徐 爽，许 丹，韩 爽，杨 颖

（中国医科大学图书馆，沈阳 110122）

1 引 言

2002年，Kleinberg[1]提出了突发监测（burst de‐tection）算法，该算法是统计出低频但却比高频词更具有情报意义的突发词，来探测学科前沿的方法[2]。突发是指一个变量的值在短时间内发生了一次或数次显著的变化[3]。如果一个词在特定时间内词频发生突变，即相对增长率突然上升，那么这个词称为突发词[4]。突发词按词频高低分为两类：一类是相对词频较高，但尚未达到高频词阈值的焦点词，这类词被科研人员关注已久，影响力基本趋于稳定，并逐步向高频词靠近；另一类是低频新生词，这类词是该学科的新兴研究热点，尚未引起该领域的普遍关注，正处于发展阶段[5]。Kleinberg[6]认为，一个词出现时的密度决定该词的重要性。突发词强度不单单受时间或词频的制约，在密度上对揭示学科前沿动态更具有及时性和情报价值[7]。突发监测算法不是单纯地统计某一领域特定时间内的词频变化，而是对词频增长率进行比较，及时发现未达到高频词阈值的突发词，其更注重学科内新的发展方向或热点转移，有助于发现和推动学科领域中的潜在微观因素[8]。突发监测算法在挖掘某个学科领域未来的研究热点方面，与其他同类词频分析方法相比，更能及时地揭示学科前沿动态[2]。

Kleinberg的突发监测算法是新兴趋势探测（emerging trend detection，ETD）[9]的重要方法之一，此方法一经提出便备受学术界的关注。Mane等[10]选取了美国科学院院刊（Proceedings of the National Academy of Sciences of the United States of America，PNAS）中1982—2001年所有高频词中突发权重指数较大的前50个词进行共词分析；……