文献共引分析中的关联强度和相关系数改进研究

论文摘要

自1973年Small提出共引分析以来,其研究方法和研究范围得到了不断推广,逐渐成为学术研究领域,甚至市场调研领域常用的定量研究方法之一。在共引分析方法实施的过程中,共引矩阵的建立是后续聚类分析等步骤的基础,传统共引分析方法是根据两研究对象之间的绝对共被引次数建立的共引矩阵,但共引分析方法并不关注两篇文献到底被共引了多少次数,而关注两篇文献的研究内容是否具有相似性。因此,在原始共引矩阵建立之后需要使用一定的相似度测算方法,将原始共引矩阵转化为相关矩阵,以考察两研究文献之间的相似性。但是,传统的关联强度计算方法和相关系数都存在一定的缺陷,在不改变传统共引分析方法的基础上,本论文对两文献之间关联强度的计算方法和相似度测算方法提出改进。通过定性分析,指出关联强度和相关系数需要改进的原因：文献之间的关联强度并不是随着共引次数的增加呈线性增长,而是指数增长；传统的用于测算相似度的Pearson相关系数适用于呈正态分布的数据,但共引矩阵几乎没有正态分布的；然后用定量的方法研究文献之间相互关联的强度,及所选学科共引矩阵的数据分布状态,使得定性分析得到数据上的支持；接着人工构造符合条件的数据,对改进后的关联强度和相关系数做可行性分析,最后通过实证研究来验证关联强度和相关系数的改进的优缺点。通过研究,初步得到一些结论,文献之间的关联强度的确是随着共引次数的增加呈指数增长的,改进后的关联强度计算方法能更加真实的反应两研究对象之间的关联程度；在进行共引矩阵标准化时,Spearman等级相关系数原则上应该优于Pearson相关系数,但通过定量分析的结果并不如愿,这是因为改进后的关联强度计算方法加大了文献之间的差异程度,聚类的边界也比较清晰,在此基础上再进行矩阵标准化时,就会降低Spearman等级相关系数的敏感性,导致聚类结果和改进前的区别不大,这相对来说也是一种合理的结果。

论文目录

• 摘要
• Abstract
• 1 引言
• 1.1 选题缘起和意义
• 1.2 共引分析概述
• 1.2.1 共引及共引分析概念
• 1.2.2 文献耦合分析
• 1.2.3 共引分析的用途
• 1.2.4 共引分析方法体系
• 1.3 国内外研究现状
• 1.3.1 国内研究现状
• 1.3.2 国外研究现状
• 1.4 论文结构及研究方法
• 1.4.1 论文的结构
• 1.4.2 论文研究方法
• 1.4.3 论文的创新
• 2 关联强度计算方法的改进
• 2.1 关联强度计算方法改进的原因
• 2.2 关联强度的改进方法
• 3 相关系数的改进
• 3.1 相关系数改进的原因
• 3.1.1 Pearson相关系数
• 3.1.2 正态分布的概念和特点
• 3.1.3 分布状态的考察
• 3.2 相关系数改进的方法
• 3.2.1 共引矩阵的构建方法
• 3.2.3 Spearman等级相关系数
• 4 传统关联强度的文献共引分析方法
• 4.1 数据来源
• 4.2 传统共引矩阵的聚类分析
• 5 改进方法的可行性分析
• 5.1 数据来源
• 5.2 改进关联强度的共引分析
• 5.3 对比分析
• 5.3.1 无固定阈值的对比分析
• 5.3.2 有固定阈值的对比分析
• 5.4 同时改进关联强度和相关系数的共引分析
• 5.5 对比分析
• 5.5.1 无固定阈值的对比分析
• 5.5.2 有固定阈值的对比分析
• 6 改进的共引分析实证研究
• 6.1 传统文献共引分析
• 6.1.1 研究对象与数据源的确定
• 6.1.2 数据的采集与整理
• 6.1.3 确定研究对象
• 6.1.4 将共引矩阵转换为Pearson相关矩阵
• 6.1.5 聚类分析
• 6.2 改进关联强度的文献共引分析
• 6.2.1 建立关联强度改进后的文献共引矩阵
• 6.2.2 将关联强度改进的文献共引矩阵转换为相关矩阵
• 6.2.3 聚类分析
• 6.3 聚类结果解释及对比分析
• 6.3.1 无固定阂值的对比分析
• 6.3.2 有固定阈值的对比分析
• 6.4 改进关联强度和相关系数的共引分析
• 6.4.1 建立关联强度改进后的共引矩阵
• 6.4.2 将共引矩阵转换为Spearman相关矩阵
• 6.4.3 聚类分析
• 6.5 数据处理结果的解释和对比分析
• 6.5.1 无固定阈值的对比分析
• 6.5.2 有固定阈值的对比分析
• 7 研究结论
• 7.1 本文的主要结论
• 7.2 研究的不足
• 7.3 研究展望
• 参考文献
• 致谢
• 个人简历
• 硕士期间发表的学术论文与研究成果