pajek

价值工程0引言二十世纪是生命科学发展成为自然科学中最为引人注目的领域。

在1999年末的年度世界十大科学成果评选中，“干细胞研究的新发现”荣登了十大科学成果之首。

干细胞的研究为什么会引起人们的如此关注？干细胞是什么？当今国际干细胞研究学术界都在研究什么样的主题？干细胞研究有着怎样的特征及发展趋势？解决上述问题的有效方法之一就是对国际权威期刊中的干细胞研究的主题文献统计分析。

干细胞是一种具有自我复制和多向分化潜能的原始细胞，是机体的起源细胞，是形成人体各种组织器官的原始细胞。

在一定条件下，它可以分化成多种不同的细胞，甚至可以发育成各种复杂的器官，医学界称其为“万用细胞”[1][2]。

在当今科学研究领域，知识图谱正在蓬勃兴起。

知识图谱是一种可以显示知识发展进程与结构关系的图像，并且用可视化技术描述知识资源，来挖掘、分析、构建、绘制和显示它们之间的相互联系。

它把学科的理论与计量学引文分析、共现分析等方法结合，用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构。

它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为科学研究提供了便利、直观的研究途径。

在国内已有的干细胞研究中，树立和总结国际干细胞研究的成果较为少见，因此，本文拟基于科学计量学的新方法———科学知识图谱，对干细胞研究现状进行分析，把握国际干细胞研究特征与趋势，为我国的干细胞研究提供参考[3]。

1数据来源及数据处理本文数据源自美国科学情报研究所（ISI ）基于Web 开发的数据库———Web of science 数据库，按title （主题）检索“stem cells ”，选择1996年至2011年间，获得超过60000条论文记录，本研究采用的方法主要为科学计量学中的引文分析的方法，并借助了代表科学计量学最新发展、由处于国际领先水平的信息可视化软件Pajek 进行科学知识图谱的绘制。

结构洞（structural hole ）1.最早提出：Ronald Burt （1992）“结构洞”就是指社会网络中的空隙，即社会网络中的某个或某些个体和有些个体发生直接联系，但与其他个体不发生直接联系，即无直接联系或关系间断（disconnection ）的现象，从网络整体看好像网络结构中出现了洞穴。

”Burt 在结构洞理论的地位：提结构洞，必提Burt 。

Burt, R.S. (1992) Structural holes: the Social Structure of Competition. Cambridge, MA: Harvard University Press.2.含义：个人在网络的位置比关系的强弱更为重要,其在网络中的位置决定了个人的信息、资源与权力.因此,不管关系强弱,如果存在结构洞,那么将没有直接联系的两个行动者联系起来的第三者拥有信息优势和控制优势,这样能够为自己提供更多的服务和回报因此,个人或组织要想在竞争中保持优势,就必须建立广泛的联系,同时占据更多的结构洞,掌握更多的信息。

3.计算公式①结构约束算法：=()ij jiij ikki ka a p aa ++∑其中ij a 是指i ，j 两点间的边的属性值（权重），p ij 表示i 与j 联系的强度2,,()i ij iq qj jq q i q jc p p p ≠≠=+∑∑系数越高，网络闭合性越高，结构洞越少。

注：这一公式是pajek 上的公式，也是Burt 提出的公式The impact of multilevel networks on innovation ，Jiancheng Guan, JingjingZhang, YanYan ②网络有效规模：此方法思想来自Burt 对结构洞的部分定义内容，即，如果间接看来他们之间不存在冗余关系，那么两者之间的空隙就是结构洞。

简单理解，个人网络规模减去冗余连接的数目。

社会网络分析的方法和应用随着互联网的飞速发展，人们之间的联系方式也在不断地发生着变化。

传统的人际交往方式已经无法满足现代社会的需求，社会网络成为了重要的交际方式。

社会网络分析(Social Network Analysis, SNA)已经成为了社会学、心理学、管理学、计算机科学等多个领域的热点研究课题。

本文将会介绍社会网络分析的方法和应用。

一、社会网络分析的方法社会网络分析主要使用计算机科学和数学统计学的方法研究社会网络结构和网络节点之间的关系。

以下是主要的社会网络分析方法：1.问卷调查法：通过向研究对象发放调查问卷的方式了解研究对象之间的关系，并将其转化为网络形式。

问卷调查法在研究大规模网络时不太适用，但是在研究小规模网络时可以提供深刻的洞见。

2.直接观察法：通过直接观察研究对象之间的交互关系，并将其转化为网络形式。

3.网络分析软件法：使用社会网络分析软件来收集和分析网络数据。

目前常用的社会网络分析软件有UCINET、Gephi、Pajek等。

4.复杂网络理论：运用复杂网络理论来深入探讨网络结构及其演化规律。

5.社会学模型：通过建立社会学模型，分析节点之间的关系及其演化规律。

二、社会网络分析的应用社会网络分析可以应用于多个领域，从个人层面到组织层面，从实证研究到理论探讨都有许多应用。

1.个人层面应用：(1)个人自我认知：了解自己在社会网络中的位置和作用，有助于个人更好地交际。

(2)情感支持：研究表明，社会网络中的情感关系对个人的生活质量和幸福感有着重要的作用。

(3)知识传播：社会网络可以帮助个人传播知识和信息。

2.组织层面应用：(1)管理与策略：通过分析组织网络结构，找出组织中存在的问题和瓶颈，并制定相应的解决策略。

同时，了解组织网络中的关系可以帮助管理者更好地分配资源和合理安排工作。

(2)团队协作：研究表明，组织网络结构与团队协作密切相关，优化组织网络结构可以提高团队的协作效率。

(3)创新与合作：社会网络可以促进组织内外的创新和合作，提高组织的竞争力。

一文读懂社会网络分析(SNA)理论、指标与应用开新坑！社交网络分析（又称复杂网络、社会网络，Social Network Analysis）是诞生于数学图论、计算机科学、物理学的交叉碰撞中的一门有趣的学科。

缘起：我研究SNA已经有近2年的时光，一路坎坷走来有很多收获、踩过一些坑，也在线上给很多学生讲过SNA的入门知识，最近感觉有必要将心得和基础框架分享出来，抛砖引玉，让各位对SNA感兴趣的同学们一起学习进步。

我的能力有限，如果有不足之处大家一起交流，由于我的专业的影响，本文的SNA知识可能会带有情报学色彩。

面向人群：优先人文社科类的无代码学习，Python、R的SNA 包好用是好用，但是对我们这这些社科的同学来说门槛太高，枯燥的代码首先就会让我们丧失学习兴趣。

特征：类综述文章，主要目的是以通俗的语言和精炼的框架带领各位快速对SNA领域建立起一个全面的认知，每个个关键概念会附上链接供感兴趣的同学深入学习。

开胃菜：SNA经典著作分享《网络科学引论》纽曼 (访问密码 : v9d9g3)2 概述篇：什么是网络？我们从哪些角度研究它？1) 认识网络SNA中所说的网络是由节点（node，图论中称顶点vertex）和边（edge）构成，如下图。

每个节点代表一个实体，可以是人、动物、关键词、神经元；连接各节点的边代表一个关系，如朋友关系、敌对关系、合作关系、互斥关系等。

最小的网络是由两个节点与一条边构成的二元组。

Les Miserables人际关系网络2) 构建网络就是建模马克思说过，“人的本质在其现实性上，它是一切社会关系的总和。

” 事实上，当我们想快速了解一个领域，无论该领域是由人、知识、神经元乃至其他实体集合构成，利用SNA的方法将实体及其相互关系进行抽象和网络构建，我们就完成了对某一领域的“建模”，这个模型就是网络图，拿科学网络计量学家陈超美的观点来说，借助网络图，“一图胜千言，一览无余”。

3) 社会网络类型此处展示常见且常用的网络类型名词，想要具体了解可以点击链接仔细查看！•网络中节点的来源集合异同o一模网络 one-modeo二模网络 two-mode•视角：•边权重o加权网络 weight networko无权网络 unweight networko符号网络 Signed network•关系是否有方向o有向网络 Directed networko无向网络 Undirected network4) 网络分析的5大中心问题SNA可以帮助我们快速了解该网络中的分布格局和竞争态势，“孰强孰弱，孰亲孰远，孰新孰老，孰胜孰衰”，这16字箴言是我学习SNA总结的精华所在，初中级甚至高级的社会网络分析学习几乎完全就是围绕着这四个方面开展，后面将要讲到的理论与方法皆为此服务，希望同学们可以重点关注。

一文读懂社会网络分析(SNA)理论、指标与应用开新坑！社交网络分析（又称复杂网络、社会网络，Social Network Analysis）是诞生于数学图论、计算机科学、物理学的交叉碰撞中的一门有趣的学科。

缘起：我研究SNA已经有近2年的时光，一路坎坷走来有很多收获、踩过一些坑，也在线上给很多学生讲过SNA的入门知识，最近感觉有必要将心得和基础框架分享出来，抛砖引玉，让各位对SNA感兴趣的同学们一起学习进步。

我的能力有限，如果有不足之处大家一起交流，由于我的专业的影响，本文的SNA知识可能会带有情报学色彩。

面向人群：优先人文社科类的无代码学习，Python、R的SNA 包好用是好用，但是对我们这这些社科的同学来说门槛太高，枯燥的代码首先就会让我们丧失学习兴趣。

特征：类综述文章，主要目的是以通俗的语言和精炼的框架带领各位快速对SNA领域建立起一个全面的认知，每个个关键概念会附上链接供感兴趣的同学深入学习。

开胃菜：SNA经典著作分享《网络科学引论》纽曼 (访问密码 : v9d9g3)2概述:什么是网络？我们从哪些角度研究它？1) 认识网络SNA中所说的网络是由节点（node，图论中称顶点vertex）和边（edge）构成，如下图。

每个节点代表一个实体，可以是人、动物、关键词、神经元；连接各节点的边代表一个关系，如朋友关系、敌对关系、合作关系、互斥关系等。

最小的网络是由两个节点与一条边构成的二元组。

Les Miserables人际关系网络2) 构建网络就是建模马克思说过，“人的本质在其现实性上，它是一切社会关系的总和。

” 事实上，当我们想快速了解一个领域，无论该领域是由人、知识、神经元乃至其他实体集合构成，利用SNA的方法将实体及其相互关系进行抽象和网络构建，我们就完成了对某一领域的“建模”，这个模型就是网络图，拿科学网络计量学家陈超美的观点来说，借助网络图，“一图胜千言，一览无余”。

3) 社会网络类型这里展示了常见和常用的网络类型名词。

ucinet使用方法UCINET是一款网络分析集成软件，可以用于一维与二维数据分析的NetDraw，以及三维展示分析软件Mage等。

使用UCINET可以读取多种格式的文件，如文本文件、KrackPlot、Pajek、Negopy、VNA等。

以下是UCINET的使用方法：1. 下载UCINET软件。

您可以从官网下载最新版本，或者从软件下载的网页上下载汉化版。

2. 导入Excel数据。

您需要将Excel数据转换为UCINET软件支持的格式，例如.txt或.csv文件。

3. 打开UCINET软件，选择导入的数据文件。

在UCINET软件中，您可以通过菜单栏选择“文件”>“打开”，然后选择要导入的数据文件。

4. 绘制网络图。

在UCINET软件中，您可以通过绘制节点和链接来创建网络图。

您可以使用菜单栏中的“网络”>“绘制网络图”来创建新的网络图。

5. 分析网络数据。

UCINET软件提供了多种网络分析工具，例如中心性分析、社群检测、模块度分析等。

您可以使用这些工具来分析网络数据，并获取有价值的见解。

6. 可视化网络数据。

UCINET软件支持多种可视化效果，例如节点大小、颜色、形状等。

您可以使用这些效果来更好地展示网络数据。

7. 导出网络数据。

您可以将UCINET软件中的网络数据导出为多种格式，例如.csv、.txt、.pdf等。

在菜单栏中选择“文件”>“导出”即可导出数据。

总之，UCINET软件是一个强大的网络分析工具，可以帮助您更好地理解和分析网络数据。

如果您对UCINET的使用有任何疑问，可以参考官方文档或寻求专业人士的帮助。

□ 胡长爱朱礼军 / 中国科学技术信息研究所北京 100038复杂网络软件分析与评价*1 引言复杂网络理论的系统研究源于20世纪60年代匈牙利数学家Erdös和Rényi建立的随机图理论。

随着小世界模型、无尺度网络模型在20世纪末被提出来,人们对来自不同领域的大量实际网络的拓扑特征进行了广泛的实证性研究,复杂网络逐渐成为各个学科领域的研究热点。

为了方便有效地研究复杂网络,各类研究软件不断产生,如GUESS[1]、NetVis[2]、Pajek[3]等等。

本文重点以Pajek、UCINET[4]、NetworkX[5]、NetMiner 3[6]为代表,比较分析复杂网络软件的特点和发展现状,为复杂网络软件的选用提供依据。

复杂网络,简而言之即呈现高度复杂性的网络。

其复杂性[7]主要表现在以下几个方面:1结构复杂:表现在结点数目巨大,网络结构呈现多种不同特征。

2网络进化:表现在结点或链接会随着时间的变化而产生或消失。

3链接多样性:结点之间的链接权重存在差异,且有可能存在方向性。

4动力学复杂性:结点集可能属于非线性动力学系统,结点状态可能会随时间发生复杂变化。

5结点多样性:复杂网络中的结点可以代表任何事物,同一个网络可能存在代表不同事物的结点。

6多重复杂性融合:即以上多重复杂性相互影响,导致更为难以预料的结果。

实际的复杂网络会受到多种因素的影响和作用,各种网络之间密切的联系也会使它们相互产生影响,从而加大对复杂网络分析的难度。

因此,一个简单易学且功能强大的分析工具,能给研究者很多的便利。

2 复杂网络软件的分析从整个复杂网络的发展看,社会网络的研究起到了很大的促进作用,很多复杂网络的软件是因为社会网络分析的需求而发展起来的。

目前,复杂网络软件的数量已经很可观了,尤其是一些学术的可以免费获得的软件。

这些软件的不同首先在于数据处理能力和计算速度上的区别。

例如Igraph[8]可以处理上百万个数据点,Pajek、NetMiner 3的数据处理能力也能达到百万级,但UCINET[9]的上限却只有三万多个数据点。

蛋白质相互作用数据库和分析方法1. 蛋白质相互作用的数据库 蛋白质相互作用数据库见下表所示： 数据库名 说明网址BIND 生物分子相互作用数据库http://bind.ca/DIP 蛋白质相互作用数据库/IntAct 蛋白质相互作用数据库/intact/index.html InterDom 结构域相互作用数据库.sg/ MINT 生物分子相互作用数据库http://mint.bio.uniroma2.it/mint/ STRING 蛋白质相互作用网络数据库http://string.embl.de/ HPRD 人类蛋白质参考数据库/HPID 人类蛋白质相互作用数据库http://wilab.inha.ac.kr/hpid/ MPPI 脯乳动物相互作用数据库http://fantom21.gsc.riken.go.jp/PPI/ biogrid蛋白和遗传相互作用数据，主要来自于酵母、线虫、果蝇和人 /PDZbase 包含PDZ 结构域的蛋白质相互作用数据库 /services/pdz/start Reactome生物学通路的辅助知识库/2. 蛋白质相互作用的预测方法蛋白质相互作用的预测方法很非常多，以下作了简单的介绍1) 系统发生谱这个方法基于如下假定：功能相关的(functionally related)基因，在一组完全测序的基因组中预期同时存在或不存在，这种存在或不存在的模式(pattern)被称作系统发育谱；如果两个基因，它们的序列没有同源性，但它们的系统发育谱一致或相似．可以推断它们在功能上是相关的。

2)基因邻接这个方法的依据是，在细菌基因组中，功能相关的基因紧密连锁地存在于一个特定区域，构成一个操纵子，这种基因之间的邻接关系，在物种演化过程种具有保守性，可以作为基因产物之间功能关系的指示。

这个方法似乎只能适用于进化早期的结构简单的微生物。

所以在人的蛋白质相互作用预测时不采用这个方法。

3)基因融合事件这个方法基于如下假定：由于在物种演化过程中发生了基因融合事件，一个物种的两个(或多个)相互作用的蛋白，在另一个物种中融合成为一条多肽链， 因而基因融合事件可以作为蛋白质功能相关或相互作用的指示。

使用Pajek分析诸葛亮如何把自己推销出去1.引言利用社会网络分析工具pajek分析诸葛亮是如何把自己推销出去的。

引用文件：“诸葛亮的关系网_孙玉良.pdf”“诸葛亮的关系网_易中天.pdf”2.设计思路与方法采集诸葛亮社会关系网络数据从几个角度对诸葛亮社会关系网络数据进行分析：2.1 分析诸葛亮在整个社会关系网络中的中心度、中心势、接近中心势2.2 K核心网络分析2.3 K邻居分析2.4 结构洞分析2.4 排序优先深度排序优先广度排序2.5 聚类系数分析3.数据收集与处理采用excel整理诸葛亮社会网络关系数据，采用“createpajek.exe”工具进行转换，生成可以通过pajek工具分析的数据3.1诸葛亮社会关系数据采集3.2 诸葛亮社会网络中心度分析人员中心度1 "诸葛亮" 192 "向朗" 33 "庞统" 44 "韩德高" 35 "徐庶" 36 "李仁" 37 "司马懿" 38 "尹默" 39 "孟公威" 310 "石韬" 311 "诸葛瞻" 212 "公主" 213 "诸葛玄" 614 "诸葛瑾" 815 "诸葛大姐" 816 "蒯琪" 217 "蒯越" 318 "诸葛二姐" 719 "诸葛诞" 620 "庞山民" 321 "黄硕" 722 "黄承彦" 523 "蔡讽大女" 624 "蔡讽姐姐" 625 "蔡讽" 726 "蔡讽小女" 727 "蔡瑁" 628 "庞德公" 1129 "司马徽" 1030 "诸葛均" 631 "刘备" 132 "刘表" 233 "诸葛恪" 134 "诸葛靓" 135 "张温" 2诸葛亮中心度为19，在整个社会关系网络中处于优势地位。

复杂网络现象研究及分析方法复杂网络是由大量节点和相互连接的边构成的网络系统，其结构和行为具有复杂性和非线性特征。

在各个领域中，复杂网络都广泛存在，并包含着丰富的信息和规律。

研究复杂网络现象和分析其特征可以帮助我们更好地理解和解释现实世界中的复杂系统，如社交网络、生物网络、物流网络等。

本文将介绍复杂网络现象的研究内容和分析方法。

一、复杂网络现象的研究内容1. 结构特征分析复杂网络的结构特征是指网络中节点之间连接的方式和模式。

研究网络的结构特征可以揭示网络的整体性质和发展规律。

其中最基本的结构特征是度分布，即节点连接的数量分布情况。

例如，某些网络中存在少数节点连接数非常高，而大多数节点连接数较低的现象，被称为幂律分布。

其他常见的结构特征还包括聚类系数、平均路径长度等。

2. 动力学分析复杂网络的动力学特征是指网络系统随时间演化和变化的行为。

动力学分析可以研究网络中节点的演化规律、信息传播模式和系统的稳定性等。

例如，研究在网络中引入节点或删除节点的效果，可以探究网络系统的鲁棒性和脆弱性。

此外，通过分析网络中信息传播的路径和速度，可以预测疾病传播、舆论演化等现象。

3. 同步现象研究复杂网络中的同步现象是指网络节点之间在时间上出现一致演化的现象。

同步现象广泛存在于自然界和社会系统中，如心脏的跳动、脑区的激活等。

研究同步现象可以揭示网络系统中节点之间的相互作用和调控机制。

例如，通过构建耦合节点的模型，可以发现节点之间的同步阈值和同步模式。

二、复杂网络分析方法1. 大数据处理复杂网络研究中常常涉及到大规模数据集的处理和分析。

大数据处理方法可以帮助整理和提取网络中的信息，并准确计算各种指标和特征。

例如，常用的大数据处理技术包括图算法、机器学习、数据挖掘等。

这些方法能够快速处理大量数据，并发现隐藏的规律和模式。

2. 网络建模与仿真复杂网络的建模和仿真是研究网络现象和分析方法的重要手段。

通过构建合适的数学模型和复杂网络的拓扑结构，可以模拟网络中的行为和动态过程。

2012年第1期(下半月)软件导刊·教育技术CNKI 数据实现ucinet 共现分析的方法及实证分析包惠民1，李智2（1.曲阜师范大学信息技术与传播学院，山东日照276800；2.阜城县电视台，河北衡水053000）摘要：以CNKI 数据库中2005—2009年以“教学设计”为关键词搜索的数据为例，数据经过预处理后，先在数据库中利用联合查询构建其关键词-关键词共现关系表，再在excel 中利用数据透视表实现共现矩阵，利用Ucinet 软件，实现了作者共现、关键词共现、引文共现的可视化分析。

关键词：ucinet ；CNKI ；共现矩阵；实证研究中图分类号：G434文献标识码：A文章编号：1672-7800（2012）01－0091－03收稿日期:2011－12－12作者简介:包惠民（1985-），女，河北邯郸人，曲阜师范大学信息技术与传播学院2009级硕士研究生，研究方向为信息技术教育；李智（1983-），男，河北衡水人，阜城县电视台播音员，研究方向为播音主持。

0引言文献数据量的快速增长给我们的研究工作带来了极大的便利，同时，也给文献的管理与分析利用带来了诸多不便。

如何将大量文献的内容快速、准确地可视化变得越来越困难。

近10年来，社会网络分析已经成为一种比较普遍的研究社会过程和问题的研究方法。

它已经发展到用软件如UCINET 、NetDraw 和Pajek 等进行可视化分析。

这些可视化软件是通过共现矩阵分析数据，共现矩阵分析如共作者分析、共词分析、共引分析等以邻近联系法则和知识结构及映射为方法论基础，来发现研究对象之间的亲疏关系，挖掘隐含的或潜在的有用知识，并揭示研究所代表的学科或主体的结构变化。

国外关于文献信息共现关系分析的应用软件已经比较成熟，如美国费城的德雷塞尔大学信息科学与技术学院开发的Citespace ［2，3］系列应用软件；印第安纳州大学开发的大型网络分析、建模和可视化的工具包Network Workbench Tool ；瑞典科学家佩尔松（persson ）开发的科学计量学研究软Bibexcel ［4］；美国斯坦福大学开发的社会科学统计软件包SPSS ；由CyramCo.，Ltd.开发的社会网络分析和可视化探索技术结合一起的NetMiner 3商业软件等等。

社会网络分析方法和应用社会网络分析，简称SNA（Social Network Analysis），是一种研究人际关系网络的方法和技术。

该方法通过对人际关系网络结构的分析、描述和解释，揭示出网络中的核心节点、子群体结构、信息传播路径等重要特性，帮助人们更好地了解社会结构和人际互动行为。

本文将介绍社会网络分析的基本原理、常用方法和应用情况。

一、社会网络分析的基本原理社会网络分析的基本原理是从人际关系网络本身出发，将个体与个体之间的关系抽象为节点（Node），节点之间的关系抽象为边（Edge），构建出一张以节点和边为核心元素的网络图（Network）。

在此基础上，运用图论、统计分析、机器学习等方法研究网络的拓扑结构、信息传播、演化趋势等重要特性，揭示出网络中潜在的群体结构、中心节点、权威节点等关键信息，并从中提取出有用的知识和洞见。

二、社会网络分析的常用方法1. 社会网络可视化社会网络可视化是将网络图形数据呈现为图形元素，通过直观的方式来展示网络的结构和特性。

常用的图形可视化软件有Gephi、Cytoscape、Pajek等，通过这些软件可以对网络进行全方位的可视化操作，包括颜色、大小、形状等多种参数的设置，以及各种统计分析和算法应用。

2. 社会网络测量社会网络测量是通过量化方法来衡量网络的结构和特性。

主要包括节点度中心性、紧密中心性和介数中心性等指标。

其中，节点度中心性是指节点的度（连接数量）在网络中的大小，紧密中心性是指节点与其他节点的最短路径的平均长度，介数中心性是指节点与其他节点之间所有最短路径的数量。

通过这些指标可以识别出网络中的核心节点和边缘节点。

3. 社会网络模型社会网络模型是基于统计学原理构建的一种数学模型，用于描述和预测网络结构的演化。

常见的社会网络模型包括随机网络模型、小世界网络模型和无标度网络模型。

其中，随机网络模型是一种简单的随机连接的模型，小世界网络模型是指网络中存在较多的短距离边，无标度网络模型呈现幂律分布的节点度分布。

33创新活动是人类生存发展的本质活动，在当今时代，创新已上升到关系一个国家的科技、经济、社会发展的战略层面，尤其是在提高国家自身创新能力，以及提升国家全球竞争力方面，显得尤为重要。

创新活动是人类社会复杂的经济技术活动，涉及多种资源与社会组织的参与，而对这种复杂社会活动的调节需要多种类型科技政策和多种政策工具的组合[1]。

从当今社会实践来看，科技创新政策在促进国家的经济增长、国际竞争力提高方面，发挥着越来越重要的作用，因此，不同国家均日益重视本国科技创新政策的理论基础研究和社会实践发展。

从当前来看，美国科技创新政策的研究与实践，均走在世界前列；而中国有关科技创新政策的研究和摘 要：以中国和美国的科技创新政策文件为研究对象，以政策主体和政策主题为切入点，运用政策文本量化分析法，借助SATI、SPSS、Pajek等计算机软件，对中美两国科技创新政策进行可视化分析。

研究表明：与美国相比，中国科技创新政策的政策主体更为广泛，更加注重多主体之间的协作；政策主体合作网络规模要大于美国，多次合作的频率也要高于美国；中美两国共同关注的热点政策包括科研项目政策、创新引导政策、创新合作政策、创新奖励政策；相异之处在于中国关注农业领域创新较多，而美国更加关注工业领域，中国从微观角度注重发挥企业创新作用而美国则从宏观角度注重构建国家创新生态系统；中国较为注重发挥创新队伍中高层次人才的作用，而美国更主张通过开展教育创新、鼓励民众创新等措施，不断壮大基层创新队伍。

关键词：科技创新政策，政策文本量化分析，中美比较基于政策文本量化分析的中美科技创新政策比较研究董艳春实践，相对来说起步比较晚，因此，研究美国的科技创新政策，对于进一步发展和完善中国的科技创新政策，有着极其重要的理论和现实意义。

一、文献综述关于什么是科技创新政策，国外学者和机构已经做了较多探讨，如OECD[2]、Rothwell[3]、Dodgson和Bessant[4]、Lundvall和Borras[5]、Kimmo和Ilari[6]等；同时，这也引起了国内学者关注，如万钢和马建堂[7]、鲍克[8]、陈劲和王飞绒[9]、范柏乃等[10]、胡卫[11]、赵修卫[12]等。