上傳人：文***

認(rèn)證信息

認(rèn)證類型：個(gè)人認(rèn)證

認(rèn)證主體：范**（實(shí)名認(rèn)證）

IP屬地：四川

IP屬地：四川 上傳時(shí)間：2022-10-14 格式：DOCX 頁數(shù)：10 大?。?.14MB 積分：12 舉報(bào) 版權(quán)申訴

1、基于三維引文關(guān)聯(lián)網(wǎng)絡(luò)的潛在知識(shí)流動(dòng)探測以基因編輯領(lǐng)域?yàn)槔?要 在知識(shí)經(jīng)濟(jì)時(shí)代，知識(shí)流動(dòng)在激發(fā)知識(shí)創(chuàng)新和促進(jìn)科技發(fā)展等方面的價(jià)值逐步凸顯出來。本文在直引-共被 引-耦合三維引文關(guān)聯(lián)網(wǎng)絡(luò)融合的基礎(chǔ)上，對(duì)主題關(guān)聯(lián)層面進(jìn)行映射，對(duì)領(lǐng)域內(nèi)潛在的知識(shí)流動(dòng)進(jìn)行挖掘。鏈路預(yù)測 指標(biāo)作為特征值，分別應(yīng)用于構(gòu)建分類器和回歸器。其中，分類器用于預(yù)測目前尚未存在、在未來極有可能發(fā)生的知 識(shí)流動(dòng)；回歸器主要用于預(yù)測目前鏈接權(quán)重較低的，尚未引起廣泛關(guān)注、但在未來具有較高鏈接權(quán)重的知識(shí)流動(dòng)。兩 種預(yù)測層面綜合互補(bǔ)，可更全面地探測領(lǐng)域內(nèi)的研究前沿或新興趨勢(shì)。利用該思路對(duì)當(dāng)前熱門的基因編輯技術(shù)領(lǐng)域進(jìn) 行探索研究，得到了該領(lǐng)域

2、中的潛在知識(shí)流動(dòng)和潛在研究的熱點(diǎn)，為科研人員選擇研究方向提供參考。關(guān)鍵詞 三維引文關(guān)聯(lián)融合；知識(shí)流動(dòng)；鏈路預(yù)測；基因編輯Potential Knowledge Flow Detection from an Integrated Perspective of Three-Dimensional Citations: A Case Study of Gene EditingAbstract: In the era of knowledge economy, the value of knowledge flow in stimulating knowledge innovation and pro

3、moting scientific and technological development has gradually become more prominent. Based on the fUsion of direct-cocitation-coupling citation association, this paper mines the potential knowledge flow in the domain at the subject association level. Indicators of link prediction are used as the fea

4、ture values to construct the classifier and regressor, respectively. The classifier is used to predict the knowledge flow that is not yet present but is likely to occur in the future. The regressor is mainly used to predict the current knowledge flow with low link weights, which has not attracted wi

5、despread attention but has high link weights in the future. The two-layer prediction method is comprehensive and complementary, which can more fully detect research frontiers and emerging trends in the field. Using this idea to explore the currently trending field of gene editing technology, we have

6、 obtained the potential knowledge flow and research hotspot in this field, which can serve as a reference for the future research direction for researchers.Key words：three-dimensional citation association fusion；knowledge flow；link prediction；gene editing隨著知識(shí)經(jīng)濟(jì)時(shí)代的到來，知識(shí)的價(jià)值被逐漸 挖掘出來。同時(shí)，知識(shí)流動(dòng)的活力凸顯，在知識(shí)創(chuàng) 新

7、和科學(xué)發(fā)展方面發(fā)揮著不可替代的作用作為 技術(shù)創(chuàng)新的基礎(chǔ)，知識(shí)創(chuàng)新是經(jīng)濟(jì)增長與科技進(jìn)步 的動(dòng)力源泉。知識(shí)流動(dòng)是知識(shí)創(chuàng)新的必要條件，當(dāng) 創(chuàng)新主體中的知識(shí)轉(zhuǎn)移（流動(dòng)）到其他創(chuàng)新主體 時(shí)，通過融合、內(nèi)化、創(chuàng)新等形式又轉(zhuǎn)化為新的知 識(shí)，從而激發(fā)知識(shí)創(chuàng)新的產(chǎn)生口。潛在知識(shí)流動(dòng)，又稱未來知識(shí)流動(dòng)，是指目前 尚未產(chǎn)生，但在未來很有可能發(fā)生的知識(shí)流動(dòng)，可 用于揭示學(xué)術(shù)領(lǐng)域內(nèi)未來的知識(shí)創(chuàng)新。通過對(duì)已有 的知識(shí)流動(dòng)進(jìn)行分析，推測出可能發(fā)生的創(chuàng)新方 向，即探測潛在知識(shí)流動(dòng)。潛在知識(shí)流動(dòng)探測有助 于科研工作人員追蹤研究前沿與新興研究趨勢(shì)，為 研究人員選擇研究方向提供參考。科學(xué)文獻(xiàn)作為學(xué)術(shù)界最為普遍的知識(shí)載體，在 學(xué)術(shù)生

8、態(tài)圈中充當(dāng)著學(xué)術(shù)媒介的角色。文獻(xiàn)間的引 證關(guān)系，本質(zhì)上揭示的是知識(shí)流動(dòng)與知識(shí)轉(zhuǎn)移的過 程3。被引方通過科技文獻(xiàn)，將自身的知識(shí)進(jìn)行傳 播，同時(shí)所傳播的知識(shí)被引用方接受與吸收。施引 方和被引方構(gòu)成知識(shí)流動(dòng)的線段，此線段的載體為 科技文獻(xiàn)。這種領(lǐng)域內(nèi)知識(shí)的交叉融合有利于激發(fā) 和啟迪開拓思維，促使重大科學(xué)創(chuàng)新的產(chǎn)生目 前，關(guān)于知識(shí)流動(dòng)的研究大多數(shù)是以引文網(wǎng)絡(luò)為基 礎(chǔ)展開的，且多集中于直引網(wǎng)絡(luò)，在此基礎(chǔ)上抽取 到知識(shí)（主題）層面，構(gòu)建知識(shí)流動(dòng)網(wǎng)絡(luò)。實(shí)際 上，除了直引這種最為基本的引文關(guān)聯(lián)外，共被引 和耦合也是非常具有分析價(jià)值的兩種典型引證關(guān) 系。兩者均是通過第三方文獻(xiàn)的直引關(guān)系所建立的 間接關(guān)聯(lián)，而這種

9、間接關(guān)聯(lián)的存在會(huì)進(jìn)一步強(qiáng)化原 有的直引關(guān)聯(lián)強(qiáng)度，這也成為三種引文關(guān)聯(lián)融合的 一項(xiàng)充分條件。此外，Morris等5曾用一張盲人摸 象圖比喻從單一特征或關(guān)系來揭示領(lǐng)域內(nèi)科學(xué)知識(shí) 結(jié)構(gòu)的片面性與局限性，形象地反映出單一分析維 度對(duì)科學(xué)知識(shí)領(lǐng)域體系解釋不夠全面的問題，這也 成為多重引文關(guān)聯(lián)融合應(yīng)用的一項(xiàng)必要條件。在這 種背景下，本文的研究議題應(yīng)運(yùn)而生，旨在對(duì)直 引-共被引-耦合三維引文關(guān)聯(lián)網(wǎng)絡(luò)進(jìn)行融合的基礎(chǔ) 上，映射到主題層面構(gòu)建知識(shí)流動(dòng)網(wǎng)絡(luò)，進(jìn)行預(yù)測 分析，挖掘領(lǐng)域內(nèi)潛在知識(shí)流動(dòng)，進(jìn)而探測領(lǐng)域內(nèi) 的研究前沿或新興趨勢(shì)。三維引文關(guān)聯(lián)融合在文獻(xiàn)中，主題是知識(shí)的直接表征。文獻(xiàn)之間 的引證關(guān)系本質(zhì)上揭示的是

10、知識(shí)之間的流動(dòng)與轉(zhuǎn) 移，因而在刻畫知識(shí)流動(dòng)網(wǎng)絡(luò)方面具有較為廣泛的 應(yīng)用。文獻(xiàn)間傳統(tǒng)的引證關(guān)系主要包括：直引關(guān) 系、共被引關(guān)系以及耦合關(guān)系。其中，直引關(guān)系作 為最直接的一種引文關(guān)聯(lián)方式，最能刻畫領(lǐng)域內(nèi)的 知識(shí)流動(dòng)現(xiàn)狀。Shibata等回研究表明，相比共被引 與文獻(xiàn)耦合網(wǎng)絡(luò)而言，對(duì)直引網(wǎng)絡(luò)分析作為引文分 析中最為直接的關(guān)聯(lián)挖掘方式，其在探測領(lǐng)域內(nèi)的 研究現(xiàn)狀、挖掘知識(shí)交流情況等諸多方面的應(yīng)用中 具有最佳的表現(xiàn)。目前，已有的關(guān)于知識(shí)流動(dòng)的研 究多是以引文網(wǎng)絡(luò)為基礎(chǔ)，且多集中于直引網(wǎng) 絡(luò)7-8o直引分析固然重要，但是另兩種引文關(guān)聯(lián)方 式同樣也不可忽視，它們亦可作為直引網(wǎng)絡(luò)在領(lǐng)域 內(nèi)實(shí)現(xiàn)更全面的關(guān)聯(lián)發(fā)現(xiàn)

11、中的有益補(bǔ)充四。三種引 文關(guān)聯(lián)在刻畫領(lǐng)域研究現(xiàn)狀各有側(cè)重，單一引文關(guān) 聯(lián)不足以涵蓋科學(xué)研究領(lǐng)域的全貌，不能反映真實(shí) 的知識(shí)交流情況。相關(guān)研究表明10，不同學(xué)術(shù)網(wǎng)絡(luò) 所揭示的學(xué)科知識(shí)結(jié)構(gòu)及未來演化情況側(cè)重于不同 的方面，多重引文關(guān)聯(lián)的融合將更全面地揭示領(lǐng)域 內(nèi)科學(xué)知識(shí)結(jié)構(gòu)與研究現(xiàn)狀。鑒于上述現(xiàn)狀，本研究嘗試對(duì)三種不同的引文 方式進(jìn)行適度融合，進(jìn)而實(shí)現(xiàn)更加全面的、真實(shí)的 知識(shí)流動(dòng)探測分析。迄今為止，有些學(xué)者提出了具 體的思路來實(shí)現(xiàn)不同的引用關(guān)系的融合，最具代表 性的是由Persson11提出的研究思路，其研究是基于 一種被普遍認(rèn)同的假設(shè)：如果兩篇論文引用了相同 的文獻(xiàn)或者被相同的文獻(xiàn)所引用，那么兩

12、者原本存 在的直引關(guān)聯(lián)將會(huì)被進(jìn)一步增強(qiáng)12。Persson11的研 究表明，在文獻(xiàn)層面將共被引與耦合兩種關(guān)聯(lián)強(qiáng)度 進(jìn)行加權(quán)處理，進(jìn)一步作為直引強(qiáng)度的附加，能夠 更好地實(shí)現(xiàn)領(lǐng)域內(nèi)知識(shí)關(guān)聯(lián)的探測。除此之外，在 研究對(duì)象的價(jià)值計(jì)量研究中，引文網(wǎng)絡(luò)融合的趨勢(shì) 較為明顯，且已經(jīng)在科學(xué)文獻(xiàn)或?qū)＠夹g(shù)的價(jià)值測 度中均有一定的應(yīng)用13。鑒于此，本文旨在從三維 引文關(guān)聯(lián)的文獻(xiàn)層面，進(jìn)一步抽取到主題層面，即 構(gòu)建三維引文關(guān)聯(lián)下知識(shí)流動(dòng)網(wǎng)絡(luò)（主題關(guān)聯(lián)網(wǎng) 絡(luò)），實(shí)現(xiàn)主題間更加全面的知識(shí)流動(dòng)（引文關(guān)聯(lián)） 的識(shí)別。潛在知識(shí)流動(dòng)發(fā)現(xiàn)潛在知識(shí)流動(dòng)通過對(duì)現(xiàn)有知識(shí)流動(dòng)網(wǎng)絡(luò)進(jìn)行分 析推導(dǎo)，預(yù)測將來有可能發(fā)生的創(chuàng)新知識(shí)。多數(shù)研 究通

13、過對(duì)引文網(wǎng)絡(luò)進(jìn)行分析，知識(shí)流動(dòng)方向與引用 方向相反。潛在知識(shí)流動(dòng)，即運(yùn)用此種分析方式進(jìn) 行推測，將現(xiàn)有知識(shí)流動(dòng)網(wǎng)絡(luò)整合，預(yù)測出新的知 識(shí)節(jié)點(diǎn)關(guān)聯(lián)。引文分析中的引證關(guān)系本質(zhì)上揭示的是知識(shí)之 間的流動(dòng)與轉(zhuǎn)移，當(dāng)一個(gè)主題中的知識(shí)轉(zhuǎn)移到其他 主題，通過融合、內(nèi)化、創(chuàng)新等形式又轉(zhuǎn)化為新的 知識(shí)。從知識(shí)論關(guān)于知識(shí)的發(fā)展模式來看，梁永霞 等14認(rèn)為文獻(xiàn)引用的過程是在前人知識(shí)的基礎(chǔ)上知 識(shí)進(jìn)化的過程，是知識(shí)的選擇、遺傳和變異的過 程，也是知識(shí)的生產(chǎn)、傳播和應(yīng)用的過程，其認(rèn)為 引文分析的過程就是對(duì)知識(shí)流動(dòng)過程和知識(shí)活動(dòng)系 統(tǒng)的分析。Yan15根據(jù) JCR ( Journal Citation Reports)

14、的主題分類，構(gòu)建了主題間的知識(shí)交流網(wǎng)絡(luò)，分析 結(jié)果發(fā)現(xiàn)，相對(duì)于自然科學(xué)，社會(huì)科學(xué)與其他學(xué)科 交流較少，具有獨(dú)立性特征；Jo等16通過期刊引文 網(wǎng)絡(luò)分析了納米學(xué)與技術(shù)領(lǐng)域的學(xué)科結(jié)構(gòu)及其跨學(xué) 科特征，利用中介中心性確定了重要期刊，并分析 了重要期刊在學(xué)科間知識(shí)流動(dòng)中的作用；Ma等17 利用作者引證網(wǎng)絡(luò)研究不同學(xué)科間的知識(shí)交流模 式，并提出兩個(gè)定量指標(biāo)對(duì)知識(shí)交流進(jìn)行測度。張 藝蔓等18提出將引文內(nèi)容分析與全文本引文分析相 結(jié)合的方法，分析知識(shí)流動(dòng)情況，從而探測出學(xué)科 內(nèi)部與學(xué)科間的知識(shí)流動(dòng)趨勢(shì)；宋凱等19從文獻(xiàn)引 證角度，將知識(shí)轉(zhuǎn)移與知識(shí)轉(zhuǎn)化結(jié)合，利用LDA (latent Dirichlet al

15、location， LDA)模型進(jìn)行主題提 取，進(jìn)而探討一國與其他國家間的知識(shí)流動(dòng)情況； 李盈等20構(gòu)建醫(yī)學(xué)領(lǐng)域內(nèi)期刊論文間的引文網(wǎng)絡(luò)， 通過可視化的引文網(wǎng)絡(luò)表征知識(shí)的創(chuàng)造和傳遞過， 利用社會(huì)網(wǎng)絡(luò)分析方法揭示醫(yī)學(xué)領(lǐng)域內(nèi)各個(gè)學(xué)科間 的知識(shí)流動(dòng)特點(diǎn)和規(guī)律，為醫(yī)學(xué)信息服務(wù)提供 參考。上述文獻(xiàn)均以引文網(wǎng)絡(luò)為基礎(chǔ)，來探究知識(shí)流 動(dòng)的現(xiàn)狀，或是挖掘知識(shí)流動(dòng)的特點(diǎn)與規(guī)律，少有 研究基于知識(shí)流動(dòng)視角來實(shí)現(xiàn)未來知識(shí)流動(dòng)的探 究。本文在前期研究中，利用三種引文關(guān)系來預(yù)測 學(xué)者間未來可能的顯性交流，可視為從知識(shí)流動(dòng)視 角下探究未來交流情況的一種嘗試21。但該研究僅 停留在作者層面，并未延展到具體的知識(shí)細(xì)粒度 層面。

16、究其根本，基于引文關(guān)聯(lián)的知識(shí)流動(dòng)發(fā)現(xiàn)是一 種知識(shí)關(guān)聯(lián)的發(fā)現(xiàn)，鑒于這種知識(shí)關(guān)聯(lián)的有向性， 可將其視為一種知識(shí)流動(dòng)的發(fā)現(xiàn)。翟東升等22利用 專利間的引用關(guān)系，構(gòu)建IPC引用網(wǎng)絡(luò)表征知識(shí)間 的流動(dòng)，以此網(wǎng)絡(luò)為基礎(chǔ)進(jìn)行鏈路預(yù)測，進(jìn)而實(shí)現(xiàn) 技術(shù)關(guān)聯(lián)發(fā)現(xiàn)。李睿23從專利對(duì)論文的引用視角出 發(fā)，探討了有向知識(shí)關(guān)聯(lián)下的知識(shí)流動(dòng)，揭示了基 礎(chǔ)研究學(xué)科與技術(shù)發(fā)明領(lǐng)域之間存在的知識(shí)關(guān)聯(lián)。在上述文獻(xiàn)中，大多數(shù)文獻(xiàn)是以直引網(wǎng)絡(luò)為基 礎(chǔ)，通過知識(shí)流動(dòng)層面來探究知識(shí)關(guān)聯(lián)，預(yù)測將來 可能發(fā)生的知識(shí)流動(dòng)，即潛在知識(shí)流動(dòng)探測。三維 引文關(guān)聯(lián)融合主體間的多重引文關(guān)系，可以更全面 真實(shí)地揭示領(lǐng)域內(nèi)的知識(shí)交流與知識(shí)轉(zhuǎn)移現(xiàn)狀，有 助于更

17、真實(shí)、準(zhǔn)確地對(duì)潛在知識(shí)流動(dòng)進(jìn)行識(shí)別。因 此，本文嘗試基于一種新的研究視角，通過三維引 文關(guān)聯(lián)融合下的知識(shí)流動(dòng)網(wǎng)絡(luò)鏈路預(yù)測，實(shí)現(xiàn)潛在 知識(shí)流動(dòng)的發(fā)現(xiàn)與探究。3研究方法與工具三維引文關(guān)聯(lián)融合傳統(tǒng)的引文關(guān)聯(lián)有三種，包括直引關(guān)聯(lián)、共被 引關(guān)聯(lián)和耦合關(guān)聯(lián)。顯而易見，直引關(guān)聯(lián)是通過施 引與被引關(guān)系而建立，表現(xiàn)為文獻(xiàn)之間一種更為直 接的引用關(guān)聯(lián)；而共被引關(guān)聯(lián)與耦合關(guān)聯(lián)是通過第 三方文獻(xiàn)所建立的較為間接的引用關(guān)聯(lián)。針對(duì)三維 引文關(guān)聯(lián)融合，本文參考Persson11提出的加權(quán)直接 引 用理論(weighted direct citations， WDC)，將共 被引與耦合兩種間接關(guān)聯(lián)通過加權(quán)變換附加到直引 關(guān)聯(lián)

18、上，形成一種新型的融合后的引用強(qiáng)度；同 時(shí)，進(jìn)一步將共被引和耦合兩種關(guān)聯(lián)結(jié)果進(jìn)行標(biāo)準(zhǔn) 化處理再重新加權(quán)，得到標(biāo)準(zhǔn)加權(quán)直接引用結(jié)果 (normalized weighted direct citation， NWDC)。加權(quán) 直接引用理論具體算法原理如圖1所示。圖1加權(quán)直接引用理論算法原理圖圖1中的箭頭方向代表文獻(xiàn)施引的方向，即文 獻(xiàn)A施引于文獻(xiàn)B ； m表示文獻(xiàn)C的被引頻次；n表 示文獻(xiàn)D的施引頻次(即總參考文獻(xiàn)數(shù))。在圖1 所示的引用關(guān)系中，文獻(xiàn)A引用文獻(xiàn)B的WDC值 為3，文獻(xiàn)A引用文獻(xiàn)B的NWDC值為(1+1/m+1/n)。知識(shí)流動(dòng)網(wǎng)絡(luò)構(gòu)建鑒于主題是文獻(xiàn)中知識(shí)的直接表征，本文用 LDA主

19、題模型提取文獻(xiàn)中的主題以代表知識(shí)。本文 在三維引文關(guān)聯(lián)融合的基礎(chǔ)上，從文獻(xiàn)層面進(jìn)一步 提取主題層面，進(jìn)而構(gòu)建三維引文關(guān)聯(lián)視角下的知 識(shí)流動(dòng)網(wǎng)絡(luò)。首先，利用LDA模型對(duì)文獻(xiàn)集合進(jìn)行主題提 取。LDA模型是“詞-主題-文檔”為層次結(jié)構(gòu)的三 層貝葉斯概率模型，該模型具有較好的主題識(shí)別能 力，能夠從文本語料庫中抽取潛在的主題，因此， 被廣泛應(yīng)用于科學(xué)文獻(xiàn)的主題發(fā)現(xiàn)。為了確定所抽 取的主題的數(shù)量，本文利用困惑度(perplexity)來 評(píng)估主題模型對(duì)于待處理數(shù)據(jù)的預(yù)估能力，困惑度 值越小，其模型預(yù)估能力越強(qiáng)，代表LDA對(duì)于主 題聚類能力越強(qiáng)刖，計(jì)算公式為Perplexity (Perplexity (

20、D = exp Xln p()d = 1Md = 1其中，Dtest是測試集；wd是文檔d中單詞序列；Nd 是文檔d中的單詞數(shù)目。其次，以三維引文關(guān)聯(lián)網(wǎng)絡(luò)為基礎(chǔ)，根據(jù)LDA 模型所提取各文獻(xiàn)所對(duì)應(yīng)的主題，將文獻(xiàn)層面的三 維引文關(guān)聯(lián)網(wǎng)絡(luò)映射到主題層面，構(gòu)建領(lǐng)域內(nèi)的知 識(shí)流動(dòng)網(wǎng)絡(luò)。知識(shí)流動(dòng)網(wǎng)絡(luò)表征領(lǐng)域內(nèi)各研究主題 之間流動(dòng)與轉(zhuǎn)移過程，其作為多知識(shí)融合創(chuàng)新的表 征，可從中挖掘特定領(lǐng)域內(nèi)的研究前沿或新興趨 勢(shì)。知識(shí)流動(dòng)網(wǎng)絡(luò)原理如圖2所示。圖2知識(shí)流動(dòng)示意圖圖2中，文獻(xiàn)A與文獻(xiàn)B存在三維引文關(guān)聯(lián)，通 過LDA模型抽取到文獻(xiàn)A的主題數(shù)量為2，抽取到 文獻(xiàn)B的主題數(shù)量為3。從文獻(xiàn)A到文獻(xiàn)B的三維引 文關(guān)聯(lián)，

21、可映射為6項(xiàng)知識(shí)流動(dòng)事件，即文獻(xiàn)B所 研究 的主題 Topic_B1、Topic_B2、Topic_B3 向文獻(xiàn) A 所研究的主題Topic_A1、Topic_A2產(chǎn)生了知識(shí)流動(dòng)。各文獻(xiàn)內(nèi)主題貢獻(xiàn)度存在差異性，根據(jù)LDA抽 取后所獲得的文檔-主題分布文檔，獲得各文檔下 不同主題的概率分布，進(jìn)而實(shí)現(xiàn)文獻(xiàn)中各主題權(quán)重 的分配與賦值。值得注意的是，本文中知識(shí)流動(dòng)方 向與文獻(xiàn)間的引用方向恰好相反。根據(jù)上述原理， 通過文獻(xiàn)間的引用關(guān)系、文獻(xiàn)-主題貢獻(xiàn)分布，將 主題對(duì)之間的信息轉(zhuǎn)換為知識(shí)流動(dòng)矩陣，最終轉(zhuǎn)化 為具有加權(quán)有向特性的知識(shí)流動(dòng)網(wǎng)絡(luò)?；阪溌奉A(yù)測的潛在知識(shí)流動(dòng)發(fā)現(xiàn)鏈路預(yù)測方法是通過分析社會(huì)網(wǎng)絡(luò)的拓?fù)?/p>

22、特 征，來評(píng)估網(wǎng)絡(luò)中兩個(gè)節(jié)點(diǎn)之間產(chǎn)生鏈接的可能 性，是目前應(yīng)用最為廣泛的一種預(yù)測節(jié)點(diǎn)間是未來 否存在鏈接的方法25。在某種程度上來說，潛在知 識(shí)流動(dòng)的預(yù)測就是主題之間的未來鏈接預(yù)測，本文 利用鏈路預(yù)測方法分析網(wǎng)絡(luò)中的知識(shí)流動(dòng)，即未來 可能發(fā)生的知識(shí)流動(dòng)以及知識(shí)流動(dòng)的變化，將基于 三維引文關(guān)聯(lián)網(wǎng)絡(luò)所映射出的主題知識(shí)流動(dòng)網(wǎng)絡(luò)進(jìn) 行特征分析，預(yù)測將來節(jié)點(diǎn)間產(chǎn)生鏈接的可能性， 挖掘未來可能發(fā)生的新的知識(shí)融合趨勢(shì)與未來演化 趨勢(shì)，進(jìn)而預(yù)測未來的研究熱點(diǎn)或者研究前沿問題。潛在知識(shí)流動(dòng)存在于滿足以下兩個(gè)假設(shè)的有向 主題對(duì)中22:有向主題對(duì)之間目前不存在知識(shí)流 動(dòng)；兩個(gè)主題之間存在產(chǎn)生知識(shí)流動(dòng)(存在鏈 接)的

23、可能性。本文采用鏈接預(yù)測指標(biāo)來衡量有向 主題對(duì)之間的發(fā)生鏈接的可能性。鑒于知識(shí)流動(dòng)網(wǎng)絡(luò)的加權(quán)有向的特性，本文選 取了適用于加權(quán)有向網(wǎng)絡(luò)的鏈路預(yù)測指標(biāo)特征。具 體選取指標(biāo)包括加權(quán)有向的共同鄰居(common neighbor， CN)指標(biāo)、加權(quán)有向的 admic-adar (AA) 指標(biāo)、加權(quán)有向的資源分配(resource allocation， RA)指標(biāo)以及加權(quán)有向的優(yōu)先連接(preferential attachment ，PA)指標(biāo)。加權(quán)有向網(wǎng)絡(luò)的CN指標(biāo)。無權(quán)無向的共同 鄰居指標(biāo)是通過兩個(gè)節(jié)點(diǎn)的共同鄰居數(shù)量來定義兩 個(gè)主題的相似性。針對(duì)加權(quán)有向網(wǎng)絡(luò)，計(jì)算公式為LNVz + wz,CN

24、 = X 2z 或(x) r (y)匕其中，r(x)表示與主題x相關(guān)聯(lián)的主題集合；w.表示為主題X向主題Z流動(dòng)的知識(shí)量（鏈接權(quán)重 值）。該指標(biāo)越大，說明主題X未來向主題V產(chǎn)生知 識(shí)轉(zhuǎn)移的可能性越大。（2）加權(quán)有向網(wǎng)絡(luò)的AA指標(biāo)。該指標(biāo)對(duì)共同 鄰居節(jié)點(diǎn)賦予權(quán)重，并且共同鄰居節(jié)點(diǎn)的度越小其 貢獻(xiàn)越大，AAWxz + wzV(3)其中，AAWxz + wzV(3)（3）加權(quán)有向網(wǎng)絡(luò)的RA指標(biāo)。受資源分配的 啟發(fā)，知識(shí)流動(dòng)網(wǎng)絡(luò)中不存在知識(shí)流動(dòng)的兩個(gè)主題 X與V，因此主題X能夠利用其共同鄰居主題z向主 題V傳遞知識(shí)資源，主題z在該過程中承擔(dān)傳輸媒 介角色。假設(shè)每個(gè)媒介都有一單位的資源平均分配 給其鄰居，

25、那么主題V接受的資源數(shù)就是可定義為 兩主題的相似度，即RAWxz + Wzv(4)RAWxz + Wzv(4)主題X與主題V的概率與兩節(jié)點(diǎn)的度乘積成正比， 推廣到加權(quán)有向網(wǎng)路，定義為PAXV =膏黛（5）其中，黑那表示主題x除去自身強(qiáng)度外的點(diǎn)出度； S*表示主題V除去自身強(qiáng)度外的點(diǎn)入度。根據(jù)上述鏈路預(yù)測指標(biāo)特征進(jìn)行機(jī)器學(xué)習(xí)建 模，采用機(jī)器學(xué)習(xí)中的集成學(xué)習(xí)方法隨機(jī)森林 （random forest，RF）算法構(gòu)造分類器，融合不同的特征。以某時(shí)間切片下網(wǎng)絡(luò)中的各鏈路預(yù)測為特 征，將其下一時(shí)間切片網(wǎng)絡(luò)中是否存在鏈接（0、1 表示）作為分類結(jié)果訓(xùn)練模型，挑選出當(dāng)前尚未產(chǎn) 生鏈接的有向節(jié)點(diǎn)對(duì)，與訓(xùn)練好的

26、模型相匹配，從 而探究出未來可能發(fā)生鏈接的有向知識(shí)節(jié)點(diǎn)對(duì)。鏈接權(quán)重的預(yù)測在網(wǎng)絡(luò)預(yù)測中也占據(jù)十分重要 的地位，但是鮮有學(xué)者研究鏈接權(quán)重的預(yù)測。當(dāng)一 對(duì)存在鏈接的有向知識(shí)節(jié)點(diǎn)對(duì)，目前鏈接權(quán)重較 低，尚未引起學(xué)者廣泛關(guān)注，未來若鏈接權(quán)重增長 較大，則該有向知識(shí)節(jié)點(diǎn)對(duì)可能在未來成為研究熱 點(diǎn)或者研究前沿，并得到廣泛地學(xué)術(shù)認(rèn)可。同樣 地，以上述4個(gè)鏈接預(yù)測指標(biāo)為特征值，采用隨機(jī) 森林構(gòu)造回歸器，以某時(shí)間切片下網(wǎng)絡(luò)中的各鏈路 預(yù)測為特征，并將其下一時(shí)間切片網(wǎng)絡(luò)中鏈接的權(quán)重 作為目標(biāo)變量V進(jìn)行回歸模型的訓(xùn)練。將網(wǎng)絡(luò)中所有 節(jié)點(diǎn)對(duì)的數(shù)據(jù)與訓(xùn)練好的模型相匹配，研究知識(shí)節(jié)點(diǎn) 對(duì)之間的鏈接權(quán)重的變化，實(shí)現(xiàn)鏈接邊權(quán)的

27、預(yù)測。4數(shù)據(jù)獲取與預(yù)處理基因編輯領(lǐng)域誕生于20世紀(jì)80年代初，初期 研究人員多見于歐美等地，在近十年，特別是 CRISPR/Cas9技術(shù)問世以來，成為世界性熱點(diǎn)學(xué)科 領(lǐng)域。CRISPR/Cas9 （ clustered regulatory interspaced short palindromic repeats/CRISPR-associated protein 9） 是最近發(fā)現(xiàn)的一種新型的基因組定點(diǎn)編輯技術(shù)26， 這項(xiàng)劃時(shí)代的靶向基因操作技術(shù)，在生物醫(yī)學(xué)、遺 傳學(xué)、細(xì)胞學(xué)領(lǐng)域都得到了廣泛關(guān)注。為了更加全面地獲得整個(gè)基因編輯領(lǐng)域內(nèi)的論 文數(shù)據(jù)，本研究選定Web of Science數(shù)據(jù)庫，

28、并將檢 索年限定于 19802017 年，以 “gene edit* or crispr” 為主題在數(shù)據(jù)庫中檢索共獲得18717篇文獻(xiàn)，截取 article、proceedings paper、review、book review 四類 文獻(xiàn)共14943篇作為本研究的基本數(shù)據(jù)源。數(shù)據(jù)檢 索與獲取時(shí)間是2018年1月5日。最終選定被引頻 次210的7072篇文獻(xiàn)為本研究的論文集合。按論文 的發(fā)表時(shí)間，對(duì)論文集合時(shí)間切片，分別構(gòu)建發(fā)表 年限介于T1時(shí)期（19802013年）與T2時(shí)期 （20142017年）的標(biāo)準(zhǔn)加權(quán)直接引用（NWDC） 網(wǎng)絡(luò)，形成兩個(gè)時(shí)期持續(xù)變化的引文關(guān)聯(lián)融合網(wǎng)絡(luò)。為了科學(xué)、規(guī)范

29、地提取基因編輯領(lǐng)域內(nèi)的主 題，本研究提取上述7072篇文獻(xiàn)的標(biāo)題、摘要以及 關(guān)鍵詞作為實(shí)驗(yàn)數(shù)據(jù)集，并對(duì)該數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù) 處理。利用Python中提供的分詞工具，實(shí)現(xiàn)分詞、 去除停用詞、詞干化等自然語言處理規(guī)范化過程， 獲得最終的文本語料庫。利用LDA主題模型對(duì)提 取的語料庫進(jìn)行主題提取，主題數(shù)-困惑度的曲線 如圖3所示，當(dāng)主題數(shù)為200時(shí)，困惑度指標(biāo)達(dá)到 最低值；后續(xù)隨著主題數(shù)的增加，困惑度指標(biāo)逐漸 升高。因此，本文選取的主題數(shù)目為200。5三維引文關(guān)聯(lián)視角下的潛在知識(shí)流動(dòng) 發(fā)現(xiàn)知識(shí)流動(dòng)網(wǎng)絡(luò)構(gòu)建在三維引文關(guān)聯(lián)融合分析中，本文采用標(biāo)準(zhǔn)加 權(quán)直接引用（NWDC）網(wǎng)絡(luò)來表示文獻(xiàn)層面的多重 引文關(guān)聯(lián)

30、；根據(jù)第3.2節(jié)中構(gòu)建知識(shí)流動(dòng)網(wǎng)絡(luò)的方 法，通過文獻(xiàn)到主題的映射，將文獻(xiàn)層面的NWDC 網(wǎng)絡(luò)映射到主題層面，最終構(gòu)建出三維引文關(guān)聯(lián)融 合視角下的知識(shí)流動(dòng)網(wǎng)絡(luò)（圖4）。本文采用Gephi 進(jìn)行可視化分析，為了使得可視化效果更佳清晰， 設(shè)置閾值為0.5。在圖4中，節(jié)點(diǎn)的大小與度中心性 成正比，在 T1 時(shí)期中，topic60、topic7、topic41 等 主題具有較高的度中心性；T2時(shí)期中，topic47、 topic60、topic5主題具有高的度中心性。這些主題 在整個(gè)基因編輯領(lǐng)域內(nèi)的知識(shí)流動(dòng)與傳播過程中占 據(jù)著核心地位，是重要的研究關(guān)注點(diǎn)。圖4三維引文關(guān)聯(lián)融合視角下的知識(shí)流動(dòng)網(wǎng)絡(luò)由于知識(shí)

31、流動(dòng)網(wǎng)絡(luò)屬于加權(quán)有向網(wǎng)絡(luò)，因而選 取了點(diǎn)入度與點(diǎn)出度作為衡量主題重要程度的兩個(gè) 網(wǎng)絡(luò)指標(biāo)。由表1可知，T1時(shí)期，topic60 （原核生 物基因編輯）、topic7（RNA編輯）和topic41 （人類 細(xì)胞基因編輯）是較為重要的研究主題；T2時(shí)期 時(shí)，topic47 （真核生物基因編輯）、topic5 （基因編 輯技術(shù)的開發(fā)）和topic76 （人類疾病治療技術(shù)）得 到了更多學(xué)者的關(guān)注，成為該領(lǐng)域內(nèi)關(guān)注度最高的 研究主題。T1時(shí)期，最強(qiáng)的知識(shí)流動(dòng)為：topic60 （原核生 物基因編輯）Ttopic7 （RNA 編輯）、topic7（RNA 編輯）Ttopic195 （植物基因編輯）、top

32、ic195 （植 物基因編輯）Ttopic8 （植物物種研究）；T2時(shí)期， 最強(qiáng)的知識(shí)流動(dòng)為：topic60 （原核生物基因編輯） Ttopic5 （基因編輯技術(shù)的開發(fā)）、topic5 （基因編 輯技術(shù)的開發(fā)）Ttopic47 （真核生物基因編輯）、 topic47 （真核生物基因編輯）Ttopic5 （基因編輯表1知識(shí)流動(dòng)網(wǎng)絡(luò)的點(diǎn)入度與點(diǎn)出度T1時(shí)期T2時(shí)期主題點(diǎn)入度主題點(diǎn)出度主題點(diǎn)入度主題點(diǎn)出度topic603294topic603774topic474713topic475038topic412272topic72437topic54450topic604891topic72259top

33、ic412184topic764209topic54747topic1951869topic1951731topic603204topic292481topic1601466topic631556topic292379topic762450topic631432topic1601530topic1432282topic1432333topic201113topic201321topic811558topic1642329topic5954topic47962topic1451524topic1451148topic47913topic5879topic1641457topic811004top

34、ic150865topic30807topic107713topic87774技術(shù)的開發(fā)）、topic47 （真核生物基因編輯）Ttop- ic76 （人類疾病治療技術(shù)）、topic60 （原核生物基因 編輯）Ttopic76 （人類疾病治療技術(shù)）。鏈路預(yù)測模型訓(xùn)練5.2.1 潛在知識(shí)流動(dòng)發(fā)現(xiàn)預(yù)測模型訓(xùn)練對(duì)T1時(shí)期的知識(shí)流動(dòng)網(wǎng)絡(luò)，針對(duì)每一組有向 主題對(duì)，計(jì)算相對(duì)應(yīng)的鏈路預(yù)測指標(biāo)作為特征值x； 并以T2時(shí)期所對(duì)應(yīng)的分類數(shù)據(jù)（有連接為1、無連 接為0）作為目標(biāo)變量y值。將上述數(shù)據(jù)輸入到多個(gè) 分類器中進(jìn)行訓(xùn)練，以期找到最合適的分類器模型。為了檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確度，本研究采用“留出 法”劃分?jǐn)?shù)據(jù)集，隨機(jī)選

35、取80%的數(shù)據(jù)作為訓(xùn)練 集，其余20%數(shù)據(jù)作為測試集。針對(duì)各分類器模 型，本研究經(jīng)過參數(shù)調(diào)整得到了該模型下的最優(yōu)結(jié) 果。表2為訓(xùn)練好的各分類器算法基于測試數(shù)據(jù)集 的評(píng)價(jià)指標(biāo)：準(zhǔn)確率（accuracy）、精確率（precision）、 召回率（recall）與 F1 分?jǐn)?shù)（F1-score）。MAE指標(biāo)均為最小值，且R值最大值，為0.784。 因此，本文采用基于隨機(jī)森林算法的回歸模型，對(duì) 基因編輯領(lǐng)域內(nèi)的知識(shí)流動(dòng)權(quán)重進(jìn)行預(yù)測。表3各回歸器評(píng)價(jià)結(jié)果各回歸器算法MSEMAER線性回歸器5.2871.8220.392決策樹回歸器2.2621.1860.739SVM回歸器2.8591.3130.671A

36、daBoost回歸器2.2901.2000.736GBRT回歸器2.0291.1210.766ET回歸器2.9501.2900.660隨機(jī)森林回歸器1.8801.0470.784注：粗體表示最優(yōu)方法值。潛在知識(shí)流動(dòng)發(fā)現(xiàn)各分類器算法accuracy precisionrecallF1-score邏輯回歸分類器0.7920.830.790.80SVM支持向量機(jī)分類器0.8210.830.820.83樸素貝葉斯分類器0.6410.410.640.50K近鄰分類器0.8400.840.840.83決策樹分析分類器0.8390.840.840.84線性判別分類器0.6430.410.640.50梯度提升

37、樹（gradient boosting0.8460.870.850.84decision tree，GBDT）分類器隨機(jī)森林分類器0.8540.870.850.85表2各分類器評(píng)價(jià)結(jié)果注：粗體表示最優(yōu)方法值。本研究基于上述訓(xùn)練好的模型，以T2時(shí)期中 未存在知識(shí)流動(dòng)的主題對(duì)鏈路預(yù)測指標(biāo)為輸入特 征，進(jìn)行結(jié)果預(yù)測分析，采用Scikit-learn27進(jìn)行分 類器學(xué)習(xí)訓(xùn)練，參數(shù)feature_importances_表征了各 特征值的重要程度，作為各特征值的參考權(quán)重。本 研究將各特征值與對(duì)應(yīng)權(quán)重加權(quán)求和得到綜合指 標(biāo)，即表征知識(shí)流動(dòng)出現(xiàn)可能性。按照綜合指標(biāo)值 的大小倒序排序，最有可能在未來發(fā)生鏈接的

38、Top 10主題對(duì)，如表4所示。表4潛在知識(shí)流動(dòng)發(fā)現(xiàn)主題組合主題含義綜合 指標(biāo)隨機(jī)森林屬于機(jī)器學(xué)習(xí)中的集成學(xué)習(xí)方法，通 過集成學(xué)習(xí)的思想把多棵決策樹集成一種算法，并 且其輸出的類別是由個(gè)別決策樹輸出的類別的眾數(shù) 而定。由表2可知，隨機(jī)森林算法在各分類器算法 中表現(xiàn)最優(yōu)，識(shí)別準(zhǔn)確率高達(dá)85%，這也證明了隨 機(jī)森林算法的優(yōu)越性。因此，本文采用隨機(jī)森林算 法進(jìn)行基因編輯領(lǐng)域中的潛在知識(shí)流動(dòng)發(fā)現(xiàn)。5.2.2 潛在知識(shí)流動(dòng)權(quán)重預(yù)測模型訓(xùn)練針對(duì)知識(shí)流動(dòng)權(quán)重的預(yù)測，本研究利用T1時(shí) 期的知識(shí)流動(dòng)網(wǎng)絡(luò)，計(jì)算各組有向主題對(duì)的鏈路預(yù) 測指標(biāo)；并且以T2時(shí)期所對(duì)應(yīng)的鏈接邊的權(quán)重作 為目標(biāo)變量y值。同樣地，采取“留出

39、法”，隨機(jī) 抽取80%樣本數(shù)據(jù)作為訓(xùn)練集，其余20%為測試集 數(shù)據(jù)。如表3所示，針對(duì)各個(gè)回歸模型的性能評(píng) 估，分別選取了均方誤差（MSE）、平均絕對(duì)誤差 （MAE）以及決定系數(shù)R評(píng)價(jià)各模型的好壞。 通過對(duì)各個(gè)模型評(píng)價(jià)指標(biāo)對(duì)比分析，本研究發(fā)現(xiàn)基 于隨機(jī)森林算法構(gòu)建的回歸模型效果最佳，MSE與 TOC o 1-5 h z topic75 一 topic60免疫細(xì)胞治療一原核生物基因編輯0.625topic60一topic162原核生物基因編輯一癌細(xì)胞基因編輯0.590topic47一topic162真核生物基因編輯一癌細(xì)胞基因編輯0.554topic5 一 topic162基因編輯技術(shù)的開發(fā)一癌細(xì)

40、胞基因編輯 0.507 topic60一topic170原核生物基因編輯一人類蛋白質(zhì)組計(jì)劃 0.478 topic100一topic47老鼠及哺乳動(dòng)物研究一真核生物基因編輯0.427 topic162一topic47癌細(xì)胞基因編輯一真核生物基因編輯0.420topic47一topic170真核生物基因編輯一人類蛋白質(zhì)組計(jì)劃 0.389 topic162 一 topic5癌細(xì)胞基因編輯一基因編輯技術(shù)的開發(fā) 0.377 topic162一topic60癌細(xì)胞基因編輯一原核生物基因編輯0.366從表4可知，“免疫細(xì)胞治療一原核生物基因編 輯”這項(xiàng)主題對(duì)之間的知識(shí)流動(dòng)在未來最可能發(fā)生； “原核生物基因

41、編輯一癌細(xì)胞基因編輯”“真核生物 基因編輯一癌細(xì)胞基因編輯”“基因編輯技術(shù)的開發(fā) 一癌細(xì)胞基因編輯”和“原核生物基因編輯一人類 蛋白質(zhì)組計(jì)劃”等主題對(duì)之間在未來同樣存在知識(shí) 流動(dòng)的可能性。目前，有學(xué)者表示，CART細(xì)胞免 疫療法與基因編輯技術(shù)的組合仍是個(gè)前景絕佳的研究領(lǐng)域，兩者的結(jié)合可看作精準(zhǔn)醫(yī)療和干細(xì)胞治 療行業(yè)的完美結(jié)合29O免疫細(xì)胞治療向基因編輯技 術(shù)的引入，推動(dòng)基因編輯技術(shù)真正從研發(fā)走向臨床。 同時(shí)，隨著基因編輯技術(shù)研究熱度的迅速提升與拓 展，基因編輯技術(shù)在疾病基因治療中探索發(fā)展，為 腫瘤等多種重大疾病的治療提供了新的治療路徑。潛在知識(shí)流動(dòng)權(quán)重預(yù)測針對(duì)潛在知識(shí)流動(dòng)權(quán)重的預(yù)測，本文關(guān)注于

42、目 前網(wǎng)絡(luò)中已存在鏈接權(quán)重的預(yù)測。基于上述訓(xùn)練好 的權(quán)重預(yù)測模型，以T2時(shí)期中存在知識(shí)流動(dòng)主題 對(duì)的鏈路預(yù)測指標(biāo)為輸入特征，進(jìn)行結(jié)果預(yù)測分 析，并計(jì)算預(yù)測權(quán)重與T2時(shí)期實(shí)際權(quán)重的差值， 即權(quán)重差值=預(yù)測權(quán)重-T2時(shí)期權(quán)重。根據(jù)權(quán)重差值 進(jìn)行倒序排列，取權(quán)重差值最大的Top 10主題對(duì)為 未來具有發(fā)展?jié)摿Φ闹黝}組合（表5），取權(quán)重差值 最小的Top 10主題對(duì)作為未來知識(shí)流動(dòng)將會(huì)消失的 主題組合（表6）。表5未來熱點(diǎn)研究主題（未來研究前沿）主題組合主題含義預(yù)測權(quán)重T2時(shí)期權(quán)重權(quán)重差值topic5topic41基因編輯技術(shù)的開發(fā)一人類細(xì)胞基因編輯110.57.8102.7topic41topic4

43、7人類細(xì)胞基因編輯一真核生物基因編輯103.36.297.1topic47topic89真核生物基因編輯一病原菌研究105.916.289.7topic47topic41真核生物基因編輯一人類細(xì)胞基因編輯93.06.686.4topic60topic41原核生物基因編輯一人類細(xì)胞基因編輯94.615.279.4topic60topic 195原核生物基因編輯一植物基因編輯35.38.626.7topic60topic91原核生物基因編輯HIV病毒研究43.718.924.8topic47topic7真核生物基因編輯RNA編輯37.217.319.9topic47topicl84真核生物基因編輯

44、一基因表達(dá)調(diào)控29.410.618.8topic5topicl95基因編輯技術(shù)的開發(fā)植物基因編輯27.614.912.7表6未來消失的知識(shí)流動(dòng)主題組合主題含義預(yù)測權(quán)重T2時(shí)期權(quán)重權(quán)重差值topic41topic73人類細(xì)胞基因編輯RNA和小RNA0.1792.7-92.5topic73topic41RNA和小RNA人類細(xì)胞基因編輯0.1688.0-87.9topic 145topic 107基因編輯應(yīng)用醫(yī)學(xué)治療干細(xì)胞相關(guān)研究0.4857.8-57.3topic91topicl45病毒相關(guān)研究基因編輯應(yīng)用醫(yī)學(xué)治療0.4043.2-42.8topic7topic195RNA編輯一植物基因編輯0.2

45、039.4-39.2topic135topic60蛋白質(zhì)結(jié)構(gòu)研究原核生物基因編輯0.2637.6-37.4topic65topic60醫(yī)學(xué)治療原核生物基因編輯0.2637.2-36.9topic 195topic 141植物基因編輯基因表達(dá)0.2436.6-36.4topic195topic7植物基因編輯RNA編輯0.1736.1-35.9由表5可知，第一，“基因編輯技術(shù)的開發(fā)一人 類細(xì)胞基因編輯”“真核生物基因編輯一人類細(xì)胞 基因編輯”與“原核生物基因編輯一人類細(xì)胞基因 編輯”三組涉及“人類細(xì)胞基因編輯”的主題對(duì)融 合事件將在未來成為領(lǐng)域內(nèi)的研究熱點(diǎn)，傳統(tǒng)的基 因編輯技術(shù)將有效助力人類細(xì)胞基因編輯的發(fā)展， 尤其是關(guān)于基因編輯技術(shù)在人類疾病方