陈云伟¹, Katy Börner²

（1. 中国科学院国家科学图书馆成都分馆，成都，610041;

2. School of Library & Information Science, Indiana University, IN 47405, USA）

摘要：研究近年来国际上主要国家和机构对科学地图研究的新理论与方法，在分析科学地图的构建理论与方法、结构特性与功能、可视化技术与方法、应用与进展等内容的基础上，探究科学地图的科学价值。同时对国际上有关科学地图的论文进行科学计量学研究，分析国际上科学地图研究的发展趋势与布局。

关键词：科学地图；科学；科学计量学；可视化

1. 引言

科学地图（Science map）是一种采用图形的方式来描述科学问题的研究方法，即基于科学数据对其所反映的科学信息进行可视化，该观点最早来自于Garfield的科学地图思想^[1]，其目的是探究某一特定研究领域的研究前沿，鼓励跨学科的讨论，如何最好地跟踪和交流全世界范围内的人类活动与科学进步。近几年来，随着数据挖掘技术、科学计量学、信息计量学和计算机技术的不断发展和进步，更多更好的科学地图被展现出来，科学地图已经成为图书情报界、科学学研究、政策管理等领域的研究热点。科学地图以可视化的静态或动态图像展示全球或某个国家（地区）、或某个主题领域的科学结构；分析科技人才队伍结构，如分析作者或发明人的分布、协作情况，形成合作地图（cooperative map）；可以为group理论对团队创新能力研究提供有力的数据支撑，为科技创新活动的协作共赢提供参考；可以发掘隐性学术群体（invisible colleges），也可以来研究特定机构的国际合作地图^[2]；可以构建某学科领域的科学地图^[3,4]，可以掌握某学科的全球发展结构，分析竞争热点领域，挖掘潜在竞争点；可以发现学科新的增长点，预测新交叉学科的出现等。科学地图利用的数据源包括论文、专利、资金资助项目、会议等等^[5]。

现在美国相关政府机构和组织已经开始重视科学地图方面的研究投入，如美国国家科学基金会（NSF）与ipIQ公司合作研究科学工程指标索引^[6]，NSF^[7]和NIH^[8]等也资助相关研究机构开展科学地图研究，用于支持其科研投入的决策，主要的研究机构包括印第安纳大学、亚利桑那大学、德雷赛尔大学、Sandia国家实验室等。例如：2008年10月9日的Nature杂志的一篇News Feature在论述Group理论^[9]时，引用了印第安纳大学图书馆与情报科学系Katy Borner博士有关采用科学地图方法研究作者之间合作关系图的最新研究成果，通过作者之间协作作图分析，展示出作者之间合作及团队的发展。通过科学地图研究group理论之所以具有重要的地位，首先是因为作图可以证实科学信息是如何创造的。研究发现，几乎所有的Nature发表的原创性论文都具有多个作者，可见科学在不断地走向合作化。所以研究团队的组建已成为科技创新的重要保障。

目前国内图书馆学、情报学界对信息可视化的研究集中在3个领域：理念介绍、算法及模型引进、方法及工具的提出，真正实现信息可视化的实例不多，而将科学问题可视化的研究更是处于起步阶段。我国也有学者在科学地图领域做了一些尝试，有国内学者以CNKI数据库为数据源，分析了我国创新管理领域的“创新地图”^[10]。南京大学学者以CSSCI来源文献为数据源，基于主题聚类的方法绘制了一份我国社会科学地图，借助该地图可以可视化地了解当前国内人文社会科学各学科关系，揭示2000-2004年中国人文社会科学发展的基本关系和趋势^[11]。中国科学院国家科学图书馆开展了有关专利和论文的可视化应用研究。

本文将对科学地图的结构特征、类别以及构建理论和技术等内容进行介绍，介绍国际上最新的研究进展，探讨科学地图的科学价值。并对国际上科学地图研究的论文进行科学计量分析，发掘重点的国家、机构和学科应用。以期研究结果能为我国从事相关研究的学者提供学术交流和开展课题的参考。

2. 科学地图的结构特征与构建技术

科学地图的构建在许多情况下需要多个算法，历经一系列的算法最后生成科学地图，这个过程被称为工作流（workflow），通常的工作流是数据经导入、抽样和模型化后，再经预处理、分析后实现可视化。一般工作流的6个步骤包括：数据准备、分析单元的定义、方法选择、各单元之间相似性的计算、各单元的关联与定位、对可视化结果的分析与说明，其中“各单元之间相似性的计算”与“各单元的关联与定位”两步又可同时定义为数据布局。若再广义地加以分类，则科学地图构建的整个过程可以分为两大部分，第一部分是科学知识与专门技术的收集、整理、分析与管理，此部分是科学地图构建的基础，将决定所构建的科学地图的科学性与准确性。此步骤的关键技术包括：共被引分析、因子分析、聚类分析、多维尺度分析、文本语义分析、数据选取与处理技术（如：基于主题地图的文献组织方法研究）。这些技术同时也是科学计量学、文献计量学均需面临的最重要的难点之一。另一部分是基于计算机编程的科学地图可视化实现技术，目前常用的可视化软件工具很多，如TDA、Aureka、NWB^[12]、Citespace^[13]、Pajek等。针对更多个性化的、复杂化的Map则需要根据具体的功能设计个性化的可视化方案，通过计算机编程实现。

2.1 科学地图的结构特征及功能

美国印第安纳大学图书馆与信息科学系在科学地图展览中将科学地图主要分为三种类型：概念地图（Concept maps）、领域地图（Domain maps）和地理地图（Cartographic maps）^[14]。

概念空间的概念地图是用于教育和心理学等领域的形象化工具（representational tool），概念地图有时也被称为思维地图（mind maps）, 样式记录（pattern notes）, 人脑样式（brain patterns）, 蜘蛛地图（spider maps）,语义地图（semantic maps）, 语义网络（semantic networks）和语义网（semantic webs）。概念地图由四个核心元素组成：代表某概念核心元素的节点，节点之间的连接，用于描述两个节点如何连接的连接词，节点的样式（分等级的或不同形状的）。节点间至少有9类连接词：包含、相似、数量关系、容量、因果关系、时机、相异点、等价和归类。

抽象语义空间的领域地图发展的目的是为科技探索提供服务，这些地图可以通过分析大规模的学术数据库而获得，致力于认知它们所包含的知识片段及其关联。领域地图所解答的问题主要包括：主要的研究领域、专家、机构、地区、国家、基金、出版物、杂志有哪些？什么领域是最孤立的？每个人研究领域之间的主要联系是什么？不同学科领域的相对发展速率？哪个领域是最动态或最静态的？新出现的研究领域是什么？科学家被引频率比较；基金资助对论文发表或专利申请情况有什么影响？基金资助对学科领域发展有何影响？如何基于科学地图评价科学进步^[15]？根据领域地图的分析对象，可以将领域地图再进一步细分为期刊地图、文献地图、作者地图、术语或词地图，不同领域地图具有不同的分析类型与功能。例如，期刊地图可以用于阐释宏观科学问题，展示主要学科领域之间的相对地位和关系，期刊地图还被用于更小规模的地图研究中，展示某个学科内部的精细差异；文献地图是最为常用的分析手段，包括论文和专利等文献，可以实现文献挖掘、领域分析、政策决策、研究质量评估、科技管理或竞争情报等多个方面；作者地图主要有作者共引地图和作者合作地图两种类型，前者尤为适用于分析学科领域的知识结构，后者常用于分析某学科或部门的社会网络；术语或词地图（也称为语义地图）被用于分析领域的认知结构。

物理空间的地理地图已经在人类探索地球的活动中使用了多个世纪，它们帮助人们发现新世界、标记事物分布等。例如美国印第安那大学的研究人员采用地理地图的方式对美国研究机构的学术分布进行了可视化研究^[16]。

此外，Chen在的《Mapping Scientific Frontiers》一书中将科学地图分为面向物理世界（Universe）和面向概念世界（Mind）的两种地图。前者用于描述物理世界的自然现象，包括地面的、空间的和生物学的地图；后者是物理世界所反映的问题向概念世界的一种延伸。

根据科学地图所反映的介质，还可以将其分为时间地图、地理地图、人物和主题地图。

根据科学地图所反映的客体，可以将其分为微观（个人）地图、中观（机构）地图和宏观（国家）地图。

2.2 数据的组织与预处理

2.2.1 数据集的构建

数据集的构建是研究科学地图的基础，随着计算机网络技术的飞速发展，大量电子数据库的构建为构建科学地图提供了充分的数据基础，同时也给科学准确地构建有价值的科学地图工作提出了新的挑战。如何在大量的数据中抽提出恰当的可以代表某一主题的数据已是科学地图研究的重要环节。目前图书情报界在构建科学地图时采用的策略主要有以下几种：

第一，基于数据库自身的分类体系，下载并分析某特定领域的数据。如陈云伟等（2008）基于SSCI收录的Information Science & Library Science（情报学及图书馆学）64种期刊，对其收录的2001－2007年的70022篇论文进行科学计量分析^[17]。研究世界图书情报学科的年度发展趋势、国家和机构布局以及图书情报科学与其他学科的交叉布局。Leydesdorff 与 Rafols（2009）基于ISI的学科分类构建了全球科学地图^[18]。

第二，以某个期刊或会议为基础，对一定时期内的论文进行作图研究。如Börner，Penumarthy和Meiss等（2006）采用科学地图的方法描绘了1982-2001年间在PNAS国际会议上发表论文最多的500个研究机构的信息^[19]。Chen，McCain和White等（2002）^[20]、Hou，Kretschmer^[21]和Liu（2008）、Dutt，Garg和Bali（2003）^[22]分别基于Scientometrics期刊进行了作者共引、机构合作和国家分布等科学地图研究。

第三，以国家或机构为分类基础，对特定国家或机构进行比较研究。如Chen，Yang和Fang（2009）等^[23]以Derwent专利数据库为数据源，比较分析了中国科学院与法国国家科研中心、麻省理工学院和德国马普学会的生物技术发明专利。

第四，以关键词进行检索。如Judit（2008）采用关键词检索的策略对计量情报学在21世纪的发展进行了综述研究^[24]。

第五，利用国际专利分号或美国专利分类号进行专利检索，用于构建专利数据集。

2.2.2 数据预处理与清洗

科学准确的数据是科学地图构建的基础，在科学地图构建过程中数据的预处理占据重要的地位，如清洗噪音数据、数据集成和变换等。多数分析软件具备数据清洗的功能，如TDA软件通过列表、组等功能对原始数据进行人工清洗^[25]；NWB软件也可以对作者等数据进行合并清理^[26]。不过目前软件在对数据进行自动化清洗时，常常受困于大量数据中的偶然错误或不同的著录格式，而且这些偶然的因素或格式无规律可循，导致自动清洗的结果有时无法满足科学地图构建的要求。所以，随着数据库在图书情报领域的应用越来越广，计量分析对数据的准确度要求也越来越高，这对数据库建设者在数据格式和著录规范与准确性方面也提出了更高的要求。

此外，数据集中项之间的关联方案是决定科学地图科学价值的重要因素，因此必需建立科学实用的关联方案。要求建立科学、准确的类或簇，包括专家咨询等策略，确保类或簇的准确。

2.2.3 指标选取与科学地图所关注的科学问题

NIA在科学地图构建时，单个研究人员生产力指数包括：成果或发现的新闻报道；在Science、Nature、PNAS等高学术影响力杂志上发表论文的数量；在本领域最重要刊物上发表的论文数；文章被引情况；近期主要的荣誉，如NAS membership、诺贝尔奖等；基金研究的媒体报道；向其他领域思想的输出；领域研究者的平均年龄；领域内博士后人数；领域内领先杂志上发表文章的速率；晋升和职位增长的速度；项目团队的规模、项目的数量等。进而分析基金资助对文章数量的影响、资金投入与论文产出的关联以及同一基金资助下研究人员发表论文的关系图。

近年来图书情报领域普遍关注科学地图在引文分析、共引分析、共词或共著等共现分析方面的领域地图研究。例如，Chen和Paul（2001）采用Pathfinder网格技术创建了作者共引地图^[27]；作者共引分析的开创者之一Howard White（2003）强调与传统技术（多维尺度分析、聚类分析和因子分析等）相比，使用Pathfinder networks进行作者共引作图分析的优势^[28]；Lin，White和Buzydlowski（2003）利用ISI引用指标构建了实时作者共引地图，进而很容易发现特定的二级学科（例如：某作者从事多个领域的研究或同名作者等分析）^[29]；He和Hui (2002)也基于共引分析研究了SSCI信息检索论文作者之间的相互关联^[30]；Boyack and Börner（2003）在同一张图中展示了基金资助和出版物之间的关系图，提高了科学地图对科学政策制定者的利用价值^[31]；Boyack，Klavans和Börner（2005）尝试利用类似的方法构建全球科学地图^[32]；Egghe，Rousseau和Van Hooydonk（2000）总结了基于论文数量或引文数量在国家、机构、研究团队和作者水平的不同作图方法^[33]；Chen（2004）对弦理论的科学变革进行了可视化研究^[34]。

此外，概念地图与地理地图研究已经在美国的图书情报领域、计量情报学领域、生物信息学领域占据了较为重要的地位。例如，科学地图对于描述科技争论的发展和跟踪模式发展轨迹中所发挥的科学价值，Chen，Cribbin，Macredie,和Morar（2002）研究了疯牛病与人类Creutzfeld-Jacobs 病之间的可能关联^[35]；以RNA结构研究食品网络，对人类认知和社会行为进行可视化作图研究，揭示认知和行为规律，通过作图研究人脑的连通性结果与功能动力学之间的关系，通过地理地图研究交通、电话、邮件、移民动态等的网络分布。

2.3 可视化技术与方法

2.3.1 主要信息可视化作图技术

主要的信息可视化作图技术包括：时间序列（temporal）、列表（tabular）、多维数据分析（multididimensional）、树状图（trees）、网络分析（network）、地理地图分析（geographic data landscape）、大规模社会网络的静态图像、动画（animations）、人机交互技术（interactive display）、身体操作技术（Hands-on Physical）、hybrid技术。

时间序列分析——主要目标是展示事物发展的过程并预测随时间变化的发展趋势，时间序列作图需要注意随机噪音的影响，通常情况下，需要清除噪音数据以获取更准确的图。时间序列作图分析最为关注趋势和周期性两个方面，在突发事件分析中有着重要的价值。随着用户对信息重视度的逐步提高，要求时间序列分析能更加方便快捷地检测异常和趋势，提高获取详细资料的效率，扩大应用范围，时间序列分析将面临处理大量数据以及高效利用空间的挑战。

列表分析——通过常规的平面图将数据进行可视化，其优势是高效地揭示文献间的关系，适合进行比较分析。其不足是无法显示多个属性之间的相互作用，同时平面图中显示的信息太少，使比较工作变得困难。

树状图——目的是描绘层级数据，揭示其结构信息和内容信息，通过树状图可以更加高效地利用空间，易于描绘相互关系，美观并易于理解。

网络分析——一个巨大的主题，包括复杂网络和社会网络分析。目前在图书情报领域应用最为普遍的为合作网络（collaboration networks）。在大型网络分析中所面临的挑战包括节点的定位（无重叠）、噪音连接的去除、标签、导航与相互作用。在网络分析的布局中，节点和边可以采取直接或间接、权重或未加权重、标签或未加标签等方式陈列。可以用过颜色、大小和样式编码来呈现不同的属性值。

地理科学地图分析——即在世界或国家行政区域地图上根据科学数据指标进行标记，生成静态的或动态的基于地理地图的科学地图。如Borner在2006年在美国地图上根据各研究机构的论文数清洗地展示了美国主要科研机构的产出能力情况^[36]。

大型静态图像——以大型静态图片描述科学问题的分布和关联，如SciTech Strategies公司为NIH、NSF、DOE、NSAS等机构设计了大量的静态图像，反映多种学科的发展及相互交叉关系等信息^[37]。

人机交互技术——通过人机交互界面，使用户根据个人兴趣进入相应的系统，从不同角度读取的不同可视化呈现方式的科学地图。该技术还允许用户根据需要在不同层面呈现大规模的数据，可以在地图中删除某些数据，进行个性化设置。对从多角度分析数据、监测重要特征、在结构、空间和时间等多方面分析数据具有重要价值。

2.3.2 算法与工具

随着计算机技术的发展，图书情报界对作图和可视化的研究兴趣越来越浓^[38]，随之开发出众多可视化工具。例如用于network分析的工具Pajek、VxInsight、Simple graph match、ABSURDIST和Similarity Flooding等；用于地理地图分析的工具包括CAIDA tools、WiGLE、Urban Security Project、Time Maps、Named storms和Cabspotting等；用于时间序列分析、列表和多维数据分析的TimeSearcher、GRIDL、Infozoom、Tableau Software、BlogPulse、Google Trends和Galaxiadvisors等；用于树状图分析的工具Hyperbolic Trees、Radial Trees和Treemaps等。

目前图书情报界在科学地图领域的研究主要集中在领域地图方面，在近年的研究中开发或应用的主要算法和工具包括^[39]：Chen开发了CiteSpaceII系统成为研究引文和共引分析的专业工具^[40]。Garfield和他的同事们在一些案例中演示了对HistCiteTM的使用，例如，论文偶合比较分析（bibliographic coupling）、基因流（gene flow）和小世界（small world）等。算法编史学为研究某一主题的起源和发展提供了可能^[41]。Boyack、Wylie和Davidson介绍了数据可视化工具VxInsight®及其在domain分析中的应用^[42]。Börner团队开发的信息可视化工具NWB集成了多种算法和工具，如Guess、Gnuplot等工具，具备分析多种领域地图的功能。Thomson Reuters公司的TDA和Aureka软件为用户提供了生成论文或专利引文网络合作网路的功能，可以用于物理、化学、生命科学等众多学科领域。

大多数网络分析和可视化算法都无法处理数以百万的大量节点，即使可以陈列出这些大量的节点，也很难对其进行解释和说明，因此，有必要开发能帮助识别大量数据backbone的算法，如识别网络中的主要连接或簇。在网络非常大的情况下，特定的数据缩小策略则显得尤为重要。例如，如果一个网络是非定向的，将不同的簇分开陈列则非常有益。如果一个网络非常稠密，backbone识别和簇检测方法则被用于识别主要结构。

Pathfinder Network Scaling（PfNet）是一种结构建模技术，最初被Schvaneveldt、Durso和Dearholt等用于分析心理学的相近数据。Pathfinder Network Scaling提供的是一个完全的主要语言结构的陈述，而不是最小化的生成树，是对本地结构更加精确的说明，而不是多维缩放技术。该算法采用的输入数据是一个相似矩阵，在定义网络时仅保留最重要的连接，它依靠三角形公理（triangle inequality）清除多余的或违反直觉的连接。假如网络中的两个连接或路径连接着两个节点，那么根据闵可夫斯基度规，连接/路径则被认为具有更高的权重进而被保留。假定的前提是拥有更大权重的连接/路径能更好地呈现两个节点之间的相互关系，同时低权重的可替代的连接/路径是多余的或者是违反直觉的，应该从网络中去除。

此外，主要的用于科学地图构建的算法还包括用于聚类分析的自组织映射聚类算法、因子分析、特征向量与特征值分析、多维尺度分析、簇分析等等。在科学地图的构建中，信息连接存在两个主要问题是：第一，多元的数据需要陈列在纸张或计算机屏幕等二维平面上，解决此问题需要利用数学维度减少算法，将多维数据减少进而呈现在二维或三维空间上，这些算法的目的是把相似的客体放在一起，如簇技术；第二，大量的数据需要清晰地陈列在有限的空间内，常利用交互（平铺或过滤技术）或曲解（如鱼眼技术）技术来实现。

3. 国际科学地图研究布局

为了从计量学的角度描述科学地图的发展历程和全球布局，本文借鉴文献^[43]对科学地图研究的论文的定义，对2001年-2008年有关科学地图研究的论文的布局新发展进行科学计量学分析。在WEB OF SCIENCE网络数据库中，SCI与SSCI收录有关科学地图的论文在2001－2008年总计发表5060篇。年度变化趋势统计见图1。

从图中数据分析可见，2001年至2008年，世界科学地图领域的论文产出量总体呈现出持续增长的态势，年均增长率20.6%，根据论文数量的变化，可以将此时间区段分成3个部分，2001年-2004年，年度数量增长不大，2005-2007年论文数量逐年保持较为稳定的增长率递增，2008年的论文数量从2007年的873篇激增到1230篇。由此表明，科学地图的研究在近8年内持续快速发展，并总体上呈现出加速度的趋势。

图1 科学地图领域论文数年度变化趋势图（略）

2001－2008年，5060篇科学地图领域论文中有24.15%属于情报学和图书馆学领域，在所涉及的所有学科领域中排在第一位（表1）。在所涉及的前20个主要学科领域中，计算机科学占据了很大的比例，包括信息系统、软件和人工智能等，此现象与计算机科学在科学地图研究中所发挥的作用越来越高密切相关，几乎科学地图研究工作流的各个环节都离不开计算机技术的参与。此外，在前20个领域中，还涉及地球科学、医学、管理学、环境卫生、心理学、语言学、神经系统科学、生物化学与生物技术等领域，表明了科学地图研究在以上领域中获得了相对较为广泛的应用。

表1 科学地图领域论文学科领域布局表

表2 科学地图领域论文国家（地区）布局

2001－2008年，科学地图领域论文来自88个国家（地区）。其中数量最多的是美国，总计有1899篇论文，数量上是排在第二位的英国（622篇）的3倍，表明美国在科学地图领域研究的明显优势。这与美国相关机构和大学在科学地图领域的研究投入密不可分，如NSF、NIH、印第安纳大学、亚利桑那大学、德雷赛尔大学、Sandia国家实验室等在科学地图领域的资助或研发活动。论文数在200篇以上的国家还包括德国、西班牙、加拿大、荷兰和中国，分列3到7位。虽然我国发表的论文数排在第7位，但是在数量上与排在前2位的美国和英国还有相当大的差距。我国论文产出较多的研究机构主要有中国科学院、香港大学、香港中文大学、北京大学、哈尔滨工业大学、香港城市大学、清华大学、浙江大学、河南师范大学等。表2列出了排在前20位的国家（地区）。

4. 讨论

展望未来，科学地图研究将在图书情报工作中占据越来越重要的地位，为图书情报工作提供强有力的支撑，尤其是将成为研究型图书馆的核心竞争力所在。建设一个面向学科领域的科学地图，必将大大提升学科情报研究以及参考咨询工作的效率和水平。科学地图不仅对国家负责科技政策制定的政策决策机构有参考价值，而且对科研机构和科研人员提供决策和参考依据，对情报研究工作也颇具指导价值，在某学科领域构建一个科学完整的科学地图，将大大提高情报人员提供情报研究产品以及参考咨询工作的效率和质量。人类的进化始终沉浸于3D世界中，人类的感知和认知能力已经在3D环境中达到了最优化，人类的大脑更易于接受空间组织的信息，更易于记忆。科学地图可以帮助人们发现那些已经存在或淹没于大量知识、信息和数据中的问题，如疾病或战争、政府处理经济危机和其他重大问题的方法、全球范围内人与人之间的合作等。虽然没有任何人能做到以上所有这些问题，但随着越来越多的科学地图的展现，必然可以描述更多的科学问题。EpiC（Epidemic Cyberinfrastructure）概念的提出就是为了使来自任何学科的人都能共享数据、工具和方法。

Chen（2003）^[44]在Mapping Scientific Froniters一书中指出了科学地图的发展面临的10个挑战：1）领域的准确性与独立性，即开展一项分析需要具备多少领域知识；2）质量与时效性；3）跨学科属性的思考；4）有效性；5）设计隐喻性，即如何设计合适的和有意义的隐喻，并且要保证该隐喻不是对未来发展的误导；6）覆盖范围，即数据的选取，包括期刊论文、专利、会议论文、基金等；7）按比例扩增技术；8）自动标签；9）读者（用户）个体差异，即不同的读者对同一图谱的反应和信息读取可能存在较大差异，进而导致图谱产生截然不同的功效；10）伦理道德约束。

需要引起重视的是，当前有关科学地图的信息可视化技术的优势已经到达一个关键的转折点，现在需要学者们关注的是设计超越精美图片范畴的科学地图，甚至是超越第一眼看到科学地图的兴奋。问题是我们如何才能让整洁的科学地图平稳地反映我们工作的信息流？^[45]。值得一提的是，以下几点可能将是科学地图发展的热点所在：增加领域可视化对非专业人员的易接受性；利用科学地图解答切实的问题；将不同学科领域的领先研究者们集中在一起来研究知识领域的科学地图，提高研究结果的功效；开发功能更加强大和灵活的算法^[46]。

参考文献：

[1] Garfield, E. (1994). Scientography: Mapping the tracks of science. Current Contents: Social & Behavioural Sciences[G], 7, 45, 5-10.

[2,16,36] Börner K, Penumarthy S, Meiss M, Ke W. Mapping the Diffusion of Information among Major U.S. Research Institutions[J]. Scientometrics,2006,68(3):415-426.

[3] Boyack K W, Börner K, Klavans R. Mapping the Structure and Evolution of Chemistry Research[J]. Scientometrics,2009,79: In press.

[4,7,17] 陈云伟,方曙,邓勇. 基于SSCI研究世界图书情报学科布局[J]. 情报杂志,2008,27(12):97-95,114.

[5,15,19] Börner K. Mapping the structure and evolution of science[M]. Symposium on Knowledge Discovery and Knowledge Management Tools at NIHNatcherConference Center, Bethesda. February 6, 2006.

[8] IpIQ, NSF. Science and Engineering Indicators 2008. [2009-03-13]. http://www.ipiq.com/our_research/index.asp.

[9] Whitfield J. Group theory[J]. Nature, 2008,455:720-723.

[10] 郑刚, 朱凌, 陈悦.中国创新地图——基于文献计量学的我国创新管理研究力量分布研究[J]. 科学学研究, 2008,26(2):442-448.

[11] 金莹, 邓三鸿. 基于主题聚类的社会科学地图[J]. 图书情报工作, 2007,51(4):104-108.

[12,26] NWB Team. Network Workbench Tool. Indiana University, Northeastern University, and University of Michigan, 2006, http://nwb.slis.indiana.edu/.

[13] Chen, C M. CiteSpace. [2009-05-01]. http://cluster.cis.drexel.edu/~cchen/citespace/.

[14] Scimaps. Places & Spaces, Mapping Science. [2009-05-01]. http://scimaps.org/.

[18] Leydesdorff L, Rafols I. A Global Map of Science Based on the ISI Subject Categories[J]. Journal of the American Society for Information Science and Technology, 200960(2):348–362.

[20] Chen C M, McCain K, White H, Lin X. Mapping Scientometrics (1981 -2001)[M]. ASIST 2002: PROCEEDINGS OF THE 65TH ASIST ANNUAL MEETING, 2002,39: 25-34.

[21] Hou H Y, Kretschmer H, Liu Z Y. The structure of scientific collaboration networks in Scientometrics[J]. Scientometrics, 2008,75(2):189-202.

[22] Dutt B, Garg K C, Bali A. Scientometrics of the international journal Scientometrics[J]. Scientometrics, 2003,56(1):81-93.

[23] Chen Y W, Yang Z P, Fang S. A Comparative Study on the Biotechnology Patents of CAS[M]. 12TH International Conference on Scientometrics and Informetrics, ISSI 2009. 14-17,July, 2009, Rio De Janeiro, Brasil.

[24,38] Judit B I. Informetrics at the beginning of the 21st century—A review[J]. Journal of Informetrics, 2008,2:1–52.

[25] 岳卫平.汤姆森科技信息集团,数据挖掘和可视化分析研究工具[M]. 国家科学图书馆2007战略情报研究培训班, 北京:2007.

[27] Chen C M, Paul R J. Visualizing a knowledge domain’s intellectual structure[J]. IEEE Computer, 2001,34(3):65–71.

[28] White H D. Pathfinder networks and author cocitation analysis—A remapping of paradigmatic information scientists[J]. Journal of the American Society for Information Science and Technology, 2003,54(5):423–434.

[29] Lin X, White H D, Buzydlowski J. Real-time author co-citation mapping for online searching[J]. Information Processing andManagement, 2003,39(5):689–706.

[30] He Y L, Hui S C. Mining a Web Citation Database for author co-citation analysis[J]. Information Processing and Management, 2002,38(4):491–508.

[31] Boyack K W, Börner K.. Indicator-assisted evaluation and funding of research - Visualizing the influence of grants on the number and citation counts of research papers[J]. Journal of the American Society for Information and Technology, 2003,54(5):447–461.

[32] Boyack K W, Klavans R, Börner K. Mapping the backbone of science[J]. Scientometrics, 2005,64(3):351–374.

[33] Egghe L, Rousseau R, Van Hooydonk G. Methods for accrediting publications to authors or countries: Consequences for evaluation studies[J]. Journal of the American Society for Information Science, 2000,51(2):145–157.

[34,46] Chen C M, Kuljis J. The rising landscape—A visual exploration of superstring revolutions in physics[J]. Journal of the American Society for Information Science and Technology, 2003,56(4):704–714.

[35] Chen C M, Cribbin T, Macredie R, Morar S. Visualizing and tracking the growth of competing paradigms—Two case studies[J]. Journal of the American Society for Information Science and Technology, 2002,53(8):678–689.

[37] SciTech Strategies Inc. Maps of Science. [2009-05-01]. http://mapofscience.com/.

[39,43] Börner K, Chen C M, Boyack K. Visualizing Knowledge Domains. In Blaise Cronin (Ed.) [M]. Annual Review of Information Science & Technology, 2003,37, Medford, NJ: Information Today, Inc./American Society for Information Science and Technology, chapter 5, pp. 179-255.

[40] Chen C M. CiteSpace II—Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology, 2006,57(3):359–377.

[41] Garfield E. Historiographic mapping of knowledge domains literature[J]. Journal of Information Science, 2004,30(2):119–145.

[42] Boyack K W, Wylie B N, Davidson G S. Domain visualization using VxInsight (R) for science and technology management[J]. Journal of the American Society for Information Science and Technology, 2002,53(9):764–774.

[44,45] Chen C M. Mapping Scientific Frontiers[G]. Spring. 1 edition (January 17, 2003).