國內外圖書情報領域本體研究熱點分析比較

羅琳 楊洋

〔摘 要〕[目的/意義]在圖書情報領域，本體的研究一直受到眾多學者所追捧。國內外在圖情領域對本體的研究各有側重，本文為了了解國內外圖書情報領域本體研究的發展狀況。[方法/過程]本文選取2012-2017年CNKI中文數據庫、SCI外文數據庫中圖書情報領域的本體研究論文，對其進行科學計量以及可視化表示，對其研究熱點關鍵詞和熱門作者進行計量分析，從研究方向、研究程度和研究新穎性3個方面進行對比分析。[結果/結論]得到國內外圖書情報領域本體研究的對比分析結論，從而認識到國內外研究的差異，為后續研究者提供研究改進方向。

〔關鍵詞〕圖書情報；本體；可視化；Citespace；VOSviwer

DOI：10.3969/j.issn.1008-0821.2018.04.021

〔中圖分類號〕TP182；G250.252 〔文獻標識碼〕A 〔文章編號〕1008-0821（2018）04-0142-07

〔Abstract〕[Purpose/Meaning]In the field of library and information science，many scholars research on ontology.There is different focus on ontology research in domestic and international.This paper aimed at getting the development situation of ontology of library and information science in domestic and international.[Method/Process]This paper selected some papers about ontology of library and information science from CNKI Chinese database and SCI foreign language database from 2012 to 2017.Using tools to scientific analysis and visual presentation.The paper focused on the hot key words and popular authors.It analyzed there aspects：research direction，research level and research novelty.[Results/Conclusion]It get ontology of Library and information science in domestic and international comparative analysis.Thus it recognized the differences of research in domestic and international.and provided research direction to the follow-up researchers.

〔Key words〕library and information science；ontology；visualization；Citespace；VOSviewer

本體起源于哲學概念，指的是事物的根本存在[1]。自從20世紀計算機科學的興起和發展以來，計算機領域就利用本體來表示某一個領域的概念和術語，通常是一個詞匯表。本體是通過RDF和OWL建立概念的類和屬性，實例化類的對象為資源，表示出資源的屬性定義和關聯，并且利用邏輯推理規則對于各個資源之間的關系進行判斷和描述。這樣，一個領域的共有的概念構成了知識，從而形成了一個知識網絡，可以被更好地共享和復用。在國內外圖書情報領域當中，有相當一部分學者和研究機構在進行本體為主題的相關研究，圖書情報領域是本體研究的重要學科領域。

在2010年之后，隨著互聯網技術的迅速發展，國內外的圖情領域在本體研究的熱點主題上具有鮮明的時代特征。但是由于國內外的學科發展水平不一致，同時受到本國科研發展大環境的影響，導致國內外在圖書情報領域的本體研究當中的側重點不同。本文旨在做國內外圖書情報領域本體研究熱點的分析對比研究。本文選取2012-2017年之間，國外SCI數據庫和國內CNKI數據庫內相關文獻，利用信息計量學的相關方法，從論文的發布數量，關鍵詞分布以及熱門作者這幾個方向進行統計分析。數據搜集歸納完畢之后，利用社會網絡分析工具VOSviwer和陳超美博士的CitespaceⅡ來進行知識圖譜的繪制，從而以可視化的方式來對國內外圖書情報領域本體的研究熱點進行分析比較，為我國相關研究者提供國內外數據參考。

1 數據來源與獲取

國內文獻選自CNKI，主題詞為“本體”，分類選擇期刊文獻，文獻分類目錄限定在“圖書情報與數字圖書館”，發表時間限定在2012-2017年，來源類別勾選核心期刊和CSSCI期刊，檢索時間為2017年9月27日，經過文獻的篩選以及剔除無效文獻后，篩選出有效文獻482條。

經過篩選后得出，2012-2017年在國內核心期刊上有關于圖書情報領域本體研究的發文數量分別為2012年91篇、2013年99篇、2014年102篇、2015年110篇、2016年95篇、2017年78篇。如圖1所示，2012-2015年呈逐年上升的趨勢，2016年和2017年有關圖書情報領域本體的研究文獻又呈下降的趨勢。

根據“馬太效應”，發現圖書情報領域本體的相關文獻在《圖書情報工作》有53篇、《情報科學》上有49篇、《情報理論與實踐》38篇、《圖書館學研究》34篇、《情報雜志》33篇等，大部分都集中在這些影響因子高的期刊上。如表1所示，筆者從CNKI上獲取近兩年來的圖書情報領域的期刊復合影響因子和綜合影響因子，發現所獲取的圖書情報領域本體研究的論文集中與本領域期刊影響因子排名大抵一致。

表2是CNKI中所統計的圖書情報領域發文機構的發文量，從發文的機構來看，以武漢大學、吉林大學和南京大學的發文量最多，居于前3的位置。這與這3所大學圖情專業的教學實力相當。這說明在圖書情報領域當中的本體研究，有著與圖書情報領域其他研究熱點的聚集效應，即研究圖書情報領域的各熱點之間互相關聯。

國外文獻選自SCI，主題詞為“Ontology”，分類選擇“Library and Information Science”，發表時間限定在2012-2017年，文檔類型選擇“Article”檢索時間為2017年9月27日，經過文獻的篩選以及剔除無效文獻后，篩選出有效文獻402條。

圖2是2012-2017年SCI上圖書情報本體領域的發文量統計。從圖2中可知，2012年的發文量為54篇，2013年的發文量為57篇，2014年的發文量為62篇，2015年的發文量為78篇，2016年的發文量為94篇，2017年的發文量為57篇。從趨勢上來講，2012-2016年呈逐年上升趨勢，2016年達到一個峰值，2017年的發文量減少。

表3是SCI中所統計的圖書情報領域發文機構的發文量，從發文的機構來看，在本領域的研究有很明顯的國家偏向特點。主要的發文機構集中在美國、印度、中國、英國和西班牙。中國的機構是武漢大學，因為本文是要做國內外的研究對比，因此將中國的機構在SCI上發文量剔除，再次經過篩選后的文獻量為394篇。

2 國內圖書情報領域本體研究熱點

關鍵詞反映了一個行業在一段時間內的研究方向和熱點，關鍵詞的聚類能夠集中的反映熱門內容，作者是一個學科領域發展的中堅力量，熱門作者的研究方向往往反映了一個領域的研究熱點。本文利用可視化軟件對國內高頻的熱點關鍵詞進行可視化分析，對熱門的關鍵詞類別進行聚類，并給出研究熱點的代表性論文以及研究內容。同時，對作者的發文量以及H指數進行統計。

2.1 高頻熱點關鍵詞分析

將CNKI下載的文獻數據導入到Citespace軟件中，年份選擇2012-2017年，節點選擇為關鍵詞。閾值設置中，被引頻次c（citation）、兩篇文獻的共被引頻次cc（cocitation）和共被引系數ccv（cosinecoefficient）3個層次分別設置為（2，2，20）、（4，2，20）、（4，3，20）。運行之后得到節點56個，關聯109個，聚類之后得到圖3。

根據聚類圖，我們得出排名前10的關鍵詞，如表4所示，因為有出現次數相同的關鍵詞出現，因此在表4中所列出的關鍵詞根據一共有14個。除去本體這個核心概念，可以得到關聯數據、領域本體、數字圖書館、本體構建等為2012-2017年期間圖書情報領域本體研究的熱點。從研究主題分類來看，有對本體自身相關的研究，其中有領域本體、本體集成、本體構建等，具體可以從以下幾個方面來看：

1）在圖書情報領域的研究熱點中進行本體構建。本體作為一種工具，被用來描述相關領域詞匯和術語的關系，學者們構建圖書情報領域中一些熱點研究問題的本體，是為了提供該研究領域的術語規范和概念框架。比如在圖書情報中的信息檢索方向，為了提高搜索的查全率和查準率，有學者建立基于推理引擎的JESS領域本體并建立系統進行檢索，對相關的概念和術語進行抽取[2]；有的研究者對模糊Petri網進行知識元語義集成，為了減少知識元的重復，構建領域知識元本體，從而實現知識元的集成[3]；還有學者在特定的領域建立領域本體，中國運載火箭技術研究院研究發展中心的研究員旨在用本體思想建立軍工企業的知識管理系統，并且提出知識和用戶模型的表示方法[4]。

2）除了相關知識本體的構建，近年來國內學者對知識融合、知識表示、知識抽取、知識轉換這些有關知識領域的一些概念進行了定義和闡釋[5]，在知識系統的創建上也有所建樹。比如李智杰等指出知識組織新的突破點——知識組織系統自適應構建的概念[6]，并舉出幾個例子對知識組織系統的構建技術進行總結；有對于知識庫的構建，翟東升等以云計算技術為支撐，構建基于圖形數據庫的專利語義知識庫，結果顯示，這種基于云計算的知識庫查詢是普通查詢速度的5.35倍[7]。

3）本體是語義網相關技術中對資源描述的一個重要形式，因此在圖書情報領域本體的研究中，也有一些本體與語義網技術相結合的研究，近年來，有利用語義相關技術進行有關技術的改進以及語義標注的應用。為了實現數據集之間的語義互聯并且促進領域隱性知識的發現，牟冬梅等對語義方面對數字資源進行語義聚合[8]；王曉光等在《敘事型圖像語義標注模型研究》中以敦煌壁畫為對象，設計了一個關于敘事型圖像語義標注的本體模型，針對該敦煌壁畫進行語義標注[9]；馮佳等通過領域本體的概念進行映射，基于語義距離在矩陣和聚類效果維度上對共詞方法進行改進，結果是在矩陣維度和聚類效果上都有所提升[10]。

4）關聯數據是一種成熟的資源描述方式，近五年來，圖書情報領域的學者們也在將本體與關聯數據進一步結合，對相關資源進行描述和推薦。歐石燕等提出一個面向關聯數據數字圖書館資源描述框架，作者是構建本體層和關聯數據層對圖情領域的數據進行描述[11]；鄧盼盼等提出將網絡敘詞表的發展為關聯數據的發布[12]；田野等提出關聯數據驅動的數字圖書推薦模型，是利用本體和關聯數據相關數據對讀者提供個性化的圖書推薦[13]。

吳志祥等在《2007-2011年我國圖書情報領域本體研究論文計量分析》中數據分析顯示[11]，在2007-2011年終本體領域的關鍵詞排名前3的為領域本體，語義網和數字圖書館。從此可知，經過近十年的發展，領域本體和數字圖書館在圖書情報領域的本體研究當中仍然為重點。

2.2 熱門作者影響力分析

國內圖情領域的研究中堅力量主要集中在高校，較有影響力的高校有武漢大學、北京大學、南京大學、吉林大學、華中師范大學等。一般情況下，圖情領域的熱點主題研究作者都是來自于這些高校的老師或者碩博研究生。這些作者的研究方向以及研究合作關系往往反映了該主題的發展方向。因此，有必要對于國內圖情領域中對于本體研究的作者的發文量、H指數等指標做統計。H指數是一個作者的H篇文章被引用了H次的一個統計量，可以充分反映該作者的研究水平和論文影響力。由于做圖書情報領域本體的學者較為分散，因此本文就只截取了核心作者群體，國內圖書情報領域在本體研究上形成了以武漢大學信息管理學院的邱均平教授，邱均平教授與其團隊主要是圖書情報領域本體進行科學計量研究，掌握其發展動向。還有吉林大學管理學院教授畢強為核心的作者群體，畢強教授與其團隊主要是做語義網的相關以及知識組織相關研究。

表5列出了高發文作者的發文量與作者的H指數，可以看出邱均平教授、畢強教授、夏翠娟教授和司莉教授的H指數較高并且在本領域的發文量也排名靠前。這說明了圖書情報領域本體的研究有著研究水平較強的科研人員，并且在做研究時有較強的團隊合作性。

3 國外圖書情報領域本體研究熱點

3.1 高頻熱點關鍵詞分析

國外的圖書情報領域本體研究熱點我們將從SCI上下載的文獻數據導入到可視化工具VOSviewer中創建圖譜，選擇Binary Counting方法，最小共現主題選擇10個。軟件統計出有227個主題，為了增強圖譜的可讀性，只選擇前60%相關性高的主題來進行可視化，因此一共選擇了136個主題詞。

如圖5、圖6分別是國外圖書情報領域研究熱點的疊加圖和密度圖。從圖5中可由不同顏色得知該主題詞匯在2012-2017年中由哪一年最先出現?？芍狡t的聚類點越新，其中“Linked Data”，“Social Media”等都是近幾年在國外圖書情報領域中出現的熱點。這些主題詞匯之間的連線表示詞匯之間的共現性，連線越多的詞匯表示在本領域中與其他詞匯的共現性越高，也就是本領域詞匯中心性最高的詞。圖6的密度圖是模仿城市熱島效應，中心詞匯就如同城市CBD聚集在圖譜中心，其共現詞匯就如同城市的街道以及市集一般聚集在中心詞匯周圍。

對關鍵詞頻進行統計之后，除去“Ontology”本體這個主題詞匯。筆者發現國外對語義網的研究較多，與此同時將圖情領域的本體研究與系統和網絡結合起來，也有信息檢索和知識相關的研究，最后還有本體建模這方面的研究。

從國外圖書情報領域本體的高頻關鍵詞來看，除去本體這個核心詞匯。國外的關鍵詞更加的抽象和概念化，并且與計算機領域的結合性更強。這與國外研究偏重實用與技術有關。國外高頻關鍵詞可分為本體本身的概念和語義網的研究，信息系統、檢索，知識領域的研究還有有關本體的建模等。例如：

1）有關本體概念和建模的一些研究。Chakrabarty建立數字圖書館的基于個人信息的推薦本體，本文提出了一個需要人工干預新的上下文對齊方法，它可以將多個本體映射到生成用戶動態利益，其目標是設計和開發一個本體一致性模型，提供了更多的好處，使用它的在數字圖書館資源共享和搜索更具有優先級[15]。Sayogo建立基于檢查過程的產品信息的本體模型，這篇文章介紹了本體的認證和檢測開發，以支持產品的智能信息披露，由此產生的本體支持信息集成和標準化，從而通過綜合不同數據源的信息來支持知識的發現和共享[16]。

2）在不同的領域中建立信息檢索系統。Lee建立用戶的音樂信息檢索系統，作者調查了一般音樂用戶的需求和行為是否隨著時間的推移發生了顯著的變化，提出了個人音樂收藏的訪問和使用的轉變，本體提供豐富的上下文信息的需求等一些新興主題[17]。Lhadj建立基于概念的語言模型來對信息檢索的準確性進行增強本文中，作者使用基于概念的語言建模方法來解決多義和同義詞不匹配問題，該方法將來自外部資源的本體論概念與文檔收集中經常發現的搭配聯系起來，作者的模型在一個基于單詞的模型和Markov隨機場模型上取得了顯著的改進[18]。

3）國外學者使用本體相關技術建立不同領域中的KOS，Lauruhn在他和團隊的文章當中對現在的知識組織系統進行了改進，做成一個自動抽取的KOS[19]。Scharnhorst基于Web的數據集合與數據和可視化分析相結合建立有關UDC的知識地圖[20]。Ko建立基于概念的術語本體，構建基于結構定義的術語本體系統和語義搜索評價，最后也做成了一個KOS[21]。Alajmi指出知識組織在教育領域的應用，本研究定量分析了KO課程描述，以確定這些LIS課程的課程模塊[22]。Marcondes研究了在生物醫學領域中有效的展示知識模型，本文作者提出了一種生物醫學的學術電子文章的語義模型，可以克服傳統平面記錄格式的局限性[23]。

4）語義網概念的一些應用以及語義模型和系統的創建。Bertola在文中使用語義和社會網絡到自然語言處理等一系列學科的方法和工具，提供了創建語義社會空間的構建模塊，以根據情感本體論來組織藝術作品[24]。Calaresu在文中探索和概念化語義網，用來作為一個在圖書館和信息科學文獻中被廣泛提及的術語，他們對語義網的概念采用一種解釋性、歷史和概念性的方法以及它提出了一個簡化的概念模型[25]。Hsu提出了一種基于MIF的語義——角色映射智能系統，由基于xml的文檔存儲庫、搜索引擎、推理引擎和轉換引擎組成，它提供不同的方法來呈現不同的元數據和知識表示[26]。

3.2 熱門作者影響力分析

表6是SCI中2012-2017年圖書情報領域本體研究的熱門作者，其中來自以色列Bar-Ilan大學的Zhitomirsky-Geffet M教授的發文量為7篇，他主要是做網絡用戶的信息行為的本體研究；來自巴西Fed Fluminense大學的Marcondes CH教授的發文量為5篇，她主要是做語義模型相關研究。根據本文第2章所做國外機構發文量統計，本領域主要發文機構集中在美國，歐洲等國，但是下表7中前兩位發文量最高的兩位作者Zhitomirsky-Geffet和Marcondes分別來自以色列和巴西，這說明國外的高產作者不一定來自高產機構，高產機構中可能有多名研究學者在研究本方向，因此有著機構高產，作者分散的現象。

4 國內外圖書情報領域本體研究熱點比較

通過對國內外圖書情報領域本體的熱點關鍵詞以及熱門作者的可視化分析，發現國內外在此領域的研究還是有一些差異。下面筆者將從研究方向、新穎性和未來發展趨勢來對比國內外的差異。

1）從研究方向，國內集中在圖書情報領域本體的科學計量以及知識管理方面，形成了以武漢大學的邱均平教授和吉林大學的畢強教授為首的科研團隊。國外集中在語義網研究以及信息檢索方面，總的來說，國外的研究更加偏向于本體本身的技術層面，以及用本體來進行相關的應用實踐，而國內的研究則偏重于以本體為研究背景來做研究，更多地運用在理論的研究層面。

2）從發展程度上來看，國外的Library and Information Science學科領域在20世紀90年代，當人工智能專家Neches將本體的概念引入到計算機科學領域之后，就已經開始了相關的研究，在近幾年，國外的圖情領域本體發展越來越向技術層面發展，特別是這段時間以來人工智能和深度學習的發展。國內的發展從總體上來說，21世紀初期為圖書情報領域本體研究的萌芽與較快發展時期，2000-2005年為圖情領域本體發展的萌芽期，主要研究內容為本體的基本概念與領域本體的構建；2006-2012年為圖情領域本體研究的較快發展時期，這時期的主要研究內容是本體在知識管理中的應用以及本體建模。過近十年的發展，2012年至2017年，這5年來，圖情領域的本體研究的研究熱點還是領域本體和數字圖書館，在知識領域和關聯數據方面科研的成果也較多。國外的研究在近五年來說，在信息檢索與信息系統的研究較多，知識領域的建模也應用在其他領域，對語義網技術的概念提出了更加符合當今技術發展現狀的解釋。國外的研究從總體水平上來說，國外在圖書情報領域本體的發展程度比國內要先進。

3）從研究內容新穎性上來看，國內的研究基本上還是本體研究的基礎內容，比如本體構建，語義檢索，知識管理等，有一點與實際生活相偏離。國外在圖書情報領域對于本體的研究已經與用戶信息行為，社交網絡等時下流行的研究元素相結合，在研究內容的新穎性上優于國內的基礎研究。

5 結 論

本文是對2012-2017年國內外圖書情報領域本體研究的熱點進行分析比較，對國內外的發文量進行統計，國內的統計了情報學領域的主要期刊的影響因子，國外的統計了機構發文量。利用可視化軟件Citespace和VOSviewer對國內外熱點關鍵詞進行了可視化分析。對高發文的作者進行了發文量統計和h指數的統計。并且發現了在圖書情報領域本體的研究上高發文作者與高發文機構之間沒有必然聯系，但是高發文作者的研究方向往往是研究熱點。

在圖書情報領域本體研究的熱點對比上，在研究方向上，國內偏重于本體的理論研究，國外側重于實踐與應用。在發展程度上，國外發展早，研究內容比國內更先進。在研究問題的新穎性上來看，國外的研究熱點更加與時俱進。

綜上所述，國內在圖書情報領域的本體研究雖然有優秀的高校和科研機構以及高水平的研究人員在做貢獻，但是因為我國在此領域起步較晚，研究方向偏理論，在研究的深度和廣度上較國外的研究來說較為欠缺。國內的本體各方向的領域較為分散，本體、語義網、知識等關鍵詞放在一起研究的較少。而國外的研究則將諸多概念融合，從而形成新的理論和實踐研究內容。國外圖情領域的本體研究還涉及各個領域，如醫學，化學，音美等方面，更加地注重本體的構建具體能做什么事情，而不只是局限于理論研究。今后我國研究者可注重將理論與實踐相結合，將本體研究深入到我國的醫藥學，生物，化學或者工農業領域當中。

參考文獻

[1]Grigoris A，Paul G et.語義網基礎教程[M].北京：機械工業出版社，2014：5-6.

[2]夏立新，段菲菲，翟姍姍.基于本體的JESS推理實證研究[J].情報科學，2017，（5）：106-110.

[3]王靜，劉成山，秦春秀.一種基于模糊Petri網的知識元語義集成方法[J].情報理論與實踐，2017，（9）：140-144.

[4]賈倩，王彥靜，楊玉堃.基于本體的統一知識模型表達及應用[J].情報理論與實踐，2017，（9）：125-128.

[5]劉曉娟，李廣建，化柏林.知識融合：概念辨析與界說[J].圖書情報工作，2016，（13）：13-19.

[6]李智杰，曾文，喬曉東.知識組織系統構建技術研究[J].情報理論與實踐，2017，（1）：115-120.

[7]翟東升，劉鶴，張杰，等.基于圖形數據庫的專利語義知識庫構建技術研究[J].現代圖書情報技術，2016，（12）：66-75.

[8]牟冬梅，王萍，張艷俠，等.VIVO在信息資源聚合中的應用研究[J].情報科學，2017，（3）：57-62.

[9]徐雷，王曉光.敘事型圖像語義標注模型研究[J].中國圖書館學報，2017，（5）：70-83.

[10]馮佳，張云秋.基于LDA和本體的科學前沿識別與分析方法研究[J].情報理論與實踐，2017，（8）：49-54.

[11]歐石燕，唐振貴.面向圖書館關聯數據的自動問答技術研究[J].中國圖書館學報，2015，（6）：44-60.

[12]鄧盼盼，常春.本體模式下網絡敘詞表的發展[J].情報理論與實踐，2013，（4）：99-101.

[13]田野，祝忠明.關聯數據驅動的數字圖書推薦模型[J].圖書情報工作，2013，（17）：34-38.

[14]吳志祥，王昊，姜霖.2007-2011年我國圖書情報領域本體研究論文計量分析[J].情報科學，2015，（10）：66-71.

[15]Chakrabarty A，Roy S.Personalised Information Recommender Using Framework for Ontology Alignment Among Digital Libraries[J].Desidoc Journal of Library & Information Technology，2016，（36）：199-204.

[16]Sayogo DS，Ran WJ.Ontological Modeling of Certification and Inspection Process to Support Smart Disclosure of Product Information[J].International Journal of Public Administration in the Digital Age，2016，（3）：86-108.

[17]Lee JH，Cho H.Users Music Information Needs and Behaviors：Design Implications for Music Information Retrieval Systems[J].Journal of the Association for Information Science and Technology，2016，（67）：1301-1330.

[18]Lhadj LS，Boughanem M.Enhancing Information Retrieval Through Concept-Based Language Modeling and Semantic Smoothing[J].Journal of the Association for Information Science and Technology，2016，（67）：2909-2927.

[19]Lauruhn M，Groth P.Sources of Change for Modern Knowledge Organization Systems[J].Knowledge Organization，2016，（43）：622-629.

[20]Scharnhorst A，Smiraglia RP.Knowledge Maps of the UDC：Uses and Use Cases[J].Knowledge Organization，2016，（43）：641-654.

[21]Ko YM，Song MS.Construction of the Structural Definition-Based Terminology Ontology System and Semantic Search Evaluation[J].Library Hi Tech，2016，（34）：705-732.

[22]Alajmi B，Rehman SU.Knowledge Organization Trends in Library and Information Education：Assessment and Analysis[J].Education for Information，2016，（32）：411-420.

[23]Marcondes CH，da Costa LC.A Model to Represent and Process Scientific Knowledge in Biomedical Articles with Semantic Web Technologies[J].Knowledge Organization，2016，（43）：86-101.

[24]Bertola F，Patti，V.Ontology-Based Affective Models to Organize Artworks in the Social Semantic Web[J].Information Processing & Management，2016，（52）：139-162.

[25]Calaresu M，Shiri A.Understanding Semantic Web：A Conceptual Model[J].Library Review，2015，（64）：82-100.

[26]Hsu IC，Lee JY.Integrating Semantic Web Technologies with XML Schema Using Role-Mapping Annotations[J].Electronic Library，2014，（32）：147-169.

（責任編輯：郭沫含）