基于语义关联与模糊聚类的共词分析方法

doi:10.3772/j.issn.1000-0135.2022.10.001

情报学报

2022, Vol. 41

Issue (10): 1003-1014 DOI: 10.3772/j.issn.1000-0135.2022.10.001

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

基于语义关联与模糊聚类的共词分析方法

陆泉^1,2, 曹越¹, 陈静³

1.武汉大学信息资源研究中心,武汉 430072
2.武汉大学大数据研究院,武汉 430072
3.华中师范大学信息管理学院,武汉 430079

A Co-word Analysis Method Based on Semantic Relevance and Fuzzy Clustering

Lu Quan^1,2, Cao Yue¹, Chen Jing³

1.Center for Studies of Information Resources, Wuhan University, Wuhan 430072
2.Big Data Institute, Wuhan University, Wuhan 430072
3.School of Information Management, Central China Normal University, Wuhan 430079

摘要
图/表
参考文献
相关文章 (4)

全文: PDF (3187 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要共词分析是文本内容分析的重要基础方法，但已有共词分析方法存在两方面不足，一是在关键词共词矩阵构建中未考虑词对的语义关联，二是在共词矩阵聚类分析中不支持词汇主题归属的多元性。本文提出基于语义关联与模糊聚类的共词分析方法，结合高频低频词界分公式和词频g指数抽取领域关键词，利用词嵌入模型学习关键词的语义向量表示，进而构建语义加权共词矩阵，以综合共现特征与语义关联来度量词对间相关性；结合模糊C均值聚类算法与因子降维对语义加权共词矩阵进行关键词模糊聚类，以弥补硬聚类中词汇主题归属单一化的不足，提高类团的信息质量并揭示类团之间的联系。选择“感染性疾病学和传染病学类”期刊文献开展实验，结果验证了本文方法的有效性和优越性。

	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
	陆泉
	曹越
	陈静

关键词 ：共词分析, 语义关联, 词嵌入模型, 模糊C均值聚类

收稿日期: 2021-07-20

基金资助:国家社会科学基金重点项目“心理账户理论视角下在线健康社区精准信息服务研究”（20ATQ008）。

作者简介: 陆泉，男，1975年生，博士，教授，博士生导师，主要研究领域为数据挖掘、知识组织与知识服务研究；曹越，男，1999年生，硕士，主要研究领域为数据分析与数据挖掘研究；陈静，女，1977年生，博士，教授，博士生导师，主要研究领域为信息组织与信息检索研究，E-mail：dancinglulu@sina.com；

引用本文:

陆泉, 曹越, 陈静. 基于语义关联与模糊聚类的共词分析方法[J]. 情报学报, 2022, 41(10): 1003-1014.
Lu Quan, Cao Yue, Chen Jing. A Co-word Analysis Method Based on Semantic Relevance and Fuzzy Clustering. 情报学报, 2022, 41(10): 1003-1014.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2022.10.001 或 https://qbxb.istic.ac.cn/CN/Y2022/V41/I10/1003

1 Lu W, Wang J M, Hu J M. Analyzing the topic distribution and evolution of foreign relations from parliamentary debates: a framework and case study[J]. Information Processing & Management, 2020, 57(3): 102191.
2 杨建林. 关键词选择策略及其对共词分析的影响[J]. 情报学报, 2014(10): 1083-1090.
3 叶鹰, 张力, 赵星, 等. 用共关键词网络揭示领域知识结构的实验研究[J]. 情报学报, 2012, 31(12): 1245-1251.
4 俞仙子, 高英莲, 马春霞, 等. 提取核心特征词的惩罚性矩阵分解方法——以共词分析为例[J]. 现代图书情报技术, 2014(3): 88-95.
5 孙海生. 连边社团检测算法对共词分析聚类结果的改进研究[J]. 图书情报工作, 2016, 60(10): 123-129.
6 Callon M, Courtial J P, Turner W A, et al. From translations to problematic networks: an introduction to co-word analysis[J]. Social Science Information, 1983, 22(2): 191-235.
7 钟伟金. 共词分析法应用的规范化研究——主题词和关键词的聚类效果对比分析[J]. 图书情报工作, 2011, 55(6): 114-118.
8 唐晓波, 肖璐. 融合关键词增补与领域本体的共词分析方法研究[J]. 现代图书情报技术, 2013(11): 60-67.
9 赵国荣, 王文剑, 杨光. 一种基于组块分析的共现词提取方法[J]. 情报科学, 2017, 35(12): 129-135.
10 巴志超, 李纲, 朱世伟. 共现分析中的关键词选择与语义度量方法研究[J]. 情报学报, 2016, 35(2): 197-207.
11 郭高晶, 孟溦. 中国(上海)自由贸易试验区政府职能转变的注意力配置研究——基于83篇政策文本的加权共词分析[J]. 情报杂志, 2018, 37(2): 63-68.
12 Donohue J C. Understanding scientific literatures: a bibliometric approach[M]. Cambridge: The MIT Press, 1973: 49-50.
13 虞秋雨, 徐跃权. 共词分析中高频词阈值确定方法的实证研究——以新冠肺炎文献高频词选取为例[J]. 情报科学, 2020, 38(9): 90-95.
14 杨爱青, 马秀峰, 张风燕, 等. g指数在共词分析主题词选取中的应用研究[J]. 情报杂志, 2012, 31(2): 52-55, 74.
15 安兴茹. 基于正态分布的词频分析法高频词阈值研究[J]. 情报杂志, 2014, 33(10): 129-136.
16 Serrano M A, Bogu?á M, Vespignani A. Extracting the multiscale backbone of complex weighted networks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2009, 106(16): 6483-6488.
17 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.
18 Li M N. An exploration to visualise the emerging trends of technology foresight based on an improved technique of co-word analysis and relevant literature data of WOS[J]. Technology Analysis & Strategic Management, 2017, 29(6): 655-671.
19 刘敏娟, 张学福, 颜蕴. 基于词频、词量、累积词频占比的共词分析词集范围选取方法研究[J]. 图书情报工作, 2016, 60(23): 135-142.
20 胡昌平, 陈果. 共词分析中的词语贡献度特征选择研究[J]. 现代图书情报技术, 2013(7/8): 89-93.
21 陈果, 肖璐, 赵雪芹. 领域知识分析中的关键词选择方法研究——一种以学科为背景的全局视角[J]. 情报学报, 2014, 33(9): 959-968.
22 安新颖. 基于改进信息熵的干细胞研究领域共词分析[J]. 图书情报工作, 2011, 55(2): 37-40.
23 Choi J, Yi S, Lee K C. Analysis of keyword networks in MIS research and implications for predicting knowledge evolution[J]. Information & Management, 2011, 48(8): 371-381.
24 Zhao W Y, Mao J, Lu K. Ranking themes on co-word networks: exploring the relationships among different metrics[J]. Information Processing & Management, 2018, 54(2): 203-218.
25 李纲, 巴志超. 共词分析过程中的若干问题研究[J]. 中国图书馆学报, 2017, 43(4): 93-113.
26 马续补, 相雅凡, 刘玮, 等. 基于共词分析的中国公共信息资源开放政策变迁研究[J]. 信息资源管理学报, 2020, 10(4): 5-14.
27 陆泉, 李畅, 刘婷, 等. 在线医患沟通中的知识不对称研究[J]. 信息资源管理学报, 2021, 11(1): 90-97, 111.
28 李海林, 万校基, 林春培. 基于关键词重要性和近邻传播聚类的主题分析研究[J]. 情报学报, 2018, 37(5): 533-542.
29 周鑫, 陈媛媛. 关键词词频变化视角下学科研究发展趋势分析——以国内情报学研究为例[J]. 情报杂志, 2016, 35(5): 133-140, 112.
30 奉国和, 孔泳欣. 基于时间加权关键词词频分析的学科热点研究[J]. 情报学报, 2020, 39(1): 100-110.
31 Callon M, Courtial J P, Laville F. Co-word analysis as a tool for describing the network of interactions between basic and technological research: the case of polymer chemsitry[J]. Scientometrics, 1991, 22(1): 155-205.
32 路青, 靖彩玲, 范少萍. 基于互信息的共词分析方法研究[J]. 情报科学, 2016, 34(4): 48-51.
33 Zhou L Q, Ba Z C, Fan H, et al. Research on the semantic measurement in co-word analysis[C]// Proceedings of the iConference 2018: Transforming Digital Worlds. Cham: Springer, 2018: 409-419.
34 王玉林, 王忠义. 细粒度语义共词分析方法研究[J]. 图书情报工作, 2014, 58(21): 73-80.
35 Feng J, Zhang Y Q, Zhang H. Improving the co-word analysis method based on semantic distance[J]. Scientometrics, 2017, 111(3): 1521-1531.
36 周萌, 陈果. 科技文本中术语细粒度共现关系抽取与可视化分析[J]. 情报科学, 2019, 37(3): 81-87.
37 完颜邓邓, 盛小平. 基于共词分析的国内开放存取研究主题探析[J]. 图书情报工作, 2013, 57(5): 94-100.
38 李永忠, 陈静, 谢隆腾. 共词分析法中战略坐标图的改进研究[J]. 情报理论与实践, 2019, 42(1): 65-69.
39 Liu G Y, Hu J M, Wang H L. A co-word analysis of digital library field in China[J]. Scientometrics, 2012, 91(1): 203-217.
40 杨颖, 许丹, 陈斯斯, 等. 基于自然指数刊文数据对全球医学研究领域热点的探析[J]. 情报学报, 2019, 38(11): 1129-1137.
41 郭崇慧, 曹梦月. GMAP: 一种基于AP聚类的共词分析方法[J]. 情报学报, 2017, 36(11): 1192-1200.
42 Li M N, Chu Y Q. Explore the research front of a specific research theme based on a novel technique of enhanced co-word analysis[J]. Journal of Information Science, 2017, 43(6): 725-741.
43 霍朝光, 魏瑞斌, 张斌. 基于PageRank和Node2vec的研究热点与集群发现——以国际深度学习研究领域为例[J]. 情报杂志, 2020, 39(8): 174-179, 153.
44 邵作运, 李秀霞. 惩罚性矩阵分解及其在共词分析中的应用[J]. 图书情报工作, 2015, 59(13): 126-133, 148.
45 王治和, 王淑艳, 杜辉. 基于密度敏感距离的改进模糊C均值聚类算法[J]. 计算机工程, 2021, 47(5): 88-96, 103.
46 李纲, 李昱瑶, 谢子霖, 等. 混合关键词选择策略对共词分析效果的影响研究[J]. 情报理论与实践, 2017, 40(11): 110-116.
47 徐坤, 毕强. 次高频关键词的选择及在共词分析中的应用[J]. 情报理论与实践, 2019, 42(5): 148-152.
48 Zhao Y Y, Cui L, Yang H. Evaluating reliability of co-citation clustering analysis in representing the research history of subject[J]. Scientometrics, 2009, 80(1): 91-102.
49 Bojanowski P, Grave E, Joulin A, et al. Enriching word vectors with subword information[J]. Transactions of the Association for Computational Linguistics, 2017, 5: 135-146.
50 张涛, 马海群. 基于文本相似度计算的我国人工智能政策比较研究[J]. 情报杂志, 2021, 40(1): 39-47, 24.
51 Bezdek J C, Ehrlich R, Full W. FCM: the fuzzy c-means clustering algorithm[J]. Computers & Geosciences, 1984, 10(2/3): 191-203.
52 胡吉明, 田沛霖. 文本智能计算研究的主题挖掘与演化分析[J]. 情报杂志, 2021, 40(4): 139-146.
53 刘晓梦, 赵彩彦. 2017年感染性疾病临床进展[J]. 临床荟萃, 2018, 33(1): 60-65.
54 杨娟, 赖圣杰, 余宏杰. 感染性疾病流行现状、防控挑战与应对[J]. 中华疾病控制杂志, 2017, 21(7): 647-649, 674.
55 钟伟金, 李佳. 共词分析法研究(一)——共词分析的过程与方式[J]. 情报杂志, 2008, 27(5): 70-72.
56 李锋. 基于核心关键词的聚类分析——兼论共词聚类分析的不足[J]. 情报科学, 2017, 35(8): 68-71, 78.
57 钟伟金, 李佳, 杨兴菊. 共词分析法研究(三)——共词聚类分析法的原理与特点[J]. 情报杂志, 2008, 27(7): 118-120.
58 Boolchandani M, D’Souza A W, Dantas G. Sequencing-based methods and resources to study antimicrobial resistance[J]. Nature Reviews Genetics, 2019, 20(6): 356-370.