知识图谱用什么软件做出来的

小编 TOP1 10113

常见的作知识图谱的软件有:1. CiteSpace;2. Bibexcel;3. HistCite;4. SPSS;5. TDA;6. Sci2 Tools;7. ColPalRed;8. Leydesdorff系列软件;9. Word Smith;10. NWB Tools;11. Ucinet NetDraw;12. Pajek;13. VOSviewer。

一、知识图谱概述

知识图谱(Knowledge Graph)又称为科学知识图谱、知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。

通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。为学科研究提供切实的、有价值的参考。

二、知识图谱分类

知识图谱的绘制工作可分为:

★  专用工具,如Bibexcel、HiteCite、Citespace、NWB Tools、TDA;

★  通用工具,如SPSS、SAS;

★  社会网络会析工具,如Pajek、Ucinet;

★  词频分析工具,如Word Smith、Word Ca;

★  可视化工具,如:Vosviewre、Net Draw;

三、知识图谱工具推介

下面,就选择一些有代表性的知识图谱可视化工具进行简单介绍。

1、CiteSpace

陈超美博士开发的专门用于科学知识图谱绘制的免费软件。国内使用非常多的知识图谱绘制软件。可用于追踪研究领域热点和发展趋势,了解研究领域的研究前沿及演进关键路径,重要的文献、作者及机构。可用于对ISI、CSSCI和CNKI等多种文献数据库进行分析。

2、Bibexcel

瑞典科学计量学家Persoon开发的科学计量学软件,用于科学研究免费软件。具有文献计量分析、引文分析、共引分析、耦合分析、聚类分析和数据可视化等功能。可用于分析ISI的SCI、SSCI和A&HCI文献数据库。

3、HistCite

Eugene Garfield等人于2001年开发的科学文献引文链接分析和可视化系统,免费软件。可对ISI的SCI、SSCI和SA&HCI等文献数据库的引文数据进行计量分析,生成文献、作者和期刊的引文矩阵和实时动态引文编年图。直观的反映文献之间的引用关系、主题的宗谱关系、作者历史传承关系、科学知识发展演进等。

4、SPSS

大型统计分析软件,商用软件。具有完整的数据输入、编辑、统计分析、报表、图形绘制等功能。常用于多元统计分析、数据挖掘和数据可视化。

5、TDA

Thomson Data Analyzer(TDA)是Thomson集团基于Vantage Point开发文献分析工具。商用软件。具有去重、分段等数据预处理功能;可形成共现矩阵、因子矩阵等多种分析矩阵;可使用Pearson、Cosine等多种算法进行数据标准化;可进行知识图谱可视化展示。

6、Sci2 Tools

印第安纳大学开发的用于研究科学结构的模块化工具,可从时间、空间、主题、网络分析和可视化等多角度,分析个体、局部和整体水平的知识单元。

7、ColPalRed

Gradnada大学开发的共词单元文献分析软件。商用软件。结构分析,在主题网络中展现知识(词语及其关系);战略分析,通过中心度和密度,在主题网络中为主题定位;动态分析,分析主题网络演变,鉴定主题路径和分支。

8、Leydesdorff系列软件

阿姆斯特丹大学Leydesdorff开发的针对文献计量的小程序集合。处理共词分析、耦合分析、共引分析等知识单元体系。使用“层叠图”实现可视化知识的静态布局和动态变化。

9、Word Smith

词频分析软件,可将文本中单词出现频率排序和找出单词的搭配词组。

10、NWB Tools

印第安纳大学开发的对大规模知识网络进行建模、分析和可视化工具. 数据预处理;构建共引、共词、耦合等多种网络;可用多种方法进行网络分析;可进行可视化展示.

11、Ucinet NetDraw

Ucinet是社会网络分析工具。包括网络可视化工具Net Draw。用于处理多种关系数据,可通过节点属性对节点的颜色、形状和大小等进行设置。用于社交网络分析和网络可视化。

12、Pajek

来自斯洛文尼亚的分析大型网络的社会网络分析免费软件。Pajek基于图论、网络分析和可视化技术,主要用于大型网络分解,网络关系展示,科研作者合作网络图谱的绘制。

13、VOSviewer

荷兰莱顿大学开发的文献可视化分析工具。使用基于VOS聚类技术实现知识单元可视化工具。突出特点可视化能力强,适合于大规模样本数据。四种视图浏览:标签视图、密度视图、聚类视图和分散视图。


最后,推荐我们的管理工具给大家。

回复

我来回复
  • 暂无回复内容

注册PingCode 在线客服
站长微信
站长微信
电话联系

400-800-1024

工作日9:30-21:00在线

分享本页
返回顶部