科學(xué)知識(shí)圖譜：工具、方法與應(yīng)用

目 錄




第 1章 科學(xué)知識(shí)圖譜概述 1
1.1 知識(shí)圖譜的概念 1
1.1.1 科學(xué)知識(shí)圖譜 2
1.1.2 語義知識(shí)圖譜 3
1.2 科學(xué)知識(shí)圖譜的研究方法 6
1.3 科學(xué)知識(shí)圖譜的研究意義 7
1.3.1 學(xué)科分析研究 7
1.3.2 科研合作網(wǎng)絡(luò)分析 8
1.3.3 學(xué)科建設(shè)評(píng)估 9
1.4 科學(xué)知識(shí)圖譜的繪制與解讀流程 10
1.5 科學(xué)知識(shí)圖譜工具 11
1.6 本章小結(jié) 12
第 2章 數(shù)據(jù)采集與預(yù)處理 13
2.1 數(shù)據(jù)庫簡介 13
2.1.1 三大數(shù)據(jù)庫 13
2.1.2 OA數(shù)據(jù)庫 14
2.1.3 其他數(shù)據(jù)庫 15
2.2 數(shù)據(jù)采集 15
2.2.1 CNKI數(shù)據(jù)采集 16
2.2.2 CSSCI數(shù)據(jù)采集 20
2.2.3 WOS數(shù)據(jù)采集 22
2.3 數(shù)據(jù)預(yù)處理 24
2.3.1 WOS題錄格式說明 25
2.3.2 數(shù)據(jù)預(yù)處理前期準(zhǔn)備 27
2.3.3 數(shù)據(jù)預(yù)處理操作 28
2.3.4 數(shù)據(jù)轉(zhuǎn)換存在的問題 30
2.3.5 工具演示說明 32
2.4 本章小結(jié) 33
第3章 文獻(xiàn)計(jì)量分析工具的應(yīng)用 34
3.1 文獻(xiàn)計(jì)量分析理論方法 34
3.1.1 引文分析 34
3.1.2 共詞分析 37
3.2 CiteSpace 38
3.2.1 CiteSpace簡介 38
3.2.2 CiteSpace概念模型 38
3.2.3 下載與運(yùn)行CiteSpace 39
3.2.4 設(shè)置參數(shù) 41
3.2.5 新建項(xiàng)目與可視化 45
3.2.6 共詞網(wǎng)絡(luò)可視化視圖 47
3.2.7 科研合作網(wǎng)絡(luò)圖譜 56
3.2.8 共被引網(wǎng)絡(luò) 59
3.2.9 保存圖譜 63
3.3 VOSviewer 65
3.3.1 VOSviewer簡介 65
3.3.2 下載與運(yùn)行VOSviewer 66
3.3.3 知識(shí)單元合并及刪除 67
3.3.4 創(chuàng)建圖譜 67
3.3.5 可視化視圖 74
3.3.6 中文文獻(xiàn)可視化圖譜 74
3.3.7 外文文獻(xiàn)可視化圖譜 91
3.3.8 保存圖譜 97
3.4 HistCite 99
3.4.1 HistCite簡介 99
3.4.2 下載與運(yùn)行HistCite 99
3.4.3 HistCite界面 100
3.4.4 繪制引文時(shí)序圖 102
3.5 Bibliometrix 104
3.5.1 Bibliometrix簡介 104
3.5.2 下載與運(yùn)行Bibliometrix 106
3.5.3 Bibliometrix的部分功能 108
3.6 SATI 112
3.6.1 SATI簡介 112
3.6.2 SATI的部分功能 115
3.7 本章小結(jié) 117
第4章 多元統(tǒng)計(jì)分析工具SPSS的應(yīng)用 119
4.1 多元統(tǒng)計(jì)分析理論方法 119
4.1.1 因子分析 119
4.1.2 聚類分析 120
4.1.3 多維尺度分析 121
4.1.4 戰(zhàn)略坐標(biāo)分析 122
4.2 BICOMB 123
4.2.1 BICOMB簡介 123
4.2.2 下載與運(yùn)行BICOMB 123
4.2.3 使用BICOMB 124
4.3 SPSS 130
4.3.1 SPSS簡介 130
4.3.2 SPSS距離分析的應(yīng)用 131
4.3.3 SPSS因子分析的應(yīng)用 134
4.3.4 SPSS聚類分析的應(yīng)用 140
4.3.5 SPSS多維尺度分析的應(yīng)用 144
4.3.6 戰(zhàn)略坐標(biāo)分析的應(yīng)用 146
4.4 本章小結(jié) 149
第5章 社會(huì)網(wǎng)絡(luò)分析工具UCINET的應(yīng)用 150
5.1 社會(huì)網(wǎng)絡(luò)分析理論方法 150
5.1.1 中心度 151
5.1.2 凝聚子群 155
5.1.3 網(wǎng)絡(luò)密度 156
5.2 UCINET 156
5.2.1 UCINET簡介 156
5.2.2 數(shù)據(jù)輸入/輸出 157
5.2.3 層次聚類 158
5.2.4 中心度計(jì)算 160
5.2.5 共詞網(wǎng)絡(luò)可視化圖譜 161
5.2.6 國內(nèi)合作網(wǎng)絡(luò)可視化圖譜 164
5.2.7 保存圖譜 169
5.3 本章小結(jié) 170
第6章 LDA主題模型的應(yīng)用 171
6.1 NLP理論方法 171
6.1.1 語料庫 171
6.1.2 分詞 172
6.1.3 特征工程 173
6.1.4 文本表示方法 173
6.1.5 LDA主題模型 175
6.2 開源NLP工具包 176
6.3 Python集成開發(fā)環(huán)境 177
6.4 分詞處理 179
6.4.1 分詞工具 179
6.4.2 自定義詞典 180
6.5 詞袋模型示例 180
6.5.1 詞頻統(tǒng)計(jì) 180
6.5.2 TF-IDF統(tǒng)計(jì) 181
6.6 主題分析應(yīng)用 182
6.6.1 數(shù)據(jù)準(zhǔn)備 182
6.6.2 LDA主題模型的相關(guān)參數(shù) 182
6.6.3 程序代碼 183
6.6.4 主題輸出與可視化 184
6.6.5 熱點(diǎn)主題解讀 186
6.6.6 主題演化歷程 187
6.7 本章小結(jié) 189

附錄A 文獻(xiàn)計(jì)量分析的常用術(shù)語 190
附錄B 基本科學(xué)指標(biāo) 191
附錄C 知網(wǎng)題錄數(shù)據(jù)格式轉(zhuǎn)換代碼 192
附錄D CSSCI題錄數(shù)據(jù)格式轉(zhuǎn)換代碼 194