文獻(xiàn)信息分析工具的比較

， ， ，士靖

文獻(xiàn)信息分析工具通過結(jié)合文獻(xiàn)計(jì)量學(xué)、社會(huì)計(jì)量學(xué)、統(tǒng)計(jì)學(xué)、圖形學(xué)、信息科學(xué)、計(jì)算機(jī)科學(xué)的技術(shù)和方法，幫助用戶快速地獲取高價(jià)值信息，高效追蹤學(xué)科前沿。現(xiàn)有的文獻(xiàn)信息分析工具主要分為基于統(tǒng)計(jì)的分析工具、基于文獻(xiàn)計(jì)量的分析工具、基于社會(huì)網(wǎng)絡(luò)的分析工具和基于PubMed的分析工具四大類。隨著分析工具種類的不斷增加，已有一些學(xué)者對(duì)其進(jìn)行了比較研究，如M.J. Cobo等對(duì)知識(shí)圖譜類工具進(jìn)行了系統(tǒng)介紹和比較[1]，肖明[2]、楊思洛[3]等也對(duì)知識(shí)圖譜類工具進(jìn)行了比較。盡管如此，目前對(duì)文獻(xiàn)信息分析工具比較研究方面還存在諸多不足，涉及的范圍比較窄，并不能起到幫助用戶全方位了解和選擇分析工具的作用。

本文擬遵循可獲得性(開放性)、使用廣泛性和功能優(yōu)越性原則，選擇其中一些工具進(jìn)行比較研究，以期達(dá)到幫助用戶篩選工具、提高不同工具使用效率的目的。

1 研究對(duì)象和方法

1.1 研究對(duì)象

本文所取文獻(xiàn)信息分析工具主要來源于官方網(wǎng)站(如Histcite,SCI2,Vosviewer,Citnetexplore,Gephi,Network Workbench Tool, SciMAT,Inspire,VantagePoint,ColPalRed,Bibexcel,Pajek,SATI,GOPubMed, PubMedplus,本地PubMed,Anne O'Tate,PubFocus)，科學(xué)網(wǎng)(如Citespace,Bicomb)和CSDN網(wǎng)站(如Netdraw,Ucinet, Refviz)。

根據(jù)工具的功能進(jìn)行分類，并從各類工具中選取多個(gè)代表性工具，具體選取過程和結(jié)果如下。第一類是基于統(tǒng)計(jì)的分析工具，如SPSS，SAS，Excel 等。此類工具現(xiàn)已應(yīng)用于多個(gè)領(lǐng)域，本研究不做介紹。第二類是基于文獻(xiàn)計(jì)量的分析工具，如Histcite[4],Citespace[5-7],Bibexcel[8],Inspire[9],ColPalRed[10],SATI[11],Leydesdorff系列軟件[12],Bicomb[13],SCI2[14],Network Workbench Tool[15],Vantagepoint[16],Vosviewer[17],Citnetexplore[18-19],SciMAT[20],Refviz。 其中，Bibexcel,Bicomb,SATI,Leydesdorff系列軟件是專門用來構(gòu)建關(guān)系矩陣的工具，Bibexcel的功能最為強(qiáng)大，Bicomb和SATI是國內(nèi)學(xué)者開發(fā)的；Histcite,Citnetexplore用于直接引文網(wǎng)絡(luò)，Histcite影響力更大、使用更廣泛；Citespace,SCI2,Vosviewer,Network Workbench Tool,SciMAT是功能較為完整的工具；SCI2,Network Workbench Tool是同一團(tuán)隊(duì)開發(fā)的，具有很大的相似性，但SCI2在功能和廣泛性方面更具優(yōu)勢(shì)；VantagePoint,ColPalRed,Inspire是收費(fèi)工具，無法獲取。第三類是基于社會(huì)網(wǎng)絡(luò)的分析工具，如Pajek[21-22],Ucinet[23],Gephi[24],Netdraw。其中Pajek和Ucinet是綜合分析工具，功能多樣。第四類是基于PubMed的分析工具，如GOPubMed[25],PubMedplus,本地PubMed,PubFocus,Anne O'Tate[26]。其中，GOPubMed是最早基于語義分類工具開發(fā)的，功能強(qiáng)大；本地PubMed和PubMedplus是國內(nèi)機(jī)構(gòu)研發(fā)的，融合了多個(gè)工具的功能。相對(duì)來說，Anne O'Tate和PubFocus的功能較為簡(jiǎn)單。綜上所述，最終選擇了13種的分析工具進(jìn)行比較，詳見表1。

1.2 研究方法

根據(jù)文獻(xiàn)分析工具的性能和分析流程對(duì)分析工具從多個(gè)維度進(jìn)行比較。分析流程通常分為數(shù)據(jù)準(zhǔn)備、分析、結(jié)果解讀和可視化等三個(gè)步驟[1]。數(shù)據(jù)準(zhǔn)備是文獻(xiàn)信息分析工具實(shí)現(xiàn)目標(biāo)的基礎(chǔ)，包括文獻(xiàn)檢索和數(shù)據(jù)預(yù)處理；分析是文獻(xiàn)信息分析工具工作的主體，包括構(gòu)建關(guān)系矩陣、標(biāo)準(zhǔn)化處理、映射和分析方法的選擇；結(jié)果可視化和解讀則是文獻(xiàn)信息分析工具的價(jià)值體現(xiàn)，旨在通過各種圖譜的展示，幫助用戶對(duì)結(jié)果進(jìn)行解讀。最終確定從支持的數(shù)據(jù)格式、數(shù)據(jù)預(yù)處理、構(gòu)建的矩陣、標(biāo)準(zhǔn)化處理、分析方法、結(jié)果的可視化6個(gè)維度對(duì)選出的13種分析工具進(jìn)行比較。

2 文獻(xiàn)信息分析工具的比較

2.1 支持的數(shù)據(jù)格式

文獻(xiàn)分析是基于一定的數(shù)據(jù)進(jìn)行的，分析工具主要支持書目數(shù)據(jù)、網(wǎng)絡(luò)數(shù)據(jù)或者其他格式數(shù)據(jù)?；赑ubMed開發(fā)的工具，將PubMed作為數(shù)據(jù)源，無須導(dǎo)入數(shù)據(jù)；而基于社會(huì)網(wǎng)絡(luò)的工具，如Pajek,Ucinet等不支持書目數(shù)據(jù)，而是導(dǎo)入經(jīng)過加工的網(wǎng)絡(luò)格式數(shù)據(jù)或用戶自行創(chuàng)建的矩陣數(shù)據(jù)。表2可見，大部分工具支持WOS,Scopus,PubMed等數(shù)據(jù)庫。其中，Citespace支持多個(gè)數(shù)據(jù)庫，SCI2則支持多種類型的數(shù)據(jù)。對(duì)于中文數(shù)據(jù)庫，Citespace,Bibexcel等支持轉(zhuǎn)化后的CSSCI數(shù)據(jù)庫，Bicomb和SATI支持萬方和中國知網(wǎng)數(shù)據(jù)庫。

表2 13種分析工具支持的數(shù)據(jù)格式

2.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是分析的一個(gè)重要步驟，主要有去重、時(shí)間切片、數(shù)據(jù)精簡(jiǎn)和網(wǎng)絡(luò)精簡(jiǎn)等功能。13種分析工具的數(shù)據(jù)預(yù)處理功能見表3。

表3 13種分析工具的數(shù)據(jù)預(yù)處理功能比較

表3顯示SciMAT和SCI2包含4種數(shù)據(jù)預(yù)處理模塊，優(yōu)勢(shì)明顯；大部分工具支持?jǐn)?shù)據(jù)精簡(jiǎn)和網(wǎng)絡(luò)精簡(jiǎn)；Pajek和Ucinet無數(shù)據(jù)預(yù)處理功能。GOPubMed，PubMedplus和本地PubMed基于語義分類工具GO&MeSH引入本體概念，支持語義級(jí)的交換，可消除或減少由于同義詞或相近詞概念及術(shù)語的混亂，在語義數(shù)據(jù)處理方面優(yōu)勢(shì)明顯。此外，PubMedplus還增加了單位和作者異名的規(guī)范處理功能。

2.3 實(shí)現(xiàn)的關(guān)系矩陣

關(guān)系矩陣中最常見的分析單元是期刊、文獻(xiàn)、參考文獻(xiàn)、作者、主題詞或關(guān)鍵詞。分析單元之間的關(guān)系可分為三類。第一類是直接引文關(guān)系，即直接從信息的發(fā)送者到信息的接受者。第二類是將分析單元之間的關(guān)系用做共現(xiàn)數(shù)據(jù)，即通過計(jì)算兩個(gè)分析單元在文獻(xiàn)中同時(shí)出現(xiàn)的次數(shù)來衡量兩個(gè)分析單元之間的相似性，包括合作、耦合、共引和共詞。合作用來分析研究領(lǐng)域的社會(huì)結(jié)構(gòu)，共詞則是使用文獻(xiàn)中最重要的主題詞或者關(guān)鍵詞研究一個(gè)領(lǐng)域的概念結(jié)構(gòu)[27]，共引和書目耦合用來分析研究領(lǐng)域的知識(shí)結(jié)構(gòu)。區(qū)別在于，書目耦合是固定和永久的引文關(guān)系，共引關(guān)系是隨時(shí)間而變的[28]。第三類是一些不常見的或復(fù)雜的網(wǎng)絡(luò)。表4列舉了各種分析工具可以創(chuàng)建的關(guān)系矩陣?？梢钥闯?，沒有一個(gè)工具可以創(chuàng)建全部關(guān)系矩陣，大部分工具都支持共現(xiàn)矩陣的創(chuàng)建，其中Citespace,Vosviewer,SciMAT,SCI2,Bibexcel等可以構(gòu)建多數(shù)關(guān)系矩陣，但只有Histcite和SCI2支持直接引文網(wǎng)絡(luò)。相對(duì)于GOPubMed和本地PubMed僅關(guān)注于一種網(wǎng)絡(luò)，PubMedplus可以構(gòu)建4種網(wǎng)絡(luò)，Pajek和Ucinet則不支持文獻(xiàn)計(jì)量學(xué)網(wǎng)絡(luò)的創(chuàng)建。此外，SATI可以創(chuàng)建包含詞條共現(xiàn)矩陣、頻率分析矩陣、文檔詞條矩陣等在內(nèi)的8種矩陣。

表4 13種分析工具構(gòu)建的關(guān)系矩陣

2.4 標(biāo)準(zhǔn)化處理

構(gòu)建了分析單元的關(guān)系矩陣之后，需通過標(biāo)準(zhǔn)化處理對(duì)數(shù)據(jù)間的相似性進(jìn)行測(cè)量來獲得數(shù)據(jù)之間的隱含關(guān)系，簡(jiǎn)而言之就是對(duì)數(shù)據(jù)進(jìn)行規(guī)范化。13種分析工具的標(biāo)準(zhǔn)化處理方法見表5。

表5 13種分析工具的標(biāo)準(zhǔn)化處理方法

常用標(biāo)準(zhǔn)化處理方法有Salton's余弦、Jaccard's指數(shù)、Equivalence指數(shù)、關(guān)聯(lián)強(qiáng)度等[2]。如表5所示，大部分分析工具都使用了上述方法中的一種或多種；GOPubMed，PubMedplus，本地PubMed則因使用GO&MeSH工具，使用潛在語義分析將語料庫與本體進(jìn)行連接；Pajek和Histcite則無規(guī)范化處理的功能。

2.5 分析方法

分析工具所用的分析方法很多，如網(wǎng)絡(luò)分析、地理空間分析、時(shí)間序列、性能分析、突變檢測(cè)等。網(wǎng)絡(luò)分析是測(cè)量某一節(jié)點(diǎn)在整個(gè)網(wǎng)絡(luò)中的中心度，或一個(gè)聚類在圖譜中的中心度；地理空間分析則是回答事件在哪里發(fā)生及其對(duì)周圍區(qū)域的影響；時(shí)間序列，或縱向分析旨在分析不同時(shí)間段研究領(lǐng)域的演變，主要通過對(duì)趨勢(shì)、離群、活動(dòng)、模式和季節(jié)性等的觀測(cè)，是知識(shí)圖譜分析中最常見的一種分析方法；性能分析使用基于引文的文獻(xiàn)計(jì)量學(xué)指標(biāo)和方法來量化圖譜和網(wǎng)絡(luò)中不同元素的重要性、影響和質(zhì)量；突變檢測(cè)是時(shí)間序列分析的一種，旨在發(fā)現(xiàn)有限的持續(xù)時(shí)間內(nèi)變量的劇烈變化[1]。表6顯示，最常見的方法是網(wǎng)絡(luò)分析、時(shí)間序列分析和突變檢測(cè)。其中，Citespace,SciMAT和SCI2的分析方法最多；Ucinet采用多種網(wǎng)絡(luò)分析指標(biāo)。本地PubMed和PubMedplus等都使用了期刊影響因子、H指數(shù)、被引頻次等指標(biāo)；此外，PubMedplus使用了替代計(jì)量學(xué)的評(píng)價(jià)指標(biāo)Altmetric得分，本地PubMed增加了威望指數(shù)。

表6 13種分析工具的分析方法

2.6 可視化圖譜

可視化圖譜用來幫助用戶分析和理解結(jié)果。不同分析工具構(gòu)建的圖譜也不同(表7)。

表7 13種工具的可視化圖譜

在時(shí)間序列分析的可視化中，Histcite使用編年史圖，Citespace使用時(shí)間線視圖，SciMAT使用演變地圖和重疊條目圖，GOPubMed,PubMedplus和本地PubMed則使用的是趨勢(shì)圖。Citespace，Vosviewer，SCI2，Pajek，Ucinet，GOPubMed，本地PubMed等可實(shí)現(xiàn)多種類型的可視化圖譜。其中SCI2是一個(gè)模塊化的工具集，除自身所具備的可視化技術(shù)，還內(nèi)置多種可視化軟件；SATI, Bibexcel，Bicomb等不具備可視化功能，需要借助其他可視化軟件。

3 結(jié)論和建議

3.1 結(jié)論

通過對(duì)13種分析工具的比較，可以看出每一個(gè)工具都有著不同的特點(diǎn)，沒有一個(gè)工具能夠囊括所有的功能。比較結(jié)果顯示,Citespace,SCI2,SciMAT功能較完整，其他工具也有各自的優(yōu)勢(shì)。對(duì)13種分析工具特點(diǎn)歸納如下。

Histcite主要用于對(duì)書目數(shù)據(jù)進(jìn)行基本的統(tǒng)計(jì)分析，以時(shí)間序列編制引文編年史圖展示領(lǐng)域的演變路徑，但無法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，分析方法較少。

Citespace支持中文數(shù)據(jù)庫在內(nèi)的多個(gè)數(shù)據(jù)庫，可以構(gòu)建常見的關(guān)系網(wǎng)絡(luò)，采用多種文獻(xiàn)計(jì)量學(xué)分析方法定量分析可視化結(jié)果，從多個(gè)角度展示某領(lǐng)域的演變歷程，但其無法實(shí)現(xiàn)數(shù)據(jù)的去重。

Vosviewer的優(yōu)勢(shì)在于可視化，能從多個(gè)視圖對(duì)結(jié)果進(jìn)行展示，可構(gòu)建多種矩陣，并支持文本挖掘，但其無法實(shí)現(xiàn)數(shù)據(jù)的去重，不能通過時(shí)間演變展示一個(gè)領(lǐng)域的演進(jìn)路徑。

SciMAT具有強(qiáng)大的預(yù)處理能力，能構(gòu)建多種文獻(xiàn)計(jì)量學(xué)網(wǎng)絡(luò)，并以文獻(xiàn)計(jì)量學(xué)指標(biāo)對(duì)結(jié)果的影響力進(jìn)行定量分析，還可通過配置向?qū)У姆绞揭龑?dǎo)用戶進(jìn)行分析。

Bibexcel專門用來構(gòu)建文獻(xiàn)計(jì)量學(xué)關(guān)系矩陣，具有高度的靈活性，需借助其他的可視化軟件來進(jìn)行可視化分析。

Bicomb支持中文數(shù)據(jù)庫，能進(jìn)行基本的統(tǒng)計(jì)分析，并生成多種共現(xiàn)矩陣和詞篇矩陣，但數(shù)據(jù)處理和可視化方面存在不足。

SATI支持中文數(shù)據(jù)庫，實(shí)現(xiàn)基本的統(tǒng)計(jì)分析，能構(gòu)建多類矩陣。

Pajek支持大型的網(wǎng)絡(luò)數(shù)據(jù)，不僅可以構(gòu)建一些普通的網(wǎng)絡(luò)圖，還支持特殊網(wǎng)絡(luò)的構(gòu)建，具有強(qiáng)大的圖形處理能力，但不支持文獻(xiàn)計(jì)量關(guān)系矩陣的創(chuàng)建，數(shù)據(jù)預(yù)處理能力差。

Ucinet可導(dǎo)入矩陣，也可自行創(chuàng)建，具有網(wǎng)絡(luò)分析功能，內(nèi)置可視化軟件，但不支持文獻(xiàn)計(jì)量學(xué)矩陣的創(chuàng)建。

GOPubMed是最早使用基于本體的語義分類工具，支持分類導(dǎo)航分析，使用戶能快速找到最相關(guān)的文獻(xiàn)，但創(chuàng)建的關(guān)系矩陣單一。

本地PubMed使用多個(gè)計(jì)量學(xué)指標(biāo)對(duì)文獻(xiàn)進(jìn)行評(píng)價(jià)，可以從多個(gè)角度對(duì)分析結(jié)果進(jìn)行可視化。

PubMedplus基于PubMed，在數(shù)據(jù)處理方面解決了作者重名的問題，其最大的優(yōu)勢(shì)在于其強(qiáng)大的聚類分析功能。

一個(gè)好的問題，一個(gè)精彩而恰到好處的懸念可以引發(fā)學(xué)生主動(dòng)去思考，去學(xué)習(xí)。例如教《新型玻璃》一課，在指導(dǎo)學(xué)生學(xué)習(xí)時(shí)，我就向?qū)W生提出這樣一個(gè)問題，“新型玻璃到底新在哪？有什么特點(diǎn)？如果你是玻璃廠廠長，你怎么樣向大家推銷你的玻璃？”學(xué)生由于好奇就紛紛地尋找答案。通過閱讀，他們很快就知道各種新型玻璃的特點(diǎn)。一篇說明文，單靠教師乏味的直敘，學(xué)生是上得很無聊的。因此，讓學(xué)生帶著問題自己去閱讀，去理解課文，不僅使學(xué)生掌握了課文內(nèi)容，也幫助他們認(rèn)清了各種新型玻璃的特點(diǎn)。

3.2 建議

3.2.1 對(duì)用戶選擇分析工具的建議

由于文獻(xiàn)信息分析工具種類眾多，在開展分析時(shí)，應(yīng)了解不同工具的特點(diǎn)，再根據(jù)不同的分析目的、特性和擬解決的問題，選擇恰當(dāng)?shù)姆治龉ぞ摺?/p>

一是要根據(jù)數(shù)據(jù)源選擇合適的工具。若數(shù)據(jù)源為PubMed，可以選擇GOPubMed,PubMedplus或者本地PubMed及支持PubMed數(shù)據(jù)庫的工具；對(duì)于用戶自行創(chuàng)建的矩陣數(shù)據(jù)，選擇Pajek或Ucinet。

二是Citespace,SCI2,SciMAT,Vosviewer,SATI,Bibexcel,Bicomb等工具均可用于共現(xiàn)分析。一般來講，用戶可以根據(jù)數(shù)據(jù)源選擇上述任何一個(gè)工具進(jìn)行分析。不過共詞分析和合作者分析需要對(duì)源數(shù)據(jù)進(jìn)行去重，所以應(yīng)選擇SciMAT或SCI2。Bibexcel，SATI和Bicomb等工具主要用于構(gòu)建各類關(guān)系矩陣，但需借助其他工具進(jìn)行可視化。

三是不同的工具分析方法不同，用戶可根據(jù)需求進(jìn)行選擇，如時(shí)間序列分析，需支持時(shí)間序列分析的工具，選擇Histcite，Citespace，SciMAT，SCI2，Pajek等工具；對(duì)于直接引文網(wǎng)絡(luò)的構(gòu)建，選擇Histcite和SCI2等工具。

四是Citespace，SciMAT，Ucinet，本地PubMed和PubeMedplus等具有多種文獻(xiàn)計(jì)量學(xué)指標(biāo)，可以對(duì)產(chǎn)生的圖譜進(jìn)行定量分析。

五是對(duì)于中文數(shù)據(jù)，Bicomb和SATI支持中國知網(wǎng)和萬方數(shù)據(jù)庫，Citespace支持中國知網(wǎng)和CSSCI數(shù)據(jù)庫，Bibexcel支持轉(zhuǎn)化后的CSSCI數(shù)據(jù)庫。

六是可考慮多個(gè)工具聯(lián)合使用，因?yàn)闆]有一個(gè)軟件可以實(shí)現(xiàn)全部的功能。

3.2.2 對(duì)文獻(xiàn)信息分析工具研發(fā)工作的建議

文獻(xiàn)信息分析工具是文獻(xiàn)計(jì)量學(xué)、社會(huì)計(jì)量學(xué)、統(tǒng)計(jì)學(xué)、圖形學(xué)、信息科學(xué)和計(jì)算機(jī)科學(xué)技術(shù)相結(jié)合的產(chǎn)物。國內(nèi)對(duì)文獻(xiàn)信息分析工具的研究起步晚，專業(yè)人員的投入不足，應(yīng)加強(qiáng)多個(gè)領(lǐng)域的合作研究[29]。

文獻(xiàn)信息分析工具針對(duì)書目數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)庫導(dǎo)出的數(shù)據(jù)越豐富，文獻(xiàn)信息分析工具的價(jià)值越高。國內(nèi)的大型數(shù)據(jù)庫不支持引文數(shù)據(jù)的導(dǎo)出，故無法進(jìn)行引文分析，應(yīng)進(jìn)一步加強(qiáng)與國內(nèi)全文數(shù)據(jù)庫的合作，促進(jìn)雙贏。

大部分文獻(xiàn)信息分析工具通過圖譜實(shí)現(xiàn)對(duì)某一學(xué)科宏觀和微觀、定性和定量的把握，圖譜的視覺效果對(duì)于結(jié)果的解讀起著“一圖勝千言”的作用。因此，要進(jìn)一步加強(qiáng)分析工具的圖譜展示功能。

4 結(jié)語

文獻(xiàn)信息分析工具有著探測(cè)前沿?zé)狳c(diǎn)、預(yù)測(cè)發(fā)展方向的作用。科學(xué)研究人員學(xué)會(huì)選擇和使用這些工具，將使他們的科學(xué)研究更加高效。