基于三维引文关联网络的潜在知识流动探测——以基因编辑领域为例

doi:10.3772/j.issn.1000-0135.2021.02.008

情报学报

2021, Vol. 40

Issue (2): 184-193 DOI: 10.3772/j.issn.1000-0135.2021.02.008

情报分析方法与技术

本期目录 | 过刊浏览 | 高级检索

基于三维引文关联网络的潜在知识流动探测——以基因编辑领域为例

王菲菲¹, 王筱涵¹, 徐硕¹, 芦婉昭¹, 宋艳辉²

1.北京工业大学经济与管理学院，北京 100124
2.杭州电子科技大学管理学院，杭州 310018

Potential Knowledge Flow Detection from an Integrated Perspective of Three-Dimensional Citations: A Case Study of Gene Editing

Wang Feifei¹, Wang Xiaohan¹, Xu Shuo¹, Lu Wanzhao¹, Song Yanhui²

1.School of Economics and Management, Beijing University of Technology, Beijing 100124
2.School of Management, Hangzhou Dianzi University, Hangzhou 310018

摘要
图/表
参考文献
相关文章 (9)

全文: PDF (2529 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要在知识经济时代，知识流动在激发知识创新和促进科技发展等方面的价值逐步凸显出来。本文在直引-共被引-耦合三维引文关联网络融合的基础上，对主题关联层面进行映射，对领域内潜在的知识流动进行挖掘。链路预测指标作为特征值，分别应用于构建分类器和回归器。其中，分类器用于预测目前尚未存在、在未来极有可能发生的知识流动；回归器主要用于预测目前链接权重较低的，尚未引起广泛关注、但在未来具有较高链接权重的知识流动。两种预测层面综合互补，可更全面地探测领域内的研究前沿或新兴趋势。利用该思路对当前热门的基因编辑技术领域进行探索研究，得到了该领域中的潜在知识流动和潜在研究的热点，为科研人员选择研究方向提供参考。

	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
	王菲菲
	王筱涵
	徐硕
	芦婉昭
	宋艳辉

关键词 ：三维引文关联融合, 知识流动, 链路预测, 基因编辑

收稿日期: 2019-08-16

基金资助:北京市社会科学基金项目“‘一带一路’沿线国际科技交流互惠与协同创新研究”（19GLC057）；北京市属高校高水平教师队伍建设支持计划-青年拔尖人才培育计划项目（PXM2020_014204_000019）。

作者简介: 王菲菲，女，1985年生，博士，副教授，主要研究领域为科学计量与科技管理；王筱涵，女，1994年生，硕士研究生，主要研究领域为科学计量；徐硕，男，1979年生，博士，教授，主要研究领域为技术预见与科学前沿探测；芦婉昭，女，1996年生，硕士研究生，主要研究领域为科学计量与数据分析；宋艳辉，男，1981年生，博士后，副教授，主要研究领域为信息计量与科学评价，E-mail:syh687@163.co；

引用本文:

王菲菲, 王筱涵, 徐硕, 芦婉昭, 宋艳辉. 基于三维引文关联网络的潜在知识流动探测——以基因编辑领域为例[J]. 情报学报, 2021, 40(2): 184-193.
Wang Feifei, Wang Xiaohan, Xu Shuo, Lu Wanzhao, Song Yanhui. Potential Knowledge Flow Detection from an Integrated Perspective of Three-Dimensional Citations: A Case Study of Gene Editing. 情报学报, 2021, 40(2): 184-193.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2021.02.008 或 https://qbxb.istic.ac.cn/CN/Y2021/V40/I2/184

1 华连连, 张悟移. 知识流动及相关概念辨析[J]. 情报杂志, 2010, 29(10): 112-117.
2 魏奇锋, 顾新. 基于知识流动的产学研协同创新过程研究[J]. 科技进步与对策, 2013, 30(15): 133-137.
3 赵蓉英, 吴胜男. 基于引证关系的知识转移的理论研究[J]. 情报理论与实践, 2014, 37(12): 28-32.
4 徐晓艺, 杨立英. 基于合著论文的学科知识流动网络的特征分析——以“药物化学”学科为例[J]. 图书情报工作, 2015, 59(1): 89-98.
5 Morris S A, van der Veer Martens B. Mapping research specialties[J]. Annual Review of Information Science and Technology, 2008, 42(1): 213-295.
6 Shibata N, Kajikawa Y, Takeda Y, et al. Comparative study on methods of detecting research fronts using different types of citation[J]. Journal of the American Society for Information Science and Technology, 2009, 60(3): 571-580.
7 王亮, 张庆普. 基于引文网络的知识流动过程与机制研究[J]. 哈尔滨工业大学学报(社会科学版), 2014, 16(1): 110-116.
8 赵蓉英, 吴胜男, 陈瑞. 基于引证关系的知识转移模式及其实证研究——以知识管理研究为例[J]. 情报杂志, 2013, 32(3): 137-143.
9 Yan E J, Ding Y. Scholarly network similarities: How bibliographic coupling networks, citation networks, cocitation networks, topical networks, coauthorship networks, and coword networks relate to each other[J]. Journal of the American Society for Information Science and Technology, 2012, 63(7): 1313-1326.
10 Qiu J P, Dong K, Yu H Q. Comparative study on structure and correlation among author co-occurrence networks in bibliometrics[J]. Scientometrics, 2014, 101(2): 1345-1360.
11 Persson O. Identifying research themes with weighted direct citation links[J]. Journal of Informetrics, 2010, 4(3): 415-422.
12 Egghe L, Rousseau R. Co-citation, bibliographic coupling and a characterization of lattice citation networks[J]. Scientometrics, 2002, 55(3): 349-361.
13 Iwami S, Mori J, Sakata I, et al. Detection method of emerging leading papers using time transition[J]. Scientometrics, 2014, 101(2): 1515-1533.
14 梁永霞, 杨中楷, 刘则渊. 引文分析学的学科地位[J]. 情报理论与实践, 2010, 33(5): 18-20.
15 Yan E J. Finding knowledge paths among scientific disciplines[J]. Journal of the Association for Information Science and Technology, 2014, 65(11): 2331-2347.
16 Jo H, Park Y, Kim S E, et al. Exploring the intellectual structure of nanoscience and nanotechnology: journal citation network analysis[J]. Journal of Nanoparticle Research, 2016, 18(6): 1-21.
17 Ma R M, Yan E J. Uncovering inter-specialty knowledge communication using author citation networks[J]. Scientometrics, 2016, 109(2): 839-854.
18 张艺蔓, 马秀峰, 程结晶. 融合引文内容和全文本引文分析的知识流动研究[J]. 情报杂志, 2015, 34(11): 50-54, 49.
19 宋凯, 李秀霞, 赵思喆, 等. 基于LDA模型的国家间知识流动分析[J]. 情报杂志, 2017, 36(6): 55-60.
20 李盈, 许萍. 基于引文网络的医学各学科间知识流动的规律与启示[J]. 中华医学图书情报杂志, 2014, 23(12): 1-5.
21 Wang F F, Wang X H, Yang S L. Mining author relationship in scholarly networks based on tripartite citation analysis[J]. PLoS One, 2017, 12(11): e0187653.
22 翟东升, 刘鹤, 张杰, 等. 一种基于链路预测的技术机会挖掘方法[J]. 情报学报, 2016, 35(10): 1090-1100.
23 李睿. 专利引文分析法与共词分析法在揭示科学-技术知识关联方面的差异对比[J]. 图书情报工作, 2010, 54(6): 91-93, 140.
24 关鹏, 王曰芬. 科技情报分析中LDA主题模型最优主题数确定方法研究[J]. 现代图书情报技术, 2016, 32(9): 42-50.
25 吕琳媛, 周涛. 链路预测[M]. 北京: 高等教育出版社, 2013: 50-66.
26 李聪, 曹文广. CRISPR/Cas9介导的基因编辑技术研究进展[J]. 生物工程学报, 2015, 31(11): 1531-1542.
27 Pedregosa F, Varoquaux G, Gramfort A, et al. Scikit-learn: machine learning in python[J]. Journal of Machine Learning Research, 2011, 12(10): 2825-2830.
28 基因编辑助力攻克癌症, 成功案例登上Science子刊[EB/OL]. (2017-02-27) [2018-10-15]. http://www.medsci.cn/article/show_ article.do?id=781f9011006.
29 年度猛料: 细胞治疗娶了基因编辑, 生了娃叫啥?[EB/OL]. (2016-01-29) [2018-10-15]. http://www.sohu.com/a/57274356_183834.
30 基因编辑技术CRISPR-Cas9是如何改变世界的?[EB/OL]. (2018-03-05)[2018-10-15]. http://med.sina.com/article_detail_103_2_42121.html.
31 国际基因编辑科技发展报告-2017[EB/OL]. (2018-02-11) [2018-10-15]. http://www.biotech.org.cn/information/153439.