Please wait a minute...
Advanced Search
现代图书情报技术  2011, Vol. 27 Issue (1): 83-87    DOI: 10.11925/infotech.1003-3513.2011.01.13
  应用实践 本期目录 | 过刊浏览 | 高级检索 |
应用改进的共词聚类法探索医学信息学热点主题演变
杨颖1, 崔雷2
1. 中国医科大学图书馆 沈阳110001;
2. 中国医科大学信息管理与信息系统(医学)系 沈阳 110001
Evolution of Topics About Medical Informatics by Improved Co-word Cluster Analysis
Yang Ying1, Cui Lei2
1. Library of China Medical University, Shenyang 110001,China;
2. Department of Information Management and Information System (Medicine), China Medical University, Shenyang 110001,China
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 wordsCo-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   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn