科学知识图谱（mapping knowledge domains）是一个新兴的、横跨科学学、信息科学、科学计量学、计算机科学和应用数学等领域的交叉前沿领域, 是对知识进行挖掘、分析、分类、导航和可视化（制图）的过程^{[ 14]}。它可以揭示一个知识领域的结构关系和演变过程。知识图谱所描绘的对象主要包括：①从事科学技术活动和作为知识载体的人, 包括科学家、技术专家、项目组、研究团体或某一知识领域共同体；②显性或编码化的知识, 如论文、专利、所学课程、数据库或类似的应用等；③过程或方法, 包括研究问题和解决问题的过程或方法、组织的业务流程, 以及相关的知识投入等^{[ 15]}。科学知识图谱的基本分析方法包括引文分析、被引分析、多元统计分析、词频分析以及社会网络分析^{[ 15]}。

水文化是历史上形成、不断演进且为某一社会群体所共识的关于水的世界观、价值观以及相关的思想和行为的范式。水文化常由非结构化的社会符号（如文字）来表达, 其载体为大众媒介。因此, 一定时期的水文化就可由媒体或者文献中特定的词汇来表征, 水文化变迁就可以通过研究媒体或文献中词汇和词频随时间的变化规律来揭示。除研究对象外, 水文化变迁研究与科学知识图谱极具其相似性（表1）, 我们可以借鉴科学知识图谱的原理与方法来研究水文化变迁。根据Cobo等关于知识图谱绘制的流程^{[ 16]}, 结合本研究的实际情况, 提出了水文化变迁的研究框架（图1）。该研究框架包括相互关联的七个步骤。这些步骤将在以下的2.2节至2.5节中详细阐述。

表1

Tab.1

表1(Tab.1)

表1 水文化变迁研究与科学知识图谱之间的关系 Tab.1 Relationship Between Research on Changes of Water Culture and Mapping Knowledge Domains 研究对象 研究的目标 研究方法 数据源 数据结构 科学知识图谱 科学知识 揭示知识领域的结构关系和演变过程 社会网络分析、词频分析、引文分析、被引分析、多元统计分析 科技文献 结构化 水文化变迁研究 水文化 揭示水文化的演变过程 基于共词的社会网络分析 媒体或者文献 非结构化

表1 水文化变迁研究与科学知识图谱之间的关系 Tab.1 Relationship Between Research on Changes of Water Culture and Mapping Knowledge Domains

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 基于科学知识图谱的水文化变迁研究框架Fig.1 Research Framework on Changes of Water Culture Based on Mapping Knowledge Domains

2.2.1 媒体选择

尽管在过去二三十年电子媒介得到了快速发展, 但报纸仍然是新闻报道的主要来源^{[ 11]}。报纸能够提供广播媒体所没有的对某个主题的深入报道, 因而是研究文化的有效工具。报纸的报道内容也覆盖了新兴社会媒体, 比如博客和其他数据聚集工具。另外, 报纸的权威性和公信力也是其他媒体所不能替代的。报纸也具有很长时期连续存档的特性, 可以从历史的角度来分析公众舆论因而可以作为研究水文化的可靠信息来源。

根据所面向的读者群的差异, 报业市场一般分为小报和严肃报纸两类。受商业而不是公众利益的驱动, 小报的主要内容是人们感兴趣的故事、娱乐新闻、体育新闻和丑闻。而严肃的报纸则面向国家政治和国际新闻, 代表了主流的社会价值取向, 是公众利益的体现。因此, 在本研究中选择严肃类的报纸作为数据的来源。

《人民日报》是中国关于意识形态的主流喉舌, 是传递文化、政策的主流声音, 是我国最具影响力和权威性的报纸, 在全国传播范围广泛。另外, 《人民日报》1946年5月发行, 是我国发行至今有电子存储的最早的报纸。因此, 本研究选择《人民日报》作为反映中国水文化的主要媒体, 并且将1946-2012年间的报纸作为研究对象, 通过研究其有关水的论述和意识形态的报道来反映中国关于水文化的发展脉络。

2.2.2 抽样方法

由于对所有年份的全部报纸文章进行分析超出了本文的研究范围, 因此采取抽样的方式来进行研究。对于报纸而言, 简单随机抽样、自然周抽样和构造周抽样^{[ 17, 18, 19]}是三种主要的抽样方法。简单随机抽样不能反映媒体内容的周期性特征, 而构造周抽样可控制“系统性变化”因素, 但该方法忽略了周与周之间的差异, 可能会错过重要的“新闻周”（如自1988年以来, 中国开始实施的“中国水周”活动）, 因此, 本文选择构造周抽样和自然周抽样。

对于每年的报纸, 抽取4个新闻周, 包括2个构造周和2个自然周。构造周和自然周都分别从每年的上、下半年各抽取1个。构造周星期一到星期天分别从上、下半年的26个星期一到星期天中随机抽取。自然周的抽样在1988年以前随机抽取, 在1988年以后, 根据“中国水周”日期的变化而变化, 即1988-1993年, 为7月1日-7日；1994年以后为3月22日-28日。

2.2.3 数据收集

我们通过自己设计的网页爬取程序, 从 “《人民日报》图文数据库”里下载所需日期的报纸, 并以.xls的格式保存。根据抽样的结果, 一共下载了《人民日报》1946-2012年报纸2043份, 文章数量为148, 086篇。 然后采取人工判读的方法, 提取出与水相关的文章, 包括涉及水政与水利经济、水资源、农田水利、水土保持、防洪与河道整治、水利管理、环境水利等领域的文章共2026篇。

词频分析方法是文献计量学的传统方法之一, 也是科学知识图谱的基本方法。词频分析方法所依据的理论是齐普夫定律（Zipf’s law）, 它揭示了文献中词汇出现频率的分布规律^{[ 20]}。词频分析方法被国内外许多科学计量学研究者应用于学科前沿的研究^{[ 15]}。因此, 将关键词作为分析的知识单元, 采用词频分析和共现分析相结合的方法来研究水文化的变迁。关键词的抽取主要有两种方式：全文直接抽取和字段间接抽取^{[ 21]}。不同于科技文章, 报纸本身并没有关键词字段, 因此, 关键词的抽取只能采取全文直接抽取的方式。首先要对文章进行分词, 然后进行词频统计, 结合TF-IDF（词频-逆向文件频率）算法提取关键词。

2.3.1 构建分词词典

由于关于水资源或者水利方面的最新词典/叙词表是水利部信息研究所1998年编制的《水利水电科技主题词表》, 近15年来新出现的词并未纳入词表中, 并且科技主题词表不能体现媒体语言的特征, 所以我们通过构建专业领域期刊词典, 并整合中国科学院计算研究所研制的分词系统ICTCLAS 5.0自带词典的方式, 来构建适用于《人民日报》的词典。

首先, 利用水资源核心期刊列表, 选取《水土保持学报》、《水土保持通报》、《水土保持研究》、《节水灌溉》、《水利学报》、《中国水利》、《水科学进展》、《水利水电科技进展》、《中国农村水利水电》、《水资源保护》、《水生态学杂志》、《人民黄河》等12种主要的水资源核心期刊作为构建专业领域词典的主要来源, 从CNKI获取题录数据, 并抽取出这些期刊中的关键词构建专业领域期刊词典；其次, 将专业领域期刊词典与ICTCLAS 5.0自带词典整合为自定义专业领域词典。

2.3.2 分词

ICTCLAS（Institute of Computing Technology, Chinese Lexical Analysis System）分词法是由中国科学院计算研究所在多年工作积累的基础上研制出来的, 其官方网站为：http://www.ictclas.org/。目前, ICTCLAS分词法已经经过了国内和国际权威的公开评测, 获得了5万客户的认可, 具有综合性能最优的特点。因此, 我们基于自定义专业领域词典, 利用ICTCLAS 5.0对语料库中的报纸文章进行分词, 分词后共得到64, 506个词。

2.3.3 数据清洗

对分词结果的清洗, 包括去除无意义的单个字、合并相同词、利用停用词表去掉停用词。停用词使用哈尔滨工业大学的停用词表, 停用词包括标点、部分连词、语气词、代词等, 共506个中文词。另外, 汉语短语的语法和语义应该正确, 比如“种方法”、“式处理”等是不合理的短语, 因为它们不能组成一个合法的语法单位, 语义也不完整。数据清洗后得到34, 950个词/短语。

2.3.4 提取关键词

在分析学科领域的重点时, 通常是通过统计关键词绝对频次的方法来分析, 但这种方法缺乏横向的可比性。而TF-IDF（Term Frequency-Inverse Document Frequency）计算方法不但考虑了关键词在其发生文档中的频率, 还考虑了与全部文档中该词频率的关系, 这使我们易于分析不同时间段水文化的侧重点。为此, 首先通过年度-频次统计构建词/短语的年度分布；其次利用TF-IDF规化词/短语的年度-频次矩阵, 获得年度特色关键词。词/短语在某年度的规化结果为 W_j；

Wj= TFj× IDF （1）

IDF=Log(|D|/DF_j) （2）

式中 TF_j表示关键词Term_j在某年度列表中出现的频次； DF_j是包含关键词Term_j的年度数量, ｜ D︱表示整个时间段的时间跨度。

为了突出各阶段主要研究内容及特色研究内容, 本文选择了那些在整个数据集（共875个词）或某个时间段中TF/IDF规化值 W_j加权较高（共5000个词）或在某时间段词频较高的（共17, 423个词）的词进行加权处理, 最后获得22, 393个关键词。

关键词共现分析法的思想来源于文献计量学的引文耦合与共被引概念, 即当两个能够表达某一学科领域研究主题或研究方向的关键词在同一篇文献中出现时, 表明这两个词之间具有一定的内在关系, 并且出现的次数越多, 表明关系越密切、距离越近。利用因子分析、聚类分析和多维尺度分析等多元统计方法, 可以进一步按这种“距离”将一个学科内的重要主题词或关键词加以分类, 从而归纳出该学科的研究热点、结构与范式^{[ 22]}。在一系列的时间区间里进行比较, 可以发现学科的发展变化趋势。本文用这种方法来研究媒体中关键词之间的关系进而归纳出水文化不同时段的热点、范式以及发展演化的趋势。

首先, 基于已获得的关键词, 分时间段构建关键词的共现矩阵。为了体现重要政治事件和水事件在水文化演化中的作用, 按照两种方式将67年的《人民日报》划分为不同的时间段。一种方式是依据重大的社会政治事件（如新中国成立、文化大革命、设立经济特区等）和水事件（特大洪水、特大干旱、重要的水政策法规的颁布）将其划分为9个时间段：1946-1949, 1950-1960, 1961-1965, 1966-1976, 1977-1980, 1981-1990, 1991-1997, 1998-2010, 2011-2012；一种方式是与中国的五年计划相一致, 即划分为14个时间段（其中个别阶段, 即1946-1952、1963-1965, 不是实际的五年计划阶段）：1946-1952, 1953-1957, 1958-1962, 1963-1965, 1966-1970, 1971-1975, 1976-1980, 1981-1985, 1986-1990, 1991-1995, 1996-2000, 2001-2005, 2006-2010, 2011-2012。

基于初始共现频次的共现关系分析可以明显突出某一时间段的水文化热点。但某些词会因频次过高而表现出较强的共现关系, 而无法突出新型或特色文化。本文提出了一种基于加权的共现关系分析方法, 其目的是为了更加有效地同时突出热点文化与新型或特色文化。具体的分析方法如下：

WR_ij=CoWord_ij×R_ij (3)

(4)

式中, WR_ij为关键词加权后的关系强度； Rij为关键词词频规化后的关系强度, 其范围为[0, 1], 目的是消除部分词的规模影响； CoWord_ij为关键词Term_i和Term_j共现的初始频次, FRE_i和 FRE_j分别是其在某阶段数据集中的出现频次。

选择专门用于绘制知识图谱的、可免费使用的软件VOSViewer来构建可视化图谱。VOSViewer是荷兰莱顿大学Van Eck与Waltman研发的可视化软件。为了展现地图上的元素, VOSViewer^{[ 23, 24, 25, 26]}使用相似性度量从共现矩阵中创建了相似矩阵, 从而创建一个二维图, 图中元素之间的距离反应其相似性, 并且使用重要的标签, 便于研究人员发现重要的主题。VOSViewer允许通过标签视图、密度视图、聚类密度视图和分散视图4种方式来进行浏览, 为了直观地判别核心主题, 本文选择密度视图方式。通过比较两种时间段划分方式的制图结果, 我们认为按照五年计划的方式划分的结果更能体现出主题的演化, 其具体的可视化结果如图2所示 （根据重大事件划分时段的知识图谱在此不再展示）。

图2-1

Fig.2-1

	Figure Option '>ViewDownloadNew Window
	图2-1 《人民日报》水文化变迁图谱 (1946-1970年)Fig.2-1 Diagram on Changes of Water Culture Based on People's Daily

图2-2

Fig.2-2

	Figure Option '>ViewDownloadNew Window
	图2-2 《人民日报》水文化变迁图谱 (1971-2000年)Fig.2-2 Diagram on Changes of Water Culture Based on People's Daily

图2-3

Fig.2-3

	Figure Option '>ViewDownloadNew Window
	图2-3 《人民日报》水文化变迁图谱 (2001-2012年)Fig.2-3 Diagram on Changes of Water Culture Based on People's Daily

根据VOSViewer绘制的分阶段水文化图谱, 通过不同的颜色、大小、年轮的不同厚度和视角等来了解核心主题和热点动向。VOSviewer所展示的关系密度图谱中, 每个节点根据其密度有一种颜色, 红色代表关注较多的主题或领域。一个节点越大, 表示其权重越大, 其颜色越接近于红色。相反, 如果其权重越小, 则其颜色越接近于蓝色。密度视图有助于快速获得图谱中重要内容的概貌。据此, 结合对《人民日报》相关文章的解读, 对于每个阶段的图谱解读如表2。

表2

Tab.2

表2(Tab.2)

表2 基于科学知识图谱的中国水文化变迁轨迹 Tab.2 Trajectories on Changes of Water Culture in China Based on Mapping Knowledge Domains 阶段划分 热点或核心主题 核心主题的体现 1946-1952 抗洪 工程、计划、领导、农民、解决、洪水、长江、民工 治河工程 毛泽东、建设、解放、荆江分洪工程 1953-1957 农业灌溉与农业生产 计划、领导、干部、组织、生产、农业、灌溉、问题 防洪 防汛、器材、堤、检查、洪水 苏伊士运河的主权问题 运河、政府、讨论、主权、国有、通航 1958-1962 抗旱 工作、利用、公社、水源、经验、干旱、抗旱、解决 兴修农田水利 增加、面积、兴修水利、农民、劳动力 1963-1965 农田水利建设 社员、公社、部门、建设、经验、计划、农村、水利、严重 各省的水土保持工作 陕西省、内蒙古自治区、土地、西安、水土保持、基本农田、水土保持工作 1966-1970 农业学大寨和兴修水利 毛泽东思想、教导、干部、批判、大寨、灌溉、生产、水利、大队、学习、兴修水利、治水 文化大革命 文化大革命、解放、伟大、毛泽东、贫下中农、自力更生、领袖 1971-1975 文化大革命时期的农田基本建设 路线、革命精神、社员、大队、解放、战斗、教导、思想、农业生产、农田基本建设、生产 1976-1980 农业灌溉和农田基本建设 工程、建设、灌溉、利用、干部、地方、农田基本建设 1981-1985 水利工程即水电站的建设 发展、建设、部门、利用、农业、发电、水电站 济南市的水短缺问题 济南市、地下水水位、枯竭、断流、泉群、自筹资金 青海省的防洪 青海省、抢险、上涨、加大、铁路、堤防、雨量 昆明市的水资源普查 昆明市、普查、找水、增添、预测、涌水、储量 1986-1990 河流治理, 包括污染、防洪和河道管理 国家、资金、治理、农民、长江、海河、污染、水质、防汛、大河、河道管理、治水 1991-1995 水土流失与治理 国家、发展、工程、水利、治理、水土流失、水土保持、面积、控制、综合治理 江苏、浙江、上海等地洪灾 组织、地方、受灾、救灾、灾区、抗灾、江苏省、浙江省、上海 1996-2000 抗洪抢险 抗洪、险情、洪水、洪峰、官兵、要求、江泽民、汛情 水资源管理 国家、水资源、建设、问题、治理、发展、实施、节水 2001-2005 水资源问题 水资源、问题、国家、环境、利用、工程、节水、水资源短缺、污染、环保、生态环境 2006-2010 水资源管理 问题、解决、建设、实施、实现、水资源、规划、任务、生活、环保、应对、环境 西南地区的旱灾 抗旱、组织、严重、灾区、云南省、旱区、广西 2011-2012 水资源管理 水资源、保障、问题、国务院、力度、政府、投资、政策、保护、目标、基础、强化、建成、效益、加大

表2 基于科学知识图谱的中国水文化变迁轨迹 Tab.2 Trajectories on Changes of Water Culture in China Based on Mapping Knowledge Domains