近10年SCI收录生物医学领域文本挖掘研究文献计量学分析.pdfVIP

近10年SCI收录生物医学领域文本挖掘研究文献计量学分析

本研究以美国科技信息研究所出版的《科学引文索引》（SCI）为数据源检索

2004～2013年生物医学领域文本挖掘文献，并从年度变化、国家/地区分布、作

者等方面进行文献计量学分析。结果显示：全球生物医学文本挖掘文献总量呈上

升趋势。而对其进一步的研究，必将促进文本挖掘技术的进步和成熟，从而也为

生物医学领域的发展注入新的活力。

标签：文本挖掘；生物医学；发展动态；文献计量学；SCI

文本挖掘（Textmining）是数据挖掘的一个方向，当数据挖掘的对象完全由

文本这种数据类型组成时，这个过程就称为文本挖掘[1]。1988年，Swanson教

授在MEDLINE的生物医学文献中发现了诸如镁缺失与偏头痛的医学关系[2]并

获得了实验的验证。至此之后，强有力的文本挖掘工具在现代生物医学研究中

扮演着越来越重要的角色。本研究采用文献计量学的方法，对SCI数据库收录的

2004～2013年间生物医学领域的文本挖掘相关文献从年度变化、国家/地区分布、

作者等方面进行文献计量学分析，旨在了解该领域的研究现状和发展趋势，以期

为后续的研究提供参考。

1方法

笔者所统计的文献数据全部来源于美国ISI的SCI网络版（SCIofWeb），

以与文本挖掘相关的自由词textmining，Literaturemining，Knowledgediscoveryin

text，Textdatamining和以生物医学相关的自由词Biomedicine，Systemsbiology，

Medicine，Genomics，Proteomics，Metabolomics，Bioinformatics，Biology，

TraditionalChineseMedicine对上述数据库进行主题词搜索。然后对下载的所有

文献进行数据的筛选和清理后，最终选择纳入文献797篇。检索完成时间为2014

年3月20日。

2结果

2.1年度发表量我们整理出来的2004～2013年生物医学领域文本挖掘文献

总共有797篇，每年的发文数量从2004年的43篇到2013年的124篇，总体呈

现增长趋势。

2.2国家/地区经统计，在所有797篇文章中总共有53个国家参与了文章的

发表，遍及全世界五个大洲，但各个大洲的对该领域的研究极不平衡。虽然欧洲

有着最高的发文总量，但是北美洲的美国却以最高发文量（289篇）位居全球国

家排名的第一位，紧随其后的是英国（125）和中国（82）.

2.3高被引论文根据普赖斯定律[3]可以算出在纳入统计的文献中被引频次

≥42的为高被引文献（注：Mp=42.21，Npmax=3177）。797篇文献中被引频次≥42

的论文共79篇。高被引论文排名前3位的文章为。《Systematicandintegrative

analysisoflargegenelistsusingDAVIDbioinformaticsresources》（被引3177次），

《TheGeneOntologyAnnotation（GOA）Database：sharingknowledgeinUniprot

withGeneOntology》（366次）和《RegulonDB（version6.0）：generegulationmodel

ofEscherichiacoliK-12beyondtranscription，active（experimental）annotated

promotersandTextpressonavigation》（274次）

2.4核心作者分析在生物医学领域文本挖掘研究的797篇文献中，共有2565

位作者（包含所有合著者），根据普赖斯定律，核心作者最低发文数m的值为：。

其中指发文最多的作者发表的论文数。本次研究中为23，故m取整数为4。作

者论文4篇以上为80人，其发表的论文为468篇，占总论文量58.7%，高于总

论文数的50%，说明在生物医学领域的文本挖掘研究已经形成了较为稳定的研究

群体。

3结论

2004～2013年以来发文数量总体呈现增长趋势。全球大约有60%左右的文

章都是通