基于科学知识图谱的创新系统研究的历史与现状分析
科学知识图谱研究综述
科学知识图谱研究综述科学知识图谱研究综述引言：随着科技的快速发展，人们对科学知识的需求也越来越高。
为了更好地组织、管理和利用科学知识，科学知识图谱作为一种新兴的知识表示和存储方式，正在受到广泛关注和研究。
本文将综述科学知识图谱的研究进展，包括其定义、构建方法以及应用领域，旨在为读者提供对该领域的全面认识。
一、科学知识图谱的定义科学知识图谱是一种以图形和语义为基础的知识表示方法，用于描述科学领域的知识体系和关系。
它将科学领域的知识以图谱的形式展现出来，使得人们可以直观地了解知识间的关联和层次。
科学知识图谱的构建需要深入挖掘科学文献、专利数据库等资源，并建立类似于图数据库的知识表示模型。
二、科学知识图谱的构建方法1. 知识抽取与清洗：科学知识图谱的构建首先需要从科学文献、专利数据库等海量数据中抽取知识，并进行清洗和整理。
这一过程包括文本的分词、命名实体识别、关系抽取等技术手段的应用。
2. 知识表示与建模：科学知识图谱需要将抽取出的知识进行合理的表示和建模，以便于后续的存储和查询。
在这一过程中，需要利用本体学、图论等方法，构建科学知识的语义网络，并为每个节点和关系进行准确的语义标注。
3. 知识关联与链接：科学知识图谱的关键在于建立节点之间的关联和链接。
通过挖掘知识中的共现关系、上下位关系等，可以识别出知识间的相似性和相关性，并建立节点之间的链接。
这一过程可以借助机器学习和自然语言处理等技术手段实现。
三、科学知识图谱的应用领域1. 科学研究：科学知识图谱可用于科研人员的文献检索与阅读，提供更高效的科研工具和资源。
科学家可以借助科学知识图谱查找相关研究领域的权威资源，并从中获取研究灵感和联系。
2. 知识管理：科学知识图谱可以帮助组织机构或企业对内部知识进行分类、管理和共享。
通过搭建企业内部的科学知识图谱，可以减少重复研究、促进知识流转，提高组织的创新能力和竞争力。
3. 人工智能应用：科学知识图谱为人工智能系统提供了丰富的背景知识和语义信息。
科学知识图谱视角下CiteSpace_的学科基础与原理分析
264研究与探索Research and Exploration ·理论研究与实践中国设备工程 2024.01 （上）等领域不可或缺的工具。
狭义的知识图谱特指一类知识表示，本质上是一种大规模的语义网络；广义的知识图谱是大数据时代知识工程一系列技术的总称。
从狭义角度考察，此种大规模的语义网络包括实体、概念及其之间的各种关系，其中，语义网络是知识图谱的本质。
与传统的语义网络相比，知识图谱代表的语义网络规模巨大、语义丰富、质量精良、结构友好。
语义网络是一种以图形化的形式，通过点与边描述知识关系的方法。
图形中的点可以描述实体、概念和属性。
实体称为对象或实例，它是一切属性的物质基础，是有明确指代意义的。
概念又称类别、类，其是指一类人，这类人有相同的特征。
概念所对应的动词称为概念化和范畴化，概念化一般指识别文本中的相关概念的过程，例如，拉格朗日的中值思想；范畴化一般指实体形成类别的过程，如具有若干哲学思想的人们组成某个特定的哲学派别，则这一学派的形成就是典型范畴化的过程。
每个实体都有一定的属性值，包括数值、日期、文本等，知识图谱的推理即是建立在实体、属性与关系之上。
科学知识图谱在图书馆学情报学应用领域，包括识别学科领域热点、展示学科研究前沿、分析引用关系等。
2 CiteSpace 的主要学科基础理论从哲学、社会学、数据科学，数学等学科入手，可全面理解软件包含的学科基础知识。
2.1 科学革命的结构CiteSpace 设计灵感之一，是来源于托马斯•库恩的《科学革命的结构》。
库恩重塑了科学的真理形象，其“范式论”“不可通约论”为科学史研究提供了新的视角。
库恩思考的根本问题可以概括为“科学进步的机制是什么”。
这是需要借助科学史研究才能回答的问题，但传统的研究方法存在缺陷，而作者尝试从科学史的编著工作中找到突破口。
科学知识的历史不是简单增长过程，其中某个阶段必定会发生根本性的转变，新的科学观应以研究此类根本性转变为宗旨。
科学知识图谱的发展历程
ห้องสมุดไป่ตู้ 内容摘要
此外，如何建立统一的知识图谱标准规范，以便不同领域的研究者能够进行 有效的知识交流和共享，也是一个值得研究的方向。最后，如何解决知识图谱的 隐私保护和数据安全问题也是一个迫切需要解决的问题。
内容摘要
本次演示总结了科学知识图谱的研究现状、应用领域、优点、不足以及未来 研究方向。尽管科学知识图谱已经得到了广泛的应用和认可，但仍存在诸多挑战 和问题需要进一步研究和解决。我们相信，随着技术的不断发展和完善，科学知 识图谱将在更多领域发挥更大的作用，为人类社会的发展做出更大的贡献。
内容摘要
在科学知识图谱的研究方法方面，主要包括可视化分析、文本挖掘、语义网 络分析、知识表示学习等方法。这些方法为科学知识图谱的构建和分析提供了强 大的支持，但每种方法都有其特定的适用范围和局限性，需要根据具体的研究问 题进行选择和优化。
内容摘要
对于科学知识图谱研究的未来方向，我们认为可以从以下几个方面进行考虑。 首先，提高自动化生成知识图谱的精度和效率是关键。这需要进一步发展和完善 现有的自然语言处理、文本挖掘和机器学习等技术，并探索新的技术手段。其次， 如何将科学知识图谱更好地应用于实际问题中，尤其是如何将其应用于决策支持 和智能服务等方面，具有重要的研究价值。
二、理论框架
科学知识图谱的理论框架主要包括基于概念的知识图谱、基于数据的知识图 谱和基于技术的知识图谱等。
二、理论框架
基于概念的知识图谱主要是以概念为基本单位，通过概念之间的关系来组织 知识。这种知识图谱的构建需要依赖于概念抽取和概念关系抽取技术。
二、理论框架
基于数据的知识图谱主要是以数据为基本单位，通过数据之间的关系来组织 知识。这种知识图谱的构建需要依赖于数据挖掘和机器学习等技术。
科学知识图谱研究综述
科学知识图谱研究综述一、本文概述随着信息技术的快速发展和大数据时代的到来，科学知识图谱作为一种新型的知识表示和组织方式，受到了广泛的关注和研究。
本文旨在对科学知识图谱的研究进行全面的综述，梳理其发展历程、基本原理、构建方法以及应用领域等方面的研究成果。
通过对现有文献的梳理和分析，本文旨在为相关领域的研究者提供一个清晰、系统的科学知识图谱研究视角，为未来的研究提供借鉴和参考。
本文将对科学知识图谱的基本概念进行界定，明确其研究范畴和核心要素。
接着，将回顾科学知识图谱的发展历程，分析其在不同阶段的特点和发展趋势。
在此基础上，本文将重点介绍科学知识图谱的构建方法和技术，包括知识抽取、知识融合、知识表示和推理等方面的研究进展。
还将探讨科学知识图谱在各个领域的应用实践，如智能问答、语义搜索、推荐系统等。
本文将对科学知识图谱研究面临的挑战和未来发展方向进行深入分析，以期为相关领域的研究者提供有益的启示和思考。
通过本文的综述，相信读者能够全面了解科学知识图谱的研究现状和发展趋势，为进一步推动科学知识图谱的研究和应用提供有力支持。
二、科学知识图谱的基本概念科学知识图谱，又称科学知识域可视化图谱，是一种基于图论和网络科学的知识表示方法。
它以科学知识为研究对象，通过数据挖掘、信息抽取、知识计量和图形绘制等一系列技术手段，将科学知识以图形化的方式展示，揭示出科学知识的结构、演化、关联和交叉等深层次信息。
科学知识图谱的构建基础是大量的科学文献数据，包括学术论文、专利、科研项目等。
通过对这些数据进行清洗、预处理和语义标注，可以提取出科学实体（如科学家、研究机构、关键词等）以及它们之间的关系（如合作关系、引用关系等）。
这些实体和关系被抽象为图谱中的节点和边，进而形成一张复杂的网络结构。
科学知识图谱具有多种功能和应用。
它可以作为科学计量学的研究工具，用于分析科学领域的发展趋势、研究热点和学科交叉等。
它可以作为科研人员的辅助工具，帮助他们了解研究领域的前沿动态、寻找合作伙伴和潜在的研究方向。
2000~2014年我国幼儿园教师专业伦理研究的热点知识图谱
教育部2012年颁布的《幼儿园教师专业标准（试行）》明确指出，幼儿园教师应以“师德为先”。
幼儿园教师专业伦理是幼儿园教师专业发展的重要基石，影响着幼儿园教师的工作态度和专业行为。
〔1〕近年来，有关幼儿园教师专业伦理的研究受到许多研究者的关注。
那么，目前的研究现状如何？研究内容侧重在哪里？研究热点是什么？研究趋势如何？科学知识图谱(Mapping Knowledge Domains)是一种以科学理论学为指导，通过数据挖掘、信息处理、知识计量与图形绘制等现代科学技术来展现现代科学技术知识发展进程与结构关系的图形。
〔2〕它可从宏观、中观、微观等不同角度直观地揭示出某一研究领域的发展概貌、研究热点和重点等信息。
〔3〕本文采用科学知识图谱技术，绘制我国幼儿园教师专业伦理研究的热点知识图谱，并在此基础上进行相应的思考和展望。
一、研究方法1.资料来源2015年5月，在中国学术期刊网络出版总库，以“幼儿园教师”“幼儿教师”“幼儿教育”“专业伦理”“专业道德”“职业道德”为主题词进行检索，剔除无效文献（如无作者文献、重复性文献以及会议信息等），最终得到2000～2014年有效文献174篇。
所得数据使用BICOMB2.0(书目共现分析系统)以及SPSS18.0处理与分析。
2.研究步骤第一，利用BICOMB2.0软件对174篇文章进行关键词统计。
第二，根据研究需要，利用BI⁃COMB2.0软件抽出21个词频大于5的关键词为高频关键词。
第三，利用BICOMB2.0软件中的共现分析功能，建立高频关键词共现矩阵。
第四，通过Ochiai 系数将共现矩阵转化为相似矩阵(O chiai=)，将结果导入SPSS18.0，进行系统聚类分析，得出高频关键词聚类树状图。
第五，利用“相异矩阵=1-相似矩阵”公式算出相异矩阵，将结果导入SPSS18.0，进行多维尺度分析，得出高频关键词多维尺度分析图。
第六，在多维尺度分析结果上，结No.10，2015General No.6702015年第10期(总第670期)幼儿教育(教育科学)Early Childhood Education(Educational Sciences)·研究综述·*本文为教育部人文社会科学研究项目“幼儿园教师专业伦理研究”（项目批准号：11YJA880001）和浙江省哲学社会科学重点项目“幼儿园教师专业伦理：缺失与生成”（项目批准号：11JCJY02Z ）的研究成果之一。
基于知识图谱的信息科学研究方法探索
基于知识图谱的信息科学研究方法探索信息科学是一门跨学科的领域，研究数据的表示、处理和传递，以及信息的生成、存储和利用。
近年来，随着大数据和人工智能技术的发展，我们面临着从海量数据中挖掘有意义信息的挑战。
知识图谱作为一种结构化的知识表示方法，为信息科学研究提供了新的思路和方法。
本文将探讨基于知识图谱的信息科学研究方法，并介绍其应用和挑战。
一、知识图谱简介知识图谱是将现实世界的知识结构化为一种图形化的方式，通过实体、属性和关系的表示，构建了一个丰富的知识网络。
知识图谱的构建需要通过自然语言处理、数据挖掘和机器学习等技术，将文本数据中的知识抽取出来，并进行关联和推理，形成一个有机的知识体系。
二、基于知识图谱的信息科学研究方法1. 知识抽取与表示基于知识图谱的信息科学研究首先需要进行知识抽取与表示。
通过自然语言处理和文本挖掘技术，从文本数据中提取出实体和关系，并将其表示为知识图谱的形式。
在这个过程中，需要处理大规模的文本数据，并解决实体消歧、关系抽取等问题。
2. 知识图谱的构建构建知识图谱是基于知识图谱的信息科学研究的核心步骤。
这包括实体和关系的建模，以及知识的组织和分类。
在构建知识图谱时，需要参考现有的领域知识和专业背景，并借助图数据库等技术进行图谱的存储和查询。
3. 知识图谱的应用基于知识图谱的信息科学研究方法可以应用于各个领域，如医疗、金融、教育等。
在医疗领域，可以利用知识图谱的结构化表示和推理能力，帮助医生进行疾病的诊断和治疗决策。
在金融领域，可以通过知识图谱分析客户的信用记录和投资偏好，为金融机构提供个性化的推荐和服务。
在教育领域，可以利用知识图谱对学生的学习情况进行分析和预测，提供个性化的学习建议。
三、基于知识图谱的信息科学研究的挑战1. 数据质量与一致性构建知识图谱需要处理大量的数据，并保证其质量和一致性。
然而，现实世界中的数据往往存在噪声和不一致性，例如同一个实体可能有多个名称和属性。
如何在知识抽取和图谱构建过程中解决这些问题，是一个重要的挑战。
基于科学知识图谱的我国大学体育教学模式可视化研究以及现状
基于科学知识图谱的我国大学体育教学模式可视化研究以及现状运动教学方式是体育运动课程的主要部分,运动教学方式随着社会的发展和需要不断地进行着蜕变,这为运动质量的提高提供了保证,这是因为几年来广大研究者们恪尽职守、不辞辛劳地的研究成果,浸透了许许多多科学家的心血。
但是,由于上述研究成果大多是运用传统的科学研究方式加以研究的,因此传统的科学研究方式也有它的局限。
本文将利用新颖的科学知识图谱法对体育教学展开深入研究,解决以往探究方式的局限。
以中国CNKI科学文献数据库所收集的有关体育运动教学模式的有关论文为主要研究对象(1982—二零一二年),利用科学知识图谱法对中国境内体育运动的教学模式开展了可视化分析。
首先,系统分析了国内外有关体育教学方法研究成果的时间分布特点:论文数量的变化、作者合作状况、科研机构分布状况,进而剖析了国内外体育教法研究的热点和前沿。
研究结论包括:国内体育教学方法的著作数量长期保持上升发展的态势;科研组织类型较为简单,大多以高校教师为主,没有建立大型合作团队情况。
其中以北京师范大学体操与运动学院、北京体育大学为核心的合作网络规模最大,以毛振明团队和李季浏团队为主的专家学者也为运动教学科研工作作出了无可磨灭的奉献;根据国内外体育教学方法研究领域关键词的共现与网络图谱,我们可以看到"教育"、"变革"、"教学模式"等始终是人们热议的关键字。
通过名突发词的共现,分析得出"终身体育"、"高职院校"、"模式"等方面的研究成果,是当前运动教学领域研究的热点和前沿。
4.1探索体育学科某一领域的研究主体某一领域的研究主体通常是指专门研究该领域的学者,即相对文章来说,研究主体通常就是著者、作者所属的研究组织、作者所属的国家或地域等。
通过对运动教育学科中某一领域研究最主要的基础信息的掌握,就可以令人直接了解到研究领域的发展走向,从而准确地掌握运动最新的发展动向。
基于知识图谱的国内科学数据研究热点和趋势分析
1概述科学数据是指通过收集、观察、分析和创造各类实验数据、个人观测数据、互联网数据、统计数据、仿真数据,并以表格、数字、图像、新媒体等方式呈现出来的数据。
科学数据是科研创新、技术预见的数据来源和工具,也是国家制定各项决策的重要依据。
近年来随着科学研究进入数据驱动科学的数据密集型研究范式时代,国际组织、政府部门和研究机构等都提高了对科学数据领域研究的关注度和经济资助。
例如联合国教科文组织(UNESCO)推出“促进发展中国家科学数据共享与应用全球联盟计划”国际科学理事会(ICSU)建立了促进全球科学数据共享的国际组织:国际科技数据委员会和世界数据系统等[1]。
图书馆是科学数据的过程监护机构、嵌入式管理机构以及科学数据存档与教育机构[2],对科学数据的管理、共享和服务具有不可替代的地位和作用。
科学数据研究领域在我国虽起步较晚,但在近年来也成为图书情报界的研究热点之一。
从图书馆视角出发,对图书情报界科学数据领域研究热点和趋势进行可视化分析,旨在为图书馆员对科学数据领域进行深入研究提供参考。
2数据来源与研究方法2.1数据来源以中国知网(CNKI)为数据来源,采用高级专业检索,检索式为SU='数据共享'+'数据管理'+'数据监管'+'数据监护'+'科研数据'+'研究数据'+'科学数据'AND SU='图书馆',初次检索得到文献记录1260条,通过手动筛选,去除重复和杂质文献,确定1238条有效文献(检索时间为2018年12月13日)。
2.2研究方法Citespace V 知识可视化软件是由美国德雷赛尔大学陈超美[3]教授开发的一种多元、分时、动态的知识图谱绘制工具。
该软件能将抽象的数据转向图形表达[4],让用户直观地看出对应研究领域的相关信息,通过对图谱的分析与理解可掌握该研究领域的知识结构关系与演进规律等特征。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2008年第12期 科技管理研究Science and Technol ogyM anage ment Research 2008No 112收稿日期:2007-12-24,修回日期:2008-07-02文章编号:1000-7695(2008)12-0502-03基于科学知识图谱的创新系统研究的历史与现状分析刘 荣1,2(11大连理工大学管理学院,辽宁大连 116024;21大连大学经济管理学院,辽宁大连 116622)摘要:运用科学计量学方法,通过多维尺度分析与聚类分析、因子分析(主成分分析),分析了创新研究的历史与现状。
研究认为,产业创新系统、企业创新系统、企业技术创新系统、知识创新、知识管理、信息电子技术、经济绩效与经济增长是创新系统研究所关注的领域。
关键词:创新;创新系统;科学计量学;科学知识图谱中图分类号:G304 文献标识码:A1 引言创新研究,肇始于20世纪早期熊彼特的工作,经过二战后的线性模型、环节互动模型和以厂商为中心的线性模型之后,进入20世纪80年代后期,出现了一个从系统的观点来研究创新的新思路。
无论是国家层次上创新,还是区域层次上、产业层次上的创新,都可以看作是一个有多种要素及其相互关系组成的一个系统,即创新系统。
创新系统首先是在国家层次上展开研究的,即国家创新系统;而后,学者们又在区域层次上对创新系统进行探讨,即区域创新系统。
从历史的发展进程来看,国家创新系统和区域创新系统的研究相对来说比较成熟,而产业创新系统的研究尚处于初级阶段。
笔者拟在相关文献研究的基础上,运用科学计量学的方法,通过科学知识图谱来描绘、阐述创新系统研究的历史与现状,以供学界同仁交流。
2 数据来源与方法在美国I SI (科学情报研究所)的SC I -E (科学引文索引扩展版)数据库收录的1987年～2006年的所有文章中,利用GE NERAL SE ARCH (普通查询)的T OP I C (主题)一栏,在其中输入innovati on syste m 3,从所查询到的122篇文章中,提取124个关键词,总被引频次为188次,平均每个关键词被引1152次;同时,提取被引频次最高的50个关键词,其总被共引频次为114次,占关键词被引总频次的6016%,平均每个关键词被引频次为2128次。
运用科学计量学方法,通过bibexcel 软件,对所下载的文章的关键词进行共词分析,生成共被引矩阵,然后在此基础上,利用s p ss 软件,进行多维尺度分析、聚类分析、因子分析,绘制创新系统研究的知识地图,从而客观而形象地揭示出该领域的研究热点及其所集中关注的方向,刻画出该领域研究的历史与现状的情形。
3 关键词共引分析311 多维尺度分析与聚类分析第一,利用B ibexcel 软件进行共现分析(包括共词分析与共引分析)。
对关键词的共现分析也称作共词分析,根据关键词出现的频次,选择前50个被引频次最高的关键词,经过共现分析,生成共词矩阵,然后经SPSS 软件处理得到相关系数矩阵。
共词分析理论认为,当两个关键词同时出现在一篇文献中时,我们就称这两个关键词存在共现关系,关键词共现的频次越多,表示它们研究的主题越接近,它们之间的关系就越密切,反映在知识地图上,也就是它们之间的距离越接近。
第二,借助SPSS 软件进行多维尺度分析。
多维尺度分析是通过低维空间(通常是二维空间)展示对象之间的联系,并利用平面距离来反映对象之间的相似程度。
在共词图谱中,关键词(每个点)的位置显示了关键词之间的相似性,有高度相似性的关键词聚集在一起,形成学科研究的热点,并且,越在中间的关键词表明与它有联系的关键词越多,在学科里的位置也就越核心;反之,则越孤独,越在外围。
因此,通过多维尺度分析,某学术热点及学术领域在研究领域中的位置就容易判断。
第三,进行聚类分析。
在统计学上把按照一定的要求和规律,对事物进行分类的方法,称为聚类分析。
聚类化即是将一群异质的群体区隔为同构性质较高的群集或子群,聚类化并没有做事先明确定义的类别来进行分类。
聚类化操作中,不需要事先定义好该如何分类,数据是依靠自身的相似性来聚类在一起的,而聚类的意义也是要靠事后的定性说明才能得知。
在聚类分析中,本研究使用“系统逐次聚类分析法”,例如在对关键词进行聚类时,首先将每一个关键词看成独立的一类,先把最近的两类合并,然后重新计算类与类之间的距离,再把距离最近的两类合并,每一步减少一类,一直持续到所有的关键词归为一类。
最后,我们将进行多维尺度分析的结果与聚类分析的结果结合起来,参考有关的文献资料,加以解读,指出创新系统研究的热点问题、发展趋势及其存在的主流学术领域。
表1 创新系统研究主流领域被引频次最高的关键词及被引频次学术研究领域关键词被引频次企业技术创新系统TECHNOLOGY 12产业创新系统、I N DUSTRY 7知识创新、知识管理K NOWLEDGE5企业创新系统F I RMS 4信息电子技术ELECTRON I CS 2经济绩效、经济增长ECONOMY2刘 荣:基于科学知识图谱的创新系统研究的历史与现状分析表2 创新系统研究领域被引频次最高的50个关键词序号共词矩阵中出现的频次关键词序号共词矩阵中出现的频次关键词112TECHNOLOGY 261NATI O NAL SYS 2TE M211I N NOVATI O N 271M I CROREAC 2T ORS 37I N DUSTRY 281P LANT 45K NOWLEDGE 291PERSPECTI V E 55SC I ENCE 301P ATE NT C I T A 2TI O N ANALYSI S 65I N D I CAT ORS 311P ATE NT C I T ATI 2ONS74RESEARCH -AND -DEVEL 2OP MENT 321P ART NERSH I PS84F I RMS 331OR I ENT ATI O N 93NET WORKS 341ORG AN I C -SY NTHESI S 103SYSTE MS 351P ATTERNS 113MODEL 351NATI O NAL SYS 2TE MS 122P OL I CY371NATI O NAL -SYSTE MS132P OOR381NE W -ZEAL 2AND EXPER I 2ENCE142I N DUSTRY -G OVERNMENT 391P ATE NT ST ATI S 2TI CS152RE LATI O NS 401TECHNOLOGI 2CAL SYSTE MS 162ECONOMY 411TECHNOLOGY P OL I CY172PERF ORMANCE 421TECHNOLOGY -TRANSFER 182GROW TH 431T A I W AN 192ELECTRON I CS 441ST AKEHOLDERS 202L I N K AGE 451ST RATEGI ES 212MANAGE MENT 461SYSTE M 222TRADE471US2TR I P LE -HEL I X 481WORD ANALY 2SI S 232ST ATE 491WORDS 241METHODOLO 2GI ES 501UN I V ERSI TY -RESE ARCH251P D 注:表1、表2的关键词被引频次是从2006年5月13日SC I 数据库的最新数据,并表明这些关键词也是19年间被引频次最高的关键词图1 创新系统研究主流领域知识图谱 由多维尺度分析及聚类分析绘制出创新系统研究的知识图谱(图1),图中所示,创新系统研究存在着6个主流学术领域,下面结合有关文献资料加以解读。
学术领域1中被引的关键词主要有“ECONOMY ”、“NA 2TI O NAL SYSTE M ”、“ST ATE ”、“PERF OR MANCE ”,其中次数最多的为“PERF OR MANCE ”,这说明此领域主要集中在国家创新系统的研究,并且研究的主要关注点是国家创新系统中政府的职能与地位、系统的功能与经济的发展、经济增长及经济绩效的关系。
学术领域2中,“E LECTRON I CS ”、“SYSTE M ”、“TECH 2NOLOGY -T RANSFER ”被引次数最多,“E LECTRON I CS ”居于首位。
这表明,在创新系统中信息电子技术的发展对技术的转移、扩散至关重要,某种程度而言,起着制约的作用。
学术领域3中“F I R M S ”、“NET WORKS ”、“NE W -ZE A 2LAND ”、“P ART NERSH I P ”、“P OL I CY ”等关键词被引次数处于前列,首位当推“F I R M S ”。
此领域的情况凸显出企业的创新系统也是政府、学术界投以极大精力的方面,其中企业网络的形成、企业之间战略伙伴关系的建立及创新政策的制定、实施,对企业创新系统的高效运行具有积极的促进作用,图中还显示,新西兰的创新系统的经验值得借鉴。
学术领域4,“GROW TH ”、“K NOWLE DGE ”、“P ATE NT C I T ATI O N ANALYSI S ”、“UN I V ERSI TY -RESE ARCH ”等关键词的被引次数最多,其中最多的是“GROW TH ”。
这指明创新系统中知识的生产、传播、应用对经济的增长有着极大的正向作用,大学的研究与开发是重要的知识源之一,专利的引文分析可作为知识流分析的重要工具之一。
学术领域5,关键词“I N DUST RY ”、“I N D I C ATI O RS ”、“I N DUST RY -GROVERNME NT RE LATI O NS ”、“P ATE NT C I 2T ATI O NS ”、“P ATE NT ST ATI STI CS ”、“US ”、“T R I P LE -HE LX ”被引次数为多,被引次数之最的是“I N DUST RY ”一词。
这说明,产业创新系统的研究已成为当前创新系统研究热点问题之一,产业创新能力可通过专利引文作为一个重要的指标来衡量。
尤为一提的是,由美国学者亨利・埃茨科威兹创立的“官产学、三螺旋”理论已引起政府、学术界的高度关注与兴趣,在美国政府与企业的关系的建立,对促进企业竞争力、产业竞争力的提升,有着非常重要的作用。
学术领域6中被引次数最多的关键词是“I N NOVA 2TI O N ”、“MANGE ME NT ”、“METHODOLOGI ES ”、“MOD 2E L ”、“NATI O N SYSTE M “PERSPECTI V E ”、“P OOR ”、“RE 2SE ARCH -AND -DE VE LOP M E NT ”、“SYSTE MS ”、“TECH 2NOLOGY ”,其中被引次数最多的是“TECHNOLOGY ”,并且在整个知识图谱中处于核心之位置。