數(shù)據(jù)可視分析研究現(xiàn)狀與發(fā)展趨勢(shì)的圖譜分析

喬薩礎(chǔ)拉 努爾布力 蘇芮

摘 要： 以Web of Science中近20年2 709篇數(shù)據(jù)可視分析文獻(xiàn)為研究對(duì)象，采用基于圖譜分析的研究機(jī)構(gòu)合作、文獻(xiàn)共被引、關(guān)鍵詞共現(xiàn)、突現(xiàn)詞分析等方法，系統(tǒng)的回顧了數(shù)據(jù)可視分析方法研究的關(guān)注點(diǎn)、國(guó)際研究脈絡(luò)及發(fā)展規(guī)律。研究發(fā)現(xiàn)，截止目前，已完成基礎(chǔ)理論和體系架構(gòu)研究，并在延伸新的典型應(yīng)用領(lǐng)域。其中，美國(guó)和德國(guó)的研究機(jī)構(gòu)具有較強(qiáng)科研水平，社交媒體數(shù)據(jù)、網(wǎng)絡(luò)安全數(shù)據(jù)和地理信息數(shù)據(jù)已成為重要數(shù)據(jù)來(lái)源。分析結(jié)果有助于為我國(guó)數(shù)據(jù)可視分析領(lǐng)域的研究人員提供了研究現(xiàn)狀及進(jìn)展的參考。

關(guān)鍵詞： 可視分析方法； 圖譜分析； CiteSpace； 研究現(xiàn)狀； 文獻(xiàn)共被引； 數(shù)據(jù)分析

中圖分類號(hào)： TN957.52?34； 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）14?0161?05

Map analysis for research status and development trend of data visual analysis

QIAO Sachula， Nurbol， SU Rui

（School of Information Science and Engineering， Xinjiang University， Urumqi 830046， China）

Abstract： With 2 709 data visual analysis papers from Web of Science in recent 20 years as the research object， the focus points， international research context and development law of data visual analysis method research are systematically reviewed by using such map analysis based methods as research institution cooperation， literature co?citation， keyword co?occurrence， and burst term analysis. The research found that up to now， researchers have completed the basic theory and system architecture research， and are expanding to new typical application fields； the research institutions of the United States and Germany have a high scientific research level； social media data， network security data and geographic information data have become important data sources. The analysis results can provide a reference in research status and progress for Chinese researchers in the data visual analysis field.

Keywords： visual analysis method； map analysis； CiteSpace； research status； literature co?citation； data analysis

0 引 言

隨著互聯(lián)網(wǎng)的快速發(fā)展，大數(shù)據(jù)時(shí)代已經(jīng)來(lái)臨。面對(duì)海量數(shù)據(jù)，如何處理、分析以及存儲(chǔ)是擺在人們面前亟待解決的問(wèn)題，其中數(shù)據(jù)可視分析技術(shù)是大數(shù)據(jù)分析的重要方法，可以幫助數(shù)據(jù)分析人員更快地找到數(shù)據(jù)中隱含的規(guī)律和模式。數(shù)據(jù)可視分析技術(shù)從20世紀(jì)90年代開始發(fā)展，逐漸展現(xiàn)出其重要性，引起各國(guó)的重視。目前，國(guó)內(nèi)雖然有專家從不同的角度對(duì)數(shù)據(jù)可視分析進(jìn)行了研究綜述，卻對(duì)于分析國(guó)際上數(shù)據(jù)可視領(lǐng)域的研究現(xiàn)狀與趨勢(shì)并不全面。鑒于此，本文以Web of Science的核心數(shù)據(jù)庫(kù)為數(shù)據(jù)源，利用CiteSpace工具的文獻(xiàn)計(jì)量方法對(duì)收集到的文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析并繪制出知識(shí)圖譜，解決下面的三個(gè)研究問(wèn)題：

1） 國(guó)內(nèi)外近20年來(lái)在數(shù)據(jù)可視分析領(lǐng)域的主要研究機(jī)構(gòu)有哪些？

2） 國(guó)內(nèi)外近20年來(lái)數(shù)據(jù)可視分析領(lǐng)域的研究熱點(diǎn)有哪些？

3） 國(guó)內(nèi)外數(shù)據(jù)可視分析領(lǐng)域的研究脈絡(luò)的發(fā)展有什么規(guī)律？

本文的具體工作如下：首先闡述了數(shù)據(jù)來(lái)源與研究方法，接下來(lái)對(duì)數(shù)據(jù)可視分析研究進(jìn)行描述分析，得到該領(lǐng)域的主要研究機(jī)構(gòu)、研究熱點(diǎn)及演化脈絡(luò)。最后對(duì)分析結(jié)果進(jìn)行討論和比較，力圖客觀和形象地展示國(guó)內(nèi)外數(shù)據(jù)可視分析領(lǐng)域研究的現(xiàn)狀與趨勢(shì)，為我國(guó)數(shù)據(jù)可視分析領(lǐng)域的研究人員提供有力參考。

1 數(shù)據(jù)來(lái)源和研究方法的說(shuō)明

1.1 數(shù)據(jù)來(lái)源

本文的文獻(xiàn)來(lái)源于Web of Science信息檢索平臺(tái)的核心數(shù)據(jù)庫(kù)。Web of Science是全球最大、覆蓋學(xué)科最多的綜合性學(xué)術(shù)信息資源。本文的數(shù)據(jù)源采用以下方式收集：

1） 主題詞檢索方法，TS=（（data "visual analysis"）or（data "visual analytics"））。

2） 文獻(xiàn)時(shí)間跨度為1998—2017年。

3） 文獻(xiàn)類型是期刊（ARTICLE）和會(huì)議論文（PROCEEDINGS PAPER）?？偣驳玫? 709篇文獻(xiàn)并且下載這些文獻(xiàn)的題錄，文獻(xiàn)題錄包括作者、標(biāo)題、關(guān)鍵詞、摘要、參考文獻(xiàn)等25個(gè)屬性信息。

1.2 研究方法說(shuō)明

科學(xué)知識(shí)圖譜不僅能揭示知識(shí)來(lái)源及其發(fā)展規(guī)律，并以圖形表達(dá)相關(guān)領(lǐng)域知識(shí)結(jié)構(gòu)關(guān)系與演進(jìn)規(guī)律[1]。本文通過(guò)可視化工具CiteSpace對(duì)1998—2017年的2 709篇文獻(xiàn)進(jìn)行了研究機(jī)構(gòu)的合作網(wǎng)絡(luò)分析、研究熱點(diǎn)的共詞分析以及基于文獻(xiàn)共被引的演化過(guò)程分析。

可視化工具CiteSpace是由美國(guó)德克賽爾大學(xué)（Drexel University）的陳超美博士研發(fā)的文獻(xiàn)分析工具，可用于追蹤研究領(lǐng)域熱點(diǎn)和發(fā)展趨勢(shì)，了解研究領(lǐng)域的發(fā)展前沿及演進(jìn)關(guān)鍵路徑，重要的文獻(xiàn)、研究機(jī)構(gòu)等[1]。直接導(dǎo)入從Web of Science上下載的文獻(xiàn)題錄進(jìn)行可視分析，只要把文檔命名時(shí)以“download_”開頭即可，軟件免費(fèi)而且適合分析各個(gè)研究領(lǐng)域的文獻(xiàn)。

2 研究結(jié)果與分析

2.1 主要研究機(jī)構(gòu)分析

通過(guò)對(duì)數(shù)據(jù)可視分析文獻(xiàn)發(fā)表量的研究機(jī)構(gòu)的基本情況進(jìn)行統(tǒng)計(jì)后，發(fā)表文獻(xiàn)超過(guò)10篇的研究機(jī)構(gòu)有46個(gè)，發(fā)文量11～20篇的有27個(gè)機(jī)構(gòu)，發(fā)文量21～30篇的有14個(gè)機(jī)構(gòu)，30篇以上的有5個(gè)機(jī)構(gòu)。表1列出的是最多產(chǎn)文獻(xiàn)數(shù)量排名前13位的研究機(jī)構(gòu)。德國(guó)的康斯坦茨大學(xué)發(fā)表文獻(xiàn)以69篇論文位于榜首。TOP13榜單里美國(guó)的研究機(jī)構(gòu)占6個(gè)，德國(guó)和奧地利的研究機(jī)構(gòu)有2個(gè)，中國(guó)、英國(guó)、西班牙各1個(gè)。圖1展示了研究機(jī)構(gòu)之間的合作網(wǎng)絡(luò)關(guān)系，如果兩個(gè)研究機(jī)構(gòu)之間有合作關(guān)系就會(huì)有不同粗細(xì)的線來(lái)鏈接兩個(gè)研究機(jī)構(gòu)。連接線越粗代表兩個(gè)研究機(jī)構(gòu)合作越多，連接線越細(xì)代表兩個(gè)研究機(jī)構(gòu)合作越少。中心性可以用來(lái)表征節(jié)點(diǎn)與其他節(jié)點(diǎn)之間的聯(lián)系以及在整個(gè)網(wǎng)絡(luò)中的重要地位和作用[2]。中心性越高的研究機(jī)構(gòu)影響力越大，地位越重要。從中心性的角度看很多研究機(jī)構(gòu)的中心性是0，這表示他們對(duì)其他的研究機(jī)構(gòu)沒(méi)有產(chǎn)生影響。中心性大于0的總共有19個(gè)研究機(jī)構(gòu)，其中美國(guó)的機(jī)構(gòu)6所，德國(guó)的機(jī)構(gòu)5所，中國(guó)的機(jī)構(gòu)4所，加拿大、英國(guó)、挪威和奧地利的機(jī)構(gòu)各1所。

總體來(lái)說(shuō)，美國(guó)、德國(guó)及中國(guó)的研究機(jī)構(gòu)在國(guó)際上的數(shù)據(jù)可視分析領(lǐng)域上占著主導(dǎo)的地位，有一定的影響力。但以國(guó)家中心性的角度來(lái)看，中國(guó)的中心性非常低。這表明中國(guó)的研究機(jī)構(gòu)與國(guó)際上的研究機(jī)構(gòu)的聯(lián)系和影響比較小，但是國(guó)內(nèi)的研究機(jī)構(gòu)相互之間的聯(lián)系和影響比較大。

2.2 基于共詞分析的研究熱點(diǎn)

研究主題的分布可以直觀地體現(xiàn)不同時(shí)序內(nèi)的熱點(diǎn)問(wèn)題、分析視角、研究方法的變化[3]。而關(guān)鍵詞是文獻(xiàn)主題內(nèi)容的精煉表達(dá)，它可以直接地體現(xiàn)文獻(xiàn)的思想內(nèi)容，是文獻(xiàn)計(jì)量分析中不可忽略的重要指標(biāo)。鑒于此，通過(guò)關(guān)鍵詞共現(xiàn)分析（圖2）來(lái)鑒別數(shù)據(jù)可視分析研究的主要熱點(diǎn)，并對(duì)該研究領(lǐng)域主題結(jié)構(gòu)的發(fā)展變化做出判斷。圖2中的每個(gè)年輪最外層的圓環(huán)表示了文獻(xiàn)的中心性，每個(gè)同心圓表示共引關(guān)鍵詞，深淺層次不同的圓環(huán)表示關(guān)鍵詞被引的不同年份，關(guān)鍵詞之間的緊湊關(guān)系代表著關(guān)鍵詞之間的關(guān)聯(lián)關(guān)系。其中文字大小與同心圓的大小成正比，同心圓越大表示相應(yīng)的文字越大，關(guān)鍵詞的頻次也越高。表2列出的TOP13個(gè)詞是頻度較多、中心性較高及激增數(shù)較大的關(guān)鍵詞，該表列出的首次出現(xiàn)年份是基于本文的研究文獻(xiàn)。

2.2.1 頻數(shù)指標(biāo)計(jì)量分析

頻數(shù)（Freq）指的是當(dāng)前分析的某個(gè)節(jié)點(diǎn)出現(xiàn)的次數(shù)，通過(guò)分析頻數(shù)可以得到某個(gè)領(lǐng)域的研究現(xiàn)狀。通過(guò)表2可以發(fā)現(xiàn)從2000年開始，國(guó)內(nèi)外開始關(guān)注可視分析技術(shù)，最早起步是在1999年，開始發(fā)展正電子成像技術(shù)，該技術(shù)的發(fā)展對(duì)可視分析技術(shù)的發(fā)展奠定了基礎(chǔ)。到2006年，可視數(shù)據(jù)挖掘及數(shù)據(jù)與知識(shí)可視化等概念被提出，新的技術(shù)、新的理念不斷的加入到數(shù)據(jù)可視分析研究上，數(shù)據(jù)可視分析技術(shù)開始迅速發(fā)展，得到了國(guó)內(nèi)外很多研究者們的關(guān)注。

2.2.2 中心性指標(biāo)計(jì)量分析

近20年數(shù)據(jù)可視分析研究中心性（Centrality）較高，前13個(gè)主題見(jiàn)表2。其中，1999—2002年間首次出現(xiàn)的關(guān)鍵詞中心性相對(duì)其他關(guān)鍵詞來(lái)說(shuō)中心性較高，如“validation”“system” “algorithm”等，系統(tǒng)研究、算法改進(jìn)、評(píng)估有效性是給數(shù)據(jù)可視分析研究提供了基礎(chǔ)技術(shù)的支撐，很多研究領(lǐng)域發(fā)展的過(guò)程中這些技術(shù)都是必不可少的研究范圍。從2006年開始，研究主題詞的中心性開始變小，大部分主題詞的中心性都是0，如“geovisualization”“big data”“social media”等，導(dǎo)致該現(xiàn)象的主要原因是隨著數(shù)據(jù)可視分析技術(shù)的發(fā)展，很多研究產(chǎn)生了不同的分支，研究領(lǐng)域逐漸變多，主題詞之間的影響力開始變小。近幾年的研究側(cè)重于大數(shù)據(jù)、社交媒體、機(jī)器學(xué)習(xí)及多維數(shù)據(jù)等，更加注重研究大量而復(fù)雜數(shù)據(jù)的可視分析，大數(shù)據(jù)呈現(xiàn)的特點(diǎn)是容量大、類型多、價(jià)值高、速度快，因此數(shù)據(jù)可視分析技術(shù)面臨的最大挑戰(zhàn)是如何對(duì)大數(shù)據(jù)進(jìn)行有效的可視分析。

2.2.3 突現(xiàn)指標(biāo)計(jì)量分析

突現(xiàn)（Burst）指標(biāo)指一個(gè)變量在短期內(nèi)發(fā)生顯著變化的值，CiteSpace的這種突現(xiàn)信息是用來(lái)分析文獻(xiàn)深層變化信息的一種度量手段。因此研究前沿可以看作以突現(xiàn)的高頻詞變化情況探索學(xué)科發(fā)展領(lǐng)域的前沿變化[4]。“positron emission tomography”是最早出現(xiàn)突現(xiàn)性并延續(xù)時(shí)間很長(zhǎng)的關(guān)鍵詞。從這個(gè)突現(xiàn)詞發(fā)現(xiàn)數(shù)據(jù)可視分析技術(shù)剛開始用在醫(yī)學(xué)和電子技術(shù)上。2006年出現(xiàn)了兩個(gè)突現(xiàn)詞，分別是“data and knowledge visualization”和“visual data mining”，數(shù)據(jù)挖掘領(lǐng)域開始使用可視分析技術(shù)。2008年出現(xiàn)了地理信息可視化領(lǐng)域的突現(xiàn)詞“geovisualization”，Peuquet D J和??ltekin A在文中分別用3D技術(shù)和T型模型分析技術(shù)對(duì)地理數(shù)據(jù)進(jìn)行可視分析[5?6]。而從2014年到現(xiàn)在出現(xiàn)了兩個(gè)突現(xiàn)詞“social media”和“big data”。從整體來(lái)分析，可以初步判斷一些信息技術(shù)相關(guān)的領(lǐng)域興起于發(fā)展；如“big data”，首次提出時(shí)間是2008年8月中旬，而從本文研究的文獻(xiàn)中來(lái)，2012年才首次出現(xiàn)“big data”，而在2015年呈現(xiàn)突增。

3 研究演化分析

文獻(xiàn)共引圖譜的實(shí)質(zhì)是共被引分析圖譜。共被引分析是指當(dāng)兩篇文獻(xiàn)同時(shí)出現(xiàn)在另一篇文獻(xiàn)的參考文獻(xiàn)目錄時(shí)，則這兩篇文獻(xiàn)已構(gòu)成共被引關(guān)系。而高被引文獻(xiàn)是一個(gè)研究領(lǐng)域重要知識(shí)來(lái)源，反映著某一學(xué)科的研究水平、發(fā)展方向，是探究熱點(diǎn)主題、研究演化的重要依據(jù)[1]。圖3展示了共被引文獻(xiàn)共現(xiàn)聚類分析圖，包括6個(gè)知識(shí)群聚類，從下到上、從左到右，該過(guò)程表示時(shí)間的推移過(guò)程。每個(gè)時(shí)期都有相應(yīng)的多個(gè)高被引文獻(xiàn)，通過(guò)高被引文獻(xiàn)的主題詞給每個(gè)知識(shí)群聚類命名。知識(shí)群之間的關(guān)聯(lián)關(guān)系和推移過(guò)程表示數(shù)據(jù)可視分析研究發(fā)展的演化過(guò)程。

下面將圍繞時(shí)間順序?qū)χR(shí)群聚類進(jìn)行闡述：

1） #3和#5聚類。#3和#5知識(shí)群組是國(guó)際數(shù)據(jù)可視分析研究領(lǐng)域中最早達(dá)到研究閾值的聚類群組，兩個(gè)知識(shí)群組統(tǒng)稱為“數(shù)據(jù)可視分析起源”群組?！捌鹪础比航M中文獻(xiàn)初次共被引時(shí)間是在2002—2003年，文獻(xiàn)總量較低，與#0群組和#1群組有連接關(guān)系。通過(guò)該群組的原文獻(xiàn)研究發(fā)現(xiàn)，該群組的研究集中在“可視化方法研究”和“可視分析技術(shù)理念推介”兩個(gè)方面。其中可視化方法研究是從對(duì)多維數(shù)據(jù)可視化的角度來(lái)詮釋可視化方法的價(jià)值與重要性。Johansson J等人都在文獻(xiàn)里提出多維數(shù)據(jù)的可視化[7]。而“可視分析技術(shù)理念推介”主要借助于可視化方法的發(fā)展和研究成果，當(dāng)傳統(tǒng)及單一的可視化方法很難分析復(fù)雜的、高維的數(shù)據(jù)時(shí)可視分析技術(shù)就應(yīng)運(yùn)而生?？梢?jiàn)，初期國(guó)際數(shù)據(jù)可視分析研究主要是研究可視化方法，提出可視分析方法的理念，該時(shí)期可視化方法的發(fā)展為后續(xù)可視分析技術(shù)的發(fā)展奠定了基礎(chǔ)。

2） #0和#1聚類。#0和#1知識(shí)群組里出現(xiàn)次數(shù)最多的主題詞分別是“interactive visual analysis”和“visual analytics”，從兩個(gè)主題詞發(fā)現(xiàn)該時(shí)期主要研究發(fā)展對(duì)象是“交互式可視分析”，因此該兩個(gè)知識(shí)群組統(tǒng)稱為“數(shù)據(jù)可視分析發(fā)展”群組?！鞍l(fā)展”群組是文獻(xiàn)總量較多、中心度較高、連線密集，并于其他群組節(jié)點(diǎn)有著較強(qiáng)的連接關(guān)系。該群組首次共被引時(shí)間是2005—2006年。該階段擴(kuò)展了可視分析方法的研究，取得了豐富的研究成果與結(jié)論。從“發(fā)展”群組的大量文獻(xiàn)發(fā)現(xiàn)，該群組的文獻(xiàn)強(qiáng)調(diào)的人機(jī)交互能力，使用可視分析方法為數(shù)據(jù)分析人員提供有效的交互手段并提高他們的認(rèn)知能力。該群組中中心性最高的2個(gè)節(jié)點(diǎn)文獻(xiàn)是整個(gè)共被引文獻(xiàn)網(wǎng)絡(luò)的重要節(jié)點(diǎn)。第一篇共被引文獻(xiàn)是Thomas J J等人2005年寫的一篇文獻(xiàn)“Illuminating the path：the research and development agenda for visual analytics”[8]，該文獻(xiàn)總被引頻數(shù)是131次。文獻(xiàn)中介紹美國(guó)的國(guó)土安全局成立國(guó)家可視化與分析中心的主要目標(biāo)是研究和發(fā)展可視分析技術(shù)，用可視分析技術(shù)發(fā)現(xiàn)信息的內(nèi)在關(guān)聯(lián)、使用交互式的圖形來(lái)提高人機(jī)交互能力。這篇文獻(xiàn)是數(shù)據(jù)可視分析研究的經(jīng)典文獻(xiàn)，為可視分析的后期研究提供了技術(shù)和理論基礎(chǔ)。第二篇共被引文獻(xiàn)是2008年發(fā)表的文獻(xiàn)“Visual analytics：definition，process，and challenges”是被引頻數(shù)較多的一篇文獻(xiàn)。文獻(xiàn)里詳細(xì)地描述了可視分析的定義、發(fā)展和未來(lái)面對(duì)的挑戰(zhàn)。文中提到可視分析方法不僅可以解決對(duì)大數(shù)據(jù)進(jìn)行分析，而且可以讓機(jī)器和人進(jìn)行交互。該文中解釋了信息可視化與可視分析的區(qū)別，并且把可視分析明確地定義為“可視分析是結(jié)合自動(dòng)化分析技術(shù)與交互式可視化對(duì)非常大的復(fù)雜數(shù)據(jù)進(jìn)行有效的理解、推理和決策”[9]。該概念得到了數(shù)據(jù)可視分析領(lǐng)域的研究者們的普遍認(rèn)可，為后續(xù)可視分析研究提供了重要的研究視角。

3） #2和#4聚類。#2和#4知識(shí)群組是“數(shù)據(jù)可視分析深化”群組。該群組與“發(fā)展”知識(shí)群組有節(jié)點(diǎn)的連接，呈現(xiàn)出共被引文獻(xiàn)的網(wǎng)絡(luò)重疊。由此可見(jiàn)，該知識(shí)群組是“發(fā)展”知識(shí)群組的研究分支，數(shù)據(jù)可視分析研究進(jìn)入活躍期，有了多態(tài)化的研究中心，該階段是對(duì)可視分析技術(shù)的實(shí)踐應(yīng)用和研究發(fā)展。文獻(xiàn)首次共被引時(shí)間是2010—2011。其關(guān)鍵節(jié)點(diǎn)文獻(xiàn)“D3：data?driven documents”是共被引頻次最多的一篇文獻(xiàn)，頻次是70次。該文獻(xiàn)中介紹的D3[10]是一個(gè)用于數(shù)據(jù)可視化開發(fā)的JavaScript庫(kù)，D3融入到了整個(gè)Web開發(fā)體系中，使用起來(lái)方便，可以繪制各種各樣的可視化圖，對(duì)可視分析技術(shù)的發(fā)展有了很大的促進(jìn)作用。從該群組的大量文獻(xiàn)發(fā)現(xiàn)，該群組的主要研究對(duì)象是來(lái)自社交媒體數(shù)據(jù)的可視分析。Zhang J和Chua A等人分別對(duì)微博和推特等社交媒體數(shù)據(jù)進(jìn)行可視分析[11?12]。該群組通過(guò)前面群組的知識(shí)儲(chǔ)備和理論研究，利用可視分析方法對(duì)不同領(lǐng)域的數(shù)據(jù)進(jìn)行可視分析并得到了該領(lǐng)域研究的成果。

通過(guò)可視化工具CiteSpace對(duì)Web of Science平臺(tái)的核心數(shù)據(jù)庫(kù)中的2 709篇關(guān)于數(shù)據(jù)可視分析研究的文獻(xiàn)進(jìn)行可視分析。展現(xiàn)了國(guó)際數(shù)據(jù)可視分析研究的情況。通過(guò)前文的分析和研究發(fā)現(xiàn)，數(shù)據(jù)可視分析研究的發(fā)展分為三個(gè)階段： 初創(chuàng)階段（1998—2004）、發(fā)展階段（2005—2010）、深化階段（2011—2017）。表3列出三個(gè)階段的主要研究熱點(diǎn)、研究領(lǐng)域及研究脈絡(luò)。

4 結(jié) 語(yǔ)

結(jié)合表3的總結(jié)和前文的分析，對(duì)全文的總結(jié)如下：

1） 國(guó)際數(shù)據(jù)可視分析領(lǐng)域的研究文獻(xiàn)質(zhì)量一直在穩(wěn)步提升。在文獻(xiàn)的數(shù)量和國(guó)際影響力上美國(guó)和德國(guó)處于總體領(lǐng)先地位，而中國(guó)凸顯出文獻(xiàn)數(shù)量多國(guó)際影響力低的特點(diǎn)。

2） 國(guó)際數(shù)據(jù)可視分析研究領(lǐng)域已經(jīng)形成了較為完整的研究網(wǎng)絡(luò)，即有非常多的關(guān)鍵節(jié)點(diǎn)文獻(xiàn)可以提供理論基礎(chǔ)和實(shí)驗(yàn)論證，又有表現(xiàn)各時(shí)期研究熱點(diǎn)的研究脈絡(luò)，為以后的數(shù)據(jù)可視分析領(lǐng)域的發(fā)展打下了堅(jiān)實(shí)的基礎(chǔ)。

3） 國(guó)際數(shù)據(jù)可視分析研究從單一、較少的研究領(lǐng)域走向多樣化的研究領(lǐng)域，不斷地在延伸和拓展研究分支。逐步建立自身的知識(shí)體系和技術(shù)體系。

參考文獻(xiàn)

[1] 楊良斌，周新麗，劉益佳，等.近10年來(lái)國(guó)際網(wǎng)絡(luò)安全領(lǐng)域研究現(xiàn)狀與趨勢(shì)的可視化分析[J].情報(bào)雜志，2017，36（1）：92?100.

YANG Liangbin， ZHOU Xinli， LIU Yijia， et al. The specialty visualization study of current trends and issues of international network security fields in recent 10 years [J]. Journal of intelligence， 2017， 36（1）： 92?100.

[2] 王春雪，呂淑然，索曉.國(guó)內(nèi)外阻燃劑研究現(xiàn)狀可視化分析[J].消防科學(xué)與技術(shù)，2016（5）：660?663.

WANG Chunxue， L? Shuran， SUO Xiao. Visualization analysis of the present situation of flame retardant research home and abroad [J]. Fire science and technology， 2016（5）： 660?663.

[3] 秦曉楠，盧小麗，武春友.國(guó)內(nèi)生態(tài)安全研究知識(shí)圖譜：基于Citespace的計(jì)量分析[J].生態(tài)學(xué)報(bào)，2014，34（13）：3693?3703.

QIN Xiaonan， LU Xiaoli， WU Chunyou. The knowledge mapping of domestic ecological security research： bibliometric analysis based on Citespace [J]. Acta Ecologica Sinica， 2014， 34（13）： 3693?3703.

[4] 劉璐禎，周為吉，鄭榮寶，等.基于學(xué)科知識(shí)圖譜的國(guó)內(nèi)土地資源管理學(xué)科演進(jìn)及其進(jìn)展研究[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2017，22（1）：189?202.

LIU Luzhen， ZHOU Weiji， ZHENG Rongbao， et al. Research on the evolution and development of land resource management in China based on the discipline knowledge map [J]. Journal of China Agricultural University， 2017， 22（1）： 189?202.

[5] PEUQUET D J， ROBINSON A C， STEHLE S， et al. A method for discovery and analysis of temporal patterns in complex event data [J]. International journal of geographical information science， 2015， 29（9）： 1588?1611.

[6] ??LTEKIN A， LOKKA I， ZAHNER M. On the usability and usefulness of 3d （geo）visualizations： a focus on virtual reality environments [J]. ISPRS?International archives of the photogrammetry， remote sensing and spatial information sciences， 2016， XLI?B2： 387?392.

[7] JOHANSSON J， LJUNG P， JERN M， et al. Revealing structure within clustered parallel coordinates displays [C]// Proceedings of IEEE Symposium on Information Visualization. Minneapolis： IEEE， 2005： 17.

[8] THOMAS J J， COOK K A. Illuminating the path： the research and development agenda for visual analytics [M]. Washington： IEEE Computer Society， 2005.

[9] KEIM D， ANDRIENKO G， FEKETE J D， et al. Visual analytics： definition， process， and challenges [J]. Information visualization， 2008， 4950： 154?175.

[10] BOSTOCK M， OGIEVETSKY V， HEER J. D3： data?driven documents [J]. IEEE transactions on visualization & computer graphics， 2011， 17（12）： 2301?2309.

[11] ZHANG J， AHLBRAND B， MALIK A， et al. A visual analytics framework for Microblog data analysis at multiple scales of aggregation [J]. Computer graphics forum， 2016， 35（3）： 441?450.

[12] CHUA A， SERVILLO L， MARCHEGGIANI E， et al. Mapping Cilento： using geotagged social media data to characterize tourist flows in southern Italy [J]. Tourism management， 2016， 57： 295?310.