1998年5月4日，为了响应“为了实现现代化，我国要有若干所具有世界先进水平的一流大学”的号召，国务院批转了教育部的《面向21世纪教育振兴行动计划》，标志着中国高校高水平建设的“985工程”正式启动。2017年9月21日，教育部、财政部、国家发展和改革委员会联合发布《关于公布世界一流大学和一流学科建设高校及建设学科名单的通知》，标志着“双一流”大学建设的正式启动，“双一流”大学分为A类和B类，在之前“985大学”的基础上增加了新疆大学、云南大学和郑州大学，形成了36所A类“双一流”大学和东北大学、郑州大学、湖南大学、云南大学、西北农林科技大学和新疆大学，共6所B类“双一流”大学。
回溯1998—2017年我国高水平大学的建设成果，科研能力是高水平大学建设的重要评价指标。而国家自然科学基金委员会资助的国家自然科学基金是衡量一所大学科研能力的重要标尺之一，系统研究自然科学基金的资助情况和“双一流”大学建设之间的关系有着重要的理论意义和实践价值：在微观层面，对“双一流”大学来说，解析自然科学基金的资助情况有助于大学本身发现自身优势，并确定重点发展方向，服务优势学科和行业；在宏观层面，有助于国家相关行政管理部门对“双一流”大学的科研情况有更加清晰的全景把握，更好地进行科学决策，提高科研经费投入的产出效益。
有鉴于此研究意义，有国内外学者就国家自然科学基金可视化与“双一流”大学之间的关系进行研究，主要分为两类。
①研究国家自然科学基金可视化。该类别主要是研究受到国家自然科学基金资助发表的论文的可视化[19]、自然科学基金的评价指标体系[20]和资助后效果评价[21]，并且更多是基于美国的国家自然科学基金。如邓方基于关键词统计分析了过去30年自动化学科基金的分布[22]；陈挺基于t-SNE对美国自然科学基金（NSF）的正文数据进行分析和可视化[23]；Mejia分析了美国自然科学基金赞助后论文的引用量，用来分析基金赞助的效果[24]。可以研究出版物的情况来预测科研基金资助情况[25]，他们主要研究处理这些基金数据的方法，如先对大量的基金数据进行建模，然后进行可视化分析，先基于关键词的组合来提取主题分析[26]，然后基于深度学习的方法来提取主题[27]，或可针对元数据进行网络可视化分析[28]。在处理关键词的时候，一般可以采用R编程语言或者MATLAB，如通过R编程语言分析期刊关键词来判断文章之间的共现关系[29]，也可以通过R编程语言进行全文分析来研究科研产出[30]。这些利用R编程语言基于关键词的分析（如标题关键词）可以用来衡量科研基金及财政政策资助的有效性[31]。(www.xing528.com)
②研究国家自然科学基金与“双一流”大学的关联关系。该类别主要研究“双一流”大学申报国家自然科学基金的情况，如张然研究了“双一流”背景下加强国家自然科学基金组织申报工作[32]，张品慧研究了科学基金对“双一流”建设学科的前期资助（2012—2016）[33]，马晓萌研究了“双一流”高校自然科学基金面上项目资助的特点[34]。
因此，目前相关研究的不足主要是对中国自然科学基金关键词的量化研究相对较少。同时，自然科学基金的关键词专业术语很多，立项数量很大，导致利用计算机建模时矩阵维度很大，矩阵术语稀疏，不利于可视化，不利于分析其中的规律。本书基于情报学的理论方法，从数据角度提出了新的研究思路，以期对本研究问题提供更好的信息和更高的参考价值。
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。
