热点词:搜索可视化
一、定义
搜索可视化是指将搜索结果转成图形或图像显示,以形象化其中隐含规律、形成概念并通过人机交互高效引导用户搜索, 方便其更好地分析、理解领域信息, 直观发现信息间隐藏关系并最终提升用户搜索效率及体验。
二、发现过程
笔者以中国知网、万方数据的学位论文库、期刊论文库及维普的期刊论文库为信息源，分别以“可视化”、“搜索”和“可视化”、“检索”为关键词组合在题名中检索相关文献（截止2017 年7 月28 日）。
以“可视化”、“搜索”为关键词组合，从知网检索到硕博论文12 篇、期刊论文28 篇，从万方检索到硕博论文13 篇（新发现3 篇）、期刊论文21 篇（新发现0篇），从维普检索到期刊论文29 篇（新发现2 篇）；以“可视化”、“检索”为关键词组合，从知网检索到硕博论文15 篇、期刊论文101 篇，从万方检索到硕博论文16 篇（新发现6 篇）、期刊论文91 篇（新发现5 篇），从维普检索到期刊论文101 篇（新发现3篇）；合计175 篇文献。
通过阅读175 篇文献归纳出国内可视化搜索引擎应用领域、系统实现进展，并从领域应用、系统实现两方面阐述国内可视化搜索引擎研究进展。
总的来说，国内可视化搜索引擎应用集中在生物医学、数字图书馆、专利、多语言、农业、地理空间(GIS)、电子商务、社交网络等领域且前景良好。
选择数字图书馆方面进行有关搜索可视化的详细介绍。
三、详细介绍
选取了微软学术搜索的可视化应用进行详细的探析。
信息可视化技术利用计算机图形图像和数据挖掘的技术与方法，将数据中隐藏的信息以交互方式形象生动地展示给用户。
在学术搜索领域，信息可视化技术主要用于辅助用户分析数据，进而发现其中蕴含的规律。
因此，研究信息可视化技术与应用，具有重要的理论意义和实用价值。
对微软学术搜索的信息可视化应用进行深入的研究，提出了针对学术搜索数据的可视化与分析方法，为解决信息可视化所面临的问题提供了新的思路和技术手段。
1.简介
微软学术搜索(Microsoft Academic Search)是近几年发展起来的一个强大的免费学术搜索引擎，自2009 年正式推出使用，为研究员、学生、图书馆馆员和其他用户查找学术论文、国际会议、权威期刊、作者和研究领域等提供了一个智能、新颖的搜索平台。
该平台应用了诸如对象级别垂直搜索、命名实体的提取和消歧、数据可视化等许多研究思路，与传统的学术搜索引擎相比，可以提供更多有价值的学术信息。
2.功能
1）文章引用的曲线图展示
当点击进入一篇论文的详细页面后，可以看到该论文的介绍、可供浏览或下载的原始链接以及相关的参考文献。
在页面中间，以曲线图的方式直接展示了在一定时间范围内该论文被引用的趋势。
2）关系网的可视化展示
这里的关系网可视化功能分为3 个部分：合作者关系图(Co-author Graph)、合作者路径图(Co-author Path)、引用关系图(Citation Graph)。
合作关系图(Co-author Graph)
合作关系图可以更清晰地了解共同作者的关系，其中，作者的节点越大，意味着该作者的著作越多。
而节点之间的线越短，意味着两个作者之间的合作数量越多。
点击这条连接线，就可以看到他们合作的文章数量。
合作者路径图(Co-author Path)
合作者路径图展示了两名作者之间的合作路径，路径中每一个节点代表作者间的合作关系。
该图以树状的可视化形式呈现导师、学生关系。
引用关系图(Citation Graph)
引用关系图在每一个引用关系之间都会显示引用次数。
在这个引用关系图中，引用主要作者的文章越多，离主要作者的距离就越近。
3）学术研究领域动态图(Domain Trend)
学术研究领域动态图直观地显示了计算机科学领域的出版物动态。
领域动态(Domain Trend)主要是分析计算机科学的研究动态，并采用叠加分布图进行直观显示。
这个可视化展示功能可以提供一个清晰的图示，即每个领域如何随时间变化。
发表物数量的趋势图如下图所示，在Domain Trend 中选择学科领域为食品科学，时间选择2005—2010 年，从学术趋势图可以直观看到食品科学在2005—2010 年的学术发表有着非常明显的增长之势。
发表物比例的趋势图如下图所示，同样选择2005—2010 年，从图中可以直观地看到食品科学在农业科学领域中所占的比例。
组织机构的研究趋势图如图7 所示，在选定组织机构后，可以看到这个组织单位的主要研究领域随时间不断变化，从而发现该组织的研究优势领域和发展趋势。
4）学术分布图
学术分布图的展示主要分为学术的组织分布和研究人员分布两个方面。
学术的组织分布(见图8)可以看到在选定的学科领域内，主要的研究力量分布在哪个国家、哪个地区等信息。
研究人员分布如下图所示，选择计算机科学的研究领域后，点击中国地图，不断放大到北京地图，可看到北京邮电大学的圆图最大，继续点击后，就呈现出下图中的人物分布图，最后可链接至该作者的详细介绍页面。