科學(xué)論文的引用內(nèi)容分析及其應(yīng)用.pdf

1、引文分析包括了引文著錄信息分析和引文內(nèi)容分析兩部分。與引文著錄信息分析相比，引文內(nèi)容分析研究較少，且多集中在施引文獻(xiàn)主題內(nèi)容研究中，較少深入到文獻(xiàn)全文內(nèi)容層面。參考文獻(xiàn)在文章中的引用內(nèi)容能夠為我們提供更多的引用相關(guān)信息，對了解參考文獻(xiàn)對于施引文獻(xiàn)的作用和價值，挖掘論文作者引用該文獻(xiàn)的意圖與觀點傾向性具有更直接的作用。隨著電子信息技術(shù)的發(fā)展以及大型數(shù)據(jù)庫的不斷拓展和完善，特別是全文數(shù)據(jù)庫的建設(shè)，為實現(xiàn)引用內(nèi)容的多角度、系統(tǒng)性分析提供了可能

2、性。本文主要研究工作體現(xiàn)在以下五個方面：
　?、畔到y(tǒng)地構(gòu)建了引用內(nèi)容分析的基本理論框架。以科學(xué)計量學(xué)、文獻(xiàn)計量學(xué)、內(nèi)容分析理論為指導(dǎo)，提出引用內(nèi)容分析的概念、步驟及主要研究內(nèi)容，指出引用內(nèi)容研究范圍應(yīng)包括引用的主體、時間、位置、動機(jī)，以及引用傾向性和強度研究。探討了引用內(nèi)容分析與傳統(tǒng)基于著錄信息的引文分析的區(qū)別與聯(lián)系，其共性是它們都是對引文展開的分析，傳統(tǒng)引文分析方法也適用于引用內(nèi)容分析，其區(qū)別在于引用內(nèi)容分析還需要借助自然語言處

3、理技術(shù)來實現(xiàn)，能夠更深入、細(xì)致地揭示施引文獻(xiàn)與參考文獻(xiàn)之間繼承和創(chuàng)新的關(guān)系。剖析了引用內(nèi)容分析的功能，揭示出它在科技論文評價、揭示知識結(jié)構(gòu)演化和信息檢索三個方面的應(yīng)用價值。
　?、茝臄?shù)據(jù)和方法兩個角度提出引用內(nèi)容分析的實現(xiàn)條件。數(shù)據(jù)條件包括數(shù)據(jù)的可獲得性、可識別性、結(jié)構(gòu)性、整體性和連續(xù)性。實現(xiàn)方法包括引用內(nèi)容抽取方法、數(shù)據(jù)庫的應(yīng)用和引用內(nèi)容的分析方法。本文以PubMed Central數(shù)據(jù)庫中所有全文數(shù)據(jù)為數(shù)據(jù)來源，實現(xiàn)了引用內(nèi)容

4、的獲取與數(shù)據(jù)庫存儲，并以此數(shù)據(jù)庫為基礎(chǔ)，搭建引用內(nèi)容檢索系統(tǒng)，為引用內(nèi)容的檢索與應(yīng)用提供一個數(shù)據(jù)平臺。
　?、菑囊冒l(fā)生的位置、共被引發(fā)生的位置、共被引層次網(wǎng)絡(luò)三個角度展開引用位置分析。首先，采用引文分析與自然語言處理技術(shù)相結(jié)合，對引用發(fā)生位置進(jìn)行分析，發(fā)現(xiàn)了引文在文章各個章節(jié)中的分布規(guī)律以及在各個章節(jié)中的內(nèi)容特點。其次，根據(jù)共被引發(fā)生的位置，將共被引關(guān)系劃分為四個層次，分別是句子層次、段落層次、章節(jié)層次和文章層次，通過對不同共被

5、引層次上的共被引關(guān)系統(tǒng)計發(fā)現(xiàn)，在不同期刊中共被引分布規(guī)律基本相同，在句子層次發(fā)生的共被引關(guān)系最少，文章層次共被引分布最多，4個層次共被引分布的平均比例分布為3.16％、7.29％、18.16％和71.39％。研究結(jié)果還發(fā)現(xiàn)，共被引關(guān)系的位置分布與共被引頻次有一定關(guān)聯(lián)，共被引頻次越高，句子層次上的共被引關(guān)系越多，文章層次共被引比例越小。最后，分析不同共被引位置上的共被引關(guān)系所構(gòu)成的共被引層次網(wǎng)絡(luò)特征，以CiteSpace軟件為基礎(chǔ)，結(jié)合社

6、會網(wǎng)絡(luò)分析方法，識別出各個共被引層次網(wǎng)絡(luò)在傳統(tǒng)共被引網(wǎng)絡(luò)中的結(jié)構(gòu)特征。研究結(jié)果發(fā)現(xiàn)，文章層次共被引網(wǎng)絡(luò)可以覆蓋38.58％的傳統(tǒng)共被引網(wǎng)絡(luò)，而句子層次共被引網(wǎng)絡(luò)只覆蓋了5.64％，但其覆蓋位置均為傳統(tǒng)共被引網(wǎng)絡(luò)的核心位置，并且構(gòu)成傳統(tǒng)共被引網(wǎng)絡(luò)的子網(wǎng)絡(luò)，其覆蓋范圍要高于段落層次共被引網(wǎng)絡(luò)和章節(jié)層次共被引網(wǎng)絡(luò)。
　?、仍谝脙?nèi)容分析中，引入標(biāo)簽云技術(shù)和模型對引用內(nèi)容主題進(jìn)行分析，標(biāo)簽云技術(shù)可以直觀地展示出引用內(nèi)容的詞組，而模型可以對

7、引用內(nèi)容主題進(jìn)行詳細(xì)劃分。利用LDA模型，對比分析引用內(nèi)容與引文自身和施引文獻(xiàn)的差別，發(fā)現(xiàn)引用內(nèi)容主題比引文自身主題涉及范圍更廣，同時與施引文獻(xiàn)主題也有較大差別，說明引用內(nèi)容在引文知識演化過程中，具有其特有的屬性和價值。根據(jù)信息熵理論，比較引用內(nèi)容中詞組與施引文獻(xiàn)中詞組的概念廣義-狹義性，發(fā)現(xiàn)引用內(nèi)容中的詞組含義要比施引文獻(xiàn)中的詞組含義狹窄，更傾向于表述某一領(lǐng)域中專有的方法或理論。
　?、梢砸脙?nèi)容分析理論和方法為基礎(chǔ)，揭示引用內(nèi)

8、容在信息檢索、共被引分析和論文評價中的應(yīng)用價值。首先，以PubMed Central中所有全文數(shù)據(jù)為基礎(chǔ)，搭建基于引用內(nèi)容的引文檢索與推薦系統(tǒng)，系統(tǒng)測評結(jié)果顯示，此系統(tǒng)對領(lǐng)域內(nèi)的高被引文獻(xiàn)和經(jīng)典文獻(xiàn)具有很好的檢索與推薦效果，并且其平均檢索準(zhǔn)確率為56.5％，比GoogleScholar高12.5％，比PubMed高43.5％。其次，根據(jù)引用內(nèi)容相似性對四個層次的共被引關(guān)系賦予不同權(quán)重，結(jié)果顯示，四個共被引層次的引用內(nèi)容平均相似性分別為1

9、、0.77、0.64、0.56，文章層次共被引關(guān)系的引用內(nèi)容相似性要明顯高于人們主觀對此層次的權(quán)重賦值，賦予權(quán)重后的共被引分析效果要比傳統(tǒng)的共被引分析效果好。最后，根據(jù)引文的引用內(nèi)容，辨別引文的引用動機(jī)，提出引用性質(zhì)評價指標(biāo)，將引用性質(zhì)劃分為正面引用、負(fù)面引用和中性引用，采用線索詞的方法對引用內(nèi)容的引用性質(zhì)進(jìn)行自動分類，并采用統(tǒng)計檢驗方法驗證此分類方法的準(zhǔn)確性在95％以上，對BMC_Bioinformatics期刊中引用內(nèi)容的引用性質(zhì)劃