学术社交媒体视角下学科知识流动规律研究——以科学网为例
Data Analysis and Knowledge Discovery(2019)
Abstract
[目的]探索学术社交媒体上学科知识流动规律.[方法]以科学网为例,爬取全部用户研究方向数据和全体用户好友关系数据,利用简单相关系数分析学部用户知识流动分布关系的强弱,借用Louvain社区发现算法挖掘学部内一级学科知识流动中的社区结构.[结果]简单相关系数结果显示,不同学部之间知识交流分布相似程度较高,Louvain算法挖掘出4个明显的知识流动社区.[局限]仅仅依据好友关系构建学科知识流动网络,没有考虑评论及推荐关系.[结论]在科学网上,“生命科学”与“医学科学”表现出最明显的学科亲缘性,学科交流中存在“地球科学-生命学科-医学科学”、“化学科学-工程材料-数理科学-信息科学”、“地球科学-工程材料”、“信息科学-管理综合”这4个明显的知识流动路径.
MoreKey words
Data Analysis,Context Information Model,Topic Modeling
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined