《表3 并购关键词的主要聚类》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于科学知识图谱的中国并购研究演进趋势与前沿热点》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文使用CiteSpaceⅤ进行科学知识图谱的聚类描述，通过并购关键词网络关联提取关键词聚类号（Cluster ID），如表3所示。聚类号（#）越小，聚类中包含的成员数越大；规模（Size）代表聚类中所含的成员数量，即关键词共被引的数量；平均轮廓值（Silhouette，简称S值）用于衡量聚类成员网络同质性，S值越大，反映聚类成员的相似度越高，当S值大于0.5时，聚类具有合理性；当S值大于0.7时，聚类是高度相似的。平均年份（Mean Year）代表该类聚类中关键词的平均年份，能够用来判断聚类中引用文献的远近。这些聚类标签借助三种不同算法提取，即LSI算法（Latent Semantic Index浅语义索引）、LLR算法（LogLikelihood Rate对数似然率）、MI算法（Mutual Information互信息）。本文主要使用LLR算法（如图4所示）。从表3可以看出聚类#0-并购绩效、聚类#1-企业管理、聚类#2-企业并购、聚类#3-外资并购的规模较大，S值介于0.5和0.7之间，聚类合理。聚类#5-跨国并购S值大于0.7，聚类高效令人信服。