基于VOSviewer的测评机构市场竞争特征分析模型的构建

王云丽 杨文焕 邵云霞 成彬 陈志宾

收稿日期：2023-09-14

基金项目：河北省科学院科技计划项目（2022PF01-1）

DOI：10.19850/j.cnki.2096-4706.2024.07.031

摘  要：网络安全等级保护在网络安全保障、网络强国建设方面发挥着至关重要的作用。随着资质管理从审核推荐模式向服务认证模式的转变，网络安全等级保护测评机构的资质管理得到网络安全界越来越多的关注。在分析网络安全等级保护测评机构投标项目信息的基础上，应用VOSviewer知识图谱软件构建一种市场竞争特征分析模型，为等级测评行业的高质量发展提供参考借鉴。首先对采集数据进行清洗以及基于相似度去重；然后采用机器学习算法对项目信息进行“关键词”（项目类型、项目所属行业）的抽取和标注；最后将项目信息进行RefWorks格式转换并导入VOSviewer，可视化呈现测评机构的竞争关系和市场特征。

关键词：网络安全等级保护测评机构；VOSviewer；项目信息；市场竞争特征；模型构建

中图分类号：TP309  文献标识码：A  文章编号：2096-4706（2024）07-0151-10

Construction of a Market Competition Characteristic Analysis Model for Evaluation Institution Based on VOSviewer

WANG Yunli1，2， YANG Wenhuan1，2， SHAO Yunxia1，2， CHENG Bin1，2， CHEN Zhibin1，2

（1.Institute of Applied Mathematics of Hebei Academy of Sciences， Shijiazhuang  050081， China;

2.Information Security Authentication Technology Innovation Center in Hebei Province， Shijiazhuang  050081， China）

Abstract： Classified protection of network security plays a crucial role in ensuring network security and building a strong network nation. With the transformation of qualification management from audit recommendation mode to service certification mode， the qualification management of network security classified protection evaluation institutions is receiving increasing attention from the network security community. On the basis of analyzing the bidding project information of network security classified protection evaluation institutions， a market competition characteristic analysis model is constructed using VOSviewer Knowledge Graph software， which provides reference for the high-quality development of the classified evaluation industry. Firstly， the collected data is cleansed and deduplicated based on similarity. Then， Machine Learning Algorithm is utilized to extract and label “keywords” （project types， industry sectors） from the project information. Lastly， the project information is converted to the RefWorks format and imported into VOSviewer to visualize the competitive relationships and market characteristics of evaluation institutions.

Keywords： network security classified protection evaluation institution; VOSviewer; project information; market competition characteristic; model construction

0  引  言

网络安全等级保护制度是国家网络安全保障工作的基本制度，也是一项事关国家安全和社会稳定的基本保障。随着新一代信息技术的发展和《网络安全法》的颁布，网络安全等级保护制度进入2.0时代[1]。2022年，网络安全等级保护测评机构（以下简称“测评机构”）的资质管理由审核推荐模式转变为服务认证模式[2，3]。在应用、技术创新和政策的共同推动下，网络安全等级保护测评（以下简称“等级测评”）行业迎来新的发展机遇。

等级测评作为一个偏重技术服务的网络安全保障手段，以往的研究大多集中在等级保护应用建设[4，5]及网络安全产业技术发展方面[6-9]，有关市场竞争的研究力度较为欠缺。

近年来，随着科学计量学、数据可视化和知识图谱等学科和技术的发展，学者们纷纷开发VOSviewer等知识图谱和文献计量分析软件，运用这些软件可对科技文献的标题、作者、关键词等进行分析，实现科学计量、图谱展示[10]，还可对关注领域进行共现和密度分析。本文通过分析测评机构的投标项目信息，创新性地应用VOSviewer软件构建一种测评机构竞争关系、市场特征分析模型，以期为等级测评行业的高质量发展提供指引，并为今后优化行业发展策略提供参考。

1  模型构建

1.1  数据收集与处理

截至2022年底，全国共有226家测评机构[11]，其中企业性质机构174家，事业单位40家，非企业法人9家和社会组织3家。事业单位投标项目较少，而等级测评不是非企业法人测评机构的主营业务，为此本次数据采集仅限企业和社会组织共计177家。

从天眼查、各省级政府采购网等公开网站收集的各测评机构自资质获取之日（资质时间由作者跟踪关注中国网络安全等级保护网公告的《全国网络安全等级测评与检测评估机构目录》整理）起至2022年12月这一期间的投标项目信息可知，主要字段包括测评机构、资质时间、发布日期、项目名称、项目地区、信息类型、采购人、供应商（中标商）、中标金额等，如表1所示。

1.1.1  数据剔除

获取到的项目信息数据类型有四种，分别为：招标公告（75 950条）、招标预告（713条）、中标结果（75 950条）、无法识别的数据（22条）。删除招标公告和招标预告数据，手工识别并标记22条空白数据，仅保留中标结果类型的数据。

观察发现，“国家队”（如交通运输信息安全中心有限公司、中金金融认证中心有限公司）、“行业队”（如北京卓识网安技术股份有限公司、中国电力科学研究院有限公司等）的项目信息绝大部分属于行业系统建设类，不在本文研究范围之列。

删除采购人为自身的测评机构，剩余项目数据52 828条。

1.1.2  数据清洗

对以下字段进行数据清洗：

1）测评机构名称。对于更名的机构，根据认证证书编号对其进行规范化和统一。

2）项目名称。如出现项目编号等混杂信息，则对其进行规范化和统一。

3）采购人。空白的采购人信息，根据项目名称的相关信息进行填充。在无法从项目名称中提取有效信息的情况下，填充“无”等特定值。

4）供应商名称。前面带有“第一包”“A包”“标段一”“第一名”等描述性信息的名称，需要进行规范化处理。对于出现错别字或使用简称等情况，需要进行相应的更正和识别。

1.1.3  数据去重

一个项目的中标信息和中标公告经常会发布在多个平台或媒体上，使得我们在采集数据时会出现数据重复的情况。而且，不同媒体发布公告的时间也不同，因此需要对数据进行合并去重。除了这些客观因素导致数据的大量重复之外，媒体发布公告信息的不规范性也增加了数据清洗和去重的工作量。为此，本文在投标项目信息（测评机构+项目名称+采购人+供应商）的分析中引入中文文本分析算法，对投标项目信息的相似度进行计算分析，并根据设定的相似度阈值进行重复数据的删除，从而达到数据去重的目的。投标项目信息文本相似度的计算[12-14]步骤如下：

1）加载同义词词典，如中标公告、中标候选人、中标候选人公示、中标结果公示、中标（成交）公告、招标结果公示、成交候选人公示、合同公告等。

2）对投标项目信息进行分词和同义词转换。

3）使用Gensim库corpora.Dictionary（）函数构建语料库，并将其转化为向量形式。

4）对词向量进行TF-IDF特征抽取以生成新的向量。

5）通过Similarities中的SparseMatrixSimilarity方法将新的语料库转换成一个稀疏矩阵，并计算各个向量之间的余弦相似度。

6）设置相似度阈值为0.9，且公告日期在3个月之内的认定为重复数据，对重复数据进行删除处理。四川、陕西地区的部分履约验收公告时间间隔大约在一年左右，而内蒙古地区的部分履约公告时间间隔长达两年，在这种情况下，需要在相似度阈值的基础上放宽间隔时长要求，再次进行去重处理。

经过数据去重后，有效投标项目信息为42 574条，作为研究样本。整个数据处理过程如图1所示。

1.2  研究方法

VOSviewer在概率论的思想下对文本之间的共现高频词进行归一化处理，适合大规模网络可视化分析。本研究结合使用VOSviewer软件[15-17]和Python语言对测评机构、资质时间、发布日期、项目名称、项目地区、信息类型、采购人、供应商（中标商）、中标金额等数据进行分析，参照文献资料的“作者”“关键词”节点，分析测评机构市场竞争的共现图和密度图。

从项目信息中提取与测评机构市场竞争相关的特征。采集的项目信息仅包含发布日期、项目名称、项目地区、采购人、供应商（中标商）、中标金额等，没有文献资料的那种“关键词”。本研究需要从项目信息中提取“关键词”（项目类型、所属行业），有了关键词就可以借助VOSviewer软件对测评机构进行地区、类型、行业等多维度的组合分析。

中标金额是评价测评机构业绩的重要指标之一，但是，在所采集的测评机构投标项目信息中，中标商并非完全是测评机构自己，且中标金额的单位不统一，或部分中标项目未显示金额，这使我们无法进行有效的汇总和统计，因此没有将中标金额选作研究维度。

若要实现上述目标，需要获得两个技术支撑：一是从项目信息中提取关键词；二是将项目信息数据文件转换为VOSviewer可用的分析文件。

1.3  “关键词”提取

1.3.1  项目类型的抽取

从项目名称中直接抽取充分揭示项目类型的词汇，抽取完此类词汇后对同义词进行归并，如将“等级保护测评”“等保测评”等归并为“等级测评”，将“商用密码安全性测评”“密码评估”“密码测评”等归并为“密评”等。最终抽取归并为56种项目类型，划分为四大类：

1）信息化服务类。包括平台项目、设备采购、信息化监理、运维服务、升级改造、密码整改等。

2）网络安全服务类。包括等级测评（含第三方测评）、安全技术服务、密评、风险评估、安全防护评估、验收测评、软件测试、密码方案评估等。

3）工程服务类。包括抽查检验检测、环评报告、工程监理、工程监测、勘察设计等。

4）其他服务类。包括信息传输服务、调查研究、媒体合作等。

在实际的项目中，同一项目信息可能同属于几种不同的项目类型。值得注意的是，本研究只是从项目名称中抽取项目类型，并未对项目类型的预期进行修正或做进一步的补充判断。

同时，从项目名称中提取诸如区块链、云计算、大数据、物联网和工控系统之类的新一代信息技术关键词，以研究这类项目在全国各地的实际应用情况。

1.3.2  项目行业的训练、预测

针对不能直接从项目名称中抽取项目所属行业的分类标签，通过数据标注及模型训练的方式生成。

数据标注：选择中关村信息安全测评联盟（以下简称“测评联盟”）第二届副理事长单位7家“地方”测评机构的5 526条投标数据，参考“信息系统安全等级保护备案表”的行业类别进行手工行业标注，共有47种行业划分，归并为四大类：

1）政府机构类。包括政务服务、公安、自然资源、市场监督、法院、住建、人社、财政、司法、水利、环保、农业、发展改革、检察院、税务、审计等。

2）社会事业类。包括卫生、市政、广电、邮政、公共交通、消防救援、文旅、智慧城市等。

3）行业企业类。包括电力、电信、交通、能源、烟草、金融证券、铁路、民航、工业制造等。

4）教育科研类。包括教育、科技等。

模型训练、预测的步骤如下[18]：

1）读取已手工标注项目行业数据集。

2）对投标项目信息（项目名称+采购人）进行分词。

3）将文本信息转换为特征向量。

4）将已读取的数据集划分为训练集和测试集。

5）训练SVM模型并预测测试数据集，查看模型评估指标，如调参后达到满意效果，则保存训练好的模型。该模型的准确率（Accuracy）为0.912 5。

6）读取待标注的数据集，加载训练好的SVM分类器进行项目所属行业的预测并导出结果。

1.4  项目信息的格式转化

将经数据处理后项目信息的相关文本伪装成VOSviewer可识别的RefWorks格式，进行相关的分析。

文献资料的RefWorks格式如图2所示。

经数据处理后的项目信息数据需要与RefWorks格式对应起来，如表2所示。

以表1的最后一行项目信息为例，经“关键词”抽取、格式转换的数据为：

RT广东162

A1广东162；湖南155（该项目是竞争对手中标，即“合作作者”，而表1的第一行项目数据是自己中标，即“独立作者”，A1则为“广东162”）

T1长沙市消防救援支队长沙市“智慧消防”一期建设项目——第三方评测服务中标公告

JF长沙市消防救援支队

YR 2022/12/30

OP 84638

K1广东162；第三方测评/广东162；消防救援/广东162；第三方测评；消防救援

1.5  可视化展示

将RefWorks格式的项目信息导入VOSviewer进行可视化分析。在VOSviewer中，以“作者”测评机构为例，节点大小表示测评机构的项目数量。两个节点之间的距离表示两个节点（测评机构）之间的关联度或相似度。距离越短，说明两个节点之间的相似度越高，或者说是两个节点之间的关联越紧密，反之亦然。两个节点之间连线的粗细表示两个测评机构之间的关联强度。线条越粗，说明两个测评机构之间的竞争关系越强，也就是说两个机构同时投标竞争的可能性越大。节点颜色表示测评机构所属的簇类，不同的簇类用不同的颜色来表示。

2  测评机构基本情况

2.1  测评机构分布情况

2010年，国家开启测评机构的建设工作，截至2022年底，我国测评机构共有226家，在岗测评师有7 800余人。从测评机构的审核推荐年份来看，各年份测评机构数量稳步增长，如图3所示。从地区分布来看，全国31个省市（深圳归为广东省）均有测评机构，数量比重基本均衡，如图4所示。虽然北京因有多个“国家队”和“行业队”而使测评机构数量较多，但从整体来看，全国各地的测评机构是统筹发展的。这种顶层设计下的统筹发展模式既可以满足不断增长的市场需求，又可以合理控制各省测评机构的总数量，避免同行恶意降价竞争，进一步夯实了等级测评行业持续健康发展的根基。

2.2  项目分布情况

项目数量（同一采购人招标项目可能会有多家测评机构参与投标，因此统计的是各测评机构的投标项目数量，不是采购人招标的项目数量）是研究测评机构市场特征的一个重要指标，能够直观反映该领域市场发展的动态变化，帮助我们识别等级测评领域的发展阶段和发展趋势。

测评机构的发展可分为两个阶段：起步阶段（2010—2016年）和发展阶段（2017—2022年）。2010—2022年间，测评机构的项目数量共计42 574个。2010年测评机构无投标项目，2011年仅有13个投标项目，涉及5个省市。在2015年之前，测评机构的投标项目仅有几百个，部分地区还是空白，该行业处于起步阶段。然而，从2017年开始，测评机构的投标项目数量猛增到2 046个，是2010—2016年总量的两倍，项目范围覆盖全国。到2022年，测评机构的投标项目数量高达13 326个，如图5所示。

测评机构投标项目数量占比排名前10位的地区（项目地区指的是测评机构注册所在的省市。该省市的项目数量指的是所有在该省市注册的测评机构实施的项目数量，但这些测评项目的实施地点可能在其他省市）在2010—2016年间的起步阶段，项目数量较少，全国仅有975个项目，绝大多数的测评机构在本省范围内开展业务。然而，四川、辽宁测评机构实施的外地项目数量占比较大。数据显示，四川178与辽宁077这两家测评机构在全省的项目总数量占比为83%、62%，带高了全省的外地项目占比。浙江、广东、四川、河南为等级保护或测评机构试点工作开展地区。

在2017—2022年间的发展阶段，测评机构的投标项目数量猛增到41 599个，是起步阶段的43倍。山东、广东测评机构的项目数量居多，四川、浙江次之；浙江、广东、四川、江苏、山东等地发展基础良好，初步形成了地区均衡发展之势；重庆、吉林、河北、安徽等地发展势头较好，具有较大的发展空间。这一阶段测评机构普遍在全国范围内开展业务。由表3可以看出，等级测评行业迎来爆发式增长。

3  测评机构市场特征分析

3.1  竞争网络

运用VOSviewer将项目信息的“作者”制成测评机构共现图，对测评机构之间的竞争关系进行可视化分析。

由图6（a）可知，2010—2016年间，测评机构之间的网络连接较为稀疏，多是省内竞争，市场竞争相对较小。网络分别以吉林082、山东134、四川178、辽宁077为中心的竞争较明显。从整体图谱来看，测评机构之间的竞争关系并不十分激烈，大部分测评机构处于一种“独行状态”，竞争对手主要集中在省内的部分测评机构。因此，由存在竞争关系的可视化图谱可以看出，跨地区的市场业务还没有开展，随着等级保护工作的持续推进，跨地区的市场竞争蓄势待发。

由图6（b）可知，2017—2022年间，测评机构之间的网络连接复杂，全国范围的网络连接关系较为密切，针对某一个项目的招标除了省内多家测评机构参与竞争外，外地测评机构涌入竞争行列的趋势越来越明显，全国范围的市场竞争网络正在加速构建。

（a）2010—2016年

（b）2017—2022年

图6  测评机构竞争关系共现图

测评机构的项目数量是其企业实力的体现，通常情况是测评机构的市场能力越强，其项目数量越多。从如表4所示的项目数量统计来看，我国项目数量排名前10的测评机构在2010—2016年间共实施项目535个，占项目总量的55%，在2017—2022年间实施的项目数量是12 134，占项目总量的29%，由此可见，我国测评市场开始呈现多元化，市场竞争进入百花齐放的阶段。

2010—2016年间排名前10位的测评机构在本省实施的项目数量较多，而2017—2022年间测评机构在外地开展业务较为普遍。对比分析2010—2016年和2017—2022年的测评机构排名，发现辽宁077、山东134、广东158和吉林083的项目数量一直稳居前列，这几家测评机构获取资质的时间较早，业务开展时间长，均为专精特新企业，且其所拥有的测评师相对较多，等级测评业务一直占很大的比重，属实力强劲的测评机构。

3.2  项目类型

2010—2016年间投标项目共计975个，涉及31种项目类型。等级测评、平台项目、信息化监理是主要类型，此外还涉及设备采购、运维服务、风险评估、第三方测评等类型。数据显示，辽宁077和四川178的投标项目主要是信息化监理类项目，省外项目数量较多，而吉林082、吉林083和吉林084的投标项目主要是平台项目，辽宁076的投标项目主要是抽查检验检测，偏土木工程行业，如图7（a）所示。在测评机构起步阶段，信息化服务类项目是其主要的投标项目类型。

2017—2022年间投标项目共计41 599个，涉及56种项目类型。等级测评、平台项目、信息化监理仍是主要类型，第三方测评、运维服务和抽查检验检测紧随其后。密码类项目（包含密评、密码方案评估、密码整改、密码方案编制）自2019年开始逐年猛增。数据显示，辽宁077、四川178仍以信息化监理类项目为主，而吉林083的主要项目类型则由信息化监理转变为等级测评。山东134的等级测评项目占据全国榜首，山东139、广东158和广东162的密码评估项目数量猛增（等级测评项目除外）。重庆177侧重电信类的方案设计、规范/规划编制类项目，浙江113主要从事抽查检验检测类项目，偏重于工程类，如图7（b）所示。在发展阶段，网络安全服务类项目成为主要类型，数量达到信息化服务类项目的2倍。

3.3  项目所属行业

2010—2016年间投标项目共计975个，涉及40种行业。主要行业有教育、政务服务、公安，此外还涉及法院、卫生、自然资源、财政等行业。吉林082、吉林084侧重教育行业，而吉林083则侧重于法院机构，辽宁077侧重于公安机构，如图8（a）所示。数据显示，政府机构产生的测评项目在全国各省的项目数量都位居榜首。

2017—2022年间投标项目共计41 599个，涉及47种行业。主要行业有政务服务、卫生、教育，公安机构、电力、电信行业紧随其后。辽宁077和四川178侧重政务服务行业，而重庆177更注重电信行业，吉林083则偏向法院机构、检察院机构，浙江113专注于市场监督行业。2019年，网络安全等级保护迈入2.0时代，云计算、大数据、物联网、工控系统等新兴项目类型开始涌现，“大数据”在政务服务行业的项目最多，如图8（b）所示。

3.4  地域特征分析

2017—2022年间项目数量排名前3位的地区为山东、广东和四川。山东省的测评机构中，山东138与山东140的距离较近，相似度较高，山东134、山东139和山东136，三者之间的连线较粗，竞争较为激烈；广东省的测评机构中，广东164与其他测评机构的距离较远，侧重于土木工程检测类项目。四川省测评机构中，四川178与其他测评机构不同，侧重于信息化监理类项目，如图9所示。

山东、广东和四川这三个省份的等级测评项目数量都是位居榜首，遥遥领先于其他项目。山东和广东的政务服务行业项目数量位居第一，而四川则是卫生行业项目遥遥领先于其他行业项目，如图10所示。数据显示，在山东、四川，一些客户会选择把等级测评、信息化监理、风险评估和软件测试合并到一个项目中。

4  结  论

自2007年《信息安全等级保护管理办法》发布以来，我国的等级保护工作得到了快速推进，等级测评在国民经济和社会生活的各个领域得到广泛的开展。2016年，《网络安全法》的颁布使等级保护制度正式纳入法律体系，对等级测评行业的发展起到了推波助澜的作用。随着测评机构的资质管理由审核推荐模式向服务认证模式转变，许多网络安全企业也开始涉足这个领域。国家数字化发展战略和“十四五”规划的实施将进一步释放等级测评刚需的潜力。

尽管我国等级测评的需求不断增加，但与系统集成和软件开发等项目相比，其规模相对较小，绝大多数测评机构属于小微企业。根据网络安全等级保护网的数据，截至2022年底，只有9家测评机构拥有80名以上的测评师，而测评师数量在80人以下的测评机构占比高达96.43%。随着信息技术的快速发展和安全威胁的不断演变，测评机构需要具备高水平的技术和服务人才，不断扩大规模，逐渐建立起行业品牌，提升自身的市场竞争力。

需要注意的是，由于各项目中标公告的发布内容不同，有些中标公告只显示前三名中标候选人，有的中标公告只显示第一名中标候选人，而某些中标公告会列出所有投标人。因此，在统计测评机构的项目数量时，与实际采购人的项目数量可能会存在一定的出入。通过对项目信息进行分析，可以探索测评机构的市场监督机制并积极推动行业自律，为产业健康发展营造良好的环境。同时，也呼吁测评联盟加强市场监管，尽可能在维护系统参与者利益的同时兼顾更广泛的社会利益，避免低价恶意竞争导致质量下降。只有建立更加完善的监督机制和认证体系，才能保障测评机构的公正性和专业性，为行业的可持续发展提供坚实的保障。

参考文献：

[1] 郭启全等编著.《关键信息基础设施安全保护条例》《数据安全法》和网络安全等级保护制度解读与实施 [M].北京：电子工业出版社，2022.

[2] 网络安全等级保护网.关于撤销网络安全等级测评机构推荐证书的公告 [EB/OL].（2021-11-20）.http：//ahdjbh.com/dengbaozixun/800.html.

[3] 中国合格评定国家认可委员会.CNAS-CI01-A018：2022《检验机构能力认可准则在网络安全等级保护测评领域的应用说明》 [EB/OL].（2022-06-28）.https：//www.cnas.org.cn/rkgf/jcjgrk/rkyyzz/2022/06/908814.shtml.

[4] 侯爽，李寅，许扬.基于等保2.0标准的互联网医疗系统三级等保测评实践探索 [J].中国数字医学，2022，17（3）：101-104.

[5] 王世强，肖致明，杨丁一.国家能源集团铁路调度系统网络安全等级保护技术研究 [J].铁道运输与经济，2022，44（S1）：65-70+103.

[6] 张卓群.中国网络安全产业发展态势及对策研究 [J].北京工业大学学报：社会科学版，2022，22（3）：75-85.

[7] 李利，韩伟红，梅阳阳，等.当前网络空间安全技术发展现状及思考 [J].信息技术与网络安全，2021，40（5）：33-38.

[8] 汪清华，张磊.网络信息安全的数据可视化分析 [J].电子技术，2022，51（8）：76-78.

[9] 孙晨霞，施羽暇.近年来大数据技术前沿与热点研究——基于2015—2021年VOSviewer相关文献的高频术语可视化分析 [J].中国科技术语，2023，25（1）：88-96.

[10] 付健，丁敬达.Citespace和VOSviewer软件的可视化原理比较 [J].农业图书情报，2019，31（10）：31-37.

[11] 网络安全等级保护网.网络安全等级保护测评机构服务认证获证机构名录[EB/OL].（2023-02-13）[2023-06-27].https：//www.djbh.net/agency？q=agencyIn&tab=2.

[12] 郭欣，张丽坤.一种基于禁毒情报相似度计算的中文文本分析算法 [J].中国人民公安大学学报：自然科学版，2018，24（1）：57-62.

[13] 龚永罡，郭远南.基于TF-IDF和word2Vec的中文文本自动摘要模型 [J].中国新通信，2023，25（2）：65-67.

[14] 郭佳怡，方博平，陆欣怡，等.基于文本挖掘和情感分析方法的“智慧旅游”服务质量感知研究 [J].现代信息科技，2023，7（6）：1-5+12.

[15] 廖胜姣.科学知识图谱绘制工具VOSviewer与Citespace的比较研究 [J].科技情报开发与经济，2011，21（7）：137-139.

[16] ECK N V，WALTMAN L. Software Survey： VOSviewer， a Computer Program for Bibliometric Mapping [J].Scientometrics，2009，84（2）：523-538.

[17] 左丽华，肖仙桃.知识图谱可视化工具VOSViewer和NWB Tool的比较研究 [J].情报科学，2015，33（2）：95-99.

[18] 李海艳，王文东，江丛君.机器学习下的新冠疫情新闻文本分类 [J].延安大学学报：自然科学版，2023，42（1）：79-82.

作者简介：王云丽（1973—），女，汉族，河北高邑人，副研究员，硕士，研究方向：网络安全、数据分析；杨文焕（1989—），女，汉族，河北清河人，工程师，硕士，研究方向：网络安全、数据分析；邵云霞（1972—），女，汉族，河北栾城人，副研究员，硕士，研究方向：人工智能、数据分析和网络安全；成彬（1973—），男，汉族，河北定州人，研究员，硕士，研究方向：网络安全；陈志宾（1978—），男，汉族，河北唐县人，副研究员，硕士，研究方向：网络安全、数据安全。