基于GN算法的文献聚类方法研究

摘要 文献是人类文化传播不可或缺的记录形式，文献结构研究的意义重大，有利于促进信息获取、知识交流和学术研究。本文将GN算法应用于文献聚类的研究当中，介绍了GN算法的步骤和文献聚类的过程，最后进行了聚类模型的演示，实验表明该文献聚类方法是有效的。

关键词 文献聚类；GN算法；网络图；子图凝聚度

中图分类号TP39 文献标识码A 文章编号 1674-6708（2013）83-0194-02

0 引言

文献是用文字、图形、符号记录人类知识的一种载体，通常理解为图书、期刊等各种出版物的综合，是记录、积累和传播知识的有效手段。随着文献数字化的发展，为了从海量文献中获取所需的信息，人们早就已经开始了对文献结构的研究。文献之间存在着引文关系，每篇文献都会引用多篇参考文献，而本身也会被其他文献所引用。文献之间的联系并不是均匀的，在文献所属的知识领域、作品本身的内容以及作者的影响力等因素的综合作用之下，某些核心文献必然会被其他相关文献大量引用，而另一些文献可能无人问津[1]。

文献聚类就是按照一定的聚类模型，划分不同的文献组合，使得同组文献具有较高的相似度，不同组文献之间的相似度较低。基于引文关系，在对文献结构的分析上，大都采用网络图的理论和方法，建立文献之间的标识与索引，以各种数据挖掘模型发现文献之间的隐性关系。Chen利用三维虚拟技术开发出一套表示共引关系的图标，并分析了大型引文网络结构[2]；Howard D.White和Xia Lin等人用SOM算法实现了共引聚类和概念聚类分析的文献网络图[3]；周军、苏新宁进行了基于数据仓库的引文分析系统研究[4]；杨建林、孙明军利用引文索引数据挖掘学科交叉信息[5]；王吴基于关联规则挖掘学科间相关性[6]。

1 基于GN的文献聚类

1.1 GN算法相关概念

聚类方法大致可以划分为如下几类：划分方法、层次方法、基于密度的方法、基于网格的方法、基于模型的方法、高维数据的方法和基于约束的聚类等[7]。在文献结构分析领域，比较常用的是层次聚类方法，其中最适合的是GN算法。

GN算法是Girvan和Newman于2002年提出的一种基于中介度的分裂层次聚类算法[8]，通过不断地从网络图中移除连接不同子图之间的边，达到将整个网络图中分解为若干个子图的目的。Newman等人对美国一所大学空手道俱乐部的34个成员之间的社会关系进行了为期两年的观察，构建了成员之间的网络图，利用GN算法很好的找到了真实社团划分，研究结果显示，GN算法对于网络图的子图挖掘具有很好的实用价值。

1.2 文献的网络图表示

1.3 文献聚类建模

基于GN算法的文献聚类模型从文献网络图出发，使用引文关系的中介度M作为子图分割的依据，使用子图凝聚度Q评价文献划分结果。GN算法的思想如下（假设该文献网络图中有n个文献,m个引文关系）：

1）使用中介度算法计算文献网络图中每个引文关系的中介度值M；

2）移除M值最大的引文关系，使得文献网络图被划分出新的子图；

3）检验当前的子图凝聚度Q是否达到阀值；

4）如果不是，则重复步骤1；

5）如果满足，则将此聚类结果作为模型的最终结果输出。

3 结论

本文介绍了文献之间的引文关系，讨论了文献网络的有向图表示，对文献聚类的思路以及GN算法的步骤进行了详细阐述，最后通过实例展示了基于GN算法的文献聚类过程。本文对文献聚类的研究还处于初步探索阶段，面对与日俱增的文献，GN算法在数据量以及动态性方面尚具有不足之处，在今后的研究工作中，还需要综合学习和引入其他聚类方法，提升文献聚类的效率和效果。

参考文献

[1]陈祖琴.基于数据挖掘的引文分析――利用模拟日志分析进行相关文献推荐.西南大学，2008.

[2]Chen C.Visualizing semantic spaces and author co-citation networks in digital libraries.Information Processing and Management, 1999(5)：401-420.

[3]Lin X.Map displays for information retrieval. Journal of the American Society for Information Science，1997(48)：40-54.

[4]周军，苏新宁.基于数据仓库的引文分析系统研究.情报学报，2002，21(3)：290-294.

[5]杨建林，孙明军.利用引文索引数据挖掘学科交叉信息.情报学报，2004，23(6)：672-276.

[6]王吴.基于关联规则挖掘研究学科间相关性.现代图书情报技术，2005(3)：23-28.

[7]Jiawei Han, Micheline Kamber.数据挖掘概念与技术(第二版).机械工业出版社，2007.

[8]马朝阳.基于SNA的网络核心及社团结构挖掘研.大连交通大学，2009.