文献知识的类地理空间可视化建模研究

With the increase of the amount of literature data and the rise of the interdisciplinary trend, it becomes hard for researchers to manually understand the research landscape. Information science can provide a wealth of theories for data visualization analysis, which can be used for guiding the effective interpretation of the literature. However, with the explosion of the literature amount, the traditional method of extracting the backbone of information science is based on the network structure, thus cannot will fulfill the needs of visual knowledge analysis for massive literature. To deal with the problems, our work proposed to conduct the visualization analysis, considering different level of literature knowledge as cities of different scales. We propose to study literature knowledge as if they are evolving cities. By introducing the traditional geographical visualization idea and considering the essential law of literature knowledge distribution, a visual organization method suitable for global knowledge interpretation is designed. Land use and urban planning ideas are introduced to describe the overall inter-influence pattern of literature knowledge. Thus, the dynamic of the literature can be captured, described, and predicted. This project belongs to the applied basic research, which will make up the deficiency of the traditional scientometric visualization analysis method in the cognition of global knowledge pattern, enhance the scenario of literature knowledge interpretation, and help researchers to understand of the global static pattern distribution and dynamic change rule of literature knowledge.

文献数据量激增与多学科深度交叉的背景下，人工难以把握文献的全局知识。情报学可以为文献知识有效解读提供了数据可视化分析技术，但是传统情报学可视化分析方法由于主要以网络结构为基础，知识解读以提取主干的方式为主，不具备对文献知识的完整的语义描述能力，无法很好地满足全局知识认知和解读的需求。因此，本课题引入隐喻分析的思路，拟将不同抽象级别文献知识对象看作不同规模的城市，并以此为基础进行可视化分析。拟引入语义计算模型，将传统网络结构的知识空间转换成连续类地理空间，结合传统地理可视化的思路和文献知识分布规律，设计适用于全局知识解读的可视化组织方法；采用土地利用与城市规划思路，描述文献知识的全局分布格局，进而构建文献领域动态的捕捉、描述与预测模型。本项目的研究成果将弥补传统情报可视化分析方法对全局知识格局认知的缺陷，增加文献知识的解释情景，实现对文献知识全局静态格局分布和动态变化规律的理解。

随着国内外的产品包括CiteSpace, VoSViewer, HistCiteTM, BibExcel,SCI2等文献知识分析软件，可以广泛用于分析领域知识结构的分布，这些工具也被广泛用于研究某些领域的知识发展脉络，用于实际研究和知识探索，研究论文发表在Information Porcessing & Mangement，Scientometrics等期刊上。同时知识结构分析论文也发表在一些行业应用的期刊论文之中，例如Trends in Food Science & Technology, Remote Sensing等。.这些文献知识分析类产品已经可以很好的分析特定领域中的知识对象和发展脉络，达到了很高的自动化水平，部分产品的操作简便，分析流程傻瓜化，对于用户操作没有太大门槛，可以得到较为合理的分析结果，例如VoSViewer等就可以通过简单的操作实现对领域知识的分析，最终实现知识对象，概念，知识创造者作者等的结构化可视分析。.然而，这些分析方法虽然经典，但是也受到了来自于新的语言模型的挑战，例如Word2Vec,BERT,GPT2,T5等新生代的语言模型的挑战，这些模型往往从计算机语言学角度被提出，使用海量的语料进行训练，可以对长句子，语义中存在天然的一词多义，多词一义等问题，在多项自然语言的挑战任务中刷新了榜单，进而成为了包括工业界应用的基础baseline。所以领域知识的分析方法也迎来了新鲜血液，如何使用新的语言模型，解决领域内知识对象的表达演绎方式成为了我们要研究的问题。.本项目主要通过借鉴传统经典软件中co-word，co-citation等网络结构构图的方法，引入新的语言学模型Word2Vec和BERT等对语言进行编码，映射和可视化，引用城市规划的概念，将规划中保留生态区等概念，引入到领域知识分析中，结合元胞自动机等形态学工具，自动模拟出领域知识的变化和演变的流程。一方面使用传统的知识演绎的方法，分析某些热点领域或者某行业的经典问题，例如包括叶绿素萤光在植物生态模拟领域的应用，生态声学在偏向于计算机和生态学的区别化应用等。另一方面，通过研究方法论，不断通过领域知识对象分析方法研究出发，结合新的语言学模型和城市规划思路，对领域知识的演化进行模拟，最终形成面向知识热点的案例分析集合和面向研究方法的演化工具研发。