k-means聚类算法的知识扩散对比研究——以图书情报学、管理学和经济学为例

对某一具体创新知识的扩散分析,能挖掘出不同领域对该知识吸收运用的程度,为加速创新迭代指明方向。k-means聚类算法作为“数据挖掘十大经典算法”之一,在图书情报学及各领域得到广泛应用。文章以k-means为研究对象,首先通过绘制其扩散曲线,根据创新扩散理论,利用扩散广度、扩散强度、扩散延时来划分扩散阶段,进行时序分析。再基于共词聚类绘制不同扩散阶段的主题图。最后,将学科采纳知识的主题演变与发展路径相结合,具体分析不同学科对k-means吸收转化的发展情况,探究共性和特性,总结得到扩散指标与扩散趋势的变化关系。该研究对促进学科迭代创新和用理论指导实际研究,均具有指导意义。