应用改进的共词聚类法探索医学信息学热点主题演变

doi:10.11925/infotech.1003-3513.2011.01.13

摘要
参考文献
相关文章
Metrics

全文: PDF(420 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

对传统的共词聚类方法进行完善:依据高频低频词界分公式选取高频词;计算粘合力确定每个类别的中心词;对比分析两个时间段,发现主题演变。以医学信息学为例,从PubMed数据库分别下载1999年-2003年和2004年-2008年该学科相关文献,提取主要主题词,进行共词聚类分析,探索医学信息学学科结构的演变过程。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	杨颖
	崔雷

关键词 ：共词分析, 可视化, 聚类, 粘合力, 齐普夫定律

Abstract：

Co-word cluster method is improved by following ways: high-frequency words are selected according to the formula derived from Zipf’s law; adhesive force is used to identify the core major MeSH words for tagging the content of each cluster; contrastive analysis of two periods helps to find the topics change. The bibliographic data of medical informatics are collected from PubMed in two periods (1999-2003 and 2004-2008). Major MeSH words from the articles are extracted separately to make co-word clusters as to explore the evolution of this subject structure based on comparison of two periods.

Key words： Co-word analysis Visualization Cluster Adhesive force Zipf’s law

收稿日期: 2010-09-26

G35

引用本文:

杨颖, 崔雷. 应用改进的共词聚类法探索医学信息学热点主题演变[J]. 现代图书情报技术, 2011, 27(1): 83-87.
Yang Ying, Cui Lei. Evolution of Topics About Medical Informatics by Improved Co-word Cluster Analysis. New Technology of Library and Information Service, DOI：10.11925/infotech.1003-3513.2011.01.13.

链接本文:

http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2011.01.13

[1] 朱安青, 周金元. 我国科技查新研究热点及趋势分析—共词分析视角
[J]. 图书情报研究 , 2009, 2(4): 45-49.

[2] 张勤, 马费成. 国内知识管理结构研究探讨—以共词分析为方法
[J]. 情报科学 , 2008(1): 93-101.

[3] 楼雯, 屈卫群, 李立从. 基于共词分析法的我国竞争情报研究主题分析
[J]. 情报杂志 , 2009, 28(Z2):88-90.

[4] Ohniwa R L, Hibino A, Takeyasu K. Trends in Research Foci in Life Science Fields over the Last 30 Years Monitored by Emerging Topics
[J]. Scientometrics, 2010, 85(1): 111-127.

[5] Janssens F, Leta J, Glanzel W, et al.Towards Mapping Library and Information Science
[J]. Information Processing & Management,2006, 42(6):1614-1642.

[6] 李长玲,翟雪梅.基于硕士学位论文的我国图书馆学与情报学研究热点分析
[J]. 情报科学 , 2008(7):1056-1060.

[7] Sardinha, Andrew P B. Applications of WordSmith Keywords
[J]. Liverpool Working Papers in Applied Linguistics, 1996, 2(1): 81-90.

[8] 马费成,望俊成,陈金霞,等.我国数字信息资源研究的热点领域:共词分析透视
[J]. 理论与探索 , 2007,30(4):438-443.

[9] Donohue J C. Understanding Scientific Literatures—A Bibliometric Approach
[M]. Cambridge: The MIT Press,1973: 49–50.

[10] 钟伟金. 共词聚类分析法的类团实例研究——对肿瘤治疗热点主题的分析
[J]. 中华医学图书情报杂志 , 2009, 18(2): 48-53.

[11] 崔雷, 刘伟, 闫雷, 等. 文献数据库中书目信息共现挖掘系统的开发
[J]. 现代图书情报技术 , 2008(8):70-75.

[1]	李柯,佐々木勇和. 基于多维小波聚类的空间文本数据情感分布分析[J]. 数据分析与知识发现, 2019, 3(7): 14-22.
[2]	杨海慈,王军. 宋代学术师承知识图谱的构建与可视化[J]. 数据分析与知识发现, 2019, 3(6): 109-116.
[3]	杨亚楠,赵文辉,张健,谭珅,张贝贝. 基于多视图协同的政策文本可视化研究^*[J]. 数据分析与知识发现, 2019, 3(6): 30-41.
[4]	程齐凯,王佳敏,陆伟. 基于引用共词网络的领域基础词汇发现研究^*[J]. 数据分析与知识发现, 2019, 3(6): 57-65.
[5]	周成,魏红芹. *专利价值评估与分类研究^——基于自组织映射支持向量机**[J]. 数据分析与知识发现, 2019, 3(5): 117-124.
[6]	吴江,刘冠君,胡仙. 在线医疗健康研究的系统综述: 研究热点、主题演化和研究方法^*[J]. 数据分析与知识发现, 2019, 3(4): 2-12.
[7]	陆泉,朱安琪,张霁月,陈静. *中文网络健康社区中的用户信息需求挖掘研究^——以求医网肿瘤板块数据为例**[J]. 数据分析与知识发现, 2019, 3(4): 22-32.
[8]	吴江,赵颖慧,高嘉慧. 医疗舆情事件的微博意见领袖识别与分析研究^*[J]. 数据分析与知识发现, 2019, 3(4): 53-62.
[9]	肖连杰,郜梦蕊,苏新宁. 一种基于模糊C-均值聚类的欠采样集成不平衡数据分类算法^*[J]. 数据分析与知识发现, 2019, 3(4): 90-96.
[10]	吴志强,祝忠明,刘巍,王思丽. CSpace知识分析与可视化功能扩展研究与实践^*[J]. 数据分析与知识发现, 2019, 3(3): 112-119.
[11]	叶佳鑫,熊回香. 基于标签的跨领域资源个性化推荐研究^*[J]. 数据分析与知识发现, 2019, 3(2): 21-32.
[12]	张涛,马海群. 一种基于LDA主题模型的政策文本聚类方法研究^*[J]. 数据分析与知识发现, 2018, 2(9): 59-65.
[13]	李湘东,高凡,李悠海. 共通语义空间下的跨文献类型文本自动分类研究^*[J]. 数据分析与知识发现, 2018, 2(9): 66-73.
[14]	陈挺,李国鹏,王小梅. 基于t-SNE降维的科学基金资助项目可视化方法研究^*[J]. 数据分析与知识发现, 2018, 2(8): 1-9.
[15]	牟冬梅,金姗,琚沅红. 基于文献数据的疾病与基因关联关系研究^*[J]. 数据分析与知识发现, 2018, 2(8): 98-106.

Viewed

Full text

Abstract

Cited

Shared

Discussed