基于深度挖掘的学术论文关联数据构建与可视化分析

doi:10.3772/j.issn.1000-0135.2019.06.005

情报学报

2019, Vol. 38

Issue (6): 595-611 DOI: 10.3772/j.issn.1000-0135.2019.06.005

情报理论与应用

本期目录 | 过刊浏览 | 高级检索

基于深度挖掘的学术论文关联数据构建与可视化分析

曲佳彬^1,2, 欧石燕¹, 凌洪飞¹

1.南京大学信息管理学院，南京 210023
2.烟台大学图书馆，烟台 264005

Construction and Visual Analysis of Academic Paper-Linked Data Based on In-depth Mining

Qu Jiabin^1,2,Ou Shiyan¹,Ling Hongfei¹

School of Public Administration, Sichuan University, Chengdu 610064

摘要
图/表
参考文献
相关文章 (9)

全文: PDF (6299 KB) HTML (110 KB)
输出: BibTeX | EndNote (RIS)

摘要自关联数据被提出以来，其已成为在网络上发布结构化数据的主流方式，随着关联数据集的急速增多，如何有效地消费和利用关联数据正成为研究人员关注的焦点。本研究对关联数据的深度挖掘和可视化分析进行了探索。首先，采用文本挖掘技术，深入挖掘地质领域学术论文元数据中的隐含信息；接下来，基于设计的“学术论文-学者”本体模型对学术论文元数据和挖掘出的信息进行语义化表示，以构建RDF关联数据。在此基础上，利用不同的可视化分析方法，从多个维度对学术论文关联数据中蕴含的宏观和微观知识进行可视化展示。结果表明：①基于深度挖掘的学术论文关联数据能够更加深入和全面地展示学术论文元数据中蕴涵的知识；②关联数据可视化分析能够以直观的图形展示关联数据中的宏观和微观知识，帮助用户快速对关联数据进行消费和利用。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	曲佳彬
	欧石燕
	凌洪飞

关键词 ：关联数据, 可视化分析, 学术论文

收稿日期: 2018-11-13

基金资助:国家社会科学基金重点项目“基于关联数据的学术文献内容语义发布及其应用研究”（17ATQ001）；教育部人文社会科学研究青年项目“面向科学文献内容的知识单元语义关联研究”（18YJC870016）。

作者简介: 曲佳彬，男，1986年生，博士研究生，馆员，主要研究方向为语义网技术、数字图书馆、自然语言处理

引用本文:

曲佳彬, 欧石燕, 凌洪飞. 基于深度挖掘的学术论文关联数据构建与可视化分析[J]. 情报学报, 2019, 38(6): 595-611.
Qu Jiabin,Ou Shiyan,Ling Hongfei. Construction and Visual Analysis of Academic Paper-Linked Data Based on In-depth Mining. 情报学报, 2019, 38(6): 595-611.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2019.06.005 或 https://qbxb.istic.ac.cn/CN/Y2019/V38/I6/595

1 陈烨, 赵一鸣, 姜又琦. 基于关联数据的知识组织研究述评[J]. 情报理论与实践, 2016, 39(2): 139-144.
2 欧石燕. 面向关联数据的语义数字图书馆资源描述与组织框架设计与实现[J]. 中国图书馆学报, 2012, 38(6): 58-71.
3 GlaserH, MillardI, JaffriA. RKB explorer.com: A knowledge driven infrastructure for linked data providers[C]// Proceedings of the 5th European Conference on the Semantic Web: Research and Applications. Heidelberg: Springer, 2008: 797-801.
4 赵斌. 数据可视化在上海图书馆数据展示服务中的应用[J]. 图书馆杂志, 2015, 34(2): 23-29.
5 任瑞娟, 濮德敏, 张媛. 基于五维学术关系发现的知识脉络可视化实践[J]. 大学图书馆学报, 2016, 34(1): 69-75.
6 石泽顺, 肖明. 基于RelFinder的图情学科关联数据语义关系发现实践[J]. 图书情报工作, 2017, 61(17): 139-148.
7 JavedM, PayetteS, BlakeJ, et al. VIZ–VIVO: Towards visualizations-driven linked data navigation[C]// Proceedings of the Second International Workshop on Visualization and Interaction for Ontologies and Linked Data Co-located with the 15th International Semantic Web Conference. Japan, 2016: 80-92.
8 HuY, JanowiczK, MckenzieG, et al. A linked-data-driven and semantically-enabled journal portal for scientometrics[C]// Proceedings of International Semantic Web Conference. New York: Springer, 2013: 114-129.
9 McKenzieG, JanowiczK, HuY G, et al. Linked scientometrics: Designing interactive scientometrics with linked data and semantic web reasoning[C]// Proceedings of the 12th International Semantic Web Conference. Aachen: CEUR-WS.org, 2013: 53-56.
10 AlonenM, KauppinenT, SuominenO, et al. Exploring the linked university data with visualization tools[M]. Heidelberg: Springer, 2013: 204-208.
11 陈涛, 夏翠娟, 刘炜, 等. 关联数据的可视化技术研究与实现[J]. 图书情报工作, 2015, 59(17): 113-119.
12 HeimP, HellmannS, LehmannJ, et al. RelFinder: Revealing relationships in RDF knowledge bases[C]// Proceedings of the 4th International Conference on Semantic and Digital Media Technologies: Semantic Multimedia. Heidelberg: Springer, 2009: 182-187.
13 洪娜, 钱庆, 范炜, 等. 关联数据中关系发现的可视化实践[J]. 现代图书情报技术, 2013, 29(2): 11-17.
14 曲佳彬, 欧石燕. 基于主题过滤与主题关联的学科主题演化分析[J]. 数据分析与知识发现, 2018, 2(1): 64-75.
15 BleiD M, LaffertyJ D. Dynamic topic models[C]// Proceedings of the 23rd International Conference on Machine Learning. New York: ACM Press, 2006: 113-120.
16 曹丽娜, 唐锡晋. 基于主题模型的BBS话题演化趋势分析[J]. 管理科学学报, 2014, 17(11): 109-121.
17 MannG S, MimnoD, McCallumA. Bibliometric impact measures leveraging topic analysis[C]// Proceedings of the 6th ACM/IEEE-CS Joint Conference. New York: ACM Press, 2006: 65-74．