基于內(nèi)容和語義相似性的文獻網(wǎng)絡(luò)構(gòu)建方法的比較與評價.pdf

1、目的：
　　近年來利用相似性算法構(gòu)建文獻相似性網(wǎng)絡(luò)，通過文獻相似性網(wǎng)絡(luò)進行聚類分析，進而探測學科研究結(jié)構(gòu)、提高文獻檢索系統(tǒng)性能的研究不斷涌現(xiàn)。本課題擬通過對基于內(nèi)容相似性（Content Similarity,CS）和語義相似性（Semantic Similarity,SS）兩種算法構(gòu)建的文獻相似性網(wǎng)絡(luò)進行比較和評價，明確基于內(nèi)容相似性算法和基于語義相似性算法構(gòu)建文獻相似性網(wǎng)絡(luò)的準確性和可靠性，為今后選擇更加準確的相似性計算方法構(gòu)

2、建文獻相似性網(wǎng)絡(luò)，并為利用文獻相似性網(wǎng)絡(luò)評價論文質(zhì)量、分析學科結(jié)構(gòu)提供了方法學基礎(chǔ)。文獻相似性網(wǎng)絡(luò)量化了文獻影響力的評價指標，為評估文獻質(zhì)量和探測學科結(jié)構(gòu)提供了新的視角，同時為觀測學科結(jié)構(gòu)隨時間的動態(tài)變化提供了可能性。
　　方法：
　　選擇OHSUMED測試數(shù)據(jù)集中的六個主題（作為聚類結(jié)果評價的金標準），收集數(shù)據(jù)集中與六個主題明確相關(guān)的文獻109篇，并在Pubmed數(shù)據(jù)庫中檢索相應(yīng)的文獻，以Medline和XML格式下載文獻

3、記錄，作為本研究的數(shù)據(jù)集。將文獻記錄全部下載后，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號上下位關(guān)系的語義相似性算法對研究數(shù)據(jù)集的文獻進行相似性計算，構(gòu)建基于兩種方法的論文相似性矩陣，并通過社會網(wǎng)絡(luò)分析軟件Ucinet對兩種相似性矩陣進行網(wǎng)絡(luò)可視化，根據(jù)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)分別對文獻進行聚類。最后采用文獻聚類評價指標F值和熵對兩種相似性網(wǎng)絡(luò)的聚類結(jié)果進行評價，進而比較兩種相似性算法構(gòu)建文獻網(wǎng)絡(luò)的準確性和可靠性。
　　結(jié)果：<

4、br>　　在構(gòu)建文獻相似性網(wǎng)絡(luò)實施方面，基于語義相似性的算法更為復雜，基于內(nèi)容相似性的算法實際應(yīng)用中比較容易理解和接受，實現(xiàn)計算自動化的可行性較好。在聚類效果方面，通過分析基于內(nèi)容相似性和基于語義相似性的文獻可視化網(wǎng)絡(luò)圖，并結(jié)合OHSUMED數(shù)據(jù)庫中六個主題文獻分類的金標準，研究發(fā)現(xiàn)語義相似性網(wǎng)絡(luò)圖拓撲結(jié)構(gòu)更加清晰，基于拓撲結(jié)構(gòu)的文獻聚類效果較好，而內(nèi)容相似性網(wǎng)絡(luò)圖基于拓撲結(jié)構(gòu)的聚類效果較差，類別個數(shù)與金標準的主題個數(shù)不相符。聚類評價結(jié)

5、果顯示，在文獻相似性網(wǎng)絡(luò)不同的相似系數(shù)閾值下，基于語義相似性網(wǎng)絡(luò)拓撲結(jié)構(gòu)的聚類結(jié)果F值均高于基于內(nèi)容相似性網(wǎng)絡(luò)的聚類結(jié)果，熵值均低于基于內(nèi)容相似性網(wǎng)絡(luò)的聚類結(jié)果，基于語義相似性算法構(gòu)建的文獻網(wǎng)絡(luò)在整體上顯示出了優(yōu)越性。
　　結(jié)論：
　　通過對兩種相似性算法構(gòu)建的文獻網(wǎng)絡(luò)可視化圖及基于拓撲結(jié)構(gòu)的聚類結(jié)果的比較，我們發(fā)現(xiàn)基于語義相似性算法構(gòu)建的文獻網(wǎng)絡(luò)優(yōu)于基于內(nèi)容相似性算法構(gòu)建的文獻網(wǎng)絡(luò)，語義相似性網(wǎng)絡(luò)拓撲結(jié)構(gòu)更為清晰，根據(jù)網(wǎng)絡(luò)