通過計算期刊之間的關(guān)聯(lián)關(guān)系進(jìn)而識別學(xué)科結(jié)構(gòu),有助于探索不同學(xué)科之間的交互特征,分析學(xué)科間的知識流動趨勢情況。本文采用一種基于期刊作者耦合方法來識別學(xué)科結(jié)構(gòu),并針對傳統(tǒng)方法只是利用二值矩陣進(jìn)行分析進(jìn)而損失大量信息的問題,提出直接利用期刊-作者分布矩陣進(jìn)行聚類分析的思想。針對期刊-作者矩陣聚類過程中出現(xiàn)的高維數(shù)據(jù)難以聚類分析的問題,提出了利用t-SNE降維和層次聚類模型進(jìn)行聚類的新方法。選擇經(jīng)濟學(xué)領(lǐng)域重要中文期刊進(jìn)行實證分析,從CSSCI數(shù)據(jù)庫中遴選出69種期刊作為分析樣本,并采集了2014—2018年的43617篇論文和47458位作者進(jìn)行實證分析。實證結(jié)果表明,本文提出的t-SNE+層次聚類模型,能夠有效處理和利用期刊-作者矩陣信息,對期刊進(jìn)行分類。實證結(jié)果將69種經(jīng)濟學(xué)期刊分成9類（子領(lǐng)域）,并可以較為清晰地給出不同類的具體含義。本文也梳理了期刊作者耦合方法用來識別學(xué)科結(jié)構(gòu)的前提和適用條件。 

【文章來源】：情報學(xué)報. 2020,39(11)北大核心CSSCI

【文章頁數(shù)】：8 頁

【部分圖文】：

學(xué)科結(jié)構(gòu)識別的期刊作者耦合分析方法流程圖

69種經(jīng)濟學(xué)期刊關(guān)聯(lián)關(guān)系的二維圖

69種經(jīng)濟學(xué)期刊聚類結(jié)果圖


本文編號：3083344