關鍵詞頻度演化視角下的研究熱點挖掘方法研究

高勁松 彭博

摘? ?要：研究學科發展趨勢一直都是科研工作者關注的重要課題，然而現有的分析方法無法在挖掘學科熱點的同時探究熱點其類團的變化情況。文章構建了詞頻分析和共詞分析融合的關鍵詞頻度演化模型，以揭示學科熱點及其類團結構的變化情況。以圖書館學、情報學影響因子靠前的3種期刊以及國家社會科學基金為研究對象，借助所構建的頻度演化網絡模型，比較了基金主題與期刊研究熱點關聯關系，揭示了研究熱點和主題結構變化情況。研究發現，通過設定詞頻增長閾值對關鍵詞進行篩選，不僅可以有效挖掘研究發展趨勢，還可對比不同分類條件下研究熱點的異同;在與g指數方法的比較中能有效提前挖掘學科熱點的出現時間，為科研人員的研究提供重要參考。

關鍵詞：詞頻分析;共詞分析;數據挖掘;頻度演化

中圖分類號：G250.2? ?文獻標識碼：A? ?DOI：10.11968/tsyqb.1003-6938.2020044

Abstract The development trend of research discipline has always been an important topic of concern to researchers， but the existing analysis methods cannot explore the changes of hotspots while excavating the hotspots of discipline. Therefore， by building a model of keyword frequency evolution based on word frequency analysis and Co-word Analysis fusion can reveal the changes of hot topics and their class structure in a panoramic way. Based on the three journals of library science and information science and the national social science fund， the frequency evolution network model based on word frequency change is constructed to reveal the research hotspots and the theme structure changes. By setting the threshold of word frequency growth to screen keywords， not only the development trend of research is effectively excavated， but also the similarities and differences of research hotspots under different classification conditions are compared. Compared with the g-index method， it can effectively excavate the emergence time of subject hotspots in advance， which provides an important reference for the research of scientific researchers.

Key words word frequency analysis; co-word analysis; data mining; frequency evolution

1? ?引言

共詞分析是對研究文獻主題內容的關鍵詞進行統計分析，通過構建文獻中兩兩關鍵詞共現關系網絡對文獻所在學科的研究熱點變化、組成與范式進行研究[1]，從橫向和縱向兩方面分析學科領域的動態和靜態結構[2]。目前該方法已被廣泛用于信息檢索及科學計量等領域，普遍的研究方法是從被研究領域文獻的集合中按照一定閾值提取作者關鍵詞，而后根據關鍵詞的共現特征構建矩陣進行有關分析[3]，通過對作者關鍵詞中高頻關鍵詞的數量進行統計并構建關系矩陣，進而對學科研究熱點的遷移變化進行分析。然而關鍵詞的分布存在冪律分布特征，如果選擇過少，不能準確探究被研究領域研究熱點的構成及發展情況，無從分析研究熱點之間的關聯關系[4];如果選取全部數量的關鍵詞，不僅會增加數據處理的成本，同時還會降低關鍵詞共現網絡的網絡密度和聚類系數，無法有效概括被研究領域的知識全貌[5]。

面對以上問題，本文提出從關鍵詞詞頻的變化角度構建關鍵詞詞頻演化網絡，在提取研究文獻全部關鍵詞的基礎上將關鍵詞按時序方式進行統計，選取目標時間段內連續增長的關鍵詞并構建關聯關系矩陣形成詞對網絡。以文獻全部關鍵詞為分析對象的優勢在于能夠涵蓋研究對象知識結構的全貌，而引入增長率為篩選條件并構建關聯關系網絡能夠提高詞對網絡的密度，從而更加有效地探究學科組織結構和發展脈絡。同時由于研究領域的研究前沿具有新穎性、時效性、集中性特征[6]，詞頻演化網絡能夠減少高頻關鍵詞對低頻關鍵詞在統計學上干擾的同時，通過關鍵詞頻率變化態勢和關鍵詞關聯關系挖掘潛在研究前沿。

2? ?相關研究

目前國內外對于關鍵詞的研究主要可以分為兩大類：一類是對從不同類型分析單元提取的關鍵詞進行數量的統計，依據關鍵詞詞頻數量的變化及趨勢進行分析，這種方法通常被稱為詞頻分析法。由于關鍵詞的數量變化與情報現象之間具有內在聯系，情報現象的變化必然引發詞頻數量的波動[7]，詞頻分析法克服了文獻綜述定性總結描述中個人主觀性取舍對分析的影響，具有客觀性、準確性、系統性、實用性等特點，被廣泛用于揭示被研究領域的發展現狀及潛在研究熱點，并取得了大量的研究成果[8];另一類則是通過對被分析文獻的詞源進行篩選，提取關鍵詞在同一文獻中的共現關系構建關聯關系矩陣進行多元統計分析，利用社會網絡分析方法挖掘關鍵詞共現關系網絡的內在聯系，分析被研究領域學科結構演化過程、組成與范式。共詞分析法具有操作靈活、分析直觀等特點，已成為分析學科發展的重要工具，在各學科領域中得到了廣泛使用。

2.1? ? 詞頻分析法的研究現狀

詞頻分析法通過研究關鍵詞或主題詞在某一研究領域文獻中出現的頻次高低，提煉出該研究領域的研究熱點及潛在研究方向，目前主要以實證研究為主。如馬費成和張勤[9]確定國內外知識管理領域的關鍵詞后，以高頻關鍵詞為線索，對比分析了知識管理研究領域、研究方法和研究熱點;Vincent Ribie`re和Walter[10]對《Knowledge Management Research & Practice》期刊2003-2012年間刊載文獻進行詞頻統計分析，分析了知識管理研究領域十年間研究熱點及研究主題演化;Guo Chen和Xiao[11]將活動指數計算引入詞頻分析法，以中國數字圖書館研究領域的3560篇文獻為對象進行了分析，通過關鍵詞的統計探究研究領域的宏觀發展情況與知識結構;周鑫等[12]以JCR影響因子排名前九的美國圖書情報學期刊2000-2014年間刊載文獻為對象，使用詞頻分析法分析了美國圖書情報學的發展動向及研究熱點;王克平等[13]對我國高校數字圖書館近十五年間的研究論文高頻關鍵詞分布進行了研究，從時序角度分析了研究熱點的變遷，挖掘該領域的核心帶頭人。詞頻分析的相關研究在學科發展和主題研究上應用廣泛，具有客觀、準確、定性定量相結合等特點，同時也存在關鍵詞不規范、分析要素單一等問題[14]，詞頻分析因為是對關鍵詞出現次數的動態統計，能夠反映其在一段時間內的變化情況卻由于方法本身的限制無法就這些變化情況的關聯關系進行深入發掘，不能進行較深入的社群探測研究。隨著學術研究融合性、跨學科的發展特點越來越突出，僅僅使用詞頻分析法無法完整地揭示其發展趨勢和內在規律[15]。

2.2? ? 共詞分析法的研究現狀

共詞分析主要是統計一組詞在同一篇文獻中的兩兩出現次數， 由此構建它們的關聯關系，從而分析這些詞所代表的學科主題的結構變化。唐果媛和張薇[16]研究表明共詞分析的應用主要基于詞、主題、時間、拓展研究這四個層次。如張勤和馬費成[17]以知識管理領域的861篇文獻為研究對象，構建關鍵詞共現矩陣進行多維尺度分析，討論了知識管理研究領域的學術流派和研究范式;陳淋和屈文建[18]利用共詞分析法從三個時間段分析了我國圖書情報學主題動態演化的過程并得出研究領域的研究熱點及研究前沿;牟冬梅等[19]從時間-關鍵詞共現分析入手，構建圖書情報學特征因子前十七位期刊2006-2015年刊載文獻關鍵詞的詞篇矩陣，研究了領域研究熱點變遷情況和領域知識結構變化情況;Zhao Wanying等[20]等對比分析了圖書館學、社會學、物理學三個研究領域共詞網絡指標的不同，探討了不同學科共詞網絡之間可能存在的共性，證實了共詞分析法在識別研究領域熱門主題的有效性。共詞分析方法具有應用靈活和分析結果直觀的特點，通過反映關鍵詞間關聯強度來確定被研究領域的發展過程和結構演化。然而，受制于共詞網絡的構建流程，關鍵詞在連續時間段內的變化情況無法通過簡單的方式反映，若要分析共詞網絡的變化情況則需要按照不同階段多次構建共詞網絡，造成分析不連續、不完整、數據量陡增等問題。

針對詞頻分析法無法進行關鍵詞關聯關系分析以及共詞分析法較難進行網絡演化分析的問題。文章提出在統計關鍵詞詞頻變化的基礎上構建關鍵詞頻度演化網絡，從時序角度對詞頻變化情況進行分析。在研究詞頻變化的同時探究其具有的關聯關系，這樣可以挖掘被分析領域潛在研究熱點的變遷、探測知識結構變化、揭示發展趨勢和內在規律。

3? ?關鍵詞頻度演化網絡模型的構建

3.1? ? 統計詞頻變化率

關鍵詞在所在領域文獻中出現頻次的高低代表了其對應內容的研究熱度，而研究熱度是一個逐步上升的過程，關鍵詞詞頻總體來說會呈現出一種增長的態勢，當其增長到峰值后會成為研究熱點，而后增長態勢會趨于平緩[21]。因此，識別處于數量增長階段的主題關鍵詞，能夠為研究熱點的出現提供一定的參考，為科研人員在研究方向的選擇上提供前瞻預測。

Ft表示關鍵詞詞頻的變化率，Ft的大小會隨時間的變化而變化，Ft大于1說明該關鍵詞的出現頻率較上個統計時間段增加，小于1則說明頻率減少，等于0意味著關鍵詞在當前統計時間段內沒有出現。因此Ft的大小表示關鍵詞詞頻的變化率，能夠直觀的衡量關鍵詞及關鍵詞所代表研究領域的發展變化情況。

3.2? ? 構建關鍵詞頻度演化關系網絡

共詞網絡可以被描述為圖模型G=（V，E），在此基礎上文章提出基于時序的圖模型Ti來表示使用關鍵詞變化情況計數的共詞網絡，即Ti=（Vk（Ft），Ek）。其中Vk（Ft） ={ak·k（Ft）}，k（Ft）表示指定時間段內關鍵詞k的詞頻的變化情況，ak是關鍵詞節點在可視化時的控制系數，取值為關鍵詞在開始時間段頻率的值，用來表示關鍵詞節點的初始大小，m表示關鍵詞的種類個數，Vk（Ft）是在時間段內詞頻持續增長關鍵詞的集合。關鍵詞詞頻變量關聯關系的集合是Ek={Vk（Ft）×Vl（Ft）}，由于詞頻隨時間段不同而變化，Ek表示關鍵詞k與其在同一篇文獻中出現的關鍵詞l的關聯關系，是這些關鍵詞的共現關系矩陣。

Ti的網絡規模可以根據關鍵詞詞頻Ft閾值的設定而變化，在提取研究熱點時Ft值越大表明篩選出的關鍵詞增長率越高，發展情況也越迅速。Ft閾值的選取對研究結果有著重要影響，閾值偏低會造成可視化結果的節點和連線數過多，影響數據挖掘效果，閾值偏高會過濾掉大量信息，使新興研究熱點的出現時間延長，影響數據挖掘效率。文章根據詞頻與時間的比例設定閾值，以一種關鍵詞在單位時間段內最少出現1次為依據，利用這樣的關鍵詞在所有關鍵詞中的比例決定閾值，即Threshold（Ft）=100·。而要對多個數據源進行分類研究則需要對多個T網絡進行分別計算，即Ti={∪……}，對于不同數據源中相同的關鍵詞k及l也分別標注為ko及lo。

4.3? ? 基金高頻主題演化分析

本研究同樣從基金關鍵詞變化的角度對基金數據進行演化分析，選取閾值為2對基金主題詞網絡進行可視化分析。基金關鍵詞較期刊更為集中，主題熱點的變化幅度沒有期刊關鍵詞網絡大（見圖2），這與基金主題的高度概括性特點有關。一直持續出現的高頻主題有社會科學中的人文應用、政府開放與公開、評價的指標體系與質量、互聯網風險、數字圖書館的發展、企業競爭情報、數字檔案館與少數民族檔案文獻遺產、個性化知識服務等。而近年來出現的高頻主題有數據環境對評價的影響、數字檔案館的需求融合、大眾創業萬眾創新等。同時也能發現Web2.0、典籍的整理開發等成為已經消亡的主題。

4.4? ? 分類研究熱點演化情況分析

同一級學科下不同期刊的研究熱點存在差異，研究熱點會分布于不同的主題[26]。而不同的主題分布會對期刊的引用以及不同學者的關注度造成影響，這樣科研人員在研究不同主題時會選擇相對應的期刊作為研究重點[27]。因此，研究不同期刊研究主題的變化與分布，可以為研究人員提供更多關于研究主題選擇上的參考。

將各期刊刊載文獻研究熱點的變化情況中進行演化分析（見圖3），該圖通過分類標示各期刊刊載文獻關鍵詞變化情況及其詞對變化關系，來反映不同期刊研究熱點及關鍵詞類團的變化情況，以此研究不同分類下的期刊研究熱點的發展情況與變化趨勢。

如GROUP A與GROUP B所示，在圖書館學情報學兩棲期刊中，“開放獲取”和“高校圖書館”是兩個重要的研究熱點，而且兩個研究熱點分別形成了規模較大的兩個類團。開放獲取的相關研究經歷了機構知識庫到開放出版到開放數據的研究熱點變化，而高校圖書館的研究側重點則從學科服務逐漸轉變到閱讀推廣。

GROUP C、D、E反映的是圖書館學期刊近十一年研究熱點的變化情況，從這三個類團的變化情況可以發現：“圖書館學研究”“公共圖書館”“圖書情報學”是該期刊研究文獻長期以來關注的熱點。其中公共圖書館的相關研究由標準建設和立法逐漸轉變成戰略規劃和評價體系，從這種變化可以探究公共圖書館法與2010年左右由正式形成規范性的研究體系，而后經歷將近8年時間的持續發展研究，最終于2018年生效。同時從圖中的時序變化可以發現，圖書情報學發展相關的研究熱點經歷了“Web2.0”“信息行為”和“數字人文”的發展變化，數字人文的相關研究成為了近兩年該刊研究文獻的熱門研究方向。

相較于以上兩種期刊刊載文獻的新興研究熱點多是圍繞著某一研究方向主線的演變與發展而展開的情況。情報學期刊刊載文獻研究熱點變化則是圍繞著類團進行，如GROUP F、G、H所示，2007-2010年的研究熱點集中在“競爭情報”“知識管理”和“數據挖掘”上，2011-2014年的研究熱點集中在“社會網絡分析”“微博”“科技報告”上，近年間“大數據”“網絡輿情”“知識發現”成為當前快速增長的研究熱點。這些數據說明該期刊研究熱點可以被分為熱點主題和熱點方法，一個主題可以對應多種方法，而一種方法可以隨著科學研究的發展與演化在不同時段應用于多個主題。如社會網絡分析的相關研究就經歷了數據挖掘、微博和網絡輿情的研究熱點變化，而共詞分析研究方法則分別被用于知識管理、數字圖書館、文獻計量的相關研究。

總體來說，雖然研究對象中的三種期刊屬于圖書館、情報與文獻學大類，然而各期刊刊載文獻關注點和研究方法卻不同。圖書館學、情報學兩棲期刊同時著眼圖書館與情報學研究，一直以來重點關注高校圖書館相關和開放獲取相關研究;圖書館學期刊主要關注公共圖書館相關工作和圖書情報學有關研究前沿;情報學期刊則側重情報學研究前沿和研究方法的應用，研究重點較以上兩刊分散，但研究類團緊密程度較高，這說明情報學相關研究方法之間有著緊密的關聯和復用關系。

4.5? ? 關聯關系涌現與高頻熱點對比分析

關鍵詞頻度演化的過程實質上是研究熱點產生的過程[28]，對于科研人員而言較早的獲取研究熱點的發展方向，比研究已經成為熱點的研究領域更有前瞻性和參考性。

文章將期刊關鍵詞數據同基金主題數據進行對比（見圖4），由于合并后詞頻超過11的關鍵詞占比超過全部關鍵詞的3%，故對比圖中閾值為3，淺色代表基金主題、深色代表期刊關鍵詞。通過對比發現基金關注主題更具有連續性，關注重點有信息資源、檔案、企業知識的管理模式與機制，圖書館的文化創新策略，數據環境下情報學與互聯網的特點，網絡信息用戶的分析。期刊研究熱點可以視為是基金主題的具體化體現，如基金中圖書館創新的主題在期刊中早期體現為服務模式的研究，而后發展為學科服務，最近的研究重點變為全民閱讀和閱讀推廣，還有如網絡信息用戶的相關研究主題由期刊熱點中的Web2.0逐漸轉換到了語義網與知識組織，基金主題中最新出現的數據環境與情報學相關研究在期刊熱點中可體現為大數據與智慧城市。基金主題詞較期刊關鍵詞變化速度及變化率都較慢，但基金主題詞更為集中，同時也出現基金主題不變而期刊研究熱點逐漸發生轉變的情況。這說明基金主題是期刊文獻研究熱點的方向指導，但在具體研究分支及技術的應用中，由于新理論和新技術的出現，解決同樣問題出現了更好和更有效率的解決方法，因此期刊研究熱點自發的產生了變化，而基金主題未變的情況。

為了對比分析頻度演化方法判斷熱點出現時間與傳統方法的不同，本研究在高頻關鍵詞的選擇上文章選用現階段被廣泛采用的詞頻g指數[29]對高頻關鍵詞進行界定，詞頻g指數的定義是：一個關鍵詞的頻率統計量為g，在當前選取的關鍵詞總數N中， 存在g個關鍵詞的詞頻統計量大于g2，同時g+1小于（g+1）2。通過計算，本次實驗中期刊高頻關鍵詞的選擇數量g=21，即頻率排名前21位的關鍵詞可作為高頻關鍵詞選取。

本研究以時間t為單位，提取出這21個關鍵詞出現頻率最高的年度tn與關鍵詞頻度演化過程中該關鍵詞的峰值年度進行對比得出結果（見表1）。

在選取的21個高頻關鍵詞中，“圖書館”“圖書館學”由于詞義本身代表意義的廣泛性，使得與之具有關聯關系的關鍵詞詞對數量沒有達到閾值，“競爭情報”“情報學”“信息檢索”關鍵詞在樣本初始計時年度就已經達到峰值，故不存在頻度演化峰值。在剩余的16個高頻關鍵詞的對比中，頻度演化關鍵詞峰值出現的時間較g頻度選取的高頻關鍵詞提高了1年，占統計總時間段的9%。在基金主題的詞中，頻度演化關鍵詞峰值出現時間較g頻度選取的高頻關鍵詞提高了2.1年，占統計總時間段的20%。通過期刊關鍵詞與基金主題詞的對比，關鍵詞頻度演化方法在主題較為集中的關鍵詞數據中更能夠提前揭示關鍵詞峰值出現時間，這使得研究人員能結合關鍵詞間關聯關系數量與頻率的變化情況，能夠更早的發現潛在研究熱點的出現，為科學研究提供參考。

4.6? ? 結論

學科熱點的出現、發展和消失是科學研究的循環形態[30]。從關鍵詞詞頻演化角度來看，不同期刊關鍵詞演化數據的聚合可以挖掘學科重要熱點，多種期刊關鍵詞合并統計后能夠更明顯的挖掘領域研究熱點及其所構成類團的變化情況，研究熱點的增長及收縮期明顯延長，更有利于研究熱點類團的挖掘與分析。然而由于各期刊刊載文獻量的不同，刊載文章數較多、發行頻率較頻繁的期刊在領域研究熱點分布的研究中占有更大的比重，一定程度上會對整體研究結果產生影響，部分載文較少期刊研究熱點的分布情況被忽略。因此，本研究從領域整體和各期刊以及基金主題詞多種角度進行分析，在研究領域整體研究熱點變化情況的同時，兼顧各期刊研究熱點發展變化趨勢，將基金主題變化與期刊研究熱點變化進行了對比，從多個角度分析了研究熱點的發展趨勢。同時與g指數高頻關鍵詞選擇方法的對比，關鍵詞頻度演化方法的統計峰值比常用的高頻關鍵詞統計峰值提前了1年，在基金主題詞中更是提前了2.1年，能夠更有效的在熱點發展初期對其進行挖掘和分析。

5? ?結語

關鍵詞是文獻作者對文章內容的高度凝練與概括的結果，是文獻基本內容的反映，但由于其標引具有主觀性和非統一性，即不依賴受控詞表，由文獻作者進行自由標引，因此關鍵詞標引中存在的不一致問題成為關鍵詞相關分析的干擾因素。由于研究領域成為熱點的關鍵詞會被科研人員在后續研究中發現并采用，本文從關鍵詞變化角度出發，研究關鍵詞詞頻的演化情況，利用關鍵詞重復出現統計數據剔除不標準的標引的關鍵詞，同時通過關鍵詞的共現關系研究主題及其類團的發展情況。以圖書情報學三種影響因子排名靠前期刊與基金主題詞變化的對比實驗驗證了關鍵詞頻度演化研究方法在挖掘領域學科熱點變化和動態知識結構研究中整體的適用性及進行分類研究的可擴展性。在與主流高頻關鍵詞進行研究熱點挖掘方法的對比中，關鍵詞頻度演化方法能有效提前研究熱點的出現時間，為科研人員研究方向的選擇提供更具時效性的參考。

文章構建的詞頻演化網絡沒有過多討論所挖掘增長狀態中的學科研究熱點與已有學科熱點中存在的關聯關系，也未檢驗不同閾值對挖掘結果的影響。下一步的研究需要就以上問題進行深入探索，同時進一步擴大實驗數據選取的范圍和數量，以期從更大的范圍和更長的時間段選取研究對象，分析研究熱點的增長及分布情況。

參考文獻：

[1]? 李綱，巴志超.共詞分析過程中的若干問題研究[J].中國圖書館學報，2017，43（4）：93-113.

[2]? 馮璐，冷伏海.共詞分析方法理論進展[J].中國圖書館學報，2006，32（2）：88-92.

[3]? 巴志超，李綱，朱世偉.共現分析中的關鍵詞選擇與語義度量方法研究[J].情報學報，2016，35（2）：197-207.

[4]? Serrano M ？魣，Bogu？觡á M，Vespignani A.Extracting the multiscale backbone of complex weighted networks[J].Proceedings of the National Academy of Sciences of the United States of America，2009，106（16）：6483-6488.

[5]? 楊建林.關鍵詞選擇策略及其對共詞分析的影響[J].情報學報，2014（10）：1083-1090.

[6]? 鄭彥寧，許曉陽，劉志輝.基于關鍵詞共現的研究前沿識別方法研究[J].圖書情報工作，2016，60（4）：85-92.

[7]? 鄧珞華.詞頻分析——一種新的情報分析研究方法[J].大學圖書館學報，1988，6（2）：18-25.

[8]? Ding Y，Chowdhury G G，Foo S.Bibliometric Cartography of Information Retrieval Research by Using Co-Word Analysis[J].Information Processing & Management，2001，37（6）：817-842.

[9]? 馬費成，張勤.國內外知識管理研究熱點——基于詞頻的統計分析[J].情報學報，2006，25（2）：163-171.

[10]? Ribière V，Walter C.10 years of KM theory and practices[J].Knowledge Management Research & Practice，2013，11（1）：4-9.

[11]? Chen G，Xiao L.Selecting publication keywords for domain analysis in bibliometrics： A comparison of three methods[J].Journal of Informetrics，2016，10（1）：212-223.

[12]? 周鑫，蔣勛，陳媛媛.詞頻變化率模型視域下美國情報學研究發展動向分析[J].情報科學，2017（4）：166-172.

[13]? 王克平，陳辰，車堯.基于CSSCI我國高校數字圖書館研究論文的統計分析[J].情報科學，2017（10）：63-67.

[14]? 安興茹.我國詞頻分析法的方法論研究（I）——統計分析要素的界定、分類及問題[J].情報雜志，2016，35（2）：75-80.

[15]? 張勤.詞頻分析法在學科發展動態研究中的應用綜述[J].圖書情報知識，2011（2）：95-98.

[16]? 唐果媛，張薇.國內外共詞分析法研究的發展與分析[J].圖書情報工作，2014，58（22）：138-145.

[17]? 張勤，馬費成.國外知識管理研究范式——以共詞分析為方法[J].管理科學學報，2007，10（6）：65-75.

[18]? 陳淋，屈文建.基于共詞分析的我國圖書情報學研究主題演化分析[J].新世紀圖書館，2017（12）：13-18.

[19]? 牟冬梅，琚沅紅，鄭曉月，等.基于時間-關鍵詞共現分析的學科動態知識結構研究——以國外圖書情報學為例[J].圖書情報工作，2017，61（12）：21-31.

[20]? Zhao W，Mao J，Lu K.Ranking themes on co-word networks： Exploring the relationships among different metrics[J].Information Processing & Management，2018，54（2）：203-218.

[21]? 齊亞雙，祝娜，翟羽佳.基于DTM的國內外情報學研究主題熱度演化對比研究[J].圖書情報工作，2016，60（16）：99-109.

[22]? 邱均平，胡小洋，《中國學術期刊評價研究報告》項目組.RCCSE中國學術期刊評價研究報告（2017-2018）評價結果[J].評價與管理，2016，14（4）：36.

[23]? Palla G，Barabási A L，Vicsek T.Quantifying social group evolution[J].Nature，2007，446（7136）：664.

[24]? Krstajic M，Bertini E，Keim D.CloudLines：Compact Display of Event Episodes in Multiple Time-Series[J].IEEE Transactions on Visualization & Computer Graphics，2011，17（12）：2432.

[25]? Mcgee F，Dingliana J.An empirical study on the impact of edge bundling on user comprehension of graphs[C].International Working Conference on Advanced Visual Interfaces，2012：620-627.

[26]? Tsay M Y.A bibliometric analysis and comparison on three information science journals： JASIST，IPM，JOD，1998-2008[J].Scientometrics，2011，89（2）：591-606.

[27]? Nisonger T E.Use of "Journal of Citation Reports" for Serials Management in Research Libraries： An Investigation of the Effect of Self-Citation on Journal Rankings in Library and Information Science and Genetics[J].College & Research Libraries，2000，61（2）.

[28]? 滕廣青.基于頻度演化的領域知識關聯關系涌現[J].中國圖書館學報，2018，44（3）：79-95.

[29]? Egghe L.Theory and practise of theg-index[J].Scientometrics，2006，69（1）：131-152.

[30]? Hsieh H F.Three Approaches to Qualitative Content Analysis[J].Qualitative Health Research，2005，15（9）：1277-1288.

作者簡介：高勁松，女，華中師范大學信息管理學院教授，博士生導師;彭博，男，華中師范大學信息管理學院博士研究生。