领域知识是一个随时间扩展的体系，那些重要的理论定律不断被引用，新颖的思想和观点不断产生，新旧知识之间始终保持动态的知识增长。在这个过程中，学科领域逐步细化，知识框架也将发生改变，但科学知识始终保持一个整体，这其中体现了知识的演化。知识之间存在一种建构的关系^[1-2]，任何新知识不可能凭空产生，必然基于现有的知识经验，可以说，新知识是现有知识的演化和创新。知识演化体现了知识之间传承和发展的关系，提取知识间的这种演化关系具有十分重要的意义。一方面，科学知识的增长，知识数量的膨胀，给用户准确有效地获取所需知识带来了巨大的挑战，知识演化分析^[3-4]能够帮助用户有效地梳理复杂的知识关系，获悉领域研究热点及发展动向。另一方面，目前网络个性化知识服务已相当成熟，然而能体现时空上演化的知识服务却少有研究，设计一种自动提取领域知识演化关系的方法能够为用户生成具有时间上连续的演化知识序列，对个性化知识服务的改进具有一定的价值。

一对演化关系由两个实体概念组成，演化路径则是演化关系的连续序列，包括演化起点、演化终点及演化中间点。例如，1990年数字媒体领域的一条演化路径“电视广播—电视教育—电教媒体—远距离教育—电化教学—计算机技术”，“电视广播”表示知识演化起点，“计算机技术”表示知识演化终点。可以看出，1990年数字媒体领域热点话题围绕传统媒体，并将传统媒体广泛应用于教学，整体的演化趋势从传统媒体趋向计算机技术。

为了较好地挖掘知识间的这种演化关系，研究者通常采用知识网络来表示不同形式知识单元之间的联系，并设计自动化的知识关系抽取模型，进而获取有效的知识信息。根据知识单元的不同表现形式，常见的知识网络包括引证网络^[5-6]、合作网络^[7-9]、共词网络^[10-12]等。此外，可视化文献分析软件也广泛应用在研究学科领域的发展趋势与动向。例如，马费成等^[4]在引文网络的基础上采用网络分析软件Citespace，以生物医学领域为例进行了领域主题聚类、关键路径提取、核心文献分析等研究，实验分析结果为学科发展提供了较好的理解。但Citespace只有在文献引文网络分析中有较好表现，并且对文献格式等有一定要求。

本文提出一种基于时空域联合建模的领域知识演化脉络分析方法，在传统知识网络分析技术的基础上引入骨架聚类技术^[13-15]，针对网络结构中的最短路径进行骨架聚类分析，骨架聚类效果最优的最短路径视为该知识网络的演化路径，并根据时空上连续的网络结构进行演化路径衔接，形成连续年份的知识演化脉络。考虑到近年来数字媒体领域发展之快，影响面之广，本文实验以CNKI在数字媒体领域发表的期刊文献作为数据来源，按年份发展逐年构建知识网络并采用骨架聚类提取演化路径，进而对数字媒体领域的发展历程进行研究分析。

1 模型框架

本文提出的基于时空域联合建模的领域知识演化脉络分析方法着重考虑两个问题：如何表示知识概念之间的演化关系；如何从复杂的演化关系中提取演化路径。针对上述问题，本文设计的模型框架由两部分组成：1)采用知识网络来表示知识概念之间的演化关系，网络节点表示知识概念，网络边表示连接两个知识概念存在知识演化关系；2)采用“局部聚合，整体关联”的思想进行网络骨架聚类分析。“局部聚合”指骨架节点能够作为邻近节点的聚类中心，形成局部稠密子图；“整体关联”指各骨架节点在网络图中是连通的，并且整条骨架上的各节点聚类系数之和最小，则该骨架认为是网络图的一条最优知识脉络。

1.1 知识网络模块

在知识图谱领域，知识网络是研究知识发展的重要工具^[16-20]。知识网络由节点和边组成，节点表示知识实体单元，边表示实体单元之间的知识关联。按实体单元不同，节点可以是论文、专利、书籍、关键词等；按知识关联不同，边可以是引证关系、共现关系、合作关系等。本文采用的知识网络是一种改进的共词网络，以领域关键词为节点，以演化关系权重作为边。相对于引证网络，共词网络能够更加直观有效地体现实体概念在网络结构上的演化脉络。

本文构建的知识网络是一种加权无向网络，目前对该类网络的研究主要包括两方面：1)网络节点在网络图中的重要性评价，评价指标主要有节点词频，节点度(无向图中出度入度相等，统称为节点度)，中介中心度等；2)基于节点连线的网络路径分析，包括最短路径、关键路径、平均路径长度等。网络节点分析常用于获取网络主题分布，而网络路径分析则用于预测领域知识发展方向、发现研究热点等。

本文构建知识网络的过程主要包括以下3个步骤。1)获取网络节点：自动抽取数字媒体文献的关键词，进行关键词筛选和统计，获取具有代表性的领域关键词作为网络节点。2)提取节点关系：统计关键词在文档中的共现频率，基于共现频率计算关键词对的演化权重，以演化权重作为节点关系。3)根据获取的网络节点以及节点关系逐年构建知识网络，形成相邻年份网络结构关联的时空域联合知识网络。

1.1.1 知识术语抽取

随着自然语言处理领域的快速发展，领域术语抽取技术已取得显著的成绩^[21-23]，并且涌现出了一批成熟的术语抽取系统^[24]，其中最著名的是中科院汉语分词系统NLPIR。本节主要介绍如何使用NLPIR工具进行文档术语抽取及统计工作。术语抽取的具体流程如图 1所示：首先搜集指定领域相关的文本语料，然后调用NLPIR系统的KeyExtract_GetKeyWords方法进行单篇文档术语抽取，并将获取的关键词以键值对的形式存入HashMap中，Key表示关键词，Value表示关键词出现的次数，从而实现关键词次数统计。统计过程首先提取文档t_i的关键词集合K，如果关键词首次出现则存入HashMap，并将Key值设为1；如果关键词在HashMap中已存在，则将关键词对应的Value值累加1；直到统计完该年所有文档中的关键词。最终按Value值对关键词进行降序排序，获取频次较高的前N个关键词作为该领域术语集合。

1.1.2 时空域联合知识网络构建

时空域联合知识网络旨在通过构建空间上连续层面的知识网络来表现知识在时间上的连续演化关系。联合知识网络构建过程可分为两步：首先逐年创建知识网络，然后根据相邻年份重复的网络节点自动形成空间上连续的网络结构。

构建知识网络的核心工作在于提取网络节点之间的关系权重，本文将知识概念之间的演化关系视为网络边权重。演化关系可认为是实体关系^[25-26]的一种，这种关系是由知识概念在文档中的语义距离和共现频率决定的，距离越小频率越高则演化强度越大。本文针对演化关系给出如下定义：对于给定的文档T，文档知识概念实体序列表示为S={s₁, s₂, s₃, …}，两个实体概念s_i和s_j在序列S中的语义距离计算如(1)式：

$ {\rm{dis}}({s_i}{s_j}) = \sum\limits_{{s_i}{s_j} \in S} {\left| {j-i} \right|/n} $

(1)

式中：i和j表示知识概念在序列中出现的位置，n表示知识对在序列中出现的次数。语义距离越小表明实体概念s_i和s_j之间的演化强度越大。在实验过程中本文设定语义距离阈值ε，当知识对在共现序列中位置差小于给定阈值时认为两个知识存在演化关系，否则认为没有关系。如果节点对s_i和s_j之间存在演化关系，则节点对在知识网络中必然存在一条关联路径。演化距离的定义如(2)式所示：

$ {\rm{evo}}({s_i}{s_j}) = {\rm{exp}}[{(\sum\limits_{{s_i}{s_j} \in {\rm{ }}\bar T} {{\rm{dis}}({s_i}{s_j})} )^2}/(2{m^2}{\delta ^2})]/{m^2} $

(2)

式中：T表示实体概念s_i和s_j共现的文档集合，m表示共现文档数，evo(s_is_j)值越小表明从概念s_i演化至s_j越容易。

提取演化关系具体流程如图 2所示：将提取的关键词导入NLPIR分词工具，作为用户自定义词典，使分词工具能够实现粒度较大的分词。对单篇文档进行分词，筛选分词结果中的用户自定义词，初步得到文档关键词序列S，合并序列中相邻重复出现的关键词，得到相邻关键词不重复的新序列S′。在此基础上，进一步统计序列S′中两两关键词对的关系。例如，s_i和s_j是S′中的两个关键词，按{s_ij, d_ij, n_ij}的格式进行存储，s_ij表示关系对，d_ij表示关系对在文档中的语义距离，n_ij表示关系对出现的次数。进一步，统计所有文档中出现的关系对，对于重复出现的关系对，d_ij值累加，n_ij值累加。最终得到每一对关系的平均语义距离及出现的次数。根据式(2)计算每一对关系的演化距离，作为知识网络边的权重。

按照上述方法，我们以关键词作为知识网络节点，以演化距离作为知识网络边的权重，逐年构建知识网络，并根据相邻年份重复节点自动形成时空域联合知识网络。图 3为连续3年的时空域联合知识网络结构，圆点表示知识概念，圆点半径越大表明该知识在网络中的重要性越强；节点间的连线表示演化关系，权重越小则节点距离越近，表明两个知识之间演化强度越大。虚线表示相邻年份知识网络之间存在重叠的知识概念，通过这些重复的知识概念来建立连续年份之间的知识演化关系。

1.2 骨架聚类分析

基于给定知识网络，如何从该知识网络中提取理想的演化路径是本节主要讨论的问题。一条理想的演化路径可看作若干条网络结构骨架的连接，骨架是用于支撑网络结构或轮廓的支架，一条理想的骨架应具有中心性、连通性等特性。本文提出一种骨架聚类的方法提取知识网络中的演化路径。骨架聚类方法的整体思想是“局部聚合，整体关联”。“局部聚合”的目的是将知识网络进行聚类划分，每一个类可认为是一个知识主题，骨架节点应尽可能地分布在不同的知识主题中，并且该骨架节点能够作为主题的一个聚类中心，使得主题聚类效果最优。“整体关联”的目的是将所有的骨架节点进行连接，整合成一条完整的骨架，理论上整条骨架应尽可能全面地覆盖知识网络，并且使得骨架节点的主题聚类效果之和最优。

图 4为知识网络演化路径示意图，圆点表示知识节点，连线表示演化关系。图 4展示了3个连续年份的知识网络i，j，k，其中A—B—C—D和O—P—Q—R表示两条完整的演化路径。每个知识网络中提取两条骨架路径，如年份i知识网络中实线A—B和O—P所示。相邻知识网络间的虚线连接表示上一年演化路径的终点与下一年演化路径的起点为同一个知识，如图 4中B—B、C—C等。

两个知识之间存在许多种可能的演化路径，其中最短路径认为是最优的演化路径。最短路径通常用于计算网络图中一个节点到其他节点的最小路径代价，在知识演化网络图中，最短路径可认为是知识间演化的必然趋势。不同的演化起点和演化终点对应不同的最短路径，因此需进一步通过骨架聚类的方法来分析不同最短路径对整个网络结构的演化重要性。

骨架由骨架节点组成，一个理想的骨架节点应具有较好的中心性，相邻节点簇以骨架节点为聚类中心构成一个知识主题。节点聚类系数具体计算公式如(3)式所示：

$ {\rm{CH}}(s) = \sum\limits_{{c_i} \in C} {{\rm{djs}}({c_i}, s)/{C_n}} $

(3)

式中：CH(s)表示骨架节点s的聚类系数；C表示s所对应的知识主题；C_n表示主题C包含的节点数；dis(*, *)表示节点间的最短路径。如果CH(s)聚类系数值最小，则节点s被认为主题聚类中心，即骨架节点。进一步计算整条骨架的主题聚类系数，根据骨架节点聚类系数平均值来选取最优的骨架。具体计算公式如(4)式所示：

$ {\rm{SH}}(S) = \sum\limits_{{s_i} \in S} {{\rm{CH}}({s_i})/{S_n}} $

(4)

式中S_n表示骨架S包含的骨架节点数。如果骨架S的聚类系数平均值SH(S)最小，则认为该最短路径对应的骨架是一条理想演化路径。

1.3 演化路径抽取

进一步对演化路径抽取流程进行具体描述，算法详细描述了1990—2016年间的演化路径抽取流程。算法中步骤2)~4)，首先根据每一年的文本语料生成该年的知识网络G，然后获取相邻年份知识交集G作为相邻年份演化路径的衔接知识，使得上一年演化路径的终点为下一年演化路径的起点，如算法中5)~10)从1990年开始逐年提取演化路径。演化第一年以当前年份知识网络G中任意节点为演化起点，以相邻年份知识网络交集G中的节点为演化终点，进而提取所有可能的最短路径集合S′作为该年候选的演化路径。从演化第二年开始，上一年所提取的top-k条最优演化路径的演化终点VT作为下一年演化起点。演化最后一年，由于不存在与下一年知识网络知识交集，故演化终点即为该年知识网络中的任意节点。获取候选演化路径之后通过骨架聚类来分析最优的演化路径，如算法中11)~13)。对于S′中的任何一条最短路径，以该路径上的节点作为网络的聚类中心，路径包含的节点数作为聚类数，根据式(3)、(4)计算每一条最短路径的聚类系数C _v，然后根据C_v值对S′中的所有路径进行排序，选择聚类系数最小的k(实验中k=10)条路径作为该年演化路径。完整的演化路径需将相邻年份的演化路径进行连接，形成一条连续的，覆盖该领域所有年份的演化脉络。步骤6)、8)、10)已经保证了相邻年份演化路径的演化终点和演化起点相同，如算法中步骤15)所示，只需将相邻年份的演化路径根据相同节点进行连接即可形成连续年份的知识演化脉络。

连续年份知识演化路径提取算法详细描述如下：

1) for literature l_i∈L|1990≤i≤2016

2) G_i=GetKnowledgeGraph(l_i)

3) if 1990≤i≤2015

4) G_i=G_i∩G_i+1;

5) if i=1990

6) S′={djs(V_x, V_y)|V_x∈G_i, V_y∈G_i};

7) if 1991≤i≤2015

8) S′={djs(V_x, V_y)|V_x∈VT_i-1, V_y∈G_i};

9) if i=2016

10) S′={djs(V_x, V_y)|V_x∈VT_i-1, V_y∈G_i};

11)Let C_v=SH(s)s∈S′;

12)Sort S′ by C_v;

13)get top-k items of S′;

14)end

15)S=Link(S_i, S_i+1);

2 实验研究 2.1 实验数据

考虑领域的发展现状及研究热点，本文以数字媒体领域作为实验研究对象。搜集和处理数据的步骤如下：首先数据来源选择CNKI中国知网，分别以“媒体”和“数字媒体”作为检索输入，以“关键词”和“摘要”作为检索项，检索1990~2016年期间发表的期刊文章。再按年份下载CAJ格式论文，并以“1990-01”的格式保存在相应年份的文件夹下。如果某一年发表的文章数量较多，则根据文章的下载量和被引量择优选择300~500篇。然后，采用CAJViewer自带的“另存为”功能将CAJ格式转化成TXT格式，便于Java程序进行处理。由于早期发表的部分文章均采用图片格式保存，导致格式转换出现乱码，需通过程序进行筛选，去除无效数据。最终，获取1990~2016年间数字媒体领域发表的部分具有代表性的学术文章，共计5 420篇，其中1990年文章数量最少仅有11篇，2016年最多514篇。这些文章基本能够代表数字媒体领域的发展动态及研究成果。

2.2 实验分析

实验部分主要基于知识网络展开分析，首先整合数字媒体领域历年的期刊文献，构建一个整体的领域知识网络，根据网络的词频、节点度来整体分析数字媒体领域的核心知识和研究热点；然后，针对历年数字媒体知识网络进行知识演化分析，并提取演化路径来展示数字媒体领域的发展历程。

2.2.1 网络节点分析

首先采用NLPIR分词工具进行数字媒体领域关键词提取，实验从每一篇文档中择优提取10个关键词，并统计5 420篇文档中所有关键词及其相应的词频，最终筛选获取词频最高的953个关键词作为数字媒体领域的知识术语。表 1为出现频数最高的Top10关键词，表中展示的“数字媒体”、“媒体”、“传统媒体”等关键词都是数字媒体领域非常有代表性的知识术语，这在一定程度上展示了关键词提取的有效性。

进一步整合数字媒体1990~2016年所有的期刊文献，构建一个涵盖27年知识发展的整体知识网络并分析网络节点度。以获取的953个知识术语作为数字媒体知识库，从5 420篇期刊中提取这些关键词在文档中的序列，并根据式(2)计算序列中关键词对的演化距离，以关键词作为网络节点，演化距离作为网络边构建知识网络。

节点度表示知识网络中节点拥有的关系数量，关系数量越大表明该关键词的重要性越强。图 5为953个关键词所拥有的116 274对知识关系，关键词度数服从长尾分布，表明知识网络内部拥有小部分节点度较大的核心知识，大部分节点度较小的边缘知识，核心知识在网络中起到“桥梁”的作用，为边缘知识建立知识关联。

表 2为部分年份知识网络节点度前20关键词列表，分析列表数据可知，1990年主要以“电视”、“广播”、“电化教学”等传统媒体关键词为主，2000年以后“网络”、“互联网”、“手机”等关键词开始涌现，而具有领域广泛代表性的“媒体”、“电视”等关键词在各年份都高频出现，这在一定程度上体现了数字媒体领域伴随年份的演化特征。

2.2.2 演化脉络分析

实验给出了数字媒体领域1990—2016年10条最优的演化路径。首先以1990年作为知识演化起始年份，从中提取了10条聚类效果最优的演化路径，并以该年的10个演化终点知识作为下一年的知识演化起点，以此获取10条连续的涵盖数字媒体领域27年的知识演化脉络。需要指出的是，由于知识网络是一个无向图，某一年的演化路径无法体现演化的方向性，演化方向主要体现在连续年份上知识的发展。例如，某一年存在两条演化路径A—B—C和C—B—A，演化的下一年将分别以节点C和节点A作为演化起点，因此在连续年份的知识演化上这两条路径的知识演化方向是完全不同的。

表 3给出了实验提取的10条最优演化路径，由于路径包含大量演化节点，表中仅展示了每一年演化路径的演化起点和演化终点。例如，1990年演化起点包括“报纸媒体”、“大众传媒”、“广告”、“数据库”、“软件”，演化终点包括“数据库”、“广告”、“大众传媒”、“软件”、“电视信号”，由于中间节点的不同，这些起始节点总共组成了10条演化路径。1991年演化起点包含5个节点，演化终点包含4个节点，其中“大众传播”和“电视信号”均演化为“远距离教学”，总路径数为5条。直到2010年所有的演化路径合并为一条，演化终点为“现代传媒”。进入“现代传媒”时代之后，数字化技术开始盛行，包括“数字广播”、“数字影音”、“数字游戏”等，整个过程体现了从“传统媒体”至“现代传媒”的一条演化脉络。10条演化路径演化趋势基本一致，表明了知识演化脉络的可靠性。

为了更进一步地分析演化的细节，表 4展示了1990—2016年一条具有代表性的完整的演化路径。分析表 4可知，数字媒体领域发展日新月异，新的事物新的概念不断涌现。1990—1993年数字媒体领域主要以传统媒体为主，包括电视、广播、报纸等，并且将传统媒体广泛应用于教育事业，出现了关键词“电化教学”、“教学媒体”、“远距离教育”等；1994年演化终点出现了关键词“微软”，这是推动数字媒体领域发展最重要的企业，这也标志着计算机技术与数字媒体的融合。1995—2000年，计算机技术得到更广泛的应用，包括数字化处理、图像处理等，同时“笔记本电脑”、“互联网用户”等关键词的出现标志着互联网技术也越来越成熟；2000年开始数字媒体正式进入“数字时代”，“数字广播”、“数字电视”、“数字音乐”、“数字信息”等大量出现在人们的视野中；2010年开始，数字媒体领域呈现了多方趋势。“游戏产业”、“网络游戏”等关键词体现了游戏行业的繁荣发展；“虚拟世界”、“互动体验” “家庭影院”、“智能移动终端”等关键词体现了数字媒体的发展将越来越贴近人们的生活，标志着生活智能化和艺术平民化时代的到来。路径整体演化趋势与10条路径综合演化的整体趋势基本一致，进一步表明演化脉络的可靠性。

3 结束语

本文提出了一种基于时空域联合建模的领域知识演化脉络分析方法，并对1990—2016年间5 420篇数字媒体领域期刊文献进行了研究分析。首先，构建了一个数字媒体领域的整体知识网络，从节点词频、节点度等分析领域的核心知识及知识结构。进而，构建了一个时空域联合知识网络，并根据骨架聚类算法提取相应年份的网络骨架，连接形成连续年份的演化脉络，并根据获取的演化脉络对数字媒体领域的发展进行深入分析。研究表明，数字媒体领域的发展可以概括为，从20世纪90年代初期的“电视”、“广播”、“报纸”等传统媒体到2000年正式进入现代传媒，各种传统媒体都向数字化转型，并由此又衍生出多个重点领域，包括“数字游戏”、“数字动漫”、“数字影音”、“数字出版”、“数字学习”等。

综合分析可知，本文方法是领域知识建模分析的一种新颖手段，不仅具备良好的技术参考价值，而且对个性化知识推荐与学习具有显著实用价值。