用的bibliometrix包做文献计量学研究,目前的问题是:1.做共词分析的时候固定的词组都被分割成独立的单词(如life satisfaction这个词组被分割成了life 和satisfaction两个),请问该如何解决?2.如何合并(如单复数)、删除(无意义的单词)术语词?有偿提问,恳请各位的帮助,谢谢!
问题已解决
13条回答 默认 最新
- 歇歇 2022-05-10 12:43关注解决评论 打赏 举报无用 1
关注 解决评论 打赏 举报无用 1- 废品回收工 2022-05-12 01:32关注解决评论 打赏 举报无用 1
- 星空 | 永恒 2022-05-12 02:54关注解决评论 打赏 举报无用 1
关注 解决评论 打赏 举报无用 2关注 解决评论 打赏 举报无用 2关注 解决评论 打赏 举报无用 2关注 解决评论 打赏 举报无用 2关注 解决评论 打赏 举报无用 3关注 解决评论 打赏 举报无用 3- 鑫鑫缺点金 2022-05-06 05:26关注解决评论 打赏 举报无用 3
关注 一、数据导入与处理
pacman::p_load(bibliometrix, tidyverse, pluralize, do) D <- "E:/精鼎统计/savedrecs.txt " M <- convert2df(D, dbsource = 'wos', format = 'plaintext') M$DEID <- merge_field(M$DE,M$ID)#合并DE和ID,系列27内容封装成函数,具有简单清洗功能,如去重,复数变单数 m <- M[-which(is.na(M$DEID)),]#去除DEID为空值的行,并赋值给新数据m
二、自定义函数构建
由于我们需要逐步合并,需要多次运行相同的代码。如果一段代码需要重复运行三次及以上,那么我们就可以考虑封装这段代码,使其成为一个函数。
(一)合并函数Synonyms_mergeSynonyms_merge <- function(Terms, synonyms, sep = ';'){ listTERMS = strsplit(Terms,split= sep) synonyms = toupper(synonyms) listTERMS = lapply(listTERMS,function(l){ s = strsplit(synonyms,split=";") for (i in 1:length(synonyms)){ ind = which(l %in% trim(s[[i]])) if (length(ind)>0){l[ind] = trim(s[[i]][1])} } return(l) }) TM = unlist(lapply(listTERMS,function(l){ l = paste0(l,collapse=";") })) return(TM) }
Terms:关键词向量
synonyms: 同/近义词向量,大小写均可
sep: 关键词和同/近义词分隔符(二)关键词词组转为多个关键词函数Phrases2keywords
Phrases2keywords <- function(Terms, phrases2keywords, sep = ';'){ listTERMS = strsplit(Terms,split= sep) phrases2keywords = toupper(phrases2keywords) listTERMS = lapply(listTERMS,function(l){ l = Replace(l,pattern = phrases2keywords) l = unique(l) return(l) }) TM = unlist(lapply(listTERMS,function(l){ l = paste0(l,collapse=";") })) return(TM) }
Terms:关键词向量
phrases2keywords:词组转为多个关键词向量,大小写均可
sep: 关键词分隔符三、特殊的同/近义词合并
所谓特殊的同/近义词即其带有特殊的字符,比如“AND”、“&”、“/”,或者是带有数字等。不同的专业特殊字符可能不一样,这些字符在专业内是有意义的,在清洗当中不能去除。接下来专门针对这些关键词进行处理。
m$DEID <- gsub("[^[:alnum:][:blank:]\\/\\;\\&]", "", m$DEID) #除字母数字、空格、“/”、“;”、“&”外,去除其他所有字符
除分隔符“;”一定也要保留外,其他符号是否需要保留,根据专业或需要确定。一般“AND”或“&”可以保留。因为,带有“AND”或“&”符号的关键词词组可能是多个关键词的组合,需要分开。接下来探索将带有“AND”的关键词分开。
DEID[grep(' AND ',DEID$Tab),]#查看带有“AND”的词组 # Tab Freq # 397 O AND H ISOTOPE 2 # 441 STABLE HYDROGEN AND OXYGEN ISOTOPE 2 # 495 18O 2H AND 3H 1 # 686 DELTA D AND DELTA O 18 1 # 692 DEUTERIUM AND OXYGEN ISOTOPE 1 # 766 EVENT AND PRE EVENT WATER 1 # 851 GROUNDWATER AND SURFACE 1 # 895 HYDROGEN AND OXYGEN 1 # 937 INFILTRATION AND INFLOW 1 # 956 ISOTOPIC AND GEOCHEMICAL TRACER 1 # 959 ISOTOPIC EXCHANGE BETWEEN LIQUID AND ICE 1 # 1009 LOW TECH AND LOW COST 1 # 1282 SNOW AND ICE MELT 1 # 1291 SNOWMELT AND GLACIER MELT DYNAMIC 1 # 1335 STABLE AND RADIOACTIVE ISOTOPE 1 # 1341 STABLE OXYGEN AND HYDROGEN ISOTOPE 1 # 1405 TEMPORAL AND SPATIAL VARIATION 1 # 1498 WATER ISOTOPES AND ELECTRICAL CONDUCTIVITY 1
我们发现“STABLE HYDROGEN AND OXYGEN ISOTOPE”、“O AND H ISOTOPE”、“DELTA D AND DELTAO 18”、“DEUTERIUM AND OXYGEN ISOTOPE”、“STABLE OXYGEN AND HYDROGEN ISOTOPE”词组代表了相同的意思,均是由“DEUTERIUM”和“OXYGEN STABLEISOTOPE”关键词及其同/近义词组成的。因此,我们先要将这些词合并,然后再将其分开成这2个关键词。
synonyms_and <- 'STABLE HYDROGEN AND OXYGEN ISOTOPE;O AND H ISOTOPE;DELTA D AND DELTA O 18;DEUTERIUM AND OXYGEN ISOTOPE;STABLE OXYGEN AND HYDROGEN ISOTOPE'#需要合并的关键词向量 m$DEID <- Synonyms_merge(Terms = m$DEID, synonyms = synonyms_and) #所有的关键词统一转化为第一个“;”之前的关键词,即“STABLE HYDROGEN AND OXYGEN ISOTOPE”
然后将带有“AND”的关键词词组分开成多个关键词。
phrase2words <- c('STABLE HYDROGEN AND OXYGEN ISOTOPE:DEUTERIUM;OXYGEN STABLE ISOTOPE', '18O 2H AND 3H:OXYGEN STABLE ISOTOPE;DEUTERIUM;TRITIUM', 'EVENT AND PRE EVENT WATER:ENENT WATER;PRE EVENT WATER', 'GROUNDWATER AND SURFACE:GROUNDWATER;SURFACE-WATER', 'ISOTOPIC AND GEOCHEMICAL TRACER:ISOTOPIC TRACER;GEOCHEMICAL TRACER', 'LOW TECH AND LOW COST:LOW TECH;LOW COST', 'SNOW AND ICE MELT:SNOWMELT;ICE MELT', 'SNOWMELT AND GLACIER MELT DYNAMIC:SNOWMELT;GLACIER MELT', 'STABLE AND RADIOACTIVE ISOTOPE:STABLE ISOTOPE;RADIOACTIVE ISOTOPE', 'TEMPORAL AND SPATIAL VARIATION:TEMPORAL VARIATION;SPATIAL VARIATION', 'WATER ISOTOPES AND ELECTRICAL CONDUCTIVITY:WATER ISOTOPES;ELECTRICAL CONDUCTIVITY' ) #构建词组转多个关键词向量 m$DEID <- Phrases2keywords(Terms = m$DEID, phrases2keywords = phrase2words)#“:”前面的关键词转为“:”后面的关键词,即“STABLE HYDROGEN AND OXYGEN ISOTOPE”转变为“DEUTERIUM;OXYGEN STABLE ISOTOPE”。
至此,我们完成了带有“AND”特殊关键词的处理与合并。在此,我们再进一步探索带有数字的特殊关键词的处理。做此类关键词处理时,我们先看数字是否具有特殊意义,有意义的需要根据专业背景知识进行转换,没有意义的或不是专业内主要的或词频较低的关键词均可暂时保留,之后再统一处理。
DEID[grep('\\d',DEID$Tab),]#查看带有数字的关键词 # Tab Freq # 23 O 18 32 # 25 OXYGEN 18 30 # 53 DELTA O 18 14 # 130 2 COMPONENT 6 # 136 HYDROGEN 2 6 # 178 3 COMPONENT 4 # 186 DELTA H 2 4 # 321 CARBON 13 2 # 356 GLACIER NO 1 2 # 492 1/F 1 # 493 18O 1 # 494 2 AGRICULTURAL HILLSLOPE 1 # 495 2 FORESTED 1 # 496 3 COMPONENT TRACER MODEL 1 # 606 CARBON 14 1 # 648 CO2 OUTGASSING 1 # 684 DELTA18O 1 # 888 HYDROGEN 3 1 # 1090 NO 1 1 # 1106 O 18 ISOTOPE 1 # 1119 OXYGEN 18 COMPOSITION 1 # 1127 PART 2 1 # 1218 RN 222 1 # 1247 SEAWATER SR 87/SR 86 1 # 1258 SF6 1 # 1327 SR 87/SR 86 RATIO 1 # 1376 SURFACE PARAMETERIZATION SIB2 1
带有数字的关键词多数是我们需要的,我们据此构建一个带数字的关键词转换向量。
# Synonyms_number <- c("OXYGEN STABLE ISOTOPE;O 18;OXYGEN 18;DELTA O 18;18O;DELTA18O;O 18 ISOTOPE;OXYGEN 18 COMPOSITION", # "TWO COMPONET;2 COMPONENT", # "DEUTERIUM;HYDROGEN 2;DELTA H 2", # "THREE COMPONENT;3 COMPONENT;3 COMPONENT TRACER MODEL", # "CARBON STABLE ISOTOPE;CARBON 13", # "CARBON FOURTEEN;CARBON 14", # "TRITIUM;HYDROGEN 3", # "RADON ISOTOPE;RN 222", # "SR ISOTOPE;SEAWATER SR 87/SR 86;SR 87/SR 86 RATIO")#数字关键词转换向量 # # m$DEID <- Synonyms_merge(Terms = m$DEID,synonyms = Synonyms_number)#所有数字关键词均转换为第一个关键词
如有帮助,请采纳,十分感谢!
解决评论 打赏 举报无用 3- 木希.MX 2022-05-10 03:52关注解决评论 打赏 举报无用 3
悬赏问题
- ¥15 设计一个光控计数器,全部用ttl芯片
- ¥15 vscode platformio
- ¥15 代写uni代码,app唤醒
- ¥15 全志t113i启动qt应用程序提示internal error
- ¥15 ensp可以看看嘛.
- ¥80 51单片机C语言代码解决单片机为AT89C52是清翔单片机
- ¥60 优博讯DT50高通安卓11系统刷完机自动进去fastboot模式
- ¥15 minist数字识别
- ¥15 在安装gym库的pygame时遇到问题,不知道如何解决
- ¥20 uniapp中的webview 使用的是本地的vue页面,在模拟器上显示无法打开