电子政务领域的文献计量分析与研究

发布时间：2020-04-01 10:24

【摘要】：近年来,一些学者开始应用文献计量学相关方法对电子政务的相关研究进行分析。文献计量分析方法能够全面、客观地对电子政务领域的研究方向进行系统性归纳,能够基于大量的科研成果从多个角度对电子政务领域的研究主题进行总结性研究,能够系统分析电子政务领域内重要的学术文献、期刊、学者、研究机构等,能够全面总结电子政务领域的研究现状与发展趋势。在运用文献计量学方法分析电子政务领域时,以下两个问题具有重要的研究意义:(1)如何衡量电子政务领域相关期刊的权威性;(2)如何分析电子政务领域的研究主题与研究发展趋势。针对上述问题,本文基于现有的文献计量学研究方法、排序算法、复杂网络方法、文本挖掘方法等方面的研究成果,重点研究如何将同构网络中的多链接关系与异构网络的链接相互作用结合起来衡量电子政务领域的期刊权威值,以及如何计算文献之间的相似度并通过聚类算法对电子政务领域内的文献进行聚类分析得出该领域的研究主题。本文的创新点如下:1.提出了一种基于多链接的、相互加强的期刊排序方法,并将其应用于电子政务领域。本文首先应用PageRank算法中同时考虑引用的数量与质量思想计算同构网络中文献、作者与期刊的权威值,然后应用HITS算法的相互加强思想于文献、作者、期刊之间的异构网络中。此外,在同构网络中,考虑了文献引用网络中的时间感知问题以及作者合作网络的合作影响。经过迭代计算,得到最终的期刊权威值,从而能够综合考虑期刊的权威值并将期刊进行排序。2.提出了一种基于引用关系与文本特征的混合聚类方法,并应用该方法分析了电子政务领域的研究主题。本文首先根据文献之间的耦合关系与共被引关系构建Amsler网络,并基于Amsler网络中节点之间的共同链接关系计算出文献之间的引用相似度,然后同时考虑文本的词频特征与词汇邻接网络中词汇的拓扑特征,利用余弦相似度方法计算出文本相似度;在此基础上,将两种相似度进行线性结合得到文献之间的混合相似度,并作为文献之间的链接权重;再应用Louvain聚类算法进行文献聚类分析,并根据聚类中高频使用的词汇对聚类进行标签,最后分析出电子政务领域的研究主题。最后,针对Web of Science检索库中检索到的3391篇电子政务领域相关论文进行文献计量分析。本文首先建立了期刊排序基准与文献聚类基准,用于对比实验中提出的期刊排序方法与文献聚类方法,并据此验证本文所提出方法的有效性,然后对电子政务领域的期刊排序结果与研究主题进行了详细分析。根据本文提出的期刊排序模型,实验结果表明在电子政务领域相关期刊中排名前三的期刊分别是《Government Information Quarterly》、《International Journal of Information Management》与《European Journal of Information Systems》;根据本文提出的混合聚类方法,实验结果表明目前电子政务领域的主要研究主题包括:电子政务发展理论阶段研究,电子政务公民采纳研究,电子政务发展与医疗健康之间的联系,电子政务发展与工业、商业之间的联系,电子政务信息技术研究与电子政务信息安全研究。基于本文所提出的方法,计算得到的电子政务领域期刊排序结果与研究主题分析结果能够为电子政务领域的学者、研究机构等提供重要的学术参考,有助于国内电子政务领域研究学者进一步审视当前国际电子政务领域的发展现状与发展趋势,有利于进一步推动电子政务领域的学术研究,从而为电子政务领域的实践活动提供理论借鉴。
【图文】：

曲线,秩相关系数,排序方法,可视化

法得到的排序结果与 LCS/Recs 的相关性都很低，原因是这两个排序方法考虑了较多的因素，尤其是既考虑了同构网络的影响，又考虑了异构网络的影响。基于不同方法之间的 Kendall秩相关系数，图3-2(b)表示不同方法之间的相关性与图3-2(a)的结果相似，不同的是，不同方法之间的 Kendall 秩相关系数的值相对于 Spearman秩相关系数的值更低一些，这表明不同方法得到的排序结果的相似性相对于相关性来说较小。比较明显的是 Recs 的排序结果与 P-Rank 的排序结果比较相似，而MLMRJR 的排序结果与 MutualRank 的排序结果比较相似，而且这两种方法的排序结果与 LCS、LCS/Recs 的排序结果相比，，相似度都比较低。图 3-2 不同排序方法之间相关系数可视化：(a)Spearman 秩相关系数，(b)Kendall 秩相关系数（三）ROC 曲线分析为了进一步评估 MLMRJR 方法，基于上述的两种基准，使用 ROC 曲线来对比不同排序方法的性能。图 3-3(a)与 3-3(b)分别展示了基于 JLIF 与 LCS/Recs 两种基准不同排序方法的 ROC 曲线

ROC曲线,ROC曲线,期刊,敏感度

实际相关的期刊中被正确排序的期刊的个数与所有实际相关的期刊的总数的比值。表 3-3 与表 3-4 分别列出了基于两种基准计算得到的与 ROC 曲线性能相关的指标的值。指标包括曲线下面积(Area Under Curve，简称 AUC)，特异度(Specificity)与敏感度(Sensitivity)。根据 Fawcett(2006)，AUC 的值可以被用来表示一个分类器的好坏，特异度的值等于(1-FPR)，敏感度的值等于 TPR。
【学位授予单位】：浙江财经大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：D63

【参考文献】