为了研究长尾理论，根据“二八定律”，前20%为热门关键词，剩下的80%为长尾关键词。笔者将表5-28“DICT模块输出表”、表5-29“DC模块输出表”和表5-30“RC模块输出表”按照词频进行降序排序，发现排名第一的关键词均为“网络舆情”。表5-28中“网络舆情”出现59次，排名第二的关键词“舆情”仅出现7次，排名第一的关键词出现的次数是排名第二的关键词的8.43倍。表5-29中“网络舆情”出现70018次，排名第二的关键词“舆情”仅出现9328次，排名第一的关键词出现的次数是排名第二的关键词的7.5倍。表5-30中“网络舆情”出现1643次，排名第二的关键词“舆情”仅出现273次，排名第一的关键词出现的次数是排名第二的关键词的6倍。由于“网络舆情”和其他关键词有数量级差异，因此视作噪音，从结果集中删除，不作为研究对象。因此，以下所有数据可视化中均不包含“网络舆情”关键词。剩下的数据中，表5-28、表5-29、表5-30分别含有292个关键词。
对表5-28的数据进行绘制，数据分布关系记为R1，结果如图5-65所示。
图5-65 DICT模块输出关系图R1
为了分析作者在文献中定义的热词，进行分组统计，结果见表5-31。
表5-31 DICT模块分组统计表
表5-31说明，对于研究的96篇文献，大部分作者在文章元数据中定义的关键词不重叠，数据分布点较为孤立和扁平，不存在长尾效应。如采用严格的关键词精确匹配搜索，则搜索到大于1篇文献的占比为14.73%。但是，发现引用次数大于3的关键词只有6个，这6个关键词是热门关键词，分别是“舆情”“舆情传播”“微博”“突发事件”“系统动力学”“微博舆情”。
表5-31“DICT模块分组统计表”的搜索场景主要来自笔者基于自身文献内容定义的关键词搜索。基于同样的分析模式，对表5-29的数据进行绘制，数据分布关系记为R2，结果如图5-66所示。
图5-66 DC模块输出图R2
将图5-65和图5-66对比可以发现，从用户下载量来说，最高下载量为9328次，最低下载量为0次，以1000为单位分组进行数据修正，以进行分组统计，结果见表5-32。
表5-32 DC模块分组统计表(www.xing528.com)
对表5-32的数据进行绘制，结果如图5-67所示。
图5-67 DC模块分组统计输出图
将图5-67和图5-66对比，发现图5-67的斜率比图5-66大，数据分布不如图5-66扁平，也说明图5-67存在长尾效应，从文章下载量分布而言，存在关键词带来的文献下载量的分层现象。对下载量不大于1000次的数据进行分析，发现关键词对应的下载量小于500次的为85个关键词。关键词对应的下载量介于500～1000次的为100个关键词，该区间关键词最多。关键词对应的文献下载量主要分布在2000次以下。但是从图5-67中也可以看到文献下载量为2000次以上的文献，关键词约37个，这37个关键词即搜索的热词。其中大于5000次下载量的关键词为“微博”“舆情传播”“指标体系”“舆情分析”“意见挖掘”“突发事件”“模式识别”。
对表5-30“RC模块输出表”进行绘制，数据分布关系记为R3，结果如图5-68所示。
图5-68 RC模块输出图R3
从图5-68中可以发现，被引次数最高是273次，最低是0次，对图5-68的数据进行分组统计，结果如图5-69所示。
图5-69 RC模块分组统计输出图
图5-69的纵轴代表被引次数，横轴代表CNKI数据集中该被引次数的关键词次数。从图5-69中可以发现，关键词和被引次数不构成长尾效应，而是在不同的区间存在分组聚类现象，例如，被引次数为25的有11个关键词，被引次数为10的有12个关键词，这两个簇的规模大小相差不大。
对比DICT模块、DC模块和RC模块，进一步可以发现，基于作者撰写文献角度，关键词分布较为扁平，长尾效应不明显。从下载量角度（DC）来看，存在长尾效应，因而有长尾关键词。从文献被引角度（RC）来看，存在分组聚类现象，主要的关键词分布在被引用分布中被引次数7～14次区间，或者24～30次区间。
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。
