基于链接分析的图林博客显著度分析

基于链接分析的图林博客显著度分析

1引言Web2.0技术的发展使博客成为一种重要的网络交流方式。随着博客影响力的不断扩大，越来越多的学术研究人员深入到博客领域，创建个人学术博客或团体博客，建立相关专业博客群。自2003年6月“闲来无空”创建了我国图书馆学专业领域的第一个博客之后，大批的图书馆学领域人士都建立了各自的专业博客，形成了空前的图林圈子和图林文化。图林学术博客圈是正式交流体系之外一条重要的学术交流渠道，博主们不但在博客中发表自己对专业的见解和认识，还促成了如Web2.0会议等学术交流会议的形成和发展，以及《用户永远是正确的》、《图书馆2.0：升级你的服务》等学术出版物的问世。同时，图林博客圈还是一个互动的、活跃的、信息流动的社会网络，对其进行分析有助于发现与现实社会网络不同的特点和规律，进一步探索图林博客网络的价值。邱均平[1]、党洪莉[2]等人基于网络超链接对图林博客进行了社会网络分析，两篇文章共同的特点是利用社会网络分析指标对图林博客的链接网络结构进行了描述和分析，其数据集分别为20、16个博客，数据量相对较小，而且没有对图林博客圈中显著度较高的博客的内容予以揭示。显著度（Visibility）主要是指网络中某一站点（网页）能够被其他站点（网页）识别和发现的程度，即在网络中的可见度。目前网络显著度的分析一般都集中在对学术网站的研究，其显著度指标主要基于网站的外部链接[3－4]。识别图林博客显著度较高的博客，可以进一步分析图林博客网络中那些影响力较大的博客，有助于对基于博客的网络交流模式进行深入的分析。本文在采用链接分析方法对图林学术博客结构进行分析的基础上，（1）发现图林学术博客显著度的特征和规律；（2）同引文网络进行比较，发现和分析博客网络与学术网络之间的区别与联系。2数据来源与研究方法2.1研究对象由于学术博客与正式学术出版物有很大差别，其写作方式和内容较为随意，很多博客并不是严格地以学术信息为内容，而是或多或少地混合了诸如生活日记和随笔等内容。因此在选择时，本文尽量选择那些学术性较强的博客，此外，尽量囊括那些比较著名、持续更新的博客。厦门大学图书馆的图林网志聚合可以被视为较为全面收录图林博客的聚合器，因此本文以该图林网志聚合为蓝本，选择95个图林博客作为样本数据进行分析。样本选取时间为2009年4月1日。最后确定的博客及其地址如表1所示（部分）。2.2研究方法在文献计量学中，个体著作的影响力分析以及出版物之间的关系分析通常是基于引文分析。引文通常反映了某一篇文章对被引用文章的参考、认可或推荐。网页间的超链接与传统文献中的引文有着很多相似之处，链接在一定程度上体现了网页问的“参考”、“引用”和“推荐”等关系。尽管也有学者提出链接分析与引文分析存在着很大区别，不适合将引文分析与链接分析进行类比[5]，但在目前的研究中，链接分析仍然被认为是学术网站研究的重要方法。同时，链接分析可以作为研究网站间关系结构的框架，并且，学术链接典型地反映了学者活动的某种关系[6]。本文在数据分析和研究过程中也采用链接分析的方法，具体包括了单链接分析和共链接分析。2.2.1单链分析网络超链接包括入链和出链两种，入链是指指向某一网站的链接，而出链则指某网站指向其他网站的链接。为分析博客的内部显著度，本文将入链作为分析单元，采用入链分析的方法。在网络中，入链分析的基本假设前提是入链的数量越多，在网络上该网站越容易被发现，其显著度越高[3]。2.2.2共链分析网络环境下的共链分析是传统文献计量学中同被引和引文耦合的概念在网络环境下的应用。共链分为共入链和共出链两种，共入链类似于文献计量学中的同被引，共出链类似于耦合。同样，本文以共入链为分析单元，分析博客在网络中的链接情况以及与作者同被引数据进行对比。共链分析不但可以用于网络中相似学术网站的发现与识别研究，还可以发现网络的空间结构。2.3数据收集本文以95个图林博客为研究对象，对各博客站点中链向其他博客站点的超链接进行检索，利用检索结果构建这95个博客的链接矩阵（若某博客站点存在链向95个博客中某一博客站点的链接就赋值1，否则赋0值），用于链接分析。然后，本文采用Yahoo！搜索引擎收集这95个博客的共链数据，即对95个博客站点进行共链检索，检索式为：(link:BlogA－site:)and(link:BlogB-site:)，其中BlogA和BlogB为所需检索博客的网络地址。根据检索结果构建共链原始矩阵，经过Pearson相关系数转换后，用于共链分析。其中去除了结果矩阵内中没有意义的博客（即转换后矩阵中的值为空白的博客），共去掉10个博客，最后得到一个85*85的矩阵。利用可视化工具Ucinet进行分析。3结果分析3.1图林博客的内部显著度分析为进一步说明博客之间的关系，本文提出了内部显著度和外部显著度的概念。内部显著度即某个博客在图林博客网络中的显著度，其显著度的分析主要是基于所选博客之间的链接关系，即基于单链数据进行的分析。内部显著度高的博客可以被视为整个图林网络中的明星博客，其在网络中的知名度和影响力也相应较高。图1为图林博客网络的内部结构图，它反映了所选的95个博客之间的网络结构，通过分析可知，整个图林博客网络具有如下特点：（1）无标度网络的特性。通过数据分析，图林博客网络基本上符合幂指数分布（图2）的无标度网络的特性，即整个网络中会存在少数的节点连接着整个网络，这些节点具有重要的连接作用，可以被认为是支撑整个网络的明星博客。（2）博客网络的点对点交流模式。有学者已经论述过作为非正式交流网络的博客由于其平台的开放性，交流方式更加多样，活动性强，是一种点到点的互动交流方式[7]。在本文的研究中从定量化的数据方面证明了这一点。网络中博客之间的距离很近，根据计算得出其平均距离是1.208，约等于1，这反映了学术博客交流的特点是点对点的互动交流方式。对学术博客的入链进行分析，可以采用社会网络分析中的度中心性指标。度是指与某节点直接相连的节点个数。在有向图中，度中心性分为入度和出度，入度为到某一站点的入口的多少，可以用来评价某一博客的知名度或影响力。表2为入度大于10的图林博客，从中可以看出，入度大于10的博客共有13个，依入度的大小依次为编目精灵、前途无量、老槐也博客、竹帛斋、蓝天白云、数图研究笔记、书间道、建中读书、游园惊梦、河边夜谈、超平的博客、闲来无事、图谋博客，这些博客在整个图林网络中拥有的入链数量比较多，显示出其在网络中显著度很高，其在图林网络中的影响力也比较大。本文认为，上述13个博客在图林博客网络中显著度高、吸引链接的原因主要有以下几点：（1）博客的内容和质量：博客的内容和质量是影响博客入链的最主要因素。什么样的博客主题和内容更容易吸引外部链接呢？根据各人身份的不同，个人博客可以分为专家教授的博客、图书馆员的博客、在校学生的博客和专业期刊编辑的博客四类[8]。上述13个博客包括了这四种类型的博客。专家教授的博客如“老槐也博客”“超平的博客”“竹帛斋的博客”、“蓝天白云”，图书馆馆员的博客典型的为“编目精灵”、“数图研究笔记”，在校学生的博客有“钱途无量”、“游园惊梦”等，此外“书间道”、“河边夜谈”的博客为图书馆学情报学专业期刊编辑的博客，这些博客一个相同的特点是记录的多是对学科理论的思考、学术会议的报道、、行业热点的评述、日常工作中的心得体会、对各类问题的处理方式等，往往视野开阔、思维活跃、内容个性鲜明。它们对网友们开阔研究视野、了解学科发展动向、把握科研热点具有很大启发作用。此外，这些博客往往会以诙谐调侃的文字戏谑图林人物和事件，其文章既具专业性又有很强的幽默感，非常受读者欢迎。（2）博主的实际影响力：博主的实际影响力是一个比较模糊的概念，这里主要是指博主在现实社会中的影响力。在图林博客中，网络可见度和影响力比较高的博客有相当一部分为大学教授和专家学者的博客，除了这些专家学者专业理论功底深厚，见解深刻而广受欢迎之外，其社会关系广泛，也为博客赢得了网络可见度，此外，其在学生中的影响导致了博客的入链数量较多。（3）累积性影响：那些建立时间较长、网络可见度较高、影响力大的博客，在吸引新的链接时具有更大的优势。建立时间相对较长、已经累计了一些网络人气的博客，更容易获得更多新的链接，从而加速其网络显著度的提高。3.2图林博客的外部显著度分析外部显著度是指将图林博客置于整个因特网中的可见度。外部显著度的分析建立在共链数据基础上，即两个博客同时被其他网站（网页）链接的情况。由于在构造共链数据集时，采集的数据是在整个因特网中，而不仅限于图林博客间的链接，因此通过对共链数据进行分析可以发现图林博客的外部显著度。从整体结构来看，图林博客圈表现出一定的内聚性，绝大多数博客在网络图中表现出了极强的相关性，网络空间结构密度很高。只有极少数的博客与其他博客的共入链数量较少，处于网络的边缘（图3）。通过可视化分析，在共链矩阵形成的网络中，被外部网站（网页）共同链接的数量最多的为老槐也博客、竹帛斋、超平的博客、书间道、思考的乐趣——雨禅的博克、图有其表、花生壳、平凡博客、游园惊梦、laolu'sBlog、学林望“道”11个博客，这11个博客在整个网络中的显著度是比较高的。其外部显著性高的原因除了3.1节分析的原因之外，可能的原因还在于博主实际的超出图林圈子的社会网络关系在网络中的体现。同图林博客内部显著度最高的13个博客相比，老槐也博客、竹帛斋、超平的博客、游园惊梦四个博客在网络中无论是单链分析，还是共链分析，都是显著度最高的博客，表明他们在图林博客中确实处于核心的地位。3.3图林博客显著度与作者实际学术影响力的对比分析本文的前几节分析了图林博客在网络中的显著度，在这一部分，尝试将图林博客中博主的网络显著度与博主的实际学术影响力进行对比，考察网络链接体现的关系和影响与实际学术影响的异同。两者进行比较的前提假设是：学术博客作者的共链分析与作者同被引分析一样能够揭示作者的研究相似性。本文选择20个比较著名的博客做共链分析，由于共链分析理论源于同被引分析，在作者同被引分析中，作者要尽量选择著名的，这样能够保证他们的文章能够被其他人引用，同时选择的作者必须有一定的相关性，以便他们的文章能够共同被其他人引用[9]。因此在选择数据时，尽量选择那些较为知名的博客作者。但是为了使博客与真实的作者相对应，我们只能在尽量遵循上述原则的基础上选择目前所知的能够与博客相对应的作者进行共链和作者同被引的对比。本文分别利用Yahoo！搜索引擎和CNKI进行共链和共引检索。在利用Yahoo！进行检索时，为了与CNKI中的引用相对应，网页的选取也是只采用“pagesfromchina”。本文检索的时间为2009年4月13日。利用检索数据，分别构造出共链和同被引矩阵，然后进行可视化分析。由于共链的数量非常多，影响了作者共链图的可视化效果和分析，也影响了同作者同被引的比较，因此，为了能更明显的体现博客共链的强弱，本文对共链图做了相应的处理，令相似系数大于0.5，这样过滤掉一部分低强度的链接，然后与作者同被引图进行对比分析（图4、图5）。图520位作者共引图从直观的判断来看，两个网络之间的差异比较大，共链图反映了大多数作者之间较为紧密的关系，而同被引图中不同的作者之间由于研究方向的不同其关系强度相对较低，只有范并思先生在两个网络中都处于相对较为核心的位置。为了从统计学上验证作者同被引网络和共链网络之间是否具有相关关系，对两个矩阵进行QAP分析。QAP（QuadraticAssignmentProcedure，二次指派程序）分析可以用来研究两种“关系”矩阵之间是否相关。在进行分析前，假设研究的显著性水平为0.05，分析结果显示，显著性水平为0.091，高于0.05，表明在统计意义上本文所研究的两个矩阵之间不存在强相关，相关系数仅为0.170。由表4可知，作者同被引矩阵和共链矩阵之间是正相关的，相关系数为0.170，但是在统计意义上不显著。这一方面可能是由于本文选取的20个数据量太小从而造成统计的随机性较大，另一方面也反映了作者同被引和网络共链之间不存在显著的相关关系。即可以认为，在网络中显著度比较高的作者在实际中学术影响力并不一定高。事实上，这也说明作者同被引分析反映一种知识结构，网络共入链分析反映的更多的是一种社会结构，两者之间的相关性不强。4讨论与结论本文采用单链接分析和共链分析两种链接分析方法对图林博客网络的显著度进行了分析。由于链接分析本身存在一些问题，因此对链接分析方法用于博客网络显著度研究的有效性需要进行进一步的探讨。4.1单链接用于评价图林博客显著度的有效性邱均平等人认为链接中充斥着大量的非实质性链接是链接分析假设前提的最大缺陷[10]，因此需要将链接中诸如脚本链接、多媒体链接、网站内部结构性链接和广告链接等非实质性链接去除，链接分析的假设前提才是成立的，即入链的数量越多，在网络