胡志剛++林歌歌++孫太安++侯海燕

摘要：通過研究產(chǎn)出和研究偏好兩個維度，揭示我國各省市自治區(qū)之間的科研差異性。在研究產(chǎn)出方面，基于CNKI數(shù)據(jù)庫，統(tǒng)計(jì)了中國31個地區(qū)（不包含港澳臺）的論文產(chǎn)出量。在研究偏好方面，使用余弦距離計(jì)算地區(qū)之間的研究偏好相似度，并根據(jù)研究偏好將31個省市自治區(qū)聚成了2個大類和6個小類。最后，借助VOSViewer軟件繪制各地區(qū)的研究領(lǐng)域熱點(diǎn)圖。這種視圖可以直觀展現(xiàn)各地區(qū)在科學(xué)研究中的優(yōu)勢領(lǐng)域，對于識別我國各地區(qū)的研究特點(diǎn)和偏好，具有重要的應(yīng)用和啟發(fā)。

關(guān)鍵詞：研究偏好；中國；CNKI；聚類；VOSviewer

中圖分類號：G322 文獻(xiàn)標(biāo)識碼：A DOI：10.3969/j.issn.1003-8256.2017.04.007

Research on Spotlights Analysis for Different Regions in China by VOSviewer

HU Zhigang， LIN Gege， SUN Taian， HOU Haiyan

（Institute of Science Studies and S&T Management， WISE Lab， Dalian University of Technology， Dalian 116024，Liaoning， China）

Abstract：Revealing China's regional disparity both in research productivity and preferential research areas is thepurpose of this study. Thus， we investigated the research outputs of all 31 regions （Hong Kong， Macao and Taiwan not included） in mainland China. The investigated dataset was sourced from CNKI， one of the largest China's domestic academic databases. To measure two regions' difference in research preferences， we used the function of cosine distance rather than Euclidean distance. Clustering method was employed to classify the regions according to their similarity/disparity.In the end， two group and six clusters were generated. Each cluster is different in research preferences. In the end， VOSviewer is employed to visualized the spotlights of different regions in China.

Keywords：Research preference； China； CNKI； Cluster； VOSviewer

0 引言

近年來，隨著科技投入的不斷加大，我國科技產(chǎn)出規(guī)模和水平持續(xù)增長。2015年，在湯森路透的Web of Science數(shù)據(jù)庫中，中國發(fā)表的論文量約為30萬篇，占全球的16.6%，已經(jīng)是連續(xù)第七年排在第二位。其中，高質(zhì)量論文增長勢頭明顯，中國各學(xué)科論文在2005～2015年10年段的被引用次數(shù)處于世界前1%的高被引論文有15011篇，占世界份額的11.9%，排名世界第四位。在論文的被引次數(shù)方面，2005～2015年間中國國際科技論文被引用次數(shù)為1287.6萬次，排在美國、英國、德國之后位列第四。

雖然科技發(fā)展的總體成就令人振奮，但是各學(xué)科領(lǐng)域的發(fā)展水平和速度并不一致。按照Nature出版集團(tuán)發(fā)布的2015年Nature Index China報(bào)告[1]，中國的科學(xué)論文產(chǎn)出主要集中在化學(xué)、物理等幾個特定的學(xué)科領(lǐng)域。來自比利時聯(lián)合國大學(xué)的學(xué)者Lili Wang的研究[2]也表明，中國的研究優(yōu)勢在于硬科學(xué)領(lǐng)域，像工程、能源、材料科學(xué)、計(jì)算機(jī)科學(xué)等，而在心理學(xué)、藝術(shù)與人文、社會學(xué)等軟科學(xué)方面仍遠(yuǎn)遠(yuǎn)落后于世界先進(jìn)研究水平。此外，官建成及其團(tuán)隊(duì)使用Web of Science數(shù)據(jù)對中國在個別學(xué)科上的表現(xiàn)做出了一系列的研究[3-7]。

除了學(xué)科之間的差異之外，各地區(qū)之間的科技水平和科研競爭力也不盡相同。正如經(jīng)濟(jì)社會發(fā)展的不均衡一樣，中國各省市自治區(qū)在科技產(chǎn)出也存在著較大差異[8-11]。根據(jù)Nature Index China 2015報(bào)告，北京、上海、南京等排在前十位的城市貢獻(xiàn)了我國73.2%的高質(zhì)量研究論文。而根據(jù)在Web of Science中檢索得到的數(shù)據(jù)，2015年我國發(fā)表的SCI論文中有大概1/4來自北京。目前，北京已經(jīng)成為全球論文產(chǎn)出量最大的城市，超過了倫敦、東京、巴黎、紐約、舊金山和波士頓。

各地區(qū)的科研差異不僅體現(xiàn)在科研產(chǎn)出規(guī)模上，也體現(xiàn)在科研產(chǎn)出結(jié)構(gòu)和優(yōu)勢領(lǐng)域的分布上。例如，中國科技水平最高的兩個城市，北京和上海，在側(cè)重的科研領(lǐng)域上卻大相徑庭。北京更側(cè)重于基礎(chǔ)研究和人文社科領(lǐng)域的研究，而上海則更側(cè)重于生物、化學(xué)等高新產(chǎn)業(yè)技術(shù)方面的研究。

為了揭示我國各地區(qū)的科研水平和優(yōu)勢領(lǐng)域，本文基于CNKI數(shù)據(jù)庫中的發(fā)文量數(shù)據(jù)，統(tǒng)計(jì)分析了我國31個省市自治區(qū)（不包括港澳臺）在各學(xué)科中的科研表現(xiàn)和產(chǎn)出規(guī)模，并根據(jù)其優(yōu)勢領(lǐng)域的分布進(jìn)行區(qū)域間的聚類，最后，借助可視化工具VOSviewer繪制各地區(qū)優(yōu)勢科研領(lǐng)域的熱點(diǎn)圖。endprint

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源：CNKI

利用科學(xué)論文產(chǎn)出量[2]和引用次數(shù)[12-15]來對一個國家和地區(qū)的科研水平進(jìn)行評價(jià)是科學(xué)計(jì)量學(xué)中的常用方法。此前關(guān)于中國學(xué)科表現(xiàn)的研究中多使用Web of Science、Scopus、Engineering Village （EI）等國際文獻(xiàn)數(shù)據(jù)庫。然而一個明顯的事實(shí)是，大部分中國學(xué)者的研究仍然主要用中文寫作，發(fā)表在國內(nèi)期刊而不是國際期刊上。尤其是人文社科領(lǐng)域研究，因?yàn)檠芯繂栴}往往太過“中國”化，而很難在國際期刊上發(fā)表。2002年，愛思唯爾出版集團(tuán)首席科學(xué)家Moed等人曾分別使用中國本地?cái)?shù)據(jù)庫——科學(xué)引文數(shù)據(jù)庫（CSCD）和國際期刊數(shù)據(jù)庫——湯森路透的SCI數(shù)據(jù)庫比較了我國在國內(nèi)外的科研表現(xiàn)[16]，得出了兩個截然不同的優(yōu)勢領(lǐng)域圖景。周萍等人的研究[17，18]也表明，基于國內(nèi)期刊數(shù)據(jù)庫進(jìn)行統(tǒng)計(jì)分析可能比基于國際期刊數(shù)據(jù)庫的分析更為準(zhǔn)確和全面。

基于上述原因，在本文中我們選用CNKI文獻(xiàn)數(shù)據(jù)庫做為數(shù)據(jù)來源。CNKI數(shù)據(jù)庫是全球最大的中文期刊論文數(shù)據(jù)庫，共收錄了10116本期刊，論文總數(shù)超過5100萬篇。在CNKI數(shù)據(jù)庫中共劃分了10個專輯，分別是基礎(chǔ)科學(xué)、工程科技Ⅰ輯、工程科技Ⅱ輯、農(nóng)業(yè)科技、醫(yī)藥衛(wèi)生科技、哲學(xué)與人文學(xué)科、社會科學(xué)Ⅰ輯、社會科學(xué)Ⅱ輯、信息科技、經(jīng)濟(jì)與管理科學(xué)。這10個專輯又進(jìn)一步被細(xì)分為168個研究領(lǐng)域。每一篇論文依據(jù)其標(biāo)題、摘要、關(guān)鍵詞等信息被劃分到一個或多個領(lǐng)域。也就是說，和Web of Science這種基于期刊（Journal-based）的學(xué)科劃分不同，CNKI數(shù)據(jù)庫中的學(xué)科劃分是基于論文（Article-based）的。

本文查詢得到了2015年我國31個省市自治區(qū)在168個研究領(lǐng)域中各自的論文發(fā)表量。為去除掉質(zhì)量不高的論文，這里我們只統(tǒng)計(jì)發(fā)表在北大核心期刊中的論文。在CNKI中，核心期刊占總期刊比例約為19.5%。

1.2 方法：相似度計(jì)算和聚類

首先，計(jì)算各省研究主題的相似性。相似性，是指各省在研究主題多維空間中的距離的大小，距離的測量方法有歐幾里得距離、馬氏距離、余弦距離等[19]。由于本文研究的是各省的研究偏好而非絕對數(shù)量，因此在測量距離時使用的是余弦距離，而不是歐式距離。后者的結(jié)果會受到研究主題論文產(chǎn)出絕對量的影響，而余弦距離則只依據(jù)各學(xué)科的比例。兩省之間的研究領(lǐng)域的排序越相似，其余弦距離越小。

然后，基于各省在研究傾向上的相似性，使用層次聚類法對31個省市自治區(qū)進(jìn)行聚類。層次聚類法是一種自下而上的聚類方法，通過逐級合并的方式進(jìn)行聚類，距離相近的省份首先被合并為一個聚類，最終形成一個層層聚集的樹狀結(jié)構(gòu)。

最后，我們使用VOSviewer工具繪制各省份的研究領(lǐng)域熱點(diǎn)圖。VOSviewer是由萊頓大學(xué)的CWTS研究中心的Van Eck和Waltman在2010年開發(fā)的一款文獻(xiàn)分析和知識可視化軟件[20]。熱點(diǎn)圖的展現(xiàn)視圖是這款軟件中的一大特色。熱點(diǎn)圖視圖是通過顏色光譜展示研究熱點(diǎn)的強(qiáng)度，紅色暖色調(diào)的表示熱點(diǎn)領(lǐng)域（紅海），藍(lán)色冷色調(diào)的表示冷門領(lǐng)域（藍(lán)海）。因此這一視圖非常適合用來展現(xiàn)各省的研究側(cè)重，即在哪些領(lǐng)域相對較熱，哪些領(lǐng)域相對較冷。

2 結(jié)果

2.1 各地區(qū)的研究論文產(chǎn)出

表1是2015年各省市的論文產(chǎn)出情況。北京市以87718篇的論文產(chǎn)出量排名榜首，超過排名第二位的江蘇?。ㄕ撐漠a(chǎn)出量53577篇）約63.7%，上海以30707篇的論文產(chǎn)出量排在第三。排在前三位的省市中，北京和上海是中國最發(fā)達(dá)的兩個城市，江蘇省的人均GDP（國民生產(chǎn)總值）在中國各省（除去直轄市）中排名第一位，在經(jīng)濟(jì)、科技、教育、文化等諸多領(lǐng)域處于國內(nèi)領(lǐng)先地位。江蘇省省會南京市擁有兩所985高校（南京大學(xué)和東南大學(xué)）和六所211高校（南京航空航天大學(xué)、南京理工大學(xué)等），另外還有中科院系統(tǒng)下的南京土壤研究所、地理與湖泊研究所、地質(zhì)古生物研究所等，這些高校及科研機(jī)構(gòu)為江蘇省的科學(xué)發(fā)現(xiàn)和技術(shù)創(chuàng)新做出了很大的貢獻(xiàn)。

根據(jù)表1中各地區(qū)的論文產(chǎn)出量可以繪制中國的科研分布地圖，如圖1所示。在圖1中，各地區(qū)中顏色的深淺表示該地區(qū)2015年在CNKI中的論文發(fā)表量，顏色越深，說明該地區(qū)的論文發(fā)表量越多?？梢钥闯?，中國的科研論文產(chǎn)出主要集中在江蘇、廣東、山東、浙江等東部沿海地區(qū)和位于長江流域的湖北、四川等中部省份，這些省份貢獻(xiàn)了超過80%的論文產(chǎn)量。而位于西部的西藏、青海、甘肅、寧夏等省份或自治區(qū)，科研水平和論文產(chǎn)量較低。

2.2 研究領(lǐng)域的規(guī)模

表2展示的是2015年CNKI數(shù)據(jù)庫中的各研究領(lǐng)域所包含的論文量。論文量最高的研究領(lǐng)域是“環(huán)境科學(xué)與資源利用”，該領(lǐng)域的論文量為18182篇，其次是“建筑科學(xué)與工程”（17332篇）、“輕工業(yè)手工業(yè)”（17321篇）、“電力工業(yè)”（17144篇）等領(lǐng)域。我們發(fā)現(xiàn)，熱門研究領(lǐng)域的分布與我國當(dāng)前的熱點(diǎn)問題相吻合，例如，近十年來備受關(guān)注的環(huán)境問題、基礎(chǔ)建設(shè)、輕工制造、電力工業(yè)等都在熱點(diǎn)研究領(lǐng)域中得到了突出體現(xiàn)，尤其是“環(huán)境科學(xué)與資源利用”領(lǐng)域，其論文量在全部168個學(xué)科中的排名從2008年的第5位直線上升至2015年的第1位。

2.3 各地區(qū)的研究偏好

進(jìn)一步統(tǒng)計(jì)各地區(qū)的高產(chǎn)研究領(lǐng)域，以展現(xiàn)各地區(qū)的研究偏好。表3列出了北京、江蘇、上海和西藏等地區(qū)發(fā)表論文量最高的主要研究領(lǐng)域?？梢钥闯?，各地區(qū)的高產(chǎn)研究領(lǐng)域各不相同：北京市的研究主要集中在地質(zhì)學(xué)、電力工業(yè)、環(huán)境科學(xué)與資源利用等領(lǐng)域；江蘇省的研究主要集中在中等教育、環(huán)境科學(xué)與資源利用、建筑科學(xué)與工程等領(lǐng)域；上海市的研究主要集中在建筑科學(xué)與工程、電力工業(yè)和環(huán)境科學(xué)與資源利用等領(lǐng)域；而西藏自治區(qū)最高產(chǎn)的研究領(lǐng)域則是畜牧與動物醫(yī)學(xué)、地質(zhì)學(xué)和生物學(xué)等與第一產(chǎn)業(yè)有關(guān)的學(xué)科。顯然，地區(qū)的研究偏好與當(dāng)?shù)氐慕?jīng)濟(jì)社會發(fā)展階段和需要有密切關(guān)系。endprint

2.4 各地區(qū)研究偏好的相似度

本文通過余弦距離來測度地區(qū)之間研究偏好的相異度（間接反映了相似度）。余弦距離計(jì)算產(chǎn)生的鄰接矩陣如表4所示，矩陣中的值代表各地區(qū)之間的相異度的大小。例如，安徽省和北京市的余弦距離是0.1066，與重慶市的余弦距離為0.0857，與新疆的余弦距離是0.3217。這說明在研究偏好方面，安徽省與重慶最接近，與北京市的相似度次之，與新疆最不相似。

表5列出了余弦距離最小和最大的地區(qū)。從表中看出，江蘇和浙江這兩個相鄰省份的余弦距離最小， 只有0.0390， 研究偏好最為相似。其次是上海市與天津市（余弦距離為0.0402）， 這兩個直轄市有著相似的經(jīng)濟(jì)地位和經(jīng)濟(jì)結(jié)構(gòu)。排名第三位的是北京市與湖北省（0.0483）。湖北省武漢市是世界上大學(xué)生最多的城市，也是中國高校最多的城市之一，武漢市共有69所本科院校，僅次于北京市的87所，因此武漢市和北京市的的研究領(lǐng)域覆蓋率都比較廣，理工農(nóng)醫(yī)人文社科各學(xué)科領(lǐng)域齊頭并進(jìn)向前發(fā)展。所以湖北省和北京市在研究領(lǐng)域分布上非常相似。

2.5 各省市按研究偏好聚類

使用層次聚類法，基于表4中的鄰接矩陣進(jìn)行聚類分析，得到的聚類結(jié)果如圖2和圖3所示。圖2是聚類結(jié)果的樹狀圖，展現(xiàn)了各地區(qū)是怎樣根據(jù)相似度的大小一步步進(jìn)行合并的成一個聚類的。按照Y軸的值（代表聚類之間的距離）為1.0進(jìn)行切分，可以得到6個聚類；按照Y軸的值為2.0進(jìn)行切分，6個聚類進(jìn)一步合并為兩個組。為了更好的展現(xiàn)聚類結(jié)果，我們還在地圖上用不同的顏色對聚類結(jié)果進(jìn)行了標(biāo)注。

聚類A包含6個省份，包括東北地區(qū)的黑龍江、吉林，華北地區(qū)的山東、河北、河南。這些省份既是我國重要的農(nóng)業(yè)大省，又具有較好的工業(yè)基礎(chǔ)。因此，該聚類中的省份的研究領(lǐng)域比較均衡，分布在生物學(xué)、金屬學(xué)、環(huán)境科學(xué)與資源利用等與第一產(chǎn)業(yè)和第二產(chǎn)業(yè)有關(guān)的領(lǐng)域。

聚類B是六個聚類包含省份最多的。它包含了11個省市，大多位于中國經(jīng)濟(jì)最活躍的華東地區(qū)和華南地區(qū)，其中包括長三角（上海、浙江、江蘇）和珠三角（廣東）各省，另外還包括福建、江西、湖南和安徽等。聚類B的研究側(cè)重主要集中于輕工業(yè)、電力工業(yè)、化學(xué)、中等教育等，反映了這些地區(qū)在輕工業(yè)領(lǐng)域的經(jīng)濟(jì)實(shí)力。

聚類C中包含了5個省份，主要包括北京市和位于中西部腹地的四川，湖北、陜西、山西各省。這些地區(qū)的高等教育較為發(fā)達(dá)。除了前面介紹的北京、武漢之外，陜西省的省會西安市和四川省的省會成都市都是高校、名校林立。這使得聚類C中的地區(qū)研究覆蓋的領(lǐng)域一般比較廣，自然科學(xué)、技術(shù)科學(xué)、人文社科發(fā)展比較均衡。

聚類D、E、F三個聚類比較小。聚類D包括內(nèi)蒙古、甘肅、寧夏、云南和貴州五個省、自治區(qū)，這些位于西北和西南少數(shù)民族聚集的地區(qū)，大多經(jīng)濟(jì)發(fā)展水平不高，研究領(lǐng)域側(cè)重于農(nóng)林畜牧業(yè)和一部分輕工業(yè)。聚類E只包含海南省，研究領(lǐng)域側(cè)重于熱帶作物和植物學(xué)研究。聚類F包含新疆、西藏和青海，這三個地區(qū)都屬于地廣人稀的欠發(fā)達(dá)地區(qū)，研究領(lǐng)域側(cè)重于畜牧業(yè)和少數(shù)民族問題研究，具有鮮明的研究特色。

在更高的閾值上，聚類A、B、C中的22個省或市可以歸為組I，而聚類D、E、F中的9個省或自治區(qū)歸為組II。顯然，組I主要位于東部或中部發(fā)達(dá)地區(qū)，而組II主要位于西部欠發(fā)達(dá)地區(qū)。

2.6 各地區(qū)的研究領(lǐng)域熱點(diǎn)圖

基于每個地區(qū)的研究偏好使用VOSviewer軟件繪制各地區(qū)的研究領(lǐng)域熱點(diǎn)圖。熱點(diǎn)圖可以更好的展現(xiàn)出各地區(qū)在研究側(cè)重上的不同。由于篇幅限制，本文只選取組I中的湖北?。▓D4）和組II的內(nèi)蒙古（圖5）作為案例進(jìn)行展示。

圖4和圖5基于相同的底圖進(jìn)行繪制，即各研究領(lǐng)域的坐標(biāo)完全一致，以方便對二者進(jìn)行比較。圖4展現(xiàn)了湖北省的研究熱點(diǎn)分布，可以看出湖北省的研究熱點(diǎn)主要集中在位于圖譜上方的地質(zhì)學(xué)，位于中間的電力工業(yè)、環(huán)境資源與科學(xué)利用，以及位于底部的高等教育、圖書情報(bào)與數(shù)字圖書館等。

內(nèi)蒙古自治區(qū)擁有中國面積最大的草原，經(jīng)濟(jì)上以畜牧業(yè)和農(nóng)業(yè)為主要構(gòu)成，此外內(nèi)蒙古還是資源大省，煤炭、天然氣、稀土資源儲量豐富。因此，內(nèi)蒙古的熱點(diǎn)領(lǐng)域集中在位于圖譜上方的礦業(yè)工程、農(nóng)作物，位于中間的金屬學(xué)及金屬工藝、畜牧與動物醫(yī)學(xué)等。內(nèi)蒙古的人文社科研究也比較活躍，包括教育學(xué)、少數(shù)民族研究等。

3 結(jié)論

本文基于CNKI數(shù)據(jù)庫中的核心期刊論文產(chǎn)出數(shù)據(jù)，對我國31個省市自治區(qū)的研究偏好進(jìn)行了分析和解讀，并通過VOSviewer軟件繪制了各地區(qū)的研究領(lǐng)域熱點(diǎn)圖，更直觀的展現(xiàn)了各地區(qū)的研究偏好及特點(diǎn)。

研究發(fā)現(xiàn)，各地區(qū)之間的差異不僅表現(xiàn)在科研產(chǎn)出的規(guī)模方面，在研究領(lǐng)域的偏好方面也有很大差異。通過計(jì)算和比較各地區(qū)之間的研究偏好，我們將31個省市自治區(qū)進(jìn)行了聚類，劃分了6個聚類和2個大組。不同聚類的省份在研究偏好上具有不同的特點(diǎn)。例如，位于組I聚類C中的湖北的競爭優(yōu)勢在于地質(zhì)學(xué)，而組II聚類D則在畜牧和動物醫(yī)學(xué)方面相對較強(qiáng)。

從研究偏好的特征可以看出，一個地區(qū)的研究偏好和該地區(qū)的經(jīng)濟(jì)格局有很大的相關(guān)性。市場力量在科學(xué)技術(shù)發(fā)展中發(fā)揮著非常重要的作用，中國工業(yè)化程度最高的省份，如江蘇、浙江和廣東等，在電力行業(yè)、輕工業(yè)行業(yè)、建筑行業(yè)中具有較大的需求，其科研投入和產(chǎn)出水平也明顯較高，這反過來又進(jìn)一步鞏固了這些地區(qū)的工業(yè)化地位。而在西部相對貧窮的省份，如西藏、新疆、青海等，其經(jīng)濟(jì)來源仍然以畜牧業(yè)和農(nóng)業(yè)為主，這使得該區(qū)域的研究產(chǎn)出主要集中在農(nóng)作物、畜牧業(yè)和動物醫(yī)學(xué)等相應(yīng)領(lǐng)域，以滿足當(dāng)?shù)氐谝划a(chǎn)業(yè)的發(fā)展需求。

參考文獻(xiàn)：

[1] MCGHEE K， PHILLIPS N. Nature index 2015 China[J]. Nature， 2015， 528（7582）： S165.

[2] WANG Lili. The structure and comparative advantages of China's scientific research： quantitative and qualitative perspectives[J]. Scientometrics， 2016， 106（1）： 435-452.endprint

[3] GUAN Jiancheng， MA Nan. A bibliometric study of China's semiconductor literature compared with other major Asian countries[J]. Scientometrics， 2007， 70（1）： 107-124.

[4] GUAN J， HE Y. Patent-bibliometric analysis on the Chinese science—technology linkages[J]. Scientometrics， 2007， 72（3）： 403-425.

[5] GUAN J， GAO X. Comparison and evaluation of Chinese research performance in the field of bioinformatics[J]. Scientometrics， 2008， 75（2）： 357-379.

[6] GUAN Jiancheng， WANG Gangbo. A comparative study of research performance in nanotechnology for China's inventor-authors and their non-inventing peers[J]. Scientometrics， 2010， 84（2）： 331-343.

[7] GAO X， GUO X. SYLVAN K J，et al.The Chinese innovation system during economic transition：A scale-independent view[J]. Journal of Informetrics，Elsevier Ltd， 2010， 4（4）： 618-628.

[8] LEYDESDORFF L， PERSSON O. Mapping the geography of science： distribution patterns and networks of relations among cities and institutes[J]. Journal of the American Society for Information Science and Technology， 2010， 61（8）： 1622-1634.

[9] BORNMANN L， LEYDESDORFF L， WALCH-SOLIMENA C，et al. Mapping excellence in the geography of science： An approach based on Scopus data[J]. Journal of Informetrics， 2011， 5（4）： 537-546.

[10]BORNMANN L， WALTMAN L. The detection of“hot regions” in the geography of science—A visualization approach by using density maps[J]. Journal of Informetrics， 2011， 5（4）： 547-553.

[11]ANDERSSON D E， GUNESSEE S， MATTHIESSEN C W， et al. The geography of Chinese science[J]. ENVIRONMENT AND PLANNING A， 2014， 46（12）： 2950-2971.

[12]KOSTOFF R. Comparison of China/USA science and technology performance[J]. Journal of Informetrics， 2008， 2（4）： 354-363.

[13]MOIWO J P， TAO Fulu. The changing dynamics in citation index publication position China in a race with the USA for global leadership[J]. Scientometrics， 2013， 95（3）： 1031-1050.

[14]ZHOU P， LEYDESDORFF L. A comparison between the China scientific and technical papers and citations database and the science citation index in terms of journal hierarchies and interjournal[J]. Journal of the American Society for Information Science， 2007， 58（2）： 223-236.

[15]YANG S， MA F. SONG Y，et al.A longitudinal analysis of citation distribution breadth for Chinese scholars[J]. Scientometrics， 2010， 85（3）： 755-765.

[16]MOED H F. Measuring China's research performance using the Science Citation Index[J]. Scientometrics， 2002， 53（3）： 281-296.

[17]ZHOU Ping， THIJS B， GLAENZEL W. Is China also becoming a giant in social sciences？[J]. Scientometrics， 2009， 79（3）： 593-621.

[18]ZHOU P， LEYDESDORFF L. The emergence of China as a leading nation in science[J]. Research Policy， 2006， 35（1）： 83-104.

[19]JAIN A K， MURTY M N， FLYNN P J. Data clustering：a review[J]. ACM computing surveys（CSUR），Acm， 1999， 31（3）： 264-323.

[20]VAN ECK N J， WALTMAN L. VOSviewer： A computer program for bibliometric mapping[J].Scientometrics，2010，84（2）：523-538.

（編輯：張萌）endprint