徐小莹 李辉

摘 要 进行学术期刊关键词分析对于掌握学科主题和学科构成脉络具有重要意义，由此本研究利用网络嵌入技术提取了大型关键词关联网络的高阶信息，并利用聚类算法对“图书馆学;情报学”学科进行关键词主题可视化分析。首先，刻画了关键词之间的局部聚集和全局分布，并分析了最近四年中该学科的热度持续、热度增加和热度减退主题，最后通过国内外关键词关联网络对比揭示了中外研究热点异同。

关键词 图书情报学  聚类算法  关联网络分析  大数据  共詞分析

分类号 G252.8

DOI 10.16810/j.cnki.1672-514X.2021.04.016

Hot Topics Detection of Discipline of Library and Information： by Analyzing a Large Scale of Co-Keywords Based on Network Embedding

Xu Xiaoying， Li Hui

Abstract Keyword analysis of academic journals is of great significance for mastering the subject theme and discipline structure. Therefore， this study uses network embedding technology to extract high-order information of large-scale keyword association network， and uses clustering algorithm to carry out keyword theme visualization analysis of “library science; information science”. Firstly， it describes the local aggregation and global distribution of keywords， and analyzes the topics of popularity persistence， popularity increase and popularity decrease in the past four years. Finally， it reveals the similarities and differences between domestic and foreign research hot spots through the comparison of keyword association networks at home and abroad.

Keywords Library and information science. Clustering algorithm. Association network analysis. Big data. Co-word analysis.

0 引言

学术论文是学科研究及其发展的重要呈现形式之一，其中论文关键词是一种表述特定学科主题的重要手段。关键词作为学术期刊所发表文献中的重要组成部分，通常由作者给出或由期刊建议，它们是对文献内容的浓缩和提炼，是能够反映文献主题概念和主要内容的自然语言词汇。每一个学科领域在特定时间内均积累了大量的关键词。通过对关键词集合的深入分析，可揭示所在学科领域的总体特征、研究重点内容、研究主题及其内在联系，以及发展脉络与发展趋势[1-2]。常见的关键词分析方法可分为单词出现频次分析[3]、双词共现频次[4]、关键词关联网络分析[5-6]等方法。单词出现频次分析法认为频次越高的关键词重要性越大，双词共现频次分析方法认为一对关键词共同出现次数越多，则代表它们的关系越紧密，频繁共同出现的关键词能够反映所代表学科的构成以及热点主题[7-10]。……