基于期刊作者耦合的学科结构识别研究

发布时间：2021-03-15 01:50

　　通过计算期刊之间的关联关系进而识别学科结构,有助于探索不同学科之间的交互特征,分析学科间的知识流动趋势情况。本文采用一种基于期刊作者耦合方法来识别学科结构,并针对传统方法只是利用二值矩阵进行分析进而损失大量信息的问题,提出直接利用期刊-作者分布矩阵进行聚类分析的思想。针对期刊-作者矩阵聚类过程中出现的高维数据难以聚类分析的问题,提出了利用t-SNE降维和层次聚类模型进行聚类的新方法。选择经济学领域重要中文期刊进行实证分析,从CSSCI数据库中遴选出69种期刊作为分析样本,并采集了2014—2018年的43617篇论文和47458位作者进行实证分析。实证结果表明,本文提出的t-SNE+层次聚类模型,能够有效处理和利用期刊-作者矩阵信息,对期刊进行分类。实证结果将69种经济学期刊分成9类（子领域）,并可以较为清晰地给出不同类的具体含义。本文也梳理了期刊作者耦合方法用来识别学科结构的前提和适用条件。 

【文章来源】：情报学报. 2020,39(11)北大核心CSSCI

【文章页数】：8 页

【部分图文】：

学科结构识别的期刊作者耦合分析方法流程图

69种经济学期刊关联关系的二维图

69种经济学期刊聚类结果图


本文编号：3083344