基于知识图谱的专利研究特点剖析——图情领域的视角
基于CiteSpace知识图谱的“人工智能+图书馆”研究进展分析
基于CiteSpace知识图谱的“人工智能+图书馆”研究进展分析在数字化时代的浪潮中，图书馆正经历着一场前所未有的变革。
随着人工智能技术的飞速发展，它与图书馆的结合已成为一种必然趋势。
本文旨在通过CiteSpace知识图谱工具，对近年来“人工智能+图书馆”的研究进展进行深入剖析。
首先，我们来探讨人工智能在图书馆中的应用。
正如一颗璀璨的明珠镶嵌在皇冠上，人工智能技术为图书馆带来了全新的面貌。
从智能推荐系统到自助借还机，从语音助手到虚拟现实阅览室，这些创新应用不仅提高了图书馆的服务效率，还丰富了读者的阅读体验。
然而，我们也应看到，这些应用仍处于初级阶段，未来的发展空间巨大。
接下来，我们关注人工智能对图书馆员的影响。
在这个问题上，我们可以将其比喻为一场“机器与人”的博弈。
一方面，人工智能技术的应用使得图书馆员的工作更加便捷高效；另一方面，它也对图书馆员的职业发展提出了新的挑战。
因此，图书馆员需要不断提升自己的专业素养和技能水平，以适应这一变革。
此外，我们还需要考虑人工智能技术的安全性和伦理问题。
在这方面，我们可以将其比喻为一把双刃剑。
虽然人工智能技术为图书馆带来了诸多便利，但同时也伴随着数据泄露、隐私侵犯等风险。
因此，我们需要建立健全的法律法规体系，确保人工智能技术的合规性和安全性。
最后，我们探讨人工智能与图书馆的未来发展方向。
在这个问题上，我们可以将其比喻为一艘扬帆远航的船只。
随着科技的不断进步，人工智能与图书馆的结合将越来越紧密。
未来，我们有理由相信，人工智能技术将在图书馆领域发挥更大的作用，为读者带来更加美好的阅读体验。
总之，基于CiteSpace知识图谱的“人工智能+图书馆”研究进展分析表明，人工智能技术正在逐步改变图书馆的面貌。
在这个过程中，我们需要关注其带来的机遇和挑战，以确保图书馆能够在数字化时代中焕发出新的活力。
基于知识图谱的领域新兴主题研究现状分析
２ ０ １ ３年 ９月
第 ９期
情
报
杂
志
Ｊ ＯＵＲＮＡＬ ＯＦ Ｉ Ｎ Ｉ ＥＬＬ Ｉ ＧＥＮＣＥ
Ｖｏ １ ． ３ ２ Ｎｏ ． ９ Ｓ ｅ ｐ． ２０１ ３
基于知识图谱的领域新 ． 、 ］ 士 题研究现状分析
范云 满
（ １ ． 中国科学 院国家科学 图书馆 兰州分馆
兴主题探 测可以探 测、 识别 、 发现 这些新兴趋势和新 兴主题 。本 文对 Ｉ Ｓ Ｉ Ｗｅ ｂ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ数据库 中收 录的关 于新 兴 主题研 究的文献进行收集 ， 然后从 文献计量 学的角度进行 定量分析 ； 利用Ｃ ｉ ｔ ｅ Ｓ ｐ ａ ｃ ｅ Ｕ对 国家、 机 构、 作者的合作 关系
３ ． Ｓ ｔ ａ ｔ ｅ Ｎｕ ｃ ｌ ｅ ａ ｒ Ｐ ｏ ｗ ｅ ｒ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｃ ｏ ｍｐ ｎｙ ａ － Ｓ ｈ ｎｇ ａ ｈ ａ ｉ ２ ０ ０ ２ ３ ３ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ Ｔｏ ｉｎ ｆ ｄ ｏ ｕ ｔ ａ ｎ ｄ ｔ ｒ ａ ｃ ｋ ｔ ｈ ｅ ｅ ｍｅ ｒ ｇ ｉ ｎ ｇ ｔ ｏ ｐ ｉ ｃ ｉ ｓ ｏ ｎ ｅ ｉ ｍｐ ｏ ￣ａ ｎｔ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ａ ｐ ｐ ｒ ｏ ａ ｃ ｈ ｔ ｏ ｉｎ ｆ ｄ ｏ ｕ ｔ ｎｄ ａ ｔ ｒ ａ ｃ ｋ ｈｅ ｔ ｌ ａ ｔ ｅ ｓ ｔ ｅｓ ｒ ｅ ｒｃ ａ ｈ ｒ ｔ ｅ ｎ ｄ ｎｄ ａ ｄ ｉ — ｒ ｅ ｃ ｉ ｆ ｏ ｎｆ ｏ ｒ ａ ｒ ｅ ａｒ ｅｓ ｅ ｒｃ ａ ｈ ｅ ｒ ｓ ．Ｔ ｈ ｅ ｄ ｅ ｔ ｅ ｃ ｉ ｔ ｏ ｎｆ ｏ ｒｔ ｈｅ ｅ ｍｅ ｒ ｇ ｉ ｎ ｇｔ ｏ ｐｉ ｃｉ ｓ ｃ ａ ｐ ａ ｂ ｌ ｅｔ ｏ ｆ ｉ ｎ ｄ。ｄ ｅ ｔ ｅ ｃ ｔａ ｎｄｉ ｄ ｅ ｎ ｔ ｉ ｆ ｙｔ ｈｅ ｓ ｅ ｎ ｅ ｗ ｅ ｍｅ ｒ ｇ ｉ ｎ ｇｔ ｒ ｅ ｎ ｄ ｓａ ｎｄ ｅ —
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。
基于知识图谱的数字技术研究热点和前沿分析
基于知识图谱的数字技术研究热点和前沿分析摘要：21世界以来，国内数字经济研究飞速发展，数字经济已成为驱动我国经济社会发展和技术变革的重要力量，同时也是我国国民经济高质量发展的新功能。
当前信息技术的快速发展，深刻影响着人们的生产工作生活方式。
基于此，本文主要对基于知识图谱的数字技术研究热点和前沿进行分析，详情如下。
关键词：知识图谱；数字技术；研究热点；前沿分析引言数字技术与信息技术（IT）有着明显区别。
相比较IT，这类新兴数字技术的特征是可重编程性、数据同质性和自我引用性。
数字技术扩大了组织边界，与IT相关的先验推断可能会在数字时代发生变化。
首先，通过开放的数字基础设施，企业可以与外部合作伙伴持续、实时地交换信息和资源。
与主要发生在单个组织内的IT相比，数字技术使得企业间形成更广泛的生态系统。
其次，与仅涉及业务流程的IT相比，数字技术进一步延伸到客户体验和业务模式的两个关键领域。
1研究方法知识图谱分析法是知识管理的重要方法，其主要目的是在海量数据中以更清晰更全面的方式将知识展现出来。
近年来，知识图谱分析法已应用于各个专业领域，用以可视化知识的状态、特征和新兴趋势。
为了全面了解数字技术的研究进展和热点，CiteSpace是一款文献计量分析可视化软件，其作为获取网络关系、研究重点和研究趋势的有效工具，已被研究人员广泛使用。
2基于知识图谱的数字技术研究热点和前沿分析2.1数字技术应用发展知识图谱技术提出之后，因其具有的语义处理和开放互联的能力，以及其简洁灵活的表达方式等优势，受到了广泛关注。
知识图谱技术的发展得益于自然语言处理、互联网等技术的发展，而不断完善的知识图谱技术也可以应用到自然语言处理、智能问答系统、智能推荐系统等技术中，进一步促进这些技术的发展，而这些技术以及知识图谱技术又可以进一步应用在诸如医疗、金融、电商等垂直行业或领域内，帮助促进行业发展。
近年來涌现出不少关于知识图谱在数字资源建设中的应用研究成果。
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。
知识图谱技术在专利分析中的应用研究
知识图谱技术在专利分析中的应用研究随着科技的快速发展，全球范围内的专利申请数量持续增长，专利数据中蕴含着海量的技术信息。
如何高效地从这些专利数据中提取有价值的知识，成为了专利分析的重要课题之一。
而知识图谱技术作为一种新兴的技术手段，其应用于专利分析中，可以帮助用户更好地理解专利之间的关系，挖掘技术信息，辅助决策制定。
本文将介绍知识图谱技术在专利分析中的应用研究，并探讨其未来的发展方向。
一、知识图谱技术的基本原理知识图谱技术是一种将具有丰富语义的结构化数据以图谱的形式组织起来的技术。
其基本原理包括三个方面：知识表示、知识获取和知识推理。
1.知识表示知识图谱中的知识以三元组（主体-谓词-客体）的形式表示，即将实体（Entity）和实体之间的关系（Relation）组织起来。
实体可以是具体的人、物、事物，关系描述了实体之间的联系和属性。
通过这种方式，可以将各种知识点构建成一个庞大而丰富的知识网络。
2.知识获取知识获取是指从结构化和非结构化数据中提取语义信息的过程。
在专利分析中，可以通过文本解析、自然语言处理等技术，从专利全文中提取出实体和关系，并构建知识图谱。
3.知识推理知识推理是指在已有的知识图谱中进行新知识的推断。
通过对知识图谱中的实体和关系进行逻辑推理，可以发现隐藏在专利数据中的潜在规律和趋势。
二、知识图谱在专利分析中的应用研究1.相似专利检索基于知识图谱的相似专利检索可以帮助用户快速找到与目标专利相似的其他专利。
在知识图谱中，可以通过分析实体的语义属性和关系，在专利数据中挖掘出隐藏的相似性。
例如，通过比较专利中的关键词、引用文献、专利申请人等信息，可以找到与目标专利相关的其他专利，提供给用户参考。
2.技术领域分析知识图谱可以帮助用户对特定技术领域进行深入分析。
通过构建技术领域的知识图谱，可以从中提取关键词、专利申请人、引用关系等信息，了解该领域的发展趋势、主要参与者以及技术演进的关键节点。
这对于企业决策者和科研人员来说，有助于制定战略规划和创新方向。
基于知识图谱的图像检索技术研究
基于知识图谱的图像检索技术研究随着人工智能技术的不断发展，图像识别和检索技术也在不断更新和改进。
近年来，基于知识图谱的图像检索技术逐渐成为研究热点，取得了令人瞩目的成果。
一、知识图谱介绍知识图谱是一种语义网络，结合了本体、实体、属性、关系等要素，可以描述现实世界中的实体及其属性与关系。
简单来说，知识图谱就是将各种信息进行有机结合并形成一张庞大的网络。
这种网络可以用于包括图像检索在内的各种领域。
二、基于知识图谱的图像检索技术原理基于知识图谱的图像检索技术，主要是将图像中的特征进行提取，并将这些特征映射到知识图谱中。
这样就可以实现图像与知识图谱中实体之间的对应关系。
然后，通过对知识图谱进行查询和分析，就可以实现对图像的检索和识别。
三、基于知识图谱的图像检索技术应用基于知识图谱的图像检索技术可以广泛应用于各个领域。
例如，在医疗领域，可以利用知识图谱中的医学实体和属性对医学图像进行识别和检索；在智能家居领域，可以将各种家居物品和场景形成知识图谱，从而实现家居图像的自动识别和智能控制。
四、基于知识图谱的图像检索技术优势相比传统的图像检索技术，基于知识图谱的图像检索技术有以下优势：1. 语义更加准确知识图谱中的实体和属性都有明确的语义含义。
因此，通过将图像映射到知识图谱中，就可以实现对图像语义的更加准确的描述和识别。
2. 检索效率更高传统的图像检索技术往往需要进行全局匹配，效率比较低。
而基于知识图谱的图像检索技术，可以在知识图谱中进行局部匹配，从而提高检索效率。
3. 数据组织更加便捷知识图谱可以将各种信息进行有机结合，并形成一张庞大的网络。
这种网络可以非常便捷地管理和组织大量的数据和信息。
五、总结基于知识图谱的图像检索技术，可以实现对图像的更加准确的识别和检索，可以应用于医疗、智能家居、安防等领域，具有很高的发展前景和市场潜力。
随着人工智能技术的不断发展，相信基于知识图谱的图像检索技术也将不断完善和提升其应用效果。
基于科学知识图谱的《现代图书情报技术》杂志研究
ｙ ｓ ｉ ｓ ａ ｎ ｄ ｅ ｖ ｌ ａ ｕ ａ ｔ ｉ ｏ ｎ ｏ ｎ ｊ ｏ ｕ ｒ ｎ ａ ｌ ｓ ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｏ ｆ ｖ ｉ ｖ ｉ ｄ ｉ ｍａ ｇ ｅ ． Ｔ ｈ ｅ ｐ ａ ｐ ｅ ｒ ｓ ｅ ａ ｒ ｃ ｈ ｅ ｓ ａ ｎ ｄ ｄ ｏ ｗ ｎ ｌ ｏ ａ ｄ ｓ ｄ ａ ｔ ａ ｏ ｆ ｂ ｉ ｂ ｌ ｉ ｏ ｇ ｒ ａ ｐ ｈ ｉ ｃ ａ ｌ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ａ ｎ ｄ
ｃ ｉ ｔ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｌ ａ ｔ ｅ ｄ ｔ ｏ ｔ ｈ ｅ ｍ ａ ｇ ａ ｚ ｉ ｎ ｅ Ｎ ｅ ｗ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｏ ｆＬ ｉ ｂ ｒ ａ ｒ ｙ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ Ｓ ｅ ｒ ｖ ｉ ｃ ｅ ｉ ｎ １ ９ ９ ８ — ２ ０ １ ０ ｆ ｒ ｏ ｍ Ｃ Ｓ Ｓ Ｃ Ｉ ， ａ ｎ ｄ ｔ ｈ ｅ ｎ ｄ ｒ ａ ｗ ｓ ｋ ｎ ｏ ｗ ｌ —
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｍａ ｐ ｐ ｉ ｎ ｇ Ｋｎ ｏ ｗ ｌ ｅ ｄ ｇ ｅ Ｄｏ ｍａ ｉ ｎ ｉ ｓ ａ ｎ ｅ ｗ ｍｅ ｔ ｈ ｏ ｄ ｏ ｆ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ， Ｉ ｎ ｔ ｈ ｅ ｉ ｆ ｅ ｌ ｄ ｏ ｆ ｓ ｃ ｉ ｅ ｎ ｔ ｏ ｍｅ ｔ ｒ ｉ ｃ ｓ ｗ ｈ ｉ ｃ ｈ ｇ ｉ ｖ ｅ ｓ ａ ｎ ｅ ｗ ｖ ｉ ｅ ｗ ｏ ｆ ａ ｎ ｌ－ ａ
Ｃ Ｏ — ｃ ｉ ｔ ａ ｔ ｉ ｏ ｎ ； ｋ ｅ ｙ ｗｏ ｒ ｄ
０ 引 言
征。
创刊于 １ ９ ８ ０年 的《 现代 图书情 报 技术 》 杂志 ， 是 由 中国科学 院 主管 、中国科 学 院 国家科 学 图书 馆 主
知识图谱在情报分析中的应用
对信息及其内在联系进 一步加工分析，从中得 到所需要的规律性认识， 是对信息的应用。
基于已有的知识和高级的综 合能力，发现其中的原理并 预测客观事物的发展等，是 对知识的应用。
知识图谱技术
智慧 情报/知识
数据 信息
知识图谱技术 人工智能 机器学习
深度学习
知识图谱
自然语言处理
大数据
知识图谱技术
目标
科技情报城市科技创新图谱
科技情报城市科技创新图谱
金融情报反欺诈
融合来自不同数据源的信息构成知识图谱，通过数据不一致性检测，我们利用绘制出的知识图谱可 以识别潜在的欺诈风险。比如借款人张xx和借款人吴x填写信息为同事，但是两个人填写的公司名却 不一样。同一个电话号码属于两个借款人，这些不一致性很可能有欺诈行为
情报分析的挑战与应对
半结构化 非结构化 数据处理
智能爬虫 自然语言处理
机器学习 行业词库
数据
海量异构 碎片数据 动态融合
动态业务建模 实体链接、消歧
数据库存储
信息
领域专家 经验集成
与传递
领域专家业务模型 行业知识库构建 规则引擎、推理引擎
情报/ 知识
简单易用 智能人机 交互接口
可视化关联分析 语义搜索 问答系统 推荐系统
金融情报智能投研
公司A
卓翼科技
公司B
华为
人工智能、知识图谱技术
关系 (A是B的)
供应商
时间
2013.06.27
来源
证券时报公司公告
金融情报智能投研
金融情报智能投研
当中兴通讯被美国制 裁的时候，如果基金 经理有中兴通讯的客 户供应商、合作伙伴 以及竞争对手等中兴 关系链数据，在中兴 通讯停牌的情况下快 速地筛选出受影响的 国际国内上市公司从 而挖掘投资机会或者 进行投资组合风险控 制
基于知识图谱的国际图情领域研究现状与前沿分析
域拓展到信息科技 领域 、研究对 象从实体 的图书情报 机构 延伸到虚拟数字 空间。这些变 化使得 图书情报学 的研究 受 到前所未有 的关 注与重视 ，众 多专家学 者对图书情报 学在 社会变革和 日常工作 中发挥 的理论价值 和实践意义 有着更
深层次 的认识 和理解 ，对于 图书情报学 知识结构及其 演化 规律 的探索 也在 不断 向前推进 ＿ ２。本 文在此背 景下 ，为 １Ｊ ｌ
［ ｅ ｏｄ］ｋｏ ￣ Ｓ ａ ｐｉｇ ｅ ａ ｈｓ ｔ ；ｆ ｎ ｎｌｓ ；ｌｒ ｙａｄｉ ｏ ａｏ ｉ ｃ Ｋ ｙｗ ｒｓ ｎｗｃ ￣ｍ ｐ ；ｒ ｅｒ ａ ｓ ｒ ｔａａ ｉ ｉ ａ ｆ ｍ ｔｎｓ ｅ ｅ ａ ｎ ｓ ｃ ｔｕ ｏｓ ｙｓ ｂ ｒ ｎ ｎ ｒ ｉ ｃ ｎ 随着社会信 息化 和知识 化的迅速发展 以及 ｉ ｈｏ Ｔ ｅ Ｓ ｏｌ（ｈ ｃ
ａ ａｙ ｉ ｏ ｔ ｅ ａｓ ｃａｉｎ ｄ ｃ ｍｅ ｔ ｆ ｍ ２ ０ ｏ２ １ ｎ ｔｅｆ ｌ ｆ ｎ ｅｎ ｔ ｎ ｌ ｉ ｒｒ ｎ ｆｒ ｔ ｎ ｓｉｎ ｅ ａ ｄ ｄ ｓ ｒ ｅ ｎ ｌｓ ｈ ｓｏ ｉｔ ｏ ｕ ｎｓ ｒ ０ １ｔ ０ １ ｉ ｅｄｏ ｉｔｒ ａ ｏ ａ ｌ ａｙ ａ ｄ ｉ ｏ ｍａ ｏ ｅ ｃ ， ｎ ｅ ｃ ｉ ｄ ｓｆ ｏ ｏ ｈ ｉ ｉ ｂ ｎ ｉ ｃ ｂ ｈ ｅ ｅ ｒ ｈ ｓ ｕ ｎ ｏ ｐ ｔ ｎｔｉ ｉ ｄ ｔｅ ｒ ｓａ ｃ ｔｔｓａ ｄ ｈ ｔｓ ｏ ｉ ｈｓｆ ｌ ． Ｆ ｌ ｗ ｎ ｏ ｃｕ ｉｎ ｅｅｆｕ ｄｉ ｈ ｅ ｅ ｒ ｈ ｔｅｑ ａ ｔ ｙｏ ｉ ｌ ｅａｕ ｅ ｇｅ ａ ｓ ｅ ｏｌ ｉｇｃ ｎ ｌｓｏ ｓｗ ｒ ｏ ｎ ｎｔｅ ｒｓａ ｃ ， ｈ ｕ ｎｉ ｆ ｔ ｉ ｒｔｒ ｒ ｗ ｏ ｔ ｓ ｔ ｓｅ ｄｌ ｔａ ｉ ｙ，ｋ ｙ ａ ｔｏｓ ａ ｄ ｒ ｓａ ｃ ｓ ｔ ｔ ａｌ ｆ ｍ ｕ ｏ ｅ ｎ ＆ Ａ ｒ ａ ｏ ｎ ｉ ， ａ ｄ ｔ ｅ ｓ ｄ ｅ ｎ ｔｉ ｆ ｌ ｓｌ ｏ ｅ ｕ ｒ ｎ ｅ ｒ ｈ ｉ ｔ ｕｅ ｅ ｌ ｒ Ｅ ｒｐ ａ ｈ ｅ ｎｉ ｓ ￣ ｏ ｍｅ ｃ ｎ ｃ ｕ ｌ ｅ ｉ Ｔｓ ｎ ｔ ｉｓ ｉ ｈｓ ｉ ｄ ｍｏ ｔ ｆ － ｈ ｕ ｅ ｙ ｃ ｓ ｄ ｏ ｆ ｒ ｔ ｎ ｓｓｅ ， ｎｏｍａｉｎ ｓｒ ｉ ， ｎｏ ｍａｉ ｃａ ｔ ｔ ｅ ， ｎ ｎ ｗ ｅ ｇ ｎ ｇ ｍｅ ｔ ｔ ｌｏ ｅ ｐ ａ ｉｅ ｎ ｕ ｅ ｎ ｉ ｏｍａｉ ｙ ｔ ｉｆｒ ｔ ｖｃ ｉｆｒ ｔ ｎ ｓ ｉ ｏ ｒ ａ ｄ ｋ ｏ ｌｄ ｅｍａ ａ ｅ ｎ ． ｓ ￣ ｈ ｓ ｄ ｏ ｎ ｏ ｍ ｏ ｅ ｅ ｏ ｎ ｍｅ ｉ ｓ Ｉ ａ ｎ ｚ ｔｅ ｃ ｍｂｎｎ ｉｎ ｅ ｗ ｔ ｕ ａ ｉ ｅ ． ｈ ｏ ｉｉ ｓ ｅ ｃ ｉｌ ｍ ｎｔ ｓ ｇ ｃ ｌｈ ｉ
基于知识图谱的国际技术创新研究现状、热点和趋势
创新论坛现阶段，在技术快速发展下，对于国际技术创新研究也随之不断增加，而为了对技术创新进行全面研究，将知识图谱合理应用于研究过程中，可以在提升研究效果中起到一定的促进作用。
近几年，伴随知识图谱的迅速发展，我国相关研究更是呈现出逐年增加的趋势。
而本文通过不同角度和层面的分析，旨在掌握国际技术创新研究的相关研究，为相关课题、研究的开展，提供有利参考，促进知识图谱的研究得到长远发展。
1 对知识图谱的分析知识图谱主要是根据期刊知识的发展进程和结构关系，对其以图形的形式进行呈现，通过可视化的技术详细描述信息内容的资源和载体，分析与挖掘等，并对其相互关系进行全面呈现。
知识图谱的特点主要表现为：形象化与数字化，时代化以及结构化，同时还具有简易化等特征，当用户进行搜索的次数逐渐增加后，其范围会越广，信息与内容也随之增加。
而在对知识图谱进行分类时，如果依据学术期刊的形式，可将其分为国家级与省级等；依据科目对其进行分类可将其分为社会科学与哲学，法学与经济学，历史学或者医学等。
在对知识图谱进行构建时，据不完全统计，知识图谱规模已经包含五亿左右的实体，三十五亿条事实，由于知识图谱面向全球，其内容不仅包含中文，而且还包括英语等其他语言。
而知识图谱的应用流程为：在网页将关键词输入搜索栏，页面会呈现出相关信息内容，关键词排名可通过竞争的方式获取，然后通过信息查询对关键词进行优化分析，在完成关键词的优化后，查询首页的竞争度、权重等，在查看竞争度后，在网页搜索处将关键词输入，查看搜索量为多少等信息，在完成相关操作后，对关键词最近一年的情况进行评估。
2 基于知识图谱的国际技术创新研究现状、热点和趋势2.1 现状在技术活动、管理实践等领域快速发展下，技术创新已经成为我国目前较为完善的一个知识体系，对该邻域内容进行相关研究，已经成为当前热点以及前沿问题，同时在技术创新与实践中起到一定的现实作用。
技术创新的提出，在生产实践中具有有效的促进作用。
基于知识图谱技术的数据挖掘研究
基于知识图谱技术的数据挖掘研究随着互联网和大数据时代的到来，数据量呈现指数级增长，如何从海量的数据中挖掘出有价值的信息成为了当今数据处理领域中的一个重要问题。
而知识图谱作为一种新型的数据结构，正在逐渐受到研究者们的关注和重视。
本文将从基于知识图谱技术的数据挖掘方面进行探讨。
一、知识图谱的概念和特点知识图谱是一种以实体为中心，以关系为辅助的图形结构，它通过对各种实体及其关系的建模，展现了现实生活中的事物之间的联系。
知识图谱的最大特点就是能够融合各种异构数据，并表达出数据之间的内在联系。
它可以从如下几个方面体现其特点：1.建立实体之间的联系知识图谱通过描述实体之间的各种关系，将实体之间复杂的联系展现出来，并将它们映射成为一张图谱，帮助人们更好地理解各种实体之间的复杂关系。
2.支持多样化的数据模式知识图谱能够支持多样化的数据模式，从而能够融合各种不同来源的数据，并关联起来。
这些不同的数据类型包括结构化数据、半结构化数据和非结构化数据。
3.提供更加智能化的搜索方式知识图谱提供的搜索方式是基于实体和实体之间的关系，它可以更加智能化地帮助用户解决各种复杂的查询问题。
通过知识图谱，用户可以快速定位到查询结果中实体与实体之间的关系。
二、基于知识图谱的数据挖掘技术基于知识图谱的数据挖掘技术可以将知识图谱上的信息进行挖掘和分析，从而发现其中的有价值信息并进行利用。
下面针对几种流行的基于知识图谱的数据挖掘技术进行详细探讨。
1.实体链接实体链接指的是将不同来源的同类实体进行链接。
例如，在知识图谱中将来自不同数据源的人名实体进行链接，使得人物之间的关系变得更加清晰。
实体链接的任务，就是为图谱内的实体分配一个全局唯一ID，以便于实现实体之间的关系描述。
2.关系抽取关系抽取是知识图谱中十分重要的一个任务，它涉及到图谱上实体之间关系的抽取和建模。
关系抽取的技术主要包括：基于规则的关系抽取、监督学习和无监督学习。
其中，基于规则的关系抽取是通过手动书写规则，来抽取实体之间的关系；监督学习是指利用已标注的数据来训练模型，识别新的实体之间的关系；无监督学习是指只是用数据本身中已经存在的信息，来自动发现关系。
国内公共政策工具研究的主题及其演化(1998—2019年)——基于知识图谱的视角
彳检洛讦犬粵学报社鬻欝国内公共政策工具研究的主题及其演化(1998—2019年)——基于知识图谱的视角*吴宾张丽霞(中国海洋大学国际事务与公共管理学院，山东青岛266100)摘要：以1998—2019年我国公共政策工具研究领域的2219篇CSSCI文献为样本，运用CiteSpace软件绘制知识图谱挖掘研究热点和演化路径，预测该领域的未来趋势，以期为公共政策工具的理论研究以及推进国家治理现代化提供参考。
研究发现，该领域的研究主题聚焦于政策工具理论研究、政策工具应用研究、政策工具分析方法三个层面，具有主题多元化、鲜明时代性等特点，呈现出研究精细化、纵深化、本土化方向的演化趋势。
研究认为，目前国内公共政策工具研究体系初步形成，但理论研究滞后于应用研究，尚未建构起本土化理论体系；未来，国家治理与政策工具创新、本土化理论建构将成为研究新的增长点.关键词：国家治理现代化；政策工具；研究主题；演化路径；知识图谱中图分类号:D63文献标识码:A文章编号：1672-335X(2021)03-0084-12DOI：10..6497/ki.I672-335X.2021030082019年，党的十九届四中全会围绕“坚持和完善中国特色社会主义制度，推进国家治理体系和治理能力现代化”的战略目标做出重大部署。
公共政策科学化是国家治理现代化中的重要内容之一。
我国 改革开放以来的各项改革措施、推进经济社会发展的各项工作大多通过新的公共政策选择和实施来实现；未来也必然要依赖科学地制定和实施公共政策来推进社会经济发展和治理。
而在公共政策过程中,政策工具的正确选择与科学设计是顺利实现政策目标的基本保证。
［］对政策工具的深人研究有助于实现公共政策科学化,全面推进国家治理现代化。
同时,政策工具研究也是当代公共政策研究的一个主题领域20世纪80年代以来，政策工具作为一个学术概念和公共政策研究的重要议题，在西方学界先后经历了工具至上论、多种研究途径、新公共管理影响下的政策工具研究三个阶段。
面向专利技术的知识图谱构建与知识发现算法研究
面向专利技术的知识图谱构建与知识发现算法研究近年来，随着人工智能技术的不断发展，知识图谱成为了知识表示与知识发现的重要工具。
在知识图谱中，专利技术的知识图谱构建以及知识发现算法研究具有重要意义。
本文将从知识图谱构建和知识发现算法两个方面进行论述。
首先，针对面向专利技术的知识图谱构建的问题，可以从数据采集、实体识别与属性提取、关系抽取和知识图谱构建等环节进行研究与设计。
在数据采集环节，可以利用网络爬虫技术从专利数据库中获取相关专利数据。
这些数据可以包含专利的标题、摘要、权利要求等信息。
同时，还可以获取专利的引用关系、被引用关系等信息。
在实体识别与属性提取环节，可以利用自然语言处理技术进行实体的识别和属性的提取。
对于专利文本，可以识别出专利申请人、发明人、技术领域等实体，并提取出相关的属性信息。
这些实体和属性信息将作为知识图谱中的节点和属性。
在关系抽取环节，可以利用关系抽取算法，根据专利文本中的特定关键词或关键短语，抽取出实体之间的关系。
例如，可以通过分析专利文本中的动作、目标等信息，抽取出发明人与申请人之间的关系，或者抽取出专利技术与技术领域之间的关系。
在知识图谱构建环节，可以利用图数据库或图计算框架，将采集到的数据、实体、属性和关系进行整合与存储。
可以使用图数据库如Neo4j，并利用图数据库提供的查询和分析功能，进行知识图谱的构建与存储。
其次，针对面向专利技术的知识发现算法研究的问题，可以从语义关联挖掘、路径推荐和基于知识图谱的推理等角度进行研究与设计。
在语义关联挖掘方面，可以利用机器学习和自然语言处理技术，对知识图谱中的实体和属性进行语义表示，并计算实体之间的语义相似度。
可以利用词向量模型，如Word2Vec或BERT，对实体和属性进行向量化表示，并通过计算向量之间的距离来评估实体之间的语义关联程度。
在路径推荐方面，可以利用图算法，如最短路径算法或随机游走算法，从知识图谱中发现实体之间的关联路径。
基于h指数和知识图谱的学科研究热点分析——以我国图情领域高被引论文为例
Ｈａ ￣ ｇ ｎＺｎ ｌ ｉ
（ｃｏｌ ｆ ｕｌ ｄ ｎｓａ ｏ ，Ｓ ｈａ ｎｖｒ ｔ，Ｃ ｅｇｕ６ ０ ６ ，Ｃ ｉ ） Ｓ ｈｏ ｏ ｂｉ Ａ ｍｉ ｔ ｔｎ ｉ ｕｎＵ ｉ ｓｙ ｈｎ ｄ １０４ ｈｎ Ｐ ｃ ｉｒ ｉ ｃ ｅｉ ａ
［ ｂｔ ｃ］Ｔ ｉｐｐｒ ｅｎｄｈ ｈｃ ｅ ｐｒ ｉ ｅｄｆ ｉ ｎｏ ｈｉ ｅ ，ｔｅ ｏ ｉＳ ａｅ１ｓｆ ａ ｓａａ ｓ Ａ ｓ ａｔ ｈ ａｅ ｆ ｅ ｉ ｉ ｐｅ ｔ ｔ ｅｎｔ ｆ ｄｘ ｈ ｎｔ ｋＣｔ ｐｃ １ ｏ ｗｒ ａ ｎｌ ｉ ｒ ｓ ｄｉ ｇ ｔ ａ ｗ ｈｈ ｉ ｉ ｄ ｏ ｎ ｏ ｅ ｔ ｅ ｙｓ ｔ ｔ ｎ ｅ ｅｗ ｒ ｏｅ ．１ｌ Ｉ 锄 她 ｔ ｏ ｄｔ ｙ ｏ ｓａ ｎｄｓ ｔｏ ａ ｈｋ ｄ ｓ ｒ咄 ｈ ：ｅｃ ｋｙ ｏ ｓａｄｔ ｎｅｔｎｂｔｅｒｔ ｅｗ ｒｓ ｈ ｒ— ｅ￣ ｐ ｘ＇ ｅｗｒ ｈ ｃ ｎｃｏ ｅｚ ｔ ｅｋｙｏｄ，ｔ ａ ｘ ．ｘｙ ｄ ｎ ｅｏ ｉ ｖｅ ｈ ｅ ｆ ｉ
以我 国图情 领域 高被 引论 文 为例
韩曾 丽
（ 四川大 学公 共管理 学 院， 四川 成都 ６ ０ ６ ） １０ ４
【 摘 要 ］文章 以 ｈ 指数的定义，来界定 高被 论文 ，然后 以 Ｃ ｅ ａｅ 软件作 为分析工具 ，以文献关键词作 为节点。通过 ｌ ｉ ｐｃ Ｉ ｔ Ｓ Ｉ
对 关键词 的频 次和 关键词之 间的连接的分析 ，从 而体现 图情领域研 究的热点和发展方向。
术描述 知识资 源极其载 体 ，挖 掘 、分析 、构建 、绘 制和显
示知识及 它们之 间 的相互关 联 【 。Ｃｔ ｐｃ Ⅱ是 信息 可视 ３ ｉ．ａｅ Ｊ ｅ Ｓ 化领域 的权威专家 陈超美博士 开发的 可视化软 件 ，属于多 元、分 时、动态 的第二代 信息可视 化技术 。它能够 绘制科 学知识 图谱 ，显示一个学 科或知识域 在一 定时期发 展 的趋
基于知识图谱的情感分析技术研究
基于知识图谱的情感分析技术研究随着互联网技术的快速发展，社交媒体，新闻媒体和网上评论已成为人们获取信息和交流的重要平台。
而这些数据的分析和研究也变得越来越重要。
情感分析技术作为自然语言处理(Natural Language Processing, NLP)的一种，可以帮助我们从数不胜数的文本数据中，深度挖掘用户的态度、情绪、意见和主观感受。
基于知识图谱的情感分析技术则更加准确和有效。
本文将介绍什么是知识图谱、情感分析技术以及它们如何连接起来成为一种强大的工具。
一、知识图谱知识图谱(Knowledge Graph)是一个概念，它是一个结构化、可以被机器理解的知识库。
它具有三个基本属性：实体、关系和属性。
实体是现实世界中的个体或概念，可以被唯一确定，例如人名、地名、文化事件等。
关系是链接实体之间的概念，例如人与人之间的亲戚关系、地点与地点之间的距离等。
属性是描述实体的特性，例如人的年龄、性别等。
知识图谱的优势在于它为数据提供了结构化的表示方法。
通过将实体、关系和属性组织成一个图形，我们可以更有效地理解数据中的概念和关系，并使用计算机模拟这些概念和关系。
新闻报道、百科全书和搜索引擎都使用知识图谱技术来提供更具针对性和可读性的结果。
例如，如果我们通过谷歌搜索“奥马哈”，除了搜索结果列表外，谷歌还会在页面的右侧提供“奥马哈的信息”，该信息通过知识图谱连接奥马哈市的位置、人口、历史等信息。
二、情感分析技术人类的语言和思维之间可以建立很强的联系。
情感分析利用自然语言处理技术来对文本的情感和意见进行分类和分析，通常用于确定一个句子、一个段落或一篇文章的情感倾向。
该技术的目标是理解文本的感性含义，如肯定、否定、中性的情绪以及肯定与否定的意见。
这种技术可以应用于构建智能助手、社交媒体监测工具、在线广告分析工具和自然语言系统等领域。
情感分析有两个训练方法：监督式和无监督式。
有监督式学习需要使用大量已标注的数据来训练模型；而无监督式天然语言处理则通过自动分类词语实现。
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。
高等教育研究专家遴选分析——基于知识图谱研究的视角
（ 总第 １ ０ ９ ２期 ）
黑 龙 江教 育 （ 高教研究与评估）
ＨＥ Ｉ Ｌ ＯＮＧ Ｊ １ ＡＮＧ Ｅ ＤＵＣＡ ＴＩ ＯＮ （ Ｈｉ ｇ ｈ ｅ ｒ Ｅ ｄ ｕ ｃ ａ ｔ ｉ ｏ ｎ Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ＆ Ａ ｐ ｐ ｒ ａ ｉ ｓ ａ １ ）
Ｎ Ｏ． １ ２． ２ （ ） １ ３
Ｓ ｅ ｉａ ｒ ｌ Ｎ ｏ． １ ０ ９２
■ 高教研 究 与评估
高等教 育研 究专家遴选分 析
基 于知识 图谱 研 究 的视 角
孙 新宇 ， 孙 照辉 ， 姜 华
（ 辽 宁 教 育研 究 院 ， 辽 宁 沈阳 １ １ ０ ０ ２ ４ ）
态变化 ㈣ 。
以看作是 该领 域 的研 究专 家或 者研 究活跃 者 ， 通 过对 文 章 作者 的分析 ， 可 以得 出 目前 高等 教育 领域 的研 究专 家 及 其分 布情况 。 Ｃ Ｓ Ｓ Ｃ Ｉ 数据 库 是 目前 中 国最 权威 的社 会 科 学 索 引 数 据 库 。经 中 文社 会 科 学 引 文 索 引指 导 委 员 会 审 定 ， ２ ０ １ ０ —２ ０ １ １ 年Ｃ Ｓ Ｓ Ｃ Ｉ 数 据库 共 收 录教 育 类期 刊 ３ ７种 。 本文以 Ｃ Ｓ Ｓ Ｃ Ｉ 数据 库收 录的教 育类 期 刊数据 作 为基础 ， 结 合北 京 大学 图 书馆 评 出的 “ 全 国 中文 核心 期 刊 ” Ｇ ６ ４ 高 等教育 类 的 １ ４家全 国 中文核 心期 刊 （ 《 中文核 心期 刊 目录 （ ２ ０ ０ ８ 版） 》 ） ， 选 取 与高 等教 育 研究 相 关 的 １ ５ 种 期 刊作 为样 本来 源 ， 如表 １ 所示 。
表 １ １ ５ 种 样 本 来源期 刊
基于知识图谱的影视剧情分析与解读方法研究
基于知识图谱的影视剧情分析与解读方法研究一、引言近年来，随着大数据时代的到来，影视产业也迎来了一个新的发展机遇。
然而，在大量的电影、电视剧中，如何挑选并深度剖析其中一部分作品，以获得更深刻的分析和解读，是困扰影视研究者的难题。
本文将介绍知识图谱方法在影视剧情分析与解读中的应用，以期为影视研究方面的进一步探索提供一些参考。
二、影视剧情分析与解读的方法介绍1.情节分析法情节分析法是一种基于故事结构进行的分析方法，它主要关注故事的内在逻辑结构和人物关系网络。
通过详细比对故事情节的各部分，揭示故事情节的内在联系，可以透过真实的人物形象看清影片表现的艺术形式。
但这种方法只能分析故事的基本架构、主线等方面，对于故事的复杂性分析和深度挖掘有一定的局限性。
2.社会文化解读法社会文化解读法侧重于分析电影中所包容的各种社会文化元素，透过电影这种文化符号的各个元素来发掘作品的深层意义与价值。
对于剧中人物所面临的社会背景、经济情况、政治环境等因素的解读，可以更好地扮演作品的内在意义、主题和价值。
但这种方法对于电影中特定的文化语境能否准确诠释存在一定的风险。
三、知识图谱在影视剧情分析与解读中的应用1.知识图谱基本概念知识图谱是一种基于分级标注的、结构化的知识表示方法，是一种用于描述事物之间关系的方法。
图谱中的节点代表属性或实体，节点之间的连线则代表它们之间的联系，如同一个人物关系互动网，可清晰地展现出人物间的关系，如亲戚、朋友、仇人等。
知识图谱在形式上与地理地图有些类似，但知识图谱的内容一般是以人、概念、事件等为主。
2.基于知识图谱的剧情分析与解读基于知识图谱的影视剧情分析与解读方法，是一种以结构化的方式，展示出剧情中的人物、事件、地点等要素之间的关系的技术。
通过基于知识图谱的自然语言处理技术，将影视剧本中的文字进行结构化表示，再通过关系抽取技术，将人物、事件、地点等要素之间的关系，在知识图谱上进行展示。
3.案例：《速度与激情》《速度与激情》是一部以汽车竞速为主题的电影，其中包含许多复杂的人物关系，需要通过合理的方式来进行剖析。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
革新 、 创 造发 明成 果所拥 有 的权 益 。随着 科学技 术和 各行各 业生产的发展 ， 科学研 究从科 学家 个人 劳动发
展 成为社 会化 的共 同劳动。科技成果也逐步与实物性
第３ ２卷
第１ 期
情
报
杂
志
２ ０ １ ３年 １月
Ｊ ＯＵＲＮＡ１ ＯＦ Ｉ ＮＴ ＥＬ Ｌ１ ＧＥＮＣＥ
Ｖ０ １ ． ３ ２ Ｎｏ ． １ Ｊ ａ ｎ ． ２ ０ １ ３
基 于知 识 图谱 的 专 利 研 究 特 点 ， Ｉ ｌ 、 ＇ 喜 Ｉ － Ｉ Ｕ － 析
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ Ｂａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｋ ｎ ｏ ｗｌ ｅ ｄ ｇ ｅ ｍａ ｐ ｐ ｉ ｎ ｇ ｏ ｆ ｐ ｅ ｉｏ ｒ ｄ ｉ ｃ ａ ｌ ｓ ｉ ｎ ｌ ｉ ｂ ｒ ａ ｒ ｙ ａ ｎ ｄ ｉ ｎ ｆ ｏｒ ｍａ ｔ ｉ ｏ ｎ ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｃ ｏ ｍｍｕ ｎ ｉ ｔ ｙ ｏ ｎ ｐ ａ ｔ ｅ ｎ ｔ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｆ ｒ ｏ １ １ １ Ｓ ＣＩ ａ ｎ ｄ ＣＳ ＳＣＩ ，ｔ ｈ ｅ ｐ ａ ｐ ｅ ｒ ｓ ｈ ｏ ｗｓ ｈａ ｔ ｔ ｈｅ ｔ ｎ ｕ ｍｂ ｅ ｒ ｏ ｆ ｐ ｅ ｒ ｉ ｏ ｄ ｉ ｃ ａ ｌ ｓ ｏ ｎ ｐ ａ ｔ ｅ ｎ ｔ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｉ ｎ ｌ ｉ ｂ ｒ ａ ｒ ｙ ｎｄ ａ ｉ ｎ ｆ ｏ ｍ ａ ｒ ｔ ｉ ｏ ｎ ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｉ ｓ ｉ ｎ ｃ ｒ ｅ ａ ｓ ｉ ｎ ｇ ．Ｔｈ ｅ ａ ｒ ｔ ｉ ｃ ｌ ｅ ａ ｌ ｓ ｏ
ｍａ ｋ ｅ ｓ ｉ ｎ — ｄ ｅ ｐ ｈ ｔ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｏ ｆ ｅｓ ｒ ｅ ａ ｒ ｃ ｈ ｅ ｒ ｓ ｃ ｏ ｏ ｐ ｅ ｒ ａ ｉ ｔ ｏ ｎ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ａ ｎ ｄ ｓ ｕ ｂ ｊ ｅ ｃ ｔ ｄ ｉ ｓ ｔ ｉ ｒ ｂ ｕ ｔ ｉ ｏ ｎ ａ ｂ ｏ ｕ ｔ ｔ ｈ ｅ ｓ ｅ ｐ ｅ ｒ ｉ ｏ ｄ ｉ ｃ ａ ｌ ｓ ｖ ｉ ａ ｔ ｈ ｅ ｈ ｉ ｇ ｈ － ｆ ｅｑ ｒ ｕ ｅ ｎ ｃ ｙ
— —
图情 领域 的视 角
洪凌子 黄 鹏 黄 国彬 丁芬芬
（ 北京师范大学管理学院 北京 １ ０ ０ ８ ７ ５ ）
Hale Waihona Puke 摘要选取 了 Ｓ Ｃ Ｉ 和Ｃ Ｓ Ｓ Ｃ Ｉ 收录的 图书情报领域对 专利研 究的期 刊论文 ， 从 文献 数量上分析 出文献发表 量有增
加的趋势； 通过 高频 关键词 、 共现关键词及关键 词的主题聚类分析 ， 研 究 了图书情报 领域 学者在 Ｓ Ｃ Ｉ与 Ｃ Ｓ Ｓ Ｃ Ｉ 来源
ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ
０ 引 言
专利是指按法律 规定 ， 发明者在 一定 时问 内对其
以Ｎ ａ ｒ ｉ ｎ Ｆ为代 表 的学 者相继提 出了利用专利评价 企 业创新力的方法 ， 创造了一系列专 利计量 指标 ， 以此来 评价美 国国家 的生产力 、 发明者生产力等 ， 为研究美 国 国家经济增长和技术进步做 出了一定贡献 。近年来
Ｈｏ ｎ ｇ Ｌｉ ｎ ｇ ｚ ｉ Ｈｕ ａ ｎｇ Ｐ ｅ ｎ ｇ Ｈｕ ａ ｎ ｇ Ｇｕｏ ｂｉ ｎ Ｄｉ ｎ ｇ Ｆ ｅ ｎ ｆ ｅ ｎ
（ Ｄ ｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆ Ｍａ ｎ ａ ｇ ｅ ｍ ｅ ｎ ｔ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ Ｎ ｏ ｒ ｍａ ｌ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ８ ７ ５ ）
期刊上发表的有关专利研究论文的合作特征与主题分布 。
关键 词 文献计量 图书情报 中图分类号 Ｇ ３ ５ ３ ． ３ 专利研究 知识 图谱 Ａ 主题 分布 合作特征 １ ０ ０ ２ — １ ９ ６ ５ （ ２ ０ １ ３ ） Ｏ １ — ０ ０ ４ ２ — ０ ８ 文献标识码 文章编号
Ｏｎ Ｐ ａ ｔ ｅ ｎ ｔ Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ Ｃｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ｉ ｎ Ｌｉ ｂ ｒ ａ ｒ ｙ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｃｏ ｍｍｕ ｎ ｉ ｔ ｙ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｋｎ ｏ ｗｌ ｅ ｄ ｇ ｅ Ｍａ ｐ ｐ ｉ ｎ ｇ
的商品相 分离 ， 独立成 为一种 特殊性 的商 品， 即知 识性
商品 ， 如专利 、 技术文件 等¨ 。专利 是大量技术创新信
ｋ ｅ ｙ ｗｏ ｒ ｄ ｓ，Ｃ Ｏ —ｅ ｘ ｉ ｓ ｔ ｉ ｎ ｇ ｋ ｅ ｙ ｗｏ ｒ ｄ ｓ ａ ｎ ｄ ｈｅ ｔ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｇ ｏ ｆ ｋ ｅ ｙ ｗｏ ｒ ｄ ｓ ．
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ Ｂ ｉ ｂ ｌ ｉ ｏ ｍｅ ｔ ｒ ｉ ｃ Ｌ ｉ ｂ ｒ ａ ｒ ｙ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｐ ａ ｔ ｅ ｎ ｔ ｅｓ ｒ ｅ ￣ｃ ｈ ｋ ｎ ｏ ｗｌ ｅ ｄ ｇ ｅ ｍａ ｐ ｐ ｉ ｎ ｇ ｓ ｕ ｂ ｊ ｅ ｃ ｔ ｄ ｉ ｓ ｔ ｉ ｒ ｂ ｕ ｔ ｉ ｏ ｎ ｃ ｏ ｏ ｐ ｅ ｒ ａ ｔ ｉ ｏ ｎ