基于內(nèi)容和語(yǔ)義相似性的文獻(xiàn)網(wǎng)絡(luò)構(gòu)建方法的比較與評(píng)價(jià).pdf

1、目的：
　　近年來(lái)利用相似性算法構(gòu)建文獻(xiàn)相似性網(wǎng)絡(luò)，通過(guò)文獻(xiàn)相似性網(wǎng)絡(luò)進(jìn)行聚類(lèi)分析，進(jìn)而探測(cè)學(xué)科研究結(jié)構(gòu)、提高文獻(xiàn)檢索系統(tǒng)性能的研究不斷涌現(xiàn)。本課題擬通過(guò)對(duì)基于內(nèi)容相似性（Content Similarity,CS）和語(yǔ)義相似性（Semantic Similarity,SS）兩種算法構(gòu)建的文獻(xiàn)相似性網(wǎng)絡(luò)進(jìn)行比較和評(píng)價(jià)，明確基于內(nèi)容相似性算法和基于語(yǔ)義相似性算法構(gòu)建文獻(xiàn)相似性網(wǎng)絡(luò)的準(zhǔn)確性和可靠性，為今后選擇更加準(zhǔn)確的相似性計(jì)算方法構(gòu)

2、建文獻(xiàn)相似性網(wǎng)絡(luò)，并為利用文獻(xiàn)相似性網(wǎng)絡(luò)評(píng)價(jià)論文質(zhì)量、分析學(xué)科結(jié)構(gòu)提供了方法學(xué)基礎(chǔ)。文獻(xiàn)相似性網(wǎng)絡(luò)量化了文獻(xiàn)影響力的評(píng)價(jià)指標(biāo)，為評(píng)估文獻(xiàn)質(zhì)量和探測(cè)學(xué)科結(jié)構(gòu)提供了新的視角，同時(shí)為觀測(cè)學(xué)科結(jié)構(gòu)隨時(shí)間的動(dòng)態(tài)變化提供了可能性。
　　方法：
　　選擇OHSUMED測(cè)試數(shù)據(jù)集中的六個(gè)主題（作為聚類(lèi)結(jié)果評(píng)價(jià)的金標(biāo)準(zhǔn)），收集數(shù)據(jù)集中與六個(gè)主題明確相關(guān)的文獻(xiàn)109篇，并在Pubmed數(shù)據(jù)庫(kù)中檢索相應(yīng)的文獻(xiàn)，以Medline和XML格式下載文獻(xiàn)

3、記錄，作為本研究的數(shù)據(jù)集。將文獻(xiàn)記錄全部下載后，使用基于空間向量模型的內(nèi)容相似性算法和基于主題詞分類(lèi)號(hào)上下位關(guān)系的語(yǔ)義相似性算法對(duì)研究數(shù)據(jù)集的文獻(xiàn)進(jìn)行相似性計(jì)算，構(gòu)建基于兩種方法的論文相似性矩陣，并通過(guò)社會(huì)網(wǎng)絡(luò)分析軟件Ucinet對(duì)兩種相似性矩陣進(jìn)行網(wǎng)絡(luò)可視化，根據(jù)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)分別對(duì)文獻(xiàn)進(jìn)行聚類(lèi)。最后采用文獻(xiàn)聚類(lèi)評(píng)價(jià)指標(biāo)F值和熵對(duì)兩種相似性網(wǎng)絡(luò)的聚類(lèi)結(jié)果進(jìn)行評(píng)價(jià)，進(jìn)而比較兩種相似性算法構(gòu)建文獻(xiàn)網(wǎng)絡(luò)的準(zhǔn)確性和可靠性。
　　結(jié)果：<

4、br>　　在構(gòu)建文獻(xiàn)相似性網(wǎng)絡(luò)實(shí)施方面，基于語(yǔ)義相似性的算法更為復(fù)雜，基于內(nèi)容相似性的算法實(shí)際應(yīng)用中比較容易理解和接受，實(shí)現(xiàn)計(jì)算自動(dòng)化的可行性較好。在聚類(lèi)效果方面，通過(guò)分析基于內(nèi)容相似性和基于語(yǔ)義相似性的文獻(xiàn)可視化網(wǎng)絡(luò)圖，并結(jié)合OHSUMED數(shù)據(jù)庫(kù)中六個(gè)主題文獻(xiàn)分類(lèi)的金標(biāo)準(zhǔn)，研究發(fā)現(xiàn)語(yǔ)義相似性網(wǎng)絡(luò)圖拓?fù)浣Y(jié)構(gòu)更加清晰，基于拓?fù)浣Y(jié)構(gòu)的文獻(xiàn)聚類(lèi)效果較好，而內(nèi)容相似性網(wǎng)絡(luò)圖基于拓?fù)浣Y(jié)構(gòu)的聚類(lèi)效果較差，類(lèi)別個(gè)數(shù)與金標(biāo)準(zhǔn)的主題個(gè)數(shù)不相符。聚類(lèi)評(píng)價(jià)結(jié)

5、果顯示，在文獻(xiàn)相似性網(wǎng)絡(luò)不同的相似系數(shù)閾值下，基于語(yǔ)義相似性網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的聚類(lèi)結(jié)果F值均高于基于內(nèi)容相似性網(wǎng)絡(luò)的聚類(lèi)結(jié)果，熵值均低于基于內(nèi)容相似性網(wǎng)絡(luò)的聚類(lèi)結(jié)果，基于語(yǔ)義相似性算法構(gòu)建的文獻(xiàn)網(wǎng)絡(luò)在整體上顯示出了優(yōu)越性。
　　結(jié)論：
　　通過(guò)對(duì)兩種相似性算法構(gòu)建的文獻(xiàn)網(wǎng)絡(luò)可視化圖及基于拓?fù)浣Y(jié)構(gòu)的聚類(lèi)結(jié)果的比較，我們發(fā)現(xiàn)基于語(yǔ)義相似性算法構(gòu)建的文獻(xiàn)網(wǎng)絡(luò)優(yōu)于基于內(nèi)容相似性算法構(gòu)建的文獻(xiàn)網(wǎng)絡(luò)，語(yǔ)義相似性網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)更為清晰，根據(jù)網(wǎng)絡(luò)