首页 理论教育 图书馆信息系统的合作网络可视化分析

图书馆信息系统的合作网络可视化分析

时间:2023-07-31 理论教育 版权反馈
【摘要】:图5-14CiteSpace的合作网络的作者分析图5-14CiteSpace的合作网络的作者分析图5-15CiteSpace的Visualization面板的配置图配置完成后,点击左侧面板的“GO!”图5-16CiteSpace的结果确认面板然后,选择“Visualize”进行结果的可视化绘制。图5-19CiteSpace的作者可视化视图从图5-19中可以看到,2019年作者合作关系的节点的边会被着色,这样的目的是方便可视化分析。图5-20CiteSpace的作者可视化详情图点击“Citation History”查看详情,如图5-21所示。研究作者的合作网络可以快速了解相关学术带

图书馆信息系统的合作网络可视化分析

对于合作网络分析,需要先设定分析的主面板,如图5-14所示。

其中,需要在“Node Types”面板选择合作网络分析的“Author”“Institution”和“Country”选项,本书先分析作者,因此点击“Author”。其中,“Selection Criteria”用于选择引用类型。本书示例采用“Top N”算法,取前50项。“Pruning”面板和“Visualization”面板分别用于编辑结果可视化的网络。其中“Pruning”面板用于裁剪网络,本书示例不进行网络裁剪。“Visualization”面板用于显示聚类分析,本书示例的聚类配置为生成静态聚类视图。“Visualization”面板的配置如图5-15所示。

图5-14 CiteSpace的合作网络的作者分析

图5-15 CiteSpace的Visualization面板的配置图

配置完成后,点击左侧面板的“GO!”按钮进行数据分析。如果程序设定,后台“Space Status”面板和“Process Reports”面板就会输出处理日志,如果处理成功,就会弹出结果确认面板,如图5-16所示。

图5-16 CiteSpace的结果确认面板

然后,选择“Visualize”进行结果的可视化绘制。CiteSpace在动态绘制过程中结果为黑色背景,一旦绘制完成,背景色会变成白色。绘制过程如图5-17所示。

图5-17 CiteSpace的分析结果可视化绘制图

可视化绘制时,会弹出“Control Panel”面板,该面板主要用于对可视化的结果进行控制,提高生成的结果图的可读性。结果可视化绘制完成图,如图5-18所示。

图5-18 CiteSpace的分析结果可视化结果图

其中,“>>>”和“<<<”用于选择时间切片的分析时间段,例如,通过调整“>>>”选择“2019—2019”的结果,如图5-19所示。

图5-19 CiteSpace的作者可视化视图

从图5-19中可以看到,2019年作者合作关系的节点的边会被着色,这样的目的是方便可视化分析。从图中可以看到,舆情研究领域的“陈福集”“夏一雪”“兰月新”“黄微”和“高俊峰”的节点明显,合作影响力较大,并且“兰月新”2019年的合作网络较为密集。用右键点击“兰月新”,可以查看具体的文章数据,如图5-20所示。

图5-20 CiteSpace的作者可视化详情图

点击“Citation History”查看详情,如图5-21所示。

图5-21 CiteSpace的作者历年数据图

其中,“Collaboration History”面板代表作者每年合作文章的情况,横轴代表时间(本例为2010—2019年),纵轴代表文章篇数。也可以通过“The Author Collaborated in 25 Records”面板看到作者合作文章的详情,如图5-22所示。

(www.xing528.com)

图5-22 CiteSpace的作者合作文章详情图

从图5-22中可以看到,“夏一雪”和“兰月新”合作的文章的详情,如2016年发表在《图书与情报》的文章The Research of Emergency Management Model under the Context of All Media,“夏一雪”为第一作者,“兰月新”为第二作者。研究作者的合作网络可以快速了解相关学术带头人的情况。如果基于TF-IDF算法的分析,则用右键点击“Pennant Diagram”生成分析图,如图5-23所示。

图5-23 CiteSpace的作者合作网的Pennant图

其中,横轴代表词频(TF)的对数,纵轴代表文档逆向词频的对数(IDF)。如果需要对指定作者的所有合作网络进行分析,用左键点击作者名称,则可以看到该作者的合作网络图,如图5-24所示。

图5-24 CiteSpace的作者合作网络详情图

点击“Spotlight”按钮,则可以自动监测到合作网络中的簇(“簇”即是“聚类”),其中,节点代表作者,节点大小代表合作关系的数量,如图5-25所示。

图5-25 CiteSpace的Spotlight视图

点击“Clusters”的“Find Clusters”按钮,可以分析作者合作时的研究主题,如图5-26所示。

图5-26 CiteSpace的Clusters视图

从图5-26中可以看到,相关作者合作主要研究的主题词为“public opinion”。另外,通过点击菜单栏“Export”菜单的子菜单“Network Summary Table”,可以计算网络的中心度等参数,如图5-27所示。

图5-27 CiteSpace的Network Summary Table视图

如果需要进一步了解合作网络的聚类分析,则可以点击“Export”菜单的子菜单“Generate a Narrative”进行导出,生成“Narrative Summary”视图,结果如图5-28所示。

图5-28 CiteSpace的Narrative Summary视图

同理,如果基于机构的合作网络分析,则需要进行分析配置,如图5-29所示。

图5-29 CiteSpace的合作机构分析配置

按照作者分析的方法,点击“GO!”按钮,生成机构合作关系图,并点击“Visualize”进行可视化,结果如图5-30所示。

图5-30 CiteSpace的合作机构聚类分析

从图5-30中可以看到,关于“舆情”的研究,合作单位的共同研究较少,其中最多的是“中国人民武装警察部队学院。同理,基于国家(或地区)的分析方法也一样,本书不再赘述。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈