基于多层语义网络的研究前沿识别方法研究

doi:10.3772/j.issn.1000-0135.2026.04.007

情报学报

2026, Vol. 45

Issue (4): 552-565 DOI: 10.3772/j.issn.1000-0135.2026.04.007

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

基于多层语义网络的研究前沿识别方法研究

梁国强, 邱晓鹏, 黄旭, 张硕, 张志豪, 林歌歌

北京工业大学经济与管理学院，北京 100124

Research-Front Identification Based on Multilayer Semantic Networks

Liang Guoqiang, Qiu Xiaopeng, Huang Xu, Zhang Shuo, Zhang Zhihao, Lin Gege

College of Economics and Management, Beijing University of Technology, Beijing 100124

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (10913 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要为解决传统引文分析、文本挖掘和机器学习方法在研究前沿识别中存在语义缺失的问题，本文提出一种基于多层语义网络的研究前沿识别新方法。采用DeepSeek-V3提取文本摘要中的主谓宾（subject-predicate-object，SPO）三元组，构建多层语义网络，通过网络跨层邻度熵和突现强度指标对研究前沿的活跃性和突现性特征进行测度，并对关键节点进行逆向匹配以获取研究前沿语义链。最终，以2014—2025年“碳捕集”领域的相关文献作为研究样本，对该方法的识别效果进行实证。结果表明，该方法可识别出“碳捕集”领域约80个前沿节点及语义链。自2024年以来，这些语义链围绕“soil carbon sequestration”“climate change”“straw return”“forest carbon sequestration”“model”等展开，是该领域的研究前沿节点。本文认为，基于大语言模型对SPO三元组进行抽取提高了实体抽取效率和质量；本文方法能够弥补传统研究前沿识别方法中语义缺失的不足，准确识别领域的研究前沿。

	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
	梁国强
	邱晓鹏
	黄旭
	张硕
	张志豪
	林歌歌

关键词 ：研究前沿, 多层语义网络, 大语言模型, 碳捕集

收稿日期: 2025-09-01

基金资助:北京市自然科学基金面上项目“协同进化视角下研究前沿的涌现机制及识别方法研究”（9232002）；国家自然科学基金青年科学基金项目“全文引文分析视角下科学知识的传播效用测度与动态演化路径识别研究”（72504017）。

作者简介: 梁国强，1988年生，博士，副教授，硕士生导师，主要研究方向为知识图谱、复杂网络、科学计量学；邱晓鹏，2004年生，本科生，主要研究方向为大数据管理与应用；黄旭，2003年生，本科生，主要研究方向为大数据管理与应用；张硕，1992年生，博士，副教授，主要研究方向为数据挖掘与技术预见、科技情报与科技评价；张志豪，1991年生，博士，讲师，主要研究方向为数据挖掘；林歌歌，通信作者，1992年生，博士，主要研究方向为引文分析、文本挖掘、知识图谱，E-mail：lingege@bjut.edu.cn；

引用本文:

梁国强, 邱晓鹏, 黄旭, 张硕, 张志豪, 林歌歌. 基于多层语义网络的研究前沿识别方法研究[J]. 情报学报, 2026, 45(4): 552-565.
Liang Guoqiang, Qiu Xiaopeng, Huang Xu, Zhang Shuo, Zhang Zhihao, Lin Gege. Research-Front Identification Based on Multilayer Semantic Networks. 情报学报, 2026, 45(4): 552-565.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2026.04.007 或 https://qbxb.istic.ac.cn/CN/Y2026/V45/I4/552

1 de Solla Price D J. Networks of scientific papers[J]. Science, 1965, 149(3683): 510-515.
2 Small H, Griffith B C. The structure of scientific literatures Ⅰ: identifying and graphing specialties[J]. Science Studies, 1974, 4(1): 17-40.
3 Garfield E. Research fronts[J]. Current Contents, 1994(41): 3-7.
4 Upham S P, Small H. Emerging research fronts in science and technology: patterns of new knowledge development[J]. Scientometrics, 2010, 83(1): 15-38.
5 Chen C M. CiteSpace Ⅱ: detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology, 2006, 57(3): 359-377.
6 Persson O. The intellectual base and research fronts of JASIS 1986-1990[J]. Journal of the American Society for Information Science, 1994, 45(1): 31-38.
7 Morris S A, Yen G, Wu Z, et al. Time line visualization of research fronts[J]. Journal of the American Society for Information Science and Technology, 2003, 54(5): 413-422.
8 Braam R R, Moed H F, van Raan A F J. Mapping of science by combined co-citation and word analysis. Ⅱ: dynamical aspects[J]. Journal of the American Society for Information Science, 1991, 42(4): 252-266.
9 Shibata N, Kajikawa Y, Takeda Y, et al. Detecting emerging research fronts in regenerative medicine by citation network analysis of scientific publications[C]// Proceedings of the 2009 Portland International Conference on Management of Engineering & Technology. Piscataway: IEEE, 2009: 2964-2976.
10 Bhattacharya S, Basu P K. Mapping a research area at the micro level using co-word analysis[J]. Scientometrics, 1998, 43(3): 359-372.
11 郑彦宁, 许晓阳, 刘志辉. 基于关键词共现的研究前沿识别方法研究[J]. 图书情报工作, 2016, 60(4): 85-92.
12 陈仕吉. 科学研究前沿探测方法综述[J]. 现代图书情报技术, 2009(9): 28-33.
13 罗瑞, 许海云, 董坤. 领域前沿识别方法综述[J]. 图书情报工作, 2018, 62(23): 119-131.
14 卢超, 侯海燕, DingYing, 等. 国外新兴研究话题发现研究综述[J]. 情报学报, 2019, 38(1): 97-110.
15 白如江, 刘博文, 冷伏海. 基于多维指标的未来新兴科学研究前沿识别研究[J]. 情报学报, 2020, 39(7): 747-760.
16 关陟昊, 单治易, 林紫洛, 等. 技术前沿识别方法综述[J]. 情报探索, 2022(4): 129-134.
17 Guo H N, Weingart S, B?rner K. Mixed-indicators model for identifying emerging research areas[J]. Scientometrics, 2011, 89(1): 421-435.
18 李欣, 温阳, 黄鲁成, 等. 一种基于机器学习的研究前沿识别方法研究[J]. 科研管理, 2021, 42(1): 20-32.
19 Zhao W X, Zhou K, Li J Y, et al. A survey of large language models[PP/OL]. V19. arXiv (2026-03-18). https://arxiv.org/pdf/2303.18223.
20 Naveed H, Khan A U, Qiu S, et al. A comprehensive overview of large language models[J]. ACM Transactions on Intelligent Systems and Technology, 2025, 16(5): Article No.106.
21 Yang X, Peng T, Bi H J, et al. Span-level bidirectional retention scheme for aspect sentiment triplet extraction[J]. Information Processing & Management, 2024, 61(5): 103823.
22 Yue S H. LLM-based triplet extraction for automated ontology generation in software engineering standards[PP/OL]. V1. arXiv (2025-08-29). https://arxiv.org/pdf/2509.00140v1.
23 Kivel? M, Arenas A, Barthelemy M, et al. Multilayer networks[J]. Journal of Complex Networks, 2014, 2(3): 203-271.
24 Nurmi T, Badie-Modiri A, Coupette C, et al. Pymnet: a python library for multilayer networks[J]. Journal of Open Source Software, 2024, 9(99): 6930.
25 胡钢, 王琴. 基于网络跨层信息熵的复杂网络节点重要性辨识[J]. 西华大学学报(自然科学版), 2025, 44(2): 70-78.
26 任强, 吴鹏, 库瑶瑶. 基于知识图谱的中国碳捕集利用与封存技术研究进展与启示[J]. 四川大学学报(自然科学版), 2024, 61(2): 192-204.
27 申硕, 樊静丽, 陈其针, 等. 碳捕集、利用与封存(CCUS)技术的文献计量分析[J]. 热力发电, 2021, 50(1): 47-53.
28 Jiang K, Ashworth P. The development of Carbon Capture Utilization and Storage (CCUS) research in China: a bibliometric perspective[J]. Renewable and Sustainable Energy Reviews, 2021, 138: 110521.
29 Qian K Z, Kumar A, Zhang H L, et al. Recent advances in utilization of biochar[J]. Renewable and Sustainable Energy Reviews, 2015, 42: 1055-1064.
30 Bārdulis A, Lupi?is A, Stola J. Carbon balance in forest mineral soils in Latvia modelled with Yasso07 soil carbon model[J]. Research for Rural Development, 2017, 1: 28-34.
31 Vassilev S V, Vassileva C G. Composition, properties and challenges of algae biomass for biofuel application: an overview[J]. Fuel, 2016, 181: 1-33.
32 Lorenz K, Lal R, Ehlers K. Soil organic carbon stock as an indicator for monitoring land and soil degradation in relation to United Nations’ Sustainable Development Goals[J]. Land Degradation & Development, 2019, 30(7): 824-838.
33 Seddon N, Chausson A, Berry P, et al. Understanding the value and limits of nature-based solutions to climate change and other global challenges[J]. Philosophical Transactions of the Royal Society B: Biological Sciences, 2020, 375(1794): 20190120.
34 Verane J, dos Santos N C P, da Silva V L, et al. Phytoremediation of polycyclic aromatic hydrocarbons (PAHs) in mangrove sediments using Rhizophora mangle[J]. Marine Pollution Bulletin, 2020, 160: 111687.
35 Kawamiya M, Hajima T, Tachiiri K, et al. Two decades of earth system modeling with an emphasis on Model for Interdisciplinary Research on Climate (MIROC)[J]. Progress in Earth and Planetary Science, 2020, 7: Article No.64.
36 Chen H J, Zhang T, Costanza R, et al. Review of the approaches for assessing protected areas’ effectiveness[J]. Environmental Impact Assessment Review, 2023, 98: 106929.
37 Amalina F, Krishnan S, Zularisam A W, et al. Recent advancement and applications of biochar technology as a multifunctional component towards sustainable environment[J]. Environmental Development, 2023, 46: 100819.
38 Wang X J, Zhao H R, Lu H, et al. Decentralized coordinated operation model of VPP and P2H systems based on stochastic-bargaining game considering multiple uncertainties and carbon cost[J]. Applied Energy, 2022, 312: 118750.
39 覃国铭, 张靖凡, 周金戈, 等. 广东省红树林土壤碳储量及固碳潜力研究[J]. 热带地理, 2023, 43(1): 23-30.
40 廖宏斌, 杨志远, 刘娇萍. 石墨烯基多孔碳材料对CO2的捕集分离研究进展[J]. 化工新型材料, 2018, 46(3): 14-18, 22.
41 Wijmer T, Al Bitar A, Arnaud L, et al. AgriCarbon-EO v1.0.1: large-scale and high-resolution simulation of carbon fluxes by assimilation of Sentinel-2 and Landsat-8 reflectances using a Bayesian approach[J]. Geoscientific Model Development, 2024, 17(3): 997-1021.
42 边文越, 李国鹏, 周秋菊, 等. 关于ESI研究前沿的思考和使用方法研究[J]. 情报学报, 2022, 41(3): 254-262.