多源主题融合的科学知识结构模型构建与实证研究胡玉宁

多源主题融合的科学知识结构模型构建与实证研究胡玉宁 DOI:10.16353/j.ki.1000-7490.2019.07.018情报理论与实践(ITA欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟)胡玉宁1，胡观伟2(1.滨州医学院人文与社会科学学院，山东烟台264003;2.山东双益校准实验室，山东东营257061)多源主题融合的科学知识结构模型构建与实证研究摘要:目的/意义从融合主题的视角提出一种更为全面地揭示和描述学科主题的科学知识结构模型，并验证模型系统内部的耦合性和协同性。 方法/过程基于系统论、相关性原理和三螺旋理论提出一种科学知识结构融合主题表征方法，定义“主题指纹”概念并进行模型构建;以中国图书馆分类法二级目录体系中“信息科学”“计算机技术”和“自动化”三个类别分支为入口，选取数据挖掘、机器学习、自然语言处理作为实证案例，运用熵值方法量化科学知识结构模型系统内部的耦合度和协同度。 结果/结论以上所构建的融合主题的科学知识结构模型形成了融合三元主题来揭示和描述知识结构的新思路，由文献主题指纹所映射的知识系统各要素之间具有耦合特征，各要素之间的相互作用共同促进知识系统协同演化。 关键词:主题融合;知识结构;三螺旋模型;信息熵;耦合;协同The Constructionof ScientificKnowledge StructureModel Basedon IntegratingSubjects andEmpiricalesearchAbstract:Purpose/significanceFrom theperspective ofintegrating subjects，this paperproposes ascientific knowledgestructuremodel forknowledge evolutionanalysis，interprets andverifies thecoupling andsynergy featuresof the model.Method/processFirstly，this paperproposes amethod ofintegrating subjectsto representknowledge structurebased onsystem theory，rel-ativity theoryand Triple-helix theory，defines theconcept of“subject fingerprint”to constructthemodel.Secondly，this paperchoosesthree caseswhich aredata mining，machine learningand naturallanguage processingfrom thethree categoriesof“Informa-tionScience”“Computer Technology”and“Automation”in thesecondary directorysystem ofChinese LibraryClassification，aiming toquantitative analysisof itsdegree ofcoupling andsynergy byentropy method.esult/conclusionThe modelof subjectknowledge structure constructedabove formsa newidea ofintegrating three-dimensional subjectsto revealand describethe structureofsubject knowledge.The knowledgesystem mappedby the“subject fingerprint”of publicationshas couplingcharacteristics，andthe interactionbetween theelements promotessynergistic evolutionof knowledgesystem.Keywords:subjects integrating;knowledgestructure;triple-helix theory;information entropy;coupling;synergy学科知识是一个时序动态增长的网络体系，富有创新性、新颖性的思想、观点和结论不断产生，新旧知识之间始终保持动态地增长。 在这个过程中，学科领域分支细化，学科主题关联交互，科学知识结构调整再塑。 当前，以数据驱动的学科知识服务的基础性环节首先就是客观、全面地认知和表征科学知识结构，这是揭示不同领域的研究现状、知识脉络和发展趋势的基础性、重要性工作。 面对信息海量增长、学科交叉融合的现实，科学知识结构承载着学科知识的流动、生长和演化，是科学知识交叉融合、协同共生而形成的复杂关联和结构网络。 在这种情势下，重新认知科学知识结构的主题内涵并创新科学知识结构表征的方法具有重要的现实意义。 基于主题融合的视角构建科学知识结构，可以从系统整体的角度构建一个融合主题的学科知识系统，形成一个系统的、动态的学科知识空间来反映科学研究过程中的相关学科关系和内在演化机制。 1相关研究进展在科学知识结构的揭示、描述和表征方法问题的相关研究上，科技文献作为科学研究活动最直接有效的表现形式，蕴含和承载了不同学科领域的研究动态、演化脉络和发展趋势，其对微观层面的科学研究和宏观层面的科技政策制定具有重要的情报价值和参考决策作用1。 当前最为成熟的研究路径是以科技文献及其外部特征信息(如作者、国别、机构、期刊、基金、参考文献等)、内容信息(文本、标题、摘要、关键词、主题词等)为数据源，以上述特征项之间的关系属性(如共现、共被引、耦合、引证等)为路径构建知识网络并对其结构进行量化、可视化分析，对宏观、微观层面的知识结构进行揭示和描述2。 若只从单一维度、单层关系属性对知识结构进行描述和分001第42卷2019年第7期欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟实践研究析，并不能完整、全面地揭示学科知识结构。 近来图情界在知识服务和计量分析工作中从“整合、聚合、混合”的思路也开展了相关研究。 如从整合主题的视角出发，在知识演化分析的中段数据处理环节将主题与主题、主题与作者两类语义关联整合，提出了学科知识网络构建与演化分析的框架3。 从融合关系、过程和结果的方式，通过变异分析方法和共词方法进行多角度主题结构获取的探索和评价4。 然而，科学研究活动是由不同的知识主体根据各自潜在不同的标准、不同的学科背景、不同的文化环境下驱动进行，当不同的选择机制、条件彼此相互作用时，知识解码、重新编码可以产生学科知识的交叉、结合和融合，逐渐形成一个复杂动态的学科知识系统。 面对学科交叉融合的现实和数字信息资源库“多元学科属性”期刊的收录标准，如何科学划分、界定学科领域越来越具有挑战性。 因此，在了解科学知识结构的基础上开展知识演化分析研究时，以传统期刊层级的学科划分标准为信息入口、或仅选择单一目标学科文献源作为研究对象构建数据集的方法值得检视。 由于以上方法对科学知识结构的描述拘囿于单一期刊学科分类标准或单目标领域，忽视了学科交叉融合、关联驱动的内部因素。 所以，本文以探求科学知识结构表征的新方法为目的，立足于从文献层级而不是期刊层级对科技文献资源进行划分和聚类的视角5，以系统论、相关性原理和三螺旋理论为理论基础，构建一个融合主题的学科知识结构表征模型，丰富和发展学科知识结构研究的相关理论内涵，提出一种揭示和描述学科知识结构的新方法，为开展知识演化分析提供新的替代视角和方法工具。 具体来说，着重研究以下问题:提出一种更为全面地揭示和描述科学知识结构的融合主题表征方法，并进行定义和模型构建;选取实证案例进一步量化验证所构建模型系统内部的耦合性和协同性。 2多源主题融合的科学知识结构的定义和表示模型2.1构建模型所需的理论基础:系统论、相关性原理和三螺旋理论系统论认为，系统是由若干相互联系和相互作用的部分(要素)，按照一定的方式组成的、具有特定功能的有机整体6。 系统具备两个基本条件:一是由要素组成，二是要素之间存在相互联系和相互作用，形成具有功能性的结构。 系统论的主要任务就是以系统为对象，从整体出发来研究系统整体和组成系统整体各要素的相互关系，从本质上说明其结构、功能、行为和动态，以把握系统整体，达到最优的目标7。 本研究将学科视作一个系统，每个学科系统都包含若干不同层级的子学科(要素)，各组成要素之间存在相互关系(学科交叉融合)和相互作用(知识协同演化)，共同形成一个复杂动态自适应的知识创新系统。 相关性原理是揭示系统各要素之间以及系统与外部环境的关系的原理，指系统中要素与要素、要素与系统以及系统与环境之间的各种相互联系。 相关性作为系统的一种根本属性，已成为系统方法论的一个基本原理。 相关联系是系统之源，它决定着系统的整体性、结构、功能、发展动力、运行机制、复杂性及其协调性，既决定着系统的存在，又决定着系统的演化，其作为系统方法论的一个根本性原则，具有很强的实用性8。 “三重螺旋”的观点最早源于生命科学领域对DNA结构的科学猜想，近年来，三螺旋模型已成为描述知识经济时代科研机构、产业和政府之间在推动创新中的协同关系的代表模型，其重要贡献是发现驱动系统演变的各因素之间的协同作用。 国内外近年来在运行机制、计量实证、创新生态、创新效率、人力资本等相关方面开展了大量相关研究。 国内外学者对三重螺旋的相关研究，由最初的理论研究向国际前沿问题转向，研究更加关切现实迫切性、问题复杂性、理论创新性9。 三螺旋理论模型作为一种系统思想和研究范式，丰富了知识创新理论体系的同时提供了一个方法论意义上的研究工具，尤其是其量化分析方法为我们理解知识演化的内在动力机制提供了一个量化的洞察视角。 综上，在开展学科知识演化分析研究时，只有全面了解学科知识结构的构成、关系和功能，才能进一步了解和掌握学科知识演化的动因和规律。 基于三螺旋模型的启示，结合系统论和相关性原理，我们提出一个融合主题的学科知识结构表征模型。 2.2定义和表示模型定义1:融合主题的学科知识结构是一个非线性的三元交互结构模型，由一个三元变量组及其关系组成，定义三元变量组VS=(S1，S2，S3)，变量S i代表某一学科。 如图1所示，三个变量之间存在双边、三边相互作用关系，任意两变量之间可以在第三个变量的影响下产生信息交互，多边交互关系使系统产生信息递归循环，推动系统不断地螺旋发展。 从知识组织的中观视角来看，融合三元主题的学科知识结构模型突破了以往单一学科维度的视阈，认为在学科知识演化的动态过程中，某学科知识并不是孤立存在的，而是与具有相关关系的学科构成了一个学科知识联合体，彼此之间相互作用、渗透融合、协同发展，共同推动学科知识生长和演化，进而实现知识创新。 定义2:每篇文献都可通过一组能够揭示、描述文献内容和主题概念的词符(如作者关键词、系统主题词、人101第42卷2019年第7期情报理论与实践(ITA欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟)图1融合主题的非线性三元交互科学知识结构模型工标注语义词、文献分类号等)进行知识表征和映射，将这种可以全面精炼概括文献内容的描述词符称作该文献的“主题指纹”。 从文献层级来看，“主题指纹”可视为文献对象的一类属性，从主题指纹的词源来看，其具有归纳性、概念性、语义性、规范性特征，因此，建立一个由主题指纹表征和映射知识的功能性结构就具有了逻辑上和理论上的可行性。 将图1中每个变量所表示的学科视为一个知识系统，将每个学科的已发表文献P、能够揭示文献内容或学科归属的概念词符C作为每个学科知识系统的子特征，定义每个变量S=(P，C，)，其中P是文献(对象)所组成的集合，C是主题概念词符(属性)组成的集合，P与C之间的二元关系用来表示，即PC，pc表示pP与cC之间存在关系，可读作文献(对象)p具有主题概念词符(属性)c。 以表1为例，基于共现关系展示了一个由5篇文献和5个概念词符所构成的“主题指纹”矩阵。 赋值为0表示文献p i没有匹配概念词符c j，1表示文献p i匹配了主题概念词符c j。 表1基于文献层级知识表征的“主题指纹”矩阵c1c2c3c4c5p111111p210101p311101p411111p511110定义3:设L是文献集合P的一个子集，定义f(L)=cC|pL，pc，表示L中文献所共同匹配的主题概念词集。 以表1为例，设L1=p1，p2，则f(L1)=c1，c3，c5。 2.3可获取主题指纹的类型和特征统计按照主题指纹的语言形态，我们将词或者词组形式的主题指纹类型归为词型，字母、数字组合形式的归为符型，同时存在以上两种形式的归为词符型。 为便于开展相关研究，本文梳理了几种常用中、西文期刊类型数据库中的主题指纹的类型和特征，如表2所示。 3量化与实证:融合主题的科学知识结构模型系统耦合性和协同性根据前文中理论所述，图1中模型所表征的知识结构表2几种数据库平台可获取的主题指纹的类型和特征主题指纹类型数据库名称收录范围特征项是否受控语言受控工具词符型中国知网综合类关键词否是中图法词符型维普中文期刊服务平台综合类关键词否分类号是中图法词型万方数据知识服务平台综合类关键词否词符型中国生物医学文献数据库医学类关键词否学科分类号是中图法主题词是中文医学主题词表CMeSH词型Medline医学类Mesh词是医学主题词表MeSH词型ProQuest综合类索引主题是系统索引词型EBSCOhost综合类主题语是医学主题词表MeSH、CINAHL主题词索引可视作一个复杂的动态系统，涵盖了系统包含的三层逻辑(要素、关系和功能)，表达了三个学科知识子系统之间的相互关系和相互作用机制。 那么在系统论的指导下，以模型所表征的知识系统为对象，研究该知识系统整体和各要素的相互关系，通过量化和实证方法从本质上揭示该知识系统的复杂动态性和自适应动力机制，就成为研究的首要任务。 3.1案例研究和数据准备中国图书馆分类法(原称中国图书馆图书分类法，简称中图法)，是我国建国后编制出版的一部具有代表性的大型综合性分类法，是当今国内图书馆使用最广泛的分类法体系。 中图法自1975年初版出版以来，紧跟科学技术发展步伐，不断增补新主题、扩充类目体系，完善参照系统、注释系统，调整类目体系，增修复分表，类目的扩容性和分类的准确性不断提升，已成为面向知识管理、知识创新和知识服务的普泛性知识组织工具10。 中图法第五版已于xx年8月由国家图书馆出版社正式出版。 按照上节定义3的描述，每篇文献所匹配的学科分类号就构成了每篇文献的“主题指纹”。 中图法包括马列主义、毛泽东思想，哲学，社会科学，自然科学，综合性图书五大部类，22个基本大类。 该分类词表是层次结构的类号和类目的集合，通过对文献资源进行分类和描述，实现了文献层级的主题描述和聚类。 分类号位数越短，表明处于词表中较高层级，代表上位类的概念，分类号位数越长，表示概念专指性水平越高越细的下位类概念，如图2所示。 中图法作为一个知识系统，词表不同的词类分支201第42卷2019年第7期欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟实践研究图片中国图书馆分类法网络版(.ztflh./)图2中国图书馆分类法词表的22个基本大类及“情报学、情报工作”类别的分级展示(局部效果)为我们了解不同学科知识提供了入门视角。 本节以中国图书馆分类法二级目录体系中“信息科学”“计算机技术”和“自动化”三个类别分支为入口，选取与图情学科“数据挖掘”研究领域相近的研究学科，分别以于计算机技术类别的“计算机技术”和自动化类别的“自然语言处理”作为实证案例，运用熵值方法量化科学知识结构模型系统内部的耦合度和协同度。 3.2数据集构建选取中国知网主题检索路径获取文献集，检索时间2019年1月20日，数据预处理过程需要删除杂志征文、会议通知等非学术研究类记录，构建分析所需要的文献集。 本研究中共包含三个案例、发表时间为xx2018年10年间的共6434条文献记录，选取三个案例的检索结果及描述性统计如表3所示。 3.3融合主题的科学知识结构模型系统耦合度和协同度量化计算3.3.1信息熵和互信息早在1865年德国物理学家克劳修斯(.Clausius)将熵的概念引入热力学领域，熵的概念外延不断扩大，应用已远远超过热力学、统计物理学的范畴11。 信息论的创始人香农(Shannon)于1948年在著作通信的数学理论中提出“信息度量”的中心思想12。 他将信息熵与统计力学熵相联系，用基于概率模型的“熵”来表征信源的特性，奠定了现代信息论的科学理论基础。 他认为，如果一个随机试验X有N个可能结果或者说一个随机信息有N个可能值，设可能结果出现的概率分布p=(p1，p2，p n)，它们满足如下函数:H(X)=H(p1，p2，p n)=kni=1p ilogp i (1)式中，k0为常数;0p i1(i=1，2，n);ni=1p i=1;H称为信息熵(Information En-tropy)、概率熵或Shannon熵，是由概率分布函数作为信息不确定性大小的度量13。 在公式 (1)中，当对数的底分别为 2、e、10时，信息的单位分别为比特(bit，即Binary Dig-it)、奈特(nat，即NaturalDigit)、迪特(dit，即DecimalDigit)。 在大多数情况下，对数均采用以2为底的形式，常数k=1。 在信息熵的公式中，若某个p i=0，则规定0log0=0。 表3选取案例(数据挖掘、机器学习、自然语言处理)的检索结果及描述性统计特征项数据挖掘机器学习自然语言处理检索策略表达式(CSSCI期刊=Y或者CSCD期刊=Y)并且年be-tween(xx，2018)并且(主题=数据挖掘或者题名=数据挖掘)(模糊匹配)(CSSCI期刊=Y或者CSCD期刊=Y)并且年be-tween(xx，2018)并且(主题=机器学习或者题名=机器学习)(模糊匹配)(CSSCI期刊=Y或者CSCD期刊=Y)并且年between(xx，2018)并且(主题=自然语言处理或者题名=自然语言处理)(模糊匹配)检索结果数量43631653418G23类词数均值方差CC34.311.96.96.93.32.5TP1类词数均值方差FF22.59.665.142.23.14.0TP3类词数均值方差GG206.360.265.631.829.25.0G23类词中位数32.53.53.0TP1类词中位数20.5451.5TP3类词中位数172.556.529.5互信息(Mutual Information，MI)或转移信息(Transinformation)是信息论里一种有用的信息度量，在概率论和信息论中，两个随机变量的互信息表示两个变量或多个变量之间共享的信息量14，是变量间相互依赖性的量度。 互信息越大，变量之间的相关性越强。 对于一个三螺旋结构的综合系统，系统不确定性和完整性可通过三301第42卷2019年第7期情报理论与实践(ITA欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟)个子系统之间的互信息来表示，把三者之间的相互关系看作一种相对频率分布，而系统之间的互信息可通过信息熵进行计量15。 设随机向量(X，Y)的联合概率分布为P(x i，y j)(i=1，2，n;j=1，2，m)，则(X，Y)的二维联合熵定义为:H(X，Y)=ni=imj=1P(x i，y j)logP(x i，y j) (2)在两个随机变量的情况下，互信息的计算公式为:I(X;Y)=H(X)+H(Y)H(X，Y) (3)式中，H(X，Y)是X和Y的联合熵。 从公式 (2)可看出在两个子系统相互作用时，其不确定性会随着变量各自的不确定性H(X)+H(Y)增加而增加，同时会随着两者相互作用的不确定性H(X，Y)增加而减少。 两变量之间的信息传输的不确定性I(X;Y)始终是个非负值，当且仅当两个变量完全独立时为零。 值越大，说明变量之间的关联程度越高。 当三个随机变量(X，Y，Z)发生相互作用时，以互信息表征的转接度称为协合度(Synergy)，计算方法如下16:I(X;Y;Z)=H(X)+H(Y)+H(Z)H(X，Y)H(X，Z)H(Y，Z)+H(X，Y，Z) (4)式中，联合信息熵H(X;Y;Z)=x，y，z P(x，y，z)logP(x，y，z)P(x)P(y)P(z)。 与两个变量时互信息总为正值不同，I(X;Y;Z)的值既可以是正值，也可以是负值，I(X;Y;Z)的绝对值越大，X、Y、Z之间的两两交互作用强度越高。 已有研究认为，正值与“关系融合”(elational Intergra-tion)有关，而负值与“协同融合”(Synergetic Intergra-tion)有关17。 3.3.2基于互信息的系统耦合度量化实证将三个案例数据集的文献按照时间(年度)进行排序，采用自编程序，读取和识别每篇文献的主题指纹(本研究中主题指纹类型为文献归属学科的分类号)，并按照中图法二级类目层级进行归属和统计。 按照信息熵和互信息计算方法，计算三个案例数据集中由主题指纹(分类号)所表征的三元主题知识系统互信息的值。 图3展示了由分类号所表征的三元主题知识系统类间互信息分布趋势，图4展示了由分类号所表征的三元主题知识系统三类间互信息分布趋势。 图3中在选取的数据挖掘、机器学习两个案例中，两两子系统的类间互信息曲线均分布在横轴上方，互信息的取值均为正值;自然语言处理案例中，两类间互信息在xx年、xx年、xx年、xx年取值为零，曲线呈现波动涨落趋势，在xx年之后，互信息曲线呈现显著的图3由分类号所表征的三元主题知识系统类间互信息分布图上升趋势，表明耦合强度持续增强，学科之间的交流互动更加频繁，预示了学科交叉、融合趋势的上升。 根据互信息的定义，可知由“信息科学”“计算机技术”和“自动化”三个类别分支之间存在不同程度的交流互动，由学科分类号所映射的学科知识结构模型内部系统存在相关关系，互信息取值大小代表了耦合度随时间推进的强弱变化。 图4由分类号所表征的三元主题知识系统三类间互信息分布图图4三条曲线中，选取的数据挖掘、机器学习两个案例的三类间互信息曲线均分布在横轴上方，互信息的取值均为正值;自然语言处理案例中，三类间互信息在xx年、xx年、xx年、xx年取值为零，曲线呈现波动涨落趋势，在xx年之后，互信息曲线呈现显著的上升趋势，这与图3中自然语言处理案例中的类间互信息曲线分布规律一致。 由主学科分类号所表征的知识系统的子系统三类间互信息均为非负值，表示三元子系统之间相关性显著。 协和度值为正值，三元子系统之间“关系融合”401第42卷2019年第7期欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟实践研究的信息叠加趋势明显。 特别要注意到，自然语言处理案例中类间互信息和三类间互信息曲线在xx年之后呈现显著上升趋势，这表明该类别所代表的知识系统的协合程度显著增强。 综上，本节选取的数据挖掘、机器学习、自然语言处理三个案例，数据集文献所属学科分类号表征了三元主题学科结构，该知识系统的子系统双边互信息均为非负值，取值的大小反映了三个子系统之间的互动耦合强度和学科交叉、融合的时序演变特征，从而验证了本文所构建的融合主题的学科知识结构模型内部要素之间具有显著的相关性。 4结语和展望本研究所构建的融合主题的科学知识结构模型形成了融合三元主题来揭示和描述学科知识结构的新思路，以系统要素之间的关系和功能建构为研究中心，运用熵值方法量化和验证了科学知识结构模型系统内部的耦合度和协同度特征。 表明由文献主题指纹所映射的知识系统各要素之间具有耦合特征，各要素之间的相互作用共同促进知识系统协同演化。 本文研究的不足之处:因选取中文数据库中文献分类号作为表征知识结构的主题指纹，虽然受控词汇工具中国图书馆分类法，主题指纹概念具备语义层面的规范性、权威性和代表性。 但因数据库标引的规则和要求，每篇文献匹配的学科分类号一般为13个左右，系统标引分类号数量的限制或许在揭示和描述复杂的交叉研究方面存在不足。 后续的研究将在融合主题的学科知识结构模型的基础上，开展科学知识主题融合和知识系统协同演化方面的研究，进一步完善面向学科知识演化分析的知识服务方法体系，优化和提升学科知识创新服务做出努力探索。 参考文献1刘志辉，张志强.研究领域分析方法研究述评J图书情报知识，xx (4):81-88.2张金柱，韩涛，王小梅.复杂网络在图情领域的研究和应用综述J情报学报，xx，31 (9):907-914.3关鹏，王曰芬，曹嘉君.整合主题的学科知识网络构建与演化分析框架研究J情报科学，2018，36 (9):3-8.4吴清强，张晓林.多角度主题结构获取研