博士期间主要研究为共词分析方法优化，在此方面发表近10篇论文，均是方法改进性质的研究，自认为都不是灌水文，对得起自己的学术理想。

论文可归纳为一个体系，包括：

    1：基础研究：通过实验梳理科技论文关键词特点、关键词网络结构特点，发现问题，寻找启示，为后续改进指明方向。主要有论文2篇：《科技论文关键词特征及其对共词分析的影响》，刊于情报学报；《科研领域关键词网络的结构特征与启示》，刊于现代图书情报技术；

考虑到共现矩阵的行、列分别代表分析对象、特征项；从这两个方面入手是改进共词分析的突破口，于是做了以下两个方面研究：

    2：在1基础上衍生出，从特征项选择（共词矩阵的列）方面优化共词分析。目前有论文1篇，《共词分析中的词语贡献度特征选择研究》，刊于现代图书情报技术；这方面还有很多研究空间；后续一段时间内会投入更多精力来研究；

   3：在1基础上衍生出，从分析对象选择（共词矩阵的行）方面优化共词分析。目前来看，一个比较好的思路是：分析一个研究领域（或者研究群体，比如机构）时，不能只孤立地看它自身情况；而是要把它放在更大的背景内考察（比如所属学科）。目前有5篇论文：《Selecting publication keywords for domain analysis in bibliometrics: A comparison of three methods》刊于Journal of Informetrics；《Identifyingthe research focus of Library and Information Science institutions in Chinawith institution-specific keywords》刊于scientometrics；《领域知识分析中的关键词选择方法研究——一种以学科为背景的全局视角》刊于情报学报；《基于特色关键词的科研机构研究主题揭示：方法与实证》、《全局视角下的科研领域特色知识点提取》均刊于图书情报工作；总的来说，这种思路效果很不错。

除2和3之外，考虑到共词网络的结构特点，可以从层次结构视角来看共词网络，这与目前计量分析中普遍采用的划簇（比如聚类、网络子群划分）有很大的区别，但是它实际上更符合人们对知识体系结构的认知。  相应地有以下方面研究：    

4：在1基础上衍生出，从关键词网络的层次结构发现方面优化共词分析，目前有3篇论文，《Exploring the Topic Hierarchy of Digital Library Research in China using Keyword Networks: A K-core Decomposition Approach》近期录用于Scientometrics，《领域知识网络的层次结构与微观形态探证》刊于情报学报、《层次视角下概念知识网络的三元关系形态研究》刊于图书情报工作。

真的很希望有更多的人关注方法优化。