究方向：知識管理。