科學知識圖譜在學科可視化研究中的應用

孫曉寧 閆 勵 張 強

(1．南京大學信息管理學院 江蘇南京 210093;2．鄭州大學信息管理學院 河南鄭州 450001;3．安徽大學管理學院 安徽合肥 230601)

對學科體系結構的揭示，需要對學科發展過程中產生的大量文獻進行整體的把握與梳理，為此，以文獻計量分析為代表的定量研究方法與文獻綜述為主的定性研究方法，被各個領域從事學科體系研究的學者所廣泛采納。而在近幾年，一些有效獲取知識、發現知識和探測知識前沿的新領域與新手段——以知識單元為分析基礎的科學知識圖譜可視化方法蓬勃興起。由于視覺在人類感知外部信息中起絕對主導的作用，圖像又是視覺信息的第一要素，〔1〕科學知識圖譜(Mapping Knowledge Domain)能夠將抽象信息形象地展現出來，自然而然地成為了揭示學科體系結構的一條重要途徑:它賦予紛雜、龐大的學科體系結構以活力，能夠通過直觀可見的圖形或圖像，形象地展示學科體系結構的總體分布，把學科體系結構研究推進到以可視化為標志的新階段。

1 科學知識圖譜與學科可視化概念辨析

在對國內現有“科學知識圖譜”與“學科可視化”(或“學科結構可視化”、“學科領域可視化”、“學科范式可視化”等)相關研究文獻整理時發現，由于從國外引入國內后發展的時間較短，很多學者似乎沒有把二者的關系理清，常常將其混為一談，且多數人將科學知識圖譜視為一種新興的科學計量研究方法，也由此產生了“科學知識圖譜法”等提法，其實不然。

科學知識圖譜〔2〕是以科學知識為對象，顯示科學知識的發展進程與結構關系的一種圖形。科學知識圖譜研究，是以科學學為研究范式，以引文分析方法和信息可視化技術為基礎，涉及數學、信息科學、認知科學和計算機科學等諸學科交叉的領域，是科學計量學和信息計量學的新發展。科學知識圖譜具有“圖”和“譜”的雙重性質與特征:既是可視化的知識圖形，又是序列化的知識譜系，顯示了知識元或知識群之間網絡、結構、互動、交叉、演化或衍生等諸多復雜的關系。〔3〕

學科可視化〔4〕本質上屬于“知識可視化”范疇，它是知識可視化在學科體系結構探究中的具體體現，而“知識可視化”又來自于“信息可視化”的概念。信息可視化(Information Visualization)〔5〕是利用計算機實現對抽象數據的交互式可視表示，來增強人們對這些抽象信息的認知，其關鍵是在人機交互影響中把握對象的可視化屬性，把非空間抽象數據映射為便于人們理解的可視化形式，以利于人們通過視覺的通道快速地觀察、認知和加工有關信息，發現事物的特征和規律。這樣，數據經過信息可視化處理后變為知識，通過信息可視化的技術實現了知識可視化(Knowledge Visualization)〔6〕。

學科可視化更多的是一種理念，當然也可以視為有別于學科體系結構傳統研究方法的一種新方法。可以說科學知識圖譜是學科可視化的直觀體現，學科可視化是科學知識圖譜形成的來源，為科學知識圖譜提供了工具和手段，并對其興起和推廣起到了關鍵的作用。同時，學科可視化并不是單一的、具體的一種研究方法，目前看來，它是共現分析、共引分析和多元統計分析三大類10種具體方法的集中體現，所以說，它更像是一個“方法群”:這里面既包括傳統的文獻計量方法，也有比較流行的多元統計方法，所使用的研究工具，以及與之相對應的數據來源也不盡相同。自然地，不同的研究方法生成的科學知識圖譜及其體現的內容也相差甚遠，但這些都能夠整體或部分地體現某一學科的體系結構分布特征。

除了揭示學科可視化外，科學知識圖譜還被廣泛地應用于創業型大學的科研情況〔7〕、同行評議專家的遴選〔8〕、學術研究團隊的識別與評估〔9〕、專利分析〔10〕、技術預見〔11〕和期刊評價〔12〕等其他研究領域。

2 科學知識圖譜在學科可視化研究中的應用概述

2．1 國外研究

科學知識圖譜自文獻計量學出現以來就有了發展的雛形。科學計量學奠基人 Derek J．de Solla Price(1961)〔13〕是科學知識圖譜的早期開拓者;SCI(Science Citation Index，科學引文索引)的創始人 Garfield E和 Sher I H、Torpie R J(1964)〔14－15〕首先認識到引證網絡能夠反映科學知識之間傳承與發展的關系，并利用引證網絡研究科學知識發展的歷史、脈絡和結構;英國情報學家Brookes(1981)提出了“知識地圖”的構想，他試圖用J Farradene的關系索引和H Small對引用分析的研究來建立“知識地圖”，但他并沒有認識到知識的多維立體結構，只在二維平面上繪制“知識地圖”，因此存在很大的缺陷;〔16〕匈牙利的三位學者 Tibor Braun、Wolfgang Glanzel和Andras Schuber以SCI數據庫為基礎，選擇了32個具有可比性的國家為研究對象，出版了《科學計量學指標》，用直觀的圖形和簡明的列表，展現了32個國家在世界科學版圖上的位置。〔17〕

科學知識圖譜的真正發展是在20世紀90年代末。其中的標志包括世界著名信息可視化專家、美國Drexel University信息科學與技術學院華人學者陳超美博士(1999)〔18〕出版了該領域第一部學術專著《Information Visualization and Virtual Environments》(《信息可視化與虛擬環境》);Stuart K．Card(1999)〔19〕編著的論文集《Readings in Information Visualization:Using Vision to Think》(《信息可視化概覽:用視覺思維》);H．E Herl(1999)〔20〕等將科學知識圖譜應用于解決現實存在的問題，分析復雜的社會信息間的關系，幫助決策者迅速做出決策。

近幾年來，科學知識圖譜在國外得到了全方位的發展，應用在多個領域。陳超美(2003，2006)〔21－22〕的《Mapping Scientific Frontiers:The Quest for Knowledge Visualization》(《科學前沿圖譜:知識可視化的歷程》)和《Information Visualization:Beyond the Horizon(2nd Edition)》(《信息可視化:超越地平線(第二版)》)、Robert Spence(2007)〔23〕的《Information Visualization:Design for Interaction(2nd Edition)》(《信息可視化:交互設計(第二版)》)成為信息可視化與知識可視化的經典書籍;Glenisson P(2005)〔24〕等將沃德方法和K－值算法，用文本挖掘和文獻計量方法分析了5種期刊，得出科學計量學的學科結構圖譜;Reid E F、Chen H(2007)〔25〕繪制了恐怖主義研究領域的科學知識圖譜;Sanz－Casado E等(2007)〔26〕選取朊病毒研究領域在1973－2002年間的相關文獻，用科學知識圖譜的形式研究了該領域的現狀以及發展趨勢。

2．2 國內研究

早期，以圖書情報學領域為主要代表的學者，已經開始利用一系列的信息計量學方法，通過一些可視化圖形來形象、直觀地表達某一學科領域的作者、主題和機構分布，揭示當前研究熱點、預測今后研究趨勢等方式來開展研究。但當時并未將“科學知識圖譜”這一概念引入我國，一直到2005年，大連理工大學劉則淵教授率領其學術團隊，與德國著名的科學計量學家H．Kretschmer創辦了網絡－信息－科學－經濟計量(WISE)實驗室(該實驗室被Garfield贊譽為世界科學計量學研究中心之一)，陳悅、劉則淵在《科學學研究》2005年第4期上發表了《悄然興起的科學知識圖譜》一文，標志著“科學知識圖譜”這一新的學術概念在國內的正式確立。

之后，劉則淵等在2008年出版了《科學知識圖譜:方法與應用》(人民出版社)一書，在國內引起很大反響;2009年，劉則淵與陳超美共同創辦了中國大連理工大學－美國德雷塞爾大學知識可視化與科學發現聯合研究所;在2008年、2012年先后出版了兩輯“知識計量與知識圖譜叢書”(大連理工大學出版社)，其中包含了多本科學計量、科學知識圖譜方面研究的論著。WISE實驗室最早在國內介紹了有關科學知識圖譜的基本概念，在國內CSSCI核心來源期刊上發表了一系列有關科學知識圖譜的學術論文，對涉及生物、物理等多個自然科學領域，以及管理、經濟、哲學等社會科學領域的學科體系結構進行了可視化研究，取得了豐富的學術成果。

此外，以圖書情報學為首要的多個學科領域對科學知識圖譜與學科可視化展開了具體的研究，論文發表在圖書情報領域的多種核心期刊上。具有代表性的成果包括:陳蘭杰(2009)〔27〕利用信息可視化方法對 Web of Science(SCI，SSCI，A＆HCI)中1986－2008年收錄的信息資源管理論文的引文數據進行文獻共被引分析，以知識圖譜的方式展示了信息資源管理關鍵節點所代表的專家及其著作對信息資源管理發展所起的重要作用;趙蓉英、許麗敏(2010)〔28〕利用CiteSpace繪制出文獻計量學研究發展演進的知識圖譜，揭示了學科領域的代表人物和代表文獻;胡曉梅(2011)〔29〕利用 CiteSpace對引文和關鍵詞數據進行分析，梳理了我國圖書館管理領域的研究力量、代表人物、期刊分布以及相關的重要學術文獻，分析了圖書館管理研究的熱點領域和前沿主題;宗乾進等(2011)〔30－31〕利用 CiteSpace 分別對 CSSCI中 2009 年中國圖書館學、情報學的文獻進行分析，以可視化知識圖譜的方式展示了2009年國內圖書館學、情報學研究熱點和知識來源譜系;馬海群、呂紅(2012)〔32〕以來自 CSSCI數據庫的8290篇中國情報學文獻為研究對象，利用CiteSpace對相關引文數據和主題詞數據進行分析和處理，分別繪制了中國情報學的研究主體、知識基礎、研究熱點與研究前沿的知識圖譜;李陽等(2013)〔33〕運用 CiteSpace對 Web of Science數據庫中1992－2012年圖書情報領域信息共享研究文獻進行可視化分析，揭示了該領域的研究熱點、知識基礎、研究前沿。

總之，作為一種新興的研究手段，科學知識圖譜與學科可視化研究目前在國內已經取得了大量的成果，在此不一一贅述。

3 科學知識圖譜在國內學科可視化研究中的分類

對CSSCI來源期刊中收錄的學科可視化研究文獻進行了較為完整的統計，并按照數據來源、研究工具、研究方法、研究內容、應用領域五大方面將這些文獻做了分類，如表1所示。

表1 國內科學知識圖譜可視化研究分類統計

3．1 數據來源

在國內學科可視化研究中，經常使用到1種外文文獻數據來源(Web of Science)和3種中文文獻數據來源(CSSCI、CNKI、CSCD)。

第一，Web of Science:Web of Science(WoS)〔34〕是美國Thomson－Reuters Scientific基于WEB開發的產品，是大型綜合性、多學科的核心期刊引文索引數據庫，包括三大引文數據庫:SCI(Science Citation Index，科學引文索引)、SSCI(Social Sciences Citation Index，社會科學引文索引)、A＆HCI(Arts ＆Humanities Citation Index，藝術與人文科學引文索引)和兩個化學信息事實型數據庫:CCR(Current Chemical Reactions)、IC(Index Chemicus)，以及三個其他引文數據庫:SCIE(Science Ciation Index Expanded，科學引文檢索擴展版)、CPCI－S(Conference Proceedings Citation Idex－Science，科技會議文獻引文索引)和CPCI－SSH(Conference Proceedings Citation Index－Social Science＆Humanalities，社會科學以及人文科學會議文獻引文索引)，以ISI Web of Knowledge作為檢索平臺。

第二，CSSCI:中文社會科學引文索引(Chinese Social Sciences Citation Index，CSSCI)是由南京大學中國社會科學研究評價中心〔35〕開發研制的引文數據庫，用來檢索中文人文社會科學領域的論文收錄和被引用情況，在國內具有很高的權威性和代表性。

第三，CNKI(萬方、維普):中國知識基礎設施工程(China National Knowledge Infrastructure，CNKI)，即中國知網〔36〕，是以實現全社會知識資源傳播共享與增值利用為目標的信息化建設項目，由中國學術期刊(光盤版)電子雜志社、清華同方知網(北京)技術有限公司主辦，是基于《中國知識資源總庫》的全球最大的中文知識門戶網站。一般來說，常用到的學術文獻采集數據庫有《中國學術期刊網絡出版總庫》(China Academic Journal Network Publishing Database，CAJD)、《中國優秀碩士學位論文全文數據庫》、《中國博士學位論文全文數據庫》和《中國重要會議論文全文數據庫》以及專業的引文數據庫:CCD(Chinese Citation Database，中國引文數據庫)。雖然CNKI集成了國內相對最完全的電子期刊，但仍有部分期刊并未與其開展合作(比如，CNKI目前只收錄了《情報學報》1994－2002年的文章)，因此，國內學者一般還選擇萬方數據和維普資訊這兩個期刊數據庫作為補充數據來源，或者有的學者直接使用其中的一種或兩種進行文獻搜集、統計與分析等工作。

第四，CSCD:CSCD(Chinese Science Citation Database，中國科學引文數據庫)由中國科學院國家科學圖書館與中國學術期刊(光盤版)電子雜志社聯合主辦，是我國第一個引文數據庫，并與美國Thomson－Reuters Scientific合作，成為 ISI Web of Knowledge平臺上第一個非英文語種的數據庫，實現與Web of Science的跨庫檢索。〔37〕一般來說，學者們主要利用CSCD以及CCD采集到的引文數據，做引文分析、共引分析(如文獻共引分析、期刊共引分析、作者共引分析)等。

3．2 研究工具

在國內學科體系結構可視化研究中，常用到的研究工具或軟件主要有:陳超美博士研發的CiteSpace(以及一些對其進行數據預處理的軟件，如南京大學信息管理學院宗乾進博士等人開發的 POPCite等);荷蘭萊頓大學(Universiteit Leiden)Van Eck等人基于VOS可視化技術，專門針對文獻知識單元的可視化工具VOSviewer〔38〕;世界上最早的統計分析軟件SPSS(Statistical Product and Service Solutions，統計產品與服務解決方案);當前非常流行的社會網絡分析軟件Ucinet和Pajek，其中Ucinet集成了包括Netdraw在內的多個可視化軟件，而Pajek不僅為用戶提供了一整套快速有效的用來分析復雜網絡的算法，而且還提供了一個可視化的界面，讓用戶可以從視覺的角度更加直觀地了解復雜網絡的結構特性;美國Thomson－Reuters Scientific開發的數據分析工具TDA(Thomson Data Analyzer)，TDA是一個具有強大分析功能的文本挖掘軟件，可以對文本數據進行多角度的數據挖掘和可視化的全景分析;瑞典科學計量學家Person開發的專門文獻計量免費軟件Bibexcel;中國醫科大學醫學信息學系崔雷教授開發的以生物醫學文獻數據庫中的書目文獻信息進行快速掃描，準確提取并歸類存儲、統計計算、矩陣分析等為目標的Bicomb軟件，等等。

這些工具各具特色，能夠支持的數據格式、運行環境和實現的關系矩陣、常用的分析方法、適合的研究領域都不盡相同。楊思洛、韓瑞珍(2012)〔39〕和肖明等(2013)〔40〕將一些學科可視化研究工具(科學知識圖譜繪制工具)就數據格式、數據預處理、構建關系矩陣、數據標準化處理以及所支持的知識圖譜分析方法等進行了較為詳細的對比分析。

3．3 研究方法

在國內學科體系結構可視化研究中，主要包括三大類研究方法(共現分析、共引分析、多元統計分析)。

第一，共現分析(關鍵詞共現分析、機構共現分析、學科共現分析、作者共現分析):關鍵詞共現分析，又稱為共詞分析(Co－term Analysis)，其思想來源于引文耦合與共(被)引分析，最早在20世紀70年代由法國文獻計量學家提出，〔41〕之后通過 Law、Whittaker、Callon、Courtial等學者不斷修正、改進，共詞分析方法日臻完善;共詞分析指兩兩統計一組關鍵詞在同一篇文獻中出現的次數，以此為基礎，對這些詞進行多元統計分析，從而反映出這些詞之間的親疏關系，進而分析這些詞所代表的學科或主題的結構與變化;對文獻第一作者所在單位進行共現分析，可以顯現出某學科領域一些高產的研究機構;對某個學科與其上位學科中的其他子學科，或者與一般性相關學科的共現分析，可以顯著的展現學科之間的相互關聯性，對學科定位與學科劃分起到提示作用;作者共現分析，一般稱為合著者網絡分析，是在某一學科研究領域中，一位作者與其他作者合著關系的網絡化體現，合著者網絡分析可以識別學科研究中的合作情況。

第二，共引分析(文獻共引分析、期刊共引分析、作者共引分析):共引(Co－citation)，又稱為共被引、同引，由美國科學計量學家Henry Small在1973年提出，〔42〕指兩篇或兩篇以上的文獻同時被別的文獻引用的現象。一般可以利用多元統計中的聚類分析和多維尺度分析對共引矩陣進行數據挖掘，從而得出某一學科的研究特點、研究方向的關聯性以及該學科學者關注的熱點問題等。之后，共引分析的概念和思想被推廣到與文獻相關的其他特征對象上，形成各種類型的共引概念，如:期刊共引分析、作者共引分析等，其原理及實施步驟與文獻共引分析基本相似。

第三，多元統計分析(Multivariate Statistical Analysis)〔43〕是一種綜合分析方法，它能夠在多個對象和多個指標互相關聯的情況下分析它們的統計規律，包括多元正態分布及其抽樣分布、多元正態總體的均值向量和協方差陣的假設檢驗、多元方差分析、直線回歸與相關、多元線性回歸、主成分分析與因子分析、判別分析與聚類分析等。在學科結構可視化研究中，具體常用到多維尺度分析(Multidimensional Scaling)、聚類分析(Cluster Analysis)和因子分析(Factor Analysis)三種方法:多維尺度分析是一種探索性的數據分析方法，它將含有多個變量的大型數據壓縮到一個低維空間，形成一個直觀的空間二維(或三維)圖形，以空間中的點表示變量之間的潛在規律性聯系;聚類分析是一種建立分類的多元統計分析方法，它能夠將一批變量根據其諸多特征，按照性質上的親疏程度在沒有先驗知識的情況下進行自動分類，產生多個分類結果;因子分析是一種尋找潛在支配因子的模型分析方法，其作用是分析可觀測到的多個原始變量，找出數目相對較少的、對原始變量有潛在支配作用的因子。

當然，在進行學科體系結構可視化研究中，很多時候并不是一種或一類研究方法的單獨使用，而往往是針對不同研究對象，利用不同研究工具的綜合、交叉體現。比如，我們經常見到的共詞分析(關鍵詞共現分析)、共引分析等往往要借助SPSS軟件進行多元統計分析;在全面揭示學科基礎、研究主體和研究進展時，就需要同時運用更多的研究方法。

3．4 研究內容

在國內學科體系結構可視化研究中，主要包括研究主體、知識基礎、研究進展三個方面的研究內容。

第一，學科研究主體(國家、機構、作者):學科研究主體一般指從事某一學科領域研究的研究者，對于文獻來說，其研究主體就是作者(著者)，以及作者所在的國家(或地區)、單位(機構)等。對學科研究主體的研究，能夠把握學科發展的一些基本信息和背景，有助于對學科未來方向的把握和相關交叉學科的形成。

第二，學科知識基礎(文獻內容、來源期刊):學科知識基礎一般包括兩個方面——文獻本身以及文獻發表的期刊，一般來講，一個學科的一些核心文獻也就是該學科的奠基性文獻，在學科領域處于很高的學術地位，并被后面的研究者經常引用;一個學科在逐步發展、成熟的過程中，往往其文獻(特別是經典文獻)都會集中在與其上位學科(如知識管理的上位學科:管理學)主題相關的重要期刊中，并能夠形成大面積的研究熱點。

第三，學科研究進展(研究熱點、研究前沿、研究趨勢):通過對文獻關鍵詞出現頻次的統計分析，可以了解某個學科領域研究的主題分布和重點內容，從而揭示該學科的整體結構，因此，學界普遍認為，出現頻率高的關鍵詞能夠反映某一學科的研究熱點。“研究前沿”的概念最早由科學計量學家Derek J．de Solla Price提出，用于描述某一研究領域的動態本質;Price(1965)〔44〕將由Burton和Kebler早在1960年提出的猜想表達為期刊文獻可能是由兩種有著不同半衰期的文獻組成——經典文獻和過渡文獻，過渡文獻實質上是對應于研究前沿。Price認為“研究前沿是基于新近研究成果的，網絡也變得越來越緊密”，與研究熱點所表現的不同，研究前沿更加強調新趨勢和突變的特征。〔45〕研究趨勢更多的是在前面研究熱點和研究前沿的基礎之上，結合作者自己對相關領域研究的整體把握情況，對學科今后發展方向和重點領域的一種預測，略帶有主觀性。

3．5 應用領域

通過對國內現有學科體系結構可視化研究文獻的統計，發現主要集中在以下幾個學科領域:圖書館、情報與文獻學，管理學，生物與醫學信息學，以及教育學、體育學、經濟學、統計學和工程技術領域等。其中，圖書館、情報與文獻學，管理學的研究成果最為豐富，可以看出，科學知識圖譜應用于學科可視化研究已經得到這兩大學科學者們的廣泛認可。

4 結語

文章在前人研究的基礎上，進一步明確了科學知識圖譜、學科可視化的基本概念，以及二者之間的聯系與區別，并對國內外科學知識圖譜在學科可視化研究中的應用進行了概述。隨后，在對國內現有研究成果總體歸納的基礎上，文章以類別劃分的方式規范了當前國內科學知識圖譜應用于學科可視化研究的五個基本方面:數據來源、研究工具、研究方法、研究內容和應用領域，為今后的相關研究提供了較為明確的思路。

1．Larkin J H，Simon H A．Why a Diagram is(Sometimes)Worth Ten Thousand Words．Cognitive Science，1987(11):65 － 99

2．陳悅，劉則淵．悄然興起的科學知識圖譜．科學學研究，2005，23(4):149－154

3．劉則淵，陳悅，侯海燕．科學知識圖譜:方法與應用．北京:人民出版社，2008:1－5

4．White H D，Mccain K W．Visualizing A Discipline:An Author Co－ citation Analysis of Information Science，1972 －1995．Journal of the A-merican Society for Information Science，1998，49(4):327 －356

5．Bederson B，Shneiderman B．The Craft of Information Visualization:Readings and Reflections．San Francisco:Morgan Kaufmann Publishers，2003

6．劉則淵，王賢文，陳超美．科學知識圖譜方法及其在科技情報中的應用．數字圖書館論壇，2009(10):14－34

7．彭緒梅，許振亮，劉元芳．國際創業型大學研究現狀的知識圖譜分析．科學學與科學技術管理，2007(12):116－118，139

8．賀穎等．基于科學知識圖譜的交叉學科同行評議專家遴選方法研究．圖書情報工作，2010，54(20):28 －31，40

9．湯建民．學術研究團隊的可視化識別及評估方法研究:以科學學研究領域為例．情報學報，2010，29(2):323－330

10．陳玉光，丁堃，劉盛博．基于CiteSpaceII的專利知識可視化的實現機制及其應用．情報學報，2010，29(4)，663 －670

11．王偉軍，王金鵬．科學知識圖譜在技術預見中的應用探析．情報科學，2010，28(8)，1127 －1131

12．魏瑞斌．基于共詞網絡的學術期刊知識圖譜構建．情報雜志，2011，30(10)，36 －42

13．D Price．Science Since Babylon．New Haven:Yale University Press，1961

14．Garfield E，Sher I H，Torpie R J．The Use of Citation Data in Writing the History of Science．hiladelphia:Institute for Scientific Information，1964

15．Garfield，E．Scientography:Mapping the Tracks of Science．Cur-rent Contents:Social＆Behavioral Sciences，1994，7(45):5 － 10

16．馬費成．布魯克斯情報學理論研究(摘要)．圖書情報知識，1983(4):73－74

17．楊國立，李品，劉竟．科學知識圖譜——科學計量學的新領域．科普研究，2010，5(4):28 －34

18．Chen C．Information Visualisation and Virtual Environments．London:Springer－ Verlag London，1999

19．Card S K，Mackinlay Jock D，Shneiderman B．Readings in Information Visualization:Using Vision to Think．Los Altos，CA:Morgan Kaufmann，1999

20．H．E Herl，et al．Reliability and Validity of a Computer－ based Knowledge Mapping System to Measure Content Understanding．Computer in Human Behavior，1999，31(15):315 －333

21．Chen C．Mapping Scientific Frontiers:The Quest for Knowledge Visualization．London:Springer，2003

22．Chen C．Information Visualization:Beyond the Horizon．London:Springer，2006

23．Robert Spence．Information Visualization:Design for Interaction．New Jersey:Prentice Hall，2007

24．Glenisson P，et al．Combining Full Text and Bibliometric Information in Mapping Scientific Disciplines．Information Processing and Management，2005:411

25．Reid E F，Chen H．Mapping the Contemporary Terrorism Research Domain．International Journal of Human － Computer Studies，2007(65):42－56

26．Sanz－ Casado E，et al．Bibliometric Mapping of Scientific Research on Prion Diseases，1973 － 2002．Information Processing and Management，2007，43(1):273 －284

27．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

28．趙蓉英，許麗敏．文獻計量學發展演進與研究前沿的知識圖譜探析．中國圖書館學報，2010，36(5):60－68

29．胡曉梅．我國圖書館管理研究現狀的知識圖譜分析．圖書館，2011(6):114－117

30．宗乾進，沈洪洲．2009年我國圖書館學研究熱點和知識來源譜系——南京大學知識圖譜研究組系列論文之一．圖書館雜志，2011，30(6):13 －19

31．宗乾進等．2009年中國情報學研究熱點的知識圖譜分析．情報雜志，2011，30(5):33 －37

32．馬海群，呂紅．基于中文社會科學引文索引的中國情報學知識圖譜分析．情報學報，2012，31(5):470 －478

33．李陽，謝笑，謝陽群．基于CiteSpaceⅡ的國際圖情領域信息共享研究可視化分析．圖書館，2013(4):45－48，71

34．百度百科．Web of Science．〔2013 － 04 － 22〕/〔2013 － 08 －09〕．http://baike．baidu．com/view/3511061．htm

35．中國社會科學研究評價中心．“中文社會科學引文索引”(CSSCI)簡介．〔2010 －05 －04〕/〔2013 －08 －13〕．http://cssci．nju．edu．cn/

36．百度百科．CNKI．〔2013 －04 －27〕/〔2013 －08 －13〕．http://baike．baidu．com/view/15874．htm

37．中國科學院國家科學圖書館．中國科學引文數據庫(Chinese Science Citation Database)．〔2012 － 03 － 09〕/〔2013 － 08 － 15〕．http://sdb．csdl．ac．cn/index_more1．jsp

38．Van Eck N J，et al．A Comparison of Two Techniques for Bibliometric Mapping:Multidimensional Scaling and VOS．Journal of the American Society for Information Science and Technology，2010，61(12):2405－2416

39．楊思洛，韓瑞珍．國外知識圖譜繪制的方法與工具分析．圖書情報知識，2012(6):101－109

40．肖明等．知識圖譜工具比較研究．圖書館雜志，2013(3):61－69

41．崔雷．專題文獻高頻主題詞的共詞聚類分析．情報理論與實踐，1996，19(4):49 －51

42．Small H．Co－citation in the Scientific Literature:A New Measure of the Relationship Between Two Documents．Journal of American Society for Information Science，1973(24):265 －269

43．百度百科．多元統計分析．〔2013－04－26〕/〔2013－09－02〕．http://baike．baidu．com/view/1010781．htm

44．Price D．D．Networks of Scientific Papers．Science，1965，149(3683):510－515

45．Chen，C．CiteSpace II:Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature．Journal of the American Society for Information Science and Technology，2006，57(3):359 －377