共词聚类分析法中的主要问题与对策

情报学报

IN 0— 1 S 0 0 5 S10 3

J OUR NAL OF唧

AND CHN C NF TE I AL I ORM A I T ON

C NA S I Y - C E 1 n C HI OC ET f 0R S I N 1 IS 1 0— 0 3 S N O 0 15 A gs uut 21 00

第2 9卷第 4期 64— 67,0 0 8月 1 1 21年

Vo . 9 1 2 No 4, 1— 6 7 . 64 1

d i 1 3 7/ . s 1 0 - 1 5.0 0.4.0 o: 0.7 2j i n.0 00 3 2 1 0 0 5 s

共词聚类分析法中的主要问题与对策李佳(东医学院图书馆，江 5 4 2 )广湛 20 3

摘要

共词聚类分析法通过聚类运算的方式对学科主题词进行划分，实现对学科结构的分析研究。聚类从而

运算的结果，常能把共现频次高的词聚在一起，学科内主题词的分布与词的共现关系并不完全正向相关，通而因此，聚类运算的原理不完全符合学科研究点主题词分布的方式，共词聚类分析法中的主要问题，由此造成共词是并

聚类分析存在许多不足的地方，要表现在：主聚类不稳定、类不完整、员划分不合理以及容易造成没有意义类聚成团的出现。问题的对策是：进聚类算法、变聚类策略、团的弹性划分以及对结果的创新分析能有效弥补聚类改改类算法的不足。

关键词

共词分析

类团分析

核心词问题与对策

M a n Pr b e s i - r u t r d Aa l ss a d Th i o u i n i o lm n Co wo d Cl se e nay i n er S l to

L i iJa(irr o undn eilClg,Z aj n 203 L a b y fG agogM d a oee hni g54 2 ) c l a

Ab ta t sr c

T i at l d el i usstepolm fc se n lo tm hc aeb e p l dt c— oda ayi,a d hs rce epyds se rbe o l t gagrh w ihh v e na pi ow r nlss n i c h u r i i e o

ma y s otg s o owod a ay i a e b e a s d b h i ee c ewe n t ecuse d lo

u trn g rtm d te n h ra e fc r n lssh v e n c u e y te df r n e b t e l trmo e fCl se g Alo h h i i n a h De c po iti t n mo e fAc d mi r cu e,t es o c mig o O wo d cu trd a ayj il e r s n n te u sa l s r trdsrbui d lo a e cStu tr h h r o n fC— r lsee n lssman yrp e e ti n tbe i o t h

r ut tei o pe ujc d i o, eu raoa l m m e c s rad t s n c t ls rdw rs h n h u o e l h cm l esb t i s n t nesn b e br l t n ei i i a u t e— od .T e,t a t r s, n t e vi h e u e h n gfn c e i e hpo o e o e o rp s ss me r c mme d to t ov ee p o lms i rvn lse n ag rtm, c a gn lse tae y, Fe ii t n ains o s le t s r be: mpo ig cu tr g l o i h i h h n ig cu tr Sr tg lxbl y idvdn lse o s q n e a d ino aig a ay i. iiig cu trc n e ue c n n v t l ss n n

Ke wo d y r s

C— r ayi,cutrd w rsa ayi,cr o,polm n o neiesr Owo a ls d n s ls e— od n ls e s oew r d rbe a dcu tr aue n

共词聚类分析是一种文献内容分析法。研究者利用共词分析的基本原理概述学科领域的研究热

在一些不足的地方，排斥性、感性等，如敏尤其分层聚类的统计方法能在多大程度上表达学科主题词

点，向和纵向分析领域学科的发展过程、横特点以及领域或学科之间的关系，映某个专业的科学研究反水平及其发展历史的动态和静态结构，拓展信息检索领域以求帮助用户检索信息等…。共词聚类分析法的主要实现过程是：两统计主题词在同一篇文两

的分布仍存在一定的争议，要进一步深入探讨、需解决。

1聚类算法中存在的主要问题 共词聚类分析法通过分层聚类运算的方式将学

献中同时出现的频率，用分层聚类的统计方式，采把词间关系密切的主题词聚集成类，形成一个个类团。 由于该分析具有客观和形象的特点，已成为一种备

科主题词划分为类团，常认为一个类团代表一个通研究点。分层聚类的原理是：将 n个元素 (品先样

受关注的文献分析方法。但这种文献分析方法仍存

或变量 )成 n类，后将性质最接近 (看然或相似程度

稿 1期： 09年 2 2日 3 20月 5

作者简介：佳，,98年生，科，员，究方向：献计量分析。Em i lb96 2 .o 李女 17本馆研文— a: y6@16em。 lu一

61 4—

共词聚类分析法中的主要问题与对策

最大 ) 2合并为一个新类，到一1,从中的类得类再找出最接近的 2类加以合并变成了/一2类， 7,如此下去，后所有的元素全聚在一类之中(聚过程 ),最凝 其聚类的特点是计算所有成员间的共现关系，相把互依存度高的成员聚集成类团，图 1图中的虚见。线代表可能存在的共现关系，是一种网状的聚类这方式，没有明确的聚类中心，聚类结果受所有成员共

2网状聚类所造成的影响2 1聚类不稳 .

网状聚类的主题词聚集过程完全取决于词对问的相互依存程度。在参与聚类的全体主题词中，词对间的相互依存性是非常微妙的，易受到词对共容现频率的影响，于一些发文量不大的研究点，间对词

现关系的影响。从学科主题词分布角度而言，每个研究点由一定量的主题词构成，究点中存在一些研用以表达这个研究点与其他研究点区隔的主题词。 这些主题词尽管数量不多 (个或多个 )但处于核一，心地位，是研究点的特征词。学科研究点主题词分布模式是：征词处于核心地位，研究点性质的反特是映，非特征词一起构成研究点的整体。非特征词与

的依存度对词对共现的频率很敏感，间的依存关词系也易受文献的收集、引等方面的影响，时一篇标有

文章的主题标引可能会影响到多个词问的依存关

系。由于网状聚类缺乏明确的聚类中心，聚类结果受到所有词对共现关系的影响，因此，对共现关词

系的细微改变，可能对聚类结果产生影响。此外，都词的共现关系具有传递性，一个词在类团中的变化，

尽管有发展成特征词的潜在可能，它们之间的联但系通常不会影响到特征词的独特作用，图 2见。这是一种星状的分布模式，中的虚心圆代表研究点图的特征词。如果要通过数学统计表达研究点主题词的分布，那么最理想的统计方式便是这种能识别特

与之相关的其他词的划分也可能发生变化，形成“西瓜效应”。由于网状聚类这种“敏感”的聚类方式，使

得它的聚类结果缺乏稳定性，学科主题词的分布而处于相对稳定状态。 22聚类不全 .

征词的星状聚集模式。从两图的结构可以看出，分层聚类算法的聚类模式不能完全吻合学科主题词的分布模式是共词聚类分析法中存在的主要问题， 由此所造成的后果是不容忽视的。

分层聚类是一种逐层聚集的过程，果的划分结

点由研究者的主观意志认定。划分点对结果分析产生重大的影响，分点越小，团的个数越多，团划类类

的成员越少。由于分层聚类的局限性，何一个划任分点都难以客观、面地反映学科研究点。有的研全

究点论文多些 (势研究点 )有的研究点论文相对强，少些(弱势研究点 )这是学科文献分布的普遍现象。, 如果强势研究点成员与弱势研究点成员存在过多的共现关系时，聚类时强势类团就会对弱势类团产在图 1聚类算法的原理 (状聚类 )网

生吸附作用。因为这种吸附作用的存在，得单一使的划分点极容易造成弱势类团得不到有效的生成，造成聚类结果不能全面反映学科研究点。尽管可以

选定小的划分点减少强势类团的吸附作用，过小但的划分方式不仅会造成过多的类团，不利于对类也团进行有效分析。23聚类不公 .

词对共现关系网中 …… 此处隐藏：6163字，全部文档内容请下载后查看。喜欢就下载吧 ……