孙晓宁 闫 励 张 强

(1．南京大学信息管理学院 江苏南京 210093;2．郑州大学信息管理学院 河南郑州 450001;3．安徽大学管理学院 安徽合肥 230601)

对学科体系结构的揭示，需要对学科发展过程中产生的大量文献进行整体的把握与梳理，为此，以文献计量分析为代表的定量研究方法与文献综述为主的定性研究方法，被各个领域从事学科体系研究的学者所广泛采纳。而在近几年，一些有效获取知识、发现知识和探测知识前沿的新领域与新手段——以知识单元为分析基础的科学知识图谱可视化方法蓬勃兴起。由于视觉在人类感知外部信息中起绝对主导的作用，图像又是视觉信息的第一要素，〔1〕科学知识图谱(Mapping Knowledge Domain)能够将抽象信息形象地展现出来，自然而然地成为了揭示学科体系结构的一条重要途径:它赋予纷杂、庞大的学科体系结构以活力，能够通过直观可见的图形或图像，形象地展示学科体系结构的总体分布，把学科体系结构研究推进到以可视化为标志的新阶段。

1 科学知识图谱与学科可视化概念辨析

在对国内现有“科学知识图谱”与“学科可视化”(或“学科结构可视化”、“学科领域可视化”、“学科范式可视化”等)相关研究文献整理时发现，由于从国外引入国内后发展的时间较短，很多学者似乎没有把二者的关系理清，常常将其混为一谈，且多数人将科学知识图谱视为一种新兴的科学计量研究方法，也由此产生了“科学知识图谱法”等提法，其实不然。

科学知识图谱〔2〕是以科学知识为对象，显示科学知识的发展进程与结构关系的一种图形。科学知识图谱研究，是以科学学为研究范式，以引文分析方法和信息可视化技术为基础，涉及数学、信息科学、认知科学和计算机科学等诸学科交叉的领域，是科学计量学和信息计量学的新发展。科学知识图谱具有“图”和“谱”的双重性质与特征:既是可视化的知识图形，又是序列化的知识谱系，显示了知识元或知识群之间网络、结构、互动、交叉、演化或衍生等诸多复杂的关系。〔3〕

学科可视化〔4〕本质上属于“知识可视化”范畴，它是知识可视化在学科体系结构探究中的具体体现，而“知识可视化”又来自于“信息可视化”的概念。信息可视化(Information Visualization)〔5〕是利用计算机实现对抽象数据的交互式可视表示，来增强人们对这些抽象信息的认知，其关键是在人机交互影响中把握对象的可视化属性，把非空间抽象数据映射为便于人们理解的可视化形式，以利于人们通过视觉的通道快速地观察、认知和加工有关信息，发现事物的特征和规律。这样，数据经过信息可视化处理后变为知识，通过信息可视化的技术实现了知识可视化(Knowledge Visualization)〔6〕。

学科可视化更多的是一种理念，当然也可以视为有别于学科体系结构传统研究方法的一种新方法。可以说科学知识图谱是学科可视化的直观体现，学科可视化是科学知识图谱形成的来源，为科学知识图谱提供了工具和手段，并对其兴起和推广起到了关键的作用。同时，学科可视化并不是单一的、具体的一种研究方法，目前看来，它是共现分析、共引分析和多元统计分析三大类10种具体方法的集中体现，所以说，它更像是一个“方法群”:这里面既包括传统的文献计量方法，也有比较流行的多元统计方法，所使用的研究工具，以及与之相对应的数据来源也不尽相同。自然地，不同的研究方法生成的科学知识图谱及其体现的内容也相差甚远，但这些都能够整体或部分地体现某一学科的体系结构分布特征。

除了揭示学科可视化外，科学知识图谱还被广泛地应用于创业型大学的科研情况〔7〕、同行评议专家的遴选〔8〕、学术研究团队的识别与评估〔9〕、专利分析〔10〕、技术预见〔11〕和期刊评价〔12〕等其他研究领域。

2 科学知识图谱在学科可视化研究中的应用概述

2．1 国外研究

科学知识图谱自文献计量学出现以来就有了发展的雏形。科学计量学奠基人 Derek J．de Solla Price(1961)〔13〕是科学知识图谱的早期开拓者;SCI(Science Citation Index，科学引文索引)的创始人 Garfield E和 Sher I H、Torpie R J(1964)〔14－15〕首先认识到引证网络能够反映科学知识之间传承与发展的关系，并利用引证网络研究科学知识发展的历史、脉络和结构;英国情报学家Brookes(1981)提出了“知识地图”的构想，他试图用J Farradene的关系索引和H Small对引用分析的研究来建立“知识地图”，但他并没有认识到知识的多维立体结构，只在二维平面上绘制“知识地图”，因此存在很大的缺陷;〔16〕匈牙利的三位学者 Tibor Braun、Wolfgang Glanzel和Andras Schuber以SCI数据库为基础，选择了32个具有可比性的国家为研究对象，出版了《科学计量学指标》，用直观的图形和简明的列表，展现了32个国家在世界科学版图上的位置。〔17〕

科学知识图谱的真正发展是在20世纪90年代末。其中的标志包括世界著名信息可视化专家、美国Drexel University信息科学与技术学院华人学者陈超美博士(1999)〔18〕出版了该领域第一部学术专著《Information Visualization and Virtual Environments》(《信息可视化与虚拟环境》);Stuart K．Card(1999)〔19〕编著的论文集《Readings in Information Visualization:Using Vision to Think》(《信息可视化概览:用视觉思维》);H．E Herl(1999)〔20〕等将科学知识图谱应用于解决现实存在的问题，分析复杂的社会信息间的关系，帮助决策者迅速做出决策。

近几年来，科学知识图谱在国外得到了全方位的发展，应用在多个领域。陈超美(2003，2006)〔21－22〕的《Mapping Scientific Frontiers:The Quest for Knowledge Visualization》(《科学前沿图谱:知识可视化的历程》)和《Information Visualization:Beyond the Horizon(2nd Edition)》(《信息可视化:超越地平线(第二版)》)、Robert Spence(2007)〔23〕的《Information Visualization:Design for Interaction(2nd Edition)》(《信息可视化:交互设计(第二版)》)成为信息可视化与知识可视化的经典书籍;Glenisson P(2005)〔24〕等将沃德方法和K－值算法，用文本挖掘和文献计量方法分析了5种期刊，得出科学计量学的学科结构图谱;Reid E F、Chen H(2007)〔25〕绘制了恐怖主义研究领域的科学知识图谱;Sanz－Casado E等(2007)〔26〕选取朊病毒研究领域在1973－2002年间的相关文献，用科学知识图谱的形式研究了该领域的现状以及发展趋势。

2．2 国内研究

早期，以图书情报学领域为主要代表的学者，已经开始利用一系列的信息计量学方法，通过一些可视化图形来形象、直观地表达某一学科领域的作者、主题和机构分布，揭示当前研究热点、预测今后研究趋势等方式来开展研究。但当时并未将“科学知识图谱”这一概念引入我国，一直到2005年，大连理工大学刘则渊教授率领其学术团队，与德国著名的科学计量学家H．Kretschmer创办了网络－信息－科学－经济计量(WISE)实验室(该实验室被Garfield赞誉为世界科学计量学研究中心之一)，陈悦、刘则渊在《科学学研究》2005年第4期上发表了《悄然兴起的科学知识图谱》一文，标志着“科学知识图谱”这一新的学术概念在国内的正式确立。

之后，刘则渊等在2008年出版了《科学知识图谱:方法与应用》(人民出版社)一书，在国内引起很大反响;2009年，刘则渊与陈超美共同创办了中国大连理工大学－美国德雷塞尔大学知识可视化与科学发现联合研究所;在2008年、2012年先后出版了两辑“知识计量与知识图谱丛书”(大连理工大学出版社)，其中包含了多本科学计量、科学知识图谱方面研究的论著。WISE实验室最早在国内介绍了有关科学知识图谱的基本概念，在国内CSSCI核心来源期刊上发表了一系列有关科学知识图谱的学术论文，对涉及生物、物理等多个自然科学领域，以及管理、经济、哲学等社会科学领域的学科体系结构进行了可视化研究，取得了丰富的学术成果。

此外，以图书情报学为首要的多个学科领域对科学知识图谱与学科可视化展开了具体的研究，论文发表在图书情报领域的多种核心期刊上。具有代表性的成果包括:陈兰杰(2009)〔27〕利用信息可视化方法对 Web of Science(SCI，SSCI，A＆HCI)中1986－2008年收录的信息资源管理论文的引文数据进行文献共被引分析，以知识图谱的方式展示了信息资源管理关键节点所代表的专家及其著作对信息资源管理发展所起的重要作用;赵蓉英、许丽敏(2010)〔28〕利用CiteSpace绘制出文献计量学研究发展演进的知识图谱，揭示了学科领域的代表人物和代表文献;胡晓梅(2011)〔29〕利用 CiteSpace对引文和关键词数据进行分析，梳理了我国图书馆管理领域的研究力量、代表人物、期刊分布以及相关的重要学术文献，分析了图书馆管理研究的热点领域和前沿主题;宗乾进等(2011)〔30－31〕利用 CiteSpace 分别对 CSSCI中 2009 年中国图书馆学、情报学的文献进行分析，以可视化知识图谱的方式展示了2009年国内图书馆学、情报学研究热点和知识来源谱系;马海群、吕红(2012)〔32〕以来自 CSSCI数据库的8290篇中国情报学文献为研究对象，利用CiteSpace对相关引文数据和主题词数据进行分析和处理，分别绘制了中国情报学的研究主体、知识基础、研究热点与研究前沿的知识图谱;李阳等(2013)〔33〕运用 CiteSpace对 Web of Science数据库中1992－2012年图书情报领域信息共享研究文献进行可视化分析，揭示了该领域的研究热点、知识基础、研究前沿。

总之，作为一种新兴的研究手段，科学知识图谱与学科可视化研究目前在国内已经取得了大量的成果，在此不一一赘述。

3 科学知识图谱在国内学科可视化研究中的分类

对CSSCI来源期刊中收录的学科可视化研究文献进行了较为完整的统计，并按照数据来源、研究工具、研究方法、研究内容、应用领域五大方面将这些文献做了分类，如表1所示。

表1 国内科学知识图谱可视化研究分类统计

3．1 数据来源

在国内学科可视化研究中，经常使用到1种外文文献数据来源(Web of Science)和3种中文文献数据来源(CSSCI、CNKI、CSCD)。

第一，Web of Science:Web of Science(WoS)〔34〕是美国Thomson－Reuters Scientific基于WEB开发的产品，是大型综合性、多学科的核心期刊引文索引数据库，包括三大引文数据库:SCI(Science Citation Index，科学引文索引)、SSCI(Social Sciences Citation Index，社会科学引文索引)、A＆HCI(Arts ＆Humanities Citation Index，艺术与人文科学引文索引)和两个化学信息事实型数据库:CCR(Current Chemical Reactions)、IC(Index Chemicus)，以及三个其他引文数据库:SCIE(Science Ciation Index Expanded，科学引文检索扩展版)、CPCI－S(Conference Proceedings Citation Idex－Science，科技会议文献引文索引)和CPCI－SSH(Conference Proceedings Citation Index－Social Science＆Humanalities，社会科学以及人文科学会议文献引文索引)，以ISI Web of Knowledge作为检索平台。

第二，CSSCI:中文社会科学引文索引(Chinese Social Sciences Citation Index，CSSCI)是由南京大学中国社会科学研究评价中心〔35〕开发研制的引文数据库，用来检索中文人文社会科学领域的论文收录和被引用情况，在国内具有很高的权威性和代表性。

第三，CNKI(万方、维普):中国知识基础设施工程(China National Knowledge Infrastructure，CNKI)，即中国知网〔36〕，是以实现全社会知识资源传播共享与增值利用为目标的信息化建设项目，由中国学术期刊(光盘版)电子杂志社、清华同方知网(北京)技术有限公司主办，是基于《中国知识资源总库》的全球最大的中文知识门户网站。一般来说，常用到的学术文献采集数据库有《中国学术期刊网络出版总库》(China Academic Journal Network Publishing Database，CAJD)、《中国优秀硕士学位论文全文数据库》、《中国博士学位论文全文数据库》和《中国重要会议论文全文数据库》以及专业的引文数据库:CCD(Chinese Citation Database，中国引文数据库)。虽然CNKI集成了国内相对最完全的电子期刊，但仍有部分期刊并未与其开展合作(比如，CNKI目前只收录了《情报学报》1994－2002年的文章)，因此，国内学者一般还选择万方数据和维普资讯这两个期刊数据库作为补充数据来源，或者有的学者直接使用其中的一种或两种进行文献搜集、统计与分析等工作。

第四，CSCD:CSCD(Chinese Science Citation Database，中国科学引文数据库)由中国科学院国家科学图书馆与中国学术期刊(光盘版)电子杂志社联合主办，是我国第一个引文数据库，并与美国Thomson－Reuters Scientific合作，成为 ISI Web of Knowledge平台上第一个非英文语种的数据库，实现与Web of Science的跨库检索。〔37〕一般来说，学者们主要利用CSCD以及CCD采集到的引文数据，做引文分析、共引分析(如文献共引分析、期刊共引分析、作者共引分析)等。

3．2 研究工具

在国内学科体系结构可视化研究中，常用到的研究工具或软件主要有:陈超美博士研发的CiteSpace(以及一些对其进行数据预处理的软件，如南京大学信息管理学院宗乾进博士等人开发的 POPCite等);荷兰莱顿大学(Universiteit Leiden)Van Eck等人基于VOS可视化技术，专门针对文献知识单元的可视化工具VOSviewer〔38〕;世界上最早的统计分析软件SPSS(Statistical Product and Service Solutions，统计产品与服务解决方案);当前非常流行的社会网络分析软件Ucinet和Pajek，其中Ucinet集成了包括Netdraw在内的多个可视化软件，而Pajek不仅为用户提供了一整套快速有效的用来分析复杂网络的算法，而且还提供了一个可视化的界面，让用户可以从视觉的角度更加直观地了解复杂网络的结构特性;美国Thomson－Reuters Scientific开发的数据分析工具TDA(Thomson Data Analyzer)，TDA是一个具有强大分析功能的文本挖掘软件，可以对文本数据进行多角度的数据挖掘和可视化的全景分析;瑞典科学计量学家Person开发的专门文献计量免费软件Bibexcel;中国医科大学医学信息学系崔雷教授开发的以生物医学文献数据库中的书目文献信息进行快速扫描，准确提取并归类存储、统计计算、矩阵分析等为目标的Bicomb软件，等等。

这些工具各具特色，能够支持的数据格式、运行环境和实现的关系矩阵、常用的分析方法、适合的研究领域都不尽相同。杨思洛、韩瑞珍(2012)〔39〕和肖明等(2013)〔40〕将一些学科可视化研究工具(科学知识图谱绘制工具)就数据格式、数据预处理、构建关系矩阵、数据标准化处理以及所支持的知识图谱分析方法等进行了较为详细的对比分析。

3．3 研究方法

在国内学科体系结构可视化研究中，主要包括三大类研究方法(共现分析、共引分析、多元统计分析)。

第一，共现分析(关键词共现分析、机构共现分析、学科共现分析、作者共现分析):关键词共现分析，又称为共词分析(Co－term Analysis)，其思想来源于引文耦合与共(被)引分析，最早在20世纪70年代由法国文献计量学家提出，〔41〕之后通过 Law、Whittaker、Callon、Courtial等学者不断修正、改进，共词分析方法日臻完善;共词分析指两两统计一组关键词在同一篇文献中出现的次数，以此为基础，对这些词进行多元统计分析，从而反映出这些词之间的亲疏关系，进而分析这些词所代表的学科或主题的结构与变化;对文献第一作者所在单位进行共现分析，可以显现出某学科领域一些高产的研究机构;对某个学科与其上位学科中的其他子学科，或者与一般性相关学科的共现分析，可以显著的展现学科之间的相互关联性，对学科定位与学科划分起到提示作用;作者共现分析，一般称为合著者网络分析，是在某一学科研究领域中，一位作者与其他作者合著关系的网络化体现，合著者网络分析可以识别学科研究中的合作情况。

第二，共引分析(文献共引分析、期刊共引分析、作者共引分析):共引(Co－citation)，又称为共被引、同引，由美国科学计量学家Henry Small在1973年提出，〔42〕指两篇或两篇以上的文献同时被别的文献引用的现象。一般可以利用多元统计中的聚类分析和多维尺度分析对共引矩阵进行数据挖掘，从而得出某一学科的研究特点、研究方向的关联性以及该学科学者关注的热点问题等。之后，共引分析的概念和思想被推广到与文献相关的其他特征对象上，形成各种类型的共引概念，如:期刊共引分析、作者共引分析等，其原理及实施步骤与文献共引分析基本相似。

第三，多元统计分析(Multivariate Statistical Analysis)〔43〕是一种综合分析方法，它能够在多个对象和多个指标互相关联的情况下分析它们的统计规律，包括多元正态分布及其抽样分布、多元正态总体的均值向量和协方差阵的假设检验、多元方差分析、直线回归与相关、多元线性回归、主成分分析与因子分析、判别分析与聚类分析等。在学科结构可视化研究中，具体常用到多维尺度分析(Multidimensional Scaling)、聚类分析(Cluster Analysis)和因子分析(Factor Analysis)三种方法:多维尺度分析是一种探索性的数据分析方法，它将含有多个变量的大型数据压缩到一个低维空间，形成一个直观的空间二维(或三维)图形，以空间中的点表示变量之间的潜在规律性联系;聚类分析是一种建立分类的多元统计分析方法，它能够将一批变量根据其诸多特征，按照性质上的亲疏程度在没有先验知识的情况下进行自动分类，产生多个分类结果;因子分析是一种寻找潜在支配因子的模型分析方法，其作用是分析可观测到的多个原始变量，找出数目相对较少的、对原始变量有潜在支配作用的因子。

当然，在进行学科体系结构可视化研究中，很多时候并不是一种或一类研究方法的单独使用，而往往是针对不同研究对象，利用不同研究工具的综合、交叉体现。比如，我们经常见到的共词分析(关键词共现分析)、共引分析等往往要借助SPSS软件进行多元统计分析;在全面揭示学科基础、研究主体和研究进展时，就需要同时运用更多的研究方法。

3．4 研究内容

在国内学科体系结构可视化研究中，主要包括研究主体、知识基础、研究进展三个方面的研究内容。

第一，学科研究主体(国家、机构、作者):学科研究主体一般指从事某一学科领域研究的研究者，对于文献来说，其研究主体就是作者(著者)，以及作者所在的国家(或地区)、单位(机构)等。对学科研究主体的研究，能够把握学科发展的一些基本信息和背景，有助于对学科未来方向的把握和相关交叉学科的形成。

第二，学科知识基础(文献内容、来源期刊):学科知识基础一般包括两个方面——文献本身以及文献发表的期刊，一般来讲，一个学科的一些核心文献也就是该学科的奠基性文献，在学科领域处于很高的学术地位，并被后面的研究者经常引用;一个学科在逐步发展、成熟的过程中，往往其文献(特别是经典文献)都会集中在与其上位学科(如知识管理的上位学科:管理学)主题相关的重要期刊中，并能够形成大面积的研究热点。

第三，学科研究进展(研究热点、研究前沿、研究趋势):通过对文献关键词出现频次的统计分析，可以了解某个学科领域研究的主题分布和重点内容，从而揭示该学科的整体结构，因此，学界普遍认为，出现频率高的关键词能够反映某一学科的研究热点。“研究前沿”的概念最早由科学计量学家Derek J．de Solla Price提出，用于描述某一研究领域的动态本质;Price(1965)〔44〕将由Burton和Kebler早在1960年提出的猜想表达为期刊文献可能是由两种有着不同半衰期的文献组成——经典文献和过渡文献，过渡文献实质上是对应于研究前沿。Price认为“研究前沿是基于新近研究成果的，网络也变得越来越紧密”，与研究热点所表现的不同，研究前沿更加强调新趋势和突变的特征。〔45〕研究趋势更多的是在前面研究热点和研究前沿的基础之上，结合作者自己对相关领域研究的整体把握情况，对学科今后发展方向和重点领域的一种预测，略带有主观性。

3．5 应用领域

通过对国内现有学科体系结构可视化研究文献的统计，发现主要集中在以下几个学科领域:图书馆、情报与文献学，管理学，生物与医学信息学，以及教育学、体育学、经济学、统计学和工程技术领域等。其中，图书馆、情报与文献学，管理学的研究成果最为丰富，可以看出，科学知识图谱应用于学科可视化研究已经得到这两大学科学者们的广泛认可。

4 结语

文章在前人研究的基础上，进一步明确了科学知识图谱、学科可视化的基本概念，以及二者之间的联系与区别，并对国内外科学知识图谱在学科可视化研究中的应用进行了概述。随后，在对国内现有研究成果总体归纳的基础上，文章以类别划分的方式规范了当前国内科学知识图谱应用于学科可视化研究的五个基本方面:数据来源、研究工具、研究方法、研究内容和应用领域，为今后的相关研究提供了较为明确的思路。

1．Larkin J H，Simon H A．Why a Diagram is(Sometimes)Worth Ten Thousand Words．Cognitive Science，1987(11):65 － 99

2．陈悦，刘则渊．悄然兴起的科学知识图谱．科学学研究，2005，23(4):149－154

3．刘则渊，陈悦，侯海燕．科学知识图谱:方法与应用．北京:人民出版社，2008:1－5

4．White H D，Mccain K W．Visualizing A Discipline:An Author Co－ citation Analysis of Information Science，1972 －1995．Journal of the A-merican Society for Information Science，1998，49(4):327 －356

5．Bederson B，Shneiderman B．The Craft of Information Visualization:Readings and Reflections．San Francisco:Morgan Kaufmann Publishers，2003

6．刘则渊，王贤文，陈超美．科学知识图谱方法及其在科技情报中的应用．数字图书馆论坛，2009(10):14－34

7．彭绪梅，许振亮，刘元芳．国际创业型大学研究现状的知识图谱分析．科学学与科学技术管理，2007(12):116－118，139

8．贺颖等．基于科学知识图谱的交叉学科同行评议专家遴选方法研究．图书情报工作，2010，54(20):28 －31，40

9．汤建民．学术研究团队的可视化识别及评估方法研究:以科学学研究领域为例．情报学报，2010，29(2):323－330

10．陈玉光，丁堃，刘盛博．基于CiteSpaceII的专利知识可视化的实现机制及其应用．情报学报，2010，29(4)，663 －670

11．王伟军，王金鹏．科学知识图谱在技术预见中的应用探析．情报科学，2010，28(8)，1127 －1131

12．魏瑞斌．基于共词网络的学术期刊知识图谱构建．情报杂志，2011，30(10)，36 －42

13．D Price．Science Since Babylon．New Haven:Yale University Press，1961

14．Garfield E，Sher I H，Torpie R J．The Use of Citation Data in Writing the History of Science．hiladelphia:Institute for Scientific Information，1964

15．Garfield，E．Scientography:Mapping the Tracks of Science．Cur-rent Contents:Social＆Behavioral Sciences，1994，7(45):5 － 10

16．马费成．布鲁克斯情报学理论研究(摘要)．图书情报知识，1983(4):73－74

17．杨国立，李品，刘竟．科学知识图谱——科学计量学的新领域．科普研究，2010，5(4):28 －34

18．Chen C．Information Visualisation and Virtual Environments．London:Springer－ Verlag London，1999

19．Card S K，Mackinlay Jock D，Shneiderman B．Readings in Information Visualization:Using Vision to Think．Los Altos，CA:Morgan Kaufmann，1999

20．H．E Herl，et al．Reliability and Validity of a Computer－ based Knowledge Mapping System to Measure Content Understanding．Computer in Human Behavior，1999，31(15):315 －333

21．Chen C．Mapping Scientific Frontiers:The Quest for Knowledge Visualization．London:Springer，2003

22．Chen C．Information Visualization:Beyond the Horizon．London:Springer，2006

23．Robert Spence．Information Visualization:Design for Interaction．New Jersey:Prentice Hall，2007

24．Glenisson P，et al．Combining Full Text and Bibliometric Information in Mapping Scientific Disciplines．Information Processing and Management，2005:411

25．Reid E F，Chen H．Mapping the Contemporary Terrorism Research Domain．International Journal of Human － Computer Studies，2007(65):42－56

26．Sanz－ Casado E，et al．Bibliometric Mapping of Scientific Research on Prion Diseases，1973 － 2002．Information Processing and Management，2007，43(1):273 －284

27．陈兰杰．基于知识图谱的国际信息资源管理(IRM)研究的可视化分析．情报资料工作，2009(5):14－19

28．赵蓉英，许丽敏．文献计量学发展演进与研究前沿的知识图谱探析．中国图书馆学报，2010，36(5):60－68

29．胡晓梅．我国图书馆管理研究现状的知识图谱分析．图书馆，2011(6):114－117

30．宗乾进，沈洪洲．2009年我国图书馆学研究热点和知识来源谱系——南京大学知识图谱研究组系列论文之一．图书馆杂志，2011，30(6):13 －19

31．宗乾进等．2009年中国情报学研究热点的知识图谱分析．情报杂志，2011，30(5):33 －37

32．马海群，吕红．基于中文社会科学引文索引的中国情报学知识图谱分析．情报学报，2012，31(5):470 －478

33．李阳，谢笑，谢阳群．基于CiteSpaceⅡ的国际图情领域信息共享研究可视化分析．图书馆，2013(4):45－48，71

34．百度百科．Web of Science．〔2013 － 04 － 22〕/〔2013 － 08 －09〕．http://baike．baidu．com/view/3511061．htm

35．中国社会科学研究评价中心．“中文社会科学引文索引”(CSSCI)简介．〔2010 －05 －04〕/〔2013 －08 －13〕．http://cssci．nju．edu．cn/

36．百度百科．CNKI．〔2013 －04 －27〕/〔2013 －08 －13〕．http://baike．baidu．com/view/15874．htm

37．中国科学院国家科学图书馆．中国科学引文数据库(Chinese Science Citation Database)．〔2012 － 03 － 09〕/〔2013 － 08 － 15〕．http://sdb．csdl．ac．cn/index_more1．jsp

38．Van Eck N J，et al．A Comparison of Two Techniques for Bibliometric Mapping:Multidimensional Scaling and VOS．Journal of the American Society for Information Science and Technology，2010，61(12):2405－2416

39．杨思洛，韩瑞珍．国外知识图谱绘制的方法与工具分析．图书情报知识，2012(6):101－109

40．肖明等．知识图谱工具比较研究．图书馆杂志，2013(3):61－69

41．崔雷．专题文献高频主题词的共词聚类分析．情报理论与实践，1996，19(4):49 －51

42．Small H．Co－citation in the Scientific Literature:A New Measure of the Relationship Between Two Documents．Journal of American Society for Information Science，1973(24):265 －269

43．百度百科．多元统计分析．〔2013－04－26〕/〔2013－09－02〕．http://baike．baidu．com/view/1010781．htm

44．Price D．D．Networks of Scientific Papers．Science，1965，149(3683):510－515

45．Chen，C．CiteSpace II:Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature．Journal of the American Society for Information Science and Technology，2006，57(3):359 －377