【摘要】：经常一起被引的文献，它们在研究主题、理论或者方法等方面可能有一定的相关性。借助计算机，运用因子分析、聚类分析、多维尺度等多元统计分析方法，可以把错综复杂的共被引关系简化为一定数目的聚类，并直观地表示出来，从而鉴别某一研究领域的“科学共同体”或“无形学院”，揭示其知识基础。这一方法已成为科学学、情报学、战略管理等研究中的重要方法。
1.知识图谱
有关科学知识的可视化图谱研究始于1964年，源于SCI创始人、科学计量学家加菲尔德等人用手工完成的DNA领域历时态图谱。当前，知识图谱（Mapping Knowledge Domains）是以科学知识为对象，综合运用科学计量学、信息可视化技术、应用数学、图形学等学科的理论与方法，以揭示科学知识发展进程与结构关系为目的的一种图形。知识图谱可以客观、形象地展示单凭个人经验难以直观获得的前沿领域的总体图景、亲缘关系和演化规律等，已经成为把握学科发展动态、选择研究方向、辅助科技决策的重要工具。
2.关键词共现分析、文献共被引分析(www.xing528.com)
关键词是论文内容的缩影、作者学术思想与学术观点的凝练。两个或更多关键词在同一篇文献中同时出现被称为关键词共现。通过对一组关键词两两统计它们在同一篇文献中出现的次数，构建关键词同现矩阵，并进行聚类分析，描述关键词之间的关联与结合，可以揭示某一领域学术研究内容的现状与趋势、兴与衰、学科增长点与突破口等。
当两篇文献同时被第三篇文献引用时，就称这两篇文献存在共被引关系。经常一起被引的文献，它们在研究主题、理论或者方法等方面可能有一定的相关性。而被共引的次数愈多，则它们之间的关系愈密切。借助计算机，运用因子分析、聚类分析、多维尺度等多元统计分析方法，可以把错综复杂的共被引关系简化为一定数目的聚类，并直观地表示出来，从而鉴别某一研究领域的“科学共同体”或“无形学院”，揭示其知识基础。这一方法已成为科学学、情报学、战略管理等研究中的重要方法。
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。
