《bibexcel使用步骤讲课讲稿》由会员分享，可在线阅读，更多相关《bibexcel使用步骤讲课讲稿（11页珍藏版）》请在金锄头文库上搜索。
1、bibexcel使用步骤精品文档检索词：人工智能（artificial intelligence）在web of science上面使用人工智能检索词，限定主题检索，时间范围从1950-2017年，得到了上万条结果，所以我以被引量降序排列为条件，选取了前450篇文献，下载在本地文件夹中。1.导入savedrecs.txt文件2. 将.txt文件转成.tx2文件，点选.txt文件，使其变为蓝底，选择在“Edit doc file”栏下的“Replace line feed with carriage return”选项，选择“确定”选项、选择“是”选项、选择“是”选项。得到如下图3. 将.tx2
2、文件转成.doc文件，点选该.tx2文件，使其会变为蓝底，选择在“Misc”栏下的“Convent to Dialog format”选项卡下面的“Convent from Web of Science”选项，选择“确定”选项。得到如下图选择作者（author）4. 选择作者（author）进行频次分析，在Old Tag中输入au（不区分大小写），在中选择Any;separated field 划分方式，点击Prep。得到如下图5.重命名，为防止文件名相同的话被覆盖，在“Type new file name here”下面的文本框中输入“author”，选择“file”选项卡下面的“Renam
3、efile”，选择“确定”选项，即可重命名。如下图所示分析：得到的两列结果，第二列代表文献作者，第一列代表文献作者出现次数（升序排列），第一列中有相同数字的，如：2、6、9等，这代表这些作者出现在同一篇文献，比如出现两次2，说明有2个作者写了在“第2篇”文献。6. 对含有作者（au）的out文件分析，先点选需要转换的out文件，使其 out文件变为蓝底，再在中选择“Whole string”，然后再勾选“Sort descending”表示对结果进行降序排列，最后点击“Start”。得到如下图分析：得到的两列结果，第二列代表文献作者，第一列代表文献作者出现次数（降序排列），有相同的出现次数，表
4、示这些作者写的文献数量相同（450篇中），在这里最高的是6次的那个作者。题目（title）1.选择savedrecs.doc文件，使其变为蓝底2.3.重命名分析：在题目条件中，没有相同的结果4.对题目文件进行分析 分析：每个题目出现次数都是一次。对出版年份（py）分析选择.doc文件，在Old Tag中输入py，在中选择“Whole filed intact”，如下图： 点击“Prep”，选择“确定”，选择“No”，如下图：重命名对out文件进行分析，点选publish_year文件，使其 out文件变为蓝底，再在中选择“Whole string”，然后再勾选“Sort descending”
5、表示对结果进行降序排列，最后点击“Start”，在就产生了一个与原out文件相同名称的cit文件，如下图所示：分析：该文件会形成两列，第1列表示一个publish_yesr在所有文章中出现的次数，从大到小排列，第2列表示publish_year，本文件中文献出版最多的是1997年，共出版了30次。将cit文件中的所有数据拷贝到Excel中，绘制折线图，如下图：450篇文献是按照被引量降序排列选出的，虽然这个时间分布曲线图是不全面的，但我们还是可以从图中看出一些规律，人工智能这个概念最早是在20世纪60年代提出的，在上升一段时间后到达一个峰值会下降到一个低谷，是一个周期性的发展，在80年代-20
6、世纪初的文献被引最多。关键词（de）共线分析，我截取的数据中没有de项，所以我使用作者（author）代替，但操作步骤和分析方法是一样的。点选.doc文件，使其变成蓝底，在Old Tag中输入au,在中选择Any;separated field 划分方式，点击Prep。得到如下图2. 重命名，为防止文件名相同的话被覆盖，在“Type new file name here”下面的文本框中输入“author”，选择“file”选项卡下面的“Renamefile”，选择“确定”选项，即可重命名。如下图所示3. 对含有作者（au）的out文件分析，先点选需要转换的out文件，使其 out文件变为蓝底，
7、再在中选择“Whole string”，然后再勾选“Sort descending”表示对结果进行降序排列，最后点击“Start”。得到如下图4.对author的cit文件里面“列表栏”中选择出现超过2次的人的名单，再选择“Analyze”选项卡下面的“Co-occurrence”选项里面的“Select Units vialist box”，然后再选中author的out文件，选择“Analyze”选项卡下面的“Co-occurrence”选项里面的“Make pairs vialist box”，在弹出的选项框中选择“否”，再选择“确定”，得到一个author共现的coc文件，如下图：分析
8、：出现三列（一列数字，两列人名），第一列数字代表出现次数，人名是合作作者名字。6.点选author的coc文件，使其变为蓝底；再选择“Analyze”选项卡下面的“List Units inpairs”选项，在弹出的对话框中，选择“确定”，就会产生一个统计作者在coc文件出现次数的ccc文件，如下图：7.先点选author的ccc文件并打开，再选择author的coc文件，使其coc文件变为蓝底；再选择“Analyze”选项卡下面的“Make a matrix for MDSetc”选项，弹出的对话框中选择“确定”，最终会产生三个文件，ma2文件表示共现矩阵，mpr文件与coc文件似乎相同，lab文件包含贡献矩阵中作者名单，这里我选择产生的ma2文件是全矩阵形式，如下图：将全矩阵放在notepad+中打开查看全图：发现有些作者合作过1次，也有合作过2次，没有合作过三次，大多作者都没有合作关系。收集于网络，如有侵权请联系管理员删除
