利用網路結構分析的研究主題視覺化

路徑搜尋網路(PFNet)方法與社群偵測演算法經常被應用在研究主題的視覺化呈現與分析。PFNet方法能夠在保留原先網路的結構特性下,刪除大量不重要的連結線。社群偵測演算法則能夠將網路劃分成凝聚性子群。然而這兩種方法都有不足的地方:PFNet方法無法自動從輸入的網路上發現重要的子群,社群偵測演算法無法保證同一子群的節點會映射在鄰近的區域。本論文建議整合這兩種方法以減輕上述的問題:利用社群偵測演算法將PFNet方法產生的新網路劃分成子群。且本研究也建議利用子群內出現頻率較高的詞語做為研究主題的標示,讓結果分析與詮釋更加容易。本研究以臺灣資訊傳播學領域為範例,利用相關系所的碩士論文為分析資料。研究結...

Full description

Saved in:
Bibliographic Details
Published in教育資料與圖書館學 Vol. 50; no. 4; pp. 565 - 596
Main Author 林頌堅(Sung-Chien Lin)
Format Journal Article
LanguageChinese
Published 台灣 淡江大學資訊與圖書館學系 01.09.2013
Subjects
Online AccessGet full text
ISSN1013-090X
DOI10.6120/JoEMLS.2013.504/0524.RS.CM

Cover

More Information
Summary:路徑搜尋網路(PFNet)方法與社群偵測演算法經常被應用在研究主題的視覺化呈現與分析。PFNet方法能夠在保留原先網路的結構特性下,刪除大量不重要的連結線。社群偵測演算法則能夠將網路劃分成凝聚性子群。然而這兩種方法都有不足的地方:PFNet方法無法自動從輸入的網路上發現重要的子群,社群偵測演算法無法保證同一子群的節點會映射在鄰近的區域。本論文建議整合這兩種方法以減輕上述的問題:利用社群偵測演算法將PFNet方法產生的新網路劃分成子群。且本研究也建議利用子群內出現頻率較高的詞語做為研究主題的標示,讓結果分析與詮釋更加容易。本研究以臺灣資訊傳播學領域為範例,利用相關系所的碩士論文為分析資料。研究結果發現:整合PFNet方法和社群偵測演算法有利於從論文相關網路上發現代表重要研究主題的子群。子群內最高出現頻次的詞語大多和資訊傳播學以及其基礎領域的問題、方法、理論和技術非常相關,可以做為研究主題的標示。
ISSN:1013-090X
DOI:10.6120/JoEMLS.2013.504/0524.RS.CM