0 引言
学科发展并非线性堆砌，而是沿着一定的关键主题的主线不断进行演化的复杂过程，这些关键主题构成了领域的主要“知识骨架”，其动态的变化过程也揭示了学科领域的演变轨迹。洞悉和把握学科领域的关键主题演化脉络对于理解学科发展规律、预测前沿方向、优化科研布局以及促进学科交叉融合和知识创新具有重大意义
[1-2]。
科技文献作为衡量学科领域主题演化分析的核心载体，存在引文关联和文本语义的双重属性。其中，引文关联可以反映科技文献之间知识的流动关系
[3]，语义文本则表征着科技文献的知识主题，通过挖掘科技文献的引文关联关系和语义化属性能够揭示某一学科领域的知识迁移和流动的轨迹和特征。但是，目前已有的大多研究仍对两者进行割裂处理
[4]，基于文本挖掘的方法大多从语义角度出发衡量主题的语义内容演化情况
[5]，而基于引文网络分析的方法侧重宏观结构变迁
[6]。采用单一的衡量维度呈现出的科学信息是有限且片面的
[7]，通过二者融合的方法既可以实现不同维度结果的交叉验证，更能全面地揭示领域主题演化规律。故本研究提出一种融合引文网络和文本挖掘的主题演化分析思路，在建立引文网络并根据引文连接特征划分社区结构的基础上，通过文本挖掘的加权TF-IDF的LDA主题模型识别社区结构的细粒度主题，并根据Word2vec模型跟踪主题的动态演化趋势。相较于传统的主题演化分析方法，通过“网络构建-主题提取-主题演化”的形式，实现了文献语义特征和引文关联的协同表征，通过宏观结构和微观语义的多维度分析形式，可为当前主题识别和演化方法体系提供崭新思路。
1 相关研究
1.1 主题识别
在探索学科领域的主题演化过程之前，最为关键的步骤是识别领域的研究主题
[8]。目前，学界在主题识别的方法上大致划分为3类（
表1），在基于关键词的主题识别研究中，研究人员通常根据关键词的词频统计、共现分析、聚类算法或突变检测等方法提取研究主题，但由于关键词所涵盖的语义、语境内容不足，该类型的方法仍有提升空间；基于引文分析的方法是通过文献的外部引用特征借鉴社会网络的分析方法进行研究，其引用关系主要包括直接引用关系、文献耦合关系、文献共被引关系，该类方法存在主题识别粒度过大、对学科领域发展揭示不够全面的局限性；基于文本挖掘的方法通过深入分析文本的语义特征和上下文特征能够捕捉更加详细的主题信息，该类方法大致可以划分为2种：基于LDA、DTM、BERTopic等主题模型的方法；基于深度学习聚类算法的方法。
1.2 主题演化
主题演化是指随着时间的推移，主题的强度、内容和社会网络（即科研结构或作者）逐渐发生变化的过程。按照演化过程中不同的模式可以划分为内容演化、结构演化和强度演化3种形式
[25]（
表2）。内容演化主要是衡量研究主题在不同时间变化过程中主题语义的融合和分裂，其不仅表征跨领域之间的知识融合也体现研究主题的专业化和细化；结构演化主要指借助主题包含的一些结构信息构建带有一定属性的网络，通过小世界性、密度、网络中心度等网络指标来反映网络结构的变化；强度演化指通过一些能够反映主题强度的指标来反映主题演化情况，如主题下的主题特征词概率、文献数量、文献关注度等。
综上所述，学科领域的主题识别方法和主题演化衡量形式均已形成相对成熟的研究体系，大多研究也是对局限于其中的某类方法进行修正和优化。在主题识别研究中，传统引文分析方法具有较强的适用性，其中直接引文分析相较于共被引分析和耦合分析，操作简单且具有较好的时效性，且已有研究结果证明其在相似文献聚类、研究前沿主题的识别上效果较好
[18,29]，故本研究在划分时间切片后，构建当前时间窗中的文献及其直接引用的文献，形成引文网络，在通过网络算法划分社区后，采用文本挖掘方法获取其研究主题，构建更加清晰的关键主题演化主线。本研究创新性地将文献的引证属性和语义属性进行整合，以期有效提升关键主题演化分析的系统性和解释力。
2 研究框架
为实现全面揭示科技文献主题演化规律的目标，本研究采用多阶段、多方法融合的形式，构建研究框架（
图1）。在数据收集过程中，本研究从权威数据库获取包含其发表日期、参考文献信息、DOI号等全题录数据的科技文献，在划分时间切片后进行文献及参考文献的匹配以形成本文的研究数据；根据引用关系构建直接引文网络后，对不同时间阶段的引用网络进行网络特征分析，并采用计算速度快、算法效果好、目前应用较为广泛的Louvain算法
[30-31]对其进行社区划分，使用网络模块度衡量社区划分质量；被划分为同一社区的文献被认为是同一主题具有较高的文本相似度，故本研究对同一社区下文献的标题和摘要合并文本进行预处理后，使用TF-IDF
[32]加权的LDA
[33]主题模型抽取社区主题；为衡量相邻时间段社区之间的内容演化情况，本研究通过Word2Vec中给定的上下文词语来预测目标词的CBOW模型，获取社区文本向量，并使用余弦相似度设定阈值对相邻时间段社区内容进行演化关系判别，进而绘制主题演化桑基图及领域主题的演化主线。
3 实证分析
生物土壤结皮作为干旱、半干旱地区地表生态系统的关键组成部分，研究深度关联区域生态安全与环境可持续发展
[34]，是当今生态学研究中的重要部分。该领域涉及微生物生态学、土壤学和环境科学等多学科，研究内容存在一定的交叉性和复杂性，多年积累的研究也已形成丰富的科技文献数据，适宜形成本文所需的直接引文网络。该领域的研究主题高度聚焦，围绕着一定的核心主线，故本研究以该领域作为实证分析领域，预期通过上述方法厘清生物土壤结皮领域的核心主题以及演化主线，不仅有助于完善和推动旱地生态学的理论系统发展，也有助于在全球化背景下为生态系统修复实践提供科学依据。
3.1 数据采集与预处理
本文选择Web of Science核心合集，借鉴郭忠录等
[35]对生物土壤结皮领域进行文献计量分析的检索式：TS=( (“biological crusts” OR “biological soil crusts” OR biocrust OR “moss soil crusts” OR “lichen soil crusts” OR “cyanobacterial soil crusts” OR “algal soil crusts”) ) NOT TS=( sea OR marine OR ocean OR reservoir OR lake OR “physical soil crusts” OR “salt crusts” OR bread OR aquatic OR drug OR “crystalline lattice” ) AND TS=soil，检索文章类型限定为ARTICLE，检索日期为2024年5月，为保证样本数据在年度上的完整性，检索文章的年份跨度限定为1941年（检索结果最早时间）至2023年，剔除不相关文献后共计得到2200篇文献的有效题录数据作为本文的研究数据。对2200篇文献按照其发表时间划分为5个时间切片，为保证各个时间切片下文献数量的大致相似，除第1个切片所包含的年份跨度相对较大，其余切片年份跨度保持一致，分别为1941—2003年、2004—2008年、2009—2013年、2014—2018年、2019—2023年。对获取的文献通过DOI号进行引用关系的匹配，具体数据匹配情况如
表3所示。各时间切片的初始文献经过去除无参考文献和无DOI号的文献后，得到有效文献量；从有效文献的所有引用关系（总引用关系）中去除参考文献缺失或参考文献DOI缺失的部分得到有效引用关系；为避免外部文献干扰，仅保留领域内文献间的引用关系（即引用双方均属于2200篇研究数据）以备构建网络。领域内引用关系占比较低，一方面受限于DOI匹配过程中的数据缺失，另一方面也反映了该领域的交叉学科特性。本研究显示，聚焦领域核心文献间的引用关系可以避免外部领域文献干扰，能更准确地揭示该学科内部的知识流动与演化规律，因此该网络构建形式具有合理性和针对性。
3.2 引文网络构建与网络特征分析
将领域内的引用关系形成边，将其导入网络分析软件Gephi中进行直接引文网络的构建，节点表示文献，从文献指向对其具有引用关系的参考文献。分别对5个时间切片下的引文网络按照Louvain算法进行社区划分（
图2）。
表4展示了各个时间切片下的引文网络的基本特征，其中每个时间切片下的网络的模块度值均处于0.3~0.7内，可见该网络内部确实存在社区结构。随着时间的推移，引文网络规模显著扩大，节点数和边数不断增加，网络的平均度、平均路径长度以及网络直径也随之增加。然而，网络的模块度、图密度以及平均聚类系数下降说明，网络的模块化结构变得分散，网络社区之间的界限变得模糊，文献之间的集聚程度也变低，这些均反映了该领域核心文献之间引用关系逐渐变得复杂且跨学科，不同社区的研究主题之间的关联也逐渐密切。
3.3 社区主题挖掘与主题识别
将上述各个时间切片下的引文网络根据社区划分算法划分为同一社区的文献看作是一个整体，对其社区文献标题和摘要文本进行主题挖掘，即使用加权TF-IDF的LDA主题模型，在使用LDA主题模型时，需要人工输入最佳主题数目，根据主题困惑度、一致性判断社区文献文本在1~5个主题中的最佳主题数量，并分别打印最佳主题数量下的每个主题权重最高的Top10词语，由于划分为同一社区的主题内容大致相似，因此即便最佳主题数量超过1个，其权重最高Top10词语之间仍存在较大的相似性，针对此种情况，人工合并同一社区下的生成多个主题的权重最高Top10词语。整理出各个时间切片下各个社区的平均权重Top10词如
表5所示。
主题挖掘结果表明，各时间阶段社区主题词与主题间的联系较为密切，这与上述直接引文网络的网络结构特征分析结果基本相似。结合社区内的文本内容和上述社区主题Top10词语，可将生物土壤结皮领域的主要研究主题大致划分为如下几类。
1）生物土壤结皮的组成、分类、形成过程以及发生环境。生物土壤结皮的重要组成包括蓝藻、藻类、地衣、隐花植物（如微型植物）、微生物及菌株等；根据不同的组成，将生物土壤结皮分为微生物结皮、藻结皮、地衣结皮、苔藓结皮等类型；将生物土壤结皮的形成过程通常分为前藻结皮阶段、藻结皮阶段、地衣和苔藓结皮阶段
[36]；生物土壤结皮广泛存在于干旱环境下的沙漠、沙丘和稀树草原等大范围生态系统中，其中的微小生境提供了生物土壤结皮形成和发育的初始条件和场所。
2）生物土壤结皮的生态功能。主要包括以下几个方面。①维持土壤稳定性，如通过其生物成分的代谢活动分泌多糖物质，增强土壤颗粒的黏附力，从而提高了土壤的抗侵蚀能力。此外，多糖的分泌还有助于提高土壤颗粒的疏水性，减少水分的蒸发损失，同时降低沉积作用对土壤结构的破坏，正是这些生物过程共同作用改善了土壤理化性质，进而增强了地表稳定性。②改善土壤水文结构，如减少径流、调节土壤表面水分蒸发、增强地表入渗等。③提高生物物种多样性，如通过提供栖息地和微环境等，其支持了很多生物物种的生长和繁殖。④改善土壤养分循环，如生物土壤结皮通过促进氮、碳等养分的循环，有助于提升土壤的整体养分水平。
3）生物土壤结皮中的生物化学反应与技术方法。主要包括CO2固定、固氮作用、光合作用等，以及相关实验室的技术和仪器，如测定固氮酶活性的实验室技术——乙炔还原，实验室常用到的仪器——扫描电子显微镜和光学显微镜，随着时间发展，还出现了NDVI、光谱分析和遥感影像分析等新兴技术和方法。
4）干扰因素对生物土壤结皮的影响。不仅包括人为放牧、火灾
[37]，也包括特殊的地理环境下的其他影响因素（如煤尘沉降、降水变化等）。
5）生物土壤结皮对维管植物的影响。主要涉及维管植物的种子萌发、幼苗建立及植株生长等方面，反映结皮与植物间的相互作用关系。
6）生物土壤结皮对环境、气候变化的响应。生物结皮不仅受气候与降水变化的影响，其自身也对UV-B辐射
[38]等环境因子产生响应，并在局部气候变化中发挥作用。
7）生物土壤结皮对生态系统修复的促进作用。该主题与生物土壤结皮的生态系统功能相关，即可通过增强地表稳定性、改善土壤水文结构、提高生物物种多样性等多种途径在一定程度上减缓干旱区的土壤退化和荒漠化过程，促进生态系统修复。
3.4 社区主题演化
为把握主题的动态变化规律，对社区进行主题内容演化分析。根据Word2Vec的CBOW模型获取相邻时间段社区文本内容的语义向量并计算余弦相似度，综合考虑演化结果的可解释性，将余弦相似度阈值设定为0.9，并将相似度大于此阈值的路径通过桑基图进行可视化，结果如
图3所示。
由演化路径（
图3）可以明显看出，社区内容之间的相似度整体较高，与前文直接引文网络的网络特征分析结果一致。随着时间的变化，生物土壤结皮领域的研究主题之间相互交叉融合，即在一篇文章中出现多个研究主题的情况更为频繁。为更加清晰地厘清该领域的“知识骨架”变化情况，本研究基于社区连接的最高权重及其在时间窗上的连续性，提炼出5条主要的社区演化路径，结果如
图4所示。
生物土壤结皮领域的演化主线：
主线①：在该主线下的早期（#6-#3），研究主要集中在生物土壤结皮的广泛生态功能上，探讨了其作为一个整体对生态系统的影响，随着研究的不断深入，该条主线的焦点逐渐开始细化，一方面是（#6-#3-#1-#4-#4），该条主线主要聚焦在生物土壤结皮在土壤水文过程中的影响，后期（#4-#4）出现了专业的水文相关词汇如dew、runoff、moisture、evaporate、rainfall、infiltrate等，也反映了研究者们对生物土壤结皮在水文过程中具体作用的深入理解，包括其如何促进水分的局部循环、减少径流、增加入渗以及提高土壤水分的可用性等；另一方面是（#6-#3-#6-#8-#9/#3），该条主线主要聚焦在干扰对生物土壤结皮的影响，整个主线中出现的代表词如graze、erosion、disturbance、recovery、ecosystem、habitat、fire等，强调了人类活动和自然事件对生物土壤结皮的结构、功能及生态系统的影响。
主线②：该主线（#2-#6/#2-#0-#8-#9/#3）的落脚点与主线①的第2条分支落脚点（#6-#3-#6-#8-#9/#3）一致，均是干扰对生物土壤结皮的影响，但不同的是该条主线前期（#2-#6）侧重关注种子萌发，强调了生物土壤结皮为种子提供了萌发和生长的微环境，而（#2-#2）侧重关注维管植物，其在生物土壤结皮之上或之中生长，有利于维持土壤稳定性。这2条主线均最终归于同一主题，说明无论是种子萌发还是维管植物的生长，两者都可能受到人类活动、气候变化等干扰因素的影响，这些干扰可能会破坏生物土壤结皮，进而影响种子的萌发和植物的生长，此外，这2条主线的汇聚，一方面进一步强调了生物土壤结皮在生态系统中的生态功能；另一方面，为通过生物土壤结皮促使生态系统恢复提供了相关策略。
主线③：该主线（（#5-#9）/（#1-#0）-#11-#0-#1）整体上是关于生物土壤结皮对于碳、氮等元素存在的一些生物化学反应，其中不仅涉及固氮、CO2、乙炔还原等，还涉及微生物呼吸以及微生物产生的多种酶及其活性。这不仅反应了生物土壤结皮在碳循环、氮循环中起到一定作用，也为随着气候变化带给人类的挑战提供了一定的研究意义。未来可进一步探索其在不同环境条件下的功能响应，以及它们如何适应和缓解气候变化，从而达到保护全球生态系统的目的。
主线④：该主线（#7-#1-#3-#0-#1）与上一主线最终的落脚点类似均是关于生物土壤结皮关于碳、氮等元素存在的一些生物化学反应，相较于上一条演化主线，该主线中出现了更多的专业词汇（如NDVI、spectral、hydration、photosynthesis、soil_co2_efflux），不仅能够反映生物土壤结皮在生物化学过程中的复杂性，也体现出了研究方法和理解深度的进步。目前，生物土壤结皮的研究大多采用传统生态学和现代遥感技术相结合的方法，随着近年来科学技术的进一步发展，未来生物土壤结皮领域的方法或许会得到进一步创新。
主线⑤：该主线（#0/#4-#7-#4-#1-#7）的研究主题主要是关于生物土壤结皮的组成、分类、形成过程以及发生环境，贯穿整个主题演化主线的是蓝藻、地衣、苔藓等关键生物群落，不仅构成了生物土壤结皮的基础，而且其相互作用和演替过程影响着土壤的物理、化学和生物特性。了解这些生物群落及环境相互作用，促进土地生态系统管理也是生物土壤结皮领域一直延续的研究主题之一。
3.5 生物土壤结皮领域主题演化规律
研究表明：生物土壤结皮领域整体的研究主题主要包含7个方面，其主要的主题演化主线有5条，总结上述内容，可以得到如下主题的变化规律。
1）研究范式的递进：从现象描述到机制驱动。早期该领域的研究主要集中在生物土壤结皮的组成、演替及生态功能方面，形成了不同阶段的生物结皮演替理论，并明确了其在维持土壤稳定性、促进水循环等方面的生态功能。随着时间的推移，研究更多涉及其背后的生态机制和环境响应，例如利用分子生物学技术（如固氮酶活性测定
[39]、宏基因组测序
[40]）阐明结皮碳氮循环格局及其互作和调节机理；结合气候变化情景模拟（如降水模式改变
[41]、UV-B辐射增强
[38]），揭示结皮对极端环境的适应性策略（如呼吸速率、色素含量）等。
2）研究重心的变化：从以自然因素影响为主到以自然和人为因素相结合影响为主。早期研究多聚焦于自然因子（如降水格局、温度波动
[38]、土壤理化性质）对结皮分布与功能的单向调控机制。然而，伴随全球变暖背景下荒漠化进程的加速及人类活动对旱地生态系统的多维度渗透（如过度放牧导致的结皮物理破坏
[42]、工矿开发引发的重金属污染扩散
[43]），研究视角逐步转向自然-人为复合胁迫下生物土壤结皮的结构退化与功能可塑性响应。
3）技术方法的更新：从传统方法到现代技术。早期该领域的研究更多是关于户外实验和基本的实验方法，随着科学技术的不断发展，该领域研究者也趋向于采用更先进的技术手段。分子生物学技术革新了微生物群落研究
[44]；宏基因组测序技术可解析结皮中蓝藻、真菌等的物种组成与功能基因；机器学习模型预测生物结皮区域分布，例如基于U-Net架构的深度学习模型对遥感图像进行结皮识别
[45]。
4 方法对比验证
为验证提出的“融合引文网络与文本挖掘”框架的优越性，本研究分别从框架整体效能和主题提取质量2个层面设计了系统的评估方案。评估主要围绕网络结构质量与主题语义质量2个维度展开。前者采用模块度（modularity）进行衡量，该指标越高表明社区划分结构越清晰；后者则通过主题一致性（coherence score, c_v）和主题困惑度（perplexity）2个指标进行评价。其中，主题一致性用于评估主题内部词项的语义相关度，数值越高,代表主题可解释性越强；困惑度衡量模型的拟合程度，其值越低,表示模型性能越优，对比实验结果如
表6所示。
实验结果表明，传统融合TF-IDF的LDA模型因主题分布不明显而导致可解释性较差；BERTopic方法虽在未构建网络时表现良好，但单一该方法难以呈现领域结构变化，融合引文网络后因受部分社团文档规模局限，难以适用于本文框架；传统直引网络则难以识别社团主题。相比之下，本文所提出的引文网络与社团内融合TF-IDF的LDA主题提取相结合的方法，在维持较高模块度的同时，不仅实现了更细粒度的主题识别，也可实现“结构-语义”的双维度演化。尽管融合TF-IDF的LDA模型仍需一定程度的人工主题优化，但其在小规模文本上的表现优于BERTopic，充分证明了本方法在真实科研文献主题演化分析场景中的实用性与有效性。
5 结束语
本研究通过融合引文网络（结构维度）与文本挖掘方法（内容维度），构建了一种多维度的科技文献主题演化分析框架，相较于传统单一方法，这种融合策略不仅有效弥补了引文网络对语义信息捕捉的不足，也克服了纯文本挖掘对学科结构关系反映的局限性，且在对比实验中表现出良好的综合性能。在实证分析中，本研究系统识别了生物土壤结皮领域的主要研究主题、演化主线，并总结了该领域的主要演化规律。此外，“生物土壤结皮”领域的发展符合学科在不同时期的下的结构和语义变化趋势，这种结构演化和内容演化的高度同步性，不仅有效证明了本研究方法的有效性，更揭示并验证了主题学科在发展过程中的重要现象，即主题在不同时间段分别会经历产生、分裂、融合、扩张、消亡等。
本研究仍然存在一定的局限性：一是仅衡量了相邻时间段社区主题之间的演变关系，忽略了对同一时间段的主题之间的关系衡量，后续可借助直接引文网络的特征特性，探讨同一网络内不同主题间的关联关系；二是尚未进一步实现对主题的演化状态识别（如消亡、分裂），在未来研究中，可引入“生命周期理论”，进一步探讨主题的完整变化过程；三是受限于数据规模与领域特性，文本挖掘方法普适性仍有待在不同学科领域中进行进一步验证与优化，未来计划引入大语言模型的深度语义理解能力，通过更多实验优选出不同领域和数据规模的适合科技文献主题演化分析的技术组合。
甘肃省哲学社会科学项目“祁连山践行山水林田湖草沙冰生命共同体理念路径研究”(2022YB138)
PDF
(5043KB)
