為了深度挖掘ESI題錄數(shù)據(jù)隱含的信息,以基本科學(xué)指標(biāo)(ESI)數(shù)據(jù)庫內(nèi)臨床醫(yī)學(xué)領(lǐng)域的論文數(shù)據(jù)為例,從9個(gè)維度對(duì)數(shù)據(jù)進(jìn)行了描述,并使用熵權(quán)法(EWM)計(jì)算出各個(gè)指標(biāo)的權(quán)重及標(biāo)準(zhǔn)化數(shù)據(jù),然后基于改進(jìn)的K-means算法對(duì)數(shù)據(jù)進(jìn)行了聚類分析,根據(jù)聚類結(jié)果從期刊的角度進(jìn)行了社會(huì)網(wǎng)絡(luò)分析。研究結(jié)果表明:多國合作、最近3個(gè)月內(nèi)受到廣泛關(guān)注、多機(jī)構(gòu)合作、論文被引數(shù)量較高和發(fā)表在影響因子較高的期刊上,是成為ESI論文更為重要的影響因素;本文的損失函數(shù)計(jì)算方法具有較好的收斂效果;期刊競爭網(wǎng)絡(luò)和凝聚子群描繪出臨床醫(yī)學(xué)領(lǐng)域內(nèi)期刊的競爭情況,為該類問題的研究提供了新思路。

【文章頁數(shù)】：6 頁

【文章目錄】：
1 數(shù)據(jù)采集及預(yù)處理
    1.1 數(shù)據(jù)來源及分析指標(biāo)選取
    1.2 基于熵權(quán)法的數(shù)據(jù)預(yù)處理
2 改進(jìn)的K-means聚類算法
3 基于聚類結(jié)果的期刊社會(huì)網(wǎng)絡(luò)分析
    3.1 各簇對(duì)指標(biāo)的側(cè)重情況
    3.2 期刊競爭網(wǎng)絡(luò)分析
    3.3 期刊凝聚子群分析
4 結(jié)論



本文編號(hào)：3867599