2000—2009年国内链接分析研究文献计量分析

曾晶晶,王亚平,奉国和

(华南师范大学经济与管理学院,广东 广州 510006)

链接分析法(link analysis)是指运用网络数据库、数学分析软件等工具,利用数学和情报学方法,对网络链接自身属性、链接对象、链接网络等各种对象进行分析,以便揭示其数量特征和内在规律,并用以解决各方面问题的一种研究方法[1]。随着网络技术、通讯技术、计算机技术的迅猛发展,结合文献计量学方法原理,链接分析应用范围变得更为广泛[2]。链接分析法已成为目前网络计量学中应用最多的一种方法[3],在近十几年发展中取得了丰硕的研究成果。笔者利用文献计量法统计了 2000—2009年这 10年来我国在链接分析研究领域发表的论文,试图通过回溯分析揭示这 10年来该领域研究的发展轨迹,并对其发展趋势进行展望。

1 论文统计分析

1.1 年度论文数量分布分析

笔者以 CNKI期刊全文数据库、硕博士学位论文全文数据库为检索范围,以“链接分析”为检索词,以关键词为检索项,以 2000—2009年为时间跨度进行精确匹配检索,经过去重等整理、筛选工作,共检索到 368篇与链接分析相关的论文。

论文发表年代分布在一定程度上能反映出链接分析研究状况及发展速度,并能通过图表反映出哪一时间段内为研究热点时期,368篇论文的具体年代分布见表 1。

表1 2000—2009年国内链接分析研究论文年度数量分布表

统计表明,论文年度数量分布呈现出明显的递增趋势和阶段性特征,可将国内链接分析的研究划分为三个阶段:1)初始阶段(2000—2001年)。此阶段国内链接分析研究初露端倪,属于开始引进国外理论并进行研究的阶段,相关论文数占总数的1.1%。2)稳步增长阶段(2002—2006年)。此阶段相关论文数逐年稳步增加,处于上升阶段,占总量的33.9%,说明学界开始重视链接分析的研究。3)激增阶段(2007—2009年)。相关论文数激增,占总数的 65%,说明近年来该领域进入了热点研究时期,主要原因是随着国内外学者对链接分析研究的深入,链接分析的方法在各方面的应用开始凸显,由此吸引越来越多的学者对链接分析研究的关注。

1.2 论文来源分布分析

论文来源分析是了解链接分析研究领域空间分布特点的最有效方法,有利于链接分析研究领域资料的搜集、整理和研究,从而促进该领域研究的全面、深入发展(见表 2)。

表2 2000—2009年国内链接分析研究论文来源分布表

表 2表明,学术期刊的发文量处于绝对的主导地位,而博、硕士学位论文也占了发文总量的19.8%,这说明链接分析领域的研究已经受到了博、硕士研究生的高度重视,成为博、硕士毕业论文的热门选题。

为进一步掌握有关链接分析研究领域核心期刊群,笔者统计了 295篇学术期刊论文,发现其共刊登在 127种期刊上,其中发文量在 5篇以上(含 5篇)的期刊有 15种(见表 3),占期刊总数的 11.8%;共收录论文 137篇,占论文总数的 46.4%,表明有近半数的论文刊载在 11.8%的少数期刊上,这 15种期刊可视为研究链接分析的核心期刊。图书情报类的期刊和计算机类期刊是研究链接分析的重要阵地,其中共有 25种图书情报类的期刊发表相关论文127篇,占发文总量的 43.1%;44种计算机类期刊共发表文章 103篇,占发文总量的 34.9%,两者合计占期刊发文总量的 78%。而图书情报核心期刊排名前三位的《中国图书馆学报》《图书情报工作》《情报学报》发文量分别为 8篇、19篇和 12篇。

表3 2000—2009年国内链接分析研究发文量在 5篇以上的期刊

1.3 作者分布分析

衡量科研论文合作程度常用指标是合作率,2000—2009年链接分析研究作者合著情况见表 4。

表4 2000—2009年国内链接分析研究论文著者合著情况表

在 295篇期刊论文中,独立作者的为 75篇,占发文总量的 25.4%;2人及 3人合作发文量占63.4%;4人及以上合作发文量占发文总数的11.2%,论文合作率为 74.6%,可见链接分析研究的合作程度相当高,是一个需要学科间相互交流与合作的综合性研究领域。

统计显示,期刊论文作者总人数为 521人,而其中发文量在 3篇以上(含 3篇)的作者(包括第二作者)占总人数的 4.0%,共发文 105篇,占发文总量的 35.6%(见表 5)。这说明在链接分析的研究上已初步形成了该领域的核心作者群。

表5 2000—2009年国内链接分析研究核心作者分布表

295篇链接分析的期刊论文共涉及 170多个来源单位,其中发文量为 5篇以上(含 5篇)的单位 13个,共发论文 118篇,占论文总数的 40%(见表 6)。同时表中数据表明高校是链接分析研究的中心力量,而东、中部地区的研究成果明显要多于西部地区。

表6 2000—2009年国内链接分析研究论文的作者单位分布表

1.4 主题分布分析

论文主题分析在一定程度上能够反映链接分析研究领域的热点与重点,有利于了解其目前学界的研究现状和水平,帮助研究人员正确地预测该领域的发展趋势与方向,使研究更具针对性、更有价值。

关键词是揭示论文主题的有利线索之一。从检索到的相关 368篇论文中,共出现关键词 688个,其中出现频次达 10次(包括 10次)以上的见表 7。由于有关链接分析研究论文的关键词划分标准不一致,加上作者理解角度不同,出现了比较多相近的关键词,如果规范链接分析术语的话,相关的关键词出现的频次会更高。

表7 2000—2009年链接分析研究论文的关键词统计

通过对链接分析研究的主题进行划分,可分为基础理论研究和应用研究两部分。其中前者按所属学科划分为:情报学视角、计算机学视角、社会科学视角;而国内从情报学视角对链接分析的研究相对较多,将其分为:链接分析法、链接分析工具、链接分析指标。后者按应用领域分为:资源评价、信息检索、数据挖掘。按以上主题对 295篇期刊论文进行主题归纳,得到链接分析的论文主题分布如表 8所示。

表 8(见第 85页)表明,国内的研究主要集中在链接分析的基础理论研究上,共发文 198篇,占期刊论文总数的 67.1%,其中计算机学视角的研究最多,社会学视角作为一个相对较新的角度,相关研究偏少,而情报学视角的链接分析法、链接分析工具、链接分析指标方面的发文量则相对持平。其中链接分析在信息资源评价上的研究比较多,在信息检索和数据挖掘方面的发文相对偏少。笔者认为在继续完善基础理论研究的同时,相关的应用研究也有待加强。

2 国内链接分析基础理论研究现状

2.1 情报学视角的链接分析

2.1.1 链接分析法。

(1)共链分析法和引文分析法。邱均平等分析了共链分析研究方法的缺陷及其各自产生的原因及分类,提出了可能的解决方案[4]。赵丹群从网络链接分析研究、基于网页链接分析的搜索引擎排序算法研制和新型网络引文索引工具的编制等方面,分析了引文分析方法在网络环境下的发展和应用[5]。引文分析是传统文献计量学和科学计量学的一种独特研究方法,而链接分析是以引文分析理论为基础的,因此有必要从引文分析和链接分析的相似性及各自的特征方面进行深入研究。共链分析是链接分析中的一种,它与引文分析有密切的联系。

(2)链接分析相关算法。PageRank算法是利用网络超链接和文献引文机制的相似性,把引文分析思想借鉴到网络文档重要性的计算中来,赋予所有网页一个量化指标,即 PageRank值,根据PageRank值的大小进行排序的方法[6]。张慧英等基于PageRank算法和主题链接分析,提出面向主题的链接评价算法 TL-PageRank算法[7]。何晓阳等介绍了 SALSA算法的基本原理及算法步骤,从多个方面分别将其与 PageRank算法及 HITS算法进行比较分析[8]。对链接分析相关算法的研究主要集中在对PageRank算法和 HITS算法的研究上,针对其缺陷提出在各种基础、模型、应用上的新算法,以使其更有针对性,这也是学界争论的焦点。

(3)链接分析法在应用中的可行性研究。杨光以海尔和 LG集团为例,说明链接分析原理和方法可应用到企业竞争情报系统中[9]。刘雁书通过对有代表意义网站站外链接类型及特征的调查分析,证明用链接分析法评价网络信息是可行的[10]。对链接分析法在相关应用中的可行性研究很有必要,可为实践应用奠定理论基础。

2.1.2 链接分析工具。

(1)链接分析工具的缺陷。邱均平指出当前链接分析工具(商业搜索引擎、自制软件和 SEO工具)的缺陷,提出相应的两套解决方案:一是从搜索引擎工作原理的角度完善商业搜索引擎的链接分析功能;二是参照引文分析工具开发专业链接分析工具[11]。汤天波对几个典型的可视化检索系统和链接分析工具中可视化链接分析的应用实例进行分析,指出其不足及未来可能的研究方向和可用的方法与技术[12]。当前链接分析工具是存在缺陷的,这方面的研究有待深入,以便为开发新的工具提供支持。

表8 2000—2009年国内链接分析研究论文主题分布表

(2)链接分析工具的比较。杨木容比较了主要用于搜集链接分析数据的各搜索引擎在国内研究实践中的应用、使用后的评价、检索式构造等方面[13]。吕俊生等对用于网络链接关系检索的搜索引擎,从检索功能、检索表达式、基本性能等方面进行调研分析和比较,提出了用于链接分析的搜索引擎的选择方案[14]。链接分析工具的比较研究不仅可以更好地指导其应用,且有利于发现现有工具存在的问题。

(3)新链接分析工具的研究。邱均平等在分析目录学索引与传统引文索引的基础上,提出了“博客链接索引”的概念,并进行设计,从数据库设计的角度分析了博客链接索引所具有的内涵、结构及功能,阐述其理论价值、实践意义与实现的难点[15]。彭忱针对现有网站分析工具不稳定和不够直观的弊端,利用 Java开发网站链接分析器 Webstat,提出合理的应用程序及开发步骤[16]。目前,国内对新的链接分析工具的研究才刚刚起步。

2.1.3 链接分析指标。

(1)网络影响因子。李江分析了网络影响因子的三大缺陷:网络影响因子的适用性缺陷、算法自身缺陷及假设前提缺陷[17]。付鑫金通过选取中国重点大学综合实力排名前 20名的高校网站为样本,利用搜索引擎 AltaVista搜集各网站的链接量及计算网络影响因子,发现链接量对于综合实力得分的相关性优于网络影响因子[18]。晏尔伽认为网络影响因子在现阶段不适合用于评价政府网站的建设情况[19]。研究网络影响因子这一链接分析指标是国内研究的热点,不仅有从其本身进行论述的,而且也有从其应用角度进行分析的,且争论颇多。

(2)其他链接分析指标。邓中华分析了网络使用因子在假设前提、数据获取和算法本身等方面的缺陷,对不同类型的链接进行加权得到“加权出链数”,并据此计算“加权网络使用因子”[20]。王建冬指出基于网站链接分析的高校评价存在不足,在对社会网络分析中节点重要性测度的 3种指标的排名效果进行实验后,发现邻近度声望指标最优,引入PageRank,提出对其改进的新指标 UnivRank[21]。总之,国内对链接分析新指标的研究较少,在评价相关的信息资源时,多数学者建议结合链接分析的各项指标进行。

2.2 计算机学视角的链接分析

计算机学视角的链接分析基础理论研究主要是对链接分析算法的研究。

(1)HITS算法及其相关算法。对 HITS算法的研究主要集中在分析 HITS算法的缺陷——主题偏移上,并在此基础上引进其他的方法进行算法改进。国内针对 HITS算法的主题偏移问题,提出了较多的改进算法(一直是个研究热点)。郭希娟等分析了原始的 HITS算法是纯粹基于链接分析来发现权威网页和中心网页,HITS算法存在三个问题:1)单纯分析网页之间的链接信息,不考虑页面本身的重要性,使分析结果有一定的偏差;2)大量实验表明,同一个服务器下页面之间的链接通常是为提高用户访问的方便性,对计算页面权威值没有实际意义;3)“相互加强”现象——故意在一个服务器下制造了指向另一个服务器下同一个页面的很多链接,导致这个页面的权威值不合理地上升。这三个问题导致“主题偏移”现象,郭希娟等认为 PHITS算法能在一定程度上抑制了“主题偏移”现象的发生,使得发现的 Web社区更精确[22]。

(2)PageRank算法及其相关算法。刘惠义为提高 PageRank算法的性能,提出 APE算法能减少运算量,最终达到减少运算时间的目的,以实验数据初步证明了该算法的有效性[23]。黄德才在分析PageRank算法及其有关改进算法的基础上,提出了基于虚拟文档的主题相似度模型和基于主题相似度模型的 TS-PageRank算法框架[24]。对于 PageRank算法的研究,主要集中在为省时、高效而提出相应的计算方法及其相关的改进算法上。

(3)页面排序算法。鞠时光针对传统的页面排序算法偏重于旧网页的缺陷,提出时间链接分析,认为 WTPR算法能使新网页集在排序中上升,高质量的旧网页比普通的旧网页更能获得较高的排序值[25]。肖明军等对网页排序算法——ARC算法进行了改进,提出了一种基于超链接和内容的网页排序算法——SHITS(Similarity-HITS)算法[26]。对于页面排序算法的研究,很多是基于 PageRank算法和HITS算法的基础上进行的改造。搜索引擎的相关排序技术要综合各种排序算法的精华,从而才能提出更好的页面排序方法。

(4)其他算法。柳助民针对传统的社区发现算法缺点,提出了基于 PCM聚类算法的 Blog社区发现算法,以识别 Blog社区的核心和边界[27]。焦金涛提出一种改进的 Web挖掘算法,将网页使用信息和网页添加日期信息做成点击向量和日期向量,2个向量加权后标准化得到的一个向量作为常数加入到改进的迭代算法[28]。可见,链接分析算法可以应用到较多领域,需要进一步研究相应领域的算法。

2.3 社会学视角的链接分析

社会学视角的链接分析主要是运用社会学的相关理论,如用社会网络理论来对 Web中的链接关系等进行阐述。当前国内利用 SNA的链接分析研究主要集中在两个方面:一方面将链接网与社会网络、引文网进行比较,旨在探讨新的研究视角;另一方面则利用 SNA来分析链接网络,为现实对象间的关系分析提供支撑或说明[29]。刘晓娟将局部网络空间划分为学术空间、商业网站空间、政府网站空间和特定主题网络空间,由此推论现实空间中的社会现象[30]。社会学视角的链接分析在当前的研究中是比较薄弱的,有待加强。

3 国内链接分析应用研究现状

3.1 资源评价

链接分析在资源评价方面的应用主要指应用链接分析的方法和工具来分析评价网络信息资源的重要性、影响力及特征,评价网站排名,测算资源的使用情况等。目前的研究主要集中在以下两个方面。

(1)评价网站。芮宝宣采用文献资料法、网络链接分析法、数理统计法,通过相关搜索引擎对我国部分省、市体育局网站及其页面的信息资源链接特征进行分析,揭示这些网站的特征及发展态势[31]。王宏鑫运用链接分析方法评价公共图书馆的网站建设质量,给出各馆网站建设质量按不同指标的排序和综合排序[32]。对网站资源的评价在资源评价研究方面占主导地位。利用链接分析法的相关评价指标对某类型的网站进行评价,可从中发现某类网站的特征,为网站建设提供参考。

(2)评价某类网络资源。邱均平分析了应用链接分析方法评价图书馆博客资源的可行性和优越性[33]。夏翠军应用链接分析工具分析 CALIS重点学科网络资源导航库的使用情况[34]。董文鸳对开放存取期刊运用引文分析法、网络链接分析法等方法进行学术影响力分析[35]。学界应用链接分析法对特定类型资源的评价研究相对较少,有待加强。

3.2 信息检索

链接分析在信息检索方面的应用研究主要体现在综合链接分析法和其他方法上,它会提出新的检索方法,且该检索方法具有一定的优势。在现阶段,链接分析法应用于信息检索领域的研究还不是很多,但链接分析法具有强大的生命力,必将成为今后的一个研究趋势。吴斌提出了一种针对中文文献索引数据的重名分析方法——NDC方法,经过实验发现 NDC方法在执行效率方面能满足实际应用的要求[36]。余旸利用 Wikipedia中的内部链接关系析取语义关系,定义了一种新的算法,使用词条“相容率”(Mutual Awareness Ratio)来描述词间距及对知识空间节点(词条)进行相关度的重新排序,重新构造知识空间,并用实验证明此算法有效地提高了查询精度与用户满意度[37]。

3.3 数据挖掘

链接分析在数据挖掘方面的应用主要是应用链接分析的方法、模式,挖掘网络上、系统中的各种潜在的、有价值的信息,其研究主要集中在三个方面。

(1)网络结构挖掘。李小宇通过页面链接分析,揭示了中文维基百科政策环境的三层结构,结合对政策制定、施行和维护过程的定性分析,基于社会科学理论探讨了中文维基百科政策环境制定与运行原则[38]。牛春华等用链接分析方法分析我国 38所“985工程”院校网站 Web空间内部的链接情况,总结了 Web空间内部网站之间的链接特征[39]。

(2)网络内容挖掘。李素建引入链接分析方法分析词语在各个领域中的使用重要性,并通过词语在各个领域中的使用差异性计算其领域度,达到领域分析的目的,获取某个领域的领域部件词[40]。

(3)用户行为模式挖掘。张成虎提出了一种交易路径异常链接分析模式来识别不同交易主体间交易活动的内在联系,发现交易流向、来源以及用途或性质异常等交易关系,在挖掘金融交易关系网络方面具有优势[41]。刘芳等利用聚类技术和链接分析技术,对外汇资金交易数据库进行分析,从中发现可疑账户类,为发现外汇金融犯罪提供决策依据[42]。

链接分析法用于数据挖掘领域已经成为学界的研究热点,它在数据挖掘方面具有的优势将为相关领域的数据挖掘提供方法指导。

4 研究热点与趋势

4.1 链接分析研究热点

通过对链接分析研究成果的归纳,总结当前链接分析研究热点主要有:1)关于链接分析的经典算法及各种改进算法的研究;2)网络影响因子研究;3)链接分析工具研究;4)链接分析法在资源评价方面的研究;5)链接分析法在数据挖掘方面的研究。

4.2 链接分析研究趋势

通过文献计量分析,我们认为链接分析研究将呈以下发展趋势:1)基于各个视角对链接分析算法的研究与改进;2)用于评价特定领域网络信息资源的链接分析指标研究;3)基于链接分析的信息检索的优化研究;4)基于链接分析的数据挖掘在各种领域中的应用研究;5)社会学视角的链接分析研究;6)基于可视化技术等先进技术的各种新的链接分析工具和系统的研究与开发;7)应用链接分析的Web模型研究。

5 结 语

链接分析研究虽然还存在一些有待解决的问题,但链接分析由于其有效性、科学性和可操作性方面的突出优点,相信将会在相关领域得到广泛应用,并在发展中走向完善。希望本文给该领域研究者以借鉴,共同将现有的链接分析研究推向更高的研究层次。

[1]董江山,胡吉祥,邱均平.链接分析法及其应用[J].情报科学,2004(9):1081— 1084.

[2]张 洋,邱均平,文庭孝.网络链接分析研究进展[J].图书情报知识,2004(6):3— 8.

[3]王知津,张收棉.网络计量学方法在网站评价中的应用及其理论模型[J].图书与情报,2006(3):34—39.

[4]邱均平,李晔君,李 江.共链分析的缺陷及其解决方案研究[J].情报理论与实践,2008(2):170—174.

[5]赵丹群.试论引文分析方法的网络化发展与应用[J].图书情报工作,2009(8):39—42.

[6]Brin S,Page L.The Anatomy of a Large-scale Hypertextual Web Search Engine[C].In:Proceedings of the 7th ACM-WWW International Conference San Francisco,California,United States,January;Brisbane;ACM Press,1998:107—117.

[7]张慧英,原福永,尹春霞.一种面向主题的链接评价算法[J].情报杂志,2008(9):6— 8.

[8]何晓阳,吴治蓉,连丽红,等.SALSA算法技术剖析[J].情报杂志,2004(7):26—27.

[9]杨 光.链接分析在企业竞争情报活动中的应用[J].图书情报工作,2005(1):19—21.

[10]刘雁书,方 平.Web网站站外链接类型与特征调查——链接分析法可行性研究[J].大学图书馆学报,2001(5):65—68.

[11]邱均平,李 江.当前链接分析工具的缺陷及其解决方案[J].情报科学,2007(5):641—647.

[12]汤天波,高 峰.可视化技术在网络链接分析中的应用研究[J].现代图书情报技术,2009(2):78—82.

[13]杨木容.搜索引擎在网络链接分析中的应用研究[J].图书情报工作,2006(11):91— 94.

[14]吕俊生,杨金凤.用于链接关系检索的搜索引擎的比较研究[J].情报杂志,2005(2):98—100.

[15]邱均平,李 江,任全娥,等.论博客链接索引的设计[J].情报理论与实践,2007(4):489—492.

[16]彭 忱,金 奇.网站链接分析器的开发与应用[J].现代图书情报技术,2008(8):76—78.

[17]李 江.网络影响因子的三大缺陷探析[J].图书情报工作,2008(5):107—109.

[18]付鑫金,王效岳,李长玲.基于灰关联度的大学网站链接数据分析[J].情报科学,2009(2):223—226.

[19]晏尔伽.中国省会城市政府网站链接分析[J].情报科学,2008(2):218— 223.

[20]邓中华,陈小平.网络使用因子的缺陷及改进[J].图书情报工作,2009(5):87—90.

[21]王建冬,孙慧明.基于网站链接分析的“211工程”高校排名实证研究[J].现代图书情报技术,2008(9):64—69.

[22]郭希娟,刘 静.PH-MaxFlow算法发现 Web社区[J].计算机工程与应用,2009(5):113—116.

[23]刘惠义,董志勇.基于 Power Extrapolation和 Adaptive Method的网页评估新算法[J].计算机工程与应用,2006(15):66—68.

[24]黄德才,戚华春,钱 能.基于主题相似度模型的TS-PageRank算法[J].小型微型计算机系统,2007(3):510—514.

[25]鞠时光,吕 霞,王 崝.基于时间链接分析的页面排序优化算法[J].计算机应用研究,2009(7):2438—2441.

[26]肖明军,黄刘生,罗永龙.SHITS:一种基于超链接和内容的网页排序方法[J].小型微型计算机系统,2006(12):2177—2182.

[27]柳助民,李绍滋,林达真,等.基于 PCM聚类算法的 Blog社区发现[J].厦门大学学报(自然科学版),2009(4):508—513.

[28]焦金涛.基于 PageRank的 Web挖掘改进算法[J].计算机工程,2009(15):284— 285.

[29]殷之明,马瑞敏:国内图书情报领域应用 SNA研究综述[J].图书情报知识,2009(6):64—69.

[30]刘晓娟.网络计量在局部 Web空间中的应用[J].图书情报工作,2009(20):93—97.

[31]芮宝宣,司虎克,李 芳,等.基于链接分析的我国省市体育局网站信息特征研究[J].上海体育学院学报,2009(5):62—66.

[32]王宏鑫.我国省级以上公共图书馆网站的链接分析[J].中国图书馆学报,2005(3):86— 89.

[33]邱均平,徐 蓓,李 江.BlogRank算法及其在图书馆博客中的应用[J].图书情报知识,2008(1):68—71.

[34]夏翠军.CALIS重点学科网络资源导航库的使用情况分析[J].图书情报工作,2009(3):75—78.

[35]董文鸳,陈清文.图情领域开放存取期刊学术影响力评价[J].图书馆建设,2009(5):104—107.

[36]吴 斌,徐超群,王文彬,等.基于链接的作者重名处理方法研究与应用[J].计算机科学,2008(3):197—199.

[37]余 旸,林漳希,夏国平.开放内容中的知识发现——基于 WIKIPEDIA链接分析[J].情报杂志,2009(7):141—144.

[38]李小宇,罗志成.中文维基百科演化趋势与政策环境结构研究[J].情报杂志,2009(2):160—166.

[39]牛春华,沙勇忠.Web空间内部链接特征的聚类分析[J].图书情报知识,2006(6):22—27.

[40]李素建 ,宋 涛,高 杰,等.一种基于使用差异的词语领域性分析方法[J].中文信息学报,2009(6):72—78.

[41]张成虎,赵小虎.基于链接分析的洗钱交易识别研究[J].上海金融,2009(8):78—82.

[42]刘 芳,薛 蕾.利用链接分析技术监测可疑外汇资金流动[J].计算机工程与科学,2007(9):117—119.