科研信息服务
前言
本书内容
数据和代码
未来想法
用到的宏包
RYouWithMe
致谢
作者简介
1
数据科学与R语言
1.1
数据科学
1.2
R语言基础
1.3
R 宏包: The tidyverse
1.4
字符串处理：正则表达式
1.5
数据科学工作流程
1.6
推荐书目
2
学科结构与发展
2.1
PROS
2.2
Web of Science
2.3
数据集的构建
2.4
数据集的导入
2.5
各高校对比
2.6
分析单个学校
2.7
第一作者筛查
2.8
通讯作者筛查
2.9
可视化之小试牛刀
2.10
可视化之初显身手
2.11
可视化之渐入佳境
2.12
更多
3
通讯地址统计
3.1
各学院英文地址
3.2
统计
3.3
部分学院结果
3.4
随年份的变化
4
学院对学科的贡献
4.1
这里开始吧
4.2
学院对发文的贡献
4.3
学院对引文的贡献
4.4
期刊对引文的贡献分析
5
学校科研人员的选刊倾向
5.1
中科院JCR期刊分区介绍
5.2
各学科论文的期刊分布
6
期刊使用情况
6.1
JCR简介
6.2
JCR初探
6.3
中国SCI期刊
6.4
可视化
6.5
各学科期刊使用情况
7
科研合作
7.1
机构匹配
7.2
化学学科
7.3
全部学科
7.4
看看某个学校的呢
7.5
思考1
7.6
思考2
8
潜力学科
8.1
ESI学科
8.2
潜力学科定义
8.3
各学科进入ESI的阈值
8.4
潜力学科统计
9
影响力结构分析
9.1
论文影响力结构
9.2
各学科论文影响力结构
9.3
引文最大贡献的期刊
10
预测
10.1
学科发展的相关性
10.2
发文量的预测
10.3
建模
10.4
引文量的预测
11
主题词分析
11.1
化学学科
11.2
词云
11.3
共现矩阵
11.4
全部学科
12
期刊的影响因子
12.1
各学科影响因子最高的期刊
12.2
不同ESI学科，影响因子的分布
12.3
加入学校数据，影响因子求和得分
12.4
得分与被引量的关系
12.5
看看不同中科院学科和等级下，随影响因子排序的期刊
13
基金资助分析
13.1
各学科受基金资助
13.2
各学科情况
13.3
各校的情况
13.4
那个项目基金下的文章最丰富？
14
高被引论文
14.1
还没想好
15
耦合
15.1
Bibliographic coupling
15.2
用
sicnu_set
看看吧
16
共现矩阵在信息服务中的应用
16.1
邻接矩阵
16.1.1
共现矩阵
16.1.2
距离矩阵
16.2
聚类案例1：主题词聚类
16.3
聚类案例2：若干学校的聚类
17
利用文本挖掘技术分析文献摘要
17.1
数据导入
17.2
数据规整
17.3
计算tf_idf
17.4
文本相似性
17.5
关联词汇
17.6
下一步工作
18
文章被引时间特征分析
19
基于bibliometrix宏包
20
作者信息提取
20.1
最小案例数据
20.2
说明
20.3
提取
附录
A
附录
A.1
R语言系列讲座
A.2
联系我们
参考文献
本书由 bookdown 强力驱动
基于R语言的科研信息分析与服务
作者简介
王敏杰，爱好数据科学，喜欢用R, tidyverse, tidymodels和Stan统计编程，联系方式
38552109@qq.com