基于LDA模型热点主题的科技期刊发展分析与建议:以旱地农业领域期刊为例

■赵慧敏 吾际舟 赵彩霞 何文清 毛丽丽* 赵瑞雪* 梅旭荣*

1)中国农业科学院农业信息研究所,北京市海淀区中关村南大街12号 100081 2)中国农业科学院农业环境与可持续发展研究所,北京市海淀区中关村南大街12号 100081

学术期刊承载着科学领域内最新且重要的研究成果,是促进理论创新和科技进步的重要力量[1]。SCI是收录自然科学、工程技术领域最具影响力的重要学术期刊的数据库。在SCI期刊上发表的论文已经成为科技人才和成果评价的重要组成部分。而我国SCI期刊发展速度与我国科技论文发文量之间的差距巨大,《中国科技期刊发展蓝皮书(2022)》[2]提出:“随着世界一流科技期刊建设,科技期刊高质量发展,越来越多的原创性重大成果发表在我国科技期刊上。但是与中国作者发文规模相比,SCI收录中国科技期刊的发文量远不能满足现实发文需求。”王继红等[3]、张晓宇等[4]指出,我国多个领域没有SCI期刊,而我国在这些领域的科研生产力和发展力已经领先或者接近全球平均水平。加快建设我国的SCI期刊迫在眉睫。

近年来,多位学者开展了对期刊建设与学科领域发展之间关系的研究。王继红等[3]、张晓宇等[4]采用Web of Science(WoS)学科分类法分析了我国科技期刊需要填补的空白领域;翁彦琴等[5]分析了我国化学学科与化学科技期刊的发展情况;马凌飞等[6]从数量、类别、被引频次和退出收录情况4个维度对科技期刊进行分析,发现科技期刊的变迁能反映出学科的发展趋势;黄卓等[7]通过《中华烧伤杂志》的发文情况分析其所在的烧伤学科自身的发展趋势;钱玲飞[8]和张春丽等[9]分别依据教育部学位中心学科评估分类和国家自然科学基金地理学学科方向分类与关键词对期刊发展情况和期刊关注的热点进行分析。以上论文数据分析研究均主要针对特定领域科技期刊的发文情况,而对于期刊在特定学科领域中怎样做好学科定位以促进期刊快速发展,研究聚焦个刊分析和经验总结,如:董立等[10]以EnergyGeoscience办刊经验为例,进一步说明选择非常规前沿研究方向作为主要报道方向是期刊追求精准定位的重要举措;王淑霞[11]建议通过学科领域热点、趋势追踪做好期刊建设;陈义报等[12]则从宏观层面建议通过交叉和前沿学科布局实现期刊学科布局全面化发展。然而,鲜有使用某领域的论文数据来客观分析学科方向布局对期刊发展影响的研究。

本研究重点分析旱地农业这一特定领域的期刊论文数据,遴选出该领域的重点期刊并根据期刊指数和成长速率对其进行分析;利用隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)模型对旱地农业特定领域数据进行主题聚类,进而梳理出特定领域热点主题,摸索领域热点主题的发展与不同类型期刊的发展之间的联系,旨在为特定领域出版社和管理人员创办科技期刊提供参考。本研究的方法和分析框架同样适用于其他学科领域。

1 基于LDA热点主题的期刊发展分析算法

1.1 研究分析框架

首先,从旱地农业领域热点主题入手,综合多方面因素遴选领域重点期刊,明确重点分析对象;其次,对重点期刊按照发展规模和速度进行分类;最后,依据热点主题追随度,对不同类型的期刊进行对比分析。期刊发展分析的分析框架及流程如图1所示,对期刊发展的分析步骤如下:(1)构建领域文献库,对检索数据结果进行人工判读并剔除杂质;(2)利用LDA模型进行主题聚类,在专家判读基础上制定热点主题检索式,准确定位热点数据;(3)遴选重点期刊,主要基于期刊论文数、热点主题所在期刊以及领域高质量期刊;(4)重点期刊分类,主要基于期刊指数、期刊成长速率;(5)开展期刊发展分析,对期刊论文的研究方向流向、发展速度、期刊指数、期刊成长速率进行分析以期了解其特点;(6)开展领域期刊发展概况分析,重点包括期刊论文数量分布、新增期刊变化、国家间论文流动情况、国家出版概况、中国期刊发展概况、各类期刊热点主题追随度等。

图1 基于LDA模型热点主题的期刊分析流程及框架

1.2 数据来源与计算分析方法

以旱地农业领域为具体研究领域,数据来源于WoS核心合集数据库中的SCI数据库;检索词包括dryland、dryland agriculture、rain-fed agriculture、dryland farming等主概念词及同义词,此外还包括相关学科子方向和分支技术,共计149个英文单词。检索年份为2001—2020年,经过专家筛选,获得36762篇旱地农业相关论文。

为确定学科领域热点主题,引入LDA模型。定义期刊热点主题追随度,确定期刊关键参数,遴选重点期刊,明确分类算法,以便研究学科发展和期刊发展之间的内在联系。

使用Derwent Data Analyzer 12.0、Python 3.7、Echarts、Excel 2016软件和工具对数据进行标引、清洗、分析、制图等处理。

需要指出的是,重点分析指定领域内期刊的具体表现,期刊发文数据均为指定领域内的数据,不是期刊本身出版的全部论文。

1.2.1 领域热点主题算法

LDA模型是一种文档主题生成模型,包含词、主题和文档3层结构。所谓生成模型,即认为一篇文章的每个词都通过“文档以一定概率选择了某个主题,并从这个主题中以一定概率选择某个词语”的过程得到[13]。LDA模型将文档数据集中每篇文档的主题以概率分布的形式给出,通过分析文档抽取主题分布后,便可以根据主题分布进行主题聚类或文本分类。LDA模型认为每篇文章是由多个主题混合而成的,而每个主题可以由多个词的概率表征。文档到主题服从多项式分布,主题到词服从多项式分布,两个分布的参数分别服从Dirichlet分布。LDA模型可分析文档数据集中给定的一篇文章有什么主题,每个主题出现的概率是多少。LDA模型是一种非监督机器学习技术,可以用来识别大规模文档集或语料库中潜藏的主题信息,是自然语言处理中非常常用的主题模型。

应用LDA模型聚类后结合专家研判,确定旱地农业领域相关文献的两级研究主题,结果见图2。在挖掘主题时,利用Derwent Data Analyzer 12.0软件的Emergence Indicators算法[14-15],从标题和摘要中提取主题词,从新颖性、持久性、成长性、研究群体参与度4个维度对每个主题词进行新兴性得分计算:分值越高,则某技术主题新兴性越高。

图2 旱地农业领域主题分布

1.2.2 期刊热点主题增长率和追随度指数

采用梯度值来计算热点主题增长率Rn、热点主题相对增长率Rr,其表达式为

(1)

式中:N为热点主题论文数量;y为年份;k为统一调节系数,取值为100。

(2)

式中:r为热点主题年度发文数量与年度总发文数量的比值。

采用Pearson线性相关系数[16]计算期刊热点主题规模追随度Cn、期刊热点主题速度追随度Cr和期刊热点主题相对速度追随度参数Crr,其表达式为

(3)

(4)

(5)

式中:Nw、Rnw、Rrw均为全球热点主题相关数据;cov为协方差;σ为标准差。Cn、Crr、Cr的取值为[-1,1]:Cn<0,代表一致性相反,Cn=0代表没有一致性,Cn>0代表有一定的一致性,Cn>0.5代表强一致性,Cn=1代表完全一致,Crr、Cr取值的意义与Cn相同。

1.2.3 期刊关键参数

(1)领域高质量期刊。定义的领域高质量期刊:包括一定数量的领域重点论文的期刊。定义的领域重点论文:领域高被引论文(数量为Nhc)、ESI高被引论文[17](数量为Nehc)、ESI热点论文(数量为Nehot)。其中,领域高被引论文是指被引频次≥100次的论文。

在以上2项内容基础上,对领域高质量期刊定义为:符合Rank($1)≤20 orNehc>0 or Rank($2)≤20条件的期刊。其中:$1指Nehot>0;$2指Nhc>0;Rank($1)代表对符合括号内条件$1的期刊按照Nehot进行排序,Rank($1)≤20表示排名在前20位,Rank($2)≤20同理。

(2)期刊指数。研究使用的期刊指数主要来自JCR(JournalCitationReports)数据库,具体包括期刊影响因子(Journal Impact Factor,JIF)、5年影响因子(5 Year Journal Impact Factor,5Y JIF)、平均期刊影响因子百分位(Average Journal Impact Factor Percentile,AP-JIF)[18]。

(3)期刊成长速率。定义期刊指数JIF、5Y JIF和AP-JIF的年度增长率为期刊成长速率,分别为Rj、R5j、Rp,采用梯度计算方式。

1.2.4 重点期刊遴选和分类算法

在遴选领域重点期刊过程中,将期刊分为顶级期刊、最快发展重点期刊、较快发展重点期刊和非较快发展重点期刊,具体遴选方法和分类依据如图3所示。对重点期刊进行遴选和分类有利于掌握领域内重要期刊快速发展的隐藏原因。

注:符号“>>”代表远大于;“, ”代表或的逻辑关系;max表示取最大值算法;AVE表示取均值算法。

1.3 术语说明

“TOP期刊”“TOP国家”指的是论文数量排名靠前的对象,透过他们的特点能快速了解该领域论文发表的概况,释义和示例见表1。其中,“TOP10期刊”指的是出版论文数量排名前10位的期刊,“TOP5国家”指的是出版论文数量排名前5位的国家,“TOP15论文来源国家”是发表论文数量排名前15位的国家。

表1 重点分析期刊、国家情况

2 结果分析与讨论

2.1 重点期刊发展分析

2.1.1 TOP10期刊出版论文数量及热点主题发文期刊

由图4可以看出,TOP10期刊发文数量在2001—2020年呈现波动增长的趋势,尤其是在2015—2020年增长迅速。发文数量增长速度最快的3种期刊Water、FrontiersinPlantScience和ScientificReports均从2011年开始出版被SCI数据库收录的论文。

图4 旱地农业领域TOP10期刊年度发文数量和增长率

热点主题作物抗旱节水生理与品种选育(共15308篇论文,在旱地农业领域占41.64%)在不同期刊上发文数量的变化影响了TOP10期刊在旱地农业领域的发文数量。研究发现:2016年后该热点主题在Water(2013年新增为SCI期刊)上的发文数量迅猛增长;而FrontiersinPlantScience和JournalofAridEnvironments的相关发文数量有所下降,PLoSONE和FieldCropsResearch的发文数量增长不大。由此得出,热点主题发文期刊的变化引起期刊旱地农业领域发文数量的直接变化。

2.1.2 重点期刊遴选及发展

根据重点期刊遴选标准,遴选出51种重点期刊,总计出版旱地农业相关论文12307篇,占2001—2020年旱地农业相关论文数量的33.48%。此外,非重点期刊有1884种。计算2001—2020年重点期刊数据得出:AVE(Rj)=0.244001229,AVE(R5j)=0.445204872,AVE(Rp)=1.021655786。

按照重点期刊分类标准得出,顶级期刊(Nature、Science)有2种,最快发展重点期刊有5种,较快发展重点期刊有20种,非较快发展重点期刊有24种。对重点期刊的期刊指数和成长速率进行分析,如图5所示,得出以下分析结果。

注:气泡越大,JIF越高;期刊名称后数字为2020年JIF。

(1)整个旱地农业领域研究的发展和期刊发展相互促进。51种重要期刊中,50种期刊的R5j>0,47种期刊的Rp>0,38种期刊的Rj>0,表明这些期刊在近20年发展过程中,发表文章和期刊本身的影响力不断增加。

(2)5种最快发展重点期刊均是2005年以后新增的期刊。

(3)旱地农业领域高质量期刊的论文影响力强,期刊在WoS学科领域中处于领先地位。根据领域高质量期刊标准,得出旱地农业领域高质量期刊共32种。高质量期刊中,超过50%(19种)的期刊为WoS学科领域内的TOP10%(AP-JIF高于90)期刊,超过90%(30种)的期刊进入JCR Q1区(AP-JIF高于75)。除Science和Nature外,JIF和5Y JIF>10的期刊有7种。

(4)旱地农业领域专业细分度较高,领域分支广泛而精细。分别汇总10个热点主题下的TOP10期刊(共34种重点期刊,结果见图6)发现,期刊吸收多主题的旱地农业领域研究论文,同时对不同热点主题有明显侧重。利用Emergence Indicators算法计算得到不同类型期刊的新兴主题词也不同,如:5种最快发展重点期刊中,Agronomy-Basel新兴主题词有学习、响应、灌溉、粮食产量、应用、干旱胁迫、野外试验、气候变化、盐度、非生物胁迫、作物生产力、生物炭、冬小麦、苜蓿、水分胁迫、综合干旱、粮食安全、灌溉用水、黄土高原、用水效率、杂交种;20种较快发展重点期刊中,AgriculturalWaterManagement新兴主题词有粮食产量、土壤蓄水、中国、气候、黄土高原、小麦生产、经济效益、Meta分析、地上生物量、玉米生长、粮食安全、含水层、收获指数、可持续发展;24种非较快发展重点期刊中,FieldCropsResearch新兴主题词有植物密度、生产稳定性、谷类、产量响应、叶面积指数、土壤蒸发。新兴主题词为科研人员选择具体期刊进行投稿提供参考。

注:期刊名称后数字为相关发文数量。

2.1.3 期刊热点主题增长率和追随度

为了找出旱地农业重点期刊刊出论文的热点主题的变化特征,将论文按照4个分类,即顶级期刊、最快发展重点期刊、较快发展重点期刊、非较快发展重点期刊,利用期刊热点主题增长率和追随度指数Rn、Rr、Cn、Cr和Crr对比分析旱地农业领域的热点主题变化情况,如图7、图8所示。

图7 不同类型期刊热点主题增长率指数对比

图8 不同类型期刊热点主题追随度指数对比

(1)热点主题增长率分析。最快发展和较快发展重点期刊紧跟全球旱地农业领域的热点主题,非较快发展重点期刊和非重点期刊则相反。在10个热点主题下,5种最快发展重点期刊和20种较快发展重点期刊的Rr均>0,而24种非较快发展重点期刊和1884种非重点期刊的Rr均<0,见图7。

(2)热点主题追随度分析。①最快发展重点期刊倾向于刊出旱地农业领域热点主题中规模大和发展速度快的主题。5种最快发展重点期刊的Cn为0.498,Cr为0.469,属于较强一致性,Crr则是负值。②非较快发展重点期刊和非重点期刊也有同样的倾向,不同的是最快发展重点期刊的Cn和Cr最高,非较快发展重点期刊次之。24种非较快发展重点期刊和1884种非重点期刊的Cn分别为0.355和0.117,Cr分别为0.324和0.124,且Crr均为负值,见图8。③较快发展重点期刊略微倾向于刊出发展速度最快的热点主题相关的论文。20种较快发展重点期刊的Crr为0.234,而Cn与Cr为负值。

(3)重点期刊更侧重作物抗旱节水生理与品种选育、旱地农田管理与措施、旱地土壤养分循环与高效利用、旱地水分循环与高效利用等主题。5种最快发展重点期刊中,旱区粮食安全与营养健康、旱地农田管理与措施、作物抗旱节水生理与品种选育、旱地土壤养分循环与高效利用4个热点主题关注度提升速度最快。20种较快发展重点期刊中,旱区农业遥感信息与模型、旱区生物多样性与生态系统、旱区农业政策与可持续发展是关注度提升速度最快的主题。

(4)Nature和Science两种期刊旱地农业领域热点主题的Rr很符合其综合性期刊的特质,同时其热点主题的Rr与全球一致性较高。两种期刊的Rr值差别很小,且都非常靠近0,Rr的标准差只有0.0084。其Cn、Crr和Cr均>0,且Crr为0.470,有较强的一致性。旱区生物多样性与生态系统、气候变化与灾害防控相关论文数量最多,且Rr也最高。

(5)不同类型期刊在热点主题增长率和追随度指数方面的特点也侧面证明了期刊分类的合理性。

2.2 领域期刊概况分析

2.2.1 全球期刊及论文数量

2001—2020年,旱地农业领域总计发表36724篇SCI论文,这些论文主要发表在1897种期刊上。近20年来,旱地农业领域总体发文量呈上升的态势,尤其是近5年发文量迅猛增加。这表明,在全球气候变暖的大背景下,为确保粮食安全,对旱地农业的关注度增加,相关的研究数量也相应增加。

出版旱地农业领域论文的期刊数量虽多,但是发文期刊较为集中。如图9所示,出版旱地农业领域论文数量≥91篇的期刊共有97种,占期刊总数的5.11%,其出版的19067篇论文占全部论文的51.92%。出版该领域论文数量≤5篇的期刊共有1123种,占期刊总数的59.20%,其出版该领域论文2283篇,占比为6.22%。从2001年起,发表旱地农业领域论文的SCI期刊总数稳步增加,年均新增期刊90种,新增期刊占比逐年下降,从2002年的44%下降到2020年的10%,如图10所示。

图9 旱地农业领域2001—2020年期刊发文量分布

图10 旱地农业领域2001—2020年期刊数量分布

2.2.2 期刊出版国家

旱地农业领域2001—2020年论文的作者来自166个国家,这些论文发表在63个国家出版的期刊上。出版国家集中在美国、荷兰等少数国家,且TOP5国家出版论文数量均多于其发表论文的数量。图11显示,TOP5国家出版了旱地农业领域2001年以来78.4%的论文(28836篇),拥有77.9%(1478种)的期刊。TOP10国家出版的论文占比为88.2%(32430篇),拥有86.3%(1637种)的期刊。荷兰的出版论文数量(7438篇)是其发表论文数量(792篇)的9.4倍,出版论文数量和发表论文数量差距较大的国家还有瑞士(5.4倍)和英国(3.8倍)。论文流向如图12所示。旱地农业领域学者在全球范围内进行了广泛的交流,在不同的国家出版论文,论文出版国同时也接收来自各个国家的论文。

图11 期刊所在国家的出版论文数量和期刊数量

注:数字为论文数量。

2.2.3 中国期刊概况

2001—2020年我国旱地农业领域发表文章数量远超其他国家,但是出版论文情况相差较远。2001年以来,中国是发表旱地农业领域论文最多的国家(8791篇),共在27个国家出版论文,其中在中国出版374篇,仅4.3%的中国论文在本土出版。在TOP5国家出版了7342篇论文,占全部中国论文的83.5%。而美国作为发表论文(7907篇)和出版论文的大国,有一半(50.3%,3976篇)的论文在本国出版。印度作为旱地农业领域发表论文数量(2760篇)排名第3的国家,也有29.5%(814篇)的论文在本国出版。

中国出版的41种SCI期刊多在JCR分区中居中位。其中,35种期刊在2020年仍然是SCI期刊。如表2所示,出版论文数量排名前5的中国期刊JIF范围是2.0～3.9,AP-JIF为27.5～69.0,这些期刊出版了220篇论文,占中国SCI论文的46.8%。在旱地农业领域,JIF排名前5的中国期刊出版的论文数量均<5篇,如CellResearch(1篇,JIF为25.617)、ScienceBulletin(4篇,JIF为11.780)。

表2 旱地农业领域中国期刊数量及论文数量分布

47个国家的科研工作者在中国出版470篇论文,其中15个国家出版论文数量≥5篇,如图13所示。出版论文数量排名前20的中国期刊出版了428篇论文,是中国出版论文的91.1%。这些期刊较多涉及旱地土壤养分循环与高效利用、作物抗旱节水生理与品种选育(Rr最高)。遴选的51种旱地农业领域重点期刊中,没有来自中国的期刊。

注:期刊名称后数字分别为2020年JIF和论文数量。

中国期刊的热点主题刊文趋势与全球热点主题发展趋势非常接近。中国期刊整体的Cr=0.418、Cn=0.298,均>0,且Crr=0.501(>0.5),显示出强追随度。从2003年起,中国发表旱地农业领域论文的SCI期刊总数逐年缓慢增加,如图14所示。可以看出,几乎每年都有新的期刊入选SCI,只是数量不多,新增数量都<5种。

图14 发表旱地农业领域论文的中国SCI期刊数量年度分布

3 结论与建议

3.1 结论

基于对旱地农业领域期刊发展概况的分析和研究,挖掘出旱地农业领域期刊发展的特点。

(1)领域科学研究的发展和重要期刊发展相互促进。随着旱地农业领域研究的不断深化,绝大部分领域重点期刊的成长速率为正,且热点主题对期刊刊文有较大影响。不同类型期刊的热点主题追随度各具特点:①发展速度快的期刊(包括顶级期刊、最快发展和较快发展重点期刊)中,所有旱地农业热点主题的Rr均>0。而非较快发展重点期刊和非重点期刊中,各热点主题的Rr均<0;②旱地农业领域中最快发展重点期刊均为2005年后新增SCI期刊,它们紧随规模大且发展速度快的热点主题;③顶级期刊和较快发展重点期刊紧随旱地农业领域Rr较高的主题;④选取最快发展重点期刊Agronomy-Basel、较快发展重点期刊AgriculturalWaterManagement、非较快发展重点期刊FieldCropsResearch分析其新兴主题词,发现新兴主题词与期刊紧随的热点主题相吻合。

(2)领域发文期刊集中。①50%以上的旱地农业领域论文集中在5.11%的期刊中;②TOP5国家出版的期刊和论文数量均占全球的77%以上,且其出版论文多于其发表的论文。

(3)中国发表论文和出版论文现状。①中国发表了最多的论文,但中国95.7%的SCI论文在国外期刊上出版。TOP20期刊中,中国发文量在16种期刊中排名第1,但TOP20期刊中没有来自中国的期刊。②中国在旱地农业领域的SCI期刊数量与发表论文数量差距巨大,新增期刊数量少,且没有领域重点期刊和高质量期刊。③中国主要SCI期刊的期刊指数居中,刊出热点主题与全球一致性高。

3.2 建议

3.2.1 积极推动中国SCI论文和中国SCI期刊的良性互动

我国在积极建立评价体系的同时,也要加快建设SCI期刊,包括新创期刊和已有SCI期刊。SCI是目前全球公认的高质量期刊数据库,我国许多科研活动以此为依据进行评价验收,这些科研活动主要包括项目申请、项目结题、年终评审、职称晋升、职务评聘等。虽然国内一直积极推动综合评价体系建设,2020年科技部也出台了《关于破除科技评价中“唯论文”不良导向的若干措施(试行)》[19],但是基层科研活动对SCI收录论文的重视度只增不减。

积极推动中国SCI论文和中国SCI期刊的良性互动,促进中国作者在中国期刊上发表论文显得尤为重要,应通过政策引导、投稿费用优惠、专家推荐等引导国内研究人员积极向中国SCI期刊投稿。一方面,扩大中国SCI期刊的影响力,进而吸引更多其他国家的科研人员投稿;另一方面,促进国内科技交流,加快国内科技发展,减少购买数据库的费用。

3.2.2 优先建设快速发展科研领域的期刊

领域科学研究的发展和重要期刊发展相互促进,重点领域期刊建设对于重点领域科学研究发展的推动作用不容忽视。2019年“中国科技期刊卓越行动计划”[20]强调“优先支持基础研究领域、优势学科领域、战略前沿和新兴交叉学科领域科技期刊做精做强”。建议优先建设快速发展科技领域的期刊,这既能促进本国科研领域科技交流,也能促进期刊的快速发展。

3.2.3 依据期刊发展阶段确定研究热点方向

在科技期刊建设的进程中,要尤其重视期刊聚焦的研究方向,在内容上促进期刊的快速成长和稳定发展。基于不同类型期刊发展的特点,为建设中的领域期刊给出以下建议:(1)抓住领域热点主题是期刊发展的重要因素,需定期分析领域热点,及时调整刊文方向。(2)在期刊的快速上升期,重视发文规模较大和发文数量增长速度快的热点主题。(3)在期刊平稳发展阶段,对发文数量少但是发文数量上升速度较快的热点主题给予更多的关注。

4 结语

目前我国SCI期刊数量远远无法满足我国科研领域的发文需求,中国期刊的建设,尤其是SCI期刊的建设任重道远。本文通过分析,建议在期刊建设中优先关注快速发展的领域,鼓励我国作者将论文发在本国SCI期刊上,同时具体科技领域的期刊在建设中时时跟随热点主题,在不同建设时期调整聚焦方向。研究尚有改进的空间,下一阶段将引入深度学习方法,建立指标的自动学习机制,使得分类判定更加自动化和智能化。