科學(xué)知識(shí)圖譜方法及應(yīng)用

科學(xué)知識(shí)圖譜方法及應(yīng)用

課程考核：相關(guān)的課程論文，6月1號(hào)前交信息管理學(xué)院336辦公室。包括學(xué)號(hào)、姓名、聯(lián)系方式引言對(duì)學(xué)科（領(lǐng)域、主題）過去、現(xiàn)狀、前沿、熱點(diǎn)、趨勢(shì)的把握可通過什么方法手段？引言的重要性！文獻(xiàn)是記錄有知識(shí)的一切載體文獻(xiàn)是科學(xué)交流的主要途徑與手段了解領(lǐng)域歷史、現(xiàn)狀熱點(diǎn)、前沿趨勢(shì)選題，尋求切入點(diǎn)和突破點(diǎn)尋求新的研究方法和有力的論證依據(jù)避免重復(fù)勞動(dòng)網(wǎng)絡(luò)環(huán)境，大數(shù)據(jù)。。。如果說我比別人看得更遠(yuǎn)些,那是因?yàn)槲艺驹诹司奕说募绨蛏稀Ｎ也恢涝趧e人看來，我是什么樣的人；但在我自己看來，我不過就象是一個(gè)在海濱玩耍的小孩，為不時(shí)發(fā)現(xiàn)比尋常更為光滑的一塊卵石或比尋常更為美麗的一片貝殼而沾沾自喜，而對(duì)于展現(xiàn)在我面前的浩瀚的真理的海洋，卻全然沒有發(fā)現(xiàn)

——牛頓目錄1知識(shí)圖譜概述234知識(shí)可視化概述知識(shí)圖譜繪制方法知識(shí)圖譜繪制工具5CiteSpace簡(jiǎn)介與操作6知識(shí)圖譜應(yīng)用案例知識(shí)語言文字肢體其它圖像1.知識(shí)可視化概述一圖展春秋，一覽無余；一圖勝萬言，一目了然

——大連理工大學(xué)教授劉則淵知識(shí)可視化實(shí)質(zhì)知識(shí)可視化形式圖解促進(jìn)傳播創(chuàng)新百聞不如一見、一圖勝萬言！紐約大學(xué)心理學(xué)專家吉米·布洛諾（JeromeBruner）在實(shí)驗(yàn)中發(fā)現(xiàn)，人們能記住10%聽到的東西，30%讀到的東西，但是卻可以記住80%看到的東西1.知識(shí)可視化概述1.知識(shí)可視化概述科學(xué)計(jì)算可視化(VisualizationinScientific;Computing)、數(shù)據(jù)可視化(Datavisualization)、信息可視化、知識(shí)可視化、知識(shí)域可視化?！癐nformationVisualization”術(shù)語是由斯圖爾特?卡德、約克?麥金利和喬治?羅伯遜于1989年創(chuàng)造出來的；美藉華人陳超美1999年率先發(fā)表了該領(lǐng)域的第一部專著《信息可視化》，創(chuàng)辦了國際期刊《Informationvisualization》。1.知識(shí)可視化概述知識(shí)可視化發(fā)展時(shí)間很短，正式起源于2004年，M.J.Eppler和R.A.Burkhard共同發(fā)表論文(knowledgeVisualization-TowardsaNewDisciplineanditsFieldsofApplication)。Eppler認(rèn)為：知識(shí)可視化主要研究視覺表征的使用，主要目的是改進(jìn)兩人或多人間知識(shí)的創(chuàng)造與轉(zhuǎn)移；知識(shí)可視化是指能用來構(gòu)建和傳遞復(fù)雜觀點(diǎn)和內(nèi)容的所有圖形手段和方式。1.知識(shí)可視化概述

信息可視化知識(shí)可視化知識(shí)圖譜可視化對(duì)象非空間數(shù)據(jù)人類的知識(shí)科學(xué)知識(shí)可視化目的從大量抽象數(shù)據(jù)中發(fā)現(xiàn)新的信息促進(jìn)群體的知識(shí)創(chuàng)新和傳播展示學(xué)科，促進(jìn)科學(xué)發(fā)展可視化方式計(jì)算機(jī)圖形圖像繪制草圖、知識(shí)圖表、視覺隱喻多維圖表、視覺隱喻交互類型人-交互人-交互人-交互1.知識(shí)可視化概述

概念圖知識(shí)可視化工具及其教育學(xué)習(xí)應(yīng)用概念組成設(shè)計(jì)制作教育應(yīng)用

思維導(dǎo)圖此外，在科研寫作中也需要繪制圖表，呈現(xiàn)知識(shí)關(guān)于“概念圖”的概念圖子題

6子題

7子題

5子題

4子題

3子題

2子題

1主題思考的主題

思維導(dǎo)圖：用于放射性思考閱讀下面黑體的詞匯，然后立刻閉上眼睛，持續(xù)30秒，思考它。

水果2.知識(shí)圖譜概述——基本概念知識(shí)是一個(gè)內(nèi)涵非常豐富的概念；知識(shí)廣泛存在于社會(huì)各個(gè)領(lǐng)域。科學(xué)知識(shí)圖譜廣義上包括：生物的基因圖譜、教育教學(xué)中的認(rèn)知地圖、探索太空的天體圖、描繪地形的GIS、模擬人腦的神經(jīng)網(wǎng)絡(luò)圖、各種金屬圖譜等?？茖W(xué)知識(shí)圖譜是以科學(xué)知識(shí)為對(duì)象，顯示學(xué)科的發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一種圖形，具有“圖”和“譜”的雙重性質(zhì)與特征。2.知識(shí)圖譜概述——基本概念2.知識(shí)圖譜概述——基本概念①較形象、定量、客觀、真實(shí)地顯示學(xué)科結(jié)構(gòu)、熱點(diǎn)、演化與趨勢(shì)，是學(xué)科基礎(chǔ)研究新視角。②知識(shí)圖譜可發(fā)現(xiàn)、描述、解釋、預(yù)測(cè)和評(píng)價(jià)科學(xué)知識(shí)。③對(duì)圖書情報(bào)學(xué)科具有更重要意義，也有助于信息檢索、信息分類與信息服務(wù)等。耗時(shí)、費(fèi)力、難以重復(fù)、較主觀盲人摸象2.知識(shí)圖譜概述——基本概念2.知識(shí)圖譜概述——基本概念上世紀(jì)50年代，加菲爾德創(chuàng)制SCI，并以編年體形式手工繪制引文網(wǎng)絡(luò)圖譜；隨后“文獻(xiàn)耦合”（Kessler，1963），“科學(xué)引文網(wǎng)絡(luò)”（Price，1965），“同被引”（Small，1973）、“共詞”（Callon，1983）、“引文可視化”（White，1998）相繼提出基本原理是分析知識(shí)單元（科學(xué)文獻(xiàn)、科學(xué)家、關(guān)鍵詞等）的相似性及測(cè)度。采用不同的方法和技術(shù)繪制不同類型的圖譜。科學(xué)學(xué)科學(xué)計(jì)量學(xué)應(yīng)用數(shù)學(xué)計(jì)算機(jī)科學(xué)信息科學(xué)科學(xué)知識(shí)圖譜2.知識(shí)圖譜概述——發(fā)展歷程傳統(tǒng)的科學(xué)圖譜以簡(jiǎn)單的二維、三維圖形（如：柱形圖、線性圖、點(diǎn)布圖、扇形圖、平面圖等）表示科學(xué)統(tǒng)計(jì)結(jié)果文獻(xiàn)摘要或關(guān)鍵詞紀(jì)錄比例圖X論文增長(zhǎng)趨勢(shì)線型圖2.知識(shí)圖譜概述——發(fā)展歷程1987年，美國基金會(huì)發(fā)表研究報(bào)告《科學(xué)計(jì)算中的可視》，開始長(zhǎng)期資助科學(xué)可視化（scientificvisualization)研究1987年，著名計(jì)量學(xué)家克雷奇默創(chuàng)立“三維構(gòu)型圖譜”threedimensionalconfigurationmap之后出現(xiàn)“多維尺度圖譜”multi-dimensionalscalingmap20世紀(jì)20、30年代英國人類學(xué)研究提出“社會(huì)網(wǎng)絡(luò)分析圖譜”socialnetwortanalysismap卡爾提出“自組織映射圖譜”self-organizingmap實(shí)例：某學(xué)科期刊高頻關(guān)鍵詞共詞網(wǎng)絡(luò)2個(gè)知識(shí)群實(shí)例：某學(xué)術(shù)群體知識(shí)圖譜2.知識(shí)圖譜概述——發(fā)展歷程PFNET算法根據(jù)經(jīng)驗(yàn)性數(shù)據(jù)，對(duì)不同概念或?qū)嶓w間聯(lián)系的相似性或差異程度做出評(píng)估，然后引用圖論中的基本概念或原理生成特殊的網(wǎng)狀模型

1990美國心理學(xué)家斯克沃斯茲恩巴克提出“尋徑網(wǎng)絡(luò)圖譜”pathfindernetworkscalingmap，PFNET將數(shù)據(jù)以及數(shù)據(jù)間關(guān)系表達(dá)成一個(gè)圖，圖中節(jié)點(diǎn)表示數(shù)據(jù)，線表示數(shù)據(jù)間關(guān)系運(yùn)用較小生成樹法及復(fù)雜連接刪除算法，刪除網(wǎng)絡(luò)中大部分連接，保留最重要連接，最大限度簡(jiǎn)化網(wǎng)絡(luò)2.知識(shí)圖譜概述——發(fā)展歷程用克林伯格跳變算法和共生詞分析法和圖示技術(shù)，研制主要主題和復(fù)雜趨勢(shì)的發(fā)現(xiàn)地圖印第安納大學(xué)KetanKMane和泊爾納提出“PNAS主題爆炸圖譜”，用以發(fā)現(xiàn)主要主題和復(fù)雜趨勢(shì)網(wǎng)絡(luò)中各節(jié)點(diǎn)代表高頻詞和爆炸詞節(jié)點(diǎn)大小代表該詞達(dá)到最大爆炸水平

顏色代表詞常用和達(dá)到最大爆炸水平的年代2.知識(shí)圖譜概述——發(fā)展歷程利用地理信息系統(tǒng)的可視化信息，地理地圖的自然組織框架，構(gòu)建隱含大量信息的可視化主題地圖有維斯(J.Wise)等提出“信息地圖”informationlandscape應(yīng)用案例：

期刊文章的數(shù)量與資助基金間的動(dòng)態(tài)關(guān)系圖譜

2.知識(shí)圖譜概述——發(fā)展趨勢(shì)隨計(jì)算機(jī)處理能力日益提高、文獻(xiàn)數(shù)字化，知識(shí)圖譜工具在模擬人類信息分析等方面，可幫助人類進(jìn)行某些領(lǐng)域的判讀、搜索、決策、預(yù)測(cè)……IN-SPIRE發(fā)現(xiàn)工具可整合交互式信息可視化與詢問功能利用專利分析工具形成的專利知識(shí)圖譜論文的最小生成樹圖譜最小生成樹導(dǎo)航圖譜3.科學(xué)知識(shí)圖譜的繪制方法步驟3.1樣本數(shù)據(jù)獲取主要數(shù)據(jù)來源：WebofScience科學(xué)文獻(xiàn)數(shù)據(jù)：

(SCI)(SSCI)專利文獻(xiàn)數(shù)據(jù)：德溫特創(chuàng)新索引DII國際會(huì)議文獻(xiàn)數(shù)據(jù)：(CPCI)另外還有Scopus，ScienceDirect，L國內(nèi)數(shù)據(jù)庫：CNKI、CSSCI、CSCD、萬方等

網(wǎng)絡(luò)數(shù)據(jù)源：GoogleScholar、arXiv、CiteSeerX3.2樣本數(shù)據(jù)清洗基于文獻(xiàn)數(shù)據(jù)庫進(jìn)行知識(shí)可視化的質(zhì)量、合理性和可靠性很大程度上依賴于所用數(shù)據(jù)的精確性和全面性，不準(zhǔn)確或不全面的數(shù)據(jù)往往造成不精確甚至錯(cuò)誤的結(jié)果。即使目前最權(quán)威、公認(rèn)質(zhì)量最高的WoS，也存在數(shù)據(jù)著錄格式（如人名和地名的不統(tǒng)一）和遺漏的問題。改正字符錯(cuò)誤，統(tǒng)一或增補(bǔ)分時(shí)段有代表性的抽取3.3選擇知識(shí)單元知識(shí)單元是知識(shí)處理的基本單位：關(guān)鍵詞、題名、作者、機(jī)構(gòu)、刊名、分類號(hào)、學(xué)科等等。目前也擴(kuò)展到摘要、參考文獻(xiàn)和全文。多種結(jié)合。3.4構(gòu)建知識(shí)單元關(guān)系1、說明科學(xué)知識(shí)和情報(bào)內(nèi)容的繼承和利用2、標(biāo)志科學(xué)的發(fā)展耦合文獻(xiàn)共被引分析是計(jì)量文獻(xiàn)之間關(guān)系的一種新方法。即2篇文獻(xiàn)共同被1篇文獻(xiàn)引用，這2篇文獻(xiàn)就構(gòu)成共引關(guān)系。共被引頻率定義為這2篇文獻(xiàn)一起被引用頻次——馬沙科娃、斯莫爾（蘇聯(lián)、美國）知識(shí)單元的共被引關(guān)系CR2001,NYTIMES1226,B2*AMPSYCHASS,1994,DIAGNSTATMANMENT*DEPHLTHHUMANSE,1999,MENTHLTHREPSURGG*USBURCENS,2000,STF3ADEPCOMMBURCBLAZERDG,1994,AMJPSYCHIAT,V151,P979EATONL,2001,NYTIMES1116,A1FOTHERGILLA,1999,DISASTERS,V23,P156FULLERTONCS,1999,AVIATSPACEENVIRMD,V70,P902GINEXIEM,2000,AMJCOMMUNPSYCHOL,V28,P495GOENJIANAK,2001,AMJPSYCHIAT,V158,P788

GREENBL,1990,JAPPLSOCPSYCHOL,V20,P1033HANSONRF,1995,JCONSULTCLINPSYCH,V63,P987

HARVEYAG,1999,JCONSULTCLINPSYCH,V67,P985KAWACHII,2001,JURBANHEALTH,V78,P458

KESSLERRC,1995,ARCHGENPSYCHIAT,V52,P1048KILPATRICKDG,1987,CRIMEDELINQUENCY,V33,P479MADAKASIRAS,1987,JNERVMENTDIS,V175,P286MAZURECM,2000,AMJPSYCHIAT,V157,P896

NORTHCS,1999,JAMA-JAMMEDASSOC,V282,P755ORTEGAAN,2000,AMJPSYCHIAT,V157,P615POLEN,2001,JNERVMENTDIS,V189,P442RESNICKH,1999,JANXIETYDISORD,V13,P359RESNICKHS,1993,JCONSULTCLINPSYCH,V61,P984ROTHBAUMBO,1992,JTRAUMASTRESS,V5,P455RUBONISAV,1991,PSYCHOLBULL,V109,P384RUEFAM,2000,CULTURALDIVERSITYE,V6,P235SHAHB,1997,SUDAANUSERSMANUALSHALEVAY,1998,AMJPSYCHIAT,V155,P630SHALEVAY,2000,JCLINPSYCHIATS5,V61,P33SHERBOURNECD,1991,SOCSCIMED,V32,P705SHOREJH,1989,JNERVMENTDIS,V177,P681TUCKERP,2000,JBEHAVHEALTHSERR,V27,P406documentco-citationauthorco-citationjournalco-citationACA/DCA/JCA3.5數(shù)據(jù)分析——數(shù)據(jù)標(biāo)準(zhǔn)化為便于可視化，對(duì)簡(jiǎn)單地頻次計(jì)算的單元數(shù)據(jù)，標(biāo)準(zhǔn)化常常通過數(shù)據(jù)間的相似度測(cè)量。主要有兩大類：一是集合論方法（Set-theoreticmeasures），包括Cosine、Pearson、Spearman、Inclusion指數(shù)和Jaccard指數(shù)；二是概率論方法（Probabilisticmeasure），主要有合力指數(shù)（AssociationStrength）和概率親和力指數(shù)（ProbabilisticAf?nity）因子分析以較少幾個(gè)因子描述許多指標(biāo)或因素間關(guān)系，即把較密切的變量歸在同一類，每類變量成為一個(gè)因子，以少量的因子反映原資料中大部分信息。主成成分分析其它聚類分析因子分析多維尺度分析通過低維（2維）空間反映作者（文獻(xiàn)）間的聯(lián)系，利用平面距離來反映作者（文獻(xiàn)）間的相似程度。在科學(xué)知識(shí)圖譜中，聚集高相似性的作者（文獻(xiàn)），形成科學(xué)共同體（學(xué)科前沿），用中間位置反映作者（文獻(xiàn)）與其他作者（文獻(xiàn)）的聯(lián)系越多，說明學(xué)科位置核心程度3.6數(shù)據(jù)分析——簡(jiǎn)化分析3.6數(shù)據(jù)分析——簡(jiǎn)化分析③自組織映射圖（SOM），模擬人的神經(jīng)中樞網(wǎng)絡(luò)，采用無導(dǎo)師學(xué)習(xí)的分類方法，能把任意輸入信息變換到二維離散網(wǎng)格上，并盡可能地保持原知識(shí)的拓?fù)溆行蚪Y(jié)構(gòu)。3.6數(shù)據(jù)分析——簡(jiǎn)化分析④尋徑網(wǎng)絡(luò)圖譜（PFNET），模擬人的記憶模型和聯(lián)想式思維方式，建立知識(shí)單元間最有效連接的路徑，經(jīng)過較復(fù)雜的模型運(yùn)算刪除網(wǎng)絡(luò)中大部分連接，只保留最重要的，目的是將復(fù)雜大型的網(wǎng)絡(luò)進(jìn)行最大程度的簡(jiǎn)化。⑤聚類分析（Cluster）、潛在語義分析（LatentSemantic）、ForceDirectedPlacement(FDP)、三角法（Triangulation）、最小生成樹法和特征向量法（Eigenvector）等3.7知識(shí)可視化知識(shí)圖譜需要將處理后的知識(shí)在人機(jī)界面中，進(jìn)行有效、精確地展示。知識(shí)單元及其關(guān)系可以通過不同模擬來可視化展示，例如幾何圖、戰(zhàn)略圖、沖積圖、主題河圖、地形圖、星團(tuán)圖、簸幅圖等等。例如主題河圖（ThemeRiver）可視化中，用河流做隱喻來描述文獻(xiàn)主題隨時(shí)間的變化；主題的變化隨著外部事件的時(shí)間線索而顯示出來；主題河由術(shù)語的頻次支流組成，支流的寬度依據(jù)術(shù)語在不同時(shí)間段上出現(xiàn)頻次的不同而發(fā)生變化2.8知識(shí)圖譜解讀在知識(shí)圖譜的解讀過程中，常常需要對(duì)圖譜進(jìn)行相應(yīng)操作，包括瀏覽、放大、縮小、過濾、查尋、關(guān)聯(lián)和按需移動(dòng)等。解讀主要從以下幾方面著手：網(wǎng)絡(luò)分析、歷時(shí)分析、空間分析、突變檢測(cè)社會(huì)網(wǎng)絡(luò)分析

據(jù)今日美國2006年的報(bào)道，911以后，美國國家安全局從AT&T,Verizon,BellSouth等三家美國主要電信公司搜集電話記錄，從中分析和查找潛在的恐怖分子網(wǎng)絡(luò)。著名SNA應(yīng)用和管理咨詢專家ValdisKrebs根據(jù)大量公開數(shù)據(jù)，也繪制出了涉及911的恐怖分子關(guān)聯(lián)網(wǎng)絡(luò)小世界現(xiàn)象（六度分隔理論）這個(gè)星球上的每個(gè)人都不過是被其他六個(gè)人分割開來。這就是在我們與這個(gè)星球上的另外任何一個(gè)人之間的六度分離關(guān)系。美利堅(jiān)合眾國的總統(tǒng)、威尼斯的船夫……這不僅僅對(duì)這些大人物成立，而且對(duì)任何人都成立：雨林中的土著人、火地島的居民、愛斯基摩人，等等。一根六人藤蔓把我和這個(gè)世界上的所有人都綁在了一起……理論指出：你和任何一個(gè)陌生人之間所間隔的人不會(huì)超過五個(gè)，也就是說，最多通過五個(gè)中間人你就能夠認(rèn)識(shí)任何一個(gè)陌生人

20世紀(jì)60年代，美國心理學(xué)家米爾格蘭姆設(shè)計(jì)了一個(gè)連鎖信件實(shí)驗(yàn)。米爾格蘭姆把信隨機(jī)發(fā)送給住在美國各城市的一部分居民，信中寫有一個(gè)波士頓股票經(jīng)紀(jì)人的名字，并要求每名收信人把這封信寄給自己認(rèn)為是比較接近這名股票經(jīng)紀(jì)人的朋友。這位朋友收到信后，再把信寄給他認(rèn)為更接近這名股票經(jīng)紀(jì)人的朋友。最終，大部分信件都寄到了這名股票經(jīng)紀(jì)人手中，每封信平均經(jīng)手6．2次到達(dá)。小世界現(xiàn)象（六度分隔理論）社會(huì)網(wǎng)絡(luò)分析方法中的基本術(shù)語在科學(xué)知識(shí)圖譜中的釋義度數(shù)（NodeDegree）基本概念分析角度密度（Density）捷徑（Geodesics）距離（Distance）關(guān)聯(lián)圖（ConnectedGraph）中心性（Centrality）凝聚子群（Clusters）核心-邊緣（Core-periphery）點(diǎn)度中心性（Degree）中間中心性（Betweenness）接近中心性（Closeness）點(diǎn)入度（In-degree）點(diǎn)出度（Out-degree）局部中心度對(duì)資源的控制程度整體中心度不受他人控制的程度K核（K-Core）成分（Component）整體網(wǎng)絡(luò)分析網(wǎng)絡(luò)密度復(fù)雜網(wǎng)絡(luò)4.科學(xué)知識(shí)圖譜的繪制工具專門工具、通用工具，國內(nèi)工具和國外工具。4.科學(xué)知識(shí)圖譜的繪制工具可視化展示工具的組合不同的可視化軟件具有不同的特點(diǎn)且使用不同的算法去聚類和可視化結(jié)果。因此，把握不同軟件的特點(diǎn)，根據(jù)研究目的對(duì)其進(jìn)行合理的組配使用能夠達(dá)到理想效果?；诹鞒痰慕M合方式?；谖募袷降慕M合方式。基于軟件模塊的組合方式。Bibexcelhttp://www.umu.se/inforsk/Bibexcel/---afree-wareon-linedevelopedbyOllePerssonSPSS

多元統(tǒng)計(jì)分析及可視化軟件

Correlationanalysis,PCA(factoranalysis),MDS,clusteranalysisWordsmithTools

詞頻分析軟件

Frequencyanalysisofwords應(yīng)用的主要軟件Software改革開放30年情報(bào)學(xué)研究論文多產(chǎn)作者多層聚類分析結(jié)果科學(xué)計(jì)量學(xué)主流研究領(lǐng)域知識(shí)圖譜，1978-2004PajekSocialnetworkanalysis

UCINETSocialnetworkanalysis

這些軟件網(wǎng)上都有學(xué)習(xí)視頻、教程等相關(guān)資源。應(yīng)用的主要軟件Software

——社會(huì)網(wǎng)絡(luò)分析軟件、可視化軟件UCINET最流行的社會(huì)網(wǎng)分析軟件，其中包括一維與二維數(shù)據(jù)分析的NetDraw，同時(shí)集成了Pajek用于大型網(wǎng)絡(luò)分析的免費(fèi)應(yīng)用軟件程序。/

PajekPajek(ProgramAnalysisforLargeNetwork),由盧布爾雅那大學(xué)的VladimirBatagelj和AndrejMrvar于1997年發(fā)布，是基于Windows的免費(fèi)社會(huì)科學(xué)軟件，主要用于社會(huì)網(wǎng)絡(luò)分析可視化。該軟件可以提供非商業(yè)應(yīng)用的免費(fèi)下載，下載網(wǎng)址:

http://vlado.fmf.uni-lj.si/pub/networks/pajek/CreatPajek可以把excel格式的文件轉(zhuǎn)換為Pajek格式的軟件?？茖W(xué)計(jì)量學(xué)合作網(wǎng)絡(luò)知識(shí)圖譜，1978-20041992－1998年度情報(bào)學(xué)共詞分析結(jié)果應(yīng)用的主要軟件Software——

多視角共引分析可視化軟件citespace

---afree-wareon-linedevelopedbyChaomeiChen1、通過引文網(wǎng)絡(luò)分析，找出學(xué)科領(lǐng)域演化的關(guān)鍵路徑2、找出學(xué)科領(lǐng)域演化的關(guān)鍵點(diǎn)文獻(xiàn)（知識(shí)拐點(diǎn)）3、分析學(xué)科前沿?zé)狳c(diǎn)4、探測(cè)學(xué)科知識(shí)基礎(chǔ)

文獻(xiàn)共引圖譜國際納米研究領(lǐng)域的主要期刊分布圖譜物理期刊化學(xué)期刊、納米期刊、及其他期刊共引圖譜作者共引圖譜作者合作網(wǎng)絡(luò)圖譜2納米粒子1納米薄膜、納米晶體、納米線、納米結(jié)構(gòu)、碳納米管4納米管吸附、納米硅6納米棒陣列、氧化鋅納米線3光譜分析、納米金、納米簇5納米復(fù)合材料、納米輸運(yùn)、納米器件、納米技術(shù)、納米場(chǎng)效應(yīng)晶體管7碳納米管場(chǎng)發(fā)射機(jī)理8納米傳感器、蛋白質(zhì)納米技術(shù)圖9國際納米研究熱點(diǎn)知識(shí)圖譜共詞圖譜672021/5/95

CiteSpace簡(jiǎn)介與操作★★Citespace是一款應(yīng)用于科學(xué)文獻(xiàn)中識(shí)別并顯示科學(xué)發(fā)展新趨勢(shì)和新動(dòng)態(tài)的軟件。---afree-wareon-linedevelopedbyChaomeiChen1、發(fā)現(xiàn)學(xué)科領(lǐng)域演化的關(guān)鍵路徑、關(guān)鍵點(diǎn)文獻(xiàn)（知識(shí)拐點(diǎn)）2、可視化學(xué)科前沿、熱點(diǎn)和趨勢(shì)3、可視化學(xué)科結(jié)構(gòu)和流派4、可視化學(xué)科合作網(wǎng)絡(luò)結(jié)合GoogleEarth生成地理網(wǎng)絡(luò)合作圖

由美國德雷克塞爾大學(xué)（費(fèi)城）信息科學(xué)與技術(shù)學(xué)院（TheCollegeofInformationScienceandTechnology,DrexelUniversity）ChaomeiChen教授研究開發(fā)。ChaomeiChen教授研究的InformationVisualization–CiteSpace是近幾年來在全美信息分析中最具有特色和影響力的信息可視化軟件。大連理工大學(xué)長(zhǎng)江學(xué)者講座教授。

1983獲南開大學(xué)理論數(shù)學(xué)學(xué)士，1991獲牛津大學(xué)計(jì)算碩士，1995獲利物浦大學(xué)計(jì)算機(jī)學(xué)博士。Citespace的安裝是否安裝JAVA開機(jī)進(jìn)入網(wǎng)站：/~cchen/citespace/OR離線開啟下載JAVA并安裝否是Citespace的安裝Citespace的操作步驟確定關(guān)鍵詞和專業(yè)術(shù)語收集數(shù)據(jù)選擇知識(shí)單元（例如提取研究前沿術(shù)語）時(shí)區(qū)分割閥值選擇精簡(jiǎn)和合并顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)★★運(yùn)用盡可能廣泛的專業(yè)術(shù)語來確定一個(gè)知識(shí)領(lǐng)域。這是為了確保接下來的分析能涵蓋一個(gè)知識(shí)領(lǐng)域的全部?jī)?nèi)容。Data：WosExample：CulturalHeritage

★★目前citespace數(shù)據(jù)主要來源于webofscience

。1、用步驟1確定的關(guān)鍵詞wos上進(jìn)行檢索。確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)1、用步驟1確定的關(guān)鍵詞wos上進(jìn)行檢索。確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)1、用步驟1確定的關(guān)鍵詞wos上進(jìn)行檢索。確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)1、用步驟1確定的關(guān)鍵詞wos上進(jìn)行檢索。確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)下載數(shù)據(jù)，包括題目、摘要和被引文獻(xiàn)。每個(gè)文獻(xiàn)記錄代表一篇引文(citingarticle)，在每條記錄中的參考文獻(xiàn)被稱為被引文獻(xiàn)（Citedarticle)1、用步驟1確定的關(guān)鍵詞wos上進(jìn)行檢索。確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)1、用步驟1確定的關(guān)鍵詞wos上進(jìn)行檢索。Download_xx.txt格式確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)文件必須以Download開頭數(shù)據(jù)的導(dǎo)入123確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)4123確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)引文題目、摘要、系索詞（descriptors,標(biāo)引主題的單元詞或詞組）和標(biāo)識(shí)符名詞性術(shù)語突發(fā)詞提取研究前沿術(shù)語確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)C引文數(shù)量、CC共被引頻次、CCV共被引系數(shù)三個(gè)層次設(shè)定閥值，其余的由線性內(nèi)插值決定。確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)聚類顯示和時(shí)間線顯示共被引文獻(xiàn)和關(guān)鍵詞混合網(wǎng)絡(luò)確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)引文年環(huán)代表這篇文章的引文歷史。引文年輪的顏色代表相應(yīng)的引文時(shí)間。一個(gè)年輪的厚度與某個(gè)時(shí)間分區(qū)內(nèi)引文數(shù)量成比例。節(jié)點(diǎn)中心旁的數(shù)字代表整個(gè)時(shí)間跨度內(nèi)的被引次數(shù)可視檢測(cè)——節(jié)點(diǎn)類型的分類共引作者共引機(jī)構(gòu)共引國別共引時(shí)間關(guān)鍵詞共引領(lǐng)域共引文獻(xiàn)（DCA）共引作者(ACA)共引雜志(JCA)確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)★共引文章的合并網(wǎng)絡(luò)確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)★共引文章的合并網(wǎng)絡(luò)確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)★經(jīng)pathfinder裁剪的個(gè)體共引網(wǎng)的合并網(wǎng)絡(luò)修剪選項(xiàng)關(guān)鍵路徑和最小生成樹算法對(duì)各時(shí)間切片的個(gè)體共被引網(wǎng)絡(luò)修剪或合并網(wǎng)絡(luò)修剪確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)★經(jīng)pathfinder裁剪的個(gè)體共引網(wǎng)的合并網(wǎng)絡(luò)確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)Timeline確定主題詞和專業(yè)術(shù)語收集數(shù)據(jù)提取研究前沿術(shù)語時(shí)區(qū)分割閥值選擇顯示可視檢測(cè)驗(yàn)證關(guān)鍵點(diǎn)在citespace軟件應(yīng)用的基礎(chǔ)文獻(xiàn)中，軟件作者認(rèn)為，關(guān)鍵點(diǎn)的本質(zhì)可以通過兩條途徑來確認(rèn)：1、將關(guān)鍵點(diǎn)文章的作者視為該領(lǐng)域的專家，咨詢；2