第7章 网络信息资源综合应用 学习目标： （1）了解Citespace软件的知识图谱分析的方法及过程；（2）了解SPSS软件进行聚类分
析的方法及过程；（3）了解Ucinet软件的社会网络化分析的方法及过程；（4）了解专利信息的收集与分析方法。 7.1利用Cite
space软件的知识图谱分析 1、知识图谱分析 知识图谱分析适用于识别和显示科学文献中发展趋势与突变（尤指由引发
事件而产生的变化）的动态可视化研究，并可以辅助趋势探测，能使知识领域分析专家和科学家清晰地辨别和认识科学发展的结构和态势。研究领域
的识别和可视化 点的中心性是一个用以量化点在网络中地位重要性的图论概念。 中间中心性是常用来
进行中心性测度的指标，它是指网络中经过某点并连接这两点的最短路径占这两点之间的最短路径线总数之比。中心性测量 首先，
如果这些连接点显示出某个领域的结构和动态本质，那么就可以大大减少用户在理解上的负担。 其次，接下来的自动文本概要的生
成和自然语言处理算法处理过程，可以很有效地将研究重点集中在为数不多的连接点上。 第三，连接点的鉴别是基于整体图论特征
，而词集是基于初次出现频次，因而关键点法扩展了词集法。2、 CiteSpace软件 CiteSpace 把研究领域概念化
成研究前沿和知识基础间的映射函数，在这个映射函数概念框架下创建的这三个概念对解决以下三个问题非常重要：（1）识别研究前沿的本质（2
）标注研究领域（3）及时识别新趋势和突变。3.案例分析【案例一】 生物种群灭绝研究的最新前沿是什么？过去20年中撞击说的研究前沿是
如何演进的？最热门的研究前沿术语是什么？哪些文章同这些专业术语有关？通过（1981-2004年）大规模生物集群灭绝研究来解答这些有
关键的问题。【案例二】 研究我国2007-2010四年间科学知识图谱的可视化分析的状况 7.2利用SPSS软件进行聚类分析 1、
SPSS软件 SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分
析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Log
istic回归、Probit回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参
数。 2、聚类分析 聚类分析是直接比较各事物之间的性质，将性质相近的归位一类，将事物差别较大的归于不
同类的分析技术，它是数据分析中的一种重要技术，它的应用极为广泛。3、案例分析【案例一】用 K-Means 聚类讨论基于 SPSS
的聚类分析在我国交通事故中的应用【案例二】SPSS聚类分析在汽车市场细分中的应用 7.3利用Ucinet软件的社会网络化分析 1、
社会网络化分析 社会网络 指的是社会行动者及其相互关系的集合。一个社会网络是由多个点(社
会行动者)和各点之间的连线 (行动者之间的关系 )组成的集合。 社会网络分析方法 我
们可以把它看成是一门对社会关系进行量化分析的艺术和技术, 它主要是用于研究社会各行动者之间的相互关系可用于描述和测量网络社成员之间
的关系 以及通过这些关系流动的各种有形或无形的东西。2、Ucinet软件 Ucinet可实现以下分析。 （1）中心性分
析 中心性分析能够揭示个人或者组织在其社会网络中占有怎样的中心地位，拥有怎样的权利或社会声望.处于中心位置的个人或
者组织更易获得资源和信息，拥有对其他成员更强的影响力。主要衡量指标有度中心性（Degree Centrality）、中介中心性（B
etweenness Centrality）和接近中心性（Closeness Centrality）（2）网络密度和集中度分析
网络密度 成员之间相互联系与协同的紧密度，表明了网络的松散程度.成员之间相互联系越频繁、协
同度越高，网络的密度就越大.密度越大，网络组织越密集，密度越小，网络组织越松散.整体网络的密度越大，表明该网络对成员的影响力就越大
，网络成员之间拥有良好的协同度. 集中度 网络各成员节点核心度指标的标准差，其用来揭示各成员节点
的核心度差别大小。如果核心度标准差较大，则说明核心度指标较为分散，网络拥有较高的集中度，反之，则说明网络的集中度较低。集中度高的网
络中，其核心节点是维系网络稳定性的关键，一旦核心节点被破坏，网络将很快瓦解或崩溃，相反，集中度低的网络则不会因核心节点的瘫痪而瓦解
，往往对外具有较强的抵抗力。（3）凝聚子群分析 凝聚子群是网络中的行动者子集合，在此集合中，行动者之间具有直
接、紧密、积极的关联.凝聚子群分析可以帮助人们更好地认识网络的内部结构状态及其发展状况。3、案例分析【案例一】 基于Ucinet共
现分析的协同度评价【案例二】虚拟学习社区的社会网络分析研究---以图像 B l o g巴巴变中的一个班级虚拟社区为例 7.4基于专
利地图的专利信息分析 1.专利信息 专利文献是数量巨大的信息源，专利文献的出版量约占世界每年各种图书期刊总出版量
的四分之一，但是内容包含了90%以上的科技成果。 专利信息分析是指对来自专利说明书和专利公报中大量的、个别的专
利信息进行加工及组合，并利用统计方法或技术手段使这些信息具有纵览全局及预测的功能2.专利地图（1）专利地图及分类 专
利地图是一种重要的专利分析方法，是指把专利信息进行“地图化”的一系列过程，即以统计分析和数据挖掘等方法，将专利信息加以整理组织后制
成各种可分析解读的、形象化的图表。目前专利地图大致可分为三类 :A. 专利管理地图 (management PM) 。B.专利技术
地图 (technical PM) 。。C. 专利权利地图 (claim PM) 。（2）专利地图的分析方法 A．时间变化趋势分析
通过对若干指标依时间序列变化分析，了解该技术领域全局情况。B．技术成熟度分析 技术生命周期分析。
技术发展程度计量分析C. 竞争主体相对研发能力分析 相对研发能力分析是研究竞争专利权人的实力分布
的重要分析方法,有助于确定领域内主要竞争专利权人,把握业内主要研发重点与走势。D. IPC 分布结构分析 分析研
究专利申请的 IPC 变化趋势,有助于研究各技术实体 ( 国家地区、专利权人 ) 的专利技术分布 , 掌握其研发侧重点与技术势力范
围。E. 引证关系分析 引证关系分析有助于找寻业内核心专利与基本专利 , 以其为源头了解技术发展进程。分析核心专
利的后续引证专利 , 可了解技术起源及相关研发进展 , 并揭示未来技术的发展方向。F. 权利要求分析 3.案例分析【案例一】基于专
利地图的混合动力（HEV）汽车技术路线研究【案例二】基于专利视角的中、美物联网产业比较研究 思考题： ?1、什么是知识图谱分析。2、了解Citespace软件的具体应用。3、什么是聚类分析。4、了解SPSS软件聚类分析的过程及应用。5、什么是社会化网络分析。6、了解Ucinet软件社会化网络分析的过程及应用。7、什么是专利地图。8、了解专利信息的收集与分析过程。 |
|
