《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》
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。
图表编号 | XD00120823200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.15 |
作者 | 张晓旭、姚海鑫、王选乔 |
绘制单位 | 辽宁大学商学院、辽宁大学商学院、辽宁大学商学院 |
更多格式 | 高清、无水印(增值服务) |