第1章 绪论
1.1 研究背景与研究意义
1.2 研究思路与框架
1.3 主要方法创新
1.4 研究方法
1.5 研究工具
第2章 学科交叉研究进展
2.1 学科交叉概念范畴
2.2 学科交叉类型研究
2.3 学科交叉动力学研究
2.4 学科交叉计量研究
2.4.1 学科交叉测度指标
2.4.2 学科交叉计量研究类型
2.5 学科交叉主题识别方法
2.6 现有研究不足
2.7 本章小结
第3章 学科交叉态势分析
3.1 已有学科交叉态势分析方法
3.2 研究内容和方法
3.2.1 基于引文的指标测度方法
3.2.2 学科交叉态势的可视化研究方法
3.3 实证分析
3.3.1 数据来源
3.3.2 基于互引关系的情报学交叉性测度
3.3.3 情报学与密切相关学科的网络特征
3.4 本章小结
第4章 TI系列指标在学科交叉主题识别和预测中的应用
4.1 研究方法与测度指标
4.1.1 主题词获取及预处理
4.1.2 TF、TF-IDF和TI指标
4.1.3 网络社区发现分析及Bet指标
4.1.4 TI-S、TI-Bet、Bet-TI指标
4.1.5 技术路线图
4.2 实证分析
4.2.1 TF、TF-IDF和TI的相似性分析
4.2.2 学科交叉主题分析
4.2.3 主题时序分析
4.3 本章小结
第5章 弱关系与突发词分析在学科交叉主题识别中的应用
5.1 国内外研究现状
5.1.1 弱关系分析
5.1.2 突发词监测
5.2 研究方法与流程
5.3 基于弱共现的情报学学科研究主题分析
5.3.1 工具和方法
5.3.2 结果分析
5.3.3 弱主题及其交叉性变化情况分析
5.4 基于突发监测的情报学学科研究主题分析
5.4.1 工具和方法
5.4.2 结果分析
5.5 本章小结
第6章 基于重叠社区发现的学科交叉主题识别和预测研究
6.1 重叠社区发现算法
6.2 情报学和“计算机科学，跨学科应用”单网重叠社区识别
6.2.1 情报学网络特征趋势
6.2.2 情报学主题交叉分析
6.2.3 “计算机科学，跨学科应用”网络特征趋势
6.2.4 “计算机科学，跨学科应用”主题交叉分析
6.2.5 情报学与“计算机科学，跨学科应用”交叉主题异同
6.3 “计算机科学，跨学科应用”-情报学双网交叉主题识别
6.3.1 “计算机科学，跨学科应用”-情报学交叉主题识别
6.3.2 “计算机科学，跨学科应用”-情报学交叉主题特征
6.4 本章小结
第7章 基于概念格理论的学科交叉主题识别和预测研究
7.1 形式概念分析和概念格的研究及应用
7.1.1 已有研究及应用
7.1.2 形式概念分析的数理基础
7.2 基于概念格理论的学科交叉知识发现研究
7.2.1 基于概念格的知识单元表示
7.2.2 关联规则分析
7.2.3 研究流程
7.3 实证分析
7.3.1 数据获取和文本分析
7.3.2 获取形式概念背景与概念格
7.3.3 学科交叉主题识别
7.3.4 学科交叉主题时序分析和预测
7.4 本章小结
第8章 学科主题路径多模式识别和预测研究
8.1 学科主题创新路径研究
8.1.1 主题关联相似度研究现状
8.1.2 扩散路径研究现状
8.2 分析方法与工具
8.2.1 分析方法
8.2.2 分析工具与方法
8.3 情报学主题演化及学科交叉分析
8.3.1 整体网络演化趋势分析
8.3.2 特定社区演化趋势分析
8.3.3 情报学学科主题演化及学科交叉模式总结
8.4 本章小结
第9章 多种方法的比较及综合运用实例
9.1 多种方法优缺点及应用场景分析
9.2 多方法综合运用实例
9.2.1 学科交叉主题识别结果
9.2.2 学科交叉主题预测结果
9.2.3 结果讨论
9.3 多方法综合运用前景
9.4 本章小结
第10章 总结与展望
10.1 研究总结
10.2 主要贡献
10.3 研究的不足
10.4 未来的展望
10.4.1 深入开展学科交叉动力机制与计量特征的研究
10.4.2 俘获变革型研究中不确定性与弱关系识别前沿交叉主题
10.4.3 大数据分析方法在学科交叉研究中的应用
10.4.4 学科交叉分析工具将更加自动化、智能化
附录A 2007年情报学高频词、TF-IDF、TI前300
附录B 2009年情报学高频词、TF-IDF、TI前300
附录C 2011年情报学高频词、TF-IDF、TI前300
附录D 2013年情报学高频词、TF-IDF、Tl前300
附录E 2015年情报学高频词、TI前300
参考文献
展开
