1 引 言

随着一批理工科大学确立创办“一流大学”、世界知名高水平大学的办学目标，理工大学的人文社科科研水平有了长足的发展。理工科高校对于文科发展的共同理念是依托理工科院校的背景优势，向文理交叉、渗透和融合的学科综合化方向发展。这既是高等教育改革的需要，也是学科发展的自身需要^[1]。

但是，研究型理工科大学在发展人文社科的过程中，存在学科门类覆盖面窄、学科分布密度不足和学科体系结构松散以及水平较低的问题^[2]。同时也出现了一些认识和实践上的偏差，主要是在发展战略和思路上没有充分体现学校自身的特性和文科发展的特殊规律，或简单套用学校发展理工科的思路来发展文科，或盲目模仿文科院校和综合性大学发展文科的一般模式^[3]。

因此，如何发展高水平人文社会学科是理工科高校建设一流大学所面临的一个重要课题。席光等^[4]通过分析国内外部分高校人文社科领域发展情况，为理工科院校发展文科提供了借鉴国内外一些知名高校的文科发展历史和国内部分高校的改革动向等思路。陈俊生等^[5]以15个人文社科类学院为研究对象，构建AHP和DEA评价模型定量分析，对高校人文社会科学科研利用效率进行实证分析。姚乐野等^[6]基于“985”高校在Web of Science期刊人文社科领域发文情况，得出我国高校的人文社会科学研究的国际学术影响力尚需要努力提高。当前对理工科高校发展人文社会科学的讨论日趋白热化，但定量分析的研究鲜有描述。

目前，国内外对潜在合作关系的挖掘主要是集中于对作者之间的潜在合作关系和潜在跨学科合作的研究。孙鸿飞等^[7]通过分析作者关键词的共现关系，提出改进的TFIDF算法应用于潜在合作关系的挖掘。刘竟等^[8]以科研合作网络“小世界现象”和“无标度特性”为理论基础，将链路预测算法运用到潜在合作关系的发现中。温芳芳^[9]选取专利文献为样本，分别基于作者分类号和关键词构建作者耦合关系网络，对两类耦合分析的效果进行比较，从而发掘潜在合作关系。李长玲等^[10]基于跨学科关键词共现网络，构建无向网络中节点的二维向量空间模型，识别情报学与计算机科学两学科中可开展跨学科合作的研究主题并计算合作潜力，从而发现跨学科合作的实现意义。对潜在合作关系的计量分析多以作者、学科或者企业作为研究对象，鲜有以高校为研究对象针对作者、高校合作机构、学科综合分析潜在合作关系开展的研究。研究方法多以文献关键词为基础实现合作关系挖掘，鲜少有整合文献信息作为合作机会发现基础发现的研究。

本文以卓越大学联盟理工科院校Excellent 9（下文简称“E9”）为研究对象，对其人文社科的科研情况进行分析，确定高校潜在合作机会发现的信息基础。E9最初是由国内9所具有理工特色的重点大学（北京理工大学，重庆大学，东南大学，大连理工大学，哈尔滨工业大学，华南理工大学，天津大学，同济大学，西北工业大学）组成的卓越人才培养合作高校的简称。

教育部已将人文社会学科成果评价体系前移，被SSCI、A&HCI收录论文的多少，已成为衡量高校文科科研水平高低的重要指标之一；同时，也是显示一所高校国际化及与国际接轨程度的重要标志。因此本文以Web of Science数据库ESI社会学总论中SSCI文献为数据来源。论文时间范围设定为2007—2016年，论文类型为Article（学术研究）类型。本次数据检索日期为2017年7月9日。

2 E9高校人文社科成果统计分析

2.1 发表论文统计

发文量一定程度上能够反映学术机构或相关学科的学术发展水平和国际学术交流参与度的大小。以2007—2016年为时限，从SSCI数据库中检索出9所高校共发表论文4201篇。将所得文献按所发表的年代分布进行统计，结果见表1。可以看出，9所卓越联盟大学发文逐年增加，总体呈稳步增长的趋势。

表1 2007—2016年E9总发文量统计

年份	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016	总计
年发文量	54	88	171	198	274	396	512	667	778	1063	4201

本文从学术论文的数量，质量及受关注度三个方面对卓越联盟高校发展水平进行分析（表2）：数量对应高校发文量，可以看出人文社科领域9所大学发文熟练悬殊。发文量大多居于400~500之间，500篇以上的两所高校为同济大学和东南大学；质量对应机构论文被引频次和机构H指数，结合被引频次就篇均被引频次比较而言，发文质量最高的是大连理工大学；受关注度可对应两个数量指标，一为下载次数和篇均下载次数；另一为引用速度，即某篇论文近三年被引次数的加权平均数，可以表明该篇论文的被关注度和关注持续的时间。虽然同济大学是下载量最高的，但是结合两指标来看，大连理工大学引用速度和篇均下载量也是最高。

表2 2007—2016年E9发文情况

序号	名称	发文量	被引频次	篇均被引频次	引用速度/（发文量/年）	下载次数	篇均下载次数	机构H指数
1	同济大学	845	5710	6.76	1220	22746	26.92	33
2	东南大学	679	6086	8.96	1306	16401	24.15	35
3	哈尔滨工业大学	500	3436	6.87	750	15823	31.65	25
4	天津大学	498	2619	5.26	553	13889	27.89	21
5	大连理工大学	446	7343	16.46	1380	15700	35.20	42
6	北京理工大学	432	4737	10.96	1037	13535	31.33	38
7	华南理工大学	408	3509	8.60	666	10743	26.33	27
8	重庆大学	335	1979	5.91	382	8704	25.98	21
9	西北工业大学	116	614	5.29	124	3417	29.46	13

高校人文社科成果产出质量与多寡，和学校的科研方向、学科特点等有很大的关系，在一定程度上反映出该校科研实力与影响力的高低^[4]。由上述分析可以看出，E9高校人文社科发展速度有快有慢，整体实力有待进一步发展。而发展的一个重要手段是协同合作发展。E9高校皆为理工科高校，人文社科拥有类似的与理工科交叉融合的学科环境。相似的文科发展背景和学科氛围，可以使高校间的合作更有针对性。正是因为基础类似，了解合作双方的优势与劣势，有利于寻求更为高效的学科支撑与潜在合作。同时，相同的合作背景可以为机构间带来更多的合作机会，由此形成机构合作群体，形成强大凝聚力，共同促进学科发展。

2.2 合作机构情况

广泛的国际合作能够快速地提升科研组织的国际化步伐。2011年3月，英国皇家协会“Knowledge, Networks and Nations: Global Scientific Collaboration in the 21st Century”的报告，该报告指出，目前在国际期刊上发表的论文中有35%以上都是国际合作的产物^[11]。因此，统计卓越大学联盟高校发表论文的国际合作情况有助于了解这9所理工科高校在国际人文社科学术界的影响力情况。

E9发表论文的国际合作情况（表3），其中统计国家地区数量时已去除中国。可以看出，国际合作发文比在50%以上的高校仅有4所。同济大学国际合作发表论文最多，国际合作发文比高达75.14%。国际合作发文数量也是第二名东南大学的2倍之多，足见同济大学人文社科研究国际化合作程度之高。

在被收录的卓越大学联盟9所高校的4201篇学术论文中，涉及的合作机构有1782个，这里仅截取排名前10位的机构进行展示（表4）。从合作机构的所属地区来看：内地机构最多，占合作机构数量的60%左右，其中和中科院合作论文数量最多，共计138篇；港澳台地区合作机构数量虽少，但合作论文数量比较多，共393篇。其中，香港理工大学合作论文数最多，为162篇。

表4 E9合作机构分布

序号	合作机构	合作发文量	占总发文量百分比/%
1	香港理工大学	162	3.86
2	中国科学院	138	3.29
3	上海交通大学	109	2.60
4	复旦大学	92	2.19
5	北京大学	83	1.98
6	浙江大学	82	1.95
7	西安交通大学	80	1.90
8	中山大学	80	1.90
9	香港城市大学	76	1.81

9所高校中与香港理工合作最多的是哈尔滨工业大学（表5），合作论文数为53篇；国外合作机构中，机构来源最多的地区是美国，其中与加利福尼亚大学、佐治亚大学、佛罗里达州立大学、马里兰大学合作较为频繁。共有合作机构分布的高度重叠，合作力度较强，基于共有的合作机构，说明E9高校间研究科研需求可以对接。由此可认为共有合作机构可以作为潜在合作机会发现的信息基础。

表5 E9高校人文社科领域国内外合作发文排名前5位的机构

序号	机构名称	国内合作机构	合作发文量	国外合作机构	合作发文量
1	同济大学	上海交通大学 复旦大学 中山大学 四川大学 首都医科大学	78 64 40 38 32	加利福尼亚大学 佛罗里达州立大学 弗吉尼亚联邦大学 新加坡国立大学 犹他州州立大学	31 23 23 19 17
2	东南大学	南京医科大学 北京大学 香港理工大学 南京大学 中南大学	41 28 24 22 16	马里兰帕克分校 新加坡国立大学 加利福尼亚大学 佛罗里达州立大学 威斯康星大学	15 14 12 9 9
3	哈尔滨工业大学	香港理工大学 深圳大学城 首都医科大学 北京大学 清华大学	60 59 24 8 8	代尔夫特理工大学佛罗里达州立大学 马里兰大学 马里兰帕克分校 犹他州州立大学	27 7 6 5 5
4	天津大学	中国科学院 南开大学 武汉大学 北京大学 清华大学	26 12 10 7 6	新加坡国立大学 佐治亚大学 马里兰大学 马里兰帕克分校 加利福尼亚大学	9 8 5 4 4
5	大连理工大学	香港理工大学 中国科学院 沈阳航空航天大学 大连海事大学 上海海事大学	30 21 18 18 14	克拉克大学 俄勒冈大学 德克萨斯理工大学 鲁汶大学 代尔夫特理工大学	28 23 20 10 6
6	北京理工大学	中国科学院 清华大学 香港中文大学 北京大学 中科大	37 17 11 11 9	佐治亚大学 比利时微电子研究中心 密歇根大学 马里兰大学 北卡罗来纳大学	30 9 8 5 5
7	华南理工大学	浙江大学 中欧国际工商学院 香港中文大学 中山大学 中国科学院	38 28 22 16 15	普渡大学 新加坡国立大学 东安格利亚大学 加利福尼亚大学 宾州州立大学	9 5 5 3 3
8	重庆大学	香港理工大学 香港大学 香港城市大学 复旦大学 清华大学	20 16 13 8 6	新加坡国立大学 东安格利亚大学 昆士兰理工大学 北卡罗来纳大学 威斯康星大学	10 9 8 6 3
9	西北工业大学	西安交通大学 中国科学院 香港城市大学 香港大学 南开大学	34 7 3 2 2	莫纳什大学 伦敦大学 佐治亚大学 新加坡国立大学 东安格利亚大学	10 3 3 1 1

2.3 学科分布

卓越大学联盟9所高校被收录的4201篇学术论文涉及166个学科门类。排序前10个学术论文类别标签（表6），包含9所高校的学科论文数3383篇，占论文总数的80.5%，表明9所高校人文社科发表论文的学科分布较为集中。

表6 卓越大学联盟高校论文排名前10位的学科分布

序号	学科	论文数量	总被引频次	篇均被引频次	下载次数	篇均下载次数	h指数	总学科数量 占比/%
1	管理学	509	5570	10.94	20499	40.27	34	12.11
2	运筹学	504	7831	15.57	19381	38.45	40	11.99
3	环境研究	412	5308	12.91	13449	32.64	36	9.80
4	经济学	404	3254	8	9727	24.08	27	9.61
5	工业工程	287	4321	15.56	11658	40.62	28	6.83
6	交通运输工程	269	2403	8.97	6107	22.70	26	6.40
7	土木工程	259	2295	8.86	7283	28.12	23	6.16
8	能源燃料	251	5016	19.98	8353	33.28	37	5.97
9	计算机科学跨学科应用	248	2339	9.43	9095	36.67	23	5.90
10	图书情报学	240	2310	9.63	10608	44.20	22	5.71

通过统计分析可以看出，学科发文量、篇均下载次数、篇均被引频次、h指数最高的学科分别是管理学、图书情报学、能源燃料、运筹学。收录量前10位的论文标签中属于人文社科领域的研究类别有4类，分别是管理学、运筹学、经济学、图书情报学，仅占论文数量的34.57%。而剩余6个学科类别均属于自然学科^[7]，占论文总数量的46.89%。由此看来，自然学科比重较大，人文社科优势较为弱小；应用类学科实力较强，基础性文科实力明显偏弱。

结合表7来看，从人文社科方向论文数量占总发表论文数量的比重来看，大连理工大学和同济大学最高，其中大连理工大学实力较强的学科是图书情报学和运筹学，结合发文最高的自然学科是计算机学科和环境科学；同济大学最突出的文科是运筹学与管理学，与文科结合发文最高的理工科是运输科学和土木工程，论文产出都超过100篇。E9高校间学科发展情况较为类似，基于相似的学科分布，高校间有很好的合作前景，学科情况可作为潜在合作发现的信息基础。

表7 E9高校人文社科领域发文数量排名前5位的学科

序号	机构名称	学科	发文量	人文社科论文数量占比	序号	机构名称	学科	发文量	人文社科论文数量占比
1	同济大学	运输科学 运筹学 土木工程 管理学 环境研究	148 113 110 101 93	0.66	6	北京理工大学	能源燃料 环境科学 管理学 经济学 绿色可持续发展技术	99 84 49 44 40	0.60
2	东南大学	运输科学 运筹学 经济学 数学交叉学科应用 土木工程	111 73 72 65 64	0.60	7	华南理工大学	运筹学 管理学 工业工程 经济学 制造工程	79 76 63 59 36	0.59
3	哈尔滨工业大学	管理学 图书情报学 计算机信息系统 商业学 经济学	74 62 54 48 45	0.64	8	重庆大学	环境科学 运筹学 经济学 工业工程 管理学	64 41 40 36 35	0.64
4	天津大学	管理学 环境科学 运筹学 跨学科数学应用 环境研究	70 67 62 60 57	0.53	9	西北工业大学	管理学 工业工程 商业学 跨学科数学应用 概率统计	21 14 14 12 12	0.47
5	大连理工大学	图书情报学 运筹学 跨学科计算机应用 管理学 环境科学	73 68 58 48 44	0.67

2.4 关键词分析

为进一步明晰卓越大学联盟理工科院校在国际上人文社科方面所关注的热点问题，在了解学科分布的基础上，通过对4201篇论文进行统计，得到8242个不同的关键词，总频数为22631次。从表8可以看出，E9高校之间关键词分布高度重复，说明研究内容较为相似。研究热点相近，说明在研究方向上有良好的合作可能，同时关键词分析也是典型的合作关系发现基础，也可作为一种重要的潜在合作发现的信息基础。

表8 E9高校人文社科领域发文排名前5位的关键词对应发文量

机构名称	关键词	发文量	机构名称	关键词	发文量
同济大学	Performance Safety Depression Simulation Innovation	24 22 20 20 17	大连理工大学	Scheduling Supply chain Management Learning effect Performance Evaluation	24 18 17 14 14
东南大学	Supply chain Depression Safety Decision making Pricing	126 27 25 22 18	北京理工大学	Energy efficiency Carbon emissions Policy Energy consumption Climate change	18 16 13 12 12
哈尔滨工业大学	Supply chain Performance ERP Innovation Policy	74 62 54 48 45	华南理工大学	Supply chain Performance Pricing Innovation Coordination	41 24 24 13 12
天津大学	Supply chain Pricing Performance Policy Social media	32 17 16 12 10	重庆大学	Supply chain Urbanization Performance Innovation Remanufacturing	19 15 12 11 10
西北工业大学	Performance Innovation Simulation Sustainable Development-Evaluation	9 6 4 4 3

因关键词表达含义不够明确，本文运用关键词共线网络分析关键词所代表的的研究主题。这里我们去掉“CHINA”等通用词或重复含义的词之后，选取词频高于50的33个高频关键词，绘制高频关键词共现网络图。在关键词共现网络图中，节点越大，代表词频越高；两节点之间连线越粗代表两个关键词共现次数越多。如图1所示，PERFORMANCE（绩效）、IMPACT（影响）、MANAGEMENT（管理）、MODEL（模式）、SYSTEM（系统）、INDUSTRY（产业）、INFORMATION（信息）等关键词词频都很高，且彼此之间共线的次数也位居前列。由此可大致认为，这些关键词所代表的研究主题是这9所理工科院校在国际上的热点问题。

图1 E9人文社科领域SSCI论文高频关键词共现网络图

为了确定图1中的关键词所代表的研究主题，结合表6,7学科分布情况，我们发现：在经济学、管理学和运筹学研究领域：经济增长模式和经济绩效研究、产业经济增长、市场主体行为模式、管理模式、决策模型、供应链最优化、创新网络模型等是主要研究热点；在数学、计算机、信息等研究领域：计算机网络、信息网络管理、系统技术等与理工科交叉的研究问题也是研究热点所在。

3 基于高校信息向量模型的潜在合作关系挖掘

卓越大学联盟作为国内9所理工类大学，在为国内其他理工类学校人文社科的发展提供参考的同时，9所高校的发展方向必然也存在一定的相似性。结合第2.1~2.4节所得结论，本文假定，高校间文科具有相似的发展背景更易产生合作关系，其共同合作过的机构、高度重叠的学科分布以及重复的关键词可以作为潜在合作机会发现的信息基础。因此以E9这9所高校为例，尝试挖掘出潜在的合作对象。

本文所要挖掘的潜在合作关系是指高校基于合作机构、研究内容（学科分布、关键词）的相似性有可能产生合作关系。因此，为了衡量高校间差异的大小，我们给出了1种基于高校信息向量的度量方式，将每个高校的信息表示成1个向量，将9所高校分别在合作机构、学科、关键词3个方面的向量进行两两计算，以空间向量的夹角大小来判断学校之间的相似度大小，定量分析高校间的差异，从而挖掘出高校间可以合作和交流的内容。

3.1 高校信息向量的选取

（1）高校信息向量构造。高校信息向量是由若干个特征词组成的向量，给出特征词权重，构建高校信息模型。3种学校信息向量分别选择合作机构名称、学科名称、关键词作为表征高校信息的特征词，同时将机构频数、学科频数、关键词词频作为特征词权重。高校信息向量为： u i = ( u 1 j , ⋯ , u i j , ⋯ , u 9 j ) ，其中 u i j 为第 j 个特征词在第 i 个高校的特征向量 u i 中的权重， 1 ≤ i ≤ 9 ， j 为特征词的个数，即向量的维数。每所高校的每一个维度对应的特征词是一致的。将构造的9所高校信息向量进行两两计算，得到36组高校对的相似度值。

对每个高校，分别有高校—合作机构矩阵、高校—学科矩阵、高校—关键词矩阵。高校信息向量矩阵举例，见表9。则对于高校向量利用空间向量夹角的余弦值计算，计算公式如下：

式中， X 、 Y 为任意两个高校 x 、 y 的信息向量， c x j 为高校 x 关于特征 j （合作机构、学科、关键词）的发表论文数， t 在3种向量中分别为合作机构个数、学科个数、关键词个数。计算结果为大于等于0小于等于1的正数，当两个向量完全一致时结果为1。计算结果越大，向量相似度就越大，高校特征就越为相似。

表9 高校-合作机构矩阵

	香港理工大学	中国科学院	...	复旦大学	浙江大学	...	大连海事大学
同济大学	31	16	...	64	26	...	40
东南大学	24	15	...	3	4	...	12
天津大学	0	26	...	3	4	...	3
哈尔滨工业大学	60	4	...	7	3	...	3

注：矩阵中的每一行代表一个高校信息向量，每一列代表一个特征词向量。

（2）合作基础对象的选取。高校合作基础之一，即合作机构中共同合作对象，选取标准是按照F值降序排列，取排名前3位。基于相似高校对，在选取共有合作对象时，希望其分别与两所高校合作论文数越多越好，但实际情况是，虽然与两所高校均有合作，但合作论文数却相差悬殊。F值是应用于信息检索和统计学分类领域用来评价结果质量的综合度量值，为评估指标召回率和精度的调和平均值。F值计算公式如下：

式中， x i 、 y i 是指对于同一合作机构，高校 x 、 y 分别与之合作的论文数。每所高校的每一个维度对应的特征词一定是一致的， i 的大小取决于向量维数。 α 为权重，因为高校同等重要，故取 α 为1。

（3）高校合作潜力值。基于国内外合作机构org、学科subject、关键词kw同时出现过的高校对的相似度进行加和（这里我们认为三种因素同等重要，因此不设置权重），记为合作潜力值：

3.2 高校相似度计算

（1）基于合作机构的高校信息向量。本文分别基于国外、国内合作机构对9所高校之间的相似度进行了计算。选取与9所高校总合作次数在20次以上的机构作，国外合作机构有36个，国内合作机构为54个，即向量维数分别为36、54，9所高校每一维度对应的合作机构是一致的。这里选取相似度在0.5以上的“高校对”进行分析，参考F值的概念，将2所高校的合作数据加权调和计算，进行降序排列，分别取加权平均值排名前3位的国内外合作机构作为共有合作对象。假定当2个机构有较多共同合作过的机构时，这2个机构相互了解并产生合作关系的可能性也就越大。即以共同合作机构作为潜在合作机会发现的信息基础进行合作信息挖掘。

由表10,11可见，从国外合作机构来看，9所高校合作最为频繁的是新加坡国立大学，与美国地区的大学合作较多，综合实力较强的同济大学和东南大学在国外合作机构的选择上达到了高度的相似性；从国内机构来看，地缘相近的天津大学和北京理工大学，相似度达到了0.82，说明国内合作机构分布也是大部分重合的，从侧面说明了地理位置相近的两所学校科研交流环境较为友好，有较大可能实现合作资源共享。

表10 基于国外合作机构的高校之间的相似度

序号	学校A	学校B	相似度	国外合作机构
1	同济大学	东南大学	0.72	新加坡国立大学、马里兰大学帕克分校、佛罗里达州立大学
2	华南理工大学	重庆大学	0.62	新加坡国立大学、东安格利亚大学、昆士兰理工大学
3	东南大学	天津大学	0.62	新加坡国立大学、马里兰大学、加州大学
4	天津大学	北京理工大学	0.58	佐治亚大学、佐治亚理工学院、马里兰大学
5	东南大学	华南理工大学	0.54	新加坡国立大学、普渡大学、加州大学

表11 基于国内合作机构的高校之间的相似度

序号	学校A	学校B	相似度	国内合作机构
1	天津大学	北京理工大学	0.82	中科院、清华大学、北京大学
2	同济大学	东南大学	0.60	香港理工大学、北京大学、中南大学
3	北京理工大学	华南理工大学	0.58	中科院、香港理工大学、香港城市大学
4	同济大学	华南理工大学	0.54	浙江大学、中山大学、西安交通大学
5	东南大学	北京理工大学	0.51	中科院、北京大学、香港中文大学

为此我们进一步分析发现，相似度较高的两所高校在与同一个机构合作时，学科分布也存在着很大程度的重叠现象。例如，在与国外机构合作中，同济大学和东南大学分别与新加坡国立大学合作，合作度最高的两个学科均是土木工程和运筹学。基于合作机构、研究内容的相似，可以认为同济大学、东南大学互为潜在合作对象。

（2）基于学科的高校信息向量。每一个高校维度所对应的特征值为发表论文隶属学科的论文数量，9所高校的每一个维度对应的学科是一致的。这里选取发文量在10篇以上的学科，共89个，即向量维数为89。相似度在0.5以上的高校对占比在90%以上（表12），列出相似度在0.8以上的高校对。同时按照计取F值的方法计算，取F值前5位的学科作为潜在合作学科，即高度重叠的学科分布说明高校间具有良好的合作基础，进而可挖掘出高校间在相似学科的潜在合作信息。

表12 基于学科的高校之间的相似度

序号	学校A	学校B	相似度	潜在合作学科
1	同济大学	东南大学	0.92	交通运输工程、运筹学、土木工程、经济学、管理学
2	哈尔滨工业大学	大连理工大学	0.90	图书情报学、管理学、计算机交叉应用、运筹学、环境科学
3	天津大学	华南理工大学	0.86	管理学、运筹学、工业工程、经济学、环境科学
4	天津大学	重庆大学	0.86	环境科学、运筹学、管理学、工业工程、经济学
5	华南理工大学	重庆大学	0.83	运筹学、管理学、经济学、工业工程、环境研究
6	天津大学	大连理工大学	0.82	运筹学、管理学、环境科学、计算机学科交叉应用
7	天津大学	北京理工大学	0.81	环境科学、能源燃料、管理学、环境科学、运筹学
8	大连理工大学	华南理工大学	0.80	运筹学、管理学、经济学、工业工程、计算机学科交叉应用

由12可以看出潜在合作学科出现次数较多的是管理学、运筹学以及经济学。相似度最高的同济大学和东南大学实力相当的学科为运筹学、土木工程、管理学、交通运输等，可作为潜在合作学科。相似度越高，学科结构越相似，作为研究基础的学科背景越类同，合作优势越为明显。具有共同的学科基础有利于降低高校之间的合作成本，提高科研效率，由此双方获得更多的合作机会。

基于关键词的高校信息向量。选取频次在30次以上的关键词为特征词，去除错项、合并重复项，共59个，即向量维数为59。表12列出相似度大小排名前10位的高校对。同样按照计取共有合作机构、潜在合作学科的F值的方法，取F值前5位的关键词作为潜在合作关键词。即各高校出现频率较高的关键词重叠说明高校间具有相似的研究热点，进而可挖掘出在基于关键词的潜在合作信息。

如表13所示，基于关键词高校之间相似度几乎一致性地达到较高程度，说明多个高校的研究热点存在着交叉。一方面交叉的研究热点恰恰表明理工类高校之间在人文社科研究领域已然拥有形成高校学术群的基础；另一方面在潜在合作群体的交流下，高校之间交换学术资源，更加促发了研究热点的传播。

表13 基于关键词的高校之间的相似度

序号	学校A	学校B	相似度	潜在合作关键词
1	天津大学	华南理工大学	0.87	Supply chain、Pricing、Policy、Inventory、Innovation
2	哈尔滨工业大学	华南理工大学	0.83	Supply chain、Innovation、Pricing、Policy、ERP
3	天津大学	哈尔滨工业大学	0.78	Supply chain、Policy、Pricing、Social media、ERP
4	东南大学	华南理工大学	0.78	Supply chain、Pricing、Inventory、Decision making、ERP
5	华南理工大学	重庆大学	0.77	Supply chain、Pricing、Policy、Evaluation、Optimization
6	东南大学	天津大学	0.76	Supply chain、Pricing、Performance、Inventory、Decision making
7	同济大学	哈尔滨工业大学	0.73	Performance、Innovation、Scheduling、ERP、Safety Case
8	东南大学	哈尔滨工业大学	0.67	Supply chain、ERP、Performance、Policy、Pricing
9	同济大学	大连理工大学	0.66	Performance、Innovation、Scheduling、ERP、Pricing
10	同济大学	华南理工大学	0.64	Performance、Pricing、Supply chain、Innovation、Policy

表13出现频次较高的关键词：Supply chain、Inventory、ERP、Performance、Pricing，结合表12列出的主要的潜在合作学科：交通运输工程、运筹学、土木工程、管理学、经济学，对比来看达到了高度一致性，表明本文采用的高校相似度判定方法具有较强的科学意义。

3.3 高校间潜在合作关系的发现

机构之间的合作首先是建立在自愿平等的基础上机构双方相互选择的结果。结合前文所述，我们认为可以使机构间更易发生合作关系的合作基础指标有三个：共有合作机构、学科分布、关键词。两个高校拥有共同合作机构更易产生合作是因为，高校与多个机构产生合作代表着高校的科研合作意愿高于一般科研机构，通常高校也有着较高的知名度，这样的两个同类型的高校产生合作的可能性也相对较大。而研究内容（学科分布、关键词）代表着高校的科研方向，高校本身也愿意对这方面投入更多的资源，因而同与高校自身有着相似特点、相同研究方向的机构产生合作的意愿也较为强烈。相似度越高，机构间产生合作关系的可能性就越大。

综上所述，本文从合作机构、学科、关键词三个方面来发现高校之间潜在的合作机会，按照公式(3)将表10,11,12,13进行匹配计算，选取潜力值排名前5位的高校进行合作信息挖掘。据此综合分析合作动机进而给出高校潜在合作方向的建议（表14）。

4 结论与局限

本文对2007—2016年卓越联盟理工科高校发表于SSCI的人文社科期刊论文进行定量研究，对比分析出高校间文科科研发展的差异。从分析结果可以看出卓越大学联盟高校人文社科整体发展水平存在以下特点：卓越大学联盟人文社科科研产出呈现持续增长；发文量较高的高校国际化合作程度相对较高；学科分布相对集中，人文社科优势较为弱小；应用类学科实力较强，基础性文科实力明显偏弱。

在了解高校背景的基础上，进一步挖掘理工科高校潜在的合作关系。给出了一种基于高校信息向量的相似度度量方式，从合作机构、学科、关键词三个层面构建高校信息向量，结合论文成效对比分析高校间信息差异，探索高校间合作基础，发现更多合作机会。同时，本次研究实现了以下目的：

①基于三个合作基础指标共同合作机构、学科分布、关键词，分析合作动机，挖掘出高校潜在合作方向。②提出高校信息向量，用于高校合作机构、学科、关键词的信息特征表示，基于相似度度量找出高校间信息差异，并将相似信息匹配，发现高校潜在合作机会。给出一种能够挖掘人文社科潜在合作机会的方法，展示人文社科科研发展状况，并为高校潜在合作机会的挖掘提供一种可行的信息表示模型，可用于指导科学研究的开展。

但是本文也存在一定的局限性：①在样本的选择上，以9所高校作为理工科大学样本进行统计分析，仅仅为理工科大学人文社科国际发展水平提供一个例证，并不能保证样本具有较高的代表性。在今后的工作中，笔者将扩大研究对象的选择范围与层次，对国内外一流大学的人文社科进行深入研究。②在相似度的计算中，挖掘结果受到高校发文量的影响较大。因此在今后的研究中将会进一步改进算法。

参考文献

• 1

  王军, 马颖. 理工科大学文科研究生创新能力培养研究[J]. 教育探索, 2010(4): 59-60.

• 2

  袁紫玲. 理工科高校人文社会科学学科生态环境研究[D]. 广州: 华南理工大学, 2016.

• 3

  曾江华. 基于SWOT分析的理工科院校发展文科策略[J]. 当代教育论坛, 2011(11): 74-76.

• 4

  席光, 贾毅华, 梅红, 等. 关于人文社会科学学科建设的初步思考[J]. 西安交通大学学报(社会科学版), 2016, 36(5): 106-111.

• 5

  陈俊生, 周平, 张明妍. 高校人文社会科学科研资源利用效率评价——以江苏省地方综合性大学为例[J]. 教育与经济, 2012(4): 58-61.

• 6

  姚乐野, 王阿陶. 我国高校人文社会科学学术成果的国际影响力分析——基于“985”高校在Web of Science期刊发文引文的研究[J]. 四川大学学报(哲学社会科学版), 2015(1): 111-120.

• 7

  孙鸿飞, 侯伟. 改进TFIDF算法在潜在合作关系挖掘中的应用研究[J]. 现代图书情报技术, 2014, 30(10): 84-92.

• 8

  刘竟, 孙薇. 基于链路预测的潜在科研合作关系发现研究[J]. 情报理论与实践, 2017, 40(7): 88-92.

• 9

  温芳芳. 基于专利权人-分类号耦合分析的潜在合作关系网络研究[J]. 情报学报, 2016, 35(12): 1265-1272.

• 10

  李长玲, 刘小慧, 刘运梅, 等. 基于开放式非相关知识发现的潜在跨学科合作研究主题识别——以情报学与计算机科学为例[J]. 情报理论与实践, 2018, 41(2): 100-104, 137.

• 11

  The Royal Society. Knowledge, networks and nations: Global scientific collaboration in the 21st century[OL]. https://roy-alsociety.org/policy/projects/knowledge-networks-nations/report/2014-2-15.