基于科学知识图谱的创新系统研究的历史与现状分析

合集下载

科学知识图谱研究综述

科学知识图谱研究综述科学知识图谱研究综述引言：随着科技的快速发展，人们对科学知识的需求也越来越高。

为了更好地组织、管理和利用科学知识，科学知识图谱作为一种新兴的知识表示和存储方式，正在受到广泛关注和研究。

本文将综述科学知识图谱的研究进展，包括其定义、构建方法以及应用领域，旨在为读者提供对该领域的全面认识。

一、科学知识图谱的定义科学知识图谱是一种以图形和语义为基础的知识表示方法，用于描述科学领域的知识体系和关系。

它将科学领域的知识以图谱的形式展现出来，使得人们可以直观地了解知识间的关联和层次。

科学知识图谱的构建需要深入挖掘科学文献、专利数据库等资源，并建立类似于图数据库的知识表示模型。

二、科学知识图谱的构建方法1. 知识抽取与清洗：科学知识图谱的构建首先需要从科学文献、专利数据库等海量数据中抽取知识，并进行清洗和整理。

这一过程包括文本的分词、命名实体识别、关系抽取等技术手段的应用。

2. 知识表示与建模：科学知识图谱需要将抽取出的知识进行合理的表示和建模，以便于后续的存储和查询。

在这一过程中，需要利用本体学、图论等方法，构建科学知识的语义网络，并为每个节点和关系进行准确的语义标注。

3. 知识关联与链接：科学知识图谱的关键在于建立节点之间的关联和链接。

通过挖掘知识中的共现关系、上下位关系等，可以识别出知识间的相似性和相关性，并建立节点之间的链接。

这一过程可以借助机器学习和自然语言处理等技术手段实现。

三、科学知识图谱的应用领域1. 科学研究：科学知识图谱可用于科研人员的文献检索与阅读，提供更高效的科研工具和资源。

科学家可以借助科学知识图谱查找相关研究领域的权威资源，并从中获取研究灵感和联系。

2. 知识管理：科学知识图谱可以帮助组织机构或企业对内部知识进行分类、管理和共享。

通过搭建企业内部的科学知识图谱，可以减少重复研究、促进知识流转，提高组织的创新能力和竞争力。

3. 人工智能应用：科学知识图谱为人工智能系统提供了丰富的背景知识和语义信息。

科学知识图谱视角下CiteSpace_的学科基础与原理分析

264研究与探索Research and Exploration ·理论研究与实践中国设备工程 2024.01 （上）等领域不可或缺的工具。

狭义的知识图谱特指一类知识表示，本质上是一种大规模的语义网络；广义的知识图谱是大数据时代知识工程一系列技术的总称。

从狭义角度考察，此种大规模的语义网络包括实体、概念及其之间的各种关系，其中，语义网络是知识图谱的本质。

与传统的语义网络相比，知识图谱代表的语义网络规模巨大、语义丰富、质量精良、结构友好。

语义网络是一种以图形化的形式，通过点与边描述知识关系的方法。

图形中的点可以描述实体、概念和属性。

实体称为对象或实例，它是一切属性的物质基础，是有明确指代意义的。

概念又称类别、类，其是指一类人，这类人有相同的特征。

概念所对应的动词称为概念化和范畴化，概念化一般指识别文本中的相关概念的过程，例如，拉格朗日的中值思想；范畴化一般指实体形成类别的过程，如具有若干哲学思想的人们组成某个特定的哲学派别，则这一学派的形成就是典型范畴化的过程。

每个实体都有一定的属性值，包括数值、日期、文本等，知识图谱的推理即是建立在实体、属性与关系之上。

科学知识图谱在图书馆学情报学应用领域，包括识别学科领域热点、展示学科研究前沿、分析引用关系等。

2 CiteSpace 的主要学科基础理论从哲学、社会学、数据科学，数学等学科入手，可全面理解软件包含的学科基础知识。

2.1 科学革命的结构CiteSpace 设计灵感之一，是来源于托马斯•库恩的《科学革命的结构》。

库恩重塑了科学的真理形象，其“范式论”“不可通约论”为科学史研究提供了新的视角。

库恩思考的根本问题可以概括为“科学进步的机制是什么”。

这是需要借助科学史研究才能回答的问题，但传统的研究方法存在缺陷，而作者尝试从科学史的编著工作中找到突破口。

科学知识的历史不是简单增长过程，其中某个阶段必定会发生根本性的转变，新的科学观应以研究此类根本性转变为宗旨。

科学知识图谱的发展历程

ห้องสมุดไป่ตู้ 内容摘要
此外，如何建立统一的知识图谱标准规范，以便不同领域的研究者能够进行有效的知识交流和共享，也是一个值得研究的方向。最后，如何解决知识图谱的隐私保护和数据安全问题也是一个迫切需要解决的问题。
内容摘要
本次演示总结了科学知识图谱的研究现状、应用领域、优点、不足以及未来研究方向。尽管科学知识图谱已经得到了广泛的应用和认可，但仍存在诸多挑战和问题需要进一步研究和解决。我们相信，随着技术的不断发展和完善，科学知识图谱将在更多领域发挥更大的作用，为人类社会的发展做出更大的贡献。
内容摘要
在科学知识图谱的研究方法方面，主要包括可视化分析、文本挖掘、语义网络分析、知识表示学习等方法。这些方法为科学知识图谱的构建和分析提供了强大的支持，但每种方法都有其特定的适用范围和局限性，需要根据具体的研究问题进行选择和优化。
内容摘要
对于科学知识图谱研究的未来方向，我们认为可以从以下几个方面进行考虑。首先，提高自动化生成知识图谱的精度和效率是关键。这需要进一步发展和完善现有的自然语言处理、文本挖掘和机器学习等技术，并探索新的技术手段。其次，如何将科学知识图谱更好地应用于实际问题中，尤其是如何将其应用于决策支持和智能服务等方面，具有重要的研究价值。
二、理论框架
科学知识图谱的理论框架主要包括基于概念的知识图谱、基于数据的知识图谱和基于技术的知识图谱等。
二、理论框架
基于概念的知识图谱主要是以概念为基本单位，通过概念之间的关系来组织知识。这种知识图谱的构建需要依赖于概念抽取和概念关系抽取技术。
二、理论框架
基于数据的知识图谱主要是以数据为基本单位，通过数据之间的关系来组织知识。这种知识图谱的构建需要依赖于数据挖掘和机器学习等技术。

科学知识图谱研究综述

科学知识图谱研究综述一、本文概述随着信息技术的快速发展和大数据时代的到来，科学知识图谱作为一种新型的知识表示和组织方式，受到了广泛的关注和研究。

本文旨在对科学知识图谱的研究进行全面的综述，梳理其发展历程、基本原理、构建方法以及应用领域等方面的研究成果。

通过对现有文献的梳理和分析，本文旨在为相关领域的研究者提供一个清晰、系统的科学知识图谱研究视角，为未来的研究提供借鉴和参考。

本文将对科学知识图谱的基本概念进行界定，明确其研究范畴和核心要素。

接着，将回顾科学知识图谱的发展历程，分析其在不同阶段的特点和发展趋势。

在此基础上，本文将重点介绍科学知识图谱的构建方法和技术，包括知识抽取、知识融合、知识表示和推理等方面的研究进展。

还将探讨科学知识图谱在各个领域的应用实践，如智能问答、语义搜索、推荐系统等。

本文将对科学知识图谱研究面临的挑战和未来发展方向进行深入分析，以期为相关领域的研究者提供有益的启示和思考。

通过本文的综述，相信读者能够全面了解科学知识图谱的研究现状和发展趋势，为进一步推动科学知识图谱的研究和应用提供有力支持。

二、科学知识图谱的基本概念科学知识图谱，又称科学知识域可视化图谱，是一种基于图论和网络科学的知识表示方法。

它以科学知识为研究对象，通过数据挖掘、信息抽取、知识计量和图形绘制等一系列技术手段，将科学知识以图形化的方式展示，揭示出科学知识的结构、演化、关联和交叉等深层次信息。

科学知识图谱的构建基础是大量的科学文献数据，包括学术论文、专利、科研项目等。

通过对这些数据进行清洗、预处理和语义标注，可以提取出科学实体（如科学家、研究机构、关键词等）以及它们之间的关系（如合作关系、引用关系等）。

这些实体和关系被抽象为图谱中的节点和边，进而形成一张复杂的网络结构。

科学知识图谱具有多种功能和应用。

它可以作为科学计量学的研究工具，用于分析科学领域的发展趋势、研究热点和学科交叉等。

它可以作为科研人员的辅助工具，帮助他们了解研究领域的前沿动态、寻找合作伙伴和潜在的研究方向。

2000~2014年我国幼儿园教师专业伦理研究的热点知识图谱

教育部2012年颁布的《幼儿园教师专业标准（试行）》明确指出，幼儿园教师应以“师德为先”。

幼儿园教师专业伦理是幼儿园教师专业发展的重要基石，影响着幼儿园教师的工作态度和专业行为。

〔1〕近年来，有关幼儿园教师专业伦理的研究受到许多研究者的关注。

那么，目前的研究现状如何？研究内容侧重在哪里？研究热点是什么？研究趋势如何？科学知识图谱(Mapping Knowledge Domains)是一种以科学理论学为指导，通过数据挖掘、信息处理、知识计量与图形绘制等现代科学技术来展现现代科学技术知识发展进程与结构关系的图形。

〔2〕它可从宏观、中观、微观等不同角度直观地揭示出某一研究领域的发展概貌、研究热点和重点等信息。

〔3〕本文采用科学知识图谱技术，绘制我国幼儿园教师专业伦理研究的热点知识图谱，并在此基础上进行相应的思考和展望。

一、研究方法1.资料来源2015年5月，在中国学术期刊网络出版总库，以“幼儿园教师”“幼儿教师”“幼儿教育”“专业伦理”“专业道德”“职业道德”为主题词进行检索，剔除无效文献（如无作者文献、重复性文献以及会议信息等），最终得到2000～2014年有效文献174篇。

所得数据使用BICOMB2.0(书目共现分析系统)以及SPSS18.0处理与分析。

2.研究步骤第一，利用BICOMB2.0软件对174篇文章进行关键词统计。

第二，根据研究需要，利用BI⁃COMB2.0软件抽出21个词频大于5的关键词为高频关键词。

第三，利用BICOMB2.0软件中的共现分析功能，建立高频关键词共现矩阵。

第四，通过Ochiai 系数将共现矩阵转化为相似矩阵(O chiai=)，将结果导入SPSS18.0，进行系统聚类分析，得出高频关键词聚类树状图。

第五，利用“相异矩阵=1-相似矩阵”公式算出相异矩阵，将结果导入SPSS18.0，进行多维尺度分析，得出高频关键词多维尺度分析图。

第六，在多维尺度分析结果上，结No.10，2015General No.6702015年第10期(总第670期)幼儿教育(教育科学)Early Childhood Education(Educational Sciences)·研究综述·*本文为教育部人文社会科学研究项目“幼儿园教师专业伦理研究”（项目批准号：11YJA880001）和浙江省哲学社会科学重点项目“幼儿园教师专业伦理：缺失与生成”（项目批准号：11JCJY02Z ）的研究成果之一。

基于知识图谱的信息科学研究方法探索

基于知识图谱的信息科学研究方法探索信息科学是一门跨学科的领域，研究数据的表示、处理和传递，以及信息的生成、存储和利用。

近年来，随着大数据和人工智能技术的发展，我们面临着从海量数据中挖掘有意义信息的挑战。

知识图谱作为一种结构化的知识表示方法，为信息科学研究提供了新的思路和方法。

本文将探讨基于知识图谱的信息科学研究方法，并介绍其应用和挑战。

一、知识图谱简介知识图谱是将现实世界的知识结构化为一种图形化的方式，通过实体、属性和关系的表示，构建了一个丰富的知识网络。

知识图谱的构建需要通过自然语言处理、数据挖掘和机器学习等技术，将文本数据中的知识抽取出来，并进行关联和推理，形成一个有机的知识体系。

二、基于知识图谱的信息科学研究方法1. 知识抽取与表示基于知识图谱的信息科学研究首先需要进行知识抽取与表示。

通过自然语言处理和文本挖掘技术，从文本数据中提取出实体和关系，并将其表示为知识图谱的形式。

在这个过程中，需要处理大规模的文本数据，并解决实体消歧、关系抽取等问题。

2. 知识图谱的构建构建知识图谱是基于知识图谱的信息科学研究的核心步骤。

这包括实体和关系的建模，以及知识的组织和分类。

在构建知识图谱时，需要参考现有的领域知识和专业背景，并借助图数据库等技术进行图谱的存储和查询。

3. 知识图谱的应用基于知识图谱的信息科学研究方法可以应用于各个领域，如医疗、金融、教育等。

在医疗领域，可以利用知识图谱的结构化表示和推理能力，帮助医生进行疾病的诊断和治疗决策。

在金融领域，可以通过知识图谱分析客户的信用记录和投资偏好，为金融机构提供个性化的推荐和服务。

在教育领域，可以利用知识图谱对学生的学习情况进行分析和预测，提供个性化的学习建议。

三、基于知识图谱的信息科学研究的挑战1. 数据质量与一致性构建知识图谱需要处理大量的数据，并保证其质量和一致性。

然而，现实世界中的数据往往存在噪声和不一致性，例如同一个实体可能有多个名称和属性。

如何在知识抽取和图谱构建过程中解决这些问题，是一个重要的挑战。

基于科学知识图谱的我国大学体育教学模式可视化研究以及现状

基于科学知识图谱的我国大学体育教学模式可视化研究以及现状运动教学方式是体育运动课程的主要部分,运动教学方式随着社会的发展和需要不断地进行着蜕变,这为运动质量的提高提供了保证,这是因为几年来广大研究者们恪尽职守、不辞辛劳地的研究成果,浸透了许许多多科学家的心血。

但是,由于上述研究成果大多是运用传统的科学研究方式加以研究的,因此传统的科学研究方式也有它的局限。

本文将利用新颖的科学知识图谱法对体育教学展开深入研究,解决以往探究方式的局限。

以中国CNKI科学文献数据库所收集的有关体育运动教学模式的有关论文为主要研究对象(1982—二零一二年),利用科学知识图谱法对中国境内体育运动的教学模式开展了可视化分析。

首先,系统分析了国内外有关体育教学方法研究成果的时间分布特点:论文数量的变化、作者合作状况、科研机构分布状况,进而剖析了国内外体育教法研究的热点和前沿。

研究结论包括:国内体育教学方法的著作数量长期保持上升发展的态势;科研组织类型较为简单,大多以高校教师为主,没有建立大型合作团队情况。

其中以北京师范大学体操与运动学院、北京体育大学为核心的合作网络规模最大,以毛振明团队和李季浏团队为主的专家学者也为运动教学科研工作作出了无可磨灭的奉献;根据国内外体育教学方法研究领域关键词的共现与网络图谱,我们可以看到"教育"、"变革"、"教学模式"等始终是人们热议的关键字。

通过名突发词的共现,分析得出"终身体育"、"高职院校"、"模式"等方面的研究成果,是当前运动教学领域研究的热点和前沿。

4.1探索体育学科某一领域的研究主体某一领域的研究主体通常是指专门研究该领域的学者,即相对文章来说,研究主体通常就是著者、作者所属的研究组织、作者所属的国家或地域等。

通过对运动教育学科中某一领域研究最主要的基础信息的掌握,就可以令人直接了解到研究领域的发展走向,从而准确地掌握运动最新的发展动向。

基于知识图谱的国内科学数据研究热点和趋势分析

1概述科学数据是指通过收集、观察、分析和创造各类实验数据、个人观测数据、互联网数据、统计数据、仿真数据,并以表格、数字、图像、新媒体等方式呈现出来的数据。

科学数据是科研创新、技术预见的数据来源和工具,也是国家制定各项决策的重要依据。

近年来随着科学研究进入数据驱动科学的数据密集型研究范式时代,国际组织、政府部门和研究机构等都提高了对科学数据领域研究的关注度和经济资助。

例如联合国教科文组织(UNESCO)推出“促进发展中国家科学数据共享与应用全球联盟计划”国际科学理事会(ICSU)建立了促进全球科学数据共享的国际组织:国际科技数据委员会和世界数据系统等[1]。

图书馆是科学数据的过程监护机构、嵌入式管理机构以及科学数据存档与教育机构[2],对科学数据的管理、共享和服务具有不可替代的地位和作用。

科学数据研究领域在我国虽起步较晚,但在近年来也成为图书情报界的研究热点之一。

从图书馆视角出发,对图书情报界科学数据领域研究热点和趋势进行可视化分析,旨在为图书馆员对科学数据领域进行深入研究提供参考。

2数据来源与研究方法2.1数据来源以中国知网(CNKI)为数据来源,采用高级专业检索,检索式为SU='数据共享'+'数据管理'+'数据监管'+'数据监护'+'科研数据'+'研究数据'+'科学数据'AND SU='图书馆',初次检索得到文献记录1260条,通过手动筛选,去除重复和杂质文献,确定1238条有效文献(检索时间为2018年12月13日)。

2.2研究方法Citespace V 知识可视化软件是由美国德雷赛尔大学陈超美[3]教授开发的一种多元、分时、动态的知识图谱绘制工具。

该软件能将抽象的数据转向图形表达[4],让用户直观地看出对应研究领域的相关信息,通过对图谱的分析与理解可掌握该研究领域的知识结构关系与演进规律等特征。

科学知识图谱应用研究概述

科学知识图谱应用研究概述科学知识图谱是一种新兴的科学研究工具，它可以帮助研究人员更快更准确地获取和分析数据。

目前，它已成为许多计算机学科的有力工具，它的应用正在迅速拓展。

本文旨在总结科学知识图谱的应用研究现状，并对该领域的研究趋势进行分析与展望。

科学知识图谱的应用可以追溯到20世纪70年代，当时F. C. Williams首先提出了“图谱”这一概念。

它是一种拓扑结构，可以用来保存数据，并用来表示和记录科学信息，如科学原理、科学术语和相关的概念关系。

此后，许多研究者都致力于开发科学知识图谱。

它们不仅用于记录科学信息，还可以用于进行各种形式的科学研究，例如语义比较、知识挖掘和数据分析等。

目前，科学知识图谱的应用已经涉及到许多学科领域，如生物、医学、物理学、工程学和社会科学等。

其中，科学知识图谱在生物领域的应用最为广泛。

由于现代生物研究获取的数据类型和数量都很大，所以对于系统地理解生物机制和研究新的生物信息，科学知识图谱的应用正变得越来越重要。

例如，科学知识图谱可以帮助生物学家从数据中提取和可视化信息，进而深入探索和分析复杂的生物实体网络。

此外，科学知识图谱还可以帮助科学家们以一种高效的方式学习科学知识，进而更好地理解科学结果和研究新问题。

生物以外，科学知识图谱还在许多其他学科领域中得到了广泛应用，例如医学、物理学、工程学和社会科学等领域。

在医学领域，例如，科学知识图谱可用于辅助诊断和治疗决策，也可用于研究特定疾病的发病机制。

而在物理学领域，科学知识图谱可用于研究复杂物理系统，以及模拟其中的相互作用。

在工程学领域，它可以用于识别和解决工程设计中的问题，充分利用现有知识，生成计算机模拟。

在社会科学领域，它可以用于构建和理解社会数据，以及研究社会系统的复杂结构。

未来，科学知识图谱的应用可能会进一步扩展到无人驾驶、虚拟现实、认知计算和自然语言处理等领域。

此外，随着计算能力的不断增强，科学知识图谱可能会变得更加灵活和强大，能够解决更复杂的科学问题，并更快地提供精准的结果。

浅析我国STEM教育研究热点——基于CiteSpace的知识图谱分析

跨学科与融台创新浅析我国STEM教育研究热点基于CiteSpace的知识图谱分析◊孙宗缘马秀峰［摘要］研究者以2010-2020年CNKI数据库中收录的STEM教育相关文献为数据源，利用CiteSpace生成关键词共现可视化图谱，梳理和探讨了我国STEM教育的研究热点及趋势。

结果发现，我国STEM教育的研究热点主要集中在与创客教育、核心素养、跨学科融合、STEM教育本土化密切相关的四大领域。

未来研究可在已有研究的基础上，对STEM教育的发展进行更深入的探究。

［关键词［CiteSpace；STEM教育；热点;趋势STEM是强调科学、技术、工程和数学等跨学科融合的一种综合型、创新型、素质型教育°STEM 教育在跨学科的基础上，培育学生以综合性的方法解决实际问题的能力，将学生零散的知识融合为一个有机整体，从而促进学生发现问题、理解问题、解决问题能力等综合素养的提升。

在不断强调核心能力的当下,STEM教育对学生核心能力的培养做出了有效回应。

STEM教育于1986年在美国首次提出，三十多年来，逐渐成为引起世界各国重视的教育模式。

在我国,STEM教育也成为新的教育热潮，关于STEM教育的研究也正在从多个方面如火如荼地开展。

为了解我国STEM 教育研究发展的基本概况,研究者针对该领域相关研究成果进行了文献计量分析,以期为后续研究的开展提供参考。

一、研究设计1.数据来源与方法研究者以CNKI中文期刊数据库为数据源，以“STEM教育”为关键词进行主题检索,选定时间框为2010年1月1日一2020年12月31日。

在剔除会议、报纸、图书等相关度很小的文献后，最终筛选出1852篇中文文献作为分析样本。

借助科学引文数据可视化软件CiteSpace对所有文献样本进行分析，以高频关键词共现的方法进行了研究热点探析，对当前我国STEM教育领域的研究进行了较为详细的解读。

2.研究过程将选定的1852篇文献按照Refwords格式导出;对关键词进行“清洗”、合并、删除处理,确定高频关键词序列，以保证研究结果的清晰性；通过CiteSpace制作高频关键词聚类图谱，对当前我国STEM教育研究热点进行解析。

国内教育领域深度学习研究现状及热点基于中国知网的科学知识图谱分析

1、研究主题分布：目前国内教育领域的深度学习研究主要集中在个性化教学、情感分析和机器辅助评估等方面。此外，也有部分研究了深度学习在其他领域的应用，如智能辅导、在线学习等。
2、研究力量分布：北京、上海、广东、江苏等地的科研机构和高校在深度学习在教育领域的研究中具有较强实力。其中，北京大学、清华大学、上海交通大学、华南师范大学等高校在深度学习应用于教育领域的研究中表现突出。
引言
随着人工智能技术的不断发展，深度学习已经成为了国内外学者的研究热点。在教育领域中，深度学习被广泛应用于在线教育、个性化教学、情感分析等方面，为提高教育质量和促进教育公平提供了新的思路和方法。然而，尽管深度学习在教育领域的应用已经取得了一定的成果，但其在教育领域的实际应用还存在着诸多问题和挑战。
1、个性化教学：深度学习可以通过对大量数据的分析，对学生的学习行为和特点进行建模，从而实现个性化教学。例如，利用深度学习技术对学生的学习进度和成绩进行分析，为教师提供个性化的教学方案。
2、情感分析：深度学习可以对学生的情感进行识别和分析，帮助教师更好地了解学生的心理状态和学习需求。例如，利用深度学习技术对课堂互动中的情感进行分析，为教师提供改进教学方法的依据。
因此，本次演示旨在通过基于中国知网的科学知识图谱分析，探讨国内教育领域深度学习研究现状及热点，以期为未来深度学习在教育领域的应用提供参考。
文献综述
Байду номын сангаас
深度学习在教育领域的应用可以追溯到20世纪90年代，随着神经网络的不断发展，深度学习逐渐成为了教育技术领域的研究热点。通过对文献的梳理和评价，我们发现深度学习在教育领域的应用主要集中在以下几个方面：
国内教育领域深度学习研究现状及热点基于中国知网的科学

科技创新的研究热点与前沿基于CiteSpace的文献计量分析

第34卷第2期2021年3月濮阳职业技术学院学报Journal of Puyang Vocational and Technical CollegeVol.34No.2Mar.2021科技创新的研究热点与前沿:基于CiteSpace的文献计量分析段宝娜（郑州财税金融职业学院，河南郑州450048）摘要：在文献计量学理论与知识图谱可视化理论的基h上，运用可视化分析软件CiteSpace获取知识图谱和笑现词对科技创新的发展现状和演变趋|进行实证分析。

以CNKI数据库2010—2020年核心期刊中刊载科技创新为主题的文献为研究对象，对筛选出的1714篇科技创新研究文献从研究机构、合作作者、关键词r现等方面进行可视化图谱分析，旨在探讨科技创新领域研究现状、研究热点和演化过程。

研究结果表明，科技创新领域的研究发展态|良好；科技创新在研究机构和作者间的合作较少，有待加强；研究热点主要集中在科技创新能力、科技创新效率，且有结合实证分析的发展趋|。

关键词：科技创新；文献计量学；可视化分析;CiteSpace中图分类号:F224文献标识码:A文章编号:1672-9161（2021）02-0016-05科技创新的研究正处于蓬勃发展时期,该主题的研究涉及多个学科，近年来科技创新研究的发展趋势如何，主要集中在哪些方面，研究的重点又是什么？为了解近些年科技创新领域的研究概况,本文选取2010-2020年CNKI数据库中科技创新相关文献为研究样本，借助可视化软件CiteSpace仰68&，运用文献计量方法和计分析，旨在客观真实反映科技创新领域的研究现状、研究脉络和前沿热点，为相关领域的未来研究提供指导性的方向和建议。

―、研究方法与数据（一）数据来源与处理本文数据来自CNKI数据库（截止至2020年12月1日），在数据库中选择中文期刊，以“科技创新”为主题进行高级检索，检索时为2010年1月2020年11月，数据，相关的主题的科研文献，选有效数据1714篇作为样本文献。

我国区域创新的研究现状与未来趋势——基于CiteSpace的知识图谱分析

区域创新体系主要有三类投入要素构成。一是主体要素，主要由区域内存在的科研院所、企业、中介机构和地方政府等组成；二是功能要素，包括区域在制度、技术、管理和服务等领域的创新；三是环境要素，包括了体制机制、法律规范、基础设施和保障条件等内容。区域创新的产出则主要表现在技术知
识、物质产品和社会效益等３种输出功能。根据２０２０年版《中国区域科技创新评价报告》，我国综合
序号
频次
关键词
频次
１
Hale Waihona Puke ２１７区域创新２１７
２
１４６
区域创新系统
２３４
３
１３２
区域创新能力
１８６
４
３３
创新效率
６１
５
５４
创新能力
５４
６
３１
区域创新网络
３１
７
２８
区域创新效率
２８
从表１可以看出，区域创新系统（体系）、区域创新能力、区域创新效率等主题是研究的热点。在共被引频次排序中， “区域创新系统”得分最高，显示其高活跃度；而研究的目标靶向词则是“区域创新能力 ”；在分地区研究文献中，“区域创新体系”的频次较高，主要通过建设区域创新体系，提高区域创新能力，从而促进地方经济高质量发展。
由关键词共现知识图谱以及中心度序列表信息可知，区域创新的研究多以“区域创新系统”为关键词，将“区域创新”“区域创新能力”和“区域创新效率”等内容串联起来。其中“区域创新系统”被视为“区域创新能力”和“创新能力”的着力点，重点研究区域创新网络、创新主题、绩效评估等问题。“区域创新体系”是近年来的热门话题，契合了空间耦合、产业聚集等政策，被认为是研究的核心，其完善与否和质量高低可以用来评价创新的效果。基于此，区域创新应该倾向于完善区域创新体系与系统。同时研究区域创新要兼顾到空间因素、产业因素、人才因素以及经济因素。４２研究主题的演化

近十年我国图书情报学研究热点分析——基于科学知识图谱的方法

情报研究122 图书情报＼2019年第7期近十年我国图书情报学研究热点分析——基于科学知识图谱的方法苏红燕山东体育学院图书馆，山东济南 250102摘要：通过检索CNKI 数据库近十年（2009年至2018年）发表的关于我国图书情报学研究的核心期刊论文，利用CiteSpace V 分析软件，基于科学知识图谱的方法，对我国图书情报学的研究热点进行分析。

结果发现：我国图书情报学研究还十分欠缺，核心期刊的发文量较少；通过知识图谱的方法，对于现有文献的研究热点、共被引网络、发文期刊等进行可视化研究是近十年我国图书情报学研究领域的绝对热点；其中“引文分析”、“核心期刊”、“知识管理”、“社会网络分析”、“共词分析”、“图书情报学期刊”、“文献计量”、“篇长”、“文献计量学”、“课程设置”、“h 指数”、“图书情报学教育”、“期刊评价”以及“统计分析”为我国近十年图书情报学研究中出现的高频关键词。

关键词：图书情报学；研究热点；科学知识图谱中图分类号：G423文献标识码：A1 数据来源与研究方法1.1 数据来源在中国知网（CNKI ）检索近十年来我国关于图书情报学的研究文献，具体检索条件为：主题=“图书情报学”（精确），检索文献的发表时间限定为2009年至2018年，检索的期刊只选择核心期刊和被CSSCI 收录的期刊，检索日期为2019年3月21日，共检索到672篇关于图书情报学研究的核心期刊论文。

1.2 研究方法采用定量研究和定性研究向结合的研究方法，通过CiteSpace V 对672篇我国关于图书情报学研究文献的研究热点进行文献计量学分析和可视化构图。

通过全文通读的方式对重点文献进行分析和总结，归纳总结我国近十几年图书情报学研究的主要热点。

2 结果与分析2.1 我国近十年图书情报学研究文献的年份分析图1 我国近十年图书情报学研究文献的年份分布图从图1可以看出，我国近十年图书情报学研究文献的核心期刊发文量基本保持在每年50篇以上的水平，其中，2009年发文量最少，该年核心期刊的发文量是54篇，而2011年、2014年和2017年的发文量较高，每年的核心期刊发文量均超过70篇。

基于知识图谱的科学计量学进展研究

基于知识图谱的科学计量学进展研究一、本文概述随着信息技术的飞速发展，大数据等新技术在科学研究中发挥着日益重要的作用。

知识图谱作为一种新兴的信息组织形式，能够有效地整合和表示复杂的知识体系，为科学研究提供了新的视角和方法。

科学计量学作为一门研究科学发展的定量规律和方法论的学科，其研究领域广泛，包括科研产出分析、科研合作网络、科研影响力评估等。

本文旨在探讨基于知识图谱的科学计量学进展研究，通过对相关文献的梳理和分析，总结当前研究现状，探讨未来发展趋势，以期为科学计量学的研究和实践提供有益的参考。

本文将对知识图谱的基本概念、构建方法以及应用领域进行介绍，为后续研究奠定基础。

本文将重点分析基于知识图谱的科学计量学研究现状，包括科研产出分析、科研合作网络、科研影响力评估等方面的研究内容和方法。

在此基础上，本文将探讨基于知识图谱的科学计量学研究的优势与挑战，分析当前研究中存在的问题和不足，并提出相应的改进措施和发展建议。

本文将展望基于知识图谱的科学计量学未来的发展趋势，探讨新技术、新方法在科学计量学领域的应用前景，以期推动科学计量学研究的不断深入和发展。

本文旨在全面系统地介绍基于知识图谱的科学计量学进展研究，通过对相关文献的梳理和分析，总结当前研究现状，探讨未来发展趋势，以期为科学计量学的研究和实践提供有益的参考。

二、知识图谱构建基础知识图谱作为一种复杂的知识表示方法，为科学计量学的发展提供了全新的视角和工具。

知识图谱的构建主要基于图论、信息抽取、自然语言处理等多个学科的理论与技术。

其核心目标是将分散、异构的数据资源进行结构化整合，形成一张由节点（实体）和边（关系）构成的大型语义网络。

知识图谱的构建需要明确其应用领域和范围，例如科学研究、商业智能、社会网络等。

这决定了图谱中实体的类型和关系的复杂性。

在科学计量学中，知识图谱的实体可能包括科研人员、研究机构、科研项目、科研成果等，而关系则可能包括合作关系、引用关系、研究主题关联等。

基于知识图谱的科学计量学进展研究

基于知识图谱的科学计量学进展研究本文旨在探讨知识图谱在科学计量学领域的应用研究进展。

我们将简要介绍科学计量学和知识图谱的基本概念和背景。

接着，我们将详细阐述知识图谱在科学计量学中的重要性及其在不同领域内的应用现状。

我们将提出自己的研究思路和展望，以期为未来基于知识图谱的科学计量学研究提供一定的借鉴和参考。

在科学计量学领域，知识图谱是一种重要的工具，用于分析和探究科学知识的结构、演化和关系。

知识图谱可以帮助科学家更好地理解学科领域的整体发展趋势，以及不同领域之间的和差异。

知识图谱还可以用于揭示科学知识的动态变化和学科领域的演化历程。

近年来，随着科学计量学领域的不断发展和完善，知识图谱在科学计量学方面的应用研究也取得了显著的进展。

目前，知识图谱在科学计量学领域的应用主要集中在以下几个方面：学科领域分析：通过构建学科领域的知识图谱，可以深入探究学科领域的结构、主题和演化规律。

例如，在生物医学领域，研究人员可以利用知识图谱对基因、蛋白质等领域进行深入分析，帮助科学家更好地理解这些领域的内在和发展趋势。

科研合作分析：知识图谱可以用于分析科研合作网络，揭示不同国家和地区的科研合作状况。

通过构建科研合作知识图谱，可以发现不同国家和地区的合作偏好、合作模式和合作强度。

科研影响力评估：知识图谱可以用于评估科研成果的影响力。

例如，通过分析论文之间的引用关系，可以构建论文引用网络知识图谱，进而评估不同论文的影响力和重要性。

领域相关性分析：通过构建领域间的知识图谱，可以分析不同领域之间的相关性。

例如，环境科学和经济学领域之间存在一定的相关性，通过构建两个领域的知识图谱，可以进一步分析这种相关性的具体表现和原因。

随着科学计量学领域对知识图谱的应用不断深入，未来的研究将更加注重知识图谱的智能化、精细化和可视化。

未来的研究将更加注重知识图谱的构建方法和算法的优化，以提高知识图谱的精度和可靠性。

未来的研究还将更加注重知识图谱的应用拓展，将其应用于更多的领域和实际场景中，为科学研究和社会进步做出更大的贡献。

基于知识图谱的科学文献智能推荐系统研究

基于知识图谱的科学文献智能推荐系统研究科学文献是科学研究过程中不可或缺的一部分，它们包含了科学家们在各自领域内的知识和研究成果。

对于科研人员，获取并阅读相关科学文献是一项非常重要的任务。

但是，由于学科交叉和信息爆炸等原因，科学文献的数量非常庞大，很难找到与自己研究领域相关的文献。

因此，开发一种基于知识图谱的科学文献智能推荐系统，已经成为一个备受关注的研究方向。

一、知识图谱介绍知识图谱是一种用于表达实体、属性以及它们之间关系的图形化模型。

知识图谱的关系表示可以通过关系类型和属性来定义，它可以在一个数据集中检索实体的信息并基于它们之间的关系做出推理。

知识图谱广泛应用于自然语言处理、智能客服、搜索引擎、智能推荐等方面，并成为人工智能领域的重要组成部分。

二、科学文献智能推荐系统的研究科学文献智能推荐系统是一种利用机器学习、数据挖掘和自然语言处理等技术提高文献检索效率和准确性的系统。

基于知识图谱的科学文献智能推荐系统是一种以知识图谱为基础，利用知识图谱中的实体与关系进行文献推荐的方法。

科学文献智能推荐系统的研究需要解决以下问题。

首先，如何建立知识图谱模型，以将学科领域的实体、关系、属性等信息进行表示。

其次，如何利用知识图谱中实体之间的关系，对用户进行文献推荐。

还有如何实现文献的语义相似度计算，以对不同文献之间的相似程度进行量化。

1. 知识图谱的构建知识图谱的构建是科学文献智能推荐系统的第一步。

通常情况下，知识图谱的构建需要涉及以下几个过程：数据收集和处理、知识表示与存储、知识图谱的自动构建。

其中，数据处理是一个重要的环节，它将原始数据进行清洗、预处理、去重等工作，以保证构建出的知识图谱的准确性。

2. 基于知识图谱的文献推荐技术基于知识图谱的文献推荐技术主要利用了知识图谱中实体之间的关系和实体的属性信息，对文献进行推荐。

为了实现这个目标，需要进行以下几个方面的工作：首先，从用户的兴趣爱好角度出发，利用知识图谱中实体之间的关系，为用户推荐相关的文献。

基于CiteSpace研究科学知识图谱的可视化分析

基于CiteSpace研究科学知识图谱的可视化分析一、本文概述随着信息技术的飞速发展，大数据分析在各个领域中的应用日益广泛。

科学知识图谱作为一种重要的知识表示方式，通过图形化的方式展示了科学知识之间的关联和演化，为科研人员提供了全新的视角和工具。

本文旨在探讨基于CiteSpace软件的科学知识图谱可视化分析方法，通过深入挖掘科学文献中的信息，揭示科学知识的发展脉络和趋势，以期对科研工作者提供有益的参考和指导。

本文将简要介绍科学知识图谱的基本概念及其在科研领域的重要性。

随后，将重点阐述CiteSpace软件的基本原理及其在构建和分析科学知识图谱中的应用。

通过具体案例的分析，展示如何利用CiteSpace 软件进行数据预处理、网络构建和可视化展示等步骤，从而揭示科学知识的结构特征和演化规律。

本文还将对基于CiteSpace的科学知识图谱可视化分析方法进行评估和讨论，探讨其优点、局限性以及未来的发展方向。

将总结本文的主要研究内容和结论，为科研人员提供有价值的参考信息。

二、CiteSpace软件介绍CiteSpace是一款由美国德雷塞尔大学陈超美教授开发的可视化分析工具，专注于科学知识图谱的生成与分析。

该软件以文献数据为基础，通过提取文献中的关键词、作者、引用关系等信息，运用网络分析、聚类分析、时间序列分析等多种方法，揭示科学知识的发展脉络、前沿领域和热点趋势。

CiteSpace的核心功能包括数据导入、预处理、网络构建、可视化展示等。

它支持多种格式的数据导入，如文本、数据库等，能够自动提取文献中的关键信息并进行清洗、标准化处理。

在网络构建阶段，CiteSpace采用共词分析、共引分析等方法，构建关键词、作者、机构等之间的关联网络。

可视化展示则是该软件的一大特色，通过图形化的方式展示网络结构、聚类关系、时间序列等信息，使用户能够直观地了解科学知识的发展演化过程。

除了基本功能外，CiteSpace还具有一些高级特性。

我国抗生素滥用研究现状与热点——基于科学知识图谱的可视化分析

甘肃科技Gansu Science and Technology第37卷第4期2021年2月Vol.37 No.4Feb. 2021我国抗生素滥用研究现状与热点——基于科学知识图谱的可视化分析杨立顺1△，李东霞2,耿婕3(1.嘉峪关市酒钢医院药学部，甘肃嘉峪关735100,2.嘉峪关市酒钢医院康复科，甘肃嘉昭关735100；3.兰州大学第二医院，甘肃兰州730000)摘要：本研究以中国知网(CNKI)为数据源，利用VOSviewer 软件构建我国抗生素滥用研究的知识图谱以呈现其研究现状与热点。

研究发现我国抗生素研究经历了四个不同的发展期:初始期、缓慢发展期、快速发展期与疲软期。

目前该领域严重缺乏长期研究者，且参与发文者间及团体间合作关系差。

抗生素滥用研究热度的下降，可能与研究主题缺乏有关，需要研究者开创新的研究方向。

目前除需关注抗生素滥用导致耐药原理、危害及预防之外，如何合理监管也显得非常重要。

此外还需特别注意抗生素滥用给儿童带来的巨大危害，而健康教育是有效的预防抗生素滥用的方法。

关键词：抗生素滥用;科学知识图谱;VOSviewer;现状;热点中图分类号：R978.41928年弗莱明首次发现青霉素,而随着医学技术的快速发展，抗生素的品类日益繁多，抗菌谱也愈益广泛。

近100年来抗生素的大规模生产和使用，挽救了数以亿计的患者生命叭在生活中我们可以发现轻如普通感冒，重至严重感染，都有抗生素的使用痕迹。

而在认知不足的群体中，人们把抗生素选为“万能药”在使用叫除可用于人类之外，抗生素也被批准用于动物养殖业，在预防与治疗动物传染性疾病方面发挥了重要作用。

20世纪40年代第一代青霉素广泛使用时，科学家已经意识到微生物对抗生素的耐药性问题。

微生物对抗生素产生耐药性是其自然进化使然。

但是抗生素的广泛使用甚至滥用，大大加快了这一生物进程。

研究表明2013年我国抗生素的使用量达16.2万t,远超欧美国家(美国：1.79万t,英国：1060吨,加拿大：250t)%而英国在最新调查报告指出，若不能有效控制抗生素耐药,至2050年时每年因耐药感染人数将达1000万,造成全球累及经济损失将达100万亿美元叫作为抗生素消费大国,我国面临的抗生素耐药问题已十分严峻，亟需高度重视并采取严厉措施阻止细菌耐药性的加速进展。