通過計算期刊之間的關聯(lián)關系進而識別學科結構,有助于探索不同學科之間的交互特征,分析學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科結構,并針對傳統(tǒng)方法只是利用二值矩陣進行分析進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行聚類的新方法。選擇經(jīng)濟學領域重要中文期刊進行實證分析,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位作者進行實證分析。實證結果表明,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,對期刊進行分類。實證結果將69種經(jīng)濟學期刊分成9類（子領域）,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科結構的前提和適用條件。 

【文章來源】：情報學報. 2020,39(11)北大核心CSSCI

【文章頁數(shù)】：8 頁

【部分圖文】：

學科結構識別的期刊作者耦合分析方法流程圖

69種經(jīng)濟學期刊關聯(lián)關系的二維圖

69種經(jīng)濟學期刊聚類結果圖


本文編號：3083344