基于知識圖譜的國內外數字人文研究可視化分析

崔倩倩

(南通大學圖書館，江蘇 南通 226019)

1 引 言

數字人文研究屬于跨學科領域，其核心是采用計算機技術、信息技術、知識組織技術來解決迄今常以偶然方式處理的人文學科問題。作為一個舶來概念，2009年武漢大學教授王曉光[1]在教育部人文社會科學研究方法創新論壇上發表了《“數字人文”的產生、發展與前沿》一文之后，“數字人文”才真正開始受到國內學者的關注。2011年，武漢大學成立了國內第一家數字人文研究中心，隨后臺灣大學、香港公開大學、南京大學等高校也相繼成立了數字人文研究機構，開始有組織有計劃地進行數字人文研究。在“數字人文”這個概念被翻譯到中國之前，國內已經存在數字人文實踐，但相關的研究大多處于一種自為狀態，缺乏相應的數字人文理論的有效支撐。本文采用文獻計量和科學知識圖譜方法，通過對CNKI和Web of Science核心數據集中收錄的主題為數字人文的相關文獻進行多層次剖析，以期為數字人文的深入研究提供參考。

2 研究方法與數據來源

科學知識圖譜能夠對科學知識的發展進程與結果關系進行可視化分析，本文采用美國德雷賽爾大學陳超美博士開發的科學計量與知識可視化軟件CiteSpace[2]來進行知識圖譜的繪制，直觀地展現國內外數字人文研究的信息全景，并通過對數字人文相關文獻進行研究機構、作者合作關系分析、關鍵詞聚類、中心性分析等，探究和挖掘數字人文研究的熱點及其動態變化過程。

在保證查全率的條件下，采用相同的檢索策略分別在CNKI和Web of Science核心數據集中獲取代表國內和國外有關數字人文研究的數據集合。在CNKI中，“檢索主題”等于“數字人文”或“人文計算”，精確檢索，檢索范圍為2019年12月31日之前數據庫收錄的所有文獻，檢索到包括博碩士論文、期刊、專利等中文文獻共計725條，經人工篩選，去除與主題相關度低的文獻、人物訪談、選題指南以及一些會議綜述和報道后，獲得樣本文獻512篇。在Web of Science核心數據集(包括SCI-EXPANDED、CPCI-S)中，“檢索主題”等于“digital humanit*”or“humanities computing”，檢索范圍為2019年12月31日之前數據庫收錄的所有文獻，檢索到827條記錄，經人工篩選，去除與主題相關度低的文獻、書評、會議文摘等，同時也去除第一作者單位為中國地區的若干文獻，獲得樣本文獻489篇。

CiteSpace軟件可對Web of Science核心數據集中導出的數據進行作者、機構、國家、地區合作網絡分析，關鍵詞、術語、領域共現分析，文獻、作者、期刊共被引分析，以及文獻耦合、雙圖疊加分析[3]，但對于CNKI數據只能進行作者、機構合作網絡以及關鍵詞共現分析。本文為了進行國內外數字人文研究狀態的可視化對比，選擇了CNKI和Web of Science數據共有的分析字段，僅對樣本數據進行作者、機構合作圖譜分析和關鍵詞共現圖譜分析。

圖1 數字人文研究文獻統計

為考察數字人文研究成果，對2019年12月31日之前CNKI和Web of Science核心數據集中收錄的相關文獻進行統計，并繪制文獻發表的年限分布趨勢圖(見圖1)，直觀地展示國內外數字人文研究發展速度及趨勢。經分析，國內數字人文的研究文獻最早出現在2005年，而國外在2003年就出現了相關的研究報道。2003—2013年，國內外研究趨勢都較為平緩，國外一直保持著一定數量的研究，但國內的研究似乎才剛剛萌芽；2014—2016年，國內外研究均呈現出明顯的上升趨勢，從趨勢線的走勢可以看出，國內研究的增長速度明顯要高于國外研究；2017—2019年，國內研究更是突飛猛進，不僅在增長的速度上超越了國外，在文獻的發表量上也明顯高于國外，而國外始終保持著平穩的發展趨勢。可見，數字人文的研究越來越受到國內學者的重視。出現這一現象的原因可能是由于2014年在上海召開的“圖書館前沿技術論壇：數字人文與語義技術”專題研討會和2016年在北京大學舉辦的首屆數字人文論壇推動了數字人文在各個領域的實踐和發展。此外，國務院于2016年底發布《“十三五”國家戰略性新興產業發展規劃》，規劃中明確指出要促進人文資源的數字化，實現優秀人文資源的創造性轉化，同時，提高博物館、圖書館和檔案館等公共文化服務機構的數字化水平，將數字技術與文化服務深度融合來推動文化產業發展。隨后，原文化部在2017年4月先后出臺了《文化部關于推動數字文化產業創新發展的指導意見》和《文化部“十三五”時期文化產業發展規劃》，這一系列政策的提出也為國內數字人文研究的發展提供了良好機遇。

3 可視化結果及分析

3.1 數字人文研究合作圖譜分析

通過對國內外作者、機構的合作情況進行圖譜繪制，探究數字人文研究學術領域的合作關系。首先，對樣本數據進行預處理，利用Notepad++軟件將國內外研究機構以及國外作者的名稱進行梳理(機構名稱保留到某大學，同一作者名稱格式統一)，再分別將樣本數據導入CiteSpace軟件，設置每一年一個時間分區，分析對象分別選擇作者和機構，分析對象節點之間連線強度選擇夾角余弦距離Cosine，篩選標準選擇Top50。由于預處理時發現網絡密度較低，所以這里對網格不進行修剪，運行后分別得到國內外數字人文研究作者合作圖譜和機構合作圖譜。

圖2和圖3分別是國內外數字人文研究作者的合作圖譜。圖中節點的大小體現了該作者的發文量，也代表了該作者在這一研究領域的活躍程度，節點間的連線體現了作者之間的合作關系，連線越粗表示合作越緊密。圖2的網絡密度為 0.002 3，圖3的網絡密度為 0.003 1，說明該領域的作者之間的研究比較分散，學術交流和科研成果上的聯系不緊密，但是，國外作者之間的聯系要比國內相對密切一些。國內外該領域的作者大部分是以個人或者小團體形式進行研究的，沒有形成權威性的大型學術組織。在國內數字人文研究領域中發文較多的作者有夏翠娟、趙宇翔、鄂麗君、朱慶華、李欣、曾子明、王濤、劉煒、楊曉雯、趙薇、王東波、王曉光、許鑫，其中夏翠娟和趙宇翔各有9篇相關文獻。國外數字人文研究領域中發文較多的作者有Richard Furuta，Tobias Blanke，Akira Maeda，Mark Hedges，Colin Allen，Biligsaikhan Batjargal，Seamus Lawless，Stefan Jaenicke，Robert B Allen，其中，Richard Furuta有8篇相關文獻。

圖2 國內數字人文研究作者合作圖譜

圖3 國外數字人文研究作者合作圖譜

圖4和圖5分別是國內外數字人文研究機構的合作圖譜。圖中節點的大小體現了該機構的發文量，也代表了該機構在這一研究領域的活躍程度，節點間的連線體現了機構之間的合作關系，連線的粗細體現了合作的緊密程度。圖4的網絡密度為 0.003 5，圖5的網絡密度為 0.005 3，說明國外機構之間的聯系要比國內密切很多。在國內數字人文研究領域中發文較多的機構有南京大學、武漢大學、北京大學、上海圖書館、上海大學、華東師范大學、中國人民大學、上海交通大學、南京農業大學、中山大學，其中，南京大學有46篇相關文獻。國外數字人文研究領域中發文較多的機構有阿姆斯特丹自由大學、倫敦國王學院、阿姆斯特丹大學、倫敦大學學院、烏得勒支大學、伊利諾伊大學、都柏林圣三一學院、立命館大學、得克薩斯A&M大學、牛津大學、印第安納大學、萊比錫大學，其中，阿姆斯特丹自由大學有14篇相關文獻。

圖4 國內數字人文研究機構合作圖譜

圖5 國外數字人文研究機構合作圖譜

縱觀國內外作者、機構合作圖譜可以發現，國外研究者、研究機構之間的合作更為密切，展現出積極交流與合作的態度，而國內獨撰作者較多，研究機構數量少且較為分散，還沒有形成良好的跨界合作氛圍。

3.2 數字人文研究共現圖譜分析

對國內外數字人文研究文獻的關鍵詞進行共現圖譜繪制，探究數字人文研究的熱點主題和熱點的演變。首先，對樣本數據進行預處理，利用Notepad++軟件將關鍵詞進行同義詞合并，再分別將樣本數據導入CiteSpace軟件，設置每一年一個時間分區，分析對象選擇關鍵詞，分析對象節點之間連線強度選擇夾角余弦距離Cosine，篩選標準選擇Top50，采用“PathFinder+Pruning Sliced Networks”算法對圖譜進行修剪，并生成唯一解，運行后分別得到國內外數字人文研究關鍵詞共現圖譜。

3.2.1 研究熱點分析。圖6和圖7分別是國內外數字人文研究關鍵詞共現圖譜。關鍵詞作為文獻內容的高度精練，在圖譜中出現的頻次高低能在一定程度上反映該研究領域的研究特點及現狀。共現分析方法作為一種能界定跨學科新興領域研究范圍、研究內容與研究方法以及構建該領域內學術生態系統的有效途徑，可以應用于數字人文研究熱點的捕捉與評價[4]。圖中節點大小代表關鍵詞出現的頻次，節點間連線粗細代表關鍵詞間共現的強弱，節點年輪的顏色和厚度代表研究出現的時間和對應時間出現的文獻量。在CiteSpace中，常以“中介中心性”作為測度節點在網絡中重要性的指標，中心性越高的關鍵詞在網絡中所起的“中介”作用越大，高中心性的重要節點在圖譜中由紫色外圈標注，表明與其他節點連接緊密。圖6中高中介中心性的節點有“數字人文、高校圖書館、圖書館、人文計算”，圖7中高中介中心性的節點有“digital humanity”，說明國內圍繞“高校圖書館”“圖書館”的數字人文研究比較多，而國外數字人文研究的內容比較分散。

圖6 國內數字人文研究關鍵詞共現圖譜

去除檢索主題“數字人文”，得到頻次大于9、中介中心性大于0.05的關鍵詞(見表1)。可以發現，國內數字人文的研究熱點，包括基于元數據、大數據、檔案、關聯數據、數據庫等研究對象，數字技術、可視化、數字化、GIS、知識圖譜等研究方法以及高校圖書館、圖書館服務、文本挖掘、遠讀、知識服務、閱讀推廣、跨學科服務等一系列的研究應用。

對關鍵詞共現網絡進行聚類(見圖6)，得到國內數字人文研究的熱點方向分布：(#0)高校圖書館、(#1)知識圖譜、(#2)人文計算、(#3)文學、(#4)徽學、(#5)圖書館、(#6)基礎設施建設。

表1 國內數字人文研究關鍵詞共現頻次、中介中心性及最早出現年份(部分)

圖7 國外數字人文研究關鍵詞共現圖譜

去除檢索主題“digital humanity”，得到頻次大于9、中介中心性大于0.05的關鍵詞(見表2)。可以發現，國外數字人文的研究熱點，包括基于文化遺產、本體、歷史、大數據、人文、關聯數據、藝術、語料庫等研究對象，可視化、GIS、機器學習等研究方法，以及數字圖書館、眾包、自然語言處理、信息檢索、評估、文本挖掘、語義網服務等一系列的研究應用。

對關鍵詞共現網絡進行聚類(見圖7)，得到國外數字人文研究的熱點方向分布：(#0)image retrieval，(#1)digital library，(#2)visualization，(#3)citizen science，(#4)humanities，(#5)big data，(#6)metadata。

表2 國外數字人文研究關鍵詞共現頻次、中介中心性及最早出現年份(部分)

通過國內外數字人文研究熱點分析，可以看出國內外研究熱點不盡相同：國內側重于圖書館服務的拓展研究，尤其是高校圖書館的知識服務、閱讀推廣、古籍文獻數字化等；國外側重于歷史、人文、藝術等文化遺產的可視化研究以及自然語言處理、語料庫建設、人文資料評估、語義網服務等。從研究對象和研究應用上看，國外數字人文研究所涉及的領域更廣，更能體現數字人文研究的學科交叉特點。從熱點方向分布上看，國內更注重高校圖書館、基礎設施建設等應用層面的研究，國外則更注重圖像檢索、可視化等技術層面的研究。

3.2.2 研究熱點轉移分析。為直觀的考察數字人文研究領域熱點的轉移情況，根據上文發文量的統計分析，將數字人文研究劃分為三個階段，即2003—2013年、2014—2016年、2017—2019年，分別聚類關鍵詞，分析這3個階段國內外數字人文研究的熱點及變化情況。將樣本數據導入CiteSpace軟件，時間跨度選擇所劃分的時間段，設置每一年一個時間分區，分析對象選擇關鍵詞，分析對象節點之間連線強度選擇夾角余弦距離Cosine，篩選標準選擇Top50，采用“PathFinder+Pruning Sliced Networks”算法對圖譜進行修剪，運行后分別得到國內外數字人文研究3個階段的關鍵詞共現詞頻/中心性。

(1)國內數字人文研究熱點的轉移

2003—2013年，國內研究表現出剛剛起步的狀態，發文量較少，該年段內的熱點關鍵詞(中心性≥0.05)有：數字技術、人文計算、人文精神、文本挖掘、人文研究、交叉學科、可視化、媒體。主要針對數字時代人文精神[5]以及對數字化、文本挖掘等數字技術在人文科學研究中的應用[6]的探討。隨著技術的發展和大數據時代的到來，人文資料被數字化，知識成為一種可以計算的數據，這不僅改變了知識的獲取方式和使用方式，也改變了人文學科研究的思維范式。

2014—2016年，發文量有了一定的增長，但仍處于摸索階段，該年段內的熱點關鍵詞(中心性≥0.05)有：人文計算、高校圖書館、圖書館、文學、大數據、數據庫、新媒體、大數據時代、數字倉儲、博物館。主要針對圖書館、博物館、數據庫、數字倉儲等作為科研支撐的基礎設施建設研究[7]。國內目前還停留在數字資源建設層面，如各種方言數據庫、俗語數據庫、語料數據庫、少數民族特色數據庫、地方志數據庫、族譜數據庫、非物質文化數據庫以及各種檔案數據庫的建設。同時，高校、科研機構研發各種數據平臺，來支撐數據庫建設。

2017—2019年，發文量激增，國內數字人文時代正欣欣向榮，該年段內的熱點關鍵詞(中心性≥0.05)有：高校圖書館、圖書館、研究型圖書館、圖書情報、遠讀、檔案、大數據。主要針對高校圖書館的轉型研究，如數字人文資源建設、數字人文館員、數字人文素養[8]、數字人文教育等以及檔案、古籍等文獻的知識服務和可視化分析。

(2)國外數字人文研究熱點的轉移

2003—2013年，發文量較少。該年段內的熱點關鍵詞(中心性≥0.05)有：digital library，TEI，HPC，humanity，XML，art，semantic web，metadata，e-Research，repository，digital philosophy，infrastructure，attribute relationship graph，cloud computing。主要涉及：1)數字圖書館、高性能計算、云計算、知識庫等基礎設施建設研究[9]。在e-Research環境下，大量的傳統文獻和特色文獻被數字化，作為文獻資源的主要保留地，數字圖書館自然而然成為數字人文最初的基礎設施建設者，高性能計算、大數據技術等則成為數字人文基礎設施的技術保障，與此同時，高性能計算作為文學分析的新方法，被用來檢索和識別數字圖書館中大規模文本資源的主題、關鍵詞和語言模式等[10]。2)電子文本編碼研究[11]。TEI(文本編碼倡議)是一種建立在SGML(標準通用置標語言)和XML(可擴展標記語言)基礎上的語料庫文本標記模式，用于制定電子形式交換的文本編碼標準，提高電子文本的規范化和標準化，使編碼語言處理的文本能夠更加方便的傳輸和共享。3)人文與藝術研究。人文和藝術作為人類文明和文化的精髓，與數字技術和計算機技術相結合，進行數據化和數字化重構，從而挖掘新的研究方法、研究領域和范疇。4)語義網技術研究[12]。對人文資源進行語義描述和語義組織，從而實現人文資源的整合和共享，并在此基礎上進行深層次的知識服務。

2014—2016年，發文量明顯增長。該年段內的熱點關鍵詞(中心性≥0.05)有：visualization，cultural heritage，digital library，big data，ontology，linked data，history，machine learning，community model，crowd-sourcing，social media，augmented reality，archive，humanity，text mining。主要涉及：1)歷史、文化遺產等數字化重構和可視化研究[13]。將歷史上的手稿、語言、音樂、舞蹈等數字化，并建設數字化的文化遺產館藏，確保其長期保存和開放獲取。這一研究過程涉及了語義信息架構、內容組織、文本挖掘、3D建模、自動索引、數字化重構、語音分析以及對可視化成果進行信息檢索、信息增強、標注、注釋等。2)本體與關聯數據研究[14]。本體作為對文獻資源對象進行語義描述的規范，能將無序的原始人文資源轉換為結構化的數據，關聯數據再將結構化的文獻數據進行組織和加工，使其變成可以通過計算機統計并呈現可視化結果的數據平臺。3)數字建模[15]和增強現實研究[16]。借鑒自然科學研究中先通過計算機模擬分析再實驗的研究方法，在人文科學研究中，利用計算機技術和大數據建立數字化模型來模擬和分析各種人文現象。例如，傳播研究領域采用社交媒體(如推特、互聯網、物聯網)搜集大數據來進行社會關系方面的研究，或針對某一人文研究設定的虛擬空間，通過虛擬視覺技術和增強現實技術來推演一個活動或者一個事件的進程。

2017—2019年，發文量平穩增長。該年段內的熱點關鍵詞(中心性≥0.05)有：cultural heritage，corpus，crowdsourcing，GIS，visualization，metadata，evaluation，machine learning，digital library，big data，linked data，distant reading，natural language processing。主要涉及：1)語料庫研究[17]。隨著數字人文研究的發展，語料庫研究隊伍不斷壯大，其研究內容也從早期簡單的詞匯、語法和詞典，擴展到信息處理、深度翻譯、社會語言、認知語言、抽象語言、話語分析等廣泛領域。2)眾包、大眾協同、人機協同研究[18]。在大數據和人工智能時代，通過對知識的開源，讓每個人都能參與到知識的產生、知識的發現、知識的組織和知識的服務當中，再通過人機協同、交互處理各種知識。

4 結論與思考

4.1 研究結論

本文通過CiteSpace軟件，對2019年12月31日之前CNKI和Web of Science核心數據集中收錄的主題為數字人文的相關文獻進行計量分析和圖譜可視化分析，得出以下結論：

(1)文獻計量表明：數字人文研究越來越受到國內學者的重視，且研究成果豐富，整體呈上升趨勢，2017年起發文量明顯超越國外，發展十分迅速。但國內外相關研究成果的總體數量仍略顯不足，還需要更多學者的投入和關注。

(2)作者合作圖譜表明：國內外數字人文領域的科研隊伍在不斷壯大，但科研人員之間的學術交流不緊密，多以個人或小團體形式進行研究，缺少權威性的大型學術團隊和領軍人物。雖然，在檢索外文數據庫時去除了幾條第一作者單位為中國地區的文獻記錄，但這幾篇文獻也僅是國內作者獨撰或是國內少數作者合著，并未有與國外研究者合作，這也反映了數字人文作為一個跨學科新興研究領域，還需要設立更多國內外重大研究專項(如重點基金項目)，促進國內外研究者之間的交流與合作。

(3)機構合作圖譜表明：國內形成了以南京大學和武漢大學為中心的機構合作團體，研究成果顯著，但是其他科研機構各自為政，合作較少。國外研究機構雖然總體發文量少，但是各機構之間聯系緊密，跨界合作多，研究成果具有較高的科技含量。同樣，由于缺乏國內外數字人文聯合項目的支持，研究機構之間也缺少該領域內深層次的交流與合作，需要更多政策上的宏觀引領，建立長效機制，保障科研機構對數字人文領域的關注度，逐漸形成主流研究方向，促進數字人文研究的科學發展。

(4)關鍵詞共現圖譜表明：1)國內數字人文研究側重在高校圖書館應用，如知識服務、閱讀推廣、文獻數字化等；國外數字人文研究側重技術發展，如文化遺產的可視化，以及自然語言處理、語料庫建設、語義網服務等。2)國內數字人文領域的研究熱點從人文精神探討和人文科學數字化，到基礎設施建設研究，再到高校圖書館轉型、數字人文素養、數字人文服務研究進行轉變；國外數字人文領域的研究熱點從數字圖書館、高性能計算、云計算、知識庫等基礎設施建設、電子文本編碼、人文與藝術、語義網技術研究，到歷史、文化遺產等數字化重構和可視化研究、本體與關聯數據研究、數字建模和增強現實研究，再到語料庫建設、眾包、大眾協同、人機協同研究進行轉變。可見，國內數字人文研究主題比較單一，需要進一步發展，不斷開拓新的研究方向，國外在數字人文領域的研究范圍更廣，更能體現數字人文跨學科、跨領域的特點。

4.2 研究思考

本文通過知識圖譜直觀地展現了國內外數字人文研究領域作者、機構的合作關系，并通過關鍵詞共現挖掘研究熱點，不足之處是樣本數據只包括了主題為“數字人文”或“人文計算”的相關文獻，忽略了未實際命名“數字人文”的研究成果。但也從側面說明，數字人文研究機構傳播力不夠，只有涉及該領域的學者才會去了解數字人文，除了提高“數字人文”標簽的使用度以外，還應在核心期刊多展現數字人文的研究成果，提高數字人文的普及率。此外，學者的數字人文理念也不夠深入，數字人文研究思維還需要進一步提高，要從開放思維、量化思維不斷向著關聯思維、跨學科思維和協同思維轉變。

數字人文作為跨學科領域，涉及文學、社會學、歷史、計算機科學等，深刻地影響著人文科學的發展，也自然地與以知識組織為主要功能的圖書館相契合[19]。數字人文與圖書情報都是有關信息的學科，圖書館學作為數字人文產生的基礎科學和主要應用領域，應從內涵、研究對象、研究方法和實踐中始終保持與數字人文研究協同發展[20]。

目前，國外已有圖書館專聘數字人文館員以支持數字人文研究，并在圖書館內建立了數字人文研究中心，加強圖書館與其他科研機構的交流與合作[21]。雖然上文圖譜分析顯示，國內十分注重高校圖書館數字人文建設，但大多是一些探索性研究。國內的圖書館，尤其是作為科研支撐的高校圖書館，應當在深入研究的基礎上，加緊建立數字人文中心或明確提供數字人文服務的相關機構，通過與學院緊密合作，研發人文數據庫和基礎性應用軟件，改善數字人文研究平臺。此外，聘任專職數字人文館員，并加大對數字人文研究項目的資助力度，鼓勵科研人員積極參與國際會議和項目，創新數字人文研究內容、研究方法和研究范式，推動我國人文科學的進步。