基于自述研究興趣相似性網絡的機構潛在合作關系挖掘

胡志偉 裴雷

摘要：[目的/意義]定量描述圖書情報與檔案管理學科的研究圖景，為各機構之間合作關系的建立提供決策支持，從而推動跨機構合作的發展。[方法/過程]采用LDA主題模型和網絡分析方法，以國內67所圖書情報與檔案管理教育機構為例，通過對教師自述研究興趣文本進行主題聚類構建機構相似性網絡，并進行社群劃分與潛在合作關系挖掘。[結果/結論]當前國內圖書情報與檔案管理教師的研究興趣主要涉及信息資源管理、信息計量與競爭情報、信息服務與用戶等11個主題，樣本機構可劃分為7個社群，包含457對潛在合作關系。未來，圖書情報與檔案管理學科除了向5種路徑進行學科融合之外，還可在不同領域充分展開科研與教育實踐的跨機構合作。

關鍵詞：相似性網絡 ? ?自述研究興趣 ? ?科研合作 ? ?教育機構 ? ?LDA模型

分類號：G203

引用格式：胡志偉，裴雷. 基于自述研究興趣相似性網絡的機構潛在合作關系挖掘： 以國內圖書情報與檔案管理教育機構為例[J/OL]. 知識管理論壇， 2022， 7（2）： 143-152[引用日期]. http：//www.kmf.ac.cn/p/282/.

1 ?引言

2019年4月，為提高高校服務經濟社會發展能力，教育部、中央政法委、科技部等13個部門聯合啟動“六卓越一拔尖”計劃2.0，該計劃包括全面推進新文科建設[1]。較傳統文科而言，新文科更加強調學科發展中的繼承與創新、多學科的交叉與融合以及多機構的協同與共享[2]。在大數據、云計算、人工智能等新技術高速發展和信息社會需求不斷變化的時代背景下，圖書情報與檔案管理學科展現了日益顯著的跨學科特性，而學科的多向發展也對跨系統組織之間的科研合作提出了更多的要求。跨機構合作能夠在信息共享的基礎上充分利用科研資源，形成解決復雜研究問題的有效方法[3]。如何挖掘機構之間的潛在合作關系、提升跨機構合作效率，也成為了科學研究中的重要議題。

一般認為，研究內容更為相近的實體之間具有更高的潛在合作程度。對此，相關研究[4-6]主要從學者的科研成果中直接獲取或間接識別研究主題，并采用網絡分析等方法，從不同角度對科研實體進行相似度測算或社群分析。然而，此條研究路徑很少利用公開于互聯網中的官方自述資料。當前以自述資料為數據來源的研究[7-9]主要是對主題分布情況的內容分析，而基于主題模型的方法存在一定程度的缺位。鑒于此，筆者擬以國內圖書情報與檔案管理教育機構為例，基于學者的自述研究興趣文本，利用隱含狄利克雷分布（Latent Dirichlet Allocation，LDA）主題模型和網絡分析方法，試圖回答如下兩個問題：

（1）當前國內圖書情報與檔案管理專業教師的研究興趣集中表現為哪些主題？

（2）國內的哪些圖書情報與檔案管理教育機構之間存在潛在的合作基礎？

本文的研究結果有助于理解國內圖書情報與檔案管理專業教師研究興趣的分布情況，協助各機構在做出戰略定位和規劃的基礎上尋求同自身教學科研實踐內容相似的對應機構，為其間合作關系的建立提供決策支持。

2 ?相關研究

2.1 ?學者研究興趣主題挖掘

學者的研究興趣代表了學者在一定時間段內感興趣的研究內容，可通過學術成果（包括論文、項目、專利等）[10]、科研社交網站[11]、個人主頁[12]等途徑獲取相關數據。由于學者與研究興趣之間往往是多對多的關系，即一名學者會對多個研究主題感興趣，且不同的學者會同時對某項研究主題感興趣，因此許多研究聚焦于學者研究興趣的主題識別與表征工作。當前研究主要采用主題模型和知識網絡方法實現上述目標，例如劉曉豫等[13]利用加權K-means聚類算法對多專長專家研究興趣的識別方法的改進，熊回香等[14]利用LDA主題模型對學者主題檔案的建構，劉萍等[15]利用關鍵詞共現網絡對特定機構學者的社區劃分等。值得注意的是，當前相關研究主要將科研成果的題錄信息作為底層數據，而很少針對學者自述資料進行分析。一般而言，學者自述研究興趣在表達凝練的同時蘊含著豐富語義內容，且在時效性得到保證的前提下，能夠有效減小科研成果發表周期較長、與學者實際研究興趣關聯程度較低所帶來的影響。因此，有必要對學者的自述資料給予一定的重視。

2.2 ?科研實體潛在合作關系挖掘

為了推動潛在科研合作以提高科研效率，研究者對科研實體之間的相似性進行了探討。X. Kong等[16]基于LDA主題模型所揭示的學者動態研究興趣矩陣，通過計算學者個人之間的余弦相似度構建了合作者推薦模型;安璐等[17]基于“機構—文獻類別”矩陣，利用自組織映射方法測算了中美圖書情報科研機構研究領域的相似性;林原等[18]基于“高校—合作”和“高校—主題”矩陣，分別借助改進后的Katz和余弦相似性指標，對高校之間的潛在合作關系進行了分析;E. Yan等[19]基于SimRank模型，對學者、機構和國家3個層次的合作網絡進行了鏈路預測。總體而言，在機構相似性測度層面，相關研究主要利用機構主題模型和已有合作網絡實現測算，其中余弦相似度在關于前者的研究中得到了廣泛應用。筆者以國內圖書情報與檔案管理教育機構為例，借助LDA主題模型對專職教師的自述研究興趣進行主題挖掘，從而依次構建機構的主題向量模型和余弦相似性網絡，探測并分析其間的潛在合作關系。

3 ?數據與方法

3.1 ?研究設計

筆者主要采用網絡調查、LDA主題聚類和網絡分析方法，在R語言和Gephi軟件環境中完成以下研究路徑（見圖1）：①數據獲取與預處理。通過樣本機構的官方網站采集教師的個人資料，經文本數據清洗和分詞操作后，構建“教師—詞項”DTM（Document Term Matrix）矩陣。②教師自述研究興趣主題發現。確定LDA主題模型的各項基本參數，根據“主題—詞項”分布情況對主題發現結果進行標識。③機構相似性網絡分析。基于機構的主題向量模型計算機構之間的相似度，從而構建機構的相似性網絡，對機構進行社群劃分，識別具有潛在合作關系的機構組。

3.2 ?數據獲取與預處理

經過對國內圖書情報與檔案管理教育機構官方網站建設現狀的調查，筆者最終選取了67所機構作為研究的數據來源（為行文方便，下文僅以機構所屬高校或科研單位名稱表述機構全稱）。在此基礎上，以官方網站為入口采集教師的個人資料，涉及姓名、所屬機構、自述研究興趣等方面。數據采集時間為2020年11月16日至11月29日，經清洗后共獲得1 289名教師的個人信息，提及研究興趣3 599次。

分詞處理與矩陣構建操作主要借助R語言中的Rwordseg包和tm包完成。首先，因樣本中存在中英文多語種來源，筆者對英文描述進行了英譯中處理;其次，為了刪除無意義的詞語，采用哈爾濱工業大學停用詞表和四川大學機器智能實驗室停用詞庫構建分詞停用詞表;最后，抽取20%的樣本進行預分詞實驗，結合實際情況補充了自定義詞典，其主要涉及學科名稱等專有名詞。經過上述操作后，得到了1289×14179的“教師—詞項”DTM矩陣。

3.3 ?關鍵方法

3.3.1 ?LDA主題模型

為分析國內圖書情報與檔案管理專業教師的研究興趣主題分布，需要確定LDA主題模型的基本參數。LDA主題模型的構建主要借助R語言中的lda包、Rmpfr包、topicmodels包和LDAvis包實現。筆者主要采用Gibbs采樣算法求解全局主題和詞項的分布，需設定α、β和最優主題數K 3個超參數。其中，α、β一般設定為默認值，可根據實際效果進行調節。可根據困惑度或似然估計數值隨主題數變化的情況確定，當似然估計數值達到最大時的主題數即為最優解。在此基礎上，從模型訓練所得的“主題—詞項”概率分布矩陣中抽取各主題下具有較高顯著度[20]的若干詞項，作為主題標識的依據。此外，基于“教師—主題”概率分布矩陣計算所有教師的研究興趣涉及某一主題的概率和占總體的比重，可以得到該主題的強度，作為主題關注度的計量指標。

3.3.2 ?相似度計算與分析

筆者基于機構的主題向量模型，選取余弦相似度作為機構間相似性測度的指標。首先，根據LDA主題模型訓練所得的“教師—主題”概率分布矩陣，可得到各教師的主題向量模型，計算公式如公式（1）所示：

公式（1）

其中，Pi，j為教師Fi的研究興趣文本隸屬于主題Tj的概率，K為最優主題數。分別計算所屬機構為Ix的所有教師Fx，i的主題概率分布和，從而構建各機構的主題向量模型VIx，計算公式如公式（2）所示：

公式（2）

其中，n為機構Ix的教師總數。因此，機構Ia和Ib之間的余弦相似度計算公式可以表示為：

公式（3）

顯然，，且當a=b時，Sim（Ia， Ib）=1。一方面，可據此構建機構之間的相似性矩陣。由于基于此矩陣生成的網絡為連通圖，為便于后續分析，需要根據一定策略設定合適的閾值λ進行剪枝操作，剔除權重較低的矩陣元素。筆者參照帕累托法則，僅保留權重較高的20%的元素，借助Gephi軟件構建機構之間的相似性網絡，并使用內置的Louvain算法[21]作為社群劃分方法。此網絡的節點為各機構，連接節點Ia和Ib的邊的權重為Sim（Ia， Ib），代表了各機構之間的相似程度。另一方面，可分別得到某機構和與其最為相似的機構主題強度超過10%的主題集合，通過計算交集獲取兩者的潛在合作研究領域。

4 ?研究結果

4.1 ?教師自述研究興趣主題發現

首先，參照LDA主題模型基本參數的確定方法，確定聚類的最優主題數。如圖2所示，當主題數為11時達到最大似然估計，說明此時模型性能較好，能夠有效地實現主題的判別，因此設定最優主題數K=11。在運行主題發現模型得到“主題—詞項”概率分布結果后，依據每個主題下所包含的顯著度最高的6個詞項對主題進行標識（見表1）。目前，國內圖書情報與檔案管理專業教師的研究興趣可主要概括為電子商務與戰略管理、信息服務與用戶、圖書館學與圖書文化史等11個主要主題。

圖2 ?似然估計數值計算結果

如前所述，可基于LDA主題發現所得的“教師—主題”概率分布矩陣，計算某一主題占總體的比重，得到該主題的強度。在一定程度上，主題強度能夠體現當前圖書情報與檔案管理專業教師對不同研究興趣的關注情況，見圖3。信息資源管理（T8）、信息計量與競爭情報（T7）以及信息服務與用戶（T2）是樣本教師群體最為關注的3個主題，其主題強度均超過10%。這說明在當前時間窗口下，國內圖書情報與檔案管理專業教師對學科的內核形成了初步共識，并集中體現了學科整體面向國家戰略、服務社會發展、滿足用戶需求的使命感。國內圖書情報與檔案管理專業教師的研究興趣也體現了較高的技術介入程度與較廣的學科應用場景，電子商務與戰略管理（T1）、數據挖掘與大數據技術（T11）和政務信息管理（T9）呈現了相對較高的主題強度。此外，出版與文化產業（T5）、信息跨學科應用（T4）以及圖書館學與圖書文化史（T3）是關注度相對較低的3個主題，這主要受樣本機構相應學科的建設規模與師資數量所影響。

4.2 ?機構相似性網絡分析

在獲取機構的主題向量模型后，可以計算出機構之間的余弦相似度。根據帕累托法則對機構之間的邊進行剪枝操作，此時權重閾值λ=0.72，即當Sim（Ia， Ib）≥0.72時，可以認為機構Ia和Ib之間具有高度的相似性。在此基礎上，可以得到國內圖書情報與檔案管理機構的相似性網絡（見圖4），共包含67個節點、457條邊。其中，節點大小代表機構師資數量的多少，節點顏色代表不同的社群類別，分別以字母A-G表示。

社群A主要由以檔案學或信息資源管理專業為主體的機構組成，包括中國人民大學、上海大學、湘潭大學、鄭州大學等23所機構。檔案管理理論與方法、政務信息管理和信息資源管理是社群A較為關注的3個主題，三者的強度和達到了56.6%。

社群B內機構的學科背景較為綜合全面，與社群A構成了網絡的主體部分，包括武漢大學、南京大學、北京大學、中山大學等19所機構。社群B內部的主題概率分布相對均衡，信息資源管理、信息服務與用戶、信息計量與競爭情報以及數據挖掘與大數據技術是其較為關注的4個主題，強度均超過了10%。

社群C主要由具有經濟管理背景的機構組成，多設于經濟或管理學院（部）下，包括河海大學、山東大學、山西大學、東南大學等10所機構。強度較高的兩個主題為電子商務與戰略管理以及管理科學與工程，均在20%以上。

社群D包括中國科學技術信息研究所、中國科學院大學、江蘇大學、山東理工大學等9所機構，主要依托機構圖書館或文獻情報中心進行學科建設。信息計量與競爭情報在該社群內的強度最高，達到了43.4%。具備圖書資料專業職稱的教職工約占社群內教師總體的64.3%，多在科研評價、科技戰略和專利情報分析等方向展開研究。

社群E、F和G的機構數相對較少，且與其他社群之間幾乎不具有顯著的相似性。社群E包括中國醫科大學、山西醫科大學和中南大學3所機構，均具有醫學或生物學背景，信息跨學科應用的主題強度高達65.4%。社群F包括復旦大學、中國中醫科學院2所機構，盡管同社群D一樣依托圖書資料中心建設，但其對歷史文獻學和古籍保護方向給予了更多的強調，圖書館學與圖書文化史的主題強度為38.2%，顯著高于社群D的1.1%。社群G僅包括山東科技大學1所機構，為孤立節點，同其他66所機構均不連通。這主要緣于其深厚的計算機技術背景，其數據挖掘與大數據技術的主題強度高達68.0%，而其他機構這一主題的最高強度也不足30%。

在前文識別457對潛在合作關系的基礎上，尋找與某一機構最為相似的其他機構，并識別兩者合作的潛在研究領域，對推動跨機構合作實踐有著重要的意義。筆者將某機構和與其最為相似的機構主題強度超過10%的主題集合定義為潛在研究領域，表2展示了部分計算結果。在相似度數值方面，東南大學與河海大學之間的相似程度最高，達到了0.98，兩者對數據挖掘與大數據技術以及管理科學與工程方向給予了高度關注;中國中醫科學院的最相似機構為復旦大學，相似度為0.76，兩者的潛在合作領域分別為信息計量與競爭情報以及圖書館學與圖書文化史。此外，表2展示了學科建設水平位列前位的機構相關情況，如南京大學可在信息服務與用戶、數據挖掘與大數據技術以及出版與文化產業等領域與武漢大學開展合作，而中國人民大學可在信息資源管理、政務信息管理以及檔案管理理論與方法等領域與北京聯合大學開展合作等。

5 ?討論

5.1 ?圖書情報與檔案管理的跨學科融合路徑

作為一門應用型學科，圖書情報與檔案管理的學科發展具有明顯的跨學科特征，一般認為學者的跨學科研究活動是其跨學科的重要表現和驅動。基于前文對我國專職教師研究興趣的主題發現和教育機構的社群劃分，筆者總結了圖書情報與檔案管理的跨學科融合路徑，見圖5。

一方面，圖書情報與檔案管理內部應緊密圍繞信息資源管理這一學科內核發展。每個學科都有屬于自身的話語系統和規則，在與其他學科融合的過程中，仍需明確并堅守自身的核心內容。圖書情報與檔案管理的核心知識即立足于信息資源全生命周期管理的教育與研究，涉及數據、信息和知識的記錄、保存、組織、檢索、獲取、分析和開發利用過程，具有顯著的服務特征[22]。通過前文的主題發現，信息資源管理在當前國內專業教師的研究興趣中具有最高的主題強度，且隨著信息社會的不斷發展，在大數據、人工智能等新興信息技術的支持作用下，應用場景不斷得到拓展與深化。在2021年的新版學科專業目錄草案中，“圖書情報與檔案管理”一級學科擬更名為“信息資源管理”，進一步引發了有關學科核心知識的討論。而這一行動充分體現了我國圖書情報與檔案管理一級學科的價值轉向。此外，信息計量與競爭情報、信息服務與用戶、電子商務與戰略管理以及數據挖掘與大數據技術等將“數據—信息—知識—智慧”（DIKW）體系各層次之間聯系起來的主題的強度亦相對較高，充分反映了圖書情報與檔案管理學科的整體聯系更加緊密。圖書館學、情報學和檔案學各二級學科的科研或教育實踐者應樹立學科共同體意識，在專注于信息資源管理內核的基礎上，強化學科的社會服務職能，推動社會的創新與進步。

另一方面，圖書情報與檔案管理可通過同其他學科的交叉和融合促進學科深度發展，提升自身的學科地位與競爭力。隨著當代科學的學科整合趨勢愈加顯著，圖書情報與檔案管理由于本就具有相對較強的跨學科屬性，因而當其在對二級學科進行整合、凝聚一級學科內核的基礎上，也在與同族學科之外的學科開展交融。通過上一節的研究主題發現與社群分析，可以發現國內圖書情報與檔案管理目前至少與5類信息資源管理學科群之外的學科實現了不同程度的融合，具體而言：與歷史學、文學等基礎人文學科相融合，助力圖書文化史、數字人文等領域的研究;與醫學、生物學等基礎自然科學融合，用圖書情報學的方法梳理文獻和知識;與計算機科學與技術融合，借助新興信息技術提升圖書情報科研工作的效率;與管理科學與工程融合，為社會各行業或領域提供管理決策支持;與公共管理學科融合，推動政務信息管理、公共文化方向的發展。未來，圖書情報與檔案管理仍可繼續深化與其他學科的融合與合作，更加開放地加強學科建設，敢于在跨學科研究中發聲、競爭與引領。

5.2 ?新文科建設背景下的跨機構合作

機構之間的協同與信息共享是新文科建設所強調的一個重要方面。在多學科交叉融合的基礎上，各機構能夠通過跨機構的科研與教育合作有力推動自身轉型，構建學科命運共同體。前文基于教師自述研究興趣文本的余弦相似性網絡將國內圖書情報與檔案管理教育機構劃分為7個社群，并探測了與各機構最相似的潛在合作機構和研究領域。結果顯示，大部分機構的潛在合作機構均處于相同社群中，且不同社群的機構依托各種類型的教育與科研資源，形成了不同的研究側重點以及鮮明的研究特色。例如，具有經濟管理背景的機構在電子商務與戰略管理以及管理科學與工程兩個主題領域占據絕對優勢，而依托于機構圖書館或文獻情報中心開展學科建設的機構多專注于信息計量與競爭情報主題的研究。隨著信息交流障礙的日益減少，國內圖書情報與檔案管理院系能夠與相似機構之間就同一主題，在教育和科研等諸多場景中展開交流、分享與合作。

在此基礎上，在本文基于研究主題分布的相似程度而得出的最顯著潛在機構合作關系中，“復旦大學—陜西理工大學”“河北大學—武漢大學”“華東師范大學—南京大學”“吉首大學—長春師范大學”以及“南開大學—中山大學”為5組跨社群組合。這在一定程度上說明經識別所得的7個社群并非完全隔絕，存在相互滲透與相互借鑒的可能性。在這一過程中，處于社群邊緣的機構扮演了重要的橋梁角色，它們往往具備著復合型的社群特征，能夠有效地促進圖書情報與檔案管理學科內部的交流與合作，如河北大學、天津師范大學、山東大學、南開大學和四川大學等。未來，在發揮具備較大師資體量的機構引領學科發展作用的同時，也需注重發揮典型機構在科研與教育實踐合作過程中的作用。此外，由于各社群間的機構數量不一，甚至在機構相似性網絡中出現了山東科技大學這一依托于計算機科學與技術學科的孤立節點，因此在具體合作過程中，仍需注意研究內容與主題的分工，最大化圖書情報與檔案管理學科內部的凝聚力，共同促進合作效率的提升與研究成果的轉化。

6 ?結語

筆者基于國內圖書情報與檔案管理教育機構的教師自述研究興趣文本，對當前國內相關專業教師的研究興趣進行主題聚類，并在此基礎上構建機構的研究興趣相似性網絡，識別各機構的潛在合作機構及研究領域。就國內的圖書情報與檔案管理學科而言，研究發現：①教師的研究興趣主要涉及信息資源管理、信息計量與競爭情報、信息服務與用戶等11個主題;②樣本院系主要可劃分為7個社群，包含457對潛在合作關系。據此，筆者強調多學科融合與跨機構合作的重要性：①圖書情報與檔案管理的跨學科融合路徑應在堅守信息資源管理內核的前提下，與管理科學與工程、公共管理、計算機科學與技術等學科積極融合;②充分發揮社群邊緣機構在跨機構合作中的重要作用，促進機構之間多方面、深層次的合作。本文可以協助各機構尋求同自身相似的同行機構，并能夠通過挖掘其間的潛在合作關系，在一定程度上推動跨機構合作的發展。

需要注意的是，本文的研究興趣文本數據主要來自機構官方網站，可能存在數據老舊、更新不及時的情況，影響分析結果。今后，可綜合機構網站、學術成果題錄等多來源資料，優化數據質量，進行綜合分析。此外，潛在合作關系與實際合作現狀之間的比較、全球范圍內機構潛在合作關系的探究，也是值得進一步研究的方向。

參考文獻：

[1] 人民網. “六卓越一拔尖”計劃2.0掀起一次中國高教“質量革命”[EB/OL]. [2021-01-30]. http：//edu.people.com.cn/n1/2019/0430/c1006-31059188.html.

[2] 馬費成， 李志元. 新文科背景下我國圖書情報學科的發展前景[J]. 中國圖書館學報， 2020， 46（6）： 4-15.

[3] LEE S， BOZEMAN B. The impact of research collaboration on scientific productivity[J]. Social studies of science， 2005， 35（5）： 673-702.

[4] 劉萍， 郭月培， 郭怡婷. 利用作者關鍵詞網絡探測作者相似性[J]. 現代圖書情報技術， 2013（12）： 62-69.

[5] 江文華， 徐健， 李綱， 等. 基于研究興趣相似性網絡的我國圖書館學研究社群分析[J]. 現代情報， 2019， 39（9）： 21-27.

[6] 林原， 王凱巧， 劉海峰， 等. 網絡表示學習在學者科研合作預測中的應用研究[J]. 情報學報， 2020， 39（4）： 367-373.

[7] 史雅莉， 司莉， 姚瑞妃， 等. 國外iSchools圖情學科教師隊伍結構與研究領域調研及啟示[J]. 圖書情報知識， 2018（5）： 33-40.

[8] 趙躍， 梅夢娜. 我國檔案學研究的堅守、轉向與進路——基于檔案學者研究方向變化的審視[J]. 檔案學通訊， 2019（3）： 4-11.

[9] 肖希明， 楊蕾. 我國LIS教育機構師資隊伍建設的調查分析[J]. 圖書情報知識， 2014（1）： 4-10.

[10] 陳翀， 李楠， 梁冰， 等. 基于成果特征的學者學術專長識別方法[J]. 圖書情報工作， 2019， 63（20）： 96-103.

[11] COPIELLO S. Research interest： another undisclosed （and redundant） algorithm by ResearchGate[J]. Scientometrics， 2019， 120（6）： 351-360.

[12] HOLMBERG K， TSOU A， SUGIMOTO C R. The conceptual landscape of iSchools： examining current research interests of faculty members[J]. Information research， 2013， 18（3）： 19-22.

[13] 劉曉豫， 朱東華， 汪雪鋒， 等. 多專長專家識別方法研究——以大數據領域為例[J]. 圖書情報工作， 2018， 62（3）： 55-63.

[14] 熊回香， 楊雪萍， 蔣武軒， 等. 基于學術能力及合作關系網絡的學者推薦研究[J]. 情報科學， 2019， 37（5）： 71-78.

[15] 劉萍， 周夢歡. 基于共詞網絡的專家專長挖掘[J]. 情報科學， 2012， 30（12）： 1815-1819.

[16] KONG X， JIANG H， WANG W， et al. Exploring dynamic research interest and academic influence for scientific collaborator recommendation[J]. Scientometrics， 2017， 113（1）： 369-385.

[17] 安璐， 余傳明， 李綱， 等. 中美圖情科研機構研究領域比較研究[J]. 中國圖書館學報， 2014， 40（5）： 64-77.

[18] 林原， 謝張， 李魯瑩， 等. 卓越大學聯盟國內外高校科研合作機會發現[J]. 現代情報， 2020， 39（3）： 81-86， 114.

[19] YAN E， GUNS R. Predicting and recommending collaborations： an author-， institution-， and country-level analysis[J]. Journal of informetrics， 2014， 8（2）： 295-309.

[20] CHUANG J， MANNING C D， HEER J. Termite： visualization techniques for assessing textual topic models[C]//Proceedings of the International Working Conference on Advanced Visual Interfaces. New York： ACM， 2012： 74-77.

[21] BLONDEL V D， GUILLAUME J L， LAMBIOTTE R， et al. Fast unfolding of communities in large networks[J]. Journal of statistical mechanics： theory and experiment， 2008（10）： P10008.

[22] 閆慧. 青年學者論圖情檔一級學科核心知識及發展方向： 2019年圖書情報與檔案管理青年學者沙龍會議述評[J]. 中國圖書館學報， 2019， 45（1）： 121-127.

作者貢獻說明：

胡志偉：收集、整理并分析數據，撰寫論文;

裴 ?雷：指導研究思路，核查論文內容并提出修改意見。

Mining Potential Cooperative Relationships Between Institutions Based on Similarity Network of Self-Reported Research Interests： A Case Study of Library， Information and Archives Management Schools in China

Hu Zhiwei ?Pei Lei

School of Information Management， Nanjing University， Nanjing 210023

Abstract： [Purpose/Significance] By quantitatively describing the research landscape of the discipline of library， information and archives management （LIAM）， this paper can provide decision support for the establishment of cooperative relationships between institutions， thus promoting the development of inter-institutional cooperation. [Method/Process] By using LDA model and network analysis method， this paper took 67 LIAM schools in China as an example. By thematic clustering of faculty’s self-reported research interest texts， the similarity network of institutions was constructed， and community division and potential cooperative relationship mining were performed. [Result/Conclusion] It is found that the current research interests of LIAM faculties in China mainly involve 11 topics， such as information resource management， informetrics and competitive intelligence， and information services and users. The sample schools can be divided into 7 communities， containing 457 pairs of potential cooperative relationships. In the future， in addition to taking part in five approaches of disciplinary integration， LIAM can fully carry out inter-institutional cooperation in scientific research and educational practice in different fields.

Keywords： similarity network ? ?self-reported research interests ? ?scientific cooperation ? ? educational institution ? ?LDA

作者簡介：胡志偉，碩士研究生，E-mail： mg1914013@smail.nju.edu.cn;裴雷，教授，博士生導師。

收稿日期：2021-10-27 ? ? ? ?發表日期：2022-03-24 ? ? ? ?本文責任編輯：劉遠穎