实验报告样本.pdf

实验报告样本.pdf

ID:52769358

大小:428.84 KB

页数:12页

时间:2020-03-30

实验报告样本.pdf_第1页
实验报告样本.pdf_第2页
实验报告样本.pdf_第3页
实验报告样本.pdf_第4页
实验报告样本.pdf_第5页
资源描述:

《实验报告样本.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、信息资源管理上机报告我国近年来企业信息化研究热点:基于共词分析视角班级:管信1001班学号:2*******姓名:******1实验内容本实验…………(1)文献资源检索(2)文献挖掘(3)分析当前……研究热点2文献获取为了探索国内企业信息化领域的研究状况和特点,本实验选择中国学术期刊网(CNKI)全文数据库获取文献。文献收集过程具体如下:首先,为保证查准率,选取的文献数据包含了以下两个检索结果的交集:(1)“篇名”包含“企业信息化”的论文;(2)“关键词”包含“企业信息化”的论文;其次,设定检索时间范围为2005年~2009年;同时,为了排除不相关文献的干扰,确保文献的查准率,还作了

2、如下处理:一是对符合检索条件的论文进行分析,若论文与排污权交易无关,则主动予以放弃;二是只选择学术论文,剔除会讯、消息、信息等非学术论文;三是只挑选有关键词的文献,以便作进一步的分析处理。最后经过EndNote软件去重处理后,得到相关文献1275篇。经过一系列格式处理后,最后在EXCEL中建立如下结构的二维表。(表1)表1文献数据结构表篇名作者发表期刊发表时间关键词摘要图1文献数据结构图3关键词确定通过EXCEL的统计功能进行词频统计处理,得到原始关键词1552个。从中选择出词频不小于8次的关键词共55个。其中,关键词“信息化”与“企业信息化”出现频率最高,但鉴于这两个关键词与本研究

3、内容完全重合,在共词分析中难以发挥作用,故舍弃。确定共有38个高频关键词作为共词分析的基础。这38个关键词及其词频数据见表2。表2国内企业信息化研究领域高频关键词表序号关键词频序号关键词频序号关键词频序号关键词频词词词词1企业16711内部2621管理1131信息9信息控制信息资源化建系统设2企业9712信息2322企业1132影响9信息化管档案化策理略3企业9513信息1823项目1133信息8管理系统管理化战略4问题4714人力1724应用1134SaaS8资源管理5会计4515ASP模1625财务1035发展8信息式信息化化4建立共词相关矩阵、相似矩阵、相异矩阵(1)共词矩阵由

4、于上表这些关键词是有关企业信息化论文中出现频次最高的词,它们从较大程度上能代表当前企业信息化研究的热点。为了进一步了解这些关键词之间的联系,在建立的数据库中,对上表中的高频关键词进行两两共词检索,统计他们在1275篇文章中同时出现的频率,建立一个38*38关键词共词矩阵。部分共词矩阵数据如图2。图2表征企业信息化研究方向的关键词共词矩阵(部分)共词矩阵为对称矩阵,主对角线的数据定义为缺失,非主对角中单元格的数据为两个关键词共同出现的次数。如关键词“信息化建设”与“对策”的共词频次为8,即表示有8篇论文同时使用了这两个关键词。由于下面运用的多元统计方法对矩阵的数据结构有不同的要求,为了

5、统计分析的方便,因此用系数将共词矩阵转换成相关矩阵,具体方法是将共词矩阵中的每个数字都除以与之相关的两个词的总出现频次的开方的积。在相关矩阵中由于值过多,统计时误差过大,有可能影响分析结果。为了方便进一步处理,用与全部相关矩阵上的数据相减,得到表示两词间相异程度的相异矩阵。(2)相似矩阵由于将要运用的多元统计方法对矩阵的数据结构有不同的要求,为了统计分析的方便,本文将相关矩阵转化为相似矩阵和相异矩阵。具体方法是,用OchiiaCab系数将共词矩阵转换成相似矩阵,即:Ochiia(a,b)=,其中,C*CabOchiia(a,b)表示a、b两词的Ochiia系数;Cab表示a、b两词共

6、同出现的次数;C表示关键词a出现的频次;C表示关键词b出现的频次。利用该公式进行计算,ab得到相似矩阵。部分相似矩阵数据如图3。图3表征企业信息化研究方向的关键词相似矩阵(部分)相似矩阵中的数字表明其对应两个关键词之间的亲疏关系,数值越大则表明关键词之间的距离越近,相似度越好;反之,数值越小则表明关键词之间的距离越远,相似度越差。(3)相异矩阵由于相似矩阵中的0值过多,统计时容易造成误差过大,为了方便进一步处理,用1与全部相似矩阵中的数据相减,得到表示两词间相异程度的相异矩阵(如图4所示)图4表征企业信息化研究方向的关键词相异矩阵(部分)相异矩阵中的数据表示不相似数据,数值越大则表明

7、关键词之间的距离越远,相似度越差;反之,数值越小则表明关键词之间的距离越近,相似度越高。5聚类分析本实验采用层次聚类(HierarchicalCluster),选择离差平方和法(WardsMethod)与离散数据类型(Count)中的斐方(Phi-squareMeasure)方法。聚类分析结果树状图如下,可以初步判断各关键词之间的关联程度。(图5)*******************HIERARCHICALCLUSTERANALYSIS*********

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。