基于SNA國內知識圖譜領域科研合作關系研究

高晶利

〔摘 要〕本文首先介紹了社會網絡分析方法，并采用該方法分別從“中心性分析”、“凝聚子群分析”、以及“核心——邊緣結構分析”3個角度，對CNKI上的知識圖譜領域的合著網絡進行了實證研究。通過分析，指出了合著網絡中高產核心作者，發現了合著網絡中的聯系凝聚子群，評價了學者在合著網絡中的地位。

〔關鍵詞〕社會網絡分析；知識圖譜；合著網絡；可視化

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０１２．０１．０２４

〔中圖分類號〕Ｇ３０３ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１（２０１２）０１－０１０２－０５

Analysis on Author Cooperation Relationship of Mapping

Knowledge Research in China Based on SNAGao Jingli

（School of Management，Tianjin Normal University，Tianjin 300387，China）

〔Ａｂｓｔｒａｃｔ〕This paper firstly introduced the method of Social Network Analysis and investigated coauthorship network in domestic Mapping Knowledge research by selecting coauthors of the Journal of CNKI using Social Network Analysis from the angle of centrality analysis,subgroup analysis and core-periphery analysis.It indicated the researchers in the coauthor network,discovered several subgroups with close links between their members and distinguished key authors in the network.

〔Ｋｅｙ ｗｏｒｄｓ〕social network analysis;mapping knowledge domains;co-authorship network;visualization

隨著科學的發展，學科專業化程度的提高，合作將成為科研者交流的主流范式。日趨頻繁的科研合作，反映在學術論文中，則表現為合著現象越來越多，合著規模亦越來越大。研究者之間通過合作發表論文，就形成了一個合著網絡，該網絡能夠比較真實地反映科研者之間的合作關系。

社會網絡指的是行動者及他們之間關系的集合，也可以說，一個社會網絡是由多個點（社會行動者）和各點之間的連線（行動者之間的關系）組成的集合［１］。研究合著現象，其本質就是研究作者之間的關系，社會網絡分析方法正是以研究關系見長的方法。社會網絡分析方法（Social Network Analysis，簡稱SNA）可以借助可視化工具Netdraw構建出展現分析主體之間的錯綜復雜關系的網絡結構圖［２］。將SNA應用于文獻計量學研究，可以通過“中心性分析”、“凝聚子群分析”、“核心——邊緣分析”，可以找出核心作者和聯系緊密的小團體并評價作者在整個網絡中的地位。

本文正是基于以上的研究角度，運用社會網絡分析軟件對國內知識圖譜領域的科研合作關系網絡進行深層次的分析，探析我國知識圖譜研究領域的“核心作者”、聯系緊密的“凝聚子群”以及合著網絡中的“核心——邊緣人物”。以期為知識圖譜領域的科研交流和學科發展提供一些啟示。

１ 研究方法

１.１ 研究對象

本研究以CNKI中國學術期刊網絡出版總庫作為數據來源。用軟件NoteExpress2在線檢索CNKI數據庫，以“主題”為檢索字段，用“知識圖譜”作為檢索詞，檢索CNKI數據庫中從1979-2011年期間的論文。本次最后數據更新時間為2011年10月20日。共檢索出相關文獻226個，除去非論文文獻，得到221篇論文。以年為單位統計論文數量，繪制成發文量變化趨勢圖，見圖１。

圖１ 知識圖譜論文年度發文量變化趨勢

從圖１中可以看出，從2005年才開始出現有關知識圖譜的論文。2005-2011年（截止2011年10月20日）這6年期間發文量是呈直線上升的趨勢，發文量變化趨勢線略呈現“J”型，也就是說，所發表論文的數量基本上是符合文獻增長的初始階段的“指數增長規律”即“普賴斯曲線”的。對上述收集到的221篇論文的作者進行相關的Excel統計分析、作者編號、發文量排序最后形成如下表所示的作者發文量分布表，見

（篇）1劉則淵3115廖勝姣52許振亮1716欒春娟53侯海燕1517沈洪洲44姜春林1218許麗敏45陳 悅1119秦長江46趙蓉英920李江波47宗乾進821杜維濱48葛 莉722侯劍華49湯建民723王賢文410王 琪624陳立新411陳蘭杰625尹麗春412梁永霞6………13袁勤儉5269赫爾頓114趙玉鵬5

２０１２年１月第３２卷第１期基于SNA國內知識圖譜領域科研合作關系研究Ｊａｎ.，２０１２Ｖｏｌ.３２ Ｎｏ.１在本次研究中，將每篇論文的作者看成是一個數據樣本，構建合著網絡時，用“1”表示兩位作者之間存在合著關系，用“0”表示兩位作者之間不存在合著關系［３］。本研究將作者共同署名發表論文的就視為他們之間存在合作關系，對全部的221個樣本數據關系進行累計統計，最后形成了一份總計269位作者的合著關系矩陣，見表２。

表２ 合著者關系矩陣

劉則淵許振亮侯海燕姜春林陳 悅趙蓉英宗乾進葛 莉湯建民…劉則淵189295許振亮81334侯海燕933232姜春林2222陳 悅93321趙蓉英宗乾進1葛 莉54212湯建民3

１.２ 研究角度

本文主要是從“中心性分析”、“凝聚子群分析”、“核心——邊緣結構分析”這3個角度對構建的合著網絡進行分析。

１.２.１ 中心性分析

中心性是測量一個行動者在整個關系網絡中的重要程度的關鍵指標。中心度可以分為3種形式：點度中心度(Degree centrality)、中間中心度(Betweenness centrality)和接近中心度(Closeness centrality)。

（1）點度中心度

點度中心度是用來測量一個點在網絡中的占據的核心程度的指標。在一個網絡中，如果一個行動者與很多其他行動者之間存在直接聯系，那么該行動者就居于中心地位，在該網絡中擁有較大的“權力”。網絡中的點度中心度，可以用網絡中與其直接聯系的點的數目來測量。點度中心度分為絕對點度中心度和相對點度中心度。絕對點度中心度是與該點直接相連的點的個數，后者是前者的標準化形式。

（2）中間中心度

中間中心度測量的是一個點在多大程度上位于圖中其他點的“中間”。在一個網絡中，如果一個行動者處于許多其他兩點之間的路徑上，可以認為該行動者居于重要地位，因為他具有控制其他兩個行動者之間的交往的能力。

（3）接近中心度

接近中心度研究的是行動者在多大程度上不受其他行動者的控制的能力［４］。在一個網絡中，如果一個點通過比較短的路徑與許多其他點相連，我們就說該點具有較高的接近中心性。因為接近中心性計算的節點與其他點的距離，距離越短，表明該點越容易到達其他點，因此接近中心性越小的節點在網絡中越處于核心地位。

本次研究對合著網絡進行中心性分析的目的是分析各個節點（即各個作者）的中心性，以了解他們在合著網絡中所處的地位。

１.２.２ 凝聚子群分析

在社會網絡分析中，進行凝聚子群分析有多種方法，如建立在“互惠性”基礎上的派系分析；建立在“可達性和直徑”基礎上的n-派系分析和n-宗派分析；建立在“點度數”基礎上的k-從分析和k-核分析；建立在“子群內外關系”基礎上的成分分析、塊模型分析以及Lambda集合分析。

（1）派系分析

所謂派系又叫小團體或凝聚子群，是指在社會網絡中聯系緊密的成員的集合，凝聚子群內部成員聯系的緊密程度遠大于成員與其他子群之間的聯系。在社會網絡分子中，派系分析就是研究一個社會網絡中存在多少個這樣的小團體。

（2）凝聚子群密度

凝聚子群密度用于測量派系林立的程度。凝聚子群的密度是子群密度與整個網絡的密度之比，它的取值范圍為［-1，+1］。該值越接近-1，表明子群體之間的外部關系越少，關系主要發生在群體之內，意味著派系林立程度越大；該值越接近1，表明關系越趨向于發生在群體之外，意味著派系林立的程度越小；該值越接近0，表明派系內外關系數量相差不多，關系越趨向于隨機分布，看不出派系林立的情形［１］。

１.２.３ 核心——邊緣結構分析

核心——邊緣結構分析根據網絡中節點之間聯系的緊密程度，將網絡中的節點分為兩個區域，核心區域和邊緣區域。處于核心區域的節點在網絡中占有比較重要的地位。核心——邊緣結構分析(core-periphery)的目的是研究社會網絡中哪些節點處于核心地位，哪些節點處于邊緣地位。核心作者分析一直是文獻計量學的重要研究內容，而社會網絡分析方法中的核心——邊緣結構分析可以對網絡的“位置”結構進行量化分析，區分出網絡的核心與邊緣，因此，可以借助核心——邊緣結構分析方法來分析在合著網絡中哪些作者處于核心地位，哪些作者處于非核心地位。

１.３ 研究工具

社會網絡分析軟件有很多，在本次研究中的數據分析是通過UCINET6.0軟件來完成的。UCINET是由社會網絡分析領域的知名學者Borgatti、Everett和Freeman合作開發的。它是一個用來處理社會網絡數據的軟件包，是科研者比較常用的一款社會網絡分析軟件，它能讀取多種不同形式的數據，如文本文件和Excel文件。它能處理的網絡節點是32 767個［５］。但從實際情況來看，當節點個數超過5 000時，一些程序的運行就會變得很慢。UCINET6.0還集成了一個社會網繪圖軟件NetDraw［６］。NetDraw可以用可視化的方式將整個網絡結構形象的用關系圖表示出來。

２ 研究結果分析

在UCINET中，可以使用Netdraw實現對整個合作關系網絡結構的可視化，繪制出合作關系網絡的結構圖，見圖２。圖２ 知識圖譜作者合作關系網注：本文旨在說明社會網絡分析法在作者合作網絡的應用，故用數字代替研究人員的姓名

圖２中每一個節點的大小表示該作者發文量多少，節點越大表示該作者發表論文越多；線條的粗細表示每一個合作對之間的合作次數，線條越粗，表示兩個作者之間合作的次數越多，其中同屬于大連理工大學21世紀發展研究中心WISE Lab的1（劉則淵）和3（侯海燕）以及1（劉則淵）和5（陳悅）連線最粗，這兩對作者合作發表論文均為9篇，合作關系比較緊密。從圖中可以看出，整個關系網絡結構式比較松散的，很少有較大的網絡，經統計發現有13%的學者在網絡圖是孤立點，即獨著發表論文，19%的學者是兩兩合著，僅有22%的學者之間是有存在大范圍合作。這樣松散的合作關系網絡，不利于學科之間的知識共享和信息交流。

２.１ 中心性分析

２.１.１ 點度中心性

在UCINET中，點度中心性分析的菜單路徑為Network＞Centrality＞Degree。以下是分析的結果，見表３。

在上述結果中，第一列(Degree)是絕對中心度，第二列(NrmDegree)是相對中心度。這個結果是針對合著者之間關系的有向圖來計算的［７］。從結果中可以看出，點度中心度最高的是劉則淵，其絕對點度中心度是26。根據點度中心度的定義，表明其與網絡中其他26個節點有直接聯系，即劉則淵與網絡中的26位作者有過77人次的合作關系。絕對中心度的最低值是0，說明該作者沒有和其他人合著發表過論文。

２.１.２ 中間中心性

在UCINET中，中間中心性分析的菜單路徑是Network＞Centrality＞Betweenness＞Nodes。以分析的結果，見表４。

從分析結果中可以看出，中間中心度最高的是劉則淵，其次是許振亮、姜春林等人。這些作者的中間中心性比較高，說明他們掌握了比較多的研究資源，具有較高的控制資源的能力。同時，有一些作者的接近中心性為0，說明這些作者幾乎不具備控制資源的能力。統計所有 作者的中間中心度，發現有228位作者的中間中心度為0，占全部作者總數的84.7%，這個比 例是十分高的。同時，中間中心度比較高的作者較少。這也表明大多數作者并不具有控制資 源的能力，只有很少的作者具有比較高的控制資源的能力。表４ 中間中心性分析結果

nBetweenness劉則淵750.4202.097許振亮443.0381.238姜春林389.1831.088侯海燕371.2551.038陳 悅197.2370.551胡志剛168.0000.470欒春娟131.8130.368趙蓉英125.0000.349………李亞敬0.0000.000

２.１.３ 接近中心性

本文構建的合著網絡不是一個完全相連圖形，因此不能直接計算其接近中心性，必須先進行成分分析。通過對本文合著網絡進行成分分析，發現網絡中最大的成分包含60個行動者，下面是該成分進行接近中心性分析的結果，見表５。表５ 接近中心性分析結果

nCloseness劉則淵98.00060.204侯海燕109.00054.128陳 悅118.00050.000許振亮121.00048.760許麗敏124.00047.581袁勤儉125.00047.200欒春娟126.00046.825姜春林128.00046.094………余新麗0.0000.000

前已述及，接近中心性越小的節點在網絡中處于核心地位。從結果中可以看出，劉則淵的接中心度最小，說明他能以最短的路徑到達其他節點，在網絡中處于比較核心的地位。由于該接近中性計算是針對網絡中最大的成分進行分析的，因此其結果和前面的中間中心性分析的結果表現出比較大的差異。

接近中心性和中間中心分析指數都比較高的作者是與他人有多次合作并且發表論文數量較多的學者。比如，劉則淵他的中間中心性位于第一位，在接近中心性分析果中位于第一位，其發表的論文數量也位于第一位。同時，他的點度中心度也是最高的，說明與他有合著關系的作者也是最多的。

２.２ 凝聚子群分析

２.２.１ 派系分析

在UCINET中，派系分析的菜單路徑為Network＞Subgroups＞Cliques。

分析結果顯示，當“最少成員數”為3時共存在66個派系，派系之間存在大量的共享成員，當“最少成員數”為4時共存在35個派系。對派系成員進行整個最后共得到13個派系，分析結果見表６。表６ 派

２.２.２ 凝聚子群密度

在UCINET中，凝聚子群密度分析的菜單路徑為Network＞Cohesion＞E-I index。通過分析，發現該網絡的凝聚子群密度非常顯著，達到了-0.818。前已述及，E-I指數的值越向-1靠近，表明關系越趨向于發生在群體之內，意味著派系林立的程度越小。研究結果表明，本文合著網絡的中派系林立的程度非常小，小團體內部的學者之間聯系緊密。在信息分享和科研合作方面交往頻繁，而處于子群外部的成員則不能得到足夠的信息和科研合作機會。從某種程度上來說，這種情況不利于學科總體的發展。

２.３ 核心——邊緣結構分析

在UCINET中，核心——邊緣結構分析的菜單路徑為Network＞Core/Periphery＞Categorical。

分析結果顯示，劉則淵、許振亮、侯海燕、姜春林、陳悅、葛莉、梁永霞、侯劍華、王賢文、尹麗春、龐杰這11位處于核心位置， 其余258位處于邊緣位置。在文獻計量學中，根據普賴斯定律，即“高產作者中一位最低產的作者發表的論文數量，等于最高產作者所發表論文數的平方根的0.749倍”［８］。在本文的合著者群中，最高發文量為31，計算出“核心作者”的發文數量應該在4.17以上，因此，可以定義發表論文數量在5篇以上的作者為“核心作者”統計發現，共有16位“核心作者”。核心-邊緣結構分析的結果將11位學者置于核心位置，這就說明剩下5名學者符合“普賴斯定律”下的“高產核心作者”，但是，他們與其他學者之間的聯系甚少，在核心-邊緣結構分析的結果就沒能置于核心位置。

對這11位核心作者中有8位作者來自大連理工大學21世紀發展研究中心WISE Lab。說明該團隊在知識圖譜領域的科研能力是比較強的。核心作者在一個單位集中的現象了也體現出了學術界的馬太效應，即“窮則愈窮，富則愈富”。越是高產作者，越是權威作者就有可能獲得比別人更多的機會，在學術上的體現就是，高產權威的作者的論文的被引頻率比較高，而且比較容易在核心期刊上發表論文，以及比較容易獲得國家項目等等。

３ 結 論

合著分析一直是情報學研究的重要課題，本文采用社會網絡分析方法分別從中心性、凝聚子群和核心——邊緣結構3個角度進行合著網絡分析，為合著分析的研究提供了一個全新的視角。

中心性分析結果表明，點度中心性分析區分出了我國知識圖譜領域的高產核心作者，中間中心性分析發現在該領域只有很少的作者具有比較高的控制資源的能力。接近中心性分析有密切聯系的“子群”是比較少的，說明從整體來看，本文合著網絡節點之間的合作聯系并不緊密，很多作者都沒有和其他作者建立直接聯系。凝聚子群分析結果表明，合著網絡的中派系林立的程度非常大，處于子群內部的學者之間聯系緊密，在信息分享和科研合作方面交往頻繁，而處于子群外部的成員則不能得到足夠的信息和科研合作機會。這種信息交流的模式不利于學科總體發展。核心——邊緣分析結果表明，高產核心作者分布比較集中于大連理工大學21世紀發展研究中心WISE Lab，表明該學校在知識圖譜方面的科研是走在學術界的前列。高產核心作者的形成也是馬太效應作用的結果。

通過本文的分析，區分出了我國知識圖譜領域的權威核心作者，為后續學者的研究提供了關鍵的切入點，同時，也指出了現在我國知識圖譜領域合著研究存在的一些現象，如合著范圍和強度較少等問題，希望可以為我國知識圖譜領域的學科發展、知識交流提供一定指引。

參考文獻

［１］劉軍.整體網分析講義——UCINET軟件應用［Ｍ］.上海人民出版社,2009:105-106,134.

［２］劉則淵,尹麗春.國際科學學主題共詞網絡的可視化研究［Ｊ］.情報學報,2006，(5):634-640.

［３］邱均平,李佳靚.基于社會網絡分析的作者合作網絡對比研究——以《情報學報》、《JASIST》和《光子學報》為例［Ｊ］.情報雜志,2010,29(11):1-5.

［４］李亮,朱慶華.社會網絡分析方法在合著分析中的實證研究［Ｊ］.情報科學,2008,26(4):549-555.

［５］Freeman L C.Centrality in social networks:Conceptual clarification.Social Networks,1979，(6):215-239.

［６］Borgatti S P,Everett M G,and Freeman L C.Ucinet for Windows:Software for Social Network Analysis［Ｍ］.Harvard,MA:Analytic Technologies,2002:1-25.

［７］張秀梅,吳巍.科研合作網絡的可視化及其在文獻檢索服務中的應用［Ｊ］.情報學報,2006,25(1):9-15.

［８］馬費成，等.信息資源管理［Ｍ］.武漢:武漢大學出版社,2006:72,85.