《表2 主要主题特征词的相异矩阵(部分)》

  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

《国内药物重定位研究的主题及发展脉络分析》

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

聚类分析是一个在数据集中寻找相似元素集合的无监督学习过程。通过对药物重定位领域主要主题特征词的聚类分析，可以寻找药物重定位领域主要主题特征数据集的“自然分组”，即主题类团。聚类分析的步骤为:首先，利用Bicomb对所有药物重定位研究文献进行主要主题特征词的向量表示，生成用于表示各特征词在文献中出现情况的文献-主要主题特征词矩阵。其次，将文献-主要主题特征词矩阵导入统计分析软件SPSS，计算主要主题特征词间Pearson相关系数，生成主要主题特征词的相似矩阵。考虑到相似矩阵中的0值较多，统计时容易引起误差太大，用1减去相似矩阵中各元素的值生成主要主题特征值的相异矩阵（表2）。在此基础上，选择聚类效果相对较好的组间连接聚类算法，测量区间设定为平方Euclidean距离，对主要主题特征值进行聚类得到如图4所示的聚类谱系结构。图4中，设定组间距离为20～25，可将主要主题特征词划分为6个类团，每个类团代表药物重定位研究领域的一个主要主题。