基于Matlab的共詞矩陣構(gòu)造

陳道蘭+趙恒軍

[提要] 共詞分析在文獻(xiàn)研究中被廣泛采用，共詞分析方法最關(guān)鍵的環(huán)節(jié)是共詞矩陣的構(gòu)造。本文詳細(xì)介紹基于中國知網(wǎng)數(shù)據(jù)庫的關(guān)鍵詞原始數(shù)據(jù)采集具體過程，利用Excel的分列功能和數(shù)據(jù)透視表功能進(jìn)行關(guān)鍵詞的分離和詞頻的統(tǒng)計(jì)，以及高頻關(guān)鍵詞提取的預(yù)處理技巧，給出共詞矩陣構(gòu)造的算法及其Matlab程序。算例表明：文中所給共詞矩陣的構(gòu)造實(shí)施方便快捷、簡單易行。

關(guān)鍵詞：共詞矩陣；構(gòu)造；高頻關(guān)鍵詞；預(yù)處理；Matlab

基金項(xiàng)目：重慶市教委科研項(xiàng)目：“基于曲率的無參考圖像清晰度評價(jià)研究”（項(xiàng)目編號：KJ1401127）；重慶文理學(xué)院科研項(xiàng)目：“共詞矩陣的構(gòu)造及其在文獻(xiàn)聚類分析方法中的應(yīng)用”（項(xiàng)目編號：Z2016TS72）

中圖分類號：G350 文獻(xiàn)標(biāo)識(shí)碼：A

收錄日期：2017年3月3日

一、引言

文獻(xiàn)計(jì)量學(xué)是采取定量手段來分析知識(shí)載體的交叉科學(xué)，關(guān)鍵詞共詞分析作為通用的文獻(xiàn)計(jì)量法，主要是通過統(tǒng)計(jì)兩個(gè)關(guān)鍵詞在同一篇文獻(xiàn)中共同出現(xiàn)的次數(shù)，并以此進(jìn)行聚類進(jìn)而分析預(yù)測特定學(xué)科的研究熱點(diǎn)。關(guān)鍵詞共詞一般可分為以下幾個(gè)環(huán)節(jié)：采集原始數(shù)據(jù)→統(tǒng)計(jì)關(guān)鍵詞詞頻→提取高頻關(guān)鍵詞→構(gòu)造共詞矩陣→構(gòu)造相異矩陣→關(guān)鍵詞聚類→結(jié)果分析。在整個(gè)分析過程中，最后一步至關(guān)重要，它體現(xiàn)了研究的結(jié)論和價(jià)值，而最關(guān)鍵的一步則是共詞矩陣的構(gòu)造。共詞矩陣會(huì)直接影響到相異矩陣的構(gòu)造進(jìn)而影響聚類的結(jié)果，對研究的結(jié)論起著不可忽視的作用。

國內(nèi)學(xué)者對關(guān)鍵詞聚類分析主要表現(xiàn)在利用共詞矩陣對所研究的主題進(jìn)行預(yù)測，而對共詞矩陣如何構(gòu)造，大多數(shù)文獻(xiàn)只是略微提及。鑒于此，儲(chǔ)節(jié)旺等提出了利用Excel進(jìn)行共詞矩陣的構(gòu)造，他提出的方法在關(guān)鍵詞詞頻的統(tǒng)計(jì)、高頻關(guān)鍵詞的提取方面有較好的便利，但在共詞矩陣的具體構(gòu)造這一環(huán)節(jié)，由于只是單純用Excel軟件處理，在清除低頻關(guān)鍵詞、關(guān)鍵詞組對等環(huán)節(jié)需要人工操作，導(dǎo)致數(shù)據(jù)統(tǒng)計(jì)容易出錯(cuò)。因此，簡化關(guān)鍵詞的預(yù)處理和共詞矩陣構(gòu)造的過程是值得研究的課題。

Matlab是由美國Mathworks公司發(fā)布的數(shù)學(xué)軟件。考慮到Matlab軟件在數(shù)值計(jì)算方面的強(qiáng)大功能，本文提出以Matlab為編程軟件，編寫構(gòu)造共詞矩陣的Matlab文件。通過Matlab程序的編寫，簡省了低頻關(guān)鍵詞的清除過程和高頻關(guān)鍵詞的組對過程，降低了關(guān)鍵詞預(yù)處理的難度，簡化了共詞矩陣的構(gòu)造過程。Matlab算例表明編寫的Matlab程序?qū)苍~矩陣構(gòu)造實(shí)施方便快捷，簡單易行。

二、數(shù)據(jù)的采集與處理方法

（一）數(shù)據(jù)的采集

第一步：選擇文獻(xiàn)。在中國知網(wǎng)搜索頁面下，按照一定的數(shù)據(jù)采集標(biāo)準(zhǔn)進(jìn)行搜索得到檢索的文獻(xiàn)，然后在所顯示的第一頁頁面中勾選所顯示的文獻(xiàn)，點(diǎn)擊“下一頁”，再勾選第二頁顯示的文獻(xiàn)，直到勾選完所有文獻(xiàn)。

第二步：數(shù)據(jù)輸出準(zhǔn)備。在勾選文獻(xiàn)的最后一頁點(diǎn)擊“導(dǎo)出/參考文獻(xiàn)”按鈕，在彈出的頁面中再次勾選剛才選擇的所有文獻(xiàn)，再次點(diǎn)擊“導(dǎo)出/參考文獻(xiàn)”按鈕（很重要），然后出現(xiàn)標(biāo)題為“文獻(xiàn)管理中心_文獻(xiàn)輸出”頁面。在該頁面的左下方有“CAJ-CD”、“查新”、“CNKI-E-Study”等按鈕。點(diǎn)擊不同的按鈕，在頁面的右下方會(huì)顯示不同的結(jié)果，也可以點(diǎn)擊“自定義”按鈕，此時(shí)在頁面的右上方會(huì)顯示可供選擇的輸出字段，然后可以勾選所需要選擇輸出的字段即可。

第三步：數(shù)據(jù)輸出。在“文獻(xiàn)管理中心_文獻(xiàn)輸出”頁面中點(diǎn)擊按鈕“XLS”，在彈出的“文件下載”對話框中點(diǎn)擊“保存”按鈕后，在“另存為”對話框中選擇所需要保存的路徑和文件名，得到原始數(shù)據(jù)Excel表格。

說明：當(dāng)采集的數(shù)據(jù)超過500篇文獻(xiàn)時(shí)，需要在完成前三步后，清除所勾選的文獻(xiàn)，然后再選擇余下的文獻(xiàn)，重復(fù)上述三個(gè)步驟，直到采集完所有文獻(xiàn)為止。

（二）數(shù)據(jù)的預(yù)處理

第一步：提取數(shù)據(jù)。復(fù)制關(guān)鍵詞所在列，將其拷貝到一張新的空白Excel文件中，將文件命名為”keywords.xls”。

第二步：分離關(guān)鍵詞。選擇文件keywords.xls的第一列所有的數(shù)據(jù)，利用查找替換功能將關(guān)鍵詞的分隔符統(tǒng)一用單個(gè)分號進(jìn)行分隔。再次選中所有數(shù)據(jù)，利用數(shù)據(jù)的分列功能將關(guān)鍵詞進(jìn)行分離到單一單元格中。

第三步：刪除單一關(guān)鍵詞。將分列得到的工作表按第二列進(jìn)行降序排列，將單一關(guān)鍵詞所在的行下移到了末尾，刪去這些單一關(guān)鍵詞所在的行，然后保存文件”keywords.xls”，得到關(guān)鍵詞表。

第四步：提取高頻關(guān)鍵詞。將關(guān)鍵詞表“Keywords.xls”的內(nèi)容復(fù)制到一個(gè)新的Excel文件中，文件命名為高頻關(guān)鍵詞統(tǒng)計(jì)表“Hfkw_count.xls”。在“Hfkw_count.xls”中，將所有單元格的內(nèi)容復(fù)制到第一列，然后進(jìn)行降序排列，將所有的空白單元格刪去。

在第一行前插入一行，在新的第一行依次輸入“關(guān)鍵詞”，“頻數(shù)”。從第二列的第二行起，每個(gè)單元格中輸入數(shù)字“1”。利用Excel數(shù)據(jù)透視表功能統(tǒng)計(jì)關(guān)鍵詞出現(xiàn)的頻數(shù)。將得到的數(shù)據(jù)透視表的第二列按降序排列，此時(shí)第二列數(shù)值較大的單元格所對應(yīng)的第一列的關(guān)鍵詞即為高頻關(guān)鍵詞。保存文件“Hfkw_count.xls”。

將頻數(shù)較高的關(guān)鍵詞復(fù)制，利用“選擇性粘貼——轉(zhuǎn)置”，粘貼到一個(gè)新的Excel文件中的第一行，將文件命名為高頻關(guān)鍵詞表“Hfkw.xls”。

三、共詞矩陣的Matlab程序?qū)崿F(xiàn)

（一）共詞矩陣的算法。共詞矩陣主要是統(tǒng)計(jì)兩個(gè)關(guān)鍵詞在同一篇文章中出現(xiàn)的篇數(shù)。將關(guān)鍵詞錄入Excel表格后，同一篇文獻(xiàn)的關(guān)鍵詞出現(xiàn)在同一行。但Excel表格中的數(shù)據(jù)不能直接作為Matlab的數(shù)組，因此應(yīng)先將Excel數(shù)據(jù)導(dǎo)入到Matlab文件變?yōu)镸atlab數(shù)組。從而統(tǒng)計(jì)兩個(gè)關(guān)鍵詞在同一篇文章中出現(xiàn)的篇數(shù)就變?yōu)榱私y(tǒng)計(jì)兩個(gè)關(guān)鍵詞在數(shù)組中同一行出現(xiàn)的次數(shù)。在高頻關(guān)鍵詞數(shù)組中任意抽取兩個(gè)關(guān)鍵詞，逐行統(tǒng)計(jì)兩個(gè)關(guān)鍵詞同行的次數(shù)，將結(jié)果保存在共詞數(shù)組中，再將所得結(jié)果輸出到Excel表格中。

基于以上分析，共詞矩陣的算法可表述如下：第一步：讀取關(guān)鍵詞和高頻關(guān)鍵詞Excel數(shù)據(jù)，并保存到OriginalData和TargetSet變量中；第二步：設(shè)置共詞矩陣大小，初值默認(rèn)為零矩陣；第三步：構(gòu)造關(guān)鍵詞同行次數(shù)計(jì)數(shù)函數(shù)countMatrix（Number1，Number2，Matrix）。從高頻關(guān)鍵詞TargetSet數(shù)組中任意抽取第i個(gè)和第j個(gè)元素，統(tǒng)計(jì)它們在關(guān)鍵詞OriginalData數(shù)組中同一行出現(xiàn)的次數(shù)Output（i，j）。具體方案為：使用函數(shù)ismember（a，Vector）對每一行都進(jìn)行判斷，如果a出現(xiàn)在Vector中，返回結(jié)果為1；否則為0。如果兩個(gè)關(guān)鍵詞的ismember結(jié)果都為1，則表示這兩個(gè)關(guān)鍵詞同時(shí)出現(xiàn)在這一行中，因此同行次數(shù)增加1；第四步：將關(guān)鍵詞同行的次數(shù)保存在共詞矩陣中，并將所得結(jié)果輸出到Excel表格中進(jìn)行顯示。

（二）共詞矩陣的Matlab程序。根據(jù)前述關(guān)于共詞矩陣的算法，利用Matlab 7.0軟件，編制構(gòu)造共詞矩陣的Matlab代碼如下：

將上述代碼錄入到Matlab M-File窗口，然后以Cowordmatrix.m為文件名進(jìn)行保存。

（三）Matlab程序的運(yùn)行。假設(shè)Matlab安裝在電腦的如下目錄：d：＼Program Files＼MATLAB7，則將前面按照關(guān)鍵詞數(shù)據(jù)的采集和預(yù)處理方法得到兩個(gè)Excel文件“Keywords.xls”和“Hfkw.xls”，以及前述的共詞矩陣構(gòu)造的Matlab文件Cowordmatrix.m一起復(fù)制到d：＼Program Files＼MATLAB7＼work目錄下。

打開Matlab程序，在Matlab命令窗口Command window中鍵入Cowordmatrix，回車，等待數(shù)分鐘后就會(huì)在d：＼Program Files＼MATLAB7＼work目錄下出現(xiàn)共詞矩陣Excel文件Output.xls，打開該文件所顯示的內(nèi)容即為共詞矩陣。

四、共詞矩陣的Matlab算例

下面以中國知網(wǎng)數(shù)據(jù)庫為數(shù)據(jù)源，對國內(nèi)的共詞分析的研究進(jìn)行共詞矩陣的構(gòu)造。以篇名為“共詞”進(jìn)行搜索，檢索時(shí)間為2016年8月26日，共搜索到553篇文獻(xiàn)，按前述方法提取它們的關(guān)鍵詞，分列并刪去單一關(guān)鍵詞后得到關(guān)鍵詞表“Keywords.xls”。然后使用Excel表格的數(shù)據(jù)透視功能統(tǒng)計(jì)關(guān)鍵詞的頻次，得到高頻關(guān)鍵詞表“Hfkw.xls”。本文選取詞頻大于等于10的關(guān)鍵詞列表（其中剔除了“共詞分析法”、“共詞分析”、“共詞”等三個(gè)關(guān)鍵詞），具體頻次為：聚類分析（128）、社會(huì)網(wǎng)絡(luò)分析（36）、共詞聚類分析（20）、文獻(xiàn)計(jì)量（16）、研究熱點(diǎn)（91）、共詞聚類（26）、關(guān)鍵詞（19）、文獻(xiàn)計(jì)量學(xué)（16）、知識(shí)圖譜（53）、可視化（25）、 戰(zhàn)略坐標(biāo)（19）、共詞矩陣（14）、多維尺度分析（42）、共詞網(wǎng)絡(luò)（22）、詞頻分析（17）、共詞可視化（13）、因子分析（37）、研究主題（21）、SPSS（16）、知識(shí)管理（10）。

將得到的兩個(gè)Excel文件“Keywords.xls”、“Hfkw.xls”以及編程得到的Matlab文件Cowordmatrix.m復(fù)制到Matlab工作目錄d：＼Program Files＼MATLAB7＼work目錄下。打開Matlab，在Maltab命令窗口輸入Matlab命令：Cowordmatrix，回車，出現(xiàn)的共詞矩陣結(jié)果（左上10×10部分）見表1。（表1）

五、結(jié)語

通過上述編寫的Matlab程序，研究者只需要對所研究的主題進(jìn)行關(guān)鍵詞原始數(shù)據(jù)的采集和預(yù)處理，形成兩個(gè)Excel文件即可，大大簡化了原始數(shù)據(jù)的預(yù)處理和共詞矩陣的構(gòu)造過程，輸出的Excel顯示結(jié)果直觀。算例表明本文所編寫的Matlab程序?qū)苍~矩陣的構(gòu)造實(shí)施方便快捷，簡單易行。

主要參考文獻(xiàn)：

[1]鄒美辰.基于共詞分析和社會(huì)網(wǎng)絡(luò)分析的國內(nèi)外關(guān)聯(lián)數(shù)據(jù)研究探析[J].現(xiàn)代情報(bào)，2016.3.

[2]陸慧雯.基于共詞分析的我國近十年行業(yè)與戰(zhàn)略情報(bào)研究[J].情報(bào)科學(xué)，2016.5.

[3]周麗英，冷伏海，左文革.引文耦合增強(qiáng)的共詞分析方法改進(jìn)研究——以ESI農(nóng)業(yè)科學(xué)研究主題劃分為例[J].情報(bào)理論與實(shí)踐，2015.11.

[4]俞仙子，高英蓮，馬春霞等.提取核心特征詞的懲罰性矩陣分解方法——以共詞分析為例[J].現(xiàn)代圖書情報(bào)技術(shù)，2014.3.

[5]王玉林，王忠義.細(xì)粒度語義共詞分析方法研究[J].圖書情報(bào)工作，2014.21.

[6]儲(chǔ)節(jié)旺，郭春俠.共詞分析法的基本原理及EXCEL實(shí)現(xiàn)[J].情報(bào)科學(xué)，2011.6.

[7]張圣勤.MATLAB 7.0實(shí)用教程[M].北京：機(jī)械工業(yè)出版社，2015.