信息计量领域网络分析方法应用研究综述

吴 江，王凯利，董 克，杨玉洁，易梦馨

（1. 武汉大学信息资源研究中心，武汉 430072；2. 武汉大学信息管理学院，武汉 430072）

1 引 言

网络分析方法是一种常见的用于处理关联数据的分析方法。分析思想起源于图论，其中，社会网络的研究思想萌芽于涂尔干的社会结构理论和齐美尔的社会互动理论[1]，并逐渐形成了定量化的社会网络分析的独特范式。1998 年，Watts 和Strogatz 在Nature上发表了小世界模型的研究论文①https://doi.org/10.1038/30918，开启了与社会网络分析密切相关的另一个研究方向——复杂网络分析。基于连接主义思想和网络思维的社会网络、复杂网络等研究，共同组成了一个新兴的交叉学科，即网络科学[2]，网络分析方法作为网络科学的最主要方法已经得到了广泛应用。

信息计量作为图书情报学科理论方法体系中的重要组成部分，早期的研究主要从独立的个体维度展开，如经典的布-齐-洛三大定律，侧重于揭示科学文献信息本身的分布特征。随着知识交流的不断发展和各种信息的爆炸增长，科学信息逐步形成了巨大的知识网络。从连接视角出发，研究不同知识主体所构成的知识网络结构形态、演化机理及其所反映的人类认知空间的特征与演变，逐渐成为信息计量研究的重要趋势。网络分析方法被不断地应用于信息计量领域的研究中，并产生了大量的研究成果。 已有综述分别从网络分析方法的原理与机制[3-4]、多类型网络分析方法[5-8]以及单类型网络分析方法[9-11]的角度对相关成果进行了归纳与总结。当前，网络分析方法在信息计量领域的应用已经进入调整期，系统综述网络分析方法在信息计量领域中的应用成果，对厘清相关研究的脉络与现状，明确未来研究方向，从而推动相关研究的进一步发展具有现实意义。

2 网络分析方法在信息计量领域中的应用研究框架

网络分析思维提供了从 “事物+联系” 的连接主义思想看待世界的新角度，根据节点、连边和拓扑上的不同含义形成了各种不同的网络。基于科学文献、专利等知识载体，以及载体中的标题、作者、摘要、关键词、正文、参考文献等部分，可以构建各种网络。在信息计量研究领域，连接主义思想和网络分析方法的应用有较长的历史。表1 列出了信息计量领域重要网络概念以及代表性学者，这些概念的提出就是连接主义思想和网络科学观在信息计量领域应用的体现。

表1 信息计量领域一些重要网络相关概念的提出

以Web of Science （WoS） 和CNKI 为 数据源，用合作网络、共词网络、共引网络、耦合网络、引文网络、社会网络分析等信息计量领域中与网络分析相关的主要关键词进行检索（检索日期为2020 年8 月25 日），发文量的时序统计结果如图1 所示。从图中可以发现，在经历了10 年左右的载文量高速增长后，2014 年以来中文文献发文量出现平缓下降的趋势，英文相关研究的发文量也在2017 年以后有所下降。网络分析方法在信息计量领域中的应用研究虽然仍是研究热点，但已经进入了相应的调整阶段，亟须通过明晰网络分析方法的本质并持续应用前沿的网络分析方法技术，以实现更多的创新。

图1 中英文文献发布年度趋势图

信息计量领域中网络分析方法的应用，一般是对知识载体所涉及的知识主体进行特定层次或多层次维度的分析。合作网络、引文网络、共引网络、耦合网络和共词网络等不同网络，由于网络节点不同，网络连边含义、连边的方向和权重的定义存在差异，因此，网络所反映的整体特性有所不同，应用方向的侧重点也有所区别。为了对计量领域中网络分析方法的研究与应用进行有序梳理，本研究提出了信息计量领域网络分析方法的研究框架，如图2 所示。该框架从知识载体、知识主体和分析层次这三个维度对网络分析方法在信息计量领域的研究进行划分。

图2 信息计量领域应用网络分析方法的研究框架

就知识载体的维度而言，Price 基于科学文献知识载体之间的引用关系提出了引文网络，开启了后续网络分析在信息计量领域中的应用[12]。虽然专利文献、政策文献等都可以归入文献的范畴，分析单元和分析方法存在类似之处，但与科学文献相比，分析的侧重点却存在差异，以科学文献为知识载体的分析方法可以引入专利、政策等网络分析领域，从而产生专利网络[13]和政策网络[14]。

从知识主体维度看，知识主体表现出不同的粒度。作者是科学知识系统中知识的生产者、使用者和传播者，是最基础的知识主体之一，也是最小粒度的知识主体，关于作者合作、共引与耦合等相关网络的研究已有丰富的成果。对机构、国家、地区和学科等知识主体的分析，实质上是对作者所拥有的机构归属、地理位置以及学科领域等属性的拓展，主要用于反映各知识主体科学研究的分布与水平。

分析层次维度是基于网络科学角度的一种认知，一直隐含在知识主体与知识载体这两个传统信息计量的认知维度中。从连接主义视角来看，微观层次研究侧重于对节点、连边性质与特征的认识，如角色、结构、连边的内涵特征等；中观层次更多地关注网络中的社区，针对不同的知识主体得到不同的分析结果，如无形学院、机构合作、知识分布等；宏观层面上，信息计量领域本身更多的是从统计学角度来描述科学发展规律（如经典的三大定律），而网络分析方法则提供了动力学视角的统一解释。

以科学文献知识载体为例，引文网络可以在各种科学文献相关的知识主体上通过定义不同类型的节点和连边，形成论文引用、作者引用、机构引用、地区引用、国家引用、学科引用、期刊引用等诸多的有向关系，并组成各种不同的网络。合作网络也可以在知识主体维度上进行扩展，从作者合作网络延伸到机构合作网络和国家合作网络等。共引网络和耦合网络也同样可以在知识主体维度上扩展，形成学科共引、学科耦合等不同类别的网络。对这些信息计量领域不同类型的网络，可以在宏观、中观、微观等不同层面进行分析，从而基于关联数据对实际问题进行解释，支持管理决策。

3 宏观层面网络分析方法的应用

在宏观层面，基于不同知识载体中知识主体间的关联，通过分析各种网络的整体拓扑特性和演化规律，网络分析方法在理解科学合作模式、发现知识关联、研究网络拓扑结构、识别跨学科主题等研究中得到了广泛应用，表2 总结了网络分析方法宏观应用的代表性研究成果。

表2 网络分析方法的宏观应用及其代表性研究

（1） 合作网络的拓扑结构常被用来理解科学合作模式，结合网络中心性等指标以及小世界效应、幂律分布等基本统计特征，可以揭示合作网络在个人[15-16]、机构[17]与国家[18]层面的结构特征，揭示知识主体随着时间推移的角色变化。此外，科学合作能够加强知识流动与分享，影响研究绩效，这些特性均与网络拓扑结构息息相关。专利往往被认为是最直观的创新表现，以专利合作构成的网络得到了广泛研究，用于探讨合作是否推动了知识流动与创新。有学者发现，合作网络拓扑的动态性和组织的创新绩效具有倒U 形关系，且适当的跨社区流动对创新绩效具有正向影响[19]。

（2） 利用引文网络发现学科和学者知识关联。一方面，学科关联即知识单元间的学科关系，主要是通过学科分类体系来表现的。在学科交叉情况普遍存在的当下，跨学科知识关联研究的重要性日益凸显，Barnett 等[20]对传播学期刊进行研究发现，在WoS 中仅标注传播学的期刊比同时标注其他学科的期刊在引文网络中处于更重要的地位，且中心期刊比边缘期刊有更多的引用集群；Park 等[21]发现，社会和实验心理学期刊是该传播学领域期刊最常用的引用来源。另一方面，学科知识流动网络为无标度动态网络，不同学部间、同一学部内的不同学科间，知识流动强度不同[22]。由于某个特定的研究者在特定时期内也会存在跨学科现象，通过研究者的自引网络及自引文献中的合作者和关键词分析，有助于揭示学者研究领域的动态变化[23]；而通过引文网络分析跨学科团队中研究者的学科情况，则能探索跨学科团队的成功机制[24]。

此外，引文网络拓扑特性及其演化机制研究也是宏观层面引文网络分析的重要组成部分。科学文献网络表现出较多的统计特性，对这些统计特性加以分析，有助于更好地认识科学文献系统[25]。学者们对引文网络的度、聚集系数、平均路径长度、度相关性进行研究，发现引文网络的入度分布表现出幂律特性[26]、较高的集聚特性和相对较低的路径长度，且度相关性常表现为负相关关系；随着时间的推移，网络拓扑结构会发生变化，相应的网络统计性质也会发生变化，即表现出不同的网络演化模式[27]。引文网络作为增长型网络，文章的引用随时间近似指数递减[28]，且网络中存在首发优势现象[29]；考虑受引文年龄影响的优先连接特性，无标度演化模型、随机演化模型和随机增长模型等被用来分析和研究引文网络的演化机制[30]。

（3） 共引网络的拓扑结构及跨学科迭代创新研究。通过分析共引网络的拓扑结构可以判断网络中节点角色的创新潜力。例如，在作者共引网络中，占据更多结构洞的作者占有更多研究领域的信息资源，其创新潜力更强[31]。国家共引网络、文献共引网络的研究也证实了科学研究中，跨学科现象越来越普遍的猜测，且科学地图显示了跨学科研究主要发生在相邻学科领域之间[32]。此外，也有学者借助共引关系构建创新网络，通过分析网络规模及创新扩散方向，对比节点度的大小，将各学科划分为创新源发学科、创新采纳学科和创新助力学科，用以明确各学科在迭代创新中发挥的具体作用[33]。

（4） 耦合网络拓扑性质及学科耦合分析。学术论文之间的耦合关系是科学文献之间的一种普遍联系，分析耦合网络拓扑性质有助于发现耦合现象的基本规律。研究表明，论文耦合网络的平均距离小，聚类系数大，呈现明显的小世界特征；耦合网络的度正相关，度分布呈指数分布，且网络的同配性特征与真实社交网络的典型特征相一致[34]。此外，各学科内部文献耦合的网络密度存在一定的差异，即学科与学科之间的耦合关系密切程度各不相同，这与学科规模、 论文数量等的差异紧密相关[35]。

（5） 共词网络常被用来进行跨学科领域的知识主题发现与关联分析。越来越多的研究关注多学科知识的融合，因此，分析领域整体研究概况以及各个子领域之间的关系变得非常必要。学者们普遍使用可视化的方式展现学科的演化情况，分析不同主体领域在构成学科过程中的联系与融合[36]。共词网络还可用于发现跨学科研究中的潜在研究热点，学科之间的交互与融合往往促进新研究热点的产生。例如，Santa Soriano 等[37]通过分析公共管理与战略情报领域的共词网络，发现了公共关系情报这一新兴主题；也有学者利用共词网络对比了中外图书馆学科化服务领域的学科结构差异[38]。

由于不同类型网络可以应用于相同的研究目的，因此，学者们也进行了网络对比研究，来分析网络的适用性问题。例如，引用网络、共引网络与耦合网络都能发现研究热点、识别研究前沿，学者们通过对比发现，引用网络可以更快、更早地探测新兴研究前沿，耦合网络次之，共引网络最慢；在探测精确度方面，耦合比共引精确[39]。共引网络与耦合网络相比，耦合网络具有主动追溯特性，在识别领域研究前沿及发展趋势方面更具优势，而共引网络的被动演化特性则更适用于分析学科演化，并挖掘关键性、里程碑式的科学文献。此外，也有学者关注细分网络之间的对比研究，例如，作者关键词耦合网络和作者文献耦合网络，并分析其各自的优缺点[40]；还有学者通过对比作者文献耦合、作者关键词耦合、作者期刊耦合等五种网络，挖掘网络间的潜在相关性[41]。

4 中观层面网络分析方法的应用

在中观层面，各种网络的社团和模体结构分析在社区检测、技术路径挖掘、科学智力结构研究中得到了广泛应用。对比宏观层面的应用研究，中观层面研究主题的粒度更细，且各网络的可视化应用更加广泛。网络分析方法的中观应用现状及其代表性研究成果如表3 所示。

表3 网络分析方法的中观应用现状及其代表性研究

（1） 应用社区检测对合作网络的社区结构进行研究。通过构建以作者为节点，以合作关系为边的领域合作网络，K-core、层次聚类、成分分析等多种方法被用来提取网络中的社区，识别领域中主要的合作群体，结合基于网络拓扑指标的社区影响力分析[42-43]，可以实现对研究热点变化的挖掘，实现科学主题分析和研究社区识别的协同应用。 Yan等[44]以2001—2007 年信息检索领域的研究为例，结合合作网络与主体模型，发现主题可以用社区形式的进行识别，而社区是由不断融入的新主体来增强内部凝聚力，这个结果有助于提升对科学发展的动态认识。

（2） 利用引文网络进行社团划分、知识演化分析和技术路径挖掘。社团划分对分析学科知识结构及其发展脉络，揭示学科发展趋势有重要意义[45]。目前，社团划分及知识演化分析已应用于图书情报[46]、光学[47]、物理学[48]等多个学科领域，以及创新研究[49]、信息行为[50]、数字医学[51]等多个主题领域。专利引文网络则主要用来分析技术演进[52-53]，评估行业发展阶 段[54]，指导行业发展[55]。Hummon 等[56]于1989 年首次提出主路径（main path analysis，MPA） 这一概念，用节点对投影数（node pair projection count，NPPC）、搜索路径链接数（search path link count，SPLC）、搜索路径节点对（search path node pair，SPNP） 三个指标衡量引用链接对的权重。自此，众多学者利用文献、专利数据进行主路径分析研究，学者们基于科学文献的引用，发掘知识传递与扩散路径[57]，基于专利引用识别关键技术及其演化轨迹[58]，并就路径选择原则、路径搜寻起点及弧遍历权重等问题展开了研究。

（3） 共引网络可揭示学科结构、 识别研究前沿，并分析科学交流模式。共引网络主要通过绘制科学结构图的形式揭示科学结构，用图中节点的相对位置表示关联关系的远近，用共引关系随时间的变化描述学科的发展历程。许多学者以图情领域为对象展开了研究，例如，Small[59]从期刊角度进行聚类分析，认为情报学领域在20 世纪70 年代末的学科结构相对松散。共引网络也可通过最新文献识别研究前沿； ISI （Institute for Scientific Information）最早将共引聚类用于确定研究前沿[60]，后被借鉴至其他学科[61]。同时，共引网络还可以展示科学交流模式，分析科学交流中的非正式组织——“无形学院”（Invisible College）。有学者利用共引网络对科学交流效果进行研究[62]，并分析知产权、知识管理等领域学术论文的研究群体[63]。

（4） 耦合网络可进行科学智力结构及竞争情报分析。作者文献耦合作为耦合网络的一种，除了用来描述活跃作者的研究活动、衡量学者的影响力情况以外，在中观层面上也可以用于当前某学科智力结构的探索，并与作者共引相互补充，对学科智力结构做出更全面的展示[64]。通过作者文献耦合网络，在探索领域学科前沿的同时，也可以用于分析该领域的研究活力[65]。利用耦合网络开展竞争情报分析的应用主要出现在专利研究中；将专利文献耦合与专利引证关系相结合，可以挖掘某主题领域的关键技术，获取技术竞争情报[66]。而专利权人耦合网络则可用于分析专利权人之间的竞争关系，探究竞争对手及其优势，为企业发展提供竞争情报支持[67]。

（5） 共词网络被广泛应用于学科知识结构分析。通过从科学文献中抽取关键词构建共词网络，利用因子分析、聚类分析等方法能够识别关键词的聚类和层次结构，并依据聚类集群的结构性指标分析相应主题的发展程度[71]，而关键词的突现被应用于探测研究前沿主题[72]，并在数字图书馆[68]、医疗健康[69]、推荐系统[70]等领域得到实践和应用。此外，也有研究关注词之间的内在逻辑联系，从语法层面深入到语义层面，这对于理解研究内容具有重要意义。通过本体语义距离[73]、语义共词网络[74]、LDA （latent Dirichlet allocation） 与共 词 网 络的 结合[75]等研究，优化了共词网络的构建方法，并被证实具有更好的社区集群划分效果。

揭示学科结构、进行社团划分是网络分析方法在中观层面最重要、最普遍的应用，而可视化技术使研究结果以最简洁、直观的形式呈现出来，大大地提高了结果的可读性。目前，较具影响力的可视化软件如CiteSpace，可进行某学科或领域的研究热点、前沿及其演进的知识图谱分析。此外，VOS‐viewer、Sci2、Gephi、UCINET、Pajek 等也是常用的社会网络可视化软件；还有一些工具也在可视化领域得到了较好的应用，例如，HistCite 常用于引文时序分析，BibExcel 常用于清洗数据及生成共频矩阵，SPSS 常用于多元统计分析。同时，越来越多的数据库也提供了检索结果的可视化功能，例如，可应用于大型数字图书馆的作者共引分析系统AuthorLink，能够实现用户与可视化图形的交互，降低用户认知负担[76]；ConceptLink 和PNASLink 系统也是基于共引网络的信息检索可视化系统，可以实现关键词、作者、期刊检索的可视化分析[77]。

5 微观层面网络分析方法的应用

在微观层面，通过分析节点特性及相互之间的关联，合作网络、引文网络、共引和耦合网络可以进行重要知识主体、知识载体以及关系的识别。合作网络可以推荐高价值的合作者；引文网络可进行个性化的引文推荐；共引和耦合网络可以优化信息检索结果，发掘潜在合作关系。相关代表性研究成果如表4 所示。

表4 网络分析方法的微观应用现状及其代表性研究

（1） 借助合作网络开展影响力评价及合作者推荐。通过分析节点在作者合作网络中所处结构，可以对引文影响力测度进行补充，对合作者之间的引文进行更为准确地加权。例如，经常合作的两位作者之间的引文被认为比从未合作的两位作者之间的引文更有价值[78]，可以按照合作者的贡献程度分配引文权重[79]。事实上，合作者对一篇论文的贡献是不均等的，学者们深入挖掘了合作网络的特性，例如，部分研究将第一作者视为文章最重要的贡献者，进而建立科学协作有向网络，通过介数、Pag‐eRank、SIR 等方法识别出重要的合作者[79]。合作者多样性与合作影响力双因素效用函数被应用于合作网络的学术新人预测评价[80]。此外，也有学者利用链路分析、机器学习等方法开展合作对象的智能预测研究，通过计算每个节点对的得分来分析其未来连接的可能性[81]。

（2） 引文网络可被用来发现重要的知识载体、进行个性化推荐。重要知识载体一般具有较大的影响力，通过节点度或中介性等社会网络指标，可识别某主题或学科中的代表性文献、期刊或代表性作者[82-84]。 由于基于文献被引数构建的期刊影响因子、g 指数和h 指数等量化指标只考虑了引用次数而忽略了文献质量，评价结果存在缺陷，因此，将评价网页重要性的PageRank 算法引入引文网络，并将其与引文分析进行对比的研究也层出不穷[85-86]。此外，知识载体个性化推荐也是引文网络重要应用之一，论文的引用关系及其文本相似性对提升推荐准确性有积极作用；基于引文网络开发的文本挖掘系统可以将引文网络划分为不同的主题子网络，并结合引文排序结果和主题分析，将相关性较高的文献推荐给用户[87]。也有学者基于引文网络构建推荐模型，不断提高模型的准确性[88]。

（3） 利用共引网络实现科技评价与预测、优化信息检索。共引网络可用于国家或研究机构的绩效评价；通过共引聚类中某国家或机构出版物所占份额，可以衡量其在知识主题研究中的重要性，并分析其竞合关系[89]。期刊共引分析则可用于揭示该期刊与所属学科的亲疏关系，以此判断期刊的专业性强弱[90]。此外，共引网络也可用来进行小组、学者、专利等不同对象的绩效评价[91-92]。同时，共引网络作为知识聚类的典型方法之一，可以实现某学科或主题领域文献、学者、主题的汇集，从而提升信息检索效率。例如，Rees-Potter[93]利用共引分析方法建立了动态词表系统，并用于术语词表的维护和更新；基于共引分析的语义信息检索模型将语义关系定量化，进一步提高了信息检索的查全率和查准率[94]。

（4） 利用耦合网络可以发掘潜在的合作关系、实现科技评价与预测、开展信息推荐。作者关键词耦合网络通过关键词将作者联结起来，能够揭示某领域作者间的隐含关系[95]，也可以依据耦合网络的完整性程度分析作者之间的潜在合作关系[96]。耦合网络也被应用于作者、期刊、专利等的评价，可用于发现核心作者和重要期刊[97]，识别并预测关键技术的发展方向[98]。作者文献耦合网络还被用来跟踪特定学者在学科发展中的轨迹，探索作者与所研究主题之间的关系及其对主题的影响[99]。此外，利用耦合关系还可以识别具有相同研究兴趣的社区，进而开展信息推荐[100]。

（5） 共词网络可以对关键词进行结构度量，分析重要关键词节点的特征，探索潜在的科学知识热点[101]。除了应用于科学文献分析，共词网络也被应用在专利分析中，用于技术主题的发现与创新路径的识别。构成网络的关键词既可以从专利题名、摘要中抽取[102]，也可以是专利独有的标识技术领域的手工代码[103]、专利分类号[104]，进一步通过中心性、“m-核” 等分析方法来发现技术热点。在政策文献分析中，利用多维尺度等方法分析共词网络，能够提炼政策核心话语[98]，发现不同时期政策文本的核心主题分布。相关研究利用共词网络，分析了科技[105]、创新[106]、人工智能[107]等国家重点关注领域的政策文献，为进一步解读相关政策提供了参考。

虽然不同类型的网络在具体研究内容上的侧重点有所不同，但是在应用目的上却表现出了许多一致性。无论是合作网络、引文网络、共被引网络，还是耦合网络、共词网络，其应用目的主要在节点，相应研究围绕节点的特征分析、节点的角色识别、重要或关键性节点的评价、节点所代表知识内容的推荐等来开展。而针对连边，目前网络分析中较少将不同类型的连边同时用于网络构建，主要侧重于对单一类型连边的分析和预测，例如，通过PageRank 等算法区分不同引用关系的重要程度，来对引文连边进行加权[108]，利用节点相似性进行连边的预测[109]等。总体而言，在目前的微观层面研究中，连边的受关注程度要低于节点的受关注程度。

6 总结与展望

本文以信息计量领域中应用的网络分析方法为研究对象，全面梳理了合作网络、引文网络、共引网络、耦合网络以及共词网络在宏观、中观和微观三个层面上的应用研究。从发展阶段来看，信息计量与网络科学的结合已经十分紧密，并取得了许多重要的发现和成果。目前的相关应用研究已逐步进入相对成熟阶段，处于寻找新的突破点的过程中，通过对现有研究的梳理和综述，本文认为未来各分析层面可在以下方面开展进一步探索。

（1） 宏观层面。首先，知识演化本身具有动态特性，论文影响力会随时间波动，学者影响力会因发表论文数累积或递减，学科也是如此。现有网络分析方法多以静态网络为主，然而单就静态网络而言，无法揭示网络的全部信息。因此，结合时间变量，基于动态网络结构进行评价分析，能够更准确、全面地描述学者、期刊、机构等的影响力和变化。同样地，开发相应的知识图谱工具，对动态视角下的知识演化进行可视化也是一项十分有意义的工作。其次，许多研究发现，两个或多个网络能够优化研究结果，因此未来应更重视多网络融合的应用研究。例如，可将文献共引和耦合网络、作者文献耦合、作者关键词耦合网络相结合，或将引文网络与共引网络、耦合网络相结合，使得网络分析从单网络解构向多网络融合发展。

（2） 中观层面。首先，信息计量领域网络分析方法的应用要实现从结果的描述向深层次机理探索的发展；已有研究以分析结果的可视化呈现为主，亟须对分析结果做进一步的深入分析，如挖掘社区结构的形成机理、探究科学群体发展的动力机制等问题。未来的研究需要从分析结果、探寻现象发生的原因，更好地解决领域中的实际问题。其次，在应用网络分析方法的过程中，应进一步讨论网络构建方法，前期的网络构建是后续分析的基础；除了网络连边权重问题外，网络节点问题也需要重视。例如，在构建共词网络时，需要对网络节点所对应的关键词进行语义层面的深度挖掘，避免关键词在不同环境中的语义差异对网络分析结果的影响。

（3） 微观层面。网络分析应加大对 “节点” 和“连边” 研究的深度和广度。从节点的角度来看，节点涉及知识载体与知识主体。从网络的构建角度来说，未来网络中的节点可以从不同类型的文献层面深入到内容实体，如理论、方法、技术、工具等，从更丰富的视角进行网络研究与分析；结合不同类型的知识载体构建多模网络来综合反映科学知识的发展，使得相关研究更为准确、客观。从连边的角度来看，连边涉及节点间的关系。以引用关系为例，就引用范围而言，随着Altmetrics 的兴起，各种社交媒体中的数据可以用来构建更加丰富的引用关系；就引用位置而言，引用行为在某篇文章的引言、综述、数据方法、结果结论等位置均有可能发生，基于引用位置关系的研究有助于客观评价引文，更好地实现学术质量及影响力评价。此外，利用多种类型的连边来构建多层的知识网络，更加接近于真实的知识网络，相应的应用研究也应当引起学界的重视。