共查询到16条相似文献，搜索用时 625 毫秒
1.
2.
Folksonomy模式中紧密型领域知识群落动态演化研究 总被引：1，自引：1，他引：0
具有高度感知易用性的Folksonomy知识组织模式,在实践应用中却呈现离散纷杂的外在表象。对Folksonomy知识组织模式中领域知识群落及其结构关系的研究,对于洞悉领域知识发展过程中的衍生、交叉、融合等现象具有重要意义。本研究以复杂网络分析中的层次派系分析技术为主要研究方法,基于标签共同标注关系构建领域知识网络。从标签间关联关系出发,对特定领域知识网络中紧密型知识群落的发展过程进行时间序列的动态跟踪与分析。研究结果表明:标签数量在领域成熟期趋于饱和,但标签间的连线数量却持续增长,紧密型领域知识群落规模逐渐扩大;紧密型领域知识群落数量总体递增的同时也存在波动,这种波动与知识群落自身的扩张、衰减、派生、融合的演化过程有关;随着领域知识的发展,紧密型知识群落之间的交叠密度呈上升趋势,并基于交叠关系形成了一个更大的知识群落,成为领域知识网络的部分骨架结构,进而能够展示出多个主要发展方向。对领域知识群落演化规律的揭示,有助于把握领域知识演进的发展脉络,并揭示Folksonomy知识组织模式中领域知识的发展模式与规律。 相似文献
3.
[目的/意义]通过对知识网络中心性的动态分析,揭示领域知识发展过程的规律与模式。此类探究对于洞悉知识发展过程中的衍生、交叉、融合等现象具有重要意义。[方法/过程]以复杂网络分析中的中心性分析技术为主要研究方法,基于领域关键词共现关系构建领域知识网络。从核心涌现性、桥接控制性、关联紧密性3个方面,对特定领域知识发展过程进行时间序列的动态跟踪与分析。[结果/结论]研究结果表明,知识关联关系的增长速度远高于文献与关键词的增长速度;领域中知识的核心涌现程度呈波动状态发展;领域知识之间的桥接控制程度随时间推移呈上升趋势;领域中知识间的关联紧密性在时间轴上逐渐松散。这些领域知识演化规律的揭示,有助于把握领域知识演进的发展脉络,对于揭示知识发展模式与规律具有积极的促进作用。 相似文献
4.
[目的/意义]探索领域知识发展过程中的聚类演化问题有助于揭示知识聚类的特征和规律,对于掌握知识生长演进过程中关联知识的聚集具有重要意义。[方法/过程]以复杂网络的思想为基础,基于标签邻接关系的发生值构建时间序列领域知识网络。即依据网络模体的理论,采用网络聚类系数的分析方法,对领域知识网络进行动态跟踪与分析;结合网络密度、特征路径长度、节点度值、封闭三元组等指标,从随机因素、度相关性、邻近关联3个方面对领域知识发展过程中的聚类演化现象进行分析。[结果/结论]研究结果表明：①领域知识在发展进程中始终保持较高的聚类性;②领域知识的聚类性同时包含随机性与结构性（非随机性）两方面因素; ③领域知识聚类的动态状态在小世界网络和无标度网络之间摇摆演化; ④领域知识的聚类状态在网络全局和局部节点之间表现出一定的差异性。 相似文献
5.
基于对应分析的用户与标签间偏好关系研究 总被引：1，自引：0，他引：1
［目的/意义］用户认知能够影响客观知识之间潜在的关联关系,研究Folksonomy模式中用户与标签之间的偏好关系有助于揭示认知与知识之间的互动关系及其模式规律,并为人文因素影响下的知识组织提供参考。［方法/过程］基于标签与用户的隶属关系构建“标签-用户”2-模网络,采用多变量的对应分析方法,基于联合空间距离位置对用户与标签间的偏好关系进行分析。［结果/结论］研究表明,用户与标签的偏好关系与联合空间中的位置和2-模网络的中心度具有相关性,在偏好问题上不会有群体极化现象发生,群体决策的科学性得以保障。 相似文献
6.
[目的/意义]对知识网络中结构关系的有效识别与提取，有助于从纷繁的数据中探测知识网络的拓扑结构及其演化模式。[方法/过程]本文提出一种基于邻接矩阵特征分解的知识网络结构关系提取方法。基于真实数据分别从静态结构关系提取和动态结构演化两个方面，对特征分解法和传统关联频度法进行对比分析，并与Pathfinder算法进行对比。对基于特征分解法提取知识网络结构关系的有效性进行验证。[结果/结论]研究结果表明：特征分解法能够识别原始知识网络中的主要成分信息，能够准确识别低频次的对网络整体拓扑结构较为重要的关联关系，且提取方法灵活自由。 相似文献
7.
知识的发展演化一直是图书情报学界重点关注的主题。随着复杂网络理论的复兴,以网络思维探索知识发展过程中结构关系的演化成为学术界的共识。本文以知识间关联关系为基础,对社会化标注模式下Folksonomy知识组织模式中领域知识群落的生长展开研究。基于关联频度提取层次网络,利用k—丛和派系识别知识网络中的松散型与紧密型领域知识群落,从频度、关联、数量、规模、时序多个维度进行交叉复现分析。研究结果表明,领域知识群落的基本生长路径为“关联关系→松散群落→紧密群落”;知识间关联关系的增长是领域知识群落生长过程中数量繁衍和规模扩容的保障;关联关系频度和数量的积累是领域知识群落生长过程中核心凝聚的过滤器。知识群落生长模式与规律的揭示,有助于从知识间的互促互扰关系方面拓展领域知识组织视野并把握知识发展脉络。但本研究在维度的划分粒度方面还有待进一步加强。图3。表4。参考文献36。 相似文献
8.
指出随着网络分析理论在知识组织领域中的大规模应用,人文因素在知识组织中的作用也逐渐引起学术界的关注。从Folksonomy社群中的“用户-标签”关系出发,基于后结构主义网络分析的思想,采用传统的1-模网络分析方法对社群知识的组织结构进行判识和分析。在此基础上,进一步构建“用户-标签”2-模网络,并基于2-模网络中用户与标签的互动关系,对社群知识的“自组织”问题进行深入剖析。揭示用户主观认知对社群知识的组织结构的影响,以及社群知识的组织结构对用户主观认知的形塑。 相似文献
9.
Folksonomy作为一种基于用户提交关键字的分类能够反映社群的群体知识背景和群体意识倾向,并在互联网知识组织领域受到人们的普遍关注.然而,在应用中,Tag Cloud的单一平面结构无法实现向下分层级的检索,并由于非热门Tag的"沉底"容易形成社群的知识"窄"化等问题.为了解决Folksonomy应用中的这些问题,在对一般Folksonomy应用模式进行分析的基础上,通过形式概念分析技术构建Folksonomy网络应用模式中知识资源及其Tag的概念格,并在概念格的基础上导出了Tag Cloud的"形式层级"体系结构.讨论了"形式层级"体系的动态立体结构,及其对向下分层检索的支持,以及对非热门Tag的捕捞. 相似文献
10.
基于概念格的Folksonomy知识组织研究——关联标签的结构特征分析 总被引：2，自引：0，他引：2
以BibSonomy.org真实数据为研究对象,通过网站"Related Tag"栏分别获取两个梯次的关联标签集合。采用形式概念分析的方法构建关联标签概念格,并基于概念格对关联标签进行聚类分析和关联规则挖掘,以此揭示出关联标签间隐含的概念间关系和潜在的语义关联。对关联标签这一新兴的导航方式中隐含的结构特征进行分析和研究,提出关联标签间存在的"语义关联词"和"语义下位词"关系,完善Folksonomy知识组织模式的标签导航体系。 相似文献
11.
[目的/意义]探索领域知识网络中的核心知识涌现有助于揭示知识发展的内在机理,对于掌握领域知识发展脉络以及发展模式具有重要意义。[方法/过程]以复杂网络的思想为基础,基于关键词的邻接关系构建领域知识网络。采用Hub涌现的分析方法,对领域知识网络从时间序列上进行动态跟踪与分析。从知识节点的度序列分布、熵值分析、特定节点涌现3个方面对领域知识网络的知识涌现现象进行分析。[结果/结论]研究结果表明：领域核心知识涌现过程中随机性与非随机性交互影响;领域核心知识涌现在总体上呈现由随机性主导到结构性主导的演进趋势;领域中涌现出的核心知识并非是一劳永逸一成不变的。 相似文献
12.
13.
14.
[目的/意义]在保障知识网络的整体性征的条件下,从原始知识网络中提取具有显著意义的层次知识网络,奠定基于关联频度提取层次知识网络的理论基础。[方法/过程]以无标度网络与分形几何作为基础理论支撑,在对关键词知识网络和标签知识网络关联频度分布进行分析的基础上,采用关联频度作为阈值提取层次知识网络。并对层次知识网络的无标度性和小世界效应两项网络整体性征进行验证。[结果/结论]知识网络的关联频度分布服从幂律分布。以关联频度为阈值提取的层次知识网络在节点度值分布和关联频度分布方面都保持了原始整体网络的无标度性。层次知识网络能够很好地保持原始网络所具有的小世界特征。基于关联频度提取的层次知识网络与原始知识网络等效。 相似文献
15.
[目的/意义]作者共引网络分析（ACNA）是文献计量学中的重要分析方法,旨在通过寻找学术文献集合中作者之间的共引关系绘制出特定领域的知识图谱,进而指导科学研究。然而,ACNA的一个缺陷是其原始矩阵输入信息量过小。本文通过提出作者混合共引网络（HACNA）,绘制更为精确的科学知识图谱。[方法/过程]鉴于不同种类的学术网络能为绘制知识图谱提供不同维度的信息,提高知识图谱绘制的精确性,本文以合著网络和引用网络为例,结合其他种类的学术网络在ACNA基础上进行精确科学知识图谱的绘制。[结果/结论]实证研究结果显示,与ACNA相比,HACNA绘制出的知识图谱在聚类过程中能够使得同类作者更为聚拢、不同类作者更为分散,从而提高了聚类效果和可视化程度。同时,HACNA绘制出的知识图谱还能够挖掘出更多细节。 相似文献
16.
[目的/意义]引文是施引文献与被引成果的纽带，反映了后继者的借鉴和肯定。本研究在传统题录关键词网络的基础上，创新地将引文上下文关键词作为研究材料，所构建知识图谱不仅能揭示文献主题的深层次信息，也能够反映受众主观筛选和利用文献的知识过程。[方法/过程]选取数字人文为研究领域，获取3个文献集和两个引文文本集，构建两个无向的关键词共现网络和两个有向的基于文献引证的关键词网络。通过共现网络，观察数字人文领域知识的吸收与扩散；通过引证关键词网络，观察数字人文的形成与转化。[结果/结论]研究揭示数字人文的研究重点、核心领域与核心技术，从受众的角度为数字人文领域未来研究提供借鉴和参考。 相似文献