《数学与应用数学论文：信息管理中的信息分布规律探究》9700字

数学与应用数学论文：信息管理中的信息分布规律研究摘要 1引言 21.信息内容的离散分布规律 31.1布拉德福定律的概念 31.2布拉德福定律在信息管理中的表现 31.3齐夫定律的概念 41.4齐夫定律在信息管理中的表现 41.5马太效应的概念 62.信息对时间的分布 72.1信息对时间的分布的概念 72.2指数增长率 72.3逐渐过时律 83.信息生产者的分布规律 93.1洛特卡定律简介 93.2洛特卡定律应用范围 103.3洛特卡定律的国内外应用 103.4洛特卡定律的局限性 11结束语 12参考文献 13摘要:信息分布简单来说就是指信息在时间和空间上的特征、状态和存在形式.研究信息分布可以指导实际的信息管理工作,揭示和发现信息管理学的奠基性规律.本文从信息在时间和空间上的分布规律以及信息制造者的分布上进行研究,探讨信息内容的离散分布规律,包括布拉德福定律、齐夫定律,信息对时间的分布规律中的指数增长率和逐渐过时率,以及信息生产者的分布规律中的洛特卡定律.关键词:布拉德福定律;齐夫定律;指数增长率;逐渐过时率;洛特卡定律引言信息分布规律是信息管理中非常重要的一部分,通过研究信息分布规律,我们可以更好地了解信息,从而更好的利用信息满足我们的需要.对于信息管理中的信息分布规律,有许多国内外的学者都进行过研究,取得很多成果.在国内,还有学者利用信息分布规律中的齐夫定律,论证了莫言获得诺贝尔文学奖的理论基础.由此可见信息分布规律规律研究有很强的实用性.目前关于信息管理中的信息分布规律,有很多的参考文献.文献[2]叙述了洛特卡定律相关应用.文献[4]与文献[5]叙述了信息内容的离散分布规律中“布拉德福定律”在现实生活中的表现.文献[6]叙述了信息内容的离散分布规律中“齐夫定律”对一些文本的适用性研究情况.文献[7]与文献[8]叙述了信息对时间的分布规律“指数增长率”在现实生活中的表现,从而说明了实际情况里信息的增长情况.文献[9]与文献[10]叙述了在生活中信息资源老化的原因与对策以及社会化媒体的信息老化的研究综述.本论文主要通过查找资料,先叙述信息分布规律：信息内容的离散分布规律（如“布拉德福定律”、“齐夫定律”）、信息对时间的分布规律（如“指数增长率”、“遂渐过时率”）、信息生产者的分布规律（如“洛特卡定律”）他们有什么特点,之后将现有的知识与前人研究的该规律在管理学中的应用相结合,从而进行简单的论述,解释信息分布在管理中的应用规律.1.信息内容的离散分布规律1.1布拉德福定律的概念布拉德福定律（LawofBradford）也被称为文学散逸定律和文献分散定律,英国化学家和语言学家布拉德福德在上世纪五十年代提出的一个描述文献秩序结构的经验法则,适合于测量教育文学.它的内容简单来说就是：如果将某杂志按照发布某一学术领域的文献数目以逐渐减少的方式排列,就能够在全部文献里面找出载文率最高的主要部分和包含着与主要部分等数量论文的之后几区,这时核心区和后续各区中所含的杂志数成的关系（a>1）.同一年,维克利通过分析对布拉德福定律作出了修改,而且把杂志分区的数目推广到了大于三个的更普遍的情形,提出了布氏定律的维克利修正式：（为常数,称为维氏分布系数,为前个区的杂志数量之和）.1.2布拉德福定律在信息管理中的表现在布拉德福德定律在网络环境里面是否适用的问题上,上世纪九十年代,国外专家学者提出了网络计量学的概念,并进行了相应的研究.美国专家巴伊兰将论文及其发表信息的分布情况与各杂志及其论文进行了比较分析,确定了核心新闻组根据布拉德福定律,主题“疯牛”,发现布拉德福定律也存在于网络环境,但这个研究针对某一特定主题,它的数据有一定的局限性,通过对美国医学院校排名前二十多位的网站进行链接分析,发现网站链接存在集中、分散的现象,网站数量之比为78:452:1201,比较符合1:4:42,这说明医学院的网络链接是符合布拉德福德的法律的,但这一定律是否适用于所有网络环境,这一事实必须进一步审查.两位美国学者对MEDLINE数据库中关于RCT的文献作了文献计量分析,发现通过区域分析可知第四区的期刊数明显大于预测值,但是四个区的期刊数之比较接近于1:2.5:2.52(6.25):2.53(15.6)符合传统的布拉德福定律,但又有明显区别,文中对布拉德福定律的验证方法比较单调,不能从各个层面证明这种适用性.贝伦斯和卢克对无机晶体结构数据库中晶体学主题的文献进行分析,利用函数模型对数据样本进行分析研究,发现了晶体学题目的文献符合布拉德福定律的分布,这一研究主要针对数据库里面的数据并且只进行了单一方式的分析,并不具有非常显著的代表性.克里斯蒂娜·法巴·佩雷斯通过对我那个上空间链接状态的图像分析得出,有些图像并不符合标准的布拉德福分布且通过模块分析可知每个区域的比例数也都不符合的关系.1.3齐夫定律的概念齐夫定律是由美国哈佛大学的一位人类语言学家乔治·金斯利·齐夫于上世纪五十年代发表的实验定律.定律内容可以简单表述为：在人类自然语言的数据库里,某一个词出现的频率与它在频率分布表里的顺序形成反比例函数.因此,出现次数最高的这个词出现的次数大约是出现次数第二位的单词的两倍,而出现次数稍微减少的单词则是出现次数第四位的某个词的两倍.这个发现被用来做所有与幂定律概率分布相关联的数据的分析.举个例子,在英语数据库中,“the”是最经常出现单词,它在这个数据库中出现了大概百分之七（每一百万单词中出现大约七万次）.正如齐夫定律中所说的一样,出现频率其次的单词“of”占了整个数据库中的百分之三点五（约四万次）,第三位的是“and”（约三万次）.仅仅一百三十多个单词就占了英语数据库的一半.齐夫定律是通过实践得来的定律,而不是一个理论.齐夫定律可以在很多地方中被观察到.齐夫分布的在现实中的起源一直没有具体的令人信服的说法.齐夫定律可以用图像来观察,坐标为（排名）和（频率）.比如,“the”这个单词就可以描述为的点.如果所有的数据分布点几乎是一条直线,那么它就符合齐夫定律.最容易明白的的例子是“”.如果有一些齐夫分布的数据,以出现的频率多少来排列,那么排在第二位的频率会是第一位的一半,第三位则是第一位的三分之一,以此类推.然而,这并不非常精确,因为每一个项必须出现一个整数次数,一个单词不可能出现二点五次.但是,在一个较大区域内而且做出合适的约算,很多自然的现象都可以用齐夫定律描述.1.4齐夫定律在信息管理中的表现巴塞罗那自治大学数学研究中心的研究者最近使用数学和统计学的专业知识,对齐夫定律进行了严格的研究.该研究是对古登堡计划（一个将没有著作权的英文著作进行电子化的网络工程,里面有许多的资料可以无偿使用）的数据进行分析.这是一项非常大的试验工程,因为在早先的工作中一般只会使用一百篇以内的数据库.而实验结果显示,假如不统计那些出现频率非常低的词语,有百分之五十五的数据是符合的,如果全部统计在内,适用齐夫定律的数据也还有百分之四十.而且据这项实验的发言人所描述,假如把只出现了三次至五次的词语也不计算在内,那么符合定律的数据数量会更加庞大.在自然语言中通过齐夫定律我们可以发现,文章中词语出现的次数和其排序等级呈反比例关系,即是说这两个数的积是一个固定的数.对式子两边求自然对数可知：如果我们对于统计数据数据结果绘制一个与的关系曲线,即可得到截距和斜率.在我国也有很多专家展开了对齐夫定律还有齐夫定律相关应用的调研.就在前不久,江南大学的专家学者以诺贝尔文学奖得主莫言的作品《红高粱》,《蛙》还有《透明的红萝卜》来做了一个研究调查,他们研究了莫言的作品中字数出现次数和单词出现频率,得出了满足齐夫定律的结论.他们的研究发现包括西班牙语、法语、英语等在内的许多种类语言的成果是一样的.这个数据从统计学这一方面说明了莫言可以成为中国大陆第一位获诺奖文学奖的其中一个原因.在词语出现次数的研究中,主要采用了两种方法确定词语等级：1)随机法：齐夫第一定律在第一次被发现时,就是使用的随机法.随机法通俗来说就是在明确词语的等级的过程中,如果出现频率一样的词,那么就用统计文本中词语的自然词序或随机词序排列确定词语的等级,这样每个词的等级就是它的自然或随机词序.例如词序为第5-8的词是同频词,那么它们的词级随机排列则是5,6,7,8.2)并列法：并列法是指把遇到的同频词并列为一个词级,并延承上一个词级例如词序为第5-8的词是同频词,那么它们的词级就是5;若词序为第9-12的词也是同频词,那么这些词的词级则要延承上一个词级成为6.分词原则：(一)采用计算机来进行自动分词统计时,拿齐夫定律理论为根本,根据汉语自身的语言特点,参考《现代汉语词典》目录所给出的单词语言的词性,把保留词语意思的完整无缺作为前提条件.(二)地名、人名等这些专有名词要作为独立的词来进行划分.(三)统计时不计算标点或者不是汉字的符号.如果对一份报告里面出现的字词频率与序号以及等级的数据进行统计,就可以建立一个平面直角坐标系,那么横坐标久表示这个词的序号也就是等级,那么频次就是纵坐标,那么就会得到一条曲线,这就是齐夫分布曲线,它类似于双曲线的一半.然后我们再将等级序号与频次都求得对数坐标,那么我们所说的齐夫规律,也就是齐夫分布对数曲线.如果符合这种类型的分布,那么就可以说是是齐夫分布.齐夫定律已经在许多方面,例如语言、地理、经济、情报、信息科学、网络方面有了广泛的应用,而且有了很多有实际意义的成果.齐夫定律作为一种数学统计工具,在词语频率的规律描述上作用很大,但还是有很多的改进空间值得我么去探究.1.5马太效应的概念马太效应是在信息生产和分布中产生的一种规律,信息生产之后在时间和空间上传递时,可以形成优势与劣势两种情况.古时候的人将形成的这种优势与劣势称做信息分布里的马太效应.马太效应这一词语,来自于古代圣经中《新约·马太福音》这一篇文章中的“…谁如果有,就给他,并不断增加;而谁没有,就连已有的都要被夺走”.二十世纪六十年代,默顿--美国著名的社会学家,曾说：越有名的学者所发表的文章,越能人民所发现、所认识、所重视,越能聚焦更多的学术资源,越能更容易的把握热点、发表文章.这就是非常典型的一种马太效应.马太效应实际上是在描述一种优势与劣势的积累过程,一旦你处于比较优势的地位,这种优势便可以不断增强,变得更加优势;反之,如果你处于劣势地位,这种不利地位也会随意加深,达到更劣的程度.同时,马太效应也可以支配社会信息流,比如说,某些对象,它被选择的次数是不一样的,有的经常被人们或者其他事物所选择,有的却不经常被选择,而这些都是这个对象或者事物的特征的表现,同时这个特征又成为再次被选择的依据,从而就使信息分布与生产达到一种“富集”与“贫集”的情况.马太效应具有集中取向和核心趋势两个特点,集中取向是社会选择的结果,因为某些对象或事物具有某些特征,而被他人所接受,所利用.比如说一首音乐,它的点击率,播放量都是由用户所决定的,与信息的生产者无关,因此可以说,集中取向具有被动性.信息生产者主动的选择形成了核心趋势,某些对象或者事物的生产者,为了达到某种目的,使得该对象或事物的表现更加明显.比如说,一个作者为了吸引更多的读者,从而提升他们的作品的质量、使他们文章的内容更加吸引人们的眼球,因此可以说,与集中取向相比,核心趋势具有主动性.而当今,马太效应在信息管理等方面也普遍存在.2.信息对时间的分布2.1信息对时间的分布的概念什么是信息在时间上的分布？简单来说,就是信息在生产出来之后,是如何被利用的.而我们研究信息在时间上的信息分布规律可以探究信息如何增长与老化的.同时,在我们探究过程中,可以用准确的、科学的、高效的理论模型来表现信息随着时间的推移而表现出来的规律,把握信息的分布的变化规律,从而对信息进行动态管理.2.2指数增长率美国科学家普莱斯对于信息随时间增长的变化规律,做了系统的研究.通过研究不同年份科学期刊的文献量与年份之间的区别,从而得到了一个近似地发表文献随时间增长的规律的曲线,叫做普赖斯曲线.但事实上,文献量的增加与各个学科领域的发展或学科发展到哪个阶段、物质的、智力的、时间的等多个因素都有关系,所以在现实条件下,这种趋势更像是动植物生长的曲线.即最初增长很快,但随着时间的推移,增长速度越来越慢,以致几乎不增长.然而在我们实际生活中,在不同的阶段,文献的增长趋势也是大有不同的.此时,如果有一个正处于刚刚诞生或者是发展阶段的学科,那么,该学科发表的文献量的指数便会增长,但与此同时文献的寿命比较短.然后当该学科继续成长,进入到相对成熟的阶段,文献量的增长不会保持在原来的增长速率,它的增长率变小,曲线变缓,但此刻文献量却一直在增加,文献寿命也相对变长.但如果该知识领域的某一研究有了突飞猛进的发展,那么,该学科就将进入相对成熟的阶段,即使之前该领域的文献处于趋于平缓的状态,但更新的文献量又将会进入一个新的急剧增长时期(如指数增长).然后又将进入一个稳定时期.因此文献常常会呈现出错综复杂的情况,是因为文献的增长往往会如上述一样,出现几个急剧增长时期和几个相对稳定时期.而在我们实际生活中,信息无处不在,而我们在生产和生活中,信息也在不断地产生,因此郭红转教授通过以CNKI、万方等数据库中收录的文件为数据源,通过运用信息研究领域的机构分布、学科分布、作者分布等图谱进行分析近十年（2003年—2013年）的研究文献,探究信息发展趋势及研究情况.通过研究发现,论文数量主要以报纸、期刊为主,报纸占总检验结果的51%,而期刊占总检验结果的44.1%.其中信息研究中,经济、工业技术、文学、科学等方面,所占总检验结果的比例较大,其中,经济占总检验结果的24.5%,工业技术占总检验结果的23.7%,文化、科学、教育、体育占总检验结果的19.5%.也就是说这些领域中信息增长的速度要高于其他领域.通过这个研究可以看出,在2003年至2013年,对于各个领域信息主题的研究较广泛,也证明了信息技术发展迅速,因此人们可以从多个途径获取信息,从而可以接受到更多的信息,各个领域信息的增长也处于快速发展中.2.3逐渐过时律信息对时间的分布规律,不仅包括信息的增长,还包括信息的逐渐老化,也被称作信息的逐渐过时律.而信息的逐渐过时率主要有四个方面的含义.第一：信息还是有用的但是它包括在更新的文献中,第二：信息还是有用的,但是它被后来的文献超越,第三:信息还是有用的,但是它处于一个人们对它兴趣正在逐渐下降的学科,第四:就是信息不再有用.为了衡量信息衰老,或者说它的过时速度,人们用半衰期作为指标来描述老化的速度.这里的半衰期实质上是用到了物理学所学的概念我们把半衰期的概念运用到科学文献或者文献信息的老化中.文献的半衰期一般是指在一个学术方向上还在使用的所有文献的百分之五十发布的时间段.举个例子,如果生物学文献的半衰期是五年,那就是说还有效的生物学文献是在最近五年内发表的.其次,对于衡量信息衰老的规律的方法还有普赖斯指数,简单来说,就是某一学科内,对发表年限不超过五年的文献的引用次数与总的引用次数之比值.我们通常认为,普赖斯指数越大,半衰期就越小,文献老化速度越快.对于信息老化的研究一直都是信息分布规律的重要部分,其过程也从对文本文献的研究转变为对于互联网信息的研究,而互联网信息的统计调查也由单一的网站内容向论坛博客等全新的信息载体的差异性比较上发展.互联网信息的实用性随时间减弱是一个客观存在的事实.现在我国对于互联网信息的衰减的研究有大致几种方法,第一点就是要看测度指标,一个正确的测度指标是是开展工作的前提.但是测度指标怎样才算合适,还没有一个明确的标准.有些学者会使用微博生命周期来处理这类问题,也有学者认为微博生命周期(或称微博寿命)指的是微博的存活时间,并将其定义为:自微博发布到其最后一次被评论之间的时间差,提出了微博生命周期的4种类型.也有学者认为微博生命周期指一条微博的被转发数达到百分之九十五总转发数时需要的时间.目前有关微博半衰期的深入探讨尚不多见,但是早在一九四四年,就有专家学者提出了半衰期的概念.半衰期可以准确的描述信息老化的速度,它的发展也从文本转向了互联网.在决定文献老化速度的原因中以这四点最为显著.第一点：文献增长.文献总是在不断的增长和老化,这是描述学科发展的两个方向,并且还表现了科学信息拥有不断更新优化的能力.第二点：学科差异.研究发现,世界上93%-98%的科学杂志被引用的寿命常在20年左右,但这并不表示,所有学科的文献老化速率都大体一致,更为神奇的是,这些学科甚至彼此之间差异甚大.第三点.学科发展阶段的差异.简单来说,即使是同一学科,但如果它处在不同的时期或阶段,那么文献的半衰期不尽完全相同.第四点.信息环境和需求.不同信息用户对文献的需求是不同的,因而信息利用者的需求及所处的信息环境的研究十分必要.3.信息生产者的分布规律3.1洛特卡定律简介洛特卡(Alfred.J.Lotka),十八世纪八十年代出生于奥地利.他主要工作是将科学活动视为人类的生产活动来开展研究工作,曾率先提出了“科学生产率”.上世纪二十年代洛特卡发表在《华盛顿科学院报》上的文章《科学生产率的频率分布》整理统计了《化学文摘》十年来索引中以字母A和B开头的六千八百名作者及其论著数,以及奥尔巴赫的《物理学史一览表》中的一千年三百位科学家及其论著数.经过分析发现,“写了2篇论文的作者数量大约是写了1篇论文作者人数的四分之一,写了3篇论文的作者人数大约是写了1篇论文作者数量的九分之一,以此类推,写了n篇论文的作者数量大约是写了1篇论文作者数量的1/n洛特卡定律将某个指定领域的学者文献产出率规律和科学生产率的频率分布规律进行了描述,也即是说在一个指定领域,撰写n篇论文的作者数是写1篇论文的人数的1/n2,而只发表1篇论文的文献作者数会占该领域的百分之六十.也就是说,在指定领域的所有文献作者中,百分之六十的人只写了1篇论文,百分之十五的人写了2篇论文(0.60的1/22),百分之七的人写了3篇(0.60的1/该定理在发现早期没有得到人们的关注,经过后人的不断完善与发展,到了二十世纪八十年代才被人们所重视起来.3.2洛特卡定律应用范围采用洛特卡定律,就能够用估算或者统计文献作者数量的方法,来预测文献数量的增长速率以及文献流动的方向,进一步了解文献的流动规律;也可以从文献计量的方向预测专家学者的人数变化以及科学发展的范围和趋势;在人才管理和科学研究方面,能够用来研究学者的行为模式,探索人才的文献写作风格,有利于对专家学者的理论研究和科学发展史的探索,从而为科学研究与人才管理提供了全新的模式与方法.在科研人才和科研文献大量涌现的今天,洛特卡定律应用于提前预测某一学科文献的学者和材料的数量,探索文献的增长趋势和分布,总结优秀学者的行为模式和各行业顶尖人才的著述特征,来作为依据制定相关的科学发展政策,帮助科学文化相关产业的蓬勃发展有着重大意义.3.3洛特卡定律的国内外应用以洛特卡定律为基础,普赖斯更深一步探索了专家学者数量和文献著作数量还有不同水平区段专家学者中的某种关系,发表了普赖斯定律与一些相关的规律.普赖斯定律通过将科学家总数进行开方,获得的科学家数量发布了所有文献的百分之五十.一些专家学者在经济、生物、情报等等许多学科范围内逐个对洛特卡定律开展了适用性的调查研究,并且据此提出了进一步优化洛特卡定律的研究方向.这里面最著名的就是上世纪八十年代帕欧利利用二十个领域和三个国家级图书馆目录里的四十八组相关著作来检验洛特卡定律,而且重新划分了洛特卡定律中的参数的范围,使洛特卡定律更加完善.洛特卡定律的应用有很多方面,学术性的期刊杂志以及公共信息的软件开发者的研究都可以使用洛特卡定律.该定律在各个区域的学术研究中表现出良好的适用性和发展价值.在我国,对于该定律的验证始于上世纪八十年代,时间虽晚但成果颇多.在多个作者合作文献的处理和洛特卡分布中参数的拟合方法等领域发表了许多新颖的著作,并且尝试将该定律应用到新兴学科的未来趋势的预测方法研究上.在国内学者中以武汉大学的邱均平教授成果最为丰厚.邱教授以近五到十年中国知网收录的图书方面情报的文献进行研究,利用实践证明的方式检验该定律,而且创造性采用著作者权重这一指标来分析同一文献多个作者对于著作者分布规律的研究,更加准确地体现了作者分布的规律.在洛特卡定律的基础性探索方面,我国学者张贤澳在洛特卡分布里的参数的拟合方法做了更加透彻的研究,发表了非回归分析的该定律参数的直接估算方法.3.4洛特卡定律的局限性该定律的在基础性方面的研究一直较少,在上世纪九十年代张贤澳教授之后就很少有人展开相关研究.不过各式各样的统计软件以及文献管理软件的陆续使用,让改良文献计量学的基础研究方法增添了新的方向.在数据的收集和分析中,如今通常使用上世纪八十年代国外学者米兰德所发表的利用普赖斯与扬布兰斯基的准则作为基础,去掉离差比较大的较高发布量作者的数据,一个个进行拟合与比较,在里面找出最佳回归直线的方式,也就是把回归分析作为基本的拟合方式.不过在现实应用中,发布量比较高的学者一般是按照学者总数进行开方又或取科学家总数量的百分之一来得到的,这样的方式并不妥当.而且计算方法复杂,经常会出现错误.不过,我们可以使用一些常用办公软件来处理这些在过去不容易解决的问题.例如在Excel的图表向导里面,我们就能用添加一个趋势线的方式来筛选最优分析类型,来完成数据的拟合删除.并且文献的难易程度也会影响洛特卡定律的应用.就比如博客一般只有一个作者,不受合著的影响.但国内有些学者对科学网的博文作者分布规律开展调查后发现并不符合洛特卡定律,具体原因应该是此类文章没有很高的发表要求而且内容随意性强,这就使得对此类作品进行学术评价不太容易.因此可以得出,对于专业有较高要求的期刊杂志中文献的分布常常满足洛特卡定律,因为发布资质要求高,被拒绝的概率高,文献发布时间长,这就与洛特卡定律发布时的学术环境比较一致,就适用洛特卡分布.而现在学术环境的改变很大,一些功利性强而内容粗浅的文献数量巨大,发布时间也在减少,资质要求也在变低.相同领域中的文献充斥在质量不高的期刊杂志里面,