本文提出和应用四个指标:期刊自被引率、引文强链接、引文熵和经过改进的PageRank值对期刊互引网络进行综合分析。以Web of Science(2002～2006年)收录的7835种期刊为研究对象,通过四个指标的比较分析,定位整个互引网络中不同类型的"重要"期刊,揭示各个类型期刊在信息交流网络中的不同地位与信息交流特征。
应用基于期刊互引分析的聚类算法对Web of Science中自然科学、社会科学与人文艺术领域八千余种期刊进行聚类分析,将期刊聚类结果与SOOI"专家"分类体系做对比分析,将二者结构的一致部分定义为"学科内核",其余部分则为"学科外围"。所有学科内核形成了科学结构之网的网上纽结,展示了科学知识的差异性和学科的多样性。学科外围则展现了学科的分化、不同学科的交叉与融合、理论的渗透和方法的移植,以及理论学科和应用学科的相互作用等结构特征。
[目的/意义]全文引文分析以施引文献的全文数据为研究对象,从引文在施引文献中的引用位置、引用语境、引用情感和引用强度等方面揭示引文特征,可以从语句层面和语篇层面加深对引用内涵的理解,进而更好地辅助科学评价。[方法/过程]基于Web of Science核心合集中新近提供的被引参考文献深度分析功能数据,以2021年出版且拥有被引参考文献深度分析模块的1582篇图书情报领域论文数据作为研究样本,批量获取全文引用的相关图表信息和相对应的文献著录信息。借助文本分析与可视化工具从引用位置、引用语境、引用强度3个方面分析引文特征。在此基础上,引入学科交叉测度指标,分别测度不同文献章节位置和功能模块上的交叉程度,从而揭示目标文献的学科交叉特征。[结果/结论]Web of Science提供的被引参考文献深度分析功能为实现大规模全文本引文分析提供了重要数据基础,但当前版本还存在拥有被引参考文献深度分析模块的论文覆盖率低、引用情感分类模糊、引用动机缺少明确规范等问题。图书情报是一个注重跨学科交叉、多学科融合的领域,通过探究图书情报领域论文的引文特征,进而基于全文引文信息深入挖掘学科交叉特征,对于增强公众对图书情报学科的理解与认知有重要价值。
