供應(yīng)鏈風(fēng)險(xiǎn)管理研究現(xiàn)狀的可視化—以CNKI數(shù)據(jù)為例

鄢章華,張鶴冰

（哈爾濱商業(yè)大學(xué) 管理學(xué)院，黑龍江 哈爾濱 150028）

1 引言

供應(yīng)鏈風(fēng)險(xiǎn)管理一直都是供應(yīng)鏈管理的重要內(nèi)容，也是供應(yīng)鏈學(xué)術(shù)領(lǐng)域關(guān)注的焦點(diǎn)。大量學(xué)者針對供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行了研究，涉及到的研究領(lǐng)域、關(guān)注點(diǎn)也千差萬別[1-4]。本文擬采用知識圖譜作為基本工具，展示數(shù)據(jù)可視化在供應(yīng)鏈風(fēng)險(xiǎn)領(lǐng)域的基本應(yīng)用。

知識圖譜（Mapping Knowledge Domain）是指用可視化技術(shù)來發(fā)現(xiàn)、描述、分析以及最終展示數(shù)據(jù)或文本之間的相互關(guān)系，通過有效地組織、存儲、管理和更新大規(guī)模的知識，進(jìn)行高效的推理計(jì)算和問題求解[5]。知識圖譜的分析方法是綜合運(yùn)用統(tǒng)計(jì)學(xué)、應(yīng)用數(shù)學(xué)、計(jì)算機(jī)科學(xué)、信息科學(xué)、文獻(xiàn)計(jì)量學(xué)等多學(xué)科理論和方法的過程[6]。知識圖譜分析的基本流程包括：數(shù)據(jù)檢索、數(shù)據(jù)預(yù)處理、構(gòu)建關(guān)系矩陣網(wǎng)絡(luò)、規(guī)范化處理、可視化數(shù)據(jù)、知識圖譜參數(shù)調(diào)整、知識圖譜結(jié)果解讀等方面[7]。常用的工具包括：Pajek、Citespace II、UCINET、Bibexcel、Gephi、VOSviewer、VantagePoint、Network WorkbenchTool、Sci2Tool、In-SPIRE、SciMAT、Histcite等[8]。

知識圖譜被廣泛應(yīng)用于研究學(xué)科和知識領(lǐng)域的發(fā)展變化情況，通過知識圖譜能展示發(fā)展趨勢和研究進(jìn)展，識別研究熱點(diǎn)和前沿，找到核心作者群、研究機(jī)構(gòu)間的關(guān)系[9]，具有重要的研究價(jià)值。如廉同輝等利用知識圖譜，對旅游學(xué)科的研究熱點(diǎn)、代表性人物、研究機(jī)構(gòu)間的關(guān)系以及高被引論文的特征等進(jìn)行了分析，發(fā)現(xiàn)熱點(diǎn)主要集中在旅游資源、生態(tài)旅游、旅游開發(fā)、旅游經(jīng)濟(jì)等方面，研究機(jī)構(gòu)之間的合作不太緊密，高被引文獻(xiàn)主要來源于旅游與地理類期刊等，為后續(xù)的研究開展提供了參考[10]。趙鑫等基于2000-2011年間CSSCI收錄法學(xué)來源期刊中關(guān)鍵詞的共現(xiàn)情況，結(jié)合知識圖譜，直觀展現(xiàn)了我國法學(xué)研究的動態(tài)演化過程和該領(lǐng)域的知識結(jié)構(gòu)[11]。曹樹金等對知識圖譜本身的相關(guān)研究進(jìn)行了梳理，找出了該領(lǐng)域發(fā)展歷史上的重要理論核心人物和團(tuán)隊(duì)以及該領(lǐng)域的技術(shù)發(fā)展軌跡，為當(dāng)前和今后基于知識圖譜的可視化研究提供了理論基礎(chǔ)[12]。張毅恒等將知識圖譜方法應(yīng)用于我國體育產(chǎn)業(yè)中，基于以核心期刊組成的數(shù)據(jù)，分析了體育產(chǎn)業(yè)與相關(guān)產(chǎn)業(yè)的融合發(fā)展[13]。

從目前的研究可以看出，在以文獻(xiàn)為基礎(chǔ)構(gòu)建知識圖譜的過程中，基于關(guān)鍵詞構(gòu)建共詞網(wǎng)絡(luò)是最為普遍和有效的一種方式。但如果只考慮關(guān)鍵詞間連線的有無，而忽略了連線的權(quán)重，將影響共詞網(wǎng)絡(luò)分析結(jié)果的可靠性[14]。此外，結(jié)合共現(xiàn)頻率，對作者進(jìn)行共詞分析，也能在一定程度上反映出領(lǐng)域內(nèi)的研究社群，有助于合作者的選擇，但目前的研究對此還鮮有涉及。因此，為了明確我國供應(yīng)鏈風(fēng)險(xiǎn)相關(guān)研究的發(fā)展現(xiàn)狀和趨勢，擬通過可視化技術(shù)對研究現(xiàn)狀進(jìn)行總體描述，通過構(gòu)建作者和關(guān)鍵詞的共詞網(wǎng)絡(luò)，生成相應(yīng)的知識圖譜，找出供應(yīng)鏈風(fēng)險(xiǎn)管理領(lǐng)域的基本脈絡(luò)，為后續(xù)相關(guān)研究的定位、研究路徑的選擇提供決策參考。

2 可視化工具的選擇

可視化的工具非常多，出于靈活性和便利性等方面的考慮[8]，本文選擇使用Gephi。Gephi是免費(fèi)的可視化工具，支持的數(shù)據(jù)格式包括CSV、Spreadsheet（Excel）等，盡管在數(shù)據(jù)的預(yù)處理功能方面有所欠缺，但通過Spreadsheet（Excel）與ACCESS的數(shù)據(jù)轉(zhuǎn)換，可以使用數(shù)據(jù)庫的SQL命令，對數(shù)據(jù)實(shí)現(xiàn)靈活、自定義化、功能強(qiáng)大的預(yù)處理，這種方式往往比其它可視化工具自帶的數(shù)據(jù)預(yù)處理功能更有效。而Gephi自身在數(shù)據(jù)的可視化方面，已經(jīng)內(nèi)嵌了多個(gè)布局模型，被譽(yù)為“數(shù)據(jù)可視化領(lǐng)域的Photoshop”，能滿足多方面的可視化的需求和后期對圖譜優(yōu)化調(diào)整的要求。因此，本文選擇Gephi0.9.1作為復(fù)雜網(wǎng)絡(luò)圖的可視化工具，使用EXCEL作為數(shù)據(jù)轉(zhuǎn)換和簡單圖表的繪制工具，使用ACCESS作為數(shù)據(jù)預(yù)處理的工具，旨在運(yùn)用可視化技術(shù)分析當(dāng)前我國供應(yīng)鏈風(fēng)險(xiǎn)的研究進(jìn)展，進(jìn)而為后續(xù)研究提供參考。

3 數(shù)據(jù)來源與數(shù)據(jù)準(zhǔn)備

3.1 數(shù)據(jù)獲取

依據(jù)數(shù)據(jù)可視化流程，筆者首先以“供應(yīng)鏈風(fēng)險(xiǎn)”為檢索內(nèi)容在CNKI的期刊庫中進(jìn)行搜索，具體數(shù)據(jù)獲取方式見表1。2018年3月20日檢索結(jié)果共有2 629項(xiàng)，其中，期刊成果1 892項(xiàng)，核心期刊成果730項(xiàng)，中文社會科學(xué)引文索引（CSSCI）成果193項(xiàng)（CSSCI檢索會有延遲）。

表1 數(shù)據(jù)獲取方式

3.2 數(shù)據(jù)預(yù)處理

對于所收集到的數(shù)據(jù)，根據(jù)數(shù)據(jù)內(nèi)容的特點(diǎn)，借助于SQL命令，在ACCESS數(shù)據(jù)庫中主要從以下幾個(gè)方面進(jìn)行子數(shù)據(jù)的預(yù)處理:

（1）刪除關(guān)鍵信息不完整的文獻(xiàn)。由于所獲取的數(shù)據(jù)是通過CNKI平臺查詢并導(dǎo)出的，部分文獻(xiàn)存在關(guān)鍵信息不完整的現(xiàn)象，包括作者、發(fā)表時(shí)間、成果名稱、出版物（期刊）、摘要、作者單位等，對于能通過在線軟件自動補(bǔ)全信息的文獻(xiàn)進(jìn)行了保留，不能進(jìn)行信息補(bǔ)全的進(jìn)行了剔除。

（2）對于不屬于成果范疇的文獻(xiàn)，如期刊征稿信息、期刊投稿說明等，通過作者信息數(shù)據(jù)與“本刊”、“編者”、“說明”等內(nèi)容的模糊匹配進(jìn)行了剔除。

（3）對關(guān)鍵詞進(jìn)行了查重，針對不同用詞表示同一概念的現(xiàn)象，將關(guān)鍵詞統(tǒng)一采用出現(xiàn)頻率最高的關(guān)鍵詞代替。

（4）由于成果歸屬地一般按照省和直轄市進(jìn)行統(tǒng)計(jì)，而在成果中往往不會規(guī)范地給出省或直轄市的信息，為此，將省（直轄市）及其下屬的市進(jìn)行整理，生成新的數(shù)據(jù)庫表，通過該表中的數(shù)據(jù)與作者的單位和作者的通訊地址進(jìn)行模糊匹配，以實(shí)現(xiàn)成果的空間歸屬。

3.3 關(guān)系矩陣的構(gòu)建與規(guī)范化處理

以文獻(xiàn)為基礎(chǔ)，作者和關(guān)鍵詞都可以生成共詞網(wǎng)絡(luò)，下面以關(guān)鍵詞為例說明生成網(wǎng)絡(luò)關(guān)系矩陣的過程。

由于每項(xiàng)成果的關(guān)鍵詞數(shù)量各不相同，關(guān)鍵詞較少的一般為3個(gè)，關(guān)鍵詞較多的多達(dá)10個(gè)，且在ACCESS數(shù)據(jù)表中，關(guān)鍵詞為一個(gè)字段，通過SQL命令不便拆分。轉(zhuǎn)而將數(shù)據(jù)導(dǎo)出到EXCEL中，通過分列功能將關(guān)鍵詞一列根據(jù)“；”、“，”等分隔符進(jìn)行拆分，將列名分別定義為“keywords1”、“keywords2”、…、“keywords10”，再將數(shù)據(jù)導(dǎo)回至ACCESS數(shù)據(jù)表。分別抽取“keywords1”、“keywords2”、…、“keywords10”中非空的數(shù)據(jù)與文獻(xiàn)的其它關(guān)鍵信息，形成關(guān)鍵詞與文獻(xiàn)間的關(guān)系表。基于文獻(xiàn)進(jìn)行關(guān)鍵詞的笛卡爾積，建立起基于文獻(xiàn)的兩兩關(guān)鍵詞間的關(guān)系，形成基于文獻(xiàn)的共詞網(wǎng)絡(luò)[15]，生成的結(jié)果包括文獻(xiàn)的其它關(guān)鍵信息（不含關(guān)鍵詞字段）和兩列關(guān)鍵詞（兩列關(guān)鍵詞間的笛卡爾積，字段名定義為：關(guān)鍵詞1和關(guān)鍵詞2）。考慮到關(guān)鍵詞1和關(guān)鍵詞2間的關(guān)系應(yīng)屬于無方向關(guān)系，即其它數(shù)據(jù)相同的情況下，關(guān)鍵詞1和關(guān)鍵詞2的關(guān)系對分別為：（A，B），（B，A）的關(guān)系應(yīng)算作相同的關(guān)系。因此，根據(jù)關(guān)鍵詞1和關(guān)鍵詞2間的大小關(guān)系，對關(guān)系對進(jìn)行調(diào)整。調(diào)整規(guī)則為：如果關(guān)鍵詞1＜=關(guān)鍵詞2，不作改變;如果關(guān)鍵詞1＞關(guān)鍵詞2，交換關(guān)鍵詞1與關(guān)鍵詞2的數(shù)據(jù)。

基于以上關(guān)鍵詞1與關(guān)鍵詞2間的成對出現(xiàn)頻率，生成共詞網(wǎng)絡(luò)的權(quán)重（字段名定義為”weight”，并增加一列，字段名定義為：TYPE，統(tǒng)一取值為“undirected”，以保障數(shù)據(jù)能導(dǎo)入到Gephi中并生成無向圖）。至此，數(shù)據(jù)處理部分完成。

4 供應(yīng)鏈風(fēng)險(xiǎn)研究的總體概況

4.1 時(shí)間分布

根據(jù)收集到的供應(yīng)鏈風(fēng)險(xiǎn)相關(guān)成果，成果的時(shí)間分布情況如圖1所示，自從2001年以來，供應(yīng)鏈風(fēng)險(xiǎn)受到越來越廣泛的關(guān)注，研究成果數(shù)也迅速增加，在2008年以后一直處于較高的水平，并在2013-2014年間達(dá)到頂峰，此后的研究成果數(shù)開始逐漸下降，說明該領(lǐng)域已經(jīng)較為成熟。

圖1 供應(yīng)鏈風(fēng)險(xiǎn)管理成果的時(shí)間分布

4.2 基于熱力圖的空間分布

除時(shí)間分布外，考慮到地域差異，我們進(jìn)一步分析了供應(yīng)鏈風(fēng)險(xiǎn)研究成果的空間分布，分布的熱力圖如圖2所示。由于高校在科研成果貢獻(xiàn)方面起著重要的作用，通過收集整理各省、直轄市的高校數(shù)量數(shù)據(jù)，見表2，并計(jì)算高校數(shù)量與成果數(shù)量間的相關(guān)性，得到相關(guān)系數(shù)為0.596，說明高校數(shù)量與成果數(shù)量間具有較高的相關(guān)性，為直觀體現(xiàn)這種相關(guān)性，我國各省、直轄市高校分布的熱力圖如圖3所示。

圖2 供應(yīng)鏈風(fēng)險(xiǎn)管理成果熱力圖

表2 我國各省、直轄市的高校數(shù)

圖3 我國高校分布的熱力圖

從圖2、圖3可以看出，一方面，供應(yīng)鏈風(fēng)險(xiǎn)研究的成果在地域上具有明顯的集聚特征，東部經(jīng)濟(jì)發(fā)達(dá)的沿海省市明顯高于西部省市；另一方面，東部省市的成果數(shù)量也具有較大差異，成果主要集中在長三角、珠三角和京津冀地區(qū)，這與高校在這些區(qū)域的集聚類似。此外，個(gè)別省市的研究成果與周邊省市相比，明顯低于（如湖南、江西、河南）或明顯高于周邊省市（如湖北），且這種強(qiáng)烈的對比關(guān)系與高校數(shù)量關(guān)系不大。但總體上看，高校數(shù)量與供應(yīng)鏈風(fēng)險(xiǎn)研究成果之間相關(guān)性較高。

5 供應(yīng)鏈風(fēng)險(xiǎn)研究的知識圖譜及結(jié)果解讀

5.1 知識圖譜的構(gòu)建

將前期數(shù)據(jù)處理的結(jié)果（邊和邊的權(quán)重?cái)?shù)據(jù)）導(dǎo)入到Gephi中，Gephi會自動建立結(jié)點(diǎn)信息，形成初步的網(wǎng)絡(luò)圖。在此基礎(chǔ)上，采用力引導(dǎo)布局進(jìn)行圖譜的生成，進(jìn)一步調(diào)整網(wǎng)絡(luò)圖顯示的參數(shù)（包括結(jié)點(diǎn)和邊的標(biāo)簽大小調(diào)整，結(jié)點(diǎn)大小和邊精細(xì)，非重疊布局調(diào)整多重心引力模型調(diào)整）和整體布局的縮放等，最終從作者關(guān)聯(lián)和關(guān)鍵詞關(guān)聯(lián)兩個(gè)維度生成可視化的知識圖譜，分別如圖4、圖5所示。

5.2 基于作者合作關(guān)系的知識圖譜

根據(jù)作者在供應(yīng)鏈風(fēng)險(xiǎn)領(lǐng)域的論文數(shù)量和作者間的合作頻次，構(gòu)建作者合作關(guān)系的知識圖譜，如圖4所示。

圖4 作者合作關(guān)系的知識圖譜

從圖4可以看出，在供應(yīng)鏈風(fēng)險(xiǎn)研究方面，作者間的合作關(guān)系存在明顯的社群現(xiàn)象，較具代表性的包括（就目前收集到的CNKI的數(shù)據(jù)而言）：季建華、劉永勝團(tuán)隊(duì)，張智勇、楊磊團(tuán)隊(duì)，唐小我、倪得兵團(tuán)隊(duì)，齊二石、晚春東團(tuán)隊(duì)，張圣忠、趙道致團(tuán)隊(duì)，黎繼子、劉春玲、曹曉剛和陳成組成的團(tuán)隊(duì)，施國洪、陳敬賢團(tuán)隊(duì)，史成東、關(guān)志民團(tuán)隊(duì)等。從學(xué)者個(gè)人研究成果看，顏波、孫浩、劉偉堅(jiān)、寧忠、孟志堅(jiān)等學(xué)者在該領(lǐng)域也有相當(dāng)數(shù)量的成果。此外，由于所構(gòu)建的作者知識圖譜為矢量圖，可以進(jìn)一步放大，以展示出更多的細(xì)節(jié)信息，通過以上的作者知識圖譜，領(lǐng)域內(nèi)的學(xué)者能更直觀、方便地尋找合作伙伴，追蹤研究趨勢，使自己的研究向主流研究內(nèi)容靠近，同時(shí)也推動了供應(yīng)鏈風(fēng)險(xiǎn)研究領(lǐng)域的創(chuàng)新，因而具有極其重要的作用。

5.3 基于關(guān)鍵詞共詞網(wǎng)絡(luò)的知識圖譜

基于供應(yīng)鏈風(fēng)險(xiǎn)相關(guān)研究成果中關(guān)鍵詞成對出現(xiàn)的關(guān)系（共詞網(wǎng)絡(luò)），構(gòu)建關(guān)鍵詞的知識圖譜，如圖5所示。從總體上看，現(xiàn)有關(guān)于供應(yīng)鏈風(fēng)險(xiǎn)的研究，采用最多、共現(xiàn)頻率最高的關(guān)鍵詞是：風(fēng)險(xiǎn)管理、風(fēng)險(xiǎn)、供應(yīng)鏈以及供應(yīng)鏈風(fēng)險(xiǎn)。在研究過程中，涉及到最為頻繁的風(fēng)險(xiǎn)包括：信用風(fēng)險(xiǎn)、道德風(fēng)險(xiǎn)、信息風(fēng)險(xiǎn)、采購風(fēng)險(xiǎn)、合作風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)、違約風(fēng)險(xiǎn)、中斷風(fēng)險(xiǎn)、價(jià)格風(fēng)險(xiǎn)、匯率風(fēng)險(xiǎn)、財(cái)務(wù)風(fēng)險(xiǎn)、融資風(fēng)險(xiǎn)、組織風(fēng)險(xiǎn)、突發(fā)風(fēng)險(xiǎn)等。最常研究的風(fēng)險(xiǎn)管理過程包括：風(fēng)險(xiǎn)識別、風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)評估、風(fēng)險(xiǎn)傳導(dǎo)、風(fēng)險(xiǎn)預(yù)警、風(fēng)險(xiǎn)控制、風(fēng)險(xiǎn)防范等。在風(fēng)險(xiǎn)評價(jià)和風(fēng)險(xiǎn)評估的過程中，最常用到的方法包括：模糊綜合評價(jià)法、層次分析法、貝葉斯網(wǎng)絡(luò)法、系統(tǒng)動力學(xué)方法等。通過對局部網(wǎng)絡(luò)的進(jìn)一步放大，一方面，有利于發(fā)掘與該知識點(diǎn)相關(guān)的信息，通過知識點(diǎn)間的連接，可以形成新的研究路徑；另一方面，對于提高研究者對該領(lǐng)域前沿問題的研究關(guān)注度起到重要的參考作用。

圖5 關(guān)鍵詞共詞網(wǎng)絡(luò)的知識圖譜

6 結(jié)論

本文基于CNKI上供應(yīng)鏈風(fēng)險(xiǎn)相關(guān)研究成果的數(shù)據(jù)，對研究成果進(jìn)行了可視化呈現(xiàn)和分析。從總體上看，經(jīng)過一段時(shí)間的發(fā)展，我國供應(yīng)鏈風(fēng)險(xiǎn)研究成果的數(shù)量逐漸趨于穩(wěn)定，但研究成果數(shù)量具有明顯的地域性差異，這在很大程度上受各省、市高校數(shù)量差異的影響。利用供應(yīng)鏈風(fēng)險(xiǎn)研究成果的作者和關(guān)鍵詞信息，構(gòu)建了作者關(guān)系和關(guān)鍵詞的共詞網(wǎng)絡(luò)，從研究人員和研究領(lǐng)域兩個(gè)維度給出了我國供應(yīng)鏈風(fēng)險(xiǎn)研究的現(xiàn)狀。通過作者關(guān)系的知識圖譜，找出了我國供應(yīng)鏈風(fēng)險(xiǎn)管理領(lǐng)域的科研團(tuán)隊(duì)和代表性人物，對于尋找合作伙伴具有一定的參考價(jià)值。通過關(guān)鍵詞的知識圖譜，一方面給出了供應(yīng)鏈風(fēng)險(xiǎn)研究的主要脈絡(luò)，另一方面從圖譜的邊緣，也可以進(jìn)一步尋找潛在的研究方向。由于基于關(guān)鍵詞的共詞網(wǎng)絡(luò)暫時(shí)無法反映關(guān)鍵詞在內(nèi)涵上的層次結(jié)構(gòu)和隸屬關(guān)系，暫時(shí)無法體現(xiàn)出研究內(nèi)容的包含關(guān)系，這也是本文的不足之處，在后續(xù)的研究中，將進(jìn)一步豐富關(guān)鍵詞間的結(jié)構(gòu)關(guān)系，使所得的知識圖譜質(zhì)量更高，表達(dá)出更為豐富的信息。

[]

[1]徐緒松,曾學(xué)工,鄭小京.供應(yīng)鏈風(fēng)險(xiǎn)管理研究綜述—風(fēng)險(xiǎn)識別[J].技術(shù)經(jīng)濟(jì),2013,(5):78-86.

[2]晚春東,王雅林,齊二石.供應(yīng)鏈系統(tǒng)風(fēng)險(xiǎn)識別與評估研究綜述[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)(社會科學(xué)版),2007,(6):93-98.

[3]周艷菊,邱莞華,王宗潤.供應(yīng)鏈風(fēng)險(xiǎn)管理研究進(jìn)展的綜述與分析[J].系統(tǒng)工程,2006,(3):1-7.

[4]李雷鳴,劉丙泉.供應(yīng)鏈中斷風(fēng)險(xiǎn)管理研究現(xiàn)狀綜述[J].科技管理研究,2010,(14):236-239.

[5]曹倩,趙一鳴.知識圖譜的技術(shù)實(shí)現(xiàn)流程及相關(guān)應(yīng)用[J].情報(bào)理論與實(shí)踐,2015,38(12):127-132.

[6]秦長江,侯漢清.知識圖譜—信息管理與知識管理的新領(lǐng)域[J].大學(xué)圖書館學(xué)報(bào),2009,(1):30-37.

[7]Cobo M J,López-Herrera A G,Herrera-Viedma E,et al.Science mapping software tools:Review,analysis,and cooperative study among tools[J].Journal of the American Society for Information Science&Technology,2011,62(7):1 382-1 402.

[8]肖明,邱小花,黃界,等.知識圖譜工具比較研究[J].圖書館雜志,2013,(3):61-69.

[9]胡澤文,孫建軍,武夷山.國內(nèi)知識圖譜應(yīng)用研究綜述[J].圖書情報(bào)工作,2013,(3):131-137.

[10]廉同輝,余菜花,宗乾進(jìn),等.基于 CSSCI的2000-2010年旅游學(xué)科研究知識圖譜分析[J].旅游學(xué)刊,2013,(3):114-119.

[11]趙鑫,梁艷,程川.我國法學(xué)研究熱點(diǎn)知識圖譜分析—基于CSSCI(2000-2011年)[J].西南民族大學(xué)學(xué)報(bào)(人文社會科學(xué)版),2014,(7):226-231.

[12]曹樹金,吳育冰,韋景竹,等.知識圖譜研究的脈絡(luò)、流派與趨勢—基于SSCI與CSSCI期刊論文的計(jì)量與可視化[J].中國圖書館學(xué)報(bào),2015,(5):16-34.

[13]張毅恒,柳鳴毅.基于知識圖譜的中國體育產(chǎn)業(yè)研究可視化分析[J].中國體育科技,2016,(1):24-29.

[14]鐘鎮(zhèn).知識圖譜分析方法的可靠性檢驗(yàn)研究—以共詞分析為例[J].科學(xué)學(xué)研究,2015,(5):647-653.

[15]魏瑞斌.基于共詞網(wǎng)絡(luò)的學(xué)術(shù)期刊知識圖譜構(gòu)建[J].情報(bào)雜志,2011,(10):36-42.