合作网络的多角度可视化分析——以Journal of Informetrics合作网络为例

彭 博

(中南财经政法大学图书馆，武汉，430073)

1 引言

随着网络及通讯技术的快速发展，科研人员间合作的范围扩大，次数增加。科学研究领域的合作呈现出明显的多样化发展趋势，参与科研合作的个人、机构、国家的个数越来越多，范围越来越大。研究数据表明，近40年来在高被引文献的作者中参与直接或间接科研合作的研究人员数量占全部科研人员的比例由1%增长至50%，其中的主要变化是在近10年间出现的，近10年间参与合作的科研人员占到全部科研人员的43%[1]。因此，科研人员之间进行的合作创新已经成为当今科学研究领域重要的创新模式[2]。

从网络的角度来看，合作网络可以分解为论文、科研人员、期刊、机构和地区节点的集合；从分析方法的角度来看，合作网络又可以分解为宏观、中观和微观层面[3]。在如此多的集合和分析层面中，科研人员是合作的主体，论文、期刊、机构、地区间的交流合作都是通过科研人员完成的，宏观和中观的分析层面则是建立在由科研人员合作行为组成的集合之上[4]。因此以科研人员为主体，对其合著关系进行分析，是对科研合作进行研究的主要方式。

现有的合作网络研究文献主要从社会网络分析角度进行。使用社会网络分析方法进行研究的文献通过计算合作网络的节点中心度、验证合作网络的小世界特性等方法对网络中节点进行分析和探究，然而这些方法仅能计算出关于网络的宏观分析结果，无法分析和挖掘合作网络的整体变化及网络中个体发展的情况[5]。相较于其他类型的社会网络，例如引文网络、共被引网络、主题词网络等，合作网络具有节点中心度低、社群分布分散、同规模下节点绝对数低等特点[6]。这为通过信息计量手段分析合作网络带来了节点中心度变化量小、样本量小等问题。同时，由于科研工作的特殊性，科研合作中存在一定的名人效应，这种效应造成了科研合作网络的核心社群十分突出，一定程度影响到了其他合作社群的挖掘[7]。

针对合作网络节点中心度低、社群分散等问题，有学者分别研究了科研人员个体、研究机构、国家的合作网络，通过多种角度挖掘科研合作模式及发展趋势[8]。也有学者融合科研合作人员的多种属性，将科学计量学与社会网络分析相结合，通过构建不同的合作网络提高了网络密度、缩短了平均路径，研究了不同主体合作网络的特征[9]。本文在这些研究的基础上进一步增加了合作网络这一分析角度，构建了具有多种属性的异构合作网络和多角度分析模型，对合作网络进行了跨地区的多属性、跨机构的人员合作、跨时段的网络演化分析，为合作模式的演化、合作中关键人物的挖掘、合作团体的演化提供了新的分析方法。

2 相关研究

2.1 合作网络分析的研究现状

合作网络这一概念最早由Newman[10]在从社会关系网络角度研究更广泛的合作关系网络属性时提出，随后社会网络分析方法被广泛应用到合作关系的研究中。如Glanzel[11]从宏观角度对科研合作的模式以及发展趋势进行研究，以生物、化学、数学学科为例研究不同年代文献数与作者数的变化以分析科研合作的发展情况。Perianes[12]等从微观角度研究科研人员间的合著情况，确定和探测不同科研人员之间的合作战略，并提出了人员和部门间的规划及安排。Abbasi[13]等以“钢结构”研究领域为例，从社会网络属性的角度分析了该合作网络1970—2009年间合作网络的变化状况，研究了合作网络的网络特征。Schubert[14]等通过合著关系构建合作网络，从网络结构的角度探究了发展中国家与发达国家科研人员在合作模式上的特点。近些年，国内对于合作网络的研究主要集中在从不同数据源构建出合作网络并从加权社会网络分析的角度进行分析评价。如邱均平[15]等从合作、共被引、文献耦合、关键词耦合及期刊耦合五种网络入手，研究不同角度下科研人员合作网络结构的异同，探究各种社会网络分析指标在合作网络中的适用性。侯元元[16]等通过论文合著关系和专利合作关系构建多层科研合作网络，分析机构间合作关系，识别合作网络中处于重要地位的节点，为科研人员寻求未来的合作者提供参考。王平[17]等通过分析文献、人员、机构之间的联系，构建了异构的关联关系网络，分别计算了三种实体的权威度，从异构合作网络的角度对三种实体进行了评价。任妮[18]等通过对合著网络进行多角度分析，构建了一种综合性的加权网络模型，使用社会网络分析方法对加权网络进行团体探测和评价研究。

在目前的研究中，科研合作网络的研究主要应用在科研群体的探测和多层次合作网络的研究上，为科研合作模式及对象的选择提供参考。通过从多种角度对合作网络进行分析，能够进一步对科研人员之间的潜在联系进行挖掘；使用不同的角度对合作网络进行多角度分析，可以更客观的反映实际工作中的科研合作模式及现状。

2.2 合作网络可视化分析的研究现状

当前的合作网络可视化分析的研究中，通常是使用节点连接图和邻接矩阵的可视化方法对静态网络进行分析，主要的分析工作都集中于图中所显示的网络特征和网络形态。如Leydesdorff[19]等通过将节点连接图嵌套进地图中，研究不同位置科研机构的合作关系。Chinchilla[20]等通过研究国家合作相关文件的签署，用节点连接图的可视化方法研究国家间的合作关系。侯剑华[21]使用节点连接图的可视化方法展示研究机构之间的合作关系，研究了国际能源科研机构间的合作关系。李长玲[22]等使用ucinet并利用社会网络分析方法，对2001—2010年图书情报学主要期刊发表论文的相关信息进行统计分析，可视化其网络关系，分析图书情报学研究机构的分布与合作情况，对期刊间的相关关系及网络整体进行了分析。王雪芬[23]等使用以点线概念模型展示的可视化系统，对情报学领域专家间的合作关系进行展示，研究专家之间的利害关系，为专家合作提供参考。吴鹏[24]等以恐怖组织关联信息为实例进行分析，使用基于节点连接图的可视化方法对恐怖组织网络进行可视化展示，挖掘恐怖组织活动之间关联。

目前对于合作网络的研究多集中在对网络中节点度量与网络特征的计算上，而忽略了网络节点本身属性对合作关系的影响。合作网络可视化研究多集中在网络计算结果的展示，较少有从可视化本身出发对可视化视图进行分析的例子。随着合作网络研究和可视化研究的深入，合作网络数据向着多属性和大数据方向发展，可视化研究向着视图的交互与挖掘方向发展。前者指合作网络节点或连线具有多变量属性，不同节点间的连线有着不同的意义，而不同的节点之间存在着多种关联关系，节点、连线或者时间序列的跨度和数据量较大[25]。后者指可视化方法不单纯是结果的展示，可视化视图本身也可以凸显出节点的特征及网络的发展与特性。因此，合作网络的可视化过程中需要识别、跟踪和理解合作网络数据的特性，需要根据数据特征进行相对应的可视化分析。

3 合作网络多角度可视化模型的构建

合作网络的可视化分析中，主要采用图模型G=(V,E)对网络进行描述和分析。G表示图的整体，V表示网络中节点的集合，E表示节点间关系的集合，这种模型能够描述和分析同类型节点和节点之间单一关系。但随着合作网络研究的深入，研究对象从单一的科研人员扩展到了拥有知识的人、项目和组织，合作网络的研究对象扩展到了多种节点，致使合作网络分析需要处理不同节点之间不同性质的关联关系[26]。对包含有n类节点的网络进行分析需要计算n次，若n个节点间有m种关联关系则需进行nm(n>1，m>1)次计算，增加了网络分析的计算强度与分析的复杂度，同时无法对多类节点及多类关系进行合并计算，忽略了分析的全面性。针对以上问题，本文从合作网络不同种类节点和节点间不同性质的关系入手，以多数据源构建合作网络。Greilich[27]使用S={G1,…,Gk}表示节点间有k类关系的网络集合，其中网络表示为Gi=(V,Ei)，1≤i≤k。在此基础上，本研究使用Gi=(Vn，Em)进行具有n类节点合作网络的构建，n为数据源中不同类型节点的数量，由于两两不同节点间均可存在不同的关联关系，因此i=nn，Em=Vn×Vn。如图1(a)所示，多数据源合作网络的构建可以基于同类型节点间关联关系，也可以基于不同类型节点关系。构建后的多数据源合作网络如图1(b)所示，网络的构建过程可以描述为：Vn={V1∪V2∪…∪Vn}，Em={V1×V2∪V2×V3∪…∪Vn-1×Vn}，G=(Vn，Em)。随后对多数据源合作网络进行多角度分析，依据数据来源的不同存在三种分析视角，如图1(c)所示：同构网络(HomogeneousNetworks)，在同构网络中，分析视角可以围绕同类型节点展开，而节点间的关联关系可以是非直接关系，G=(V，Em)，Em∈Vn×Vn。异构网络(HeterogeneousNetwork)，异构网络分析视角从多种节点和多种关系入手，其网络可以表示为G=(Vn，kE)，k是加权系数，kE表示不同类型关联关系的加权统一，即多种类型节点之间的关系在分析和度量上进行了一致的表示，这样可以使不同的关联关系通过网络算法得出节点间关联关系的量化结果，为网络的分析和挖掘提供了同一的标准。动态网络(DynamicNetwork)中，时序是反映网络变化的重要参数，从时序的角度对网络进行分析能够挖掘网络的演化过程，探究合作的变化规律，时序网络可以表示为Gt=(Vn(ti)，Em(ti))，其中t表示时间阶段序列ti={t0，t1，…，ti}(0

图1 合作网络多角度分析过程

4 合作网络实例的多角度可视化分析

本文以信息计量学国际顶级刊物JournalofInformetrics2007—2016年间科研人员论文合著的数据为例，对合作网络进行多角度可视化分析。JournalofInformetrics是SCI索引“信息科学与图书馆学”中收录的期刊，2007—2016年一直位于学科前25%，5年平均影响因子为3.34。选取该期刊的原因有两点：一是该期刊影响力较大，在情报学领域具有广泛的认可度，样本数据包含该期刊创刊以来的所有文章，能够较好地分析该期刊的发展历程，分析学科合作特征；二是期刊的创办国为荷兰，相较于在美国等国创办的期刊能够较好地分析学科领域内不同区域间科研人员合作关系的发展状况。通过WebofScience(WOS)检索，共检索出期刊论文698篇，参与科研人员900人，国家、地区42个，科研机构358个。依照上文中的模型，文章从同构网络、异构网络、动态网络三个视角对数据进行处理和关联关系的提取。同构网络角度提取的关联关系为科研人员间的合著关系1712条、机构间合作关系586条、国家或地区间合作关系817条。异构网络视角提取的关联关系分别有：科研人员与机构间隶属关系900条、科研机构与国家间从属关系358条、国家或地区与大洲之间从属关系42条。动态网络则在以上关联关系的提取上，为每一条关系添加时间系数ti，以反映动态网络的变化情况及特征。

4.1 同构网络视角的可视化分析

首先以国家或地区间的合作来进行同构网络视角的可视化分析，为了分析合作情况的变化，选取两个时间段2007—2011和2012—2006对合作网络分别分析。如表1所示，2007—2011年间美国、荷兰和比利时的科研人员进行跨国合作数量较多，与其他国家跨国合作数量相比这三国明显处于领先地位。而后这种情况发生了一定的变化，中国、美国和德国跨国合作数量变得较多。同时，跨国家或地区合作的绝对数也在增加，这说明跨国合作变得越来越常见，越来越多的科研人员在科研活动中进行跨国合作。

表1 国家及地区间合作数量表(部分)

同样，跨国家或地区合作的群体也在发生变化。如图2的国家或地区间合作网络图所示，浅色连线代表不同洲际间国家的合作，深色连线代表相同洲际内国家的合作，连线的粗细代表合作数量的多少。在2007—2011年间，洲际间合作数量与洲际内合作数量基本相同，而主要的洲际内合作在欧洲的国家间，欧洲洲际内合作的核心国家是德国，比利时和荷兰则发挥着洲际内合作和跨洲际合作的沟通桥梁作用。而在随后的2012—2016年间，洲际间合作明显要多于洲际内合作，同时美洲、亚洲的洲际内合作也明显增加，美国和中国分别是这两大洲洲际内合作和跨洲际合作的核心国家。

通过对两个不同时间段国家或地区间合作网络的分析，跨国合作在近年呈现出数量增长和多元化趋势。欧洲国家间始终保持着较高的合作关联度，但同时美洲及亚洲的科研人员纷纷加入到跨国合作的行列中来，但从数量上来说欧洲国家间的合作依然占据了相当大的比例。可以说，目前阶段信息计量学的合作还是以欧洲国家为主导，然而随着全球化的发展，以美国、中国为核心的合作网络群体将逐渐达到甚至超越欧洲国家间的合作，形成多极化发展的国家间合作网络。

图2 国家或地区间合作网络图

4.2 异构网络视角的可视化分析

异构网络通常由不同类型的节点及节点间不同关联关系组成，对异构网络的分析往往需要同时从多个角度进行才能确保分析的完整性。如图3所示的个人及机构间合作网络图，方块表示参与合作的科研人员，方块的大小与合作次数成正比，相邻方块具有相同的颜色表示科研人员属于同一机构,具有合作关系的科研人员使用曲线相连。图3中形成了若干条较为明显的集束曲线，这样的曲线表示相关的科研人员及机构存在着数量较多的跨机构合作，虚线框标示的是跨机构合作较多的科研机构，如美国的印第安纳大学(IndianaUniv)、荷兰的莱顿大学(LeidenUniv)、比利时的鲁汶大学(KatholiekeUnivLeuven)。同颜色框体内连线较多则表明该机构的科研人员内部合作较多，在图3中这样的机构被实线框标记，如巴西的圣保罗大学(UnivSaoPaulo)、意大利的都灵理工大学(PolitecnTorino)、中国的大连理工大学(DalianUnivTechnol)。以上的分析说明，在欧州及北美国家，部分大型的科研机构起到了科研机构间枢纽的作用，而规模较小的科研机构则呈现出机构内部科研人员合作较多的情况。而在亚洲及南美国家，同一机构参与合作的科研人员数量明显较多，但在单个人员合作数量上相比欧洲及北美国家的机构则较少。

图3 个人及机构间合作网络图

在科研人员个人的合作情况中，通过图3可以发现德国的LutzBornmann、比利时的RonaldRousseau、荷兰的LoetLeydesdorff、意大利的GiovanniAbramo、英格兰的MikeThelwall、美国的DingYing等都是所在国家信息计量学研究领域的核心人物。通过对图3的分析可以发现，这些核心人员间均或多或少的存在合作关系，这说明核心科研人员间已经形成了一个研究集团，在信息计量学的关键研究中，研究人员更倾向于采取合作的方式完成研究。

4.3 动态网络视角的可视化分析

目前科研合作已不仅局限于个人层面，而是向团队、机构以及国家或地区层面转变，不同群体科研人员的知识类型、范围、层次各不相同，不同类型的差异和冲突会对合作的方式、广度、深度产生影响，这种影响不是一成不变，而是随着时间而变化[28]。因此从动态网络视角对合作网络进行分析能够探究各层面合作的变化，对合作团体的挖掘、合作行为的发展进行持续的分析，对科研合作未来的发展趋势进行预测。

文章以德国的LutzBornmann、比利时的RonaldRousseau、荷兰的LoetLeydesdorff，LeoEgghe、美国的DingYing这五位在各自国家占合作核心地位的科研人员为例进行动态网络视角下的科研人员合作可视化分析。在图4的2007—2016年科研人员合作网络图中，科研人员之间的合作关系由曲线表示，紫色曲线表示科研人员在国家内展开的合作、红色曲线表示科研人员在大洲内展开的合作、绿色曲线表示科研人员跨大洲展开的合作。从图中可以发现，五位科研人员形成了两个不同的合作群体：Group1是以比利时的RonaldRousseau为核心的以跨大洲合作为主的科研合作群体，其从2007年便开始了跨大洲的国际合作，有多位中国学者与其保持着长期的合作关系，而且随着时间的推移，合作范围也开始向比利时国家内部和欧洲内部延伸，其合作范围和合作人数同时保持着增长。Group2则是由另外4位科研人员组成的多层面科研合作群体，从图4中可以发现德国的LutzBornmann及荷兰的LoetLeydesdorff在2007—2008年主要是以国内合作为主，随后开始在欧洲范围内寻求科研合作，荷兰的LeoEgghe于2011年加入到合作中来，三位科研人员形成了一个欧洲范围内的科研合作群体，而在2012年美国的DingYing参与到了跨国合作当中，其在参与跨国合作的同时也通过美国国内合作形成了国内的合作群体，在国内和跨国合作群体中均成为了核心人物。

图4 2007—2016科研人员合作网络图

为了进一步挖掘在跨国家、跨大洲合作中起到桥梁作用的关键人物，对不同合作群体中相似的节点进行了合并，使得关键部分的连接节点能够凸显出来。如图5所示，DingYing主要与LoetLeydesdorff进行跨大洲合作，而在黑框部分则是MilojevicStasa与LutzBornmann进行的跨大洲合作。DingYing与MilojevicStasa同属美国的印第安纳大学，MilojevicStasa成为了DingYing与信息计量学家LutzBornmann合作的中间人物，因此可以说这两位科研人员是连接北美和欧洲信息计量学研究合作的关键人物。

图5 相似合并的科研人员合作网络图

5 讨论

通过对合作网络进行多角度分析发现，跨洲际合作已经成为了当今跨国合作的主流形式。2007—2011年间参与跨洲际合作的国家与洲际内合作国家数量基本相同，而2012—2016年跨洲际合作的国家比洲际内合作国家多出了40%，这说明洲际间跨国合作的界限越来越小，国际合作覆盖的范围越来越广泛，不少在2007—2016前5年进行洲际内合作的学者在后5年中逐渐开始进行跨洲际合作，如德国的LutzBornmann及荷兰的LoetLeydesdorff等。但同时也能够注意到欧洲国家间形成的合作群体依然十分紧密，其数量与范围的增长与跨大洲合作类似，这说明欧洲部分国家在信息计量学研究中一直都有着重要地位。这一方面与欧洲国家间国土位置较近有关，另一方面则由于信息计量学发源于欧洲，其积累的研究底蕴是部分新兴国家尚难以达到的。从国家的角度分析能够发现，跨国合作的数量一直保持着强劲的增长态势，2007—2011年跨国合作数为264，节点中心度加和为0.57，2012—2016年跨国合作数为548，中心度加和为2.24，5年间合作数增长了107%，节点中心度增长了292%。同时不仅美国、欧洲国家是国际合作的主要力量，中国及部分亚洲国家在近5年间也逐渐加入到主流的国际合作中来，其增长势头也较快。从机构角度来看，欧洲的部分研究机构在合作次数上较多，而美洲、亚洲的部分研究机构参与合作的科研人员数量较多，这说明信息计量学的核心科研人员有相当一部分在欧洲，而其他地区的科研人员往往选择进行大范围的合作，来达到跻身学科前沿的目的。从科研人员的角度来看，不同的科研人员会选取不同的合作方式，有着重于在洲际范围内进行合作的，也有主要开展跨洲际合作的。相对于前者，随着技术的发展与合作的深入，跨洲际合作在近年间成为了更多科研人员的选择，部分参与洲际内合作的科研人员也转而参与到跨洲际合作中去，这说明在国际科研合作中跨洲际合作已经成为科研人员的首选方式。

相较于一般从微观、中观和宏观三个角度分别进行可视化分析的研究，多角度可视化分析方法融合了对内容、信息利用过程以及知识网络的可视化分析。在进行个体节点分析的同时，考虑了个体所在团体对个体的影响。这样既能分析个体在网络中的发展情况，又能弥补单纯进行个体关联关系分析中出现的网络分散、节点计算绝对数低等问题。

在可视化分析的效果上，由于多角度可视化分析方法可以融合不同的关联关系进行分析，因此能对三种及三种以上类型节点进行可视化分析。而为了避免多关系多表示带来的可视化图像的混乱，多角度可视化分析方法使用连线集束法对相类似的关联关系进行归并，这样既能突出关键节点的重要程度，又不至于对其他节点关联关系的表述产生干扰。在节点表示方面，多角度分析方法使用颜色、重点区域标识等方法作为包含有多个子节点的上层节点表示方法，在原有的单一属性节点分析的基础上增加了节点的属性信息而可视化视图的结构不用发生改变。在关系表示方面，使用时间轴表示不同节点在某一时间段内的变化、使用颜色表示同节点不同类型的关联关系，为社会网络关系的挖掘提供了更广阔而深入的视角。

6 总结

信息化时代的来临使科研人员进行合作的渠道变得多样，同时科学研究的深入也使得科研人员需要寻求合作以攻克科研难题，通过对合作网络进行多角度分析，能够对合作网络中不同类型的节点进行合作趋势揭示和合作团体挖掘，为科研人员的合作提供更为详尽的参考。

本研究通过可视化这一有效的大数据分析途径，对合作网络的不同类型节点和节点间关联关系进行定义，构建了合作网络多角度可视化分析模型。从同构网络、异构网络、动态网络三个视角对科研合作网络进行分析，挖掘了科研合作的核心地区、机构和人员，对不同层面科研合作的变化以及发展进行了揭示，还对比了不同的核心科研人员在合作对象选择上的不同。分析结果能够清晰正确地反映所需要解决的问题，表明此可视化模型和分析方法具有一定的必要性和科学性。在可视化分析方法上，本研究对当前面向单一节点及属性的可视化分析方法进行了改进，通过加入颜色、形状、时序等多种可视化元素使可视化视图能够反映多种类可视化节点及多层次关联关系，为网络分析和数据挖掘工作在可视化方面的应用提供了更大的分析范围和更深入的分析角度。

未来的工作中将尝试引入更多种类的节点和关联关系以构建更大规模和更多属性的合作网络，根据分析对象的特点进行特定角度的可视化分析，为挖掘科研合作的实际情况提供更精确的帮助。

[1]DingY.Scientificcollaborationandendorsement:Networkanalysisofcoauthorshipandcitationnetworks[J].JournalofInformetrics,2011,5(1):187.

[2] 朱云霞. 基于合著与共引关系的学者关联度模型及实证研究[J]. 图书情报工作,2015,59(22):97-104.

[3]HeB,DingY,NiC.Miningenrichedcontextualinformationofscientificcollaboration:Amesoperspective[J].JournaloftheAmericanSocietyforInformationScience&Technology,2011,62(5):831-845.

[4]BucklandM.Annualreviewofinformationscienceandtechnology[J].JournalofDocumentation,2006,4(1):79-83.

[5] 卿雅娴, 李锐, 吴华意. 基于论文合著网络的学术社区分析方法研究——以《美国地理学家联合会会刊》为例[J]. 数据分析与知识发现,2017,1(4):20-29.

[6]YanE,DingY.Scholarlynetworksimilarities:Howbibliographiccouplingnetworks,citationnetworks,cocitationnetworks,topicalnetworks,coauthorshipnetworks,andcowordnetworksrelatetoeachother[J].JournaloftheAssociationforInformationScienceandTechnology,2012,63(7):1313-1326.

[7] 刘俊婉, 丁凯悦, 王菲菲,等. 科学合作的弱关系、强关系以及超级关系研究[J]. 科学学研究,2017,35(4):500-510.

[8]MiquelJF,OkuboY.Structureofinternationalcollaborationinscience-partII:Comparisonsofprofilesincountriesusingalinkindicator[J].Scientometrics,1994,29(2):271-297.

[9] 吕鹏辉, 刘盛博. 学科知识网络实证研究(Ⅳ)合作网络的结构与特征分析①[J]. 情报学报,2014(4):367-374.

[10]NewmanME.Scientificcollaborationnetworks.I.Networkconstructionandfundamentalresults[J].PhysicalReviewEStatisticalNonlinear&SoftMatterPhysics,2001,64(2):016131.

[11]GlanzelW.Coauthorshippatternsandtrendsinthesciences(1980-1998):Abibliometricstudywithimplicationsfordatabaseindexingandsearchstrategies.[J].LibraryTrends,2002,50(3):461-473.

[12]Perianes-RodríguezA,Olmeda-GómezC,Moya-AnegónF.Detecting,identifyingandvisualizingresearchgroupsinco-authorshipnetworks[J].Scientometrics,2010,82(2):307-319.

[13]AbbasiA,HossainL,UddinS,etal.Evolutionarydynamicsofscientificcollaborationnetworks:Multi-levelsandcross-timeanalysis[J].Scientometrics,2011,89(2):687-710.

[14]SchubertT,SooryamoorthyR.Canthecentre-peripherymodelexplainpatternsofinternationalscientificcollaborationamongthresholdandindustrialisedcountries?ThecaseofSouthAfricaandGermany[J].Scientometrics,2010,83(1):181-203.

[15] 邱均平, 董克. 作者共现网络的科学研究结构揭示能力比较研究[J]. 中国图书馆学报,2014,40(1):15-24.

[16] 侯元元, 夏勇其, 刘彤,等. 基于期刊论文和专利文献的多层科研合作关系网络研究[J]. 情报学报,2014(10):1057-1066.

[17] 王平, 辜希武, 赵慧慧. 基于多重关系异构网络的学术实体权威度评估方法研究[J]. 情报学报,2014(8):872-882.

[18] 任妮, 周建农. 合著网络加权模式下科研团队的发现与评价研究[J]. 现代图书情报技术,2015,31(9):68-75.

[19]LeydesdorffL,PerssonO.Mappingthegeographyofscience:Distributionpatternsandnetworksofrelationsamongcitiesandinstitutes[J].JournaloftheAssociationforInformationScienceandTechnology,2010,61(8):1622-1634.

[20]Chinchilla-Rodr,GuezZ,Vargas-QuesadaB,etal.Newapproachtothevisualizationofinternationalscientificcollaboration[J].InformationVisualization,2010,9(4):277-287.

[21] 侯剑华. 国际能源技术研究机构合作的可视化分析[J]. 情报杂志,2009,28(5):8-13.

[22] 李长玲, 支岭, 郭凤娇. 基于SNA的我国图书情报学研究机构合作情况分析[J]. 情报杂志,2012,31(7):38-43.

[23] 王曰芬, 王雪芬, 颜端武. 基于社会网络的科技咨询专家库的原型系统设计与实现[J]. 情报学报,2012,31(3):250-258.

[24] 吴鹏, 李思昆. 基于领域本体的社会网络信息分析与可视化[J]. 计算机工程与科学,2011,33(12):66-71.

[25] 刘真, 吴向阳, 郑秋华. 动态网络可视化与可视分析综述[J]. 计算机辅助设计与图形学学报,2016,28(5):693-701.

[26] 张斌, 马费成. 科学知识网络中的链路预测研究述评[J]. 中国图书馆学报,2015,41(3):99-113.

[27]GreilichM,BurchM,DiehlS.Visualizingtheevolutionofcompounddigraphswithtimearctrees[J].ComputerGraphicsForum,2009,28(3):975-982.

[28] 巴志超, 李纲, 朱世伟. 科研合作网络的知识扩散机理研究[J]. 中国图书馆学报,2016,42(5):68-84.