社会网络分析方法在图情领域合著关系的实证研究论文

《社会网络分析方法在图情领域合著关系的实证研究论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、社会网络分析方法在图情领域合著关系的实证研究论文.freelingLiu等构建了数字图书馆领域二值无向合著网络，并进行了中心性分析，构建了加权有向合著网络，并提出了authorRank计算单个作者在合著网络中的地位；FuyukiYoshikane等比较了计算机科学理论研究领域和应用研究领域合著网络，并修改了hits算法来识别合著网络中领导者和追随者；A.L.Barabasi研究了合著网络随时间的演变规律，验证了合著网络度分布符合幂率分布、聚类系数随时间递减、最大连通子图占整个网络的比重随时间递增、平均度随时间递减、新加入节点优先选择度比较高的节点建立连接；M.E.J.Nean研究了物理学、

2、生物学和计算机科学领域合著网络的基本属性，并对各个网络进行了比较分析；YasminH.Said等介绍了社会网络分析的基本方法如中心性分析、聚类分析等，重点研究了合著网络聚类分析后形成的小团体特征，这些小团体可以归纳为单人型、顾问型、企业型以及团队型，并推测这些小团体特性可能带来的影响。在国内，使用社会网络方法实证分析合著关系的研究相对较少，南京大学信息管理系的朱庆华总结了社会网络分析方法在情报学领域的应用现状，并对《情报学报》的合著社会网络做了实证研究，使用Uci工具对《情报学报》合著网络进行了中心性分析、凝聚子群分析以及核心一边缘结构分析，评价了学者在合著网络中的地位，发现了合著网络中联

3、系紧密的团体，指出了合著网络中核心作者的数量和所属机构；刘蓓等使用NetDraan合作开发，在社会网络分析方面的功能较为全面，包括了常用的社会网络分析方法，缺点是只能处理小型的社会网络。Pajek““由卢布尔雅那大学的VladimirBatagelj和DrejMrvar开发，主要用于社会网络分析，特点是网络可视化和处理上百万节点的大型网络。NetDrawt也是一款社会网络分析的可视化工具，不过它同样不支持大型网络的社会网络分析。本文的研究将主要结合Pajek和Uci工具进行社会网络分析。4研究结果分析4.1图情领域合著网络分析在试验采集到的数据集的基础上构建了图情领域合著网络，表2比较了图

4、情领域合著网络静态属性统计与国外其他数据集的差异。在图情领域，平均每位作者发表2.71篇论文；平均每篇论文由1.57位作者合著。同国外的数据相比较，图情领域平均每个作者发文数和平均每篇文献合著作者数都相对偏低(特别是后者)，这反映了目前我国图情领域整体的合著率较低，著者独立发文和导师带一个学生发文的情况比较多。而由团队合著发文的情况较少。图3记录了图情领域文献的作者合著数分布。图情领域的平均度为3.26，就是说平均每位作者拥有3.26位合著者。该指标同国外的数据集相比偏低，也同样反映了图情领域的合著强度偏低。整个图情领域的合著网络并非一个连通图，实验中取合著网络的最大连通子图分析。图情领域

5、合著网络最大连通子图的平均路径长度为8.7，说明任意两个合著者平均通过8.7个作者发生关联，聚集系数为0.452。该连通子图拥有较小的平均路径长度和较高的聚集系数，基本符合Watss等人于1998年在Nature上提出的“小世界”现象。图情领域最大连通子图节点数量仅占节点总数的55％，说明图情领域的整体研究状况比较分散，还有大部分的作者游离在最大连通子图之外，与最大连通子图圈里的作者没有任何交流，该指标同样反映了图情领域的合著状况并不理想，图情领域的著者之间应该进一步加强交流与合作。4.2图情领域合著网络与web合著网络的比较整个图情领域合著网络拥有25712位作者，其中发文最多的作者发表

6、了131篇论文。由于整个合著网络极其庞大，如果将整个网络与web学术网络进行比较，可行性不高。前面已经介绍，笔者根据普赖斯定律，选取了图情领域的1215位核心作者重新构建合著网络(下文称enLis网络)进行研究。同时抓取了l215位核心作者在CoogleScholar中的共著信息，构建了web学术网络(下文称webLis网络)。下面将对这两个网络进行比较研究。4.2.1网络基本参数比较。网络密度反映了网络中节点的紧密和稀疏程度。通过Uci计算Lis网络和webLis网络的密度分别为0.0061和0.0718。这说明，图情领域的核心作者在GoogleScholar中的合著关系要紧密的多。原因

7、是Lis网络仅仅采集了图情领域核心期刊中的共著信息，而GoogleScholar却收集了范围更广的期刊以及教材中的共著信息，同时CoogleScholar中包含了大量的重复信息，对返回信息的去重处理并不理想。最大连通子图占整个网络的比例在两个网络中分别是0.620和0.937。webLis网络的值更高，说明在webLis中更多的作者关联在一个大的子图中。该值的偏大和上面网络密度在两个网络中的差异性表现原因一致。4.2.2