多因素驱动下的领域知识网络演化模型：跟风、守旧与创新

doi:10.3772/j.issn.1000-0135.2020.01.001

情报学报

2020, Vol. 39

Issue (1): 1-11 DOI: 10.3772/j.issn.1000-0135.2020.01.001

情报理论与应用

本期目录 | 过刊浏览 | 高级检索

多因素驱动下的领域知识网络演化模型：跟风、守旧与创新

陈果^1,2, 赵以昕³

1.南京理工大学经济管理学院，南京210094
2.江苏省社会公共安全科技协同创新中心，南京210094
3.中国科学院软件研究所，北京100190

A Network Evolution Model for Domain Knowledge Driven by Multiple Factors: Following Suit, Conservatism, and Innovation

Chen Guo^1,2, Zhao Yixin³

1.Department of Information Management, Nanjing University of Science and Technology, Nanjing 210094
2.Jiangsu Science and Technology Collaborative Innovation Center of Social Public Safety, Nanjing210094
3.Institute of Software, Chinese Academy of Sciences, Beijing 100190

摘要
图/表
参考文献
相关文章 (6)

全文: PDF (1376 KB) HTML (178 KB)
输出: BibTeX | EndNote (RIS)

摘要当前几种经典的复杂网络模型尚不能有效拟合领域知识网络现实情况，表现为：①以边连线为增长单元难以有效拟合知识网络模块化增长的高聚集效应；②知识增长中除马太效应外，有其他重要因素（如守旧、创新）与之抗衡。因此，有必要根据领域知识自身增长特点探寻一种新的演化模型，以有效实现领域知识的量化分析和预测。本文以典型的领域共词网络为例，从微观的增长视角解析其生成过程、增长方式和多种影响因素，以前人研究结论为证据，提出一种由模块化增长单元组成，并融合跟风、守旧与创新三种影响因素的领域知识网络演化模型；随后，通过实验仿真证明了该模型能更好地拟合现实领域知识网络的整体和微观结构；最后，以此模型为基础，通过进一步的仿真实验揭示了相关因素在领域新知识增长、知识聚集中的影响力度和相互作用。本研究为领域知识增长规律和共现型知识网络结构规律的探索提供了更直接可靠的量化分析基础。

	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
	陈果
	赵以昕

关键词 ：领域知识分析, 共词网络, 知识演化, 网络演化模型

收稿日期: 2018-09-25

基金资助:国家社会科学基金青年项目“领域分析视角下的科技词汇语义挖掘与知识演化研究”（16CTQ024）。

作者简介: 陈果，男，1986 年生，博士，副教授，硕士生导师，主要研究方向为领域知识分析，E-mail：delphi1987@qq.com；赵以昕，男，1996 年生，助理工程师，主要研究方向为信息检索，数据挖掘。

引用本文:

陈果, 赵以昕. 多因素驱动下的领域知识网络演化模型：跟风、守旧与创新[J]. 情报学报, 2020, 39(1): 1-11.
Chen Guo, Zhao Yixin. A Network Evolution Model for Domain Knowledge Driven by Multiple Factors: Following Suit, Conservatism, and Innovation. 情报学报, 2020, 39(1): 1-11.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2020.01.001 或 https://qbxb.istic.ac.cn/CN/Y2020/V39/I1/1

1 唐果媛, 张薇. 国内外共词分析法研究的发展与分析[J]. 图书情报工作, 2014, 58(22): 138-145.
2 王晓光. 科学知识网络的形成与演化(Ⅱ): 共词网络可视化与增长动力学[J]. 情报学报, 2010, 29(2): 314-322.
3 Barabási A L,Albert R. Emergence of scaling in random networks[J]. Science ,1999, 286(5439): 509-512.
4 Watts D J,Strogatz S H. Collective dynamics of ‘small-world’ networks[J]. Nature, 1998, 393(6684): 440-442.
5 Clauset A,Moore C,Newman M E J. Hierarchical structure and the prediction of missing links in networks[J]. Nature, 2008, 453(7191): 98-101.
6 Ravasz E,Barabási A L. Hierarchical organization in complex networks[J]. Physical Review E, 2003, 67(2): 026112.
7 胡昌平, 陈果. 领域知识网络的层次结构与微观形态探证——基于k-core层次划分的共词分析方法[J]. 情报学报, 2014, 33(2): 130-139.
8 Milo R. Network motifs: Simple building blocks of complex networks[J]. Science, 2002, 298(5594): 824-827.
9 陈倩. 复杂网络模体研究[D]. 上海: 上海大学, 2008.
10 缪莉莉, 韩传峰, 刘亮, 等. 基于模体的科学家合作网络基元特征分析[J]. 科学学研究, 2012, 30(10): 1468-1475.
11 邱均平, 王菲菲. 基于共现与耦合的馆藏文献资源深度聚合研究探析[J]. 中国图书馆学报, 2013, 39(3): 25-33.
12 马瑞敏, 倪超群. 基于作者同被引分析的我国图书情报学知识结构及其演变研究[J]. 中国图书馆学报, 2011, 37(6): 17-26.
13 张斌, 贾茜. 我国图书情报学的认知结构及其演化[J]. 中国图书馆学报, 2014, 40(4): 30-47.
14 白如江, 冷伏海. k-clique社区知识创新演化方法研究[J]. 图书情报工作, 2013, 57(17): 86-94.
15 张斌, 李亚婷. 知识网络演化模型研究述评[J]. 中国图书馆学报, 2016, 42(5): 85-101.
16 Liu Z H,Lai Y C,YeN, et al. Connectivity distribution and attack tolerance of general networks with both preferential and random attachments[J]. Physics Letters A, 2002, 303(5-6): 337-344.
17 马费成, 刘向. 知识网络的演化(Ⅲ): 连接机制[J]. 情报学报, 2011, 30(10): 1015-1021.
18 刘向, 马费成. 科学知识网络的演化与动力——基于科学引证网络的分析[J]. 管理科学学报, 2012, 15(1): 87-94.
19 Li X,Chen G R. A local-world evolving network model[J]. Physica A: Statistical Mechanics and Its Applications, 2003, 328(1-2): 274-286.
20 Pan Z F,Li X,Wang X F. Generalized local-world models for weighted networks[J]. Physical Review E, 2006, 73(5): 056109.
21 Li M H,Wu J S,Wang D H, et al. Evolving model of weighted networks inspired by scientific collaboration networks[J]. Physica A: Statistical Mechanics and Its Applications, 2007, 375(1): 355-364.
22 安宁, 滕广青, 白淑春, 等. 基于网络Hub的领域核心知识涌现研究[J]. 图书情报工作, 2017, 61(18): 98-106.
23 滕广青. 基于频度演化的领域知识关联关系涌现[J]. 中国图书馆学报, 2018, 44(3): 79-95.
24 刘雅姝, 滕广青, 王东艳, 等. 基于知识网络的标签层级演化研究[J]. 图书情报工作, 2017, 61(11): 13-20.
25 滕广青. Folksonomy模式中紧密型领域知识群落动态演化研究[J]. 中国图书馆学报, 2016, 42(4): 51-63.
26 滕广青. 关联驱动的领域知识群落生长[J]. 中国图书馆学报, 2017, 43(3): 58-71.
27 陈果, 胡昌平. 科研领域关键词网络的结构特征与启示——基于图情学科的实证研究[J]. 现代图书情报技术, 2014(7-8): 84-91.
28 Watts D J. Small worlds: The dynamics of networks between order and randomness[M]. Princeton: Princeton University Press, 1999.
29 胡昌平, 陈果. 科技论文关键词特征及其对共词分析的影响[J]. 情报学报, 2014, 33(1): 23-32.
30 Milojevi? S. Quantifying the cognitive extent of science[J]. Journal of Informetrics, 2015, 9(4): 962-973.
31 Lewis T G. 网络科学: 原理与应用[M]. 陈向阳, 巨修练, 译. 北京: 机械工业出版社, 2011.
32 吕天阳, 谢文艳, 郑纬民, 等. 加权复杂网络社团的评价指标及其发现算法分析[J]. 物理学报, 2012, 61(21): 145-154.