國內知識地圖的共詞聚類分析

甘耀進 詹亭 劉克凡 羅家瑤 梁雅文

摘 要：利用從CNKI中國期刊全文數據庫中收錄的2007-2017年與知識地圖相關的核心期刊與優秀論文作為基礎，采用ROST CM軟件來進行詞頻統計和共詞矩陣分析以及SPSS軟件進行共詞聚類分析，通過研究各個高頻關鍵詞之間的內在聯系，分析知識地圖領域的研究熱點，發現知識地圖領域的研究現狀，以便能夠進行知識地圖領域的發展趨勢分析。

關鍵詞：知識地圖；共詞分析；聚類分析

1 引言

自從人類進入科技時代，科技的發展已是日異月新。知識地圖作為時下一種非常有效的工具，在很多方面，尤其是在知識管理方面，有很好的應用[1]。知識地圖是一種智能化的的知識管理工具，能將知識管理活動中的主體、資源及相互關系鏈接起來形成一種動態可變的網絡結構[2]。知識地圖是組織知識管理的重要工具，基于本體的組織知識地圖不但能為用戶提供知識導航和檢索，還可以促進組織內知識的共享和交流，實現知識創新[3]。而在科技研究方面，知識地圖作為一種有效的知識管理工具，通過知識地圖的搜索功能，可以幫助科研人員在很短時間內找到所需知識[4]。因此，對于知識地圖的研究熱點與其發展趨勢分析也就顯得非常有必要了。

2 數據獲取與預處理

在CNKI中以主題詞“知識地圖”進行期刊論文的檢索，時間限定為“2007-2017”，則在CNKI檢索的結果中顯示共有1164篇，排除掉一些與“知識地圖”無關并且剔除掉一些不合格的期刊論文，共計獲得合格期刊論文為1111篇。本文采用ROST CM文獻處理軟件，獲得關鍵詞共計301個，共出現頻次2704次，其中頻次較多的關鍵詞共計22個，見表1所示。從表1中可以看出的是，在關于“知識地圖”研究方面，知識管理、隱性知識、本體、知識服務、知識組織以及競爭情報等方面為該領域的高頻熱點詞匯。在對知識地圖研究方面，知識管理、隱性知識、本體、圖書館以及情報學為主要研究結構，熱點研究方向為知識可視化、個人知識管理以及數字圖書館等。

3 共詞分析

共詞分析方法，對知識地圖領域的關鍵詞進行分析，研究它們之間的關系以及內在聯系。本文所選的期刊論文中，所獲得的關鍵詞在“知識地圖”領域的研究熱點方面具有一定的代表意義。在對其進行詞頻統計之后，采用共詞分析方法，來對其進行分析。

3.1 構造共詞矩陣

對高頻關鍵詞表中進行兩兩統計后，形成共詞矩陣，表2為該共詞矩陣的部分內容。

共詞矩陣為對稱矩陣，主對角線的數據定義為缺失，非主對角線中單元格的數據為兩個關鍵詞共同出現的次數。例如關鍵詞“本體”與“知識管理”在共詞矩陣中的共詞頻次為20，即表示有20篇期刊論文同時使用了這兩個關鍵詞。

3.2 構建相異矩陣

由于對其運用多元統計方法對矩陣的數據結構有不同的要求，為了能夠進行統計分析的方便，采用Ochiia系數將表2共詞矩陣轉換為相關矩陣（Ochiia系數為兩共詞同時出現的頻次除以兩共詞分別出現的頻次的開方之后的積）。在相關矩陣中，由于統計結果中的0的次數太多，為了減小分析結果的誤差，采用相異矩陣的形式來進行分析見表3。

4 統計分析

本文采用因子分析和聚類分析來對“知識地圖”研究方向進行分析，主要通過利用SPSS軟件對所得到的相異矩陣來進行分析。

4.1 因子分析

在對知識地圖進行論證分析的時候，所采取到的大量數據，對于我們進行知識地圖的研究分析，能夠提供更豐富的信息以及更高的精確度。但是由于工作量的巨大，以及可能會因為變量之間存在相關性而增加了研究問題的的復雜性，因此本文采用因子分析的方法來對知識地圖進行研究。因子分析法可以將提取到的觀測值進行分類，將它們以相關性的密切度進行依據來劃分分組。通過來對若干重要因子來進行分析，以達到以小見大的效果。我們將以抽取的關鍵詞相關矩陣為基礎對22個關鍵詞進行因子分析，在統計軟件SPSS中，選取主成分法和Varimax（方差最大正交旋轉）方法進行操作。

在采用主成分法對知識地圖的關鍵字進行主成分分析時，在主成分法中，主成分法的累計方差貢獻率達到80%以上的幾個主成分，都可以選作最后的主成分。通過運用SPSS軟件，結果提取到了8個因子，其主成分的的累計方差貢獻率達到了83.396%，所以在因子分析時，將知識地圖研究分為8類是比較合理的如表4。為了能夠直觀的顯示各主成分的情況，這里采用SPSS中的碎石圖以及旋轉因子空間成分圖來幫助我們進行分析，得到因子個數的碎石圖以及各成分之間的旋轉因子空間成分圖，如圖1與圖2。

圖1 因子個數的碎石圖

注：1 知識管理；2 企業；3 隱性知識；4 本體；5 圖書館；6 情報學；7 知識服務；8 知識組織；9 知識管理系統；10 知識共享；11 高校圖書館；12 競爭情報；13 可視化；14 知識庫；15 個人知識管理；16 知識結構；17 數字圖書館；18 社會網絡分析；19 顯性知識；20 知識表示；21 知識圖譜；22 數據挖掘；23 文獻計量

圖2 旋轉因子空間成分圖

4.2 聚類分析

聚類分析也叫分類分析或者數值分析，聚類分析是統計學中一種非常重要的統計方法。聚類分析可以將我們在知識地圖中所提取到的關鍵詞進行分組，從而將相似的數據歸為一類。通過應用聚類分析的方法來描述數據，可以衡量我們在知識地圖中所得到的關鍵字之間的相似性，以便于我們在分析時提供幫助。

本文在聚類分析中采用的是層次聚類中的合并法，層次聚類又稱為系統聚類，在SPSS中，通過將所有變量輸入，在聚類類型中采用Q型聚類（即根據變量對所觀察的樣本進行分類的聚類方法），選中Agglomeneration schedule（表示輸出聚類分析的凝聚狀態表），通過采用Ward Linkage，并以Dendrogram（表示輸出聚類分析樹狀圖）作為輸出，得到了Dendrogram using Ward Linkage Rescaled Distance Cluster Combine（使用Ward Linkage得到的系統樹圖），如圖3。

圖3 層次聚類的樹狀圖

通過對聚類分析得到的結果進行分析，并且與因子分析所得到的結果進行比較，聚類分析將結果分為8類：知識管理、企業應用、知識形態、知識本體、圖書館方面、競爭情報、社會知識服務、知識組織，將元素個數的影響包含在內，在主體方面與因子分析是相近的。

5結果討論

在下文中，將結合知識地圖的相關文獻來對知識地圖領域進行解讀。

（1）知識管理。知識地圖是為了創造價值，將領域上下中的人、資源和關系重新組合形成的一種網絡結構。在組織的知識管理過程中，可借助知識地圖，促進知識的檢索、積累和利用[5]。知識地圖的核心內容是知識管理，通過利用軟件系統或其他工具，構建知識管理系統，對組織中大量的有價值的方案、策劃、成果、經驗等知識進行分類存儲和管理，積累知識資產避免流失，促進知識的學習、共享、培訓、再利用和創新，有效降低組織運營成本，強化其核心競爭力。隨著組織的知識管理給社會的經濟、文化、教育等眾多領域帶來了巨大的影響，個人的知識管理也逐漸受到人們的極大關注[6]。

（2）企業應用。知識地圖最初被廣泛應用于企業管理。知識地圖在企業的應用主要有兩個方面：一是從企業內部提高企業自身的競爭力。隨著企業發展的需要，企業知識地圖對建立企業文化、快速培養員工、增加企業知識積累、加快企業發展、超越競爭對手等有著至關重要的影響[7]。通過數據挖掘等手段，提高企業領導者的管理決策能力，提升企業技術人員的創新能力，增加人力資本，降低人力成本，挖掘客戶知識，維持現有客戶以及發掘有價值的新客戶，從而獲取利潤。二是在與同類企業競爭時，利用知識地圖來獲取競爭情報，以形成競爭優勢。知識是企業迅速發展、保持競爭優勢的核心因素，對生產流程更加復雜、知識需求較大的項目型企業而言更加重要，知識管理的水平將決定企業能否在競爭日益激烈的市場中發展生存[8]。也正是因為這樣知識地圖在企業方面的研究，一直是不會“過期”的研究熱點。

（3）知識形態。知識分為顯性知識和隱性知識，顯性知識是指能夠用正規和系統語言明確表達及傳遞的知識，隱性知識是沒有用系統和編碼的語言表達出來的蘊藏于組織慣例之中的知識。隱性知識難于理解和表達，具有不容易獲取和轉移的特性。而知識挖掘，就是從數據庫中抽取隱含的、以前未知的、具有潛在應用價值的信息的過程。通過知識挖掘，利用合適并有效的方法，獲取其中的關鍵事件以及特征，歸納到知識地圖的對應分支，提高知識挖掘的效率和準確性，從而實現隱性知識顯性化。

（4）知識本體。本體（Ontology）是一個源于哲學的概念，是共享概念模型明確的形式化規范說明。把本體的概念融入到知識地圖中，可以保證知識地圖具有統一規范的結構形式[9]。基于本體知識地圖的構建一般大致可分為三個過程，一是本體的構建；二是以本體技術為依托構建知識地圖；三是知識地圖的可視化[10]。首先是明確知識地圖的構造目標，然后選擇合適的構建方法與工具構建本體，再以合適的方式以實現知識地圖的可視化。知識圖譜（Mapping Knowledge Domain）也被稱為科學知識圖譜，在圖書情報界稱為知識域可視化或知識領域映射地圖，是顯示知識發展進程與結構關系的一系列各種不同的圖形，用可視化技術描述知識資源及其載體，挖掘、分析、構建、繪制和顯示知識及它們之間的相互聯系。作為一種重要的描述知識本體的重要理論工具，目前，知識圖譜的實際應用在發達國家已經逐步拓展并取得了較好的效果，但是它在國內仍屬研究的起步階段。

（5）圖書館方面。如何將圖書館內部的顯性知識和隱性知識進行挖掘，提高知識的管理效率，是圖書館面臨的難題之一，而知識地圖的運用可以有效的解決這一問題。通過具體分析圖書館中的知識管理特點和知識地圖特點，目的在于通過全面有效的系統分析，設計出圖書館特有的知識地圖系統，為圖書館的工作人員、研究人員等不同類型的知識需求者提供一個知識獲取的快速平臺[11]。高校圖書館知識地圖的構建能夠促進地圖使用者快速、高效的查找所需知識，因此構建知識更全面、知識定位更準確的知識地圖尤為重要[12]。另一方面，隨著信息技術的發展，需要存儲和傳播的信息量越來越大，信息的種類和形式越來越豐富，傳統圖書館的機制顯然不能滿足這些需要。于是，行業內的專家提出了數字圖書館的概念，數字化也成為圖書館的發展方向。數字圖書館相對傳統圖書館而言，所展現的知識地圖的優勢體現在以下兩個方面：一是其所能存儲的信息遠大于后者，契合當今時代信息發展的需要；二是用戶共享突破了空間限制以及時間限制。

（6）競爭情報。作為當今社會三大資源之一的信息資源，也逐步超越了物質和能源資源，而成為社會的主要資源。競爭情報方面主要的應用還是在于企業知識管理方面，但競爭情報與知識管理既相似又有不同，將知識管理與競爭情報有機結合起來，能夠更好地發揮知識管理與競爭情報各自的優勢與長處，進一步提升競爭力[13]。競爭情報為知識轉變為可供行動的情報提供了路徑，競爭情報對企業情報需求和外部環境做出反應，并能夠提供情報、方案和對策[14]。作為知識管理技術之一，它被應用于情報學領域可以保障情報研究工作和知識交流工作順利進行，提高工作效率，避免因資源不足或經驗缺失造成的資源浪費，是對情報學技術的豐富和發展[15]。

（7）社會知識服務。對互聯網上海量信息進行處理，通常經過信息采集，信息過濾，信息分類，信息摘要，精華萃取等處理過程；運用交互式方法為用戶提供服務是知識服務的主要方法。構建知識地圖，可以更有效地促進知識服務。同時，借助社會網絡分析，既可以從文獻的表面特征間接揭示學科發展趨勢、發現核心作者和核心思想等，也可以基于挖掘文獻內容和內涵直接揭示學科知識流動、構建知識地圖、發現隱性知識等[16]。

（8）知識組織。知識組織的目的是為了能夠構建出適合人們需要的知識結構，這在知識地圖的建立有著重要的應用。知識結構具有多種結構模型，每一種模型都具有不同的特性，而所呈現出來的知識地圖也不相同。知識表示則是知識組織的前提和基礎，任何知識組織方法都是要建立在知識表示的基礎上。

在當今的知識經濟時代，如何對飛速增長的知識進行管理已成為一個組織必須面對的問題，知識地圖作為知識管理中極為重要的一個實施工具，近幾年在國內外也得到廣泛的重視[17]。知識地圖的主要研究方面還是在于企業管理以及教育等這些方面，而目前也有向很多方面發展的趨勢。我們在越來越多的方面能夠看到知識地圖的身影，但是向多方向發展仍然還是有不成熟的方面。

參考文獻

[1]楊曦宇. 知識地圖研究綜述[J]. 圖書館學刊， 2007（03）：133-136.

[2]李大鵬. 基于本體的學科知識地圖構建研究[D]. 華中師范大學， 2011.

[3]潘有能， 丁楠. 基于本體的組織知識地圖構建研究[J]. 情報科學， 2008（12）：1856-1860.

[4]鄭軼松， 齊二石， 裴小兵. 知識地圖及其在高科技復雜產品項目組織結構中的應用[J]. 系統工程， 2007（05）：116-119.

[5]熊奇. 基于知識地圖的知識檢索與推薦方法研究[D]. 上海交通大學， 2009.

[6]吳佳憶. 基于知識地圖的教師個人知識管理研究[D]. 云南大學， 2015.

[7]徐道珍. 連鎖超市企業知識管理系統的設計與實現[D]. 電子科技大學， 2014.

[8]劉常樂， 任旭. 項目型企業知識地圖的應用研究[J]. 項目管理技術， 2014（05）：21-24.

[9]宋有聰. 基于本體知識地圖構建方法的研究[D]. 湖南大學， 2013.

[10]郭翚.基于本體的人物傳記資料知識地圖構建研究[D]. 華中師范大學， 2015.

[11]高孟娜. 圖書館知識管理中知識地圖的分析與構建[D]. 鄭州大學， 2015.

[12]趙捷. 基于知識地圖的高校圖書館資源的管理研究[J]. 現代制造技術與裝備， 2014（01）：67-68.

[13]趙巖. 企業知識管理與競爭情報整合模型研究[D]. 武漢理工大學， 2013.

[14]邱均平，段宇鋒.論知識管理與競爭情報[J].圖書情報工作，2000，（4）：11-14.

[15]張旭.知識管理視域下情報學發展路徑探析，2013，（11）：3-6.

[16]牟冬梅， 鄭曉月， 王萍， 等. 社會網絡分析在學科知識結構研究上的方法思辨[J]. 情報理論與實踐， 2016（08）：22-27.

[17]楊睿. 高校知識地圖分析與構建[D]. 哈爾濱工業大學， 2010.