大数据图书馆信息系统的关键词分析与可视化方法

通过本书的预处理、词库建模及可视化处理，可以将过去20年的自然科学基金立项数据进行绘制，并可以采用时间维度和依托单位维度进行分类。不论从时间维度还是依托单位维度，建立起的关键词映射关系都是一个巨大的稀疏矩阵，但是可以通过预处理过滤掉无效词，并且基于词频建立起领域词库，最后利用t-SNE算法对高维度矩阵进行降维。降维之后，实现了自动分类，有利于在微观层面为“双一流”大学提供学科建设的科学决策支撑，同时，在宏观层面为科技行政主管部门提供宏观决策支持及总结经验，这是本书的主要研究成果。

但是，本书的方法也存在一定的局限性，主要原因是国家自然科学基金委员会的网站在不断升级，很多历史数据并不合规。在词库建立上，鉴于中文词义的复杂性，本身很难提供一个足够通用的词库。在降维处理上，本书只研究了二维关键词和三维关键词，并且采用的分析数据是基金立项时的关键词列表。如果对基金的标题或者全文进行词库生成和分析，则研究的信息量比纯基金申报关键词精准。在词库处理上，如果对词语本身的上位词和下位词进行分析，则有利于减少词库的条数和降维。

本书研究可视化建模的学科意义与主要贡献在于，国家自然科学基金项目关键词反映了国内科研的趋势，是有重要学术研究价值的目标数据源。但是，直接分析国家层面资助的海量项目会带来“维度灾难”。数据可视化的降维方法是众多降维研究中最清晰、直观的研究点。

本书基于t-SNE的研究方法是对海量自然科学基金数据的可视化分类方法的研究。而同行主要基于VOSViewer或者CiteSpace进行研究。VOSViewer或者CiteSpace的研究，国家自然科学基金数据的方法是需要人工干预的交互式研究。而本书采用的t-SNE方法研究是一种无监督学习的研究方法。本方法在处理海量数据时，从作者角度来说，能降低研究者进行数据分类的工作量，让研究者更关心业务，而不是技术。另外，相关学者也可以在本研究基础上进一步建模和编程，如进行交互式的可视化建模，对海量项目数据进行快速定位，提高科研效率。从图书馆角度通过对长尾关键词进行可视化，优化长尾关键词，有利于提高图书馆的馆藏资源利用率，提高用户搜索效率，帮助用户发现冷门文献，更好地分享科研成果。

【注释】

[1]李杰.CiteSpace中文版指南[Z/OL].2017.http：//blog.sciencenet.cn/blog-554179-1066981.html.

[2]孙学军，曹祺.基于知识图谱的图书馆微信服务研究现状分析[J].情报科学，2019，37（09）：164-169.

[3]曹祺.基于t-SNE算法的双一流大学基金立项关键词降维的可视化建模研究[J].农业图书情报学报，2020，32（2）：47-57.

[4]陈冬玲.基于SPSS实证分析的高校图书馆微信公众平台内容运营策略研究[J].图书馆杂志，2018，37（04）：51-57.

[5]王杰.情报学核心期刊中社会化媒体相关研究的定量分析：“决策论坛——决策理论与方法研究学术研讨会”论文集（下）[C]，2016.

[6]冯焕华，任博.基于文献计量的微信公众平台研究热点分析[J].中国教育信息化，2017（3）：13-15.

[7]朱松挺.图书馆微信应用研究论文的文献计量分析[J].图书情报导刊，2014（18）：125-127.王梦萦.国内图书馆微信研究论文的文献计量分析[J].公共图书馆，2014（4）：18-22.

[8]李姣姣，黄丽霞.基于文献计量的我国高校图书馆微信公众平台研究[J].情报探索，2016（7）：35-40.

[9]刘岩，王立峰.微信在我国图书馆应用研究的文献计量分析[J].长春师范大学学报，2017，36（2）：146-149.

[10]郭春侠，汪岩丹.高校图书馆微信服务研究文献计量分析[J].图书馆学刊，2017（6）：132-138.

[11]薛卫双.我国档案微信研究的文献计量分析[J].山西档案，2018，No.240（4）：27-29.

[12]VERZANI J.Getting Started With RStudio[M].2011.

[13]Van ECK N J P，WALTMAN L.VOSviewer：A Computer Program for Bibliometric Mapping[J].Social Science Electronic Publishing，2009，84（2）：523-538.

[14]微信图书馆文献元数据[EB/OL].https：//raw.githubusercontent.com/greysh/paper-wechat-review/master/wechat-2011＿2018.csv.

[15]南京大学中国社会科学研究评价中心.CSSCI来源期刊2019—2020目录[R].2019.

[16]黎明.微信息环境下图书馆学科服务的长尾效应[J].情报资料工作，2013（03）：86-89.

[17]李白杨，白广思.面向知识咨询的图书馆移动服务设计与实现——以微信公共平台为例[J].图书馆学研究，2013（19）：69-72.

[18]Chen，C.CiteSpace II：Detecting and Visualizng Emerging Trends and Transient Patterns in Scientific Literature.JASIST，2006，57（3），359-377.

[19]万华.基于项目论文引文关联的协同研究关系分析——以国家自然科学基金图书情报类研究项目为例[J].情报科学，2013（6）：53-59.

[20]范云满，马建霞，刘静.国家自然科学基金的评估指标体系与指标的分析研究[J].图书情报工作，2013，57（16）：100-106.

[21]刘多，宋敏，谢亚南，等.2009—2015年国家自然科学基金资助产出ESI高被引论文分析[J].中国科学基金，2017（4）：353-358.冯磊，朱宇华，吕相征，等.国家自然科学基金资助产出SCI医药卫生论文的计量分析[J].科技与出版，2017（3）：112-118.

[22]邓方，宋苏，刘克，等.国家自然科学基金自动化领域数据分析与研究热点变化[J].自动化学报，2018，44（2）：377-384.

[23]陈挺，李国鹏，王小梅.基于t-SNE降维的科学基金资助项目可视化方法研究[J].数据分析与知识发现，2018，2（8）：1-9.

[24]Mejia C，Kajikawa Y.Using Acknowledgement Data to Characterize Funding Organizations by the Types of Research Sponsored：the Case of Robotics Research[J].Scientometrics，2018，114（3）：883-904.

[25]Kai Li，Erjia Yan.Are NIH-Funded Publications Fulfilling the Proposed Research？An Examination of Concept-Matchedness between NIH Research Grants and their Supported Publications[J].Journal of Informetrics，2019，13（1）：226-237.

[26]Chao Yang，Cui Huang，Jun Su.An Improved SAO Network-Based Method for Technology Trend Analysis：a Case Study of Graphene[J].Journal of Informetrics，2018，12（1）：271-286.(www.xing528.com)

[27]Abrishami A，Aliakbary S.Predicting Citation Counts based on Deep Neural Network Learning Techniques[J].Journal of Informetrics，2019，13（2）：485-499.

[28]Feng Feng，Zhang Leiyong，Du Yuneng，et al.Visualization and Quantitative Study in Bibliographic Databases：a Case in the Field of University-Industry Cooperation[J].Journal of Informetrics，2015，9（1）：118-134.

[29]袁润，李莹，王琦，等.用R语言分析关键词集共现网络研究[J].现代情报，2018，38（7）：88-94.

[30]Kai Li，Erjia Yan，Yuanyuan Feng.How is R Cited in Research Outputs？Structure，Impacts and Citation Standard[J].Journal of Informetrics，2017，11（4）：989-1002.

[31]张永安，马昱.基于R语言的区域技术创新政策量化分析[J].情报杂志，2017，36（3）：113-118.

[32]张然.“双一流”背景下加强国家自然科学基金组织申报工作探讨——以吉林大学电子科学与工程学院为例[J].办公室业务，2019，306（1）：186-187.

[33]张品慧，张瑜婷，赵星.科学基金对“双一流”建设学科的前期资助研究（2012—2016）[J].图书与情报，2018，182（4）：10-16.

[34]马晓萌，徐峰.双一流高校自然科学基金面上项目资助特点探析[J].情报工程，2018，4（6）：63-75.

[35]tsne[EB/OL].https：//github.com/greysh/paper-tsne.

[36]Kai Hu，Huayi Wu，Kunlun Qi，et al.A Domain Keyword Analysis Approach Extending Term Frequency-Keyword Active Index with Google Word2Vec Model[J].Scientometrics，2018，114（3）：1031-1068.

[37]Chen Guo，Xiao Lu.Selecting Publication Keywords for Domain Analysis in Bibliometrics：a Comparison of Three Methods[J].Journal of Informetrics，2016，10（1）：212-223.

[38]Anderson C.The Long Tail[EB/OL].http：//www.wired.com/wired/archive/12.10/tail.html.

[39]Skiera B，Eckert J，Hinz O.An Analysis of the Importance of the Long Tail in Search Engine Marketing[J].Electronic Commerce Research and Applications，2010，9（6）：488-494.

[40]谭龙江.基于读者活动的个性化图书馆推荐系统[J].系统工程，2015，33（80）：154-158.

[41]刘盛博，丁堃，刘则渊.基于引用内容的引文检索与推荐系统[J].情报学报，2013，32（110）：1157-1163.

[42]陈锦红.基于长尾理论的图书馆服务的深化[J].情报资料工作，2010（5）：86-88.

[43]周军兰.长尾理论与图书馆[J].图书情报工作，2007（4）：30-33.

[44]Van Borm J.The Long Tail，Copyright and Libraries[J].Liber Quarterly，2009，19（2）：122-130.

[45]廖鹏飞，李明鑫，万锋.基于长尾关键词的领域新兴前沿探寻模型构建研究[J].情报杂志，2020（3）：1-5.

[46]欧阳进良，汤娇雯，庞宇，等.长尾效应对我国科技管理影响及其思考[J].科学决策，2009（1）：56-61.

[47]杨平，田野.长尾数据共享研究进展[J].图书情报工作，2014，58（8）：133-138.

[48]赵艳枝.科学研究中的长尾数据及其监护[J].情报资料工作，2015（30）：22-25.

[49]杨滟，孙建军.基于生命周期管理的科学长尾数据管护研究[J].情报理论与实践，2016，39（40）：45-50.

[50]王玉晶.图书馆人性化服务模式与提升长尾效应研究[J].情报科学，2010，28（70）：1025-1028，1059.

[51]唐铭杰.长尾理论对公共图书馆开展DRS的启示[J].情报资料工作，2011（2）：89-91，96.

[52]赵蓉英，汪馨雨.基于长尾理论的图书馆众包服务模式初探[J].图书馆杂志，2017，36（30）：20-26，57.

[53]周欢，任剑乔.长尾理论视角下的图书馆全民阅读推广策略研究[J].出版发行研究，2019（40）：85-89.

[54]刘晨晨，徐一新.长尾理论视角下基于DCA的网络自助出版推荐系统[J].计算机系统应用，2011，20（7）：26-30.

[55]Research on Keyword Recommendation System for Academic Search Based on Long Tail Theory[EB/OL].https：//www.github.com/greysh/paper-longtail.