基于复杂网络方法的国内信息服务研究概念网络分析

doi:10.11925/infotech.1003-3513.2009.10.10

现代图书情报技术

2009, Vol.

Issue (10): 56-61 https://doi.org/10.11925/infotech.1003-3513.2009.10.10

情报分析与研究

本期目录 | 过刊浏览 | 高级检索

基于复杂网络方法的国内信息服务研究概念网络分析

王建冬

(北京大学信息管理系北京 100871)

Domestic Information Services Research Concept Network Analysis Based on Complex Network Method

Wang Jiandong

（Department of Information Management, Peking University, Beijing 100871，China）

摘要
参考文献
相关文章
Metrics

全文: PDF (752 KB)
输出: BibTeX | EndNote (RIS)

摘要

基于CNKI收录的11 261篇信息服务方向研究论文的关键词信息，采用共词分析的方法构建一个包含6 401个顶点（关键词）、21 007条边的无向加权网络，验证该网络所具有的小世界和无标度特性。计算网络中节点的点度中心性和中间中心性，并提出一种可用于检测网络中交叉概念的方法。最后，采用边介数（G-N）聚类算法，对国内信息服务研究概念网络进行聚类分析，并划分出7大分支领域。

	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
	王建冬

关键词 ：信息服务, 复杂网络, 共词分析, 点度中心性, 中间中心性, 边介数聚类

Abstract：

Based on the keywords in the 11 261 papers in the field of information services from CNKI, this paper constructs an undirected weighting network which contains 6 401 vertices(keywords) and 21 007 edges using co-word analysis, and verifies that the network has the characters of scale free and small world. The index of degree centrality and betweenness centrality of vertices in the network are calculated, and a method of detecting cross concept in the network is introduced. Finally, using the G-N clustering algorithm, the paper performs a cluster analysis on the domestic information services research concept network, and divides the research field into 7 different branches.

Key words： Information services Complex network Co-word analysis Degree centrality Betweenness centrality G-N clustering algorithm

收稿日期: 2009-06-24 出版日期: 2009-10-25

ZTFLH:

G350

通讯作者: 王建冬 E-mail: zs.wagner@yahoo.com.cn

作者简介: 王建冬

引用本文:

王建冬. 基于复杂网络方法的国内信息服务研究概念网络分析[J]. 现代图书情报技术, 2009, (10): 56-61.
Wang Jiandong. Domestic Information Services Research Concept Network Analysis Based on Complex Network Method. New Technology of Library and Information Service, 2009, (10): 56-61.

链接本文:

http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2009.10.10 或 http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2009/V/I10/56

［1］陈建龙.信息服务模式研究［J］.北京大学学报：哲学社会科学版,2003,40(3):124-132.
［2］ Networks/Pajek［EB/OL］.［2009-08-29］.http://vlado.fmf.uni-lj.si/pub/networks/pajek/.
［3］王建冬.博客空间中的角色扮演现象研究［D］.北京: 北京大学, 2008.
［4］王建冬，王继民，田飞佳.博客圈的特征及其演化机制初探［J］.现代图书情报技术,2008(4):56-60.
［5］王建冬，孙慧明.基于网站链接分析的“211”高校排名实证研究［J］.现代图书情报技术,2008(9):64-69.
［6］王继民，王建冬，田飞佳.三国人物网络的拓扑结构特征［C］.见：第三届社会网与关系管理研讨会议论文集, 南京. 2007.
［7］罗家德.社会网分析讲义［M］.北京: 社会科学文献出版社, 2005.
［8］吴金闪，狄增如. 从统计物理学看复杂网络研究［J］.物理学进展, 2003，24(1):18-46.
［9］汪小帆，李翔，陈关荣.复杂网络理论及其应用［M］.北京:清华大学出版社,2006.
［10］ Ramon Ferrer i Cancho，Ricard V Solé.The Small World of Human Language［J］. Proceedings of the Royal Society of London，Series B: Biological Sciences，2001，265(1452):2261-2265.
［11］赵鹏，蔡庆生，王清毅，等.一种基于复杂网络特征的中文文档关键词抽取算法［J］.模式识别与人工智能，2007，20（6):827-831.
［12］王建冬.信息的社会性分析：起源、理论与应用［J］.图书情报知识,2009(4):36-43.
［13］刘军.社会网络分析导论［M］. 北京: 社会科学文献出版社,2004.
［14］ De Nooy W, Mrvar A，Batagelj V. Exploratory Social Network Analysi with Pajek［M］. Cambridge University Press, 2005.
［15］殷国鹏,莫云生,陈禹. 利用社会网络分析促进隐性知识管理［J］. 清华大学学报：自然科学版，2006,46(1):964-969.
［16］ Girvan M, Newman M E J. Community Structure in Social and Biological Network［C］. In：Proceedings of the National Academy of Sciences of the United States of America.2002(99):7821-7826.
［17］莫春玲. 复杂网络中聚类方法及社团结构的研究［D］. 武汉：武汉理工大学， 2007.

[1]	李文政,顾益军,闫红丽. 基于网络贝叶斯信息准则算法的社区数量预测研究*[J]. 数据分析与知识发现, 2020, 4(4): 72-82.
[2]	关鹏,王曰芬. 国内外专利网络研究进展*[J]. 数据分析与知识发现, 2020, 4(1): 26-39.
[3]	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.
[4]	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.
[5]	严娇,马静,房康. 基于融合共现距离的句法网络下文本语义相似度计算 ^*[J]. 数据分析与知识发现, 2019, 3(12): 93-100.
[6]	蒋武轩,熊回香,叶佳鑫,安宁. 网络社交平台中社群标签动态生成研究 ^*[J]. 数据分析与知识发现, 2019, 3(10): 98-109.
[7]	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.
[8]	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.
[9]	陈晓威, 史昱天. 社会网络中关键节点的识别——基于符号网络的PageRank算法改进[J]. 数据分析与知识发现, 2017, 1(8): 68-75.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	王小立. 智能多Agent网络的微信信息传播仿真研究[J]. 现代图书情报技术, 2015, 31(6): 85-92.
[15]	杨宁, 黄飞虎, 文奕, 陈云伟. 基于微博用户行为的观点传播模型[J]. 现代图书情报技术, 2015, 31(12): 34-41.

Viewed

Full text

Abstract

Cited

Shared

Discussed