基于网络重要节点的重点方向判别研究

• 作 者: 邓启平
• 机 构: 中国科学院大学
• 出 处: 中国科学院大学
• 发表日期: 2016年期
• 关键词: 重点研究方向 网络重要节点 科学结构 可视化 科研管理 关联关系 布局设计

重点研究方向反映了当前科学研究的热点，是科技成果取得重大突破和创新的领域，受到研究者的普遍关注。判别重点研究方向有助于了解科学领域结构特征，把握学科发展态势，为科研管理和科技政策的制定提供决策支撑。因此，重点研究方向判别方法的研究一直受到高度重视。　　早期重点研究方向的判别以人工判读为主，随着定量方法的发展，形成了以文献计量为核心的判别方法体系，即在识别科学结构的基础之上，根据重点研究方向的显著特征属性设定指标进行遴选，但已有的遴选指标多是独立地看待每个研究方向，视角较为单一。为了更好地判别重点研究方向，本文基于已有的判别流程设计了一套完整的判别方法，从研究方向关联关系和特征属性两个维度判别重点研究方向。　　本研究在分析国内外研究现状的基础之上，针对已有方法存在的不足，提出从研究方向关联关系的角度设计指标遴选重点研究方向，扩展重点研究方向的判别视角。采用能处理大规模数据集的复杂网络聚类算法识别引文网络中的研究方向，构建研究方向关联网络，基于网络重要节点识别算法从研究方向关联关系的角度遴选重点研究方向，并结合研究方向的特征属性构建了二维遴选指标体系;为了展现科学领域的层级结构，基于网络可视化布局设计了研究大类自动识别方法，识别科学结构中的研究大类。最后本文以纳米领域为例进行实证分析，识别出纳米科技领域的重点研究方向，邀请专家判读验证方法的有效性，并对纳米领域的科学结构进行可视化。　　本论文从研究方向关联关系的角度出发，构建了一套基于研究方向关联关系和特征属性两个维度的重点研究方向遴选指标体系，扩展了重点研究方向判别视角，完善了已有的遴选指标体系，并可以处理大规模数据集，按聚类层级展现科学领域的层级结构，弥补了已有可视化方法的不足。