優(yōu)化關鍵詞利用策略的共詞分析研究*

馬宇馳 牟冬梅 楊鑫禹

優(yōu)化關鍵詞利用策略的共詞分析研究*

馬宇馳1牟冬梅2楊鑫禹3

（1. 吉林財經(jīng)大學圖書館，長春 130117；2. 吉林大學第一醫(yī)院，長春 130021；3. 吉林大學公共衛(wèi)生學院，長春 130021）

本文提出關鍵詞利用策略的優(yōu)化方案，解決小數(shù)量級概念失焦、關鍵詞組概念缺失等問題，優(yōu)化共詞分析結果，以發(fā)現(xiàn)潛在研究熱點，拓展研究熱點主題識別的深度。關鍵詞利用策略優(yōu)化方案在高頻詞共詞分析的基礎上，引入關鍵詞與關鍵詞組相結合的處理方案，通過調(diào)整數(shù)據(jù)集范圍，實現(xiàn)共詞分析結果優(yōu)化。實證部分以“主動健康”主題為例，使用DDA軟件，完成基于關鍵詞利用策略優(yōu)化方案的共詞分析，探測主動健康的學科主題熱點。在初始發(fā)現(xiàn)的5類研究領域、12個熱點之外，基于關鍵詞利用策略優(yōu)化方案的共詞分析擴展識別了7個潛在熱點話題，補充發(fā)現(xiàn)5個復合詞組表達的研究概念。關鍵詞利用策略優(yōu)化方案令小數(shù)量級概念聚焦形成類團，在聚類過程中得到表達，令關鍵詞組代表的概念得到完整呈現(xiàn)。

共詞分析；關鍵詞；關鍵詞組；主動健康；優(yōu)化方案；DDA

學科知識結構揭示模型將學科知識結構模塊分為低中高三個層級，其中對關鍵詞、主題詞、標題詞、特征詞等節(jié)點的共詞分析是揭示中層級知識結構的主要技術方法，在數(shù)據(jù)整合與智慧服務領域起到發(fā)現(xiàn)學科研究熱點、探究學科發(fā)展進程的作用[1]。結合時間軸屬性，共詞分析能在縱向上反映一段時間內(nèi)專業(yè)領域的動態(tài)發(fā)展演化歷程，在橫向上反映某個時間節(jié)點靜態(tài)知識單元分布結構[2]，揭示了領域的基本特征，對該領域的研究人員有重要的指導作用[3]。共詞分析方法基本分為6個環(huán)節(jié)，即確定分析問題、術語詞源選擇、高頻詞選定、術語相關計算、多元統(tǒng)計分析及統(tǒng)計結果分析[4]。共詞分析結果的展示主要有聚類樹圖、戰(zhàn)略坐標及社會網(wǎng)絡圖譜等方式，聚類樹圖展現(xiàn)學科領域的主題結構，戰(zhàn)略坐標展現(xiàn)各主題在整個學科結構上的重要性或特性，社會網(wǎng)絡圖譜展現(xiàn)各主題內(nèi)部關系[5]。

對于共詞分析的改良優(yōu)化，學者從多個環(huán)節(jié)進行探索，積累了豐厚的研究成果。李綱等[6]通過在關鍵詞統(tǒng)計和計數(shù)過程中使用改進加權算法，實現(xiàn)了為關鍵詞重要性加權，而后采取混合關鍵詞策略，選取低頻關鍵詞和突發(fā)詞，優(yōu)化了共詞聚類效果以及關鍵詞網(wǎng)絡共現(xiàn)效果[7]。傅柱等[8]就共詞分析詞源選擇述評了元數(shù)據(jù)取詞與全文自動標引取詞的研究現(xiàn)狀，就術語規(guī)范化問題述評了基于受控詞典與基于人工方式的方案。楊麗等[9]應用自然語言的處理方法，考察了除關鍵詞以外的分析單元，提取了題名、摘要及全文的高頻詞，識別動物學領域的研究熱點。李鋒[10]提出了在選詞個數(shù)范圍內(nèi)的高頻區(qū)全部采納、中低頻區(qū)按2:1實行配額采納的兼顧中低頻關鍵詞的選詞方案。徐坤等[11]提出次高頻詞概念，利用次高頻詞進行了領域研究內(nèi)容的聚類分析，在揭示領域研究熱點上具有較好效果。余本功等[12]針對文獻層面和詞層面“同量不同質(zhì)”、高頻孤立詞等問題，提出基于文獻多屬性加權的共詞分析方法。唐曉波等[13]抽取并融合文本的詞語特征和詞權重特征，對文本聚類，提取關鍵詞識別主題并進行分析。滕廣青等[14]對科技信息多維復合分析演進過程進行歸納，總結通過多數(shù)據(jù)源更全面地識別領域知識或技術前沿。

但現(xiàn)有共詞分析研究仍然存在一定的局限。胡昌平等[15]指出，傳統(tǒng)的詞源選定、關鍵詞提取方法忽略了關鍵詞本身的特征，未充分發(fā)揮共詞分析的優(yōu)勢，大量的強共現(xiàn)關系由中頻詞與高頻詞或中頻詞與中頻詞構成，截取高頻詞進行共詞分析對重要關系的保留情況不能令人滿意。詞語可以是關鍵詞、主題詞或自然語言處理下的全文標引等不同元數(shù)據(jù)，不論來自何種分析單元，關鍵詞詞頻及共現(xiàn)強度的冪律分布都帶來難以調(diào)和的局限，導致共詞分析在發(fā)現(xiàn)熱點與全面概括兩項目標難以達到平衡[16]。犧牲低頻關鍵詞，基于高頻詞進行共詞分析可以發(fā)現(xiàn)主題熱點，但不能很好地探查學科全貌；針對低頻詞分析有助于探查隱含主題或前沿熱點，然而人工降低截取關鍵詞的詞頻閾值受人為影響大，也無法在發(fā)現(xiàn)重點和認識全貌中求得合理的平衡。

針對上述問題，筆者將關口前移，在聚類前提出關鍵詞利用策略的優(yōu)化方案，從而拓展研究熱點主題識別的廣度與深度，以期實現(xiàn)對共詞分析理論的進一步完善和方法的進一步優(yōu)化。

1 關鍵詞利用策略優(yōu)化方案

1.1 關鍵詞分析問題梳理

高頻詞閾值選取方法主要有自定義選取法（頻次選取法、前N位選取法、中心度選取法）、高低頻詞界定公式選取法、普賴斯公式選取法及混合選取法[17]。然而無論采取何種方法，現(xiàn)有的共詞分析都位于截取關鍵詞步驟與聚類分析步驟之間，囿于聚類分析中類團形成的客觀過程以及關鍵詞表義能力的局限，關鍵詞分析往往存在如下缺陷。①高頻關鍵詞聚類效果不足，在類團劃分過程中出現(xiàn)“馬太效應”。概念（Concept）是學科領域內(nèi)科學共同體共享的基本知識單元，通過術語的形式被語言符號限定或表達出來，這些術語之間的相關強度決定了共詞分析聚類的結果與形態(tài)。觀察聚類過程可知，起初不存在明顯確定的聚類中心，各組分在逐步形成類團時傾向發(fā)生強者愈強的吸引效應[4]。致使與某個個體相關密切的其他成員會被吞噬納入“超級類團”，強大的類團變得愈發(fā)強大，弱小類團地位愈加無法突出，導致小數(shù)量級的類團無法脫出，失去表達信息的機會，最終使得以這些術語為載體的概念得不到有效的呈現(xiàn)。②關鍵詞表達不完整，關鍵詞組表達的復雜概念缺失。概念被術語表達，具有語義信息的術語按一定的邏輯結構組成文獻，這些邏輯不僅包含物理順序的先后關系，還存在句法篇章上的支配從屬關系與隱含的語義聯(lián)系[18]。關鍵詞分析中以詞組形式凝練的概念，被拆分成單獨的單詞歸檔統(tǒng)計，導致詞組切割，語義呈現(xiàn)不完善，重要信息不完整，概念的完整性受限，使得最終的分析結果不全面。

1.2 關鍵詞利用策略優(yōu)化方案構建

針對關鍵詞分析的主要問題，提出關鍵詞利用策略優(yōu)化方案，實現(xiàn)對關鍵詞的深入開發(fā)和對其攜帶信息的充分挖掘。關鍵詞利用策略優(yōu)化方案是指在獲取數(shù)據(jù)集步驟之后、執(zhí)行聚類分析步驟之前，在挖掘“超級類團”核心概念的一次分析基礎上，通過多粒度、多角度的透視，調(diào)整數(shù)據(jù)集范圍，進行二次聚類分析，聚焦小數(shù)量級關鍵詞所代表的概念；隨后引入關鍵詞組，進行三次分析，增加由詞組單元呈現(xiàn)的科學概念。

（1）調(diào)整數(shù)據(jù)集范圍，聚焦小數(shù)量級關鍵詞所代表的概念。關鍵詞、熱點都來自論文作者的實際工作，并非在科技論文寫作時預先固定，因此“關鍵詞-文獻數(shù)據(jù)記錄-熱點”組成的網(wǎng)絡往往是立體的，具有高自由度、高復雜度的特性，并不嚴格遵循一對一關系或一對多關系。在考慮去掉高頻關鍵詞時，提出“最大化去除”原則，以文獻數(shù)據(jù)記錄為最小單位，在文獻數(shù)據(jù)集層面進行調(diào)整。其優(yōu)勢在于去掉引起“超級類團”的高頻關鍵詞的同時，同樣移除了其來源文獻數(shù)據(jù)記錄中包含的其他關鍵詞，實現(xiàn)了對與“超級類團”高度相關關鍵詞的限制，使“超級類團”的清除更加徹底。進而更多地讓位給前期被吸入“超級類團”中、未得到體現(xiàn)的關鍵詞及其代表的研究熱點，使整個發(fā)掘過程更加充分深入。

將關口前移，在聚類開始之前進行優(yōu)化操作，將位于頭部“超級類團”的核心概念所對應的文獻數(shù)據(jù)集刪除，使其余“弱勢類團”得以免于吸入“超級類團”，小數(shù)量級關鍵詞所代表的概念有機會在聚類過程中被充分表達，弱化了聚類過程中量級較大關鍵詞引起的“馬太效應”，使聚類結果能夠更加豐富和全面地展示學科研究潛在熱點。

（2）引入關鍵詞組，增加由詞組單元呈現(xiàn)的科學概念的表達。關鍵詞組以多角度、更全面反映領域主題為目的，可以是作者與關鍵詞的組合，也可以是關鍵詞與其他詞的組合；可由數(shù)據(jù)庫商提供、計算機程序自動標引，也可由作者及領域?qū)＜胰斯そM配。引入關鍵詞組的共詞分析能夠利用關鍵詞組類似于主題詞組配的特性，通過詞組的形態(tài)保留研究的核心主題，從不同視角補充主題信息，以最貼近研究者本意的形式多維度地全面描述研究主題。

1.3 基于關鍵詞利用策略優(yōu)化方案的學科熱點探測

關鍵詞利用策略優(yōu)化方案在標準的共詞分析的基礎上，遵循“數(shù)據(jù)導入→優(yōu)化關鍵詞數(shù)據(jù)處理→聚類分析、識別熱點→整合熱點、形成最終探測結果”的過程，其最終結果由3個識別結果匯總而成：①對檢索獲得的原始數(shù)據(jù)集執(zhí)行普遍采用的高頻詞共詞分析，所獲得的初步發(fā)現(xiàn)的熱點；②調(diào)整數(shù)據(jù)集范圍，在高頻關鍵詞共詞分析之外，剝離原始數(shù)據(jù)集中詞頻數(shù)排行靠前概念對應的文獻數(shù)據(jù)集，對剩余文獻數(shù)據(jù)集內(nèi)的關鍵詞執(zhí)行第二次分析，聚焦相對小數(shù)量級概念所代表的細節(jié)熱點；③引入關鍵詞組視角，對來自原始數(shù)據(jù)集的關鍵詞組執(zhí)行第三次聚類分析，通過不破壞概念的方案，透視作者在選題、構思、實驗、分析等各環(huán)節(jié)的研究思維，發(fā)現(xiàn)主題脈絡，獲得補充熱點信息。將三步的探測結果相結合，使全部文獻數(shù)據(jù)集蘊含的科學信息得到更充分體現(xiàn)，最終填補聚類過程中“超級類團”導致的潛在信息遺漏，提供還原作者科研意圖的信息發(fā)現(xiàn)與學科熱點探測服務。

2 基于關鍵詞利用策略優(yōu)化方案的研究熱點探測實證研究——以“主動健康”主題為例

2.1 數(shù)據(jù)收集

我國自2016年至今陸續(xù)發(fā)布《“健康中國2030”規(guī)劃綱要》《“十三五”衛(wèi)生與健康科技創(chuàng)新專項規(guī)劃》《健康中國行動（2019—2030年）》等文件，以增進健康為導向，推動以疾病治療為中心向健康提升為中心的轉變，研發(fā)健康管理解決方案，從注重“治已病”向“治未病”過渡，制定實施主動健康計劃[19-21]。主動健康的研究是實施“健康中國”行動的重要組成部分，著眼當前是為人民謀幸福、謀健康，展望長遠是為民族謀復興、謀發(fā)展。通過實證研究評測關鍵詞利用策略優(yōu)化方案對共詞分析的提升效果，同時分析國外主動健康相關研究進展，以期為我國健康服務與管理領域相關研究提供參考借鑒。

選取數(shù)據(jù)來自Web of Science（WoS）核心合集，以“健康自主管理”（health self-management）、“主動醫(yī)療”（proactive medicine）、“主動干預”（proactive intervention）、“主動健康”（proactive health、positive health）、“疾病預防性治療”（preventive treatment of disease）、“健康促進行為”（health promotion behavior）、“自我護理”（self-care）為檢索詞，布爾邏輯檢索詞為“或”（OR），限制語種為“英語”，時間跨度為“1900—2020”，索引包含SCI-EXPANDED、SSCI、A&HCI、CPCI-S、CPCI-SSH、ESCI。共檢索到文獻4?493篇，構成本研究的原始數(shù)據(jù)。

2.2 截取高頻詞

將上述原始數(shù)據(jù)以文本形式導入，將每條文獻記錄內(nèi)容按作者、摘要、作者地址、作者關鍵詞等提取，寫入對應字段，生成DDA數(shù)據(jù)集。在分析之前對原始數(shù)據(jù)進行清洗，剔除可能導致分析結果失準的“DEAN”4類數(shù)據(jù)：數(shù)據(jù)庫內(nèi)重復或多個數(shù)據(jù)庫檢索結果合并之后的重復記錄（Duplicates），不符合檢索需求的文獻類型記錄（Errors），不同數(shù)據(jù)分類和標引規(guī)范下的相同概念關鍵詞（Alias），對研究熱點造成干擾的低頻關鍵詞或子網(wǎng)絡（Noises）[22]。

本次實驗應用的工具Derwent Data Analyzer（DDA）是由科睿唯安和喬治亞理工學院共同研發(fā)的信息情報分析和挖掘軟件。統(tǒng)計“WoS入藏號”，確保該字段內(nèi)的每個對象出現(xiàn)次數(shù)為且僅為1，結果中不存在重復記錄。統(tǒng)計“文獻類型”字段，確保記錄的文獻均為學術信息本身，不包含書目、傳記、案例報告或數(shù)據(jù)集等，符合本次實驗需求。處理近義關鍵詞和同義關鍵詞，清洗“關鍵詞”字段，最終得到原始數(shù)據(jù)集關鍵詞列表（見表1），共有關鍵詞6?786個，其中頻次為1的關鍵詞有4?701個。

最終采取混合選取法[17]：按高低頻詞分界公式[23]確定高頻詞范圍，計算截取關鍵詞降序排列的前96個，考慮研究需要及結果易讀性，經(jīng)多次預實驗，應用前N位選取法截取排名前40的關鍵詞進行分析。

2.3 關鍵詞利用策略優(yōu)化處理

觀察預處理數(shù)據(jù)，首位關鍵詞“自我護理/自我醫(yī)療”（self-care）頻次4?076，數(shù)量和時間維度優(yōu)勢突出，其余高頻關鍵詞所代表的概念難以在其覆蓋之下的分析中得到充分體現(xiàn)，因此考慮刪除包含“self-care”關鍵詞的部分文獻數(shù)據(jù)集。

（1）調(diào)整數(shù)據(jù)集范圍。利用DDA調(diào)整數(shù)據(jù)集范圍的功能，在原始數(shù)據(jù)集（包含關鍵詞“self-care”的文獻記錄）基礎之上調(diào)整生成子數(shù)據(jù)集（不包含關鍵詞“self-care”的文獻記錄），為調(diào)整數(shù)據(jù)集范圍的共詞分析提供數(shù)據(jù)準備。

（2）引入關鍵詞組。關鍵詞組提取自WoS數(shù)據(jù)集中的“Keywords Plus”字段。該字段是由計算機程序?qū)γ科恼聟⒖嘉墨I的標題內(nèi)容進行自動標引而生成，數(shù)量多、含義廣，可以有效探討學科領域的知識結構[24]，能夠從方法、技術等視角補充領域主題信息[25]。將其寫入DDA特定字段，并移除其中“rights reserved”“current study”等無實義類型詞組以及“control group”“descriptive statistics”等描述實驗操作的語義類型的詞組，進行引入關鍵詞組的共詞分析。

2.4 結果與討論

關鍵詞利用策略優(yōu)化方案下的實證研究共執(zhí)行了三次分析，最終的呈現(xiàn)結果來自三次共詞分析結果的整合匯總。第一次是對于完整原始數(shù)據(jù)集執(zhí)行的普遍采用的高頻詞共詞分析，確保了“自我護理/自我醫(yī)療”（self-care）核心概念所代表的熱點得到充分的呈現(xiàn)，保證核心重要概念熱點不丟失。第二次共詞分析將關口前移，通過聚類前的優(yōu)化操作，以預實驗結合人工經(jīng)驗的模式移除了“超級類團”（超級關鍵詞）“self-care”，使小數(shù)量級概念類團得到體現(xiàn)，成功識別出潛在研究熱點。第三次共詞分析引入提取自WoS數(shù)據(jù)集中“Keywords Plus”字段的關鍵詞組，憑借不同于第一、第二次共詞分析關鍵詞且同樣具備探查學科領域知識結構作用的分析素材，明晰了熱點側重方向，拓寬了所發(fā)現(xiàn)研究熱點的廣度。將第一次共詞分析發(fā)現(xiàn)的研究熱點同第二、第三次經(jīng)過關鍵詞利用策略優(yōu)化方案處理的共詞分析新增研究熱點進行對比，形成表2，并在下文具體分析。

2.4.1 原始數(shù)據(jù)集未經(jīng)優(yōu)化的共詞分析結果

第一次對原始數(shù)據(jù)集執(zhí)行未經(jīng)優(yōu)化的高頻詞共詞分析方法，確定了5類基本研究領域，對應識別了12個研究熱點（見表2）：①護理學研究領域識別出“自主鍛煉活動”（self-care maintenance）、“癥狀和體征監(jiān)測”（self-care monitoring）、“癥狀和體征應對”（self-care management）3個熱點；②臨床醫(yī)學研究領域識別出“糖尿病癥狀管理”（diabetes）、“心力衰竭癥狀管理”（heart failure）2個熱點；③醫(yī)學信息學研究領域識別出“遠程醫(yī)療”（telemedicine）、“移動醫(yī)療”（Internet）兩個熱點；④心理學研究領域識別出“抑郁癥狀”（depression）、“焦慮”（anxiety）、“職業(yè)倦怠”（burnout）3個熱點；⑤公共衛(wèi)生學研究領域識別出“醫(yī)護人員自身屬性”（empowerment）、“ 社區(qū)患者/家屬健康教育”（health promotion）2個熱點。

2.4.2 調(diào)整數(shù)據(jù)集范圍的共詞分析結果

第二次分析是基于關鍵詞利用策略優(yōu)化方案的調(diào)整數(shù)據(jù)集范圍的實驗。對比第一次共詞分析的熱點識別效果，它移除了“self-care”關鍵詞所代表“超級類團”所對應的文獻數(shù)據(jù)集，弱化了聚類過程中“self-care”“超級類團”對諸如“戒煙主動干預”（smoking cessation、proactive intervention）、“感知健康狀況”（perceived health status）、“口腔保健干預”（oral health）、“個人健康記錄”（personal health record）、“同情疲勞”（compassion fatigue）、“護理人員素養(yǎng)”（health education）和“營養(yǎng)與運動康復”（nutrition、physical activity）等小數(shù)量級概念的吸引效應，聚焦了7個小數(shù)量級關鍵詞所代表的概念，令其成功地在聚類過程形成類團，在結果中得到表達。在原始數(shù)據(jù)固定的前提下，關鍵詞利用策略優(yōu)化方案發(fā)揮了聚焦小數(shù)量級概念，拓展學科潛在熱點探測廣度的優(yōu)勢。

2.4.3 引入關鍵詞組的共詞分析結果

第三次的分析是基于關鍵詞利用策略優(yōu)化方案的引入關鍵詞組的實驗。對比第一次共詞分析的熱點識別效果，優(yōu)勢體現(xiàn)在：引入了“認知障礙”（cognitive impairment）、“血糖控制”（glycemic control）、“心理計量學”（psychometric properties）、“健康相關生活質(zhì)量”（health-related quality）、“專業(yè)護理人員”（health care providers）等關鍵詞組的方案，不分解、不破壞作者科研概念的完整度，避免以詞組形式凝練表現(xiàn)出的概念被拆分成單獨的單詞歸檔統(tǒng)計，以致語義信息不完善、重要信息不完整。在識別出研究對象之外，捕獲了更多關于熱點的側重方向、應用技術、發(fā)生場景等起補充作用的信息，發(fā)現(xiàn)了健康自主管理的“認知障礙”側重、糖尿病研究的“血糖控制與主動干預”、醫(yī)學信息學的“心理計量學應用”等5個熱點補充。在原始數(shù)據(jù)固定的前提下，關鍵詞利用策略優(yōu)化方案發(fā)揮了保留關鍵詞組概念，明晰學科熱點側重方向，擴展學科熱點探測深度的優(yōu)勢。

本次實證分析在第一次共詞分析初始發(fā)現(xiàn)的5類研究領域、12個熱點之外，經(jīng)關鍵詞利用策略優(yōu)化方案處理后第二次及第三次共詞分析擴展識別了7個潛在熱點話題，補充發(fā)現(xiàn)了5個復合詞組表達的研究概念。對領域主題熱點的拓展，擴充了概念數(shù)目，使之達到原有的2倍。

3 結論

針對共詞分析研究中高頻詞分析聚類不足，類團劃分過程中“馬太效應”突出，以及獨立關鍵詞分裂了詞組表達信息，使主題不完整的問題，提出了關鍵詞利用策略優(yōu)化方案。通過調(diào)整數(shù)據(jù)集范圍削弱了聚類過程中類團間的馬太效應。在原始數(shù)據(jù)集高頻詞共詞分析的基礎上，基于調(diào)整之后的數(shù)據(jù)集成功聚焦小數(shù)量級概念，發(fā)現(xiàn)多個潛在研究熱點，拓展了研究熱點的識別廣度。此外，引入關鍵詞組具有熱點補充作用。通過詞組間攜帶的組配特性，從語義的層面保留了作者的科研意圖，在研究對象范圍不變的情況下補充得出更多研究熱點信息，擴展了識別的深度。綜上所述，關鍵詞利用策略優(yōu)化方案令小數(shù)量級關鍵詞代表的概念聚焦，關鍵詞組代表的概念呈現(xiàn)完整，從多維度、多角度豐富了共詞分析結果。通過調(diào)整數(shù)據(jù)集范圍，借助軟件DDA的創(chuàng)建數(shù)據(jù)子集功能，分析人員能夠自由選擇過濾某些“干擾”強的關鍵詞，放大知識單元分析的細節(jié)，進一步增益了對知識全貌的還原。引入關鍵詞組有助于獲得隱含的主題信息，在相當數(shù)量的高頻關鍵詞處理的基礎上，融入表意更豐富的關鍵詞組，是對共詞分析的有益增補。不過，本文仍然存在一定局限，在剝離靠前概念對應的文獻集時，仍需以預實驗結合人工經(jīng)驗的模式判斷剝離分界程度，而且共詞分析在得到研究熱點主題后，需要返回原始論文中進行學科領域認知與內(nèi)容分析，對內(nèi)容的概括與認知程度取決于研究執(zhí)行者的學術經(jīng)驗。

［1］ 牟冬梅，鄭曉月，琚沅紅，等. 學科知識結構揭示模型構建［J］. 圖書情報工作，2017，61（12）：6-13.

［2］ 鐘偉金，李佳. 共詞分析法研究（一）——共詞分析的過程與方式［J］. 情報雜志，2008（5）：70-72.

［3］ 黃月，王鑫. 基于高維稀疏聚類的知識結構識別研究［J］. 現(xiàn)代情報，2019，39（12）：72-80.

［4］ 李綱，巴志超. 共詞分析過程中的若干問題研究［J］. 中國圖書館學報，2017，43（4）：93-113.

［5］ 楊穎. 基于共詞分析的學科結構可視化研究［D］. 沈陽：中國醫(yī)科大學，2010.

［6］ 李綱，李軼. 一種基于關鍵詞加權的共詞分析方法［J］. 情報科學，2011，29（3）：321-324，332.

［7］ 李綱，李昱瑤，謝子霖，等. 混合關鍵詞選擇策略對共詞分析效果的影響研究［J］. 情報理論與實踐，2017，40（11）：110-116.

［8］ 傅柱，王曰芬. 共詞分析中術語收集階段的若干問題研究［J］. 情報學報，2016，35（7）：704-713.

［9］ 楊麗，張彤彤，周文杰. 共詞分析識別研究熱點的效標關聯(lián)效度研究：基于自然語言處理［J］. 圖書與情報，2018（1）：15-19.

［10］ 李鋒. 兼顧中低頻關鍵詞的共詞分析實踐——以圖書情報學高被引文章為例［J］. 圖書館雜志，2018，37（4）：34-42.

［11］ 徐坤，畢強. 次高頻關鍵詞的選擇及在共詞分析中的應用［J］. 情報理論與實踐，2019，42（5）：148-152.

［12］ 余本功，王龍飛，陳楊楠，等. 基于文獻多屬性加權的共詞分析方法研究［J］. 情報科學，2019，37（1）：122-128.

［13］ 唐曉波，李津. 在線健康社區(qū)信息需求主題分析［J］. 數(shù)字圖書館論壇，2019（2）：12-17.

［14］ 滕廣青，葉心，郭思月，等. 科技信息分析從單一維度到多維復合的演進［J］. 數(shù)字圖書館論壇，2019（12）：2-8.

［15］ 胡昌平，陳果. 科技論文關鍵詞特征及其對共詞分析的影響［J］. 情報學報，2014，33（1）：23-32.

［16］ 楊建林. 關鍵詞選擇策略及其對共詞分析的影響［J］. 情報學報，2014，33（10）：1083-1090.

［17］ 劉奕杉，王玉琳，李明鑫. 詞頻分析法中高頻詞閾值界定方法適用性的實證分析［J］. 數(shù)字圖書館論壇，2017（9）：42-49.

［18］ 郭紅梅，張智雄. 基于圖挖掘的文本主題識別方法研究綜述［J］. 中國圖書館學報，2015，41（6）：97-108.

［19］ 中共中央 國務院印發(fā)《“健康中國2030”規(guī)劃綱要》［EB/OL］.［2021-12-01］. http://www.gov.cn/zhengce/2016-10/25/content_5124174.htm.

［20］ 關于印發(fā)《“十三五”衛(wèi)生與健康科技創(chuàng)新專項規(guī)劃》的通知［EB/OL］.［2021-12-01］. http://www.most.gov.cn/tztg/201706/t20170613_133484.html.

［21］ 新華社. 聚焦“治未病”健康指標納入政府考核——權威解讀健康中國行動有關文件［EB/OL］.［2021-12-01］. https://baijiahao.baidu.com/s?id=1639124386954279536&wfr=spider&for=pc.

［22］ 潘瑋，鄭鵬，黃錦泉，等.基于數(shù)據(jù)清洗“DEAN”流程的健康信息領域研究熱點探測［J］. 現(xiàn)代情報，2018，38（10）：73-77.

［23］ 孫清蘭. 高頻詞與低頻詞的界分及詞頻估算法［J］. 中國圖書館學報，1992（2）：78-81，95-96.

［24］ 章娟，盧祖洵，段志光. Web of Science數(shù)據(jù)庫中Keywords Plus的準確性研究——以患者依從性研究論文為例［C］. 第一屆兩岸三地科學計量學與信息計量學研討會論文集，西安：中國科學學與科技政策研究會，中國科學技術信息研究所，2013.

［25］ ZHANG J，YU Q，ZHENG F，et al. Comparing keywords plus of WOS and author keywords：a case study of patient adherence research［J］. Journal of the Association for Information Science and Technology，2016，67（4）：967-972.

Research on Co-word Analysis Based on Keyword Optimization

MA YuChi1MU DongMei2YANG XinYu3

( 1. Library of Jilin University of Finance and Economics, Changchun 130117, P. R. China; 2. The First Hospital of Jilin University, Changchun 130021, P. R. China; 3. School of Public Health, Jilin University, Changchun 130021, P. R. China )

This paper propose a keyword optimization plan to solve the problems of small-scale concept defocus and keyword group concept missing, optimize the results of co-word analysis, and expand the breadth and depth of research hotspots recognition. The keyword optimization mode is based on the high-frequency word co-word analysis, introduces the processing method of combining keywords and keyword groups, and obtains the optimization of the co-word analysis results by adjusting the range of the data set. The empirical part takes the topic of “proactive health” as an example, uses DDA software to complete a co-word analysis based on the keyword optimization plan, and detects the research hotspots of proactive health. A keyword optimization plan is proposed, which optimizes the co-word analysis by adjusting the scope of the data set and introducing keyword group recognition. In the empirical research part, in addition to the 5 types of research fields and 12 hotspots initially discovered, the co-word analysis based on the keyword optimization plan expanded to identify 7 potential hotspots and supplemented the discovery of 5 research concepts expressed by compound phrases. The keyword optimization mode enables small-scale concepts to focus on forming clusters, which can be expressed in the clustering process, and also enables the concepts represented by keyword groups to be fully presented.

Co-word Analysis; Keywords; Keyword Groups; Proactive Health; Optimization Plan; DDA

（2021-12-01）

G250.252

10.3772/j.issn.1673-2286.2021.12.006

馬宇馳，牟冬梅，楊鑫禹. 優(yōu)化關鍵詞利用策略的共詞分析研究[J]. 數(shù)字圖書館論壇，2021（12）：34-40.

馬宇馳，男，1989年生，碩士，助理館員，研究方向：數(shù)據(jù)整合與智慧服務。

牟冬梅，女，1970年生，博士，教授，通信作者，研究方向：醫(yī)學數(shù)據(jù)整合與智慧服務，E-mail：moudm@jlu.edu.cn。

楊鑫禹，女，1996年生，博士研究生，研究方向：醫(yī)學數(shù)據(jù)整合與智慧服務。

*本研究得到國家自然科學基金項目“信息鏈視域下電子病歷數(shù)據(jù)驅(qū)動健康服務供給側決策的路徑與模式研究”（編號：71974074）資助。