Please wait a minute...
Advanced Search
现代图书情报技术  2016, Vol. 32 Issue (1): 65-72    DOI: 10.11925/infotech.1003-3513.2016.01.10
  研究论文 本期目录 | 过刊浏览 | 高级检索 |
LOD的网络结构分析与可视化*
夏立新,谭荧()
华中师范大学信息管理学院 武汉 430079
Analysis and Visualization of the LOD Network Structure
Lixin Xia,Ying Tan()
School of Information Management, Central China Normal University, Wuhan 430079, China
全文: PDF(4085 KB)   HTML ( 49
输出: BibTeX | EndNote (RIS)      
摘要 【目的】对关联开放数据(LOD)进行结构特征分析, 利用分析结果指导关联数据的组织实践。【方法】通过度分布、平均路径长度、聚类系数等指标描述LOD网络结构, 对比复杂网络理论中的两个基本性质: 无标度特性和小世界效应。【结果】LOD整体网络结构具有近似无标度网络的幂率分布特征, 图书馆学、情报学领域子网具有相对均匀的指数分布特征, 两网同时具有短平均路径长度和高聚类系数的小世界效应。 【局限】 缺乏对关键节点的多权重赋值。【结论】LOD的小世界特性能优化检索效率, 而无标度特性会降低整个网络的稳定性。
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
夏立新
谭荧
关键词 LOD复杂网络网络结构可视化    
Abstract

[Objective] This paper aims to analyze the structural features of Linked Open Data (LOD), and the results can be used to guide the organization of linked data in practice. [Methods] Describing LOD network with degree distribution, average path length, clustering coefficient and other indexes, this paper compares scale-free network and small-world network in the complex network theory. [Results] The structure of LOD network shows a power-law distribution, approximate the scale-free network. The Publication subnet of LOD shows a relatively homogeneous exponential distribution. Two networks both have a short average path length and high clustering coefficient. [Limitations] Lack of assigning key nodes to more weight. [Conclusions] Small-world phenomenon of LOD can optimize the retrieval efficiency, and scale-free feature will reduce the stability of the entire network.

Key wordsLinked Open Data    Complex network    Network structure    Visualization
收稿日期: 2015-07-20     
基金资助:*本文系国家社会科学基金重大招标项目“基于多维度聚合的网络资源知识发现研究”(项目编号:13&ZD183)的研究成果之一
引用本文:   
夏立新,谭荧. LOD的网络结构分析与可视化*[J]. 现代图书情报技术, 2016, 32(1): 65-72.
Lixin Xia,Ying Tan. Analysis and Visualization of the LOD Network Structure. New Technology of Library and Information Service, DOI:10.11925/infotech.1003-3513.2016.01.10.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2016.01.10
[1] Bizer C, Heath T, Berner-Lee T.Linked Data-The Story So Far[J]. International Journal on Semantic Web and Information Systems, 2009, 5(3): 1-22.
[2] Schmachtenberg M, Bizer C, Paulheim H. State of the LOD Cloud2014 [R/OL]. (2014-08-30). [2015-04-28].
[3] 夏翠娟, 刘炜, 赵亮, 等. 关联数据发布技术及其实现——以Drupal为例[J]. 中国图书馆学报, 2012, 38(1): 49-57.
[3] (Xia Cuijuan, Liu Wei, Zhao Liang, et al.The Current Technologies and Tools for Linked Data: A Case of Drupal[J]. Journal of Library Science in China, 2012, 38(1): 49-57.)
[4] 沈志宏, 刘筱敏, 郭学兵,等. 关联数据发布流程与关键问题研究——以科技文献、科学数据发布为例[J]. 中国图书馆学报, 2013, 39(2): 53-62.
[4] (Shen Zhihong, Liu Xiaomin, Guo Xuebing, et al.A Research on Publishing Workflow and Key Issues of Linked Data: Experience with Publishing Scientific Literature and Scientific Data as Linked Data [J]. Journal of Library Science in China, 2013, 39(2): 53-62.)
[5] 王忠义, 夏立新, 石义金, 等. 数字图书馆中层关联数据的创建与发布[J]. 现代图书情报技术, 2013(5): 28-33.
[5] (Wang Zhongyi, Xia Lixin, Shi Yijin, et al.The Creation and Publishing of Middle Linked Data in Digital Library [J]. New Technology of Library and Information Service, 2013(5): 28-33.)
[6] 白海燕, 梁冰. 利用D2R实现关系数据库与关联数据的语义模式映射[J]. 现代图书情报技术, 2011(7-8): 1-7.
[6] Bai Haiyan, Liang Bing.Semantic Pattern Mapping Between RDBMS and Linked Data Based on Open Source Software[J]. New Technology of Library and Information Service, 2011(7-8): 1-7.)
[7] 沈志宏, 黎建辉, 张晓林. 关联数据互联技术研究综述: 应用、方法与框架[J]. 图书情报工作, 2013, 57(14): 125-133.
[7] (Shen Zhihong, Li Jianhui, Zhang Xiaolin.Research Review on the Interlinking Technology of Linked Data: Applications, Methods and Frameworks[J]. Library and Information Service, 2013, 57(14): 125-133.)
[8] 朱雯晶, 夏翠娟, 刘炜. SILK关联发现框架综析[J]. 现代图书情报技术, 2013(4): 18-24.
[8] (Zhu Wenjing, Xia Cuijuan, Liu Wei.Analysis of SILK Linkage Discovery Framework[J]. New Technology of Library and Information Service, 2013(4): 18-24.)
[9] 白海燕, 朱礼军. 关联数据的自动关联构建研究[J]. 现代图书情报技术, 2010(2): 44-49.
[9] (Bai Haiyan, Zhu Lijun.Research on Automatic Interlinking of Linked Data[J]. New Technology of Library and Information Service, 2010(2): 44-49.)
[10] 马费成, 赵红斌, 万燕玲, 等. 基于关联数据的网络信息资源集成[J]. 情报杂志, 2011, 30(2): 167-170, 175.
[10] (Ma Feicheng, Zhao Hongbin, Wan Yanling, et al.Integration of Network Information Resource Based on Linked Data[J]. Journal of Intelligence, 2011, 30(2): 167-170, 175.)
[11] 欧石燕, 胡珊, 张帅. 本体与关联数据驱动的图书馆信息资源语义整合方法及其测评[J]. 图书情报工作, 2014, 58(2): 5-13.
[11] (Ou Shiyan, Hu Shan, Zhang Shuai.An Ontology & Linked Data Driven Semantic Integrantion Method of Library Information Resources and Its Evaluation[J]. Library and Information Service, 2014, 58(2): 5-13.)
[12] Schmachtenberg M, Bizer C, Paulheim H.Adoption of the Linked Data Best Practices in Different Topical Domains [C]. In: Proceedings of the 13th International Semantic Web Conference, Riva del Garda, Italy. Springer International Publishing, 2014: 245-260.
[13] Auer S, Demter J, Martin M, et al.Lodstats-An Extensible Framework for High-Performance Dataset Analytics [C]. In: Proceedings of the 18th International Conference on Knowledge Engineering and Knowledge Management, Galway, Ireland. Springer Berlin Heidelberg, 2012: 353-362.
[14] Campinas S, Ceccarelli D, Delbru R, et al.The Sindice-2011 Dataset for Entity-Oriented Search in the Web of Data [C]. In: Proceedings of the 1st International Workshop on Entity-oriented Search (EOS), Beijing, China. 2011: 26-32.
[15] Bizer C, Eckert, K, Meusel , R, et al. Deployment of RDFa, Microdata, and Microformats on the Web-A Quantitative Analysis [C]. In: Proceedings of the 12th International Semantic Web Conference, Sydney, Australia. 2013: 17-32.
[16] 汪小帆, 李翔, 陈关荣. 网络科学导论[M]. 北京: 高等教育出版社, 2012: 108-115.
[16] (Wang Xiaofan, Li Xiang, Chen Guanrong.Network Science: An Introduction [M]. Beijing: High Education Press, 2012: 108-115.)
[17] 汪小帆, 李翔, 陈关荣. 复杂网络:理论及其应用[M]. 第4版. 北京: 清华大学出版社, 2006: 22-34.
[17] (Wang Xiaofan, Li Xiang, Chen Guanrong.Complex Networks: Theory and Its Application[M]. The 4th Edition. Beijing: Tsinghua University Press, 2006: 22-34.)
[18] About the Datahub [EB/OL]. [2015-04-28].
[19] Describing Linked Datasets with the Void Vocabulary [EB/OL]. [2015-04-28].
[20] Heath T, Bizer C.Linked Data: Evolving the Web into a Global Data Space[M]. San Rafael: Morgan & Claypool Publishers, 2011:64.
[21] RKB Explorer [EB/OL]. [2015-04-28]. .
[1] 曾庆田,胡晓慧,李超. 融合主题词嵌入和网络结构分析的主题关键词提取方法 *[J]. 数据分析与知识发现, 2019, 3(7): 52-60.
[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] 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.
[5] 李想,钱晓东. 商品在线评价对消费趋同影响研究*[J]. 数据分析与知识发现, 2019, 3(3): 102-111.
[6] 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.
[7] 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.
[8] 钱晓东,李敏. 基于复杂网络重叠社区的电子商务用户复合类型识别*[J]. 数据分析与知识发现, 2018, 2(6): 79-91.
[9] 杨斯楠,徐健,叶萍萍. 网络评论情感可视化技术方法及工具研究*[J]. 数据分析与知识发现, 2018, 2(5): 77-87.
[10] 王丽,邹丽雪,刘细文. 基于LDA主题模型的文献关联分析及可视化研究[J]. 数据分析与知识发现, 2018, 2(3): 98-106.
[11] 陈云伟,张瑞红. 用于情报挖掘的典型网络社团划分算法比较研究*[J]. 数据分析与知识发现, 2018, 2(10): 84-94.
[12] 刘冰瑶,马静,李晓峰. 一种“特征降维”文本复杂网络的话题表示模型*[J]. 数据分析与知识发现, 2017, 1(11): 53-61.
[13] 谢秀芳,张晓林. 针对科技路线图的文本挖掘研究: 集成分析及可视化*[J]. 数据分析与知识发现, 2017, 1(1): 16-25.
[14] 吴江,陈君,张劲帆. 协同创新中知识供需系统的模拟研究*[J]. 现代图书情报技术, 2016, 32(9): 27-33.
[15] 叶腾,韩丽川,邢春晓,张妍. 基于复杂网络的虚拟社区创新知识传播机制研究*[J]. 现代图书情报技术, 2016, 32(7-8): 70-77.
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