基于文獻(xiàn)機(jī)構(gòu)作者數(shù)據(jù)的交互式可視化模型

申航

（四川大學(xué)計(jì)算機(jī)學(xué)院，成都610065）

0 引言

隨著學(xué)術(shù)界的日益發(fā)展，人們的受教育水平日益提高，越來(lái)越多的人開始進(jìn)入研究領(lǐng)域。而當(dāng)一個(gè)初學(xué)者開始在其領(lǐng)域內(nèi)進(jìn)行探索時(shí)，往往是盲目的，他需要能夠直接地了解到本領(lǐng)域內(nèi)頂尖地機(jī)構(gòu)和學(xué)者，基于文獻(xiàn)機(jī)構(gòu)作者數(shù)據(jù)的交互式可視化面臨新的挑戰(zhàn)和機(jī)遇。

在獲取頂尖機(jī)構(gòu)和作者方面，人們對(duì)科研機(jī)構(gòu)在科學(xué)領(lǐng)域的產(chǎn)出和影響力方面的比較越來(lái)越感興趣，這一趨勢(shì)的一個(gè)跡象是不斷出版的大學(xué)排名，因此我們需要根據(jù)發(fā)文數(shù)量、被引量等數(shù)據(jù)對(duì)機(jī)構(gòu)作者進(jìn)行評(píng)估排序，以獲取領(lǐng)域內(nèi)頂尖的機(jī)構(gòu)作者，以便用戶進(jìn)行學(xué)習(xí)跟蹤。

在機(jī)構(gòu)作者合作方面，在現(xiàn)代科學(xué)中，科學(xué)家已經(jīng)成為共同點(diǎn)：“有大量的證據(jù)表明研究合作已經(jīng)成為科學(xué)和技術(shù)研究各個(gè)領(lǐng)域的常態(tài)?！睂?duì)機(jī)構(gòu)作者的合作網(wǎng)絡(luò)進(jìn)行研究能夠讓用戶找到相似的領(lǐng)域機(jī)構(gòu)作者，并能讓用戶對(duì)某一作者的合作演化進(jìn)行跟蹤，從中發(fā)現(xiàn)一些有趣的聯(lián)系。

目前主流的文獻(xiàn)可視化工具有Cite Space、Google Scholar Metrics、Keshif等。通過(guò)調(diào)研，我們發(fā)現(xiàn)存在以下問(wèn)題：

（1）功能不夠完備，只具有展示作者信息或者領(lǐng)域研究信息等某一方面的功能；

（2）信息利用不充分，在對(duì)機(jī)構(gòu)或作者進(jìn)行分析時(shí)沒(méi)有考慮到所有屬性；

（3）視圖過(guò)于混亂，對(duì)于用戶來(lái)說(shuō)認(rèn)知負(fù)擔(dān)大，且體驗(yàn)較差。

針對(duì)上述情況，本文從兩個(gè)方面提出了文獻(xiàn)機(jī)構(gòu)作者數(shù)據(jù)的可視化方法設(shè)計(jì)，包括合著網(wǎng)絡(luò)可視化方法、關(guān)鍵詞文本可視化方法。然后本文從數(shù)據(jù)特點(diǎn)、可視化映射考慮，完成了對(duì)兩種可視化方法的實(shí)現(xiàn)。

1 可視化模型構(gòu)建

1.1 數(shù)據(jù)描述

本文實(shí)驗(yàn)采用的數(shù)據(jù)集為1991-2016年IEEE VIS上發(fā)表的論文數(shù)據(jù)。數(shù)據(jù)來(lái)源于http://www.vispubdata.org/site/vispubdata/，數(shù)據(jù)預(yù)先包含的字段為conference、year、paper_title、paper_doi、link、author_name、author_affiliation、author_keywords。數(shù)據(jù)集總共包含約2000篇論文，從Vispubdata網(wǎng)站上下載csv格式的文件后導(dǎo)入到MySQL數(shù)據(jù)庫(kù)中。

表1 論文數(shù)據(jù)集描述

1.2 可視化任務(wù)描述

T1.作者合著網(wǎng)絡(luò)分析。單個(gè)作者無(wú)法獨(dú)自完成一篇論文的撰寫。在各個(gè)學(xué)者于他人合作的過(guò)程中，漸漸地形成了一張合作網(wǎng)。分析合著網(wǎng)絡(luò)能夠發(fā)現(xiàn)許多有趣的合作模式。該任務(wù)可分解為如下問(wèn)題：

Q3.如何發(fā)現(xiàn)學(xué)術(shù)水平較高地學(xué)者？如，分析者希望找到學(xué)術(shù)水平較高的學(xué)者進(jìn)行論文學(xué)習(xí)。

Q4.如何發(fā)現(xiàn)合著網(wǎng)絡(luò)中的學(xué)術(shù)團(tuán)體？如，分析者希望通過(guò)單個(gè)高水平作者發(fā)現(xiàn)其處于的學(xué)術(shù)團(tuán)體，對(duì)團(tuán)體中的其他個(gè)體進(jìn)行跟蹤學(xué)習(xí)，從而拓寬學(xué)習(xí)視野。

Q5.如何對(duì)作者的合作關(guān)系的演化過(guò)程進(jìn)行分析？如，通過(guò)對(duì)作者歷年來(lái)的合作作者進(jìn)行分析，能夠找到一些可能的師生關(guān)系。

T2.關(guān)鍵詞文本分析。關(guān)鍵詞文本中包含了許多有價(jià)值的信息。通過(guò)對(duì)關(guān)鍵詞文本進(jìn)行分析能夠發(fā)現(xiàn)諸如領(lǐng)域研究熱點(diǎn)、作者研究興趣等模式。該任務(wù)可分解為如下問(wèn)題：

Q6.如何獲知學(xué)者的主要研究方向？如，分析者希望知道某位學(xué)者的主要關(guān)鍵詞，再根據(jù)關(guān)鍵詞閱讀論文。

Q7.如何獲知一位學(xué)者研究領(lǐng)域的演化情況？如，分析者對(duì)某位學(xué)者感興趣，希望得知他近幾年的研究領(lǐng)域。

1.3 作者合著網(wǎng)絡(luò)可視化方法的設(shè)計(jì)

對(duì)作者合著網(wǎng)絡(luò)進(jìn)行可視分析能夠發(fā)現(xiàn)許多有趣的模式，例如學(xué)術(shù)團(tuán)體、個(gè)人中心網(wǎng)絡(luò)的變化等等。為更好地對(duì)作者合著網(wǎng)絡(luò)進(jìn)行分析，合著網(wǎng)絡(luò)分析分為合著網(wǎng)絡(luò)可視化方法與個(gè)人中心網(wǎng)絡(luò)可視化方法。

（1）合著網(wǎng)絡(luò)可視化方法的設(shè)計(jì)

合著網(wǎng)絡(luò)能夠直接反映作者間的學(xué)術(shù)合作關(guān)系。合著網(wǎng)絡(luò)需要能夠反映單個(gè)作者學(xué)術(shù)水平的高低、作者間的合作親密關(guān)系與學(xué)術(shù)團(tuán)體。本文設(shè)計(jì)了合著網(wǎng)絡(luò)可視化方法，能夠解決可視化任務(wù)中的Q2-Q4。

合著網(wǎng)絡(luò)可由一張無(wú)向圖表示，節(jié)點(diǎn)代表作者，節(jié)點(diǎn)間路徑代表作者間存在合作關(guān)系。合著網(wǎng)絡(luò)可視化示意圖如圖1所示。

該可視化方法由兩部分組成，無(wú)向圖與力引導(dǎo)布局：

①無(wú)向圖

節(jié)點(diǎn)面積：節(jié)點(diǎn)面積對(duì)應(yīng)發(fā)文數(shù)量。作者發(fā)文數(shù)量越多，節(jié)點(diǎn)越大。

節(jié)點(diǎn)顏色：節(jié)點(diǎn)的顏色代表作者所屬的學(xué)術(shù)團(tuán)體。不同的顏色代表不同的學(xué)術(shù)團(tuán)體，同一顏色的節(jié)點(diǎn)屬于同一學(xué)術(shù)團(tuán)體。

邊：邊代表連接的兩個(gè)作者間存在合作關(guān)系。

②力引導(dǎo)布局

力引導(dǎo)布局能夠使視圖中的連線長(zhǎng)度保持一致，并減少連線的交叉。力引導(dǎo)布局引入的庫(kù)侖斥力能將節(jié)點(diǎn)彈開，而彈簧引力能夠?qū)㈥P(guān)系緊密的節(jié)點(diǎn)拉近。由于關(guān)系緊密的節(jié)點(diǎn)間吸引拉近，關(guān)系較弱的節(jié)點(diǎn)間排斥遠(yuǎn)離，所以從形成的網(wǎng)絡(luò)布局中能夠看到一定的團(tuán)體分布。通過(guò)對(duì)節(jié)點(diǎn)進(jìn)行著色能夠更好地對(duì)團(tuán)體進(jìn)行區(qū)分。

圖1 合著網(wǎng)絡(luò)可視化方法示意圖

（2）個(gè)人中心網(wǎng)絡(luò)可視化方法的設(shè)計(jì)

除了需要對(duì)網(wǎng)絡(luò)的整體情況進(jìn)行展示外，還需要對(duì)個(gè)體的情況進(jìn)行展示。對(duì)個(gè)人中心網(wǎng)絡(luò)進(jìn)行探索除了能夠發(fā)現(xiàn)該個(gè)體的主要合作者，還能夠發(fā)現(xiàn)合作網(wǎng)絡(luò)隨時(shí)間的演化情況。本文設(shè)計(jì)了個(gè)體中心網(wǎng)絡(luò)的可視化方法，能夠解決可視化任務(wù)中的Q5。

個(gè)人中心網(wǎng)絡(luò)的可視化由兩部分組成，如圖2和圖3所示。個(gè)人中心網(wǎng)絡(luò)可視化能夠?qū)x定作者與其主要合作者進(jìn)行展示，對(duì)作者的主要合作作者進(jìn)行分析能夠知道該作者主要的學(xué)術(shù)合作關(guān)系。

個(gè)人合作關(guān)系演化可視化能夠從時(shí)間屬性上對(duì)作者的合作關(guān)系進(jìn)行分析。首先對(duì)選定作者所有發(fā)表的論文按年份排列進(jìn)行展示，再對(duì)發(fā)表論文中的合作作者按年份進(jìn)行展示，就能夠清晰直觀地看到該作者與其合作作者在時(shí)間上變化情況。通過(guò)對(duì)個(gè)人合作關(guān)系演化情況進(jìn)行分析能夠發(fā)現(xiàn)諸如師生關(guān)系等潛在的模式。

圖2 個(gè)人中心網(wǎng)絡(luò)可視化示意圖

圖3 個(gè)人合作關(guān)系演化可視化示意圖

該方法的可視化編碼主要包括節(jié)點(diǎn)、連線、氣泡，下面對(duì)方法的可視化編碼進(jìn)行描述：

①個(gè)人中心網(wǎng)絡(luò)可視化

節(jié)點(diǎn)：每個(gè)節(jié)點(diǎn)代表一個(gè)作者。

邊：邊表示相連的節(jié)點(diǎn)與中心節(jié)點(diǎn)間存在合作關(guān)系。

②個(gè)人合作關(guān)系演化可視化

橫軸：橫軸代表選定作者發(fā)表過(guò)論文的年份。

縱軸：縱軸代表作者，第一項(xiàng)為選定作者，后續(xù)項(xiàng)為選定作者的合作作者，按合作論文篇數(shù)排序。

氣泡尺寸：氣泡尺寸代表發(fā)文數(shù)量，氣泡越大，發(fā)文數(shù)量越多。第一行為選定作者按年份排列的發(fā)文數(shù)量，后續(xù)行為該作者與選定作者按年份排列的合作論文數(shù)量。

1.4 關(guān)鍵詞文本可視化方法的設(shè)計(jì)

關(guān)鍵詞是分析作者研究領(lǐng)域的重要屬性。一方面，分析者希望直觀地得到作者主要的研究方向；另一方面，分析者希望觀察出作者研究領(lǐng)域的變化情況。

針對(duì)以上需求，本文設(shè)計(jì)了關(guān)鍵詞文本可視化方法，由兩部分組成，關(guān)鍵詞詞云可視化與主題流圖可視化。

（1）關(guān)鍵詞詞云可視化方法的設(shè)計(jì)

關(guān)鍵詞詞云能夠直觀地反映出作者的主要研究方向。本文設(shè)計(jì)了關(guān)鍵詞詞云的可視化方法，能夠解決可視化任務(wù)中的Q6。對(duì)作者發(fā)表的所有論文的關(guān)鍵詞進(jìn)行統(tǒng)計(jì)，由詞頻決定關(guān)鍵詞大小，排列在視圖上。通過(guò)對(duì)關(guān)鍵詞進(jìn)行跟蹤，能夠找到相應(yīng)的論文。關(guān)鍵詞詞云可視化方法示意圖如圖4所示。

圖4 關(guān)鍵詞詞云可視化方法示意圖

該方法的可視化編碼主要包括：

內(nèi)容：關(guān)鍵詞內(nèi)容為作者論文集中出現(xiàn)頻次較高的關(guān)鍵詞。

大?。宏P(guān)鍵詞的大小代表該關(guān)鍵詞出現(xiàn)的頻次，頻次越大，關(guān)鍵詞越大。

（2）主題流圖可視化方法的設(shè)計(jì)

主題流圖能夠反映作者研究領(lǐng)域隨時(shí)間的變化情況，包括：作者近年來(lái)最主要的研究領(lǐng)域，作者何時(shí)停止研究一個(gè)舊領(lǐng)域，作者何時(shí)開始研究一個(gè)新領(lǐng)域等等。本文設(shè)計(jì)了主題流圖的可視化方法，能夠解決可視化任務(wù)中的Q7。將作者的研究主題映射為在時(shí)間上不斷變化的河流，即可看到主題的發(fā)展變化。主題流圖可視化方法示意圖如圖5所示。

圖5 主題流圖可視化方法示意圖

該方法中河流的可視化編碼主要包括：

顏色：不同的顏色代表不同的河流，同一顏色的河流為一個(gè)主題。

寬度：河流的寬度代表當(dāng)年該主題的論文數(shù)，作者在該主題上有關(guān)的論文越多，河流越寬。因此，面積較大的河流代表作者的主要研究領(lǐng)域。

2 實(shí)驗(yàn)評(píng)估

2.1 作者合著網(wǎng)絡(luò)分析

如圖6所示，展示了IEEE VIS論文數(shù)據(jù)集上的合著網(wǎng)絡(luò)情況。從合著網(wǎng)絡(luò)可視化結(jié)果中可以看出，可視化領(lǐng)域內(nèi)的頂尖作者主要有Eduard Groller、Kwan-Liu Ma、Arie E.Kaufman、Huamin Qu 等。合著網(wǎng)絡(luò)根據(jù)作者合作關(guān)系有被劃分成一個(gè)個(gè)學(xué)術(shù)團(tuán)體，而學(xué)術(shù)團(tuán)體又圍繞上述頂尖作者產(chǎn)生。由此可以判斷出，學(xué)術(shù)團(tuán)體的產(chǎn)生主要受兩方面影響：頂尖作者與其學(xué)生間的合作關(guān)系，頂尖作者間的長(zhǎng)期合作關(guān)系。

對(duì)合著網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行點(diǎn)擊能夠查看作者的詳細(xì)信息。圖7展示了Huamin Qu的個(gè)人中心網(wǎng)絡(luò)可視化結(jié)果。從圖中可以看出Huamin Qu的主要合作者為Yingcai Wu與Weiwei Cui。而根據(jù)搜索引擎的結(jié)果，Huamin Qu與后兩位作者是師生關(guān)系，證明了實(shí)驗(yàn)結(jié)果的準(zhǔn)確性。從個(gè)人合作關(guān)系演化中可以看出，Huamin Qu與后兩位作者保持了長(zhǎng)期的合作關(guān)系。

通過(guò)對(duì)網(wǎng)絡(luò)圖中的節(jié)點(diǎn)進(jìn)行點(diǎn)擊能夠查看合作作者的詳細(xì)信息，對(duì)氣泡圖中的氣泡進(jìn)行點(diǎn)擊能夠查看相應(yīng)的文章。

如圖8所示，展示了Huamin Qu的研究領(lǐng)域可視化結(jié)果。從右邊的詞云可以看出，Huamin Qu的主要研究方向?yàn)関isual analytics與graph visualization。而從左邊的主題流圖可以看出Huamin Qu研究領(lǐng)域的變化情況。根據(jù)河流寬窄的變化情況，可以看出Huamin Qu早期的研究領(lǐng)域?yàn)閞ending與image processing，而近期的研究領(lǐng)域主要為visual analytics與graph data and techniques。

圖7 Huamin Qu的個(gè)人中心網(wǎng)絡(luò)可視化結(jié)果

2.2 作者研究領(lǐng)域分析

圖8 Huamin Qu的研究領(lǐng)域可視化結(jié)果

對(duì)關(guān)鍵詞進(jìn)行點(diǎn)擊能夠查看作者在該方向上的文章。如圖9所示，展示了Huamin Qu在visual analytics方向上的文章列表。通過(guò)下拉滑動(dòng)條能夠查看所有的文章，通過(guò)對(duì)link進(jìn)行點(diǎn)擊能夠訪問(wèn)原文鏈接。

圖9 Huamin Qu在visual analytics方向上的文章列表

3 結(jié)語(yǔ)

隨著科技的進(jìn)步與高等教育的蓬勃發(fā)展，一方面科研工作者數(shù)量急劇上升；另一方面，科學(xué)研究領(lǐng)域的重要成果之一——科研文獻(xiàn)的數(shù)量也在急劇增長(zhǎng)。如何有效地對(duì)科研文獻(xiàn)進(jìn)行分析，快速獲取目標(biāo)信息，成為文獻(xiàn)分析領(lǐng)域的研究熱點(diǎn)。

鑒于上述背景，本文對(duì)文獻(xiàn)機(jī)構(gòu)作者數(shù)據(jù)的可視分析展開研究?；跁?huì)議論文數(shù)據(jù)，結(jié)合地理信息可視化、網(wǎng)絡(luò)數(shù)據(jù)可視化、文本內(nèi)容可視化等信息可視化技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了完成了對(duì)合著網(wǎng)絡(luò)、關(guān)鍵詞文本等數(shù)據(jù)的分析。同時(shí)，本文以1991-2016年IEEE VIS論文數(shù)據(jù)為例，通過(guò)對(duì)論文數(shù)據(jù)進(jìn)行分析，驗(yàn)證了系統(tǒng)的可靠性。