论文部分内容阅读
【摘要】 本文通过引文分析、共词分析和社会网络的分析方法，对计算机学科进行情报科学跨学科知识引用实证分析，对情报学学科的交叉属性进行分析和研究。通过研究了解到，引文分析和内容分析的方式表明计算机科学中的文本分类、信息抽取、本体研究、数据挖掘等能够为情报科学提供技术支持，知识管理、科学评价、专利研究等是情报学、科学研究的共同范围。
【关键词】 情报科学 跨学科 实证
在科学发展中，综合与分化并不矛盾。当前人们对世界的认识能力逐渐提高，研究领域也日渐精细，学科间的交叉与渗透也不断增强。情报学有很强的交叉属性，呈现出很明显的跨学科性质。现阶段，情报学与其他学科间的交流逐渐深入，知识间的交流日益频繁，怎样理解情报学与其他學科间的知识交流与融合，拓宽情报学的研究范围，形成科学的方式和方法是需要研究思考的问题。
一、选择合适的数据并加工处理
1、选择合适的数据库。本次研究选择的是CSSCI与CNKI两种数据库作为数据来源[1]。使用这两种数据库从而获得更多文献题录数据。2、期刊选择。在计量学研究中，划分学科是难度比较大的，在学术期刊中，论文的学科种类比较多。本次研究使用的中文学术期刊论文，选择《情报学报》《情报科学》为样本，使用情报学专业期刊中引用次数比较多的计算机学科进行实证分析。
二、统计结果的分析与研究
情报学中，引用计算机科学期刊文献的关键词总共有1438个，引用频次为2446次。合并同义关键词，删掉宽泛词后得到1176个[2]。网络中，本体、文本分类、数据挖掘、信息检索、信息抽取、电子商务等关键词位置比较重要，能够将引用的内容大致的显示出来。通过Ucinet 软件凝聚子群分析中的派系分析，实现关键词的聚类，得到6个聚类类团。
1、文本分类。这种技术是以内容文本信息管理为基础，在信息的素质、检索、提取书库扥方面都是关键性的技术。文本是新闻、技术专刊、邮件等，涉及的范围和内容比较多，最为常见的文本分类是以主题为分类标准的，大量的文本信息在处理时需要依靠计算机技术作为支撑。将有用的分类特点进行提取，使用分词技术，提取文档特征出现的一般都是高维特征的空间，实际操作的难度比较大，所以需要对数据集进行压缩，数据压缩的方法主要有特征的选择、聚类以及变换。信息检索的一些任务以及自然语言处理中的任务都可以转化为文本的分类问题。
2、中文信息处理。中文字词间的分隔符并不明显，并且在切分词中容易出现歧义，所以在中文的信息处理中，对汉语进行分词是十分重要的内容。情报学在计算机科学中输入的重要内容就是中文信息处理技术。
3、信息抽取。信息抽取就是直接将事实信息从自然语言中进行准确的提取，然后进行整理、组织成一定的结构，对信息进行描述，为检索、文本的挖掘等提供便利。在学习抽取中，命名实体识别是最为基本的任务，能够识别出文本中的有意义的短语以及专有名称，并进行分类，能够文本的正确理解提供基础，便于信息的檢索。当前隐马尔科夫模型是应用比较广泛的信息抽取模型。
4、本体和语义网。语义网的研究是为了使计算机能够开发出处理、理解表达语义信息的技术，保证网络信息间的语义关联能够被发现，在网络环境下实现自动的推理，实现人与计算机以及计算机与计算机间的合作。这种语义网的优势就能够对网络信息进行科学的理解与处理。在语义网中，本体、可扩展标记语言 XML以及资源描述框架 RDF是核心的技术[3]。本体能够规范知识的概念以及形式，能够对知识领域中的概念进行描述，明确其关系，从而对知识领域进行理解和描述，保证计算完整的实现，这是语义网信息组织中的核心内容。使用语义网以及本体进行情报研究，注重本学科领域的应用，注重领域中知识的管理。
5、数据挖掘。数据挖掘以数据库中结构化的数据作为主要的对象，通过关系表发现知识。在数据挖局中，分类、预测、关联以及聚类是十分重要的技术，能够查询数据，明确数据间的潜在联系，实现更深层次的分析，能够对未来进行科学的决策，从数据库中抽取有价值的信息，使用大型的数据库为知识的抽取提供服务。在情报学中，电子商务等是数据挖掘技术的应用。
6、协同推荐。这种推荐技术是使用数据挖掘，按照推荐的算法，为用户提供个性化的服务。协同推荐能够对信息过载的问题进行解决。在图书的情报研究中，能够为用户提供个性化的服务。在电子商务中，能够为用户推荐商品，使用户获得购物的体验。
结束语：通过分析与研究，使用引文分析以及共词分析的方法，对引用的其他学科的内容进行分析和研究，从而客观的对学科间的关系进行考察，本次研究中使用的方法是科学可行的。但是其中也会存在一定的不足，因此还需要利用访谈法，更加深刻全面的对学科与情报学间的关系进行分析与认识。
参 考 文 献
[1]马翠嫦，曹树金.信息分散下的信息行为——基于国外图书情报学领域跨学科研究的回顾[J].中国图书馆学报，2014，01：60-72.
[2]王知津，卞丹，王文爽.论情报学研究中的跨学科思维[J].情报科学，2010，05：641-647+651.
[3]孙海生.情报学跨学科知识引用实证研究[J].情报杂志，2013，07：113-118+100.
【关键词】 情报科学 跨学科 实证
在科学发展中，综合与分化并不矛盾。当前人们对世界的认识能力逐渐提高，研究领域也日渐精细，学科间的交叉与渗透也不断增强。情报学有很强的交叉属性，呈现出很明显的跨学科性质。现阶段，情报学与其他学科间的交流逐渐深入，知识间的交流日益频繁，怎样理解情报学与其他學科间的知识交流与融合，拓宽情报学的研究范围，形成科学的方式和方法是需要研究思考的问题。
一、选择合适的数据并加工处理
1、选择合适的数据库。本次研究选择的是CSSCI与CNKI两种数据库作为数据来源[1]。使用这两种数据库从而获得更多文献题录数据。2、期刊选择。在计量学研究中，划分学科是难度比较大的，在学术期刊中，论文的学科种类比较多。本次研究使用的中文学术期刊论文，选择《情报学报》《情报科学》为样本，使用情报学专业期刊中引用次数比较多的计算机学科进行实证分析。
二、统计结果的分析与研究
情报学中，引用计算机科学期刊文献的关键词总共有1438个，引用频次为2446次。合并同义关键词，删掉宽泛词后得到1176个[2]。网络中，本体、文本分类、数据挖掘、信息检索、信息抽取、电子商务等关键词位置比较重要，能够将引用的内容大致的显示出来。通过Ucinet 软件凝聚子群分析中的派系分析，实现关键词的聚类，得到6个聚类类团。
1、文本分类。这种技术是以内容文本信息管理为基础，在信息的素质、检索、提取书库扥方面都是关键性的技术。文本是新闻、技术专刊、邮件等，涉及的范围和内容比较多，最为常见的文本分类是以主题为分类标准的，大量的文本信息在处理时需要依靠计算机技术作为支撑。将有用的分类特点进行提取，使用分词技术，提取文档特征出现的一般都是高维特征的空间，实际操作的难度比较大，所以需要对数据集进行压缩，数据压缩的方法主要有特征的选择、聚类以及变换。信息检索的一些任务以及自然语言处理中的任务都可以转化为文本的分类问题。
2、中文信息处理。中文字词间的分隔符并不明显，并且在切分词中容易出现歧义，所以在中文的信息处理中，对汉语进行分词是十分重要的内容。情报学在计算机科学中输入的重要内容就是中文信息处理技术。
3、信息抽取。信息抽取就是直接将事实信息从自然语言中进行准确的提取，然后进行整理、组织成一定的结构，对信息进行描述，为检索、文本的挖掘等提供便利。在学习抽取中，命名实体识别是最为基本的任务，能够识别出文本中的有意义的短语以及专有名称，并进行分类，能够文本的正确理解提供基础，便于信息的檢索。当前隐马尔科夫模型是应用比较广泛的信息抽取模型。
4、本体和语义网。语义网的研究是为了使计算机能够开发出处理、理解表达语义信息的技术，保证网络信息间的语义关联能够被发现，在网络环境下实现自动的推理，实现人与计算机以及计算机与计算机间的合作。这种语义网的优势就能够对网络信息进行科学的理解与处理。在语义网中，本体、可扩展标记语言 XML以及资源描述框架 RDF是核心的技术[3]。本体能够规范知识的概念以及形式，能够对知识领域中的概念进行描述，明确其关系，从而对知识领域进行理解和描述，保证计算完整的实现，这是语义网信息组织中的核心内容。使用语义网以及本体进行情报研究，注重本学科领域的应用，注重领域中知识的管理。
5、数据挖掘。数据挖掘以数据库中结构化的数据作为主要的对象，通过关系表发现知识。在数据挖局中，分类、预测、关联以及聚类是十分重要的技术，能够查询数据，明确数据间的潜在联系，实现更深层次的分析，能够对未来进行科学的决策，从数据库中抽取有价值的信息，使用大型的数据库为知识的抽取提供服务。在情报学中，电子商务等是数据挖掘技术的应用。
6、协同推荐。这种推荐技术是使用数据挖掘，按照推荐的算法，为用户提供个性化的服务。协同推荐能够对信息过载的问题进行解决。在图书的情报研究中，能够为用户提供个性化的服务。在电子商务中，能够为用户推荐商品，使用户获得购物的体验。
结束语：通过分析与研究，使用引文分析以及共词分析的方法，对引用的其他学科的内容进行分析和研究，从而客观的对学科间的关系进行考察，本次研究中使用的方法是科学可行的。但是其中也会存在一定的不足，因此还需要利用访谈法，更加深刻全面的对学科与情报学间的关系进行分析与认识。
参 考 文 献
[1]马翠嫦，曹树金.信息分散下的信息行为——基于国外图书情报学领域跨学科研究的回顾[J].中国图书馆学报，2014，01：60-72.
[2]王知津，卞丹，王文爽.论情报学研究中的跨学科思维[J].情报科学，2010，05：641-647+651.
[3]孙海生.情报学跨学科知识引用实证研究[J].情报杂志，2013，07：113-118+100.