熱點(diǎn)的關(guān)聯(lián)情況。類(lèi)團(tuán)序號(hào)排列越靠前，表明該類(lèi)團(tuán)規(guī)模越大。根據(jù)關(guān)鍵詞之間的關(guān)系，運(yùn)用CiteSpace 軟件生成高職院校思政育人研究聚類(lèi)圖譜。聚類(lèi)圖譜中有346 個(gè)節(jié)點(diǎn)，414 條連線，網(wǎng)絡(luò)密度為0.0069，模塊指數(shù)為0.8588，聚類(lèi)平均輪廓值為0.9151。當(dāng)模塊指數(shù)大于0.31時(shí)，認(rèn)為該圖譜中聚類(lèi)結(jié)構(gòu)顯著，當(dāng)聚類(lèi)平均輪廓值大于0.71時(shí)，認(rèn)為該聚類(lèi)結(jié)構(gòu)可信，對(duì)模塊指數(shù)和聚類(lèi)平均輪廓值進(jìn)行綜合分析，實(shí)驗(yàn)結(jié)果為聚類(lèi)有效。設(shè)置研究結(jié)果顯示排名前10 的聚類(lèi)

個(gè)二維坐標(biāo)軸,是類(lèi)團(tuán)分析的主要方法,X軸為向心度,表示類(lèi)團(tuán)主題間相互作用的強(qiáng)度,一個(gè)學(xué)科主題同其他學(xué)科主題聯(lián)系的強(qiáng)度越大,說(shuō)明這個(gè)類(lèi)團(tuán)主題在整個(gè)學(xué)科研究中趨于中心地位;Y軸為密度,表示類(lèi)團(tuán)主題內(nèi)的聯(lián)系強(qiáng)度,是該類(lèi)維持自己和發(fā)展自己的能力,密度越大表示該類(lèi)團(tuán)主題發(fā)展得越成熟[7]。從Bicomb 2.0軟件導(dǎo)出共現(xiàn)矩陣數(shù)據(jù),根據(jù)詞篇矩陣的聚類(lèi)分析結(jié)果對(duì)高頻主題詞+副主題詞進(jìn)行分類(lèi),并計(jì)算高頻主題詞+副主題詞的總鏈接數(shù)、類(lèi)內(nèi)鏈接數(shù)、類(lèi)外鏈接數(shù)、類(lèi)內(nèi)主題詞數(shù)、類(lèi)

術(shù)研究焦點(diǎn)、研究類(lèi)團(tuán)分布情況等分析過(guò)程提供數(shù)據(jù)支持與技術(shù)支持。二、研究熱點(diǎn)分析在樣本數(shù)據(jù)向分析軟件遷移的過(guò)程中，網(wǎng)絡(luò)節(jié)點(diǎn)設(shè)置為Keyword（關(guān)鍵詞），時(shí)間切片跨度設(shè)置為1年，然后通過(guò)g-index算法將K值設(shè)置為25，以期能夠在明確尋徑網(wǎng)絡(luò)（Pathfinder）、修剪切片網(wǎng)（Pruning sliced networks）及修剪合并網(wǎng)（Pruning the merged network）的同時(shí)，讓共現(xiàn)網(wǎng)格得以精簡(jiǎn)，強(qiáng)化網(wǎng)格的解釋能力。（一）關(guān)鍵詞共現(xiàn)

詞匯只能歸入一個(gè)類(lèi)團(tuán)中，但對(duì)于學(xué)科領(lǐng)域的研究而言，一個(gè)特征詞會(huì)在與該詞有關(guān)聯(lián)的多個(gè)熱點(diǎn)主題下出現(xiàn)，傳統(tǒng)的硬聚類(lèi)方法使詞匯的主題歸屬單一化和絕對(duì)化[5]。為有效彌補(bǔ)上述缺陷，本文提出基于語(yǔ)義關(guān)聯(lián)與模糊聚類(lèi)的共詞分析方法，以領(lǐng)域內(nèi)的文獻(xiàn)集合為知識(shí)背景，利用fastText詞嵌入模型學(xué)習(xí)核心詞匯的語(yǔ)義特征向量，通過(guò)對(duì)向量空間的運(yùn)算度量詞對(duì)的語(yǔ)義相關(guān)強(qiáng)度，結(jié)合共現(xiàn)相關(guān)強(qiáng)度構(gòu)建語(yǔ)義加權(quán)的共詞相關(guān)矩陣，以改善詞對(duì)相關(guān)性度量的效果；引入模糊C均值聚類(lèi)算法，結(jié)合因子降維對(duì)

在此基礎(chǔ)上繪制各類(lèi)團(tuán)主題戰(zhàn)略坐標(biāo)圖，梳理分析國(guó)內(nèi)新冠肺炎疫情防控管理領(lǐng)域的研究主題，以了解新冠肺炎疫情防控管理的研究熱點(diǎn)和發(fā)展態(tài)勢(shì)，為我國(guó)應(yīng)對(duì)新冠肺炎疫情等突發(fā)公共衛(wèi)生事件防控管理工作提供參考。1 資料與方法1.1 研究資料 以“主題詞”檢索中國(guó)學(xué)術(shù)期刊（網(wǎng)絡(luò)版）數(shù)據(jù)庫(kù)，選擇醫(yī)藥衛(wèi)生科技，檢索式=(新型冠狀病毒肺炎)OR(新冠肺炎)OR(新型冠狀病毒感染的肺炎)OR(COVID-19)AND(防控管理)，檢索時(shí)間為2020年1月至2021年9月，根據(jù)新冠肺

的研究?jī)?nèi)容按主題類(lèi)團(tuán)進(jìn)行歸納和量化，進(jìn)一步解析各主題類(lèi)團(tuán)之間的關(guān)聯(lián)機(jī)制，為鄉(xiāng)村住宅設(shè)計(jì)提供參考。1 研究方法以“知網(wǎng)”數(shù)據(jù)庫(kù)為文獻(xiàn)來(lái)源，以“農(nóng)村住宅”“鄉(xiāng)村住宅”“村鎮(zhèn)住宅”為主題詞進(jìn)行檢索，時(shí)間區(qū)間選為2000年1月—2021年3月，收集后人工篩選得到文獻(xiàn)561篇。首先構(gòu)建鄉(xiāng)村住宅空間研究領(lǐng)域高頻關(guān)鍵詞的共詞矩陣，然后對(duì)高頻關(guān)鍵詞進(jìn)行層次聚類(lèi)，提取主題類(lèi)團(tuán)的內(nèi)涵。通過(guò)計(jì)算，將各主題類(lèi)團(tuán)的現(xiàn)狀進(jìn)行量化，繪制戰(zhàn)略坐標(biāo)圖。以戰(zhàn)略坐標(biāo)圖的象限為單元進(jìn)行分析，最后

，歸納出6個(gè)主題類(lèi)團(tuán)。計(jì)算出主題類(lèi)團(tuán)的向心度和密度，繪制主題戰(zhàn)略坐標(biāo)圖（見(jiàn)圖2）。圖2 新醫(yī)改以來(lái)我國(guó)DRG領(lǐng)域的主題戰(zhàn)略坐標(biāo)主題戰(zhàn)略坐標(biāo)可以描述某一研究領(lǐng)域內(nèi)部聯(lián)系及領(lǐng)域間的相互影響，能判斷熱點(diǎn)主題的地位和發(fā)展階段［4］。橫坐標(biāo)為向心度，是衡量各主題類(lèi)團(tuán)間的相互影響程度的指標(biāo)，向心度越大，則常常是學(xué)者們關(guān)注的焦點(diǎn)；縱坐標(biāo)為密度，是衡量某一研究主題內(nèi)部關(guān)聯(lián)強(qiáng)度的指標(biāo)，密度越大，則該主題趨向成熟。第一象限核心研究主題。此象限中有2個(gè)類(lèi)團(tuán)，表明類(lèi)團(tuán)1績(jī)效評(píng)價(jià)體

感研究熱點(diǎn)的細(xì)分類(lèi)團(tuán)，進(jìn)而得到多維尺度分析結(jié)果，反映網(wǎng)絡(luò)輿情情感研究熱點(diǎn)的宏觀分類(lèi)結(jié)果。2.1 數(shù)據(jù)獲取本文以CNKI期刊數(shù)據(jù)庫(kù)(SCI來(lái)源期刊、EI來(lái)源期刊、核心期刊、CSSCI來(lái)源期刊)為數(shù)據(jù)源，為保證檢全率和檢準(zhǔn)率，將檢索條件分別設(shè)定為主題、篇名、關(guān)鍵詞、摘要，將檢索詞設(shè)定為“網(wǎng)絡(luò)輿情”與“情感”。文獻(xiàn)發(fā)表時(shí)間不做限制，檢索截止時(shí)間為2020年12月25日，檢索日期為2020年12月29日。為保證研究的可信度，去除會(huì)議、前言、動(dòng)態(tài)、通知等學(xué)術(shù)性弱的文

類(lèi)的基礎(chǔ)上計(jì)算聚類(lèi)團(tuán)的密度和向心度，繪制戰(zhàn)略坐標(biāo)圖，分析近5年國(guó)際上ALC的研究熱點(diǎn)。地下水開(kāi)發(fā)利用程度差異較大，在地下水開(kāi)發(fā)利用程度較低地段，可開(kāi)展節(jié)水增糧行動(dòng)項(xiàng)目，一方面采用高效灌溉，解決寶清縣春旱對(duì)農(nóng)業(yè)發(fā)展的影響，另一方面合理利用地下水資源。2 ALC研究文獻(xiàn)的外部特征分析所謂的工作室制度就是在專(zhuān)業(yè)教學(xué)的過(guò)程中針對(duì)教師所講的內(nèi)容，考慮專(zhuān)業(yè)教師的就業(yè)方向，根據(jù)行業(yè)的實(shí)際情況把教學(xué)內(nèi)容進(jìn)行整合分類(lèi)，整合分類(lèi)的優(yōu)點(diǎn)就是可以更系統(tǒng)的歸納與管理知識(shí)，讓學(xué)生可以

本文將生成的6個(gè)類(lèi)團(tuán)信息以Pajek[20]軟件識(shí)別的格式保存,通過(guò)Pajek計(jì)算每個(gè)類(lèi)團(tuán)的向心度和密度。計(jì)算方法為:將類(lèi)團(tuán)內(nèi)每個(gè)關(guān)鍵詞與該類(lèi)團(tuán)的其他關(guān)鍵詞鏈接數(shù)求和,然后取平均值得到各個(gè)類(lèi)團(tuán)的密度;類(lèi)團(tuán)內(nèi)關(guān)鍵詞與其他類(lèi)團(tuán)關(guān)鍵詞鏈接數(shù)加總,然后取平均值獲得各個(gè)類(lèi)團(tuán)的向心度。以橫坐標(biāo)為密度,縱坐標(biāo)為向心度,將6個(gè)類(lèi)團(tuán)信息映射在二維平面坐標(biāo)上,繪制戰(zhàn)略坐標(biāo)圖[21],橫縱坐標(biāo)的交叉點(diǎn)為(0.32,3.15),見(jiàn)圖4。圖4 關(guān)鍵詞戰(zhàn)略坐標(biāo)圖圖4中的每個(gè)氣泡代表一

度是用來(lái)衡量主題類(lèi)團(tuán)內(nèi)部關(guān)聯(lián)強(qiáng)度的指標(biāo),它表示該主題類(lèi)團(tuán)維持和發(fā)展自己的能力。密度越大,說(shuō)明該主題類(lèi)團(tuán)內(nèi)部的關(guān)鍵詞聯(lián)系非常緊密,在所屬領(lǐng)域中該主題研究已經(jīng)趨向成熟。向心度是用來(lái)衡量一個(gè)類(lèi)團(tuán)與同一研究領(lǐng)域的其他類(lèi)團(tuán)聯(lián)系的緊密程度。向心度越大,說(shuō)明所屬研究領(lǐng)域的一個(gè)主題類(lèi)團(tuán)與其他主題類(lèi)團(tuán)有著緊密的聯(lián)系,因此該主題在這一研究領(lǐng)域中就占據(jù)核心地位[12]。本研究根據(jù)雙聚類(lèi)分析結(jié)果及共現(xiàn)矩陣,計(jì)算不同研究主題的向心度和密度值,繪制戰(zhàn)略坐標(biāo)圖,分析腦卒中康復(fù)治療領(lǐng)域的

軸(密度)對(duì)聚類(lèi)類(lèi)團(tuán)進(jìn)行定位，通過(guò)對(duì)類(lèi)團(tuán)的中心度和密度進(jìn)行分析，一定程度上能預(yù)測(cè)出類(lèi)團(tuán)在未來(lái)的時(shí)段圖中所處的位置，判斷研究的演化趨勢(shì)，從而彌補(bǔ)CiteSpace的不足。2 數(shù)據(jù)預(yù)處理2.1 劃分研究區(qū)間研究者首先導(dǎo)入2010—2019年發(fā)表在10種翻譯學(xué)權(quán)威國(guó)際期刊上的學(xué)術(shù)論文數(shù)據(jù)(書(shū)評(píng)和社論材料除外)，數(shù)據(jù)格式為txt文本，記錄內(nèi)容為“全記錄與引用的參考文獻(xiàn)”，數(shù)量共計(jì)1799篇，使用SciMAT的分區(qū)工具Periods Manager按年份將數(shù)據(jù)分為五

現(xiàn)關(guān)系得出各主題類(lèi)團(tuán)的向心度與密度（Lee &Jeong, 2008）數(shù)據(jù)（見(jiàn)下頁(yè)表3），根據(jù)該數(shù)據(jù)制作戰(zhàn)略坐標(biāo)圖。對(duì)于類(lèi)團(tuán)來(lái)說(shuō)，密度越大，表明該類(lèi)團(tuán)內(nèi)部緊密聯(lián)系的程度越高，維持和發(fā)展自身的能力越強(qiáng)，已有的相關(guān)研究就越趨向系統(tǒng)化、成熟化；向心度越高，說(shuō)明這一類(lèi)團(tuán)與其他類(lèi)團(tuán)之間聯(lián)系的頻次越高，也就越趨于研究領(lǐng)域的核心地位。表3 各類(lèi)團(tuán)的向心度值和密度值四、研究結(jié)果（一）“人工智能+教育”領(lǐng)域研究熱點(diǎn)透視對(duì)于系統(tǒng)聚類(lèi)結(jié)果的判讀，主要通過(guò)黏合力確定中心關(guān)鍵詞，并

，熱點(diǎn)關(guān)鍵詞為各類(lèi)團(tuán)內(nèi)總鏈接強(qiáng)度(total link strength)較高的詞。表2 國(guó)外健康倫理責(zé)任研究的關(guān)鍵詞聚類(lèi)結(jié)果聚類(lèi)1為紅色類(lèi)團(tuán)，有25個(gè)關(guān)鍵詞，包括qualitative research，palliative care，health promotion，informed consent，end-of-life care，home care等詞，主題為有關(guān)健康倫理責(zé)任的質(zhì)性研究。聚類(lèi)2為綠色類(lèi)團(tuán)，有22個(gè)關(guān)鍵詞，包括nursing，nurs

便生成不同的主題類(lèi)團(tuán)。距離越近表示主題類(lèi)團(tuán)中的關(guān)鍵詞在同一文章中出現(xiàn)的次數(shù)越多，類(lèi)團(tuán)所代表的研究主題之間的關(guān)系越緊密。取密度用于體現(xiàn)一個(gè)主題類(lèi)團(tuán)內(nèi)部的聯(lián)系強(qiáng)弱,向心度用于體現(xiàn)不同主題類(lèi)團(tuán)之間的聯(lián)系強(qiáng)弱。計(jì)算類(lèi)團(tuán)內(nèi)關(guān)鍵字共現(xiàn)次數(shù)的平均值作為該主題類(lèi)的密度,將一個(gè)主題與其他主題群體的共現(xiàn)次數(shù)平均值作為向心度[5]。通過(guò)計(jì)算可得，各類(lèi)主題類(lèi)團(tuán)的空間向心度、密度如表3。表3 主題詞聚類(lèi)結(jié)果綜合考慮后，本研究設(shè)置聚類(lèi)距離為8，該距離將所有關(guān)鍵詞分為5個(gè)主題類(lèi)團(tuán)，分別

系程度生成不同的類(lèi)團(tuán)，從而可揭示國(guó)內(nèi)研究者對(duì) “社會(huì)化閱讀”相關(guān)研究的主題方向和內(nèi)容。將計(jì)算得到的Salton 指數(shù)矩陣輸入SPSS 22軟件進(jìn)行聚類(lèi)分析，本文使用離差平方和法，在系統(tǒng)聚類(lèi)當(dāng)中Ward 連接的聚類(lèi)方法，聚類(lèi)標(biāo)準(zhǔn)是平方Eudlidean 距離得到垂直方向的聚類(lèi)樹(shù)圖如圖4 所示。在聚類(lèi)樹(shù)圖中選擇固定距離對(duì)全部聚類(lèi)進(jìn)行類(lèi)團(tuán)的劃分。在此基礎(chǔ)上繪制戰(zhàn)略坐標(biāo)圖，反映不同類(lèi)團(tuán)在“社會(huì)化閱讀”相關(guān)研究中所處的區(qū)域，描述各類(lèi)團(tuán)關(guān)鍵詞內(nèi)部及其與外部其他類(lèi)團(tuán)之間

為研究分為10個(gè)類(lèi)團(tuán)，定義各個(gè)類(lèi)團(tuán)的名稱(chēng)分別為：信息組織與管理（類(lèi)團(tuán)1）、Web2.0與學(xué)科館員（類(lèi)團(tuán)2）、圖書(shū)館資源建設(shè)與信息用戶（類(lèi)團(tuán)3）、信息需求與用戶行為研究（類(lèi)團(tuán)4）、用戶需求與服務(wù)策略（類(lèi)團(tuán)5）、信息行為學(xué)科界定（類(lèi)團(tuán)6）、信息檢索與獲取（類(lèi)團(tuán)7）、信息素養(yǎng)教育（類(lèi)團(tuán)8）、圖書(shū)館對(duì)信息行為的影響（類(lèi)團(tuán)9）、個(gè)性化服務(wù)（類(lèi)團(tuán)10）。結(jié)合因子分析的結(jié)果，可以看出因子分析中第1、2、3、4、5、6、7、10、11類(lèi)與聚類(lèi)分析中的第5、3、7、1、8、

的結(jié)果，計(jì)算每個(gè)類(lèi)團(tuán)的向心度與密度，繪制戰(zhàn)略坐標(biāo)圖譜，得出我國(guó)癌痛管理研究領(lǐng)域的熱點(diǎn)方向。2 結(jié)果2.1 高頻關(guān)鍵詞分析 關(guān)鍵詞是對(duì)研究的課題具有約束力的具有指示性的文字，能夠在一定程度上言簡(jiǎn)意賅的定義某個(gè)領(lǐng)域，而高頻關(guān)鍵詞能夠揭示該領(lǐng)域的研究熱點(diǎn)[5]。本文共統(tǒng)計(jì)到關(guān)鍵詞1 709個(gè)，根據(jù)Donohue[6]高頻詞低頻詞界分公式T=(I1為出現(xiàn)1次的關(guān)鍵詞總數(shù))，得出T≥20，即頻次≥20次關(guān)鍵詞為高頻關(guān)鍵詞，共24個(gè)，占累計(jì)頻次的34.26%，見(jiàn)表1。

照顧者研究的主題類(lèi)團(tuán)；最后，利用Excel軟件繪制主題類(lèi)團(tuán)的戰(zhàn)略坐標(biāo)圖。結(jié)合聚類(lèi)主題類(lèi)團(tuán)結(jié)果、高被引論文及對(duì)戰(zhàn)略坐標(biāo)圖的解讀，分析老年性癡呆照顧者近10年來(lái)各研究主題的狀態(tài)及發(fā)展趨勢(shì)。2 結(jié)果2.1 年載文量分布及趨勢(shì) 經(jīng)統(tǒng)計(jì)，2010年～2020年老年性癡呆照顧者相關(guān)研究發(fā)文量呈現(xiàn)上升趨勢(shì)，2014年年發(fā)文量超過(guò)150篇，2017年發(fā)文量達(dá)到212篇，到2019年發(fā)文量為2010年的3倍，見(jiàn)圖1。圖1 2010年～2020年老年性癡呆照顧者研究的年載文量

方法。1.1.2類(lèi)團(tuán)主題分析與戰(zhàn)略坐標(biāo)圖共詞聚類(lèi)分析把關(guān)聯(lián)密切的主題聚集在一起形成類(lèi)團(tuán)，把錯(cuò)綜復(fù)雜的主題關(guān)系簡(jiǎn)化成若干個(gè)分支，有助于研究領(lǐng)域的內(nèi)容分析。但共詞聚類(lèi)只能說(shuō)明同一類(lèi)團(tuán)的主題更接近，無(wú)法揭示每個(gè)類(lèi)團(tuán)的中心概念，發(fā)展?fàn)顩r與趨勢(shì)，也不能說(shuō)明各類(lèi)團(tuán)之間的關(guān)系。為了進(jìn)一步對(duì)類(lèi)團(tuán)內(nèi)及類(lèi)團(tuán)間的關(guān)系進(jìn)行分析，本文引入粘合力、向心度、密度三個(gè)指標(biāo)[4]。粘合力用于衡量類(lèi)團(tuán)內(nèi)各主題詞對(duì)聚類(lèi)所起的作用程度，粘合力越大表示主題詞在類(lèi)團(tuán)中越處于核心位置。密度用來(lái)衡量類(lèi)團(tuán)

密，且形成了若干類(lèi)團(tuán)，如“黨務(wù)工作”“實(shí)踐”與“檔案管理”等，提示該段時(shí)間我國(guó)醫(yī)院黨建相關(guān)研究形成了若干新熱點(diǎn)，如檔案管理、基層建設(shè)、新時(shí)代醫(yī)院黨支部的作用、公立醫(yī)院中黨員的管理及其發(fā)揮的作用等。從共現(xiàn)圖中節(jié)點(diǎn)大小來(lái)看，與2011—2015年相比，2016—2020年的“黨建引領(lǐng)”“兩學(xué)一做”“建設(shè)”“新形勢(shì)”“思想政治工作”“醫(yī)院文化”對(duì)其他關(guān)鍵詞的影響力較強(qiáng)，形成了我國(guó)醫(yī)院管理相關(guān)研究的新興熱點(diǎn)。2.4 關(guān)鍵詞類(lèi)團(tuán)分析經(jīng)過(guò)多次嘗試并結(jié)合專(zhuān)業(yè)知識(shí)，本研究

得出它們所代表的類(lèi)團(tuán)含義標(biāo)簽，綜合各個(gè)類(lèi)別的類(lèi)標(biāo)簽可以得出該主題的研究熱點(diǎn)。其次，利用gCLUTO軟件計(jì)算各類(lèi)成員對(duì)聚類(lèi)貢獻(xiàn)率的指標(biāo)(描述度Descriptive和區(qū)分度Descriminating)，選擇對(duì)每一類(lèi)形成貢獻(xiàn)最大的來(lái)源文獻(xiàn)作為表示該類(lèi)內(nèi)容的類(lèi)標(biāo)簽文獻(xiàn)。通常選取描述度分值最高者作為該類(lèi)的類(lèi)標(biāo)簽文獻(xiàn)(如表1所示)，確定類(lèi)標(biāo)簽文獻(xiàn)后再對(duì)文獻(xiàn)內(nèi)容進(jìn)一步分析，進(jìn)而闡釋該類(lèi)研究方向的具體內(nèi)容。表1 類(lèi)成員對(duì)聚類(lèi)貢獻(xiàn)率指標(biāo)2.2 主題詞黏合度類(lèi)團(tuán)主題的確定

的基礎(chǔ)上研究不同類(lèi)團(tuán)研究現(xiàn)狀的一種方法，即哪些類(lèi)團(tuán)是研究熱點(diǎn)，同時(shí)還可以反映出主題類(lèi)團(tuán)內(nèi)部和主題類(lèi)團(tuán)之間的聯(lián)系狀況[5]。此外，通過(guò)SPSS 軟件[6]進(jìn)行聚類(lèi)分析，計(jì)算不同類(lèi)團(tuán)的密度和向心度，利用戰(zhàn)略坐標(biāo)圖分析實(shí)驗(yàn)室安全研究的熱點(diǎn)。2 共詞分析法共詞分析法主要包括關(guān)鍵詞預(yù)處理、共詞矩陣構(gòu)建和相異矩陣構(gòu)建。2.1 關(guān)鍵詞預(yù)處理將篩選后的1 329 篇文獻(xiàn)分三次從中國(guó)知網(wǎng)導(dǎo)出，導(dǎo)出的格式選擇Notefirst，通過(guò)軟件Bicomb 提取關(guān)鍵詞，共得到5 11

結(jié)果是聚合形成的類(lèi)團(tuán)較少，但每個(gè)類(lèi)團(tuán)的擬合程度較高。在本研究中，通過(guò)多維尺度分析，得到共有關(guān)鍵詞聚合的五個(gè)關(guān)鍵詞類(lèi)團(tuán)，以此可得到關(guān)于“高校反邪教宣傳教育”研究的研究現(xiàn)狀與研究領(lǐng)域。 進(jìn)而對(duì)關(guān)鍵詞矩陣進(jìn)行社會(huì)網(wǎng)絡(luò)分析，社會(huì)網(wǎng)絡(luò)分析法結(jié)合了定量分析與定性分析，利用UCINET軟件對(duì)五個(gè)關(guān)鍵詞類(lèi)團(tuán)的中心性進(jìn)行歸類(lèi)和計(jì)算分析，可以得到每一個(gè)類(lèi)團(tuán)中與其他關(guān)鍵詞關(guān)聯(lián)度較高的關(guān)鍵詞，該關(guān)鍵詞被認(rèn)為是類(lèi)團(tuán)中權(quán)重最高的關(guān)鍵詞，可以在一定程度上反映所在類(lèi)團(tuán)的研究方向。在本研究

年三個(gè)時(shí)間段內(nèi)的類(lèi)團(tuán)演化情況。 圖中實(shí)線代表兩個(gè)類(lèi)團(tuán)之間共享主要關(guān)鍵詞，虛線代表兩類(lèi)團(tuán)共享次要關(guān)鍵詞[3]。節(jié)點(diǎn)大小與所包含的文獻(xiàn)數(shù)量成正比，節(jié)點(diǎn)間的線條越粗、顏色越深說(shuō)明兩類(lèi)團(tuán)間相似度越高，關(guān)聯(lián)強(qiáng)度高，演化能力強(qiáng)[5]。圖3 國(guó)外健康人文研究主題演化圖由圖3可以看出，1991年～2000年共有9個(gè)類(lèi)團(tuán)，分別是健康(health)、衛(wèi)生保健(health-care)、生態(tài)環(huán)境(habitat)、態(tài)度(attitudes)、疾病(disease)、遺傳學(xué)(g

主題形成24 個(gè)類(lèi)團(tuán)，涵蓋Collaboration（合作）、Community（社區(qū)）、Coordination（協(xié)作）、Decision-Support-System（決策支持系統(tǒng)）、Disasters（災(zāi)害）、Earthquake（地震）、Emergency（應(yīng)急）、Emergency-Management（應(yīng)急管理）、Evacuation（疏散）、Extreme-Heat-Event（極端高溫事件）、Flood（洪水）、Flood-Risk（洪水風(fēng)

次，對(duì)得到的主題類(lèi)團(tuán)采用GM(1，1)模型進(jìn)行詞頻量、向心度、密度三指標(biāo)的定量預(yù)測(cè)，基于2010-2020年的指標(biāo)值繪制戰(zhàn)略坐標(biāo)圖，從時(shí)間維度展現(xiàn)智慧圖書(shū)館領(lǐng)域研究熱點(diǎn)主題的演變以及未來(lái)兩年的發(fā)展走勢(shì)[5]。圖1 主題領(lǐng)域分析體系框架圖2 高頻關(guān)鍵詞聚類(lèi)譜系圖2 主題領(lǐng)域研究熱點(diǎn)分布2.1 關(guān)鍵詞聚類(lèi)分析運(yùn)用SPSS對(duì)相異矩陣采用系統(tǒng)聚類(lèi)、沃德連接、平方Eucilidean距離、Z-score標(biāo)準(zhǔn)化等方法進(jìn)行聚類(lèi)分析，根據(jù)聚類(lèi)結(jié)果，可將高頻關(guān)鍵詞劃分為4類(lèi)

陣(部分)(四)類(lèi)團(tuán)分析由于詞共現(xiàn)統(tǒng)計(jì)僅僅是主題詞間兩兩聯(lián)系的緊密程度分析，可能不能完全反映研究文獻(xiàn)的研究關(guān)鍵點(diǎn)，所以引入類(lèi)團(tuán)分析來(lái)幫助將各個(gè)主題詞進(jìn)行大類(lèi)的劃分，一般使用聚類(lèi)分析法將相互之間聯(lián)系比較緊密的多個(gè)主題詞歸為一個(gè)類(lèi)團(tuán)從而進(jìn)行熱點(diǎn)歸類(lèi)。[6]本次實(shí)驗(yàn)使用了SPSS軟件對(duì)歸一化后的共詞矩陣進(jìn)行聚類(lèi)分析處理，采用系統(tǒng)聚類(lèi)方法得到了表2中的四個(gè)大類(lèi)。表2 主題詞聚類(lèi)劃分在上表中，中心詞的選取由各個(gè)主題詞與其他主題詞共現(xiàn)頻率的平均值來(lái)確定稱(chēng)作粘合力，粘合

、B、C、D四個(gè)類(lèi)團(tuán)。類(lèi)團(tuán)A是關(guān)于大數(shù)據(jù)背景下精準(zhǔn)營(yíng)銷(xiāo)的相關(guān)研究，包含精準(zhǔn)營(yíng)銷(xiāo)、數(shù)據(jù)挖掘、用戶畫(huà)像和營(yíng)銷(xiāo)渠道等。類(lèi)團(tuán)B是關(guān)于大數(shù)據(jù)背景下出版業(yè)營(yíng)銷(xiāo)模式的相關(guān)研究，包含數(shù)字出版、圖書(shū)營(yíng)銷(xiāo)、圖書(shū)出版、商業(yè)模式和營(yíng)銷(xiāo)模式等關(guān)鍵詞。類(lèi)團(tuán)C是關(guān)于大數(shù)據(jù)背景下新媒介營(yíng)銷(xiāo)策略和傳播的相關(guān)研究，包含自媒體、新媒體、視頻網(wǎng)站、營(yíng)銷(xiāo)傳播、社交媒體和營(yíng)銷(xiāo)策略等關(guān)鍵詞。類(lèi)團(tuán)D是關(guān)于大數(shù)據(jù)背景下廣告業(yè)的融合和轉(zhuǎn)型升級(jí)的相關(guān)研究，包含廣告產(chǎn)業(yè)、傳統(tǒng)媒體、數(shù)字化轉(zhuǎn)型、媒體融合、廣告營(yíng)銷(xiāo)

其中，向心度表示類(lèi)團(tuán)與其他類(lèi)團(tuán)的聯(lián)系程度，反映類(lèi)團(tuán)間的相互作用關(guān)系，向心度越大，表示其在網(wǎng)絡(luò)中的位置越核心.密度表示類(lèi)團(tuán)內(nèi)關(guān)鍵詞的緊密程度，密度越大，表明類(lèi)團(tuán)內(nèi)部關(guān)鍵詞間聯(lián)系越緊密，發(fā)展的成熟度越高.Callon把戰(zhàn)略圖分成4個(gè)象限，處于第一象限的表示主題成熟度高、處于核心位置，一般為領(lǐng)域的“驅(qū)動(dòng)”主題；第二象限表示主題處于邊緣位置但成熟度高，一般為相對(duì)孤立的類(lèi)團(tuán)；第三象限表示主題處于邊緣位置且成熟度低，一般是增加或者消失的類(lèi)團(tuán)；第四象限表示處于核心位置，

述來(lái)反映各個(gè)研究類(lèi)團(tuán)之間的關(guān)系。傳統(tǒng)文獻(xiàn)通過(guò)聚類(lèi)分析得到某領(lǐng)域研究的聚類(lèi)類(lèi)團(tuán)，用中心度和密度兩種參數(shù)來(lái)表征類(lèi)團(tuán)在某領(lǐng)域中的地位情況。在二維戰(zhàn)略坐標(biāo)圖的基礎(chǔ)上，有學(xué)者增加一個(gè)維度體現(xiàn)類(lèi)團(tuán)的強(qiáng)度[44]或新穎度[45]等，形成三維戰(zhàn)略坐標(biāo)圖，分別用X軸、Y軸和類(lèi)團(tuán)大小表示3種參數(shù)。不同于以往三維戰(zhàn)略坐標(biāo)的建立，本文在關(guān)鍵詞聚類(lèi)分析的基礎(chǔ)上，用X軸表示類(lèi)團(tuán)的中心度，Y軸表示類(lèi)團(tuán)的密度，Z軸表示類(lèi)團(tuán)的新穎度。根據(jù)數(shù)學(xué)上的概念，相互垂直的X軸、Y軸、Z軸把空間劃分為

則，同時(shí)為了避免類(lèi)團(tuán)過(guò)于分散，不利于總結(jié)歸納，最終認(rèn)為將中小學(xué)信息技術(shù)課程研究分為7 類(lèi)比較合理。4.聚類(lèi)分析聚類(lèi)分析是通過(guò)對(duì)共詞關(guān)系網(wǎng)絡(luò)中詞與詞之間的距離進(jìn)行數(shù)學(xué)運(yùn)算分析，將距離較近的關(guān)鍵詞聚集起來(lái)，形成一個(gè)個(gè)概念相對(duì)獨(dú)立的類(lèi)團(tuán)，使得類(lèi)團(tuán)間屬性相似性最小，類(lèi)團(tuán)內(nèi)屬性相似性最大的過(guò)程[3]。雖然根據(jù)因子分析的結(jié)果，確定將中高頻關(guān)鍵詞分為7 個(gè)類(lèi)團(tuán)，但每個(gè)類(lèi)團(tuán)包括哪些關(guān)鍵詞卻并不清楚。為此，將共現(xiàn)矩陣導(dǎo)入SPSS 軟件進(jìn)行聚類(lèi)分析，得到“使用平均聯(lián)接（組間）

據(jù)代表性文獻(xiàn)確定類(lèi)團(tuán)內(nèi)容。3 結(jié)果3.1 文獻(xiàn)量年度分布及增長(zhǎng)情況對(duì)檢索到的文獻(xiàn)進(jìn)行年發(fā)文量統(tǒng)計(jì)和分析，可知國(guó)內(nèi)學(xué)者在20世紀(jì)90年代開(kāi)始關(guān)注我國(guó)營(yíng)養(yǎng)健康教育問(wèn)題，最早的研究文獻(xiàn)發(fā)表于1991年，至今文獻(xiàn)量總體呈逐年增長(zhǎng)趨勢(shì)且增長(zhǎng)速度越來(lái)越快。對(duì)年發(fā)文量及年文獻(xiàn)量進(jìn)行擬合分析,見(jiàn)圖1。年發(fā)文量擬合曲線方程為y=4.930 4x-983 8.9，擬合指數(shù)為R2=0.837 8；年累計(jì)文獻(xiàn)量擬合曲線方程為y=5E-196e0.226 7x，擬合指數(shù)R2=0.9

細(xì)分為不同的研究類(lèi)團(tuán)， 以揭示該階段用戶信息行為的研究熱點(diǎn)和研究結(jié)構(gòu)； 接著計(jì)算出各個(gè)類(lèi)團(tuán)的向心度及密度，生成戰(zhàn)略坐標(biāo)圖，以此反映各類(lèi)團(tuán)的發(fā)展概況， 揭示各研究主題目前所處的狀態(tài)，并描述每個(gè)研究主題內(nèi)部與外部的聯(lián)系。1.2 數(shù)據(jù)采集與處理本研究的數(shù)據(jù)來(lái)源為CNKI、全國(guó)報(bào)刊索引和國(guó)家圖書(shū)館。 在CNKI 數(shù)據(jù)庫(kù)中檢索主題為 “信息行為+用戶”的文獻(xiàn)，時(shí)間區(qū)間為新中國(guó)70 年至今（檢索日期：2019 年03 月30 日），共得到732 條結(jié)果。除了CNKI

軸，繪制各個(gè)研究類(lèi)團(tuán)在戰(zhàn)略坐標(biāo)圖中所處的象限，并分析其意義。2 結(jié)果2.1 DR基因相關(guān)研究文獻(xiàn)分布特征對(duì)2010至2017年刊載DR基因主題文獻(xiàn)的期刊分布進(jìn)行統(tǒng)計(jì)分析，已發(fā)表的1 193篇文獻(xiàn)分布于322種期刊中，發(fā)表文獻(xiàn)數(shù)量總體呈逐年上升趨勢(shì)。發(fā)文量排在前3位的期刊依次為Investigative Ophthalmology & Visual Science （IOVS） ，占總發(fā)文量的8.56%；PLoS One，占總發(fā)文量的6.15%；Molecu

其中向心度代表各類(lèi)團(tuán)之間聯(lián)系的緊密性(核心度)，密度代表各類(lèi)團(tuán)內(nèi)部成員之間聯(lián)系的緊密性(成熟度)。PubMed數(shù)據(jù)庫(kù)是國(guó)際上使用最廣泛、影響力最大的生物醫(yī)學(xué)信息資源數(shù)據(jù)系統(tǒng)，提供大量醫(yī)學(xué)、護(hù)理學(xué)的研究文獻(xiàn)。本研究以PubMed數(shù)據(jù)庫(kù)中收錄的文獻(xiàn)為數(shù)據(jù)源，運(yùn)用共詞分析、社會(huì)網(wǎng)絡(luò)分析的方法，旨在發(fā)現(xiàn)在醫(yī)藥學(xué)、護(hù)理教育中團(tuán)隊(duì)式學(xué)習(xí)的研究熱點(diǎn)、研究熱點(diǎn)之間的關(guān)系及其發(fā)展前景。1 資料與方法1.1 數(shù)據(jù)來(lái)源及處理 選取PubMed數(shù)據(jù)庫(kù), 檢索日期為2017年1月1

“數(shù)字福建”政策類(lèi)團(tuán)的優(yōu)先序，填補(bǔ)了“數(shù)字福建”政策現(xiàn)狀與結(jié)構(gòu)研究方面的空白，為完善與優(yōu)化“數(shù)字福建”提供參考。二、數(shù)據(jù)來(lái)源與研究方法(一)數(shù)據(jù)來(lái)源本文數(shù)據(jù)來(lái)源于北大法寶，檢索時(shí)間：2000年1月至2017年12月(“數(shù)字福建”于2000年首次被提出)。通過(guò)提煉《福建省人民政府辦公廳關(guān)于印發(fā)2017年數(shù)字福建工作要點(diǎn)的通知》和《福建省人民政府辦公廳關(guān)于印發(fā)福建省“十三五”數(shù)字福建專(zhuān)項(xiàng)規(guī)劃的通知》兩份文件的主要內(nèi)容，設(shè)置檢索關(guān)鍵詞為：“數(shù)字福建”“電子政務(wù)”

詞可以劃分為五個(gè)類(lèi)團(tuán)，第一類(lèi)團(tuán)由“就業(yè)壓力”“大學(xué)生”“應(yīng)對(duì)方式”“心理健康”“社會(huì)支持”和“大學(xué)畢業(yè)生”等6個(gè)高頻關(guān)鍵詞組成；第二類(lèi)團(tuán)由“就業(yè)”“壓力”“心理壓力”“對(duì)策”等4個(gè)高頻關(guān)鍵詞組成；第三類(lèi)團(tuán)由“就業(yè)人員”“就業(yè)問(wèn)題”“勞動(dòng)力市場(chǎng)”“下崗職工”“失業(yè)人員”“勞動(dòng)力供給”“失業(yè)人口”“就業(yè)心理壓力”等8個(gè)高頻關(guān)鍵詞組成；第四類(lèi)團(tuán)由“心理壓力源”“焦慮”等2個(gè)高頻關(guān)鍵詞組成；第五類(lèi)團(tuán)由“畢業(yè)生”這一單個(gè)高頻關(guān)鍵詞。圖1　高頻關(guān)鍵詞聚類(lèi)樹(shù)狀圖(二)各

4]密度用于反映類(lèi)團(tuán)內(nèi)部聯(lián)系強(qiáng)度，它可以衡量該主題類(lèi)團(tuán)維持和發(fā)展自己的能力。向心度反映某一類(lèi)團(tuán)與其他類(lèi)團(tuán)的聯(lián)系程度，向心度值越大，該類(lèi)團(tuán)在所屬領(lǐng)域中的位置越重要。本文類(lèi)團(tuán)密度由類(lèi)團(tuán)內(nèi)所有關(guān)鍵詞共現(xiàn)頻次總和的均值得來(lái)，類(lèi)團(tuán)向心度由某個(gè)類(lèi)團(tuán)與其他類(lèi)團(tuán)的關(guān)鍵詞共現(xiàn)頻次總和的均值得來(lái)，將各研究類(lèi)團(tuán)的向心度和密度均值作為坐標(biāo)原點(diǎn)，最終得到各類(lèi)團(tuán)的相對(duì)向心度和相對(duì)密度。圖5 大學(xué)生素質(zhì)教育研究熱點(diǎn)的戰(zhàn)略坐標(biāo)圖結(jié)合表4和圖5，我國(guó)大學(xué)生素質(zhì)教育的研究主題可聚類(lèi)成9個(gè)類(lèi)團(tuán)

行聚類(lèi)分析；選取類(lèi)團(tuán)的代表性文獻(xiàn)，分析各類(lèi)團(tuán)的研究主題；采用戰(zhàn)略坐標(biāo)分析方法，分析目前互聯(lián)網(wǎng)醫(yī)療領(lǐng)域的研究熱點(diǎn)，預(yù)測(cè)研究發(fā)展趨勢(shì)。2 國(guó)內(nèi)互聯(lián)網(wǎng)醫(yī)療研究的主題內(nèi)容分析2.1 選取高頻關(guān)鍵詞使用書(shū)目共現(xiàn)分析軟件BICOMB[2]對(duì)1 240條數(shù)據(jù)的關(guān)鍵詞進(jìn)行清洗、統(tǒng)計(jì)分析，共獲得了2 780個(gè)有效關(guān)鍵詞，選取詞頻大于等于5的關(guān)鍵詞(共73個(gè)，占40.36%)作為研究主題的高頻關(guān)鍵詞(表1)。表1 2008-2018年互聯(lián)網(wǎng)醫(yī)療期刊論文高頻關(guān)鍵詞2.2 構(gòu)建文

對(duì)聚合而成的主題類(lèi)團(tuán)采取戰(zhàn)略坐標(biāo)分析方法，通過(guò)計(jì)算各主題類(lèi)團(tuán)的向心度和密度，繪制UNESCO科學(xué)傳播不同研究主題的戰(zhàn)略坐標(biāo)圖，描述各研究主題之間的內(nèi)部聯(lián)系及相互之間的影響力。本文對(duì)有關(guān)UNESCO科學(xué)傳播的文獻(xiàn)發(fā)表時(shí)間限定為：2005一2016年。鑒于2010年大數(shù)據(jù)、云計(jì)算興起，隨著信息處理方式的轉(zhuǎn)變，必然會(huì)對(duì)科學(xué)傳播的方式及內(nèi)容造成一定的影響。因此，本文為清晰反映不同時(shí)段尤其是近年來(lái)的研究熱點(diǎn)，選擇2010年為時(shí)間窗，將文獻(xiàn)發(fā)表時(shí)間劃分為2005一20

題聚類(lèi)成團(tuán)，并對(duì)類(lèi)團(tuán)進(jìn)行深入分析[4]。本文對(duì)隱性知識(shí)相關(guān)研究文獻(xiàn)中的高頻關(guān)鍵詞共現(xiàn)矩陣采用統(tǒng)計(jì)軟件SPSS 22.0進(jìn)行系統(tǒng)聚類(lèi)，分析并得出該領(lǐng)域的研究熱點(diǎn)。1.2.3 因子分析通過(guò)因子分析可以將高頻關(guān)鍵詞按照類(lèi)別分成適當(dāng)?shù)慕M別，以便在此基礎(chǔ)上做進(jìn)一步的分析。2 數(shù)據(jù)處理本文對(duì)數(shù)據(jù)的處理包括數(shù)據(jù)清洗、數(shù)據(jù)統(tǒng)計(jì)及生成矩陣三部分，處理工具主要使用Bicomb 2.0書(shū)目共現(xiàn)分析系統(tǒng)。2.1 數(shù)據(jù)清洗本文將1 124條隱性知識(shí)管理相關(guān)文獻(xiàn)的題錄從NoteExp

，并在每個(gè)生成的類(lèi)團(tuán)關(guān)鍵詞粘合度值計(jì)算結(jié)果的基礎(chǔ)上確定每個(gè)類(lèi)團(tuán)的主題。最后結(jié)合原始文獻(xiàn)對(duì)每個(gè)主題的研究?jī)?nèi)容進(jìn)行詳細(xì)分析。3.1.1 關(guān)鍵詞聚類(lèi)3.1.1.1 選取高頻關(guān)鍵詞Bicomb統(tǒng)計(jì)的信息行為相關(guān)研究文獻(xiàn)中關(guān)鍵詞共有2 557個(gè)。去掉高頻關(guān)鍵詞“信息行為”及類(lèi)似“研究”“分析”等一些對(duì)揭示主題內(nèi)容無(wú)意義的關(guān)鍵詞，截取其中頻次≥10的49個(gè)關(guān)鍵詞(表1)為該領(lǐng)域的高頻關(guān)鍵詞，對(duì)其在每篇文獻(xiàn)中出現(xiàn)情況進(jìn)行統(tǒng)計(jì)，生成形成如表2所示的49*49的高頻關(guān)鍵詞詞

關(guān)鍵詞變化、主題類(lèi)團(tuán)演進(jìn)以及研究主題成熟度分析了解精準(zhǔn)醫(yī)療領(lǐng)域的主題研究現(xiàn)狀。3.7.2.1 關(guān)鍵詞變化主要關(guān)鍵詞重疊圖清晰地反映三個(gè)時(shí)間段內(nèi)精準(zhǔn)醫(yī)療領(lǐng)域關(guān)鍵詞新生和消亡的變化情況，水平箭頭上方數(shù)字代表兩個(gè)階段均存在的主要關(guān)鍵詞數(shù)量和百分比，斜上箭頭旁數(shù)字表示消失的關(guān)鍵詞數(shù)量，斜下箭頭旁數(shù)字的涵義是新生關(guān)鍵詞數(shù)量[15]。圖2是利用SciMAT 繪制的精準(zhǔn)醫(yī)療領(lǐng)域3個(gè)階段的主要關(guān)鍵詞重疊圖，從左至右分別為2008-2010年、2011-2013年、2014

很高，說(shuō)明這兩個(gè)類(lèi)團(tuán)和MIS研究的核心主題領(lǐng)域的其他研究重點(diǎn)之間的聯(lián)系非常密切，是MIS研究領(lǐng)域的主要內(nèi)容。由于類(lèi)團(tuán)內(nèi)部的各項(xiàng)研究關(guān)系密切，是研究相對(duì)成熟的內(nèi)容。根據(jù)相關(guān)文獻(xiàn)資料的研究?jī)?nèi)容來(lái)看，在2005到2006年的時(shí)候是知識(shí)管理研究的高峰期，自從2008年開(kāi)始，針對(duì)于知識(shí)管理的研究水平很高，知識(shí)管理被看做是第五代的管理模式和管理理論，是受人關(guān)注的重要內(nèi)容，由于管制組織的當(dāng)前知識(shí)含量建立了龐大的知識(shí)管理平臺(tái)，能夠在最大的范圍里實(shí)現(xiàn)知識(shí)的交流和溝通，屬于知

化方法來(lái)描述研究類(lèi)團(tuán)或研究熱點(diǎn)的角色地位及它們之間的互相影響情況和內(nèi)部結(jié)構(gòu)[1]?，F(xiàn)有運(yùn)用戰(zhàn)略坐標(biāo)分析方法的文章主要有兩大類(lèi)，一類(lèi)為共詞戰(zhàn)略坐標(biāo)分析，一類(lèi)為引文戰(zhàn)略坐標(biāo)分析。其中，共詞戰(zhàn)略坐標(biāo)分析一般以中心度和密度為坐標(biāo)，中心度是衡量類(lèi)團(tuán)間緊密度的指標(biāo)，中心度越大，該團(tuán)和其他團(tuán)的聯(lián)系越緊密，該類(lèi)團(tuán)的地位便越核心；密度則是指一個(gè)類(lèi)團(tuán)自身內(nèi)部的聯(lián)系強(qiáng)度，密度越大，則該類(lèi)團(tuán)的研究便越成熟[2]。引文戰(zhàn)略坐標(biāo)分析一般以新穎度和關(guān)注度為坐標(biāo)。新穎度是根據(jù)每篇論文的發(fā)

詞對(duì)關(guān)系網(wǎng)中不同類(lèi)團(tuán)的分類(lèi)界定。因此，具體相關(guān)熱點(diǎn)領(lǐng)域的呈現(xiàn)需進(jìn)一步通過(guò)系統(tǒng)聚類(lèi)和多維尺度進(jìn)行可視化分析以直觀簡(jiǎn)明呈現(xiàn)領(lǐng)域劃分。（三）可視化分析知識(shí)可視化是指那些可以用來(lái)建構(gòu)和傳達(dá)復(fù)雜觀點(diǎn)的圖解形式。它不僅能夠提高知識(shí)傳遞的效率，而且能夠使知識(shí)在傳播的過(guò)程中整合生成新知識(shí)。［9］樹(shù)狀圖和知識(shí)圖譜屬于知識(shí)可視化的視覺(jué)表征工具。為后續(xù)聚類(lèi)分析的需求，用“1”與相似矩陣內(nèi)各數(shù)據(jù)相減轉(zhuǎn)化為反映兩個(gè)關(guān)鍵詞之間差異程度的相異矩陣，通過(guò)系統(tǒng)聚類(lèi)分析和多維尺度分析以獲得可

方法則可以實(shí)現(xiàn)對(duì)類(lèi)團(tuán)含義的揭示，清晰展示研究前沿。本文借助于雙聚類(lèi)算法對(duì)乳腺癌相關(guān)酶研究文獻(xiàn)進(jìn)行分析，實(shí)現(xiàn)行和列的同時(shí)聚類(lèi)，從行和列兩個(gè)維度共同分析，比較不同時(shí)間窗內(nèi)聚類(lèi)結(jié)果的變化，發(fā)現(xiàn)乳腺癌相關(guān)酶研究的前沿內(nèi)容。1 數(shù)據(jù)和方法1.1 數(shù)據(jù)來(lái)源在PubMed數(shù)據(jù)庫(kù)中檢索2009-2011年和2012-2014年乳腺癌相關(guān)酶研究的相關(guān)文獻(xiàn)，構(gòu)建檢索表達(dá)式為“Breast Neoplasms/enzymology”[Mesh]AND (“2009/01/01”

根據(jù)關(guān)鍵詞或主題類(lèi)團(tuán)在多維尺度圖中的位置和距離，可以初步直觀地判斷不同知識(shí)點(diǎn)或研究主題在醫(yī)學(xué)倫理學(xué)領(lǐng)域的地位及相互關(guān)聯(lián)關(guān)系。圖2 42個(gè)醫(yī)學(xué)倫理學(xué)高頻關(guān)鍵詞的聚類(lèi)龍骨圖圖3 醫(yī)學(xué)倫理學(xué)主題熱點(diǎn)的多維尺度圖由圖2可知，42個(gè)醫(yī)學(xué)倫理學(xué)高頻關(guān)鍵詞可劃分為9個(gè)主題類(lèi)團(tuán)。結(jié)合領(lǐng)域高頻關(guān)鍵詞列表、聚類(lèi)結(jié)果、多維尺度分布、各關(guān)鍵詞之間的實(shí)際語(yǔ)義關(guān)系以及專(zhuān)家意見(jiàn)，筆者對(duì)部分關(guān)鍵詞的類(lèi)團(tuán)歸屬進(jìn)行了調(diào)整(將類(lèi)4中的“l(fā)aw”劃歸類(lèi)9)，并在圖3中用虛線和數(shù)字加以標(biāo)識(shí)。這些主

[5]該方法根據(jù)類(lèi)團(tuán)內(nèi)部和類(lèi)團(tuán)之間關(guān)鍵詞的共現(xiàn)頻率,計(jì)算各類(lèi)團(tuán)的密度和向心度值,密度表示類(lèi)團(tuán)維持和發(fā)展自己的能力,向心度表示詞團(tuán)之間的相互影響程度.類(lèi)團(tuán)的密度越大,表明類(lèi)團(tuán)內(nèi)部成員之間的關(guān)系越緊密,成熟度越高;類(lèi)團(tuán)的向心度越大表明與其他類(lèi)團(tuán)的關(guān)系越大,在整個(gè)領(lǐng)域中的地位越重要.利用向心度和密度建立二維坐標(biāo)系,即為戰(zhàn)略坐標(biāo),通過(guò)四個(gè)象限描述各主題的研究發(fā)展?fàn)顩r,[6]依此對(duì)ERP的研究進(jìn)行現(xiàn)狀分析和趨勢(shì)預(yù)測(cè).2　數(shù)據(jù)來(lái)源與數(shù)據(jù)預(yù)處理2.1數(shù)據(jù)來(lái)源以CNKI中

相對(duì)獨(dú)立的團(tuán)體-類(lèi)團(tuán)[9]。本文劃分類(lèi)團(tuán)時(shí)將去掉沒(méi)有統(tǒng)計(jì)分析意義的僅由一個(gè)關(guān)鍵詞或兩個(gè)關(guān)鍵詞組成的類(lèi)團(tuán)[10]和由主題概念不甚關(guān)聯(lián)的關(guān)鍵詞組成的類(lèi)團(tuán)[11]。類(lèi)團(tuán)內(nèi)部各關(guān)鍵詞對(duì)聚類(lèi)的貢獻(xiàn)度用“粘合力”衡量，某一關(guān)鍵詞與類(lèi)團(tuán)內(nèi)其他關(guān)鍵詞的共現(xiàn)次數(shù)越多，其粘合力越大，在類(lèi)團(tuán)中的地位越突出。在一個(gè)類(lèi)團(tuán)中，粘合力最大的關(guān)鍵詞稱(chēng)為中心詞[12]。本文通過(guò)計(jì)算類(lèi)團(tuán)內(nèi)某一關(guān)鍵詞和其他關(guān)鍵詞的絕對(duì)共現(xiàn)頻次的平均值得到該關(guān)鍵詞的粘合力值，并根據(jù)每個(gè)類(lèi)團(tuán)內(nèi)粘合力最大的幾個(gè)關(guān)鍵

鍵詞詞頻分布表、類(lèi)團(tuán)關(guān)系圖等，通過(guò)對(duì)所構(gòu)建的兩個(gè)學(xué)科的共詞知識(shí)圖譜進(jìn)行詳細(xì)比較對(duì)比，分析兩門(mén)學(xué)科的當(dāng)前研究熱點(diǎn)、研究趨勢(shì)及前景。2 研究方法及過(guò)程2.1 數(shù)據(jù)來(lái)源本文采用的數(shù)據(jù)來(lái)源于《中文社會(huì)科學(xué)引文索引》檢索系統(tǒng)。本文選取CSSCI1989～2013年收錄的期刊----鋼鐵研究學(xué)報(bào)和復(fù)合材料學(xué)報(bào)、電焊機(jī)和焊接技術(shù)做樣本，套錄該期刊文獻(xiàn)的所有題錄信息。具體方法：打開(kāi)CSSCI 檢索界面，收錄年限選定為1989～2013，在［來(lái)源文獻(xiàn)］檢索界面的［期刊名稱(chēng)］

度將其劃分為不同類(lèi)團(tuán)[5]。戰(zhàn)略坐標(biāo)分析是在共詞分析和聚類(lèi)分析的基礎(chǔ)上，計(jì)算不同類(lèi)團(tuán)的密度和向心度，將其劃入不同象限，通過(guò)類(lèi)團(tuán)內(nèi)部研究的集中程度和類(lèi)團(tuán)之間聯(lián)系的緊密程度來(lái)揭示某研究領(lǐng)域一段時(shí)間以來(lái)的主題演化和發(fā)展趨勢(shì)[6]。1.3 數(shù)據(jù)處理對(duì)文獻(xiàn)關(guān)鍵詞進(jìn)行連字符、同義詞及單復(fù)數(shù)處理后，將占總詞頻30%以上的關(guān)鍵詞設(shè)為高頻詞，由于“e-learning”(595頻次)是本文分析的主題詞，予以刪除，再去除與主題無(wú)關(guān)的關(guān)鍵詞如“generalization er

受控概率隱形傳輸類(lèi)團(tuán)簇態(tài)楊本朝， 曾 光(信息工程大學(xué) 數(shù)學(xué)工程與先進(jìn)計(jì)算國(guó)家重點(diǎn)實(shí)驗(yàn)室 河南 鄭州 450002)提出一個(gè)利用部分糾纏EPR對(duì)和W態(tài)作為量子信道，在可信第三方(Charlie)的控制下，發(fā)送方(Alice)進(jìn)行3次Bell基測(cè)量、一次Hadmard變換和單粒子測(cè)量，接收方(Bob)引進(jìn)一個(gè)輔助粒子，進(jìn)行相應(yīng)的幺正操作，則可以以一定的概率實(shí)現(xiàn)類(lèi)團(tuán)簇態(tài)的隱形傳輸.隱形傳輸； 幺正變換； 類(lèi)團(tuán)簇態(tài)0 引言自1993年Bennett等人提出量子隱

究熱點(diǎn)劃分為五大類(lèi)團(tuán)，為后續(xù)知識(shí)管理相關(guān)內(nèi)容的進(jìn)一步研究提供參考。知識(shí)管理；共詞分析；類(lèi)團(tuán)分析一、引言知識(shí)管理是當(dāng)下網(wǎng)絡(luò)信息時(shí)代的新興學(xué)科之一，吸引著不同領(lǐng)域研究人員的關(guān)注。知識(shí)管理領(lǐng)域的研究現(xiàn)狀和熱點(diǎn)在一定程度上能反映研究人員對(duì)其所在領(lǐng)域、所研究對(duì)象的含義、范疇、原理和方法等的綜合認(rèn)識(shí)程度，也是知識(shí)管理學(xué)科走向成熟和趨于穩(wěn)定的必然過(guò)程。因此了解知識(shí)管理研究領(lǐng)域的現(xiàn)狀和熱點(diǎn)對(duì)知識(shí)管理學(xué)科的發(fā)展具有重要的意義。20世紀(jì)90年代以來(lái)，雖然有一些學(xué)者利用文獻(xiàn)計(jì)量

對(duì)聚類(lèi)結(jié)果進(jìn)行類(lèi)團(tuán)可視化分析。三、研究過(guò)程及結(jié)果分析1.共詞矩陣建立進(jìn)行共詞分析的第一步也是關(guān)鍵的一步就是對(duì)所得樣本的關(guān)鍵詞進(jìn)行處理，以本文為例，需要?jiǎng)h除一部分對(duì)研究沒(méi)有多少實(shí)際意義的關(guān)鍵詞，為了更好地反映此主題的研究結(jié)構(gòu)，將與研究主體相近，但出現(xiàn)頻次過(guò)多的“信息技術(shù)”“整合”“課程整合”和“信息技術(shù)與課程整合”進(jìn)行刪除，對(duì)“誤區(qū)”“應(yīng)用”“實(shí)踐”等意義過(guò)泛、無(wú)實(shí)際研究意義的詞進(jìn)行刪除，另外，對(duì)意義非常接近，但是因?yàn)檠芯空叩睦斫獠煌胁煌瑯?biāo)注的詞進(jìn)行合

以及主要的關(guān)鍵詞類(lèi)團(tuán)。通過(guò)計(jì)算每一類(lèi)團(tuán)中各關(guān)鍵詞的粘合度值，表達(dá)類(lèi)團(tuán)中各關(guān)鍵詞對(duì)聚類(lèi)成團(tuán)的貢獻(xiàn)程度，確定每一類(lèi)團(tuán)的核心概念；同時(shí)通過(guò)計(jì)算不同關(guān)鍵詞類(lèi)團(tuán)的向心度和密度值，繪制出我國(guó)館藏資源研究中不同研究主題的戰(zhàn)略坐標(biāo)圖，描述各研究主題內(nèi)部聯(lián)系情況和主題間相互影響的情況。2 我國(guó)館藏資源研究的主題內(nèi)容分析2.1 高頻關(guān)鍵詞的選取與聚類(lèi)本文以檢索到的與館藏資源相關(guān)的論文為數(shù)據(jù)源，套錄每一篇文獻(xiàn)的關(guān)鍵詞，統(tǒng)計(jì)各關(guān)鍵詞的詞頻，考慮到多數(shù)關(guān)鍵詞出現(xiàn)的頻次較低，從而導(dǎo)致

，最終分為15個(gè)類(lèi)團(tuán)，每個(gè)類(lèi)團(tuán)包含的關(guān)鍵詞如表4所示。4 戰(zhàn)略坐標(biāo)圖解將每個(gè)類(lèi)團(tuán)內(nèi)部各個(gè)詞之間的內(nèi)部鏈接數(shù)的平均值（類(lèi)團(tuán)的密度值）作為橫坐標(biāo)，每個(gè)類(lèi)團(tuán)與剩余其他類(lèi)團(tuán)外部鏈接的總和（類(lèi)團(tuán)的向心度值）作為縱坐標(biāo)，可以得到15個(gè)類(lèi)團(tuán)的戰(zhàn)略坐標(biāo)圖分布，如圖1所示。表2 點(diǎn)度中心度大于平均值的關(guān)鍵詞表3 高頻關(guān)鍵詞共現(xiàn)的相異矩陣（部分）圖1 高分子材料領(lǐng)域15個(gè)類(lèi)團(tuán)的戰(zhàn)略坐標(biāo)分布圖表4 熱點(diǎn)關(guān)鍵詞類(lèi)團(tuán)信息表表5 戰(zhàn)略坐標(biāo)圖中研究類(lèi)團(tuán)的受資助情況統(tǒng)計(jì)象限I中的類(lèi)團(tuán)內(nèi)部

2 管理科學(xué)期刊類(lèi)團(tuán)間的引證網(wǎng)絡(luò)為了直觀了解期刊類(lèi)團(tuán)間的交流模式，繪制期刊類(lèi)團(tuán)間引證網(wǎng)絡(luò)圖（如圖2）。圖中橢圓形代表各期刊類(lèi)團(tuán)，箭頭指向被引期刊類(lèi)團(tuán)，即表示向該類(lèi)期刊類(lèi)團(tuán)提供引文。圖中括號(hào)內(nèi)的數(shù)值指某一期刊類(lèi)團(tuán)自引數(shù)占該類(lèi)團(tuán)引用所有期刊類(lèi)團(tuán)數(shù)的百分比（即自引比），圖中箭線上的數(shù)值是某一類(lèi)期刊向其他期刊類(lèi)團(tuán)提供引文量占其總提供引文量的的百分比，其中總提供引文量不包括該類(lèi)團(tuán)的自引量在內(nèi)。為了使圖形易于顯示，凡箭線上的數(shù)值低于百分比20%的箭線不再標(biāo)示。該圖突出

知識(shí)圖譜方法中的類(lèi)團(tuán)關(guān)系圖來(lái)定量地分析兩個(gè)時(shí)期農(nóng)史學(xué)科集中關(guān)注的熱點(diǎn)主題和主題變遷，使結(jié)論具有定性、定量的特點(diǎn)，提供了一個(gè)觀察學(xué)科發(fā)展演進(jìn)過(guò)程全景的新視角。2 數(shù)據(jù)處理2.1 篩選和清理數(shù)據(jù)源本次實(shí)驗(yàn)共詞數(shù)據(jù)采用套錄“中國(guó)農(nóng)史論文全文數(shù)據(jù)庫(kù)”（該數(shù)據(jù)庫(kù)是由南京農(nóng)業(yè)大學(xué)中華農(nóng)業(yè)文明研究院開(kāi)發(fā)的，主要對(duì)現(xiàn)、當(dāng)代農(nóng)史研究論文進(jìn)行數(shù)字化加工和整合。共收錄1980—2005年間的農(nóng)史論文10098篇）的數(shù)據(jù)，補(bǔ)充錄入2005—2008年數(shù)據(jù)的方法（補(bǔ)充數(shù)據(jù)主要采用“