基于Python的CNKI查收查引研究科学计量分析可视化.docx

基于Python的CNKI查收查引研究科学计量分析可视化
摘要：
随着科学研究的不断发展，科学计量分析在科研领域中扮演着越来越重要的角色。CNKI是我国知名的文献检索平台，其中包含了众多的论文、期刊、会议论文等科研文献，其查收和查引数据是科学计量分析的必要数据来源。本文主要介绍了基于Python的CNKI查收和查引数据的科学计量分析和可视化方法，包括爬虫实现、数据清洗、分析方法、可视化工具等方面。
关键词：科学计量分析；CNKI；爬虫；数据清洗；可视化
一、引言
科学计量分析逐渐成为了科研领域必不可少的一部分。科学计量是指利用定量方法对科学研究的科学、技术、人文和社会科学领域实现确定和分析的过程，其中的数据来源包括文献引用、专利、科技成果奖项、学术会议、学术期刊等方面。CNKI是一个综合性文献检索平台，提供各种学科的文献检索服务，其收录的文献涵盖了国内外期刊、博硕士论文、会议论文等方面，因此其收录的数据对于科学计量分析来说是非常重要的。
Python是一种易于上手的编程语言，并且具有灵活、高效的优势，因此得到越来越广泛的应用。本文基于Python，采取爬虫技术获取CNKI平台上的查收和查引数据，并使用科学计量分析和可视化工具，对数据进行分析和展示，以进一步提高科研数据的利用效率。
二、爬虫实现
爬虫是从网页上获取数据的技术手段，其在科学计量分析中有广泛的应用。本文使用Python编写爬虫程序，从CNKI平台获取查收和查引数据。爬虫程序的主要流程包括以下几个步骤：首先通过CNKI平台的检索功能获取有关文献的信息，例如文献的名称、作者、关键词等；接着通过在检索结果页面中触发获取查收和查引数据的功能，获取相应的数据；最后解析数据，筛选出有用的信息。
三、数据清洗
爬虫程序采集到的数据需要进行清洗，即去除无效信息，使数据具备规整、整洁的特点。数据清洗主要包括去重、缺失值填补、异常值处理等步骤。在本文中，数据清洗的工作主要针对爬取到的查收和查引数据进行处理。
四、分析方法
本文主要采用科学计量分析的方法，对CNKI平台上的查收和查引数据进行分析，包括以下几个方面：
1.展示文献的发布年份、期刊、作者以及关键词等信息；
2.分析各文献的被引用量和期刊影响因子等数据，比较文献的影响力；
3.利用岭回归分析方法，分析关键词与文献被引用量之间的关系，进一步分析关键词对文献的影响力；
4.利用PCA降维分析，将大量的关键词转化为少数几个维度，呈现关键词在人文学科、社会学科和自然学科中的分布情况。
五、可视化工具
为了更好地展示科学计量分析的结果，本文采用了多种可视化工具，包括以下几个方面：
1.使用Matplotlib绘制文献发布年份、期刊、作者等信息的折线图、条形图、气泡图等图表。
2.使用Seaborn绘制各学科关键词的分布情况的热力图、箱型图等图表。
3.使用Bokeh绘制关键词与被引用量的散点图、直方图等图表。
六、结论
本文介绍了基于Python的CNKI查收和查引数据的科学计量分析和可视化方法。通过爬虫技术获取CNKI平台上的查收和查引数据，并使用科学计量分析和可视化工具，对数据进行分析和展示，以进一步提高科研数据的利用效率。