图情领域二模网络研究：概念、脉络及应用

doi:10.3772/j.issn.1000-0135.2024.09.010

情报学报

2024, Vol. 43

Issue (9): 1116-1128 DOI: 10.3772/j.issn.1000-0135.2024.09.010

情报综述与述评

本期目录 | 过刊浏览 | 高级检索

图情领域二模网络研究：概念、脉络及应用

吴江^1,2,3, 林平^1,2, 黄晓⁴, 贺超城^1,2,3

1.武汉大学信息管理学院,武汉 430072
2.武汉大学电子商务研究与发展中心,武汉 430072
3.武汉数据智能研究院,武汉 430072
4.华中师范大学信息管理学院,武汉 430079

Research on the Two-Mode Networks in the Field of Library & Information Science: Concepts, Context, and Applications

Wu Jiang^1,2,3, Lin Ping^1,2, Huang Xiao⁴, He Chaocheng^1,2,3

1.School of Information Management, Wuhan University, Wuhan 430072
2.Center for E-commerce Research and Development, Wuhan University, Wuhan 430072
3.Wuhan Institute of Data Intelligence, Wuhan 430072
4.School of Information Management, Central China Normal University, Wuhan 430079

摘要
图/表
参考文献
相关文章 (6)

全文: PDF (3723 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要二模网络能够全面深入细致地挖掘众多复杂网络场景中的丰富信息。图情领域中的众多研究对象组成的网络具有天然的二分属性，二模网络在该领域的应用取得了较好的研究成果。本文系统梳理了图情领域二模网络的研究现状。首先，对二模网络相关概念进行了界定，包括隶属网络、二分网络等。其次，厘清了二模网络的研究脉络，包括二模网络的研究方法、基本流程和应用场景。再其次，总结了二模网络在知识管理与知识发现、科研合作与学术评价、信息传播与网络舆情、用户需求与信息服务等图情领域的应用逻辑。最后，探讨了二模网络在图情领域的研究前景，为信息资源管理学科体系构建贡献了基础方法。

	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
	吴江
	林平
	黄晓
	贺超城

关键词 ：图书情报, 二模网络, 隶属网络, 概念界定, 研究脉络

收稿日期: 2024-01-29

基金资助:国家自然科学基金重点项目“网络视角下乡村产业互联网的数智赋能研究”（72232006）；国家自然科学基金项目“主导-参与视角下科研人员合作多样性对产出的影响机理研究”（72204189）。

作者简介: 吴江，男，1978年生，博士，教授，博士生导师，主要研究方向为社会网络计算、商务数据智能；林平，女，1995年生，博士研究生，主要研究方向为网络信息计量；黄晓，男，1992年生，博士，讲师，主要研究方向为科学计量与社会仿真；贺超城，通信作者，男，1993年生，博士，副教授，硕士生导师，主要研究方向为社会网络计算、网络信息计量，E-mail：chaochehe@whu.edu.cn；

引用本文:

吴江, 林平, 黄晓, 贺超城. 图情领域二模网络研究：概念、脉络及应用[J]. 情报学报, 2024, 43(9): 1116-1128.
Wu Jiang, Lin Ping, Huang Xiao, He Chaocheng. Research on the Two-Mode Networks in the Field of Library & Information Science: Concepts, Context, and Applications. 情报学报, 2024, 43(9): 1116-1128.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2024.09.010 或 https://qbxb.istic.ac.cn/CN/Y2024/V43/I9/1116

1 陈红伶, 杨佳颖, 许鑫. 基于题录摘要语义建模的学术共同体识别——以国内图情领域学者为例[J]. 情报理论与实践, 2020, 43(5): 170-176.
2 曹霞, 宋琪. 双模专利合作网络中企业关系势能对创新绩效影响研究——以我国有机化学行业的产学合作为例[J]. 情报学报, 2015, 34(11): 1152-1163.
3 何喜军, 孟雪, 武玉英, 等. 基于二分网络多维投影的技术交易机会预测——以新能源领域专利技术为例[J]. 管理评论, 2022, 34(7): 105-114.
4 Chen H X, Yin H Z, Chen T, et al. Social boosted recommendation with folded bipartite network embedding[J]. IEEE Transactions on Knowledge and Data Engineering, 2022, 34(2): 914-926.
5 胡冬梅, 张美静, 陈维政, 等. 我国独角兽企业-投资机构双模网络结构特征及对企业价值和投资绩效的影响研究[J]. 管理学报, 2021, 18(11): 1619-1628.
6 Kane G C, Ransbotham S. Research note—content and collaboration: an affiliation network approach to information quality in online peer production communities[J]. Information Systems Research, 2016, 27(2): 424-439.
7 Zhu Z G, Su J Q, Kong L P. Measuring influence in online social network based on the user-content bipartite graph[J]. Computers in Human Behavior, 2015, 52: 184-189.
8 Carusi C, Bianchi G. Scientific community detection via bipartite scholar/journal graph co-clustering[J]. Journal of Informetrics, 2019, 13(1): 354-386.
9 Cho Y, Kim W. Technology-industry networks in technology commercialization: evidence from Korean university patents[J]. Scientometrics, 2014, 98(3): 1785-1810.
10 吴江, 王凯利, 董克, 等. 信息计量领域网络分析方法应用研究综述[J]. 情报学报, 2021, 40(10): 1118-1128.
11 殷之明, 马瑞敏. 国内图书情报领域应用SNA研究综述[J]. 图书情报知识, 2009(6): 64-69.
12 陈红琳, 魏瑞斌, 门秀萍. 社会网络分析方法与研究主题的关联分析[J]. 情报科学, 2022, 40(9): 38-46.
13 吴亚晶, 张鹏, 狄增如, 等. 二分网络研究[J]. 复杂系统与复杂性科学, 2010, 7(1): 1-12.
14 Latapy M, Magnien C, Del Vecchio N. Basic notions for the analysis of large two-mode networks[J]. Social Networks, 2008, 30(1): 31-48.
15 Wu Y J, Lan W, Fan X Y, et al. Bipartite network influence analysis of a two-mode network[J]. Journal of Econometrics, 2024, 239(2): 105562.
16 杨冠灿, 刘彤. 基于隶属网络的竞争态势分析方法研究——以Wi-Fi联盟认证产品为例[J]. 图书情报工作, 2012, 56(10): 81-88, 137.
17 许鑫, 李美玉, 陈红伶, 等. 基于作者—主题二分网络的学术共同体发现研究——以图书情报领域为例[J]. 情报理论与实践, 2022, 45(11): 163-169, 204.
18 邱均平, 李威. 基于社会网络分析的博主与评论者关系研究——以“科学网博客”为例[J]. 情报科学, 2012, 30(7): 959-963.
19 Newman M E J, Watts D J, Strogatz S H. Random graph models of social networks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2002, 99(suppl 1): 2566-2572.
20 罗家德. 社会网分析讲义[M]. 2版. 北京: 社会科学文献出版社, 2010: 45-52.
21 Hammack R, Puffenberger O. A prime factor theorem for bipartite graphs[J]. European Journal of Combinatorics, 2015, 47: 123-140.
22 Wang P, Pattison P, Robins G. Exponential random graph model specifications for bipartite networks—a dependence hierarchy[J]. Social Networks, 2013, 35(2): 211-222.
23 林聚任. 社会网络分析: 理论、方法与应用[M]. 北京: 北京师范大学出版社, 2009: 143-148.
24 Li X, Chen H. Recommendation as link prediction in bipartite graphs: a graph kernel-based machine learning approach[J]. Decision Support Systems, 2013, 54(2): 880-890.
25 王伟, 陈伟, 祝效国, 等. 众筹项目的个性化推荐: 面向稀疏数据的二分图模型[J]. 系统工程理论与实践, 2017, 37(4): 1011-1023.
26 Gao M, He X N, Chen L H, et al. Learning vertex representations for bipartite networks[J]. IEEE Transactions on Knowledge and Data Engineering, 2022, 34(1): 379-393.
27 王飞程, 周钰颖, 闵勇. 多层网络链路预测研究进展[J]. 计算机应用与软件, 2021, 38(5): 10-20.
28 阳广元, 曹霞, 甯佐斌, 等. 国内社区发现研究进展[J]. 情报资料工作, 2014(2): 29-33.
29 张书涛, 杨志强, 王世杰, 等. 基于复杂网络的用户社区子群需求聚类模型[J]. 浙江大学学报(工学版), 2023, 57(9): 1843-1855, 1875.
30 Karimi F, Lotfi S, Izadkhah H. Community-guided link prediction in multiplex networks[J]. Journal of Informetrics, 2021, 15(4): 101178.
31 Wang P, Xu B W, Wu Y R, et al. Link prediction in social networks: the state-of-the-art[J]. Science China Information Sciences, 2015, 58(1): 1-38.
32 张斌, 马费成. 科学知识网络中的链路预测研究述评[J]. 中国图书馆学报, 2015, 41(3): 99-113.
33 吕琳媛, 陆君安, 张子柯, 等. 复杂网络观察[J]. 复杂系统与复杂性科学, 2010, 7(Z1): 173-186.
34 Guns R, Rousseau R. Recommending research collaborations using link prediction and random forest classifiers[J]. Scientometrics, 2014, 101(2): 1461-1473.
35 Yan E J, Guns R. Predicting and recommending collaborations: an author-, institution-, and country-level analysis[J]. Journal of Informetrics, 2014, 8(2): 295-309.
36 张金柱, 王小梅, 韩涛. 文献-作者二分网络中基于路径组合的合著关系预测研究[J]. 现代图书情报技术, 2016(10): 42-49.
37 黄璐, 倪兴兴, 程坷飞, 等. 基于二模网络链路预测的合作者识别方法研究[J]. 情报学报, 2020, 39(9): 906-913.
38 李东巧, 陈芳, 韩涛, 等. 基于二模复杂网络的隐性知识发现方法研究——以潜在药物靶点挖掘为例[J]. 图书情报工作, 2020, 64(21): 120-129.
39 Girvan M, Newman M E J. Community structure in social and biological networks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2002, 99(12): 7821-7826.
40 高光亮, 李亚洲, 袁明, 等. 融入节点和边缘重要性分析的社区发现算法[J]. 数据分析与知识发现, 2023, 7(11): 114-124.
41 单晓红, 王春稳, 刘晓燕, 等. 开放式创新社区领先用户识别——知识基础观视角[J]. 数据分析与知识发现, 2021, 5(9): 85-96.
42 张海涛, 周红磊, 张鑫蕊, 等. 在线社交网络的社区发现研究进展[J]. 图书情报工作, 2020, 64(9): 142-152.
43 滕婕, 刘莉, 李硕, 等. 动态语义网的高价值热点主题识别与演化路径分析[J]. 图书情报工作, 2023, 67(7): 92-106.
44 郭剑明, 王婧怡, 袁润. 综合属性和关系的专利网络社区发现和核心专利识别研究[J/OL]. 情报科学, (2023-11-24) [2024-03-25]. https://kns.cnki.net/kcms/detail/22.1264.G2.20231123.1409.002.html.
45 盛小平, 孙倩倩. 国内科学数据开放共享主题的作者合作关系与合作研究内容分析[J]. 图书情报工作, 2021, 65(23): 13-21.
46 吴小兰, 章成志. 学术社交媒体视角下学科知识流动规律研究——以科学网为例[J]. 数据分析与知识发现, 2019, 3(4): 107-116.
47 舒文琛, 周恩国, 李岱峰, 等. 基于合著网络社区发现的情报学研究主题演化分析[J]. 情报科学, 2020, 38(1): 75-81.
48 Li Z P, Wang R S, Zhang S H, et al. Quantitative function and algorithm for community detection in bipartite networks[J]. Information Sciences, 2016, 367-368: 874-889.
49 刘非凡, 李长玲, 魏绪秋. 基于2-模网络和G-N社群聚类算法的潜在合作者研究——以国内图情领域的社会网络分析研究为例[J]. 情报理论与实践, 2014, 37(6): 117-122.
50 许海云, 董坤, 刘昊, 等. 基于异构网络的学科交叉主题发现方法[J]. 情报科学, 2017, 35(6): 130-137, 153.
51 Newman M E J. Scientific collaboration networks. I. Network construction and fundamental results[J]. Physical Review E, 2001, 64(1): 016131.
52 张佳慧, 张婷, 吕来水, 等. 基于加权投影的二分网络的链路预测[J]. 计算机应用与软件, 2021, 38(3): 264-268, 297.
53 Newman M E J. Who is the best connected scientist? A study of scientific co-authorship networks[M]// Complex Networks. Heidelberg: Springer, 2004: 337-370.
54 薛娟, 丁长青, 原静. 基于二模复杂网络的WIKI知识网络研究——以WIKI中文百科学科词条为例[J]. 情报科学, 2016, 34(7): 136-140.
55 李睿, 张瀚东. 基于专利引用耦合2-模网分析的国家间创新合作机会揭示[J]. 情报理论与实践, 2022, 45(3): 118-124.
56 贾若男, 王晰巍, 孙玉姣. 社交媒体中突发公共卫生事件网络辟谣信息主体研究[J]. 图书情报工作, 2021, 65(19): 16-25.
57 李真, 丁晟春, 王楠. 网络舆情观点主题识别研究[J]. 数据分析与知识发现, 2017, 1(8): 18-30.
58 周立欣, 林杰. 基于NodeRank算法的产品特征提取研究[J]. 数据分析与知识发现, 2018, 2(4): 90-98.
59 李慧, 王若婷. 基于文献—关键词双模网络的热点识别方法研究——以数字人文领域为例[J]. 情报理论与实践, 2022, 45(11): 107-114.
60 刘小慧, 李长玲, 刘运梅, 等. 基于作者—核心关键词2-模网络的潜在跨学科合作组合识别——以图书情报学与计算机科学为例[J]. 情报理论与实践, 2018, 41(2): 105-110.
61 席笑文, 郭颖, 宋欣娜, 等. 基于word2vec与LDA主题模型的技术相似性可视化研究[J]. 情报学报, 2021, 40(9): 974-983.
62 姚志臻, 黄晓明, 张斌, 等. 学科视域下城市创新合作网络的结构与演化——以粤港澳大湾区为例[J]. 情报科学, 2022, 40(8): 167-176, 184.
63 Gao M, Chen L, Li B, et al. Projection-based link prediction in a bipartite network[J]. Information Sciences, 2017, 376: 158-171.
64 Stephens B, Chen W H, Butler J S. Bubbling up the good ideas: a two-mode network analysis of an intra-organizational idea challenge[J]. Journal of Computer-Mediated Communication, 2016, 21(3): 210-229.
65 操玉杰, 刘思岩, 易明, 等. 基于“学科-关键词”二模网络的交叉领域认知结构分析——以新冠肺炎研究为例[J]. 情报科学, 2023, 41(4): 62-71.
66 Chen X, Ye P F, Huang L, et al. Exploring science-technology linkages: a deep learning-empowered solution[J]. Information Processing & Management, 2023, 60(2): 103255.
67 Maltseva D, Batagelj V. Collaboration between authors in the field of social network analysis[J]. Scientometrics, 2022, 127(6): 3437-3470.
68 谭芳, 杨阳, 卓伊玲, 等. 网络隐私争议事件中用户隐私关注及情感对比研究[J]. 图书情报工作, 2021, 65(2): 87-97.
69 张继东, 王蓉. 基于用户行为感知的数字期刊服务推送研究[J]. 情报科学, 2019, 37(5): 19-24.
70 李树青, 徐侠, 许敏佳. 基于读者借阅二分网络的图书可推荐质量测度方法及个性化图书推荐服务[J]. 中国图书馆学报, 2013, 39(3): 83-95.
71 张瑞, 水静. 基于移动设备的数字图书馆检索新技术研究[J]. 现代情报, 2013, 33(11): 49-51.
72 王艳, 毕丽华. 知识管理与知识创新的研究综述与展望[J]. 图书情报工作, 2011, 55(S2): 343-347, 357.
73 王诗炜, 陈春. 基于科学论文和技术专利关联关系识别潜在知识发现方法研究综述[J]. 数据分析与知识发现, 2023, 7(7): 18-31.
74 Barabási A L, Jeong H, Néda Z, et al. Evolution of the social network of scientific collaborations[J]. Physica A: Statistical Mechanics and Its Applications, 2002, 311(3-4): 590-614.
75 史伟, 薛广聪, 何绍义. 基于偏差规则马尔可夫模型的网络舆情情感预测研究[J]. 情报学报, 2023, 42(9): 1065-1077.
76 朱庆华, 陈琼, 陆冬梅, 等. 互联网环境下失真健康信息研究进展[J]. 情报学报, 2023, 42(9): 1125-1138.
77 张怡文, 张臣坤, 杨安桔, 等. 基于条件型游走的四部图推荐方法[J]. 数据分析与知识发现, 2019, 3(4): 117-125.
78 张新猛, 蒋盛益. 基于加权二部图的个性化推荐算法[J]. 计算机应用, 2012, 32(3): 654-657, 678.
79 蔡迎春, 严丹, 周琼, 等. 元宇宙时代智慧图书馆的实践路径——从图书馆的智慧化走向智慧的图书馆化[J]. 中国图书馆学报, 2023, 49(4): 103-113.