基于t-SNE算法的双一流大学基金立项关键词降维的可视化建模研究

doi:10.13998/j.cnki.issn1002-1248.2019.12.16-1097

农业图书情报学报 ›› 2020, Vol. 32 ›› Issue (2): 47-57.doi: 10.13998/j.cnki.issn1002-1248.2019.12.16-1097

基于t-SNE算法的双一流大学基金立项关键词降维的可视化建模研究

曹祺

珠海市横琴新区灰觋信息科学研究院,珠海 519030

收稿日期:2019-12-16 出版日期:2020-02-05 发布日期:2020-02-25
作者简介:曹祺(1988-),男,ORCID：0000-0001-6337-345,武汉大学管理学博士,中国科学技术信息研究所情报学博士后,副研究馆员,高级工程师,研究方向：情报科学。

Visual Modeling of Keyword Dimension Reduction in Double First-Class University Funds Based on t-SNE Algorithm

CAO Qi

Greysh Academy of Information Sciences, Hengqin New Area, Zhuhai City, Zhuhai 519030

Received:2019-12-16 Online:2020-02-05 Published:2020-02-25

摘要/Abstract

摘要： [目的/意义]国家自然科学基金的立项资助是科研能力的重要体现,分析双一流大学的科研基金的立项数据有助于为大学建设提供战略支持。[方法/过程]研究国家自然科学基金委员会在1998年—2017年资助项目的关键词数据,先对双一流大学进行预处理,然后利用MATLAB中t-SNE算法对结果进行数据降维和可视化。从时间维度和依托单位维度进行建模,研究过去20年内,双一流大学项目的关键词分布。[结果/结论]方法比传统基于结构化分析的方法更直观,为大学建设战略制定的提供参考。另外,相关学者也可以在笔者研究基础上,进一步建模和编程,尝试例如进行交互式的可视化建模,对海量项目数据进行快速定位,以提高科研效率。

关键词: 科研基金, 数据挖掘, 科技情报分析, 网络可视化, t-SNE

Abstract: [Purpose/Significance] The National Natural Science Foundation's project funding is an important indicator of scientific research capabilities. Analysis of the data of the establishment of the research funds of double first-class universities is helpful to provide strategic support for university construction. [Purpose/Significance] This article studies the keyword data of the National Natural Science Foundation of China from 1998 to 2017. At first we preprocess double first-class universities' data, and then use the t-SNE algorithm in MATLAB to reduce the dimension of the data and visualize the results. This paper models from the time dimension and the unit-dependent dimension, and studies the keyword distribution of double first-class universities' projects in the past 20 years. [Results/Conclusions] The method in this paper is more intuitive than the traditional method based on structured analysis and provides a reference for the formulation of Chinese universities' construction strategies. In addition, other scholars can further model and program based on this research for such purposes as interactive visual modeling and fast and positioning of massive project data to improve scientific research efficiency.

Key words: research fund, data mining, scientific and technological intelligence analysis, network visualization, t-SNE

中图分类号:

G350

曹祺. 基于t-SNE算法的双一流大学基金立项关键词降维的可视化建模研究[J]. 农业图书情报学报, 2020, 32(2): 47-57.

CAO Qi. Visual Modeling of Keyword Dimension Reduction in Double First-Class University Funds Based on t-SNE Algorithm[J]. Journal of Library and Information Science in Agriculture, 2020, 32(2): 47-57.

参考文献

[1] 万华. 基于项目论文引文关联的协同研究关系分析——以国家自然科学基金图书情报类研究项目为例[J].情报科学,2013(6):53-59.
[2] 范云满,马建霞,刘静.国家自然科学基金的评估指标体系与指标的分析研究[J].图书情报工作,2013,57(16):100-106.
[3] 刘多,宋敏,谢亚南等.2009—2015年国家自然科学基金资助产出ESI高被引论文分析[J].中国科学基金,2017(4):353-358.
[4] 冯磊,朱宇华,吕相征等.国家自然科学基金资助产出SCI医药卫生论文的计量分析[J].科技与出版,2017(3):112-118.
[5] 邓方,宋苏,刘克等.国家自然科学基金自动化领域数据分析与研究热点变化[J].自动化学报,2018,44(02):377-384.
[6] 陈挺,李国鹏,王小梅.基于t-SNE降维的科学基金资助项目可视化方法研究[J].数据分析与知识发现,2018,2(08):1-9.
[7] MEJIA C,KAJIKAWA Y.Using acknowledgement data to characterize funding organizations by the types of research sponsored: the case of robotics research[J].Scientometrics,2018,114(3):883-904.
[8] LI K, YAN E.Are NIH-funded publications fulfilling the proposed research? An examination of concept-matchedness between NIH research grants and their supported publications[J]. Journal of Informetrics,2019,13(1):226-237.
[9] YANG C, HUANG C, SU J.An improved SAO network-based method for technology trend analysis: A case study of graphene[J]. Journal of
Informetrics,2018,12(1):271-286.
[10] ABRISHAMI A, ALIAKBARY S.Predicting citation counts based on deep neural network learning techniques[J]. Journal of Informetrics
2019,13(2):485-499.
[11] FENG F, ZHANG L, DU Y, et al.Visualization and quantitative study in bibliographic databases: A case in the field of university-industry cooperation[J]. Journal of Informetrics,2015,9(1):118-134.
[12] 袁润,李莹,王琦等. 用R语言分析关键词集共现网络研究[J].现代情报,2018,38(07):88-94.
[13] LI K, YAN E, FENG Y.How is R cited in research outputs? Structure, impacts, and citation standard[J].Journal of Informetrics, 2017
11(4):989-1002.
[14] 张永安,马昱.基于R语言的区域技术创新政策量化分析[J].情报杂志,2017,36(03):113-118.
[15] 张然. “双一流”背景下加强国家自然科学基金组织申报工作探讨——以吉林大学电子科学与工程学院为例[J].办公室业务
2019,306(1):186-187.
[16] 张品慧,张瑜婷,赵星.科学基金对“双一流”建设学科的前期资助研究(2012-2016)[J].图书与情报,2018,182(4):10-16.
[17] 马晓萌,徐峰.双一流高校自然科学基金面上项目资助特点探析[J].情报工程,2018,4(06):63-75.
[18] tsne[EB/OL].[2019-06-05].https://github.com/greysh/paper-tsne.
[19] HU K, WU H, QI K, et al.A domain keyword analysis approach extending Term Frequency-Keyword Active Index with Google Word2
Vec model[J].Scientometrics,2018,114(3):1031-1068.
[20] CHEN G, XIAO L.Selecting publication keywords for domain analysis in bibliometrics: A comparison of three methods[J].Journal of Informetrics,2016,10(1):212-223.

基于t-SNE算法的双一流大学基金立项关键词降维的可视化建模研究

Visual Modeling of Keyword Dimension Reduction in Double First-Class University Funds Based on t-SNE Algorithm

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	侯亮, 王新栋, 高倩, 刘素英. 基于Hadoop的农业大数据挖掘系统构建[J]. 农业图书情报学刊, 2018, 30(7): 19-21.
[2]	李娜. 基于数据挖掘的图书馆读者阅读社区构建研究[J]. 农业图书情报学刊, 2018, 30(6): 92-95.
[3]	张广雷. 多媒体数据挖掘技术在数字图书馆馆藏资源开发利用中的应用[J]. 农业图书情报学刊, 2018, 30(3): 61-64.
[4]	孙素敏. 分布式架构的个性化图书馆系统研究[J]. 农业图书情报学刊, 2018, 30(3): 27-31.
[5]	张冬梅. 数据挖掘在高校图书馆阅读推广中的应用研究[J]. 农业图书情报学刊, 2018, 30(1): 143-145.
[6]	谢发徽. 个性化新书推荐系统的设计与实现[J]. 农业图书情报学刊, 2017, 29(7): 52-56.
[7]	陈静荣. 图书借阅分析系统的数据挖掘技术[J]. 农业图书情报学刊, 2017, 29(2): 69-72.
[8]	冯娜. 浅议基于数据挖掘的高校图书馆购书计划[J]. 农业图书情报学刊, 2016, 28(4): 112-114.
[9]	吴阳燕. 数据挖掘在图书馆期刊管理中的应用[J]. 农业图书情报学刊, 2016, 28(1): 193-195.
[10]	曲岩岩. 基于数据挖掘的外文图书利用率关联因素研究[J]. 农业图书情报学刊, 2016, 28(1): 72-75.
[11]	王红. 数据挖掘在数字化图书馆中的应用研究[J]. 农业图书情报学刊, 2016, 28(1): 39-41.
[12]	李煦，戴小鹏，黄尧，胡秀琴. 基于数据挖掘的读者群行为模型研究[J]. 农业图书情报学刊, 2015, 27(9): 10-13.
[13]	李迎春. 大数据环境下的图书馆信息管理[J]. 农业图书情报学刊, 2015, 27(6): 142-144.
[14]	张志广, 张潇. 基于高校图书馆文献采访分布式数据库挖掘的合作协同模式[J]. 农业图书情报学刊, 2015, 27(6): 65-68.
[15]	汤辉. 数据挖掘在图书馆知识咨询中的应用研究[J]. 农业图书情报学刊, 2015, 27(2): 91-93.