《表4 科研人员合作网络的层级特征Tab.4 Hierarchical features of the collaborative network》

  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Hausdorff距离的关系层次聚类算法》

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

NCmax＿community为最大社团核心节点数；NCsec＿community为次大社团核心节点数；Nmax＿community为最大社团节点数

分类标准中跳跃是指关键词出现的年份不连续，不连续的时间大于3年。基于关键词的词频选出出现频率高于20的词共210个，然后在谷歌学术中找到这些词出现的次数。简单的对这210个词在不同层关联的作者数进行统计（关联作者表示作者被该关键词影响到），210个词中共有162个词在层次2的社团中出现的次数大于等于层次1的次数，占到77%。再按谷歌学术出现的次数找出<100 000的关键词发现这一指标提高到79%。从这一指标我们可以推断出层次2的社团结构对没有大众传播效果词的影响效果更大，这与Watts在2012年发现的在线传播结构存在不同[15]，在复杂网络学术传播中人际传播的作用大于大众媒体。接着找出关键词中有1次以上跳跃的词41个，发现这一指标再次提升到80%。关键词在我们所选的样本中没有年年出现，在一定程度上表示不流行，但在4年后又能在社团中出现表示社会关系对这些词的传播有非常重要的作用。运用层次关系数据聚类算法从实际数据得出的新发现1) 分层后的社团结构会呈现异质性，在一个均匀分布社团大小的一层社团结构中在分层后可能会出现不同的社团结构；2) 分层的社团结构在传播物的扩散解释上要强于不分层的，本文的数据集中，层次2对于关键词的扩散起到重要作用；3) 复杂网络研究学者通过建立互惠关系来实现研究工作的扩展，更加稳定的三角形关系和差异化关系在本次研究中的作用不大。