尚珊珊 尤筱玥

摘 要： 回顧對(duì)標(biāo)管理的相關(guān)文獻(xiàn)，發(fā)現(xiàn)該領(lǐng)域在模型及方法應(yīng)用上已具備一定成熟度，而互聯(lián)網(wǎng)和大數(shù)據(jù)的發(fā)展及結(jié)合能夠進(jìn)一步提升對(duì)標(biāo)管理的研究深度和實(shí)用性。本文在結(jié)合大數(shù)據(jù)管理的前提下，提出了“關(guān)鍵主題—關(guān)鍵文本”的對(duì)標(biāo)管理分析流程，利用大數(shù)據(jù)文本分析技術(shù)進(jìn)行數(shù)據(jù)采集與分析，并以A、B集團(tuán)為例驗(yàn)證了該方法的可行性與可靠性，為傳統(tǒng)對(duì)標(biāo)分析和管理提供了新的研究思路。

關(guān)鍵詞： 對(duì)標(biāo)管理;大數(shù)據(jù);情感分析;分析方法

中圖分類號(hào)： F 062.5

文獻(xiàn)標(biāo)志碼： A

Benchmarking Management Based on Big Data：Data Collection and Analysis Methods

SHANG Shanshan YOU Xiaoyue

（1.School of Business and Management， Shanghai International Studies University， Shanghai 200083， China;

2.Sino-German College of Applied Sciences， Tongji University， Shanghai 201804， China）

Abstract： Reviewing the relevant knowledge of benchmarking management， it is found that models and methods in this field have been studied in certain maturity. By integrating the Internet and big data technology， the research depth on benchmarking management and its implementation could be further enhanced. Therefore， this paper proposes a big-data-based “key topic—key article” analysis process for benchmarking management， that utilizes a big data text analysis technology to collect and analyze the data. A case study on Group A and Group B indicates that the proposed approach owns its feasibility and reliability. It provides a new research idea for traditional benchmarking analysis and management.

Key words： benchmarking;big data;sentiment analysis;analysis methods

企業(yè)如何獲得競(jìng)爭(zhēng)優(yōu)勢(shì)？Watson在其著作《戰(zhàn)略對(duì)標(biāo)管理》中有概括的回答：一要出類拔萃的品質(zhì)，二要領(lǐng)先同行的科技，三要價(jià)格低廉的成本。換句話說(shuō)，“更好、更快、更便宜”應(yīng)當(dāng)成為當(dāng)代企業(yè)贏得市場(chǎng)競(jìng)爭(zhēng)的基本原則。由此，通過(guò)研究行業(yè)內(nèi)同類型的優(yōu)秀企業(yè)并開(kāi)展對(duì)標(biāo)管理，對(duì)提升企業(yè)競(jìng)爭(zhēng)力具有重要的意義。新時(shí)代下，互聯(lián)網(wǎng)、大數(shù)據(jù)改變了研究場(chǎng)景，本文旨在將大數(shù)據(jù)文本分析方法同傳統(tǒng)的對(duì)標(biāo)管理理念進(jìn)行結(jié)合，探究對(duì)標(biāo)管理的新思路。

1 文獻(xiàn)回顧

1996年，Korpela和Tuominen通過(guò)調(diào)查發(fā)現(xiàn)，在財(cái)富排行榜前一千名的公司中有65%的公司或多或少使用了對(duì)標(biāo)管理進(jìn)行了業(yè)績(jī)提升。Jarrar和Zairi在2001年針對(duì)32個(gè)國(guó)家的227個(gè)組織做了一項(xiàng)調(diào)查，發(fā)現(xiàn)對(duì)標(biāo)管理已經(jīng)在制造、衛(wèi)生、保險(xiǎn)、金融、建筑、政府等多數(shù)領(lǐng)域得到了廣泛應(yīng)用。

1.1 對(duì)標(biāo)管理的定義和特點(diǎn)

對(duì)標(biāo)管理主要包含以下幾個(gè)關(guān)鍵詞：比較、明確先進(jìn)做法、實(shí)施和改進(jìn)等。其中，較早得到廣泛認(rèn)可的定義是由Camp在1989年提出的：“對(duì)標(biāo)管理是通過(guò)將產(chǎn)品、服務(wù)、實(shí)踐與某個(gè)強(qiáng)大的特定的競(jìng)爭(zhēng)對(duì)手或行業(yè)權(quán)威相比較的持續(xù)性流程，并借此優(yōu)化自身管理，實(shí)現(xiàn)甚至超越相關(guān)的目標(biāo)。”2006年，Kumar提出，“對(duì)標(biāo)管理是一個(gè)明確、理解世界上先進(jìn)組織的先進(jìn)做法，并將其應(yīng)用到企業(yè)自身以提升企業(yè)績(jī)效的行為。它使得管理者能夠‘向外看，尋求最優(yōu)的做法，并將自身與之比較”。對(duì)標(biāo)管理的特點(diǎn)可以歸納為：

（1）持續(xù)性，對(duì)標(biāo)管理是對(duì)企業(yè)戰(zhàn)略、功能、流程、產(chǎn)品和服務(wù)的一種持久性的分析;

（2）目標(biāo)性，對(duì)標(biāo)管理的目的在于找尋當(dāng)前目標(biāo)企業(yè)優(yōu)秀的做法和管理經(jīng)驗(yàn);

（3）實(shí)用性，對(duì)標(biāo)管理的最終方式在于分析目標(biāo)企業(yè)后能生成有益于自身企業(yè)的管理策略，并助力企業(yè)成長(zhǎng)。

1.2 對(duì)標(biāo)管理的國(guó)內(nèi)外研究現(xiàn)狀

對(duì)標(biāo)管理在企業(yè)實(shí)踐中并沒(méi)有統(tǒng)一模式，除了富士公司開(kāi)創(chuàng)的十步對(duì)標(biāo)法，還存在七步對(duì)標(biāo)法、Spendolini的五步對(duì)標(biāo)法、IBM公司的五階段/14步對(duì)標(biāo)法、Alcoa的六步對(duì)標(biāo)法、AT&T的12步對(duì)標(biāo)法等。這些對(duì)標(biāo)法各有優(yōu)劣，但均集中于定性分析，難以從實(shí)證層面進(jìn)行直觀理解和運(yùn)用。

進(jìn)入21世紀(jì)，眾多研究者開(kāi)發(fā)了若干量化模型用以對(duì)標(biāo)分析。常見(jiàn)的分析模型和方法包括GAP分析（差距分析法）、AHP分析（層次分析法）、DEA（包絡(luò)分析法）等。這些分析方法兼具傳統(tǒng)對(duì)標(biāo)分析的實(shí)用性和實(shí)證分析方法的可靠性，受到眾多海外學(xué)者的關(guān)注。

在國(guó)內(nèi)，對(duì)標(biāo)管理方興未艾，且較多局限于傳統(tǒng)的三步驟方法。2020年6月，國(guó)資委正式印發(fā)《關(guān)于開(kāi)展對(duì)標(biāo)世界一流管理提升行動(dòng)的通知》（國(guó)資發(fā)改革〔2020〕39號(hào)），要求國(guó)有重點(diǎn)企業(yè)要對(duì)標(biāo)世界一流企業(yè)，通過(guò)加強(qiáng)戰(zhàn)略、組織、運(yùn)營(yíng)、財(cái)務(wù)、科技、風(fēng)險(xiǎn)、人力資源、信息化等八大管理能力建設(shè)，打造具有全球競(jìng)爭(zhēng)力的世界一流企業(yè)。

1.3 互聯(lián)網(wǎng)與大數(shù)據(jù)

互聯(lián)網(wǎng)與大數(shù)據(jù)的快速發(fā)展改變了市場(chǎng)生態(tài)，增強(qiáng)了競(jìng)爭(zhēng)的透明度，進(jìn)一步讓一些知名企業(yè)的優(yōu)秀做法得以彰顯?；ヂ?lián)網(wǎng)與大數(shù)據(jù)不僅為研究人員和市場(chǎng)專業(yè)人士提供了更多客觀、有效的信息，而且開(kāi)拓了新的研究方式和研究空間。通過(guò)充分利用互聯(lián)網(wǎng)與大數(shù)據(jù)，能夠在更寬廣的范圍內(nèi)獲取所需數(shù)據(jù)和信息并加以分析，得到更可靠的結(jié)果。同樣，這些改變將更有助于對(duì)標(biāo)業(yè)內(nèi)優(yōu)秀企業(yè)，通過(guò)取長(zhǎng)補(bǔ)短，優(yōu)化制定產(chǎn)品和服務(wù)的戰(zhàn)略規(guī)劃。

2 基于大數(shù)據(jù)的對(duì)標(biāo)分析過(guò)程

基于大數(shù)據(jù)的對(duì)標(biāo)分析流程設(shè)計(jì)如圖1所示。

2.1 詞云分析（Word Cloud Analysis）

通過(guò)詞云分析得出本企業(yè)以及對(duì)標(biāo)企業(yè)的高頻關(guān)鍵詞，構(gòu)成本企業(yè)以及對(duì)標(biāo)企業(yè)的概況描述。基于大數(shù)據(jù)的詞云分析能夠更準(zhǔn)確地把握自身企業(yè)與對(duì)標(biāo)企業(yè)的特征，為后續(xù)進(jìn)一步分析比較提供可靠依據(jù)。

2.2 關(guān)鍵詞共現(xiàn)分析（Co-occurrence Network Analysis）

Ding等證明了將關(guān)鍵詞共現(xiàn)分析作為從大型語(yǔ)料庫(kù)中提取模式和識(shí)別趨勢(shì)的可行性。在關(guān)鍵詞共現(xiàn)分析過(guò)程中，主旨在于識(shí)別經(jīng)?！敖Y(jié)對(duì)”出現(xiàn)的詞匯組合，并將其確定為下一步要重點(diǎn)分析的內(nèi)容和對(duì)象。

此時(shí)，應(yīng)當(dāng)重點(diǎn)關(guān)注高頻出現(xiàn)的關(guān)鍵詞對(duì)。必要時(shí)應(yīng)在原文本中確定關(guān)鍵詞對(duì)出現(xiàn)的段落和內(nèi)容，探究詞對(duì)背后潛藏的含義，從而進(jìn)一步把握對(duì)目標(biāo)企業(yè)的相關(guān)評(píng)價(jià)。在此基礎(chǔ)上，通過(guò)關(guān)鍵詞之間的聯(lián)系，建立網(wǎng)絡(luò)化、多層次的認(rèn)知。

2.3 情感賦分（Sentiment Scoring）

情感賦分指以量化的方式解讀大量非結(jié)構(gòu)化文本的分析方式。通過(guò)情感賦分，揭示文本的積極/消極性，這對(duì)確定關(guān)鍵文本有較大的幫助。在對(duì)標(biāo)分析的過(guò)程中，應(yīng)當(dāng)關(guān)注最積極或是最消極的文本，以及時(shí)間序列和大環(huán)境變化。

2.4 主題建模（Topic Modeling）

主題建模指將關(guān)鍵詞、關(guān)鍵詞對(duì)、情感賦分及其背后的關(guān)鍵文本連結(jié)成一個(gè)有機(jī)的整體，形成一張理解目標(biāo)企業(yè)整體面貌的“地圖”。

理解文本最有效的方式之一即分析其主題。在文本集合中學(xué)習(xí)、識(shí)別和提取主題的過(guò)程被稱為主題建模。所有主題模型應(yīng)基于相同的基本假設(shè)：

（1）每個(gè)文本包含多個(gè)主題;

（2）每個(gè)主題包含多個(gè)單詞。

主題建模的目標(biāo)就是揭示主題中存在的潛在變量，因?yàn)檎撬鼈兯茉炝宋谋镜暮x。

潛在語(yǔ)義分析（LSA）、概率潛在語(yǔ)義分析（pLSA）、潛在狄利克雷分布（LDA）等算法是常用的主題建模算法。通過(guò)主題建模，可以構(gòu)建多個(gè)以詞匯為基本單元的主題，進(jìn)一步歸納后就能得出有關(guān)該企業(yè)的數(shù)個(gè)關(guān)鍵詞，結(jié)合前述的詞云、共現(xiàn)詞、情感賦分就能找出關(guān)鍵文本，從而進(jìn)行更精準(zhǔn)的分析。

2.5 結(jié)合關(guān)鍵主題、關(guān)鍵文本進(jìn)行綜合整體評(píng)價(jià)

前序流程由點(diǎn)到面、由面及里，構(gòu)建出一個(gè)全方位、多層次的分析基礎(chǔ)，明確了關(guān)鍵主題和關(guān)鍵文本。最后，通過(guò)綜合分析得出目標(biāo)企業(yè)的一系列結(jié)論。

通過(guò)仔細(xì)分析關(guān)鍵文章的主要內(nèi)容，可以確認(rèn)有關(guān)該企業(yè)的主要評(píng)價(jià)、優(yōu)秀/較差管理經(jīng)驗(yàn)，從而對(duì)標(biāo)自身找差距，獲得下一階段企業(yè)管理的有益啟示。

綜上，如此“關(guān)鍵主題—關(guān)鍵文章”的研究方式相比于傳統(tǒng)對(duì)標(biāo)研究方法將更加高效，可以直接通過(guò)用戶自產(chǎn)生內(nèi)容（User Generated Content）明確目標(biāo)企業(yè)的要點(diǎn)。相比于完全理性化的研究方式（如計(jì)量方法等），該方法更具有主觀能動(dòng)性。

3 案例應(yīng)用

3.1 案例背景

A集團(tuán)是整體上市的港口股份制企業(yè)，集裝箱吞吐量連續(xù)十一年保持世界第一，是全球唯一持續(xù)突破4000萬(wàn)標(biāo)準(zhǔn)箱的港口。B集團(tuán)是規(guī)模龐大的汽車工業(yè)上市股份制企業(yè)，旗下有眾多汽車品牌暢銷海內(nèi)外。

本次分析的數(shù)據(jù)主要來(lái)源于主流媒體和社交網(wǎng)絡(luò)平臺(tái)中近五年（2016-2021）有關(guān)上述兩家企業(yè)的報(bào)道、評(píng)論文章、分析報(bào)告，共計(jì)文章87篇，總計(jì)113411個(gè)詞。

3.2 分析過(guò)程：詞云分析

圖2的詞云圖分別列出了A集團(tuán)和B集團(tuán)文本中出現(xiàn)最多的前40個(gè)關(guān)鍵詞。

由圖2可見(jiàn)，A集團(tuán)除“集裝箱”、“貨運(yùn)”等常規(guī)詞出現(xiàn)頻率較高，“自動(dòng)化”、“國(guó)際化”、“發(fā)展”等詞匯同樣成為了高頻詞，可以推測(cè)A集團(tuán)近年來(lái)正開(kāi)拓新發(fā)展格局，在自動(dòng)化、國(guó)際化領(lǐng)域的努力得到了社會(huì)的關(guān)注。B集團(tuán)的詞云分析則表明市場(chǎng)銷售、智能汽車、新能源汽車成為核心詞匯。顯然，這兩家企業(yè)的核心關(guān)鍵詞側(cè)重點(diǎn)各有不同：核心業(yè)務(wù)方面，A集團(tuán)側(cè)重于航運(yùn)，B集團(tuán)側(cè)重于銷售;發(fā)展趨勢(shì)方面，A集團(tuán)注重自動(dòng)化、國(guó)際化，而B(niǎo)集團(tuán)則突出智能化。

3.3 分析過(guò)程：關(guān)鍵詞共現(xiàn)分析

圖3展示了兩家目標(biāo)企業(yè)的文本中出現(xiàn)最多的關(guān)鍵詞對(duì)。由此可知，上一步歸納得出的關(guān)鍵詞經(jīng)常與哪些詞匯一同出現(xiàn)。例如，在A集團(tuán)的共現(xiàn)圖中，“自動(dòng)化”與“港口”結(jié)成詞對(duì)，“長(zhǎng)江”與“三角”結(jié)成詞對(duì);在B集團(tuán)的圖中，“智能”“智己”與“汽車”

結(jié)成詞對(duì)，“自動(dòng)”與“駕駛”結(jié)成詞對(duì)。由此構(gòu)建出更加清晰的關(guān)系網(wǎng)絡(luò)，即A集團(tuán)的關(guān)鍵句有：自動(dòng)化港口、服務(wù)長(zhǎng)三角等等;B集團(tuán)的關(guān)鍵句有：智能汽車、自動(dòng)駕駛等等。

3.4 分析過(guò)程：情感賦分

由圖4可知，兩家目標(biāo)企業(yè)在情感得分方面整體是積極的。結(jié)合具體文章可以發(fā)現(xiàn)：兩家企業(yè)的負(fù)面報(bào)道均和疫情緊密相關(guān)。其中，A集團(tuán)的負(fù)面評(píng)論則是主要疫情期間港口吞吐量下滑有關(guān)，積極評(píng)論主要和無(wú)人港口、服務(wù)臨港自貿(mào)區(qū)有關(guān);B集團(tuán)的負(fù)面評(píng)論主要和銷量下滑、面臨新興企業(yè)沖擊等因素有關(guān)，積極評(píng)論主要和布局智能化、家用小型車等有關(guān)。

3.5 分析過(guò)程：主題建模

主題建模的結(jié)果則更鮮明、全面地反映了兩個(gè)集團(tuán)報(bào)道的關(guān)注主題。

3.6 分析過(guò)程：綜合分析

結(jié)合詞頻分析、共現(xiàn)分析以及具體典型文本，可以分別得出A集團(tuán)和B集團(tuán)目前主要業(yè)務(wù)特征和發(fā)展方向：

A集團(tuán)：布局集裝箱碼頭、散雜貨碼頭、港口物流、港口服務(wù)四大傳統(tǒng)業(yè)務(wù)板塊，其中集裝箱碼頭業(yè)務(wù)是企業(yè)最大的營(yíng)收來(lái)源（2020年?duì)I收占比51%），也是外界較為關(guān)注的核心業(yè)務(wù);立足自貿(mào)區(qū)臨港新片區(qū)、洋山綜合特殊保稅區(qū)，布局長(zhǎng)江戰(zhàn)略、國(guó)際化戰(zhàn)略，對(duì)內(nèi)輻射長(zhǎng)三角和長(zhǎng)江流域，對(duì)外開(kāi)拓海外市場(chǎng)，特別是東北亞市場(chǎng);大力推進(jìn)智慧港口建設(shè)。打造全球最大的單體全自動(dòng)化碼頭;自主研發(fā)國(guó)內(nèi)首套全自主知識(shí)產(chǎn)權(quán)的自動(dòng)化集裝箱碼頭智能操作系統(tǒng)“ITOS”;應(yīng)用“F5G”技術(shù)，實(shí)現(xiàn)港口間的廣域互聯(lián);基于全光工業(yè)網(wǎng)方案，實(shí)現(xiàn)港口內(nèi)大型設(shè)備的精準(zhǔn)高效控制;嘗試“港口+金融”創(chuàng)新融合戰(zhàn)略，構(gòu)建長(zhǎng)江港航區(qū)塊鏈綜合服務(wù)平臺(tái)，與螞蟻集團(tuán)開(kāi)展戰(zhàn)略合作，服務(wù)相關(guān)出口企業(yè)。

B集團(tuán)：技術(shù)領(lǐng)先的硬件基礎(chǔ)優(yōu)勢(shì)。B集團(tuán)領(lǐng)跑國(guó)內(nèi)電池、電驅(qū)、電控系統(tǒng)等核心技術(shù)，自研的燃料電池系統(tǒng)技術(shù)性能已可比肩全球領(lǐng)先水平;率先實(shí)現(xiàn)智能產(chǎn)品開(kāi)發(fā)，智己汽車、R品牌汽車布局;前瞻創(chuàng)新的軟件能力優(yōu)勢(shì)。通過(guò)建設(shè)完善軟件開(kāi)發(fā)、大數(shù)據(jù)、人工智能、云計(jì)算、網(wǎng)絡(luò)安全等五大中心，已初步建立起數(shù)字化的軟件技術(shù)體系能力基礎(chǔ)，并在行業(yè)內(nèi)率先開(kāi)發(fā)數(shù)個(gè)數(shù)據(jù)平臺(tái);開(kāi)拓海外市場(chǎng)成效顯著。2020年，即便受到疫情沖擊，B集團(tuán)海外完成銷量39萬(wàn)輛，5年內(nèi)增長(zhǎng)接近兩倍;但與此同時(shí)，仍有信息表明B集團(tuán)也面臨著較為嚴(yán)峻的挑戰(zhàn)。一方面，比亞迪和蔚來(lái)的異軍突起，讓B集團(tuán)感受到了史無(wú)前例的壓力。另一方面，B集團(tuán)投入巨資所構(gòu)建的體系能力，短期還難以看到回報(bào)。B集團(tuán)下屬的合資品牌在年銷量達(dá)到200萬(wàn)臺(tái)之后，開(kāi)始走下坡路，紅旗、吉利、長(zhǎng)安的快速發(fā)展，更是直接沖擊了B集團(tuán)在國(guó)內(nèi)龍頭老大的位置。

經(jīng)過(guò)對(duì)標(biāo)分析后，對(duì)于B集團(tuán)來(lái)說(shuō)，有以下經(jīng)驗(yàn)值得借鑒：

（1）探索體系化、多元化發(fā)展戰(zhàn)略，豐富服務(wù)層次。通過(guò)“業(yè)務(wù)+金融/地產(chǎn)/……”等方式拓寬服務(wù)領(lǐng)域;

（2）迎合國(guó)家重大發(fā)展戰(zhàn)略，依靠臨港自貿(mào)區(qū)新片區(qū)，對(duì)外重點(diǎn)連結(jié)東北亞，對(duì)內(nèi)輻射長(zhǎng)三角;

（3）大力推進(jìn)人工智能、大數(shù)據(jù)、云計(jì)算等新興技術(shù)。對(duì)于B集團(tuán)這種以產(chǎn)品為主要服務(wù)內(nèi)容的企業(yè)，人工智能不僅是其主要發(fā)展方向，更是其未來(lái)生存發(fā)展的關(guān)鍵。

4 結(jié)論

對(duì)標(biāo)管理是一個(gè)較為成熟的研究領(lǐng)域。隨著互聯(lián)網(wǎng)和大數(shù)據(jù)的發(fā)展，結(jié)合對(duì)標(biāo)管理進(jìn)行理論深化和實(shí)踐應(yīng)用都存在較大的空間。本文提出了“關(guān)鍵主題—關(guān)鍵文本”分析模式，通過(guò)制定合理的分析流程，以A集團(tuán)和B集團(tuán)為例，深入分析對(duì)標(biāo)企業(yè)的發(fā)展重點(diǎn)和優(yōu)勢(shì)，為企業(yè)提供未來(lái)的發(fā)展方向，并就戰(zhàn)略布局提供適當(dāng)建議。研究證明，結(jié)合大數(shù)據(jù)進(jìn)行對(duì)標(biāo)管理將能進(jìn)一步提升對(duì)標(biāo)管理的理論和實(shí)踐研究能力，為企業(yè)確定目標(biāo)提供了可行、可靠的分析模式。

參考文獻(xiàn)：

[1]WATSON G H. Strategic benchmarking[J]. J Wiley and Sons， 1997.

[2]KORPELA J， TUOMINEN M. Benchmarking logistics performance with an application of the analytic hierarchy process[J]. IEEE Transactions on Engineering management， 1996， 43（3）： 323-33.

[3]JARRAR Y F， ZAIRI M. Future trends in benchmarking for competitive advantage： A global survey[J]. Total Quality Management， 2001， 12（7-8）： 906-912.

[4]CAMP R C. Benchmarking： The search for industry best practices that lead to superior performance[J]. Quality Progress， 1989， 22（2）.

[5]KUMAR A， ANTONY J， DHAKAR T S J B A I J. Integrating quality function deployment and benchmarking to achieve greater profitability [J]. Benchmarking： An International Journal， 2006， 13（3）： 290-310.

[6]FIFER R M. Beating the competition： A practical guide to benchmarking [M]. Kaiser Associates， 1988.

[7]SPENDOLINI M J. The Benchmarking Book， F， 1992 [C].

[8]EYRICH H. Benchmarking to become the best of breed [J]. Manufacturing Systems， 1991， 9（4）： 40-47.

[9]Alcoas six steps to benchmarking [J]. Financial World， 1991， 160（19）： 32.

[10]BEMOWSKI K. The benchmarking bandwagon [J]. Quality Progress， 1991， 24（1）： 19-24.

[11]CHANDLER J D， SALVADOR R， KIM Y. Language， brand and speech acts on Twitter [J]. Journal of Product Brand Management， 2018， 27（4）： 375-384.

[12]SHIRDASTIAN H， LAROCHE M， RICHARD M-O. Using big data analytics to study brand authenticity sentiments： The case of Starbucks on Twitter [J]. International Journal of Information Management， 2019， 48： 291-307.

[13]DING Y， CHOWDHURY G G， FOO S. Bibliometric cartography of information retrieval research by using co-word analysis [J]. Information Processing Management， 2001， 37（6）： 817-842.

收稿日期：2021-08-04

作者簡(jiǎn)介：尚珊珊（1983—），河南安陽(yáng)人，副教授，博士，碩士生導(dǎo)師，研究方向：信息管理、質(zhì)量管理，E-mail：shangshanshan@shisu.edu.cn。