词是承载文献内容的最小单位。词频的波动与社会现象、情报现象之间具有内在的关系，一定的社会现象和情报现象必然引起相应的词频波动现象。因此，如果某一关键词出现总频率越高，那么该关键词就是该研究领域的热点研究方向；如果某一关键词在近期出现，且增长幅度比较大，那么该关键词就是该研究领域的新兴研究方向。因此，词频分析的基本原理是通过词出现频次多少的变化,来确定热点及其变化趋势。

　　词频分析一般的过程主要分为：数据检索——数据清洗——词汇提取——统计分析等阶段。而数据检索和数据清洗加工决定了原始数据的准确性，从而影响结果分析的可靠性，因而需要特别注意。（未来将专门安排一讲有关的数据清洗方法与工具的内容）。

　　今日我们介绍的不是复杂难学的Bibexcel、CiteSpace 、SPSS、SATI等工具，而是几款简单实用的词频分析小工具，功能虽然不够强大，但足以完成一些基础工作。

 

　　一、图悦（网址：http://www.picdata.cn）

 

　　图悦是由谷尼国际软件提供技术支持的在线热词分析软件。其分析的文件格式必须文本格式，文本最长支持100万汉字。你也可以从网页中、WORD中等地选择你要分析的文本COPY到文本框，界面见图1所示。

　　图悦目前采用的分词方法是大词优先原则，比如“改革”和“改革开放”都是词，在统计词频时，“改革开放”中的“改革”不会计入“改革”的词频，算两个不同的词，输出的图有“热词词频图”、“词频柱状图”，图形模式有为标准模式、微信模式和地图模式三种模式供选择。

 

　　图1 图悦主界面

 

　　我们选择我国的“民法通则”作为分析文本，可得到如下图2、图3所示的热词权重图和热词词频图。

　　图2“民法通则”热词权重图

 

　　图3 “民法通则”热词词频图

 

　　图悦还可以导出Top150的热词，如果想查看全部热词词频，可以点击导出Excel按钮，将所有热词导出到Excel表中，见图4所示，打开Excel表可以看到按从高到低排序的所有热词，见图5所示。

　　图4导出热词界面

　　图5 Excel表中热词统计

 

　　二、NoteExpress（网址：http://www.inoteexpress.com）

 

　　NoteExpress 是北京爱琴海软件公司开发的一款文献检索与管理系统，其核心功能涵盖“知识采集，管理，应用，挖掘”的知识管理的所有环节，是学术研究好帮手。

　　NoteExpress可对文献信息进行多种统计分析，如作者、关键词、主题词等等，从而快速了解某一领域的重要专家，研究机构，研究热点等。

　　NoteExpress的数据既可以从电脑导入，也可以在线检索，其提供50多种在线数据库检索，包括国内外常见期刊论文、图书、会议、专利数据库等，如CNKI、万方、超星、WOS、PubMed、Google Scholar等。

　　我们以“数据清洗”为例，选择在线检索从CNKI期刊论文数据库下载了100条记录存入在NoteExpress建立的文件夹中，点击文件夹信息统计，如图6所示，就可以对导入的题录信息进行统计了，我们选择“关键词”作为统计对象，通过调整排序方式，可得到图7所示的结果。

　　图6 统计按钮

 

　　图7 统计结果

 

　　点击图7右下角中的“另存为”按钮，可将统计结果保存为文本格式，见图8所示，之后可将该文本数据导入到Excel中生成各种图形。

　　图8 文本文件

 

　　三、CNKI自带分析工具（网址：www.cnki.net）

 

　　CNKI大家比较熟悉，在此不再赘述。今天主要讨论其数据分析功能。

　　仍以“数据清洗”为例，在CNKI中选择篇名字段进行精确检索可以得到151条记录，这时我们可以在页面中间位置看到“计量可视化分析”的按钮，见图9所示。点击此按钮出现“已选文献分析”和“全部检索结果分析”两个按钮。

　　图9 计量可视化按钮

 

　　点击任一按钮之后，则会对相应文献进行文献计量可视化分析，分析的对象包括文献总体趋势、关键词关系网络、基金、作者、机构、学科、期刊等的统计分布等，见图10。

　　图10 计量分析结果

　　今天我们只截取有关关键词的部分，可以看到有关这151篇论文的“关键词共现网络”图和关键词词频分布图，见图11、图12所示。

　　图11 “数据清洗”关键词共现网络图

　　图12“数据清洗”关键词词频分布图

参考文献：陈兰杰等.数字信息检索与数据分析，河北大学出版社，2016