王宗水，刘海燕，刘 苇，赵 红，张 健

（1.北京信息科技大学经济管理学院，北京 100192；2.中国科学院大学数学科学学院，北京 100190；3.中国科学院数学与系统科学研究院，北京 100190；4.中国科学院大学经济与管理学院，北京 100190）

1 引 言

知识发现是获取数据中新颖、具有潜在价值，且能被理解的知识的过程[1]，不仅是企业解决信息超载问题、获得竞争优势的重要方式[2]，也是知识成果转化的前提[3]。知识来源的多样性导致了知识发现在内容与方法上的差异性，由于知识之间的关联性，通过网络分析方法来研究知识表达与知识挖掘得到了广泛关注[4]，尤其是知识网络的动态演化模型在知识分类与识别中具有更好的适用性[5]。

知识发现的过程包括数据的获取、预处理、数据挖掘、数据后处理等步骤[6]。学术论文作为最新的研究主题，常被用于研究趋势与发展路径的分析[7-8]。数据挖掘方法和聚类分析方法已成为知识发现的重要方式[9-11]。基于此，Sato等[12]将数据挖掘与聚类分析、关联规则分析结合起来，对多目标拓扑优化中的知识予以挖掘，并通过实例证明了方法的有效性。

尽管知识网络的概念尚未形成统一认识，但是通常可理解为知识节点的集合，知识节点可以是图书、论文、专利、情报或文字[7]。节点间的关系既可以是文献的引用关系，也可以是同一数据来源中不同知识的共现关系。例如，Xiao等[13]通过引文关系构建知识网络来研究知识的扩散过程，此时网络连接为文献的引用关系；唐洪婷等[5]在研究大众协同创新社区中的知识发现过程中，则以知识点的共现作为知识超图中的超边。……