知识图谱是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系，在学术研究之中具有重要的辅助和启发作用。最近发现一个全方位知识图谱智能挖掘的在线平台，操作简单易于上手，能够帮助研究者快速从海量文献中找到并可视化呈现相关联的知识网络体系，帮助研究者更快理清知识网络关系和领域发展态势，更快锁定研究方向和参考文献，各种文献计量知识图谱让人惊叹。

  学科分布知识图谱  

学科分布知识图谱是自定义话题在2022年教育部最新研究正招生目录学科检索下，在全网数据库资源中检索到的中图分类文献中的学科分布及其在所属学科之内高频相关研究话题的知识网络映射图谱。

学科分布知识图谱一方面可以呈现自定义话题在全学科领域之内的分布情况，另一方面还将分布学科相关高频话题进行挖掘，对打开研究思路、启发性研究思考具有重要作用。

年度话题分布图谱

 

年度话题分布图谱，是系统通过挖掘所选学科领域文献运算出来的热点/热度/前沿话题数据的可视化堆叠图谱。通过年度画图分布图谱，可以迅速掌握学科领域制定年限内哪些话题最热门，哪些话题新出现，每一年度都有什么热门/前沿话题，该话题跨年度的数据变化情况，哪些话题新出现并呈现迅猛发展态势，那些话题相对关注度在下降，那些话题尚未引起足够重视……快速掌握领域内的宏观研究态势，启发论文选题思路和灵感。

 话题年度趋势图谱

 

 话题年度趋势图谱能够直观反映话题的跨年度发展趋势变化，这里的趋势图有两种，一种是频率分布趋势图，一种是热度分布趋势图。前者反映了话题在每一年度的研究数量和跨年度研究数量的动态发展情况，表示话题研究关注数量的绝对变化。后者则是话题年度研究数量除以年度研究总数量的比率值的跨年度动态变化，在整体宏观研究环境中的相对数据，相较而言更具有科学价值和参考价值。具体还需根据各自研究的话题类型进行参照，如果想要了解研究话题规模的变化，频率分布趋势图无疑更加适合；如果想要清楚话题的热度变化，热度分布趋势图更具有参考意义。

  话题共现关系图谱

  话题共现关系表示研究话题之间两两共同出现的同一个文献之中的关系，视为两个话题高度关联研究关系。共现频次越高，说明两个话题被共同研究的概率越高。在热点分析之中的话题共现关系为系统挖掘出来的学科热门话题之间两两出现在同一文献之中的关系；在前沿发现之中的话题共现关系则为系统挖掘出来的新出现的研究话题之间的两两共同出现在同一研究之中的网络关系。而在热度分析中，话题共现关系呈现的是检索话题三级聚类图谱，对论文选题灵感启发很有帮助。

  词云及学科分布图

  

  词云图即为所挖掘出来的话题相关词组成的云图，学科分布饼图为检索话题在不同学科之中的分布比例图。在文渊智阁热点分析、热度分析之中的词云和学科分布图为对应动态变化图，点击左侧对应话题关键词，右侧学科分布图就会转变为对应词的学科分布情况，换词即画图，增加了研究探索的趣味性，也对了解话题跨学科情况提供了参考。

  话题挖掘聚类图

   

  话题挖掘是运用ai技术，进行话题的交互式深度、广度数据的挖掘。其中话题聚类图呈现的是话题的分布学科以及在学科内与话题高度相关共现的词，是学科分布图和话题共现图的综合体，为文献搜索学科分布知识图谱的另类表现形式，话题的广度分布数据情况一眼便知；次级聚类图表示的是话题在选定学科内话题深度聚类挖掘图，可无限制进行相关话题的深度挖掘，是选题灵感数据库。话题挖掘能够极大地帮助研究者探索研究选题的深度和广度知识边界，让研究者心中有谱。

  智能选题知识图谱

   

   

      智能选题知识图谱是无边界、发散式话题聚类数据挖掘图谱，通过AI发散式推荐研究话题延展，构建话题间多维相关关系，为确定研究选题提供多维参考。不断发散思考，选中对应话题即可活动AI智能选题推荐，为研究者创新选题提供参考方向。

       相关文献作者与机构共现网络图谱

       此外，在学术计量分析报告中还有更多的可视化图谱。话题挖掘中，系统会给出话题相关文献前50名作者共现网络图和前50名机构共现网络图，不仅直观反映所研究话题高频高产的作者及联合作者关系网络、机构及机构联合发文网络，还运算出相关高价值和高被引参考文献目录，为研究者进进一步精读文献提供精确方向，减少繁琐时间支出，将精力专注于研究本身。

       大家都看到过哪些让人惊艳的文献计量知识图谱？一起探讨