章 緒論
1．1 研究背景與研究意義
1．2 研究思路與框架
1．3 主要方法創新
1．4 研究方法
1．5 研究工具

第2章 學科交叉研究進展
2．1 學科交叉概念範疇
2．2 學科交叉類型研究
2．3 學科交叉動力學研究
2．4 學科交叉計量研究
2．4．1 學科交叉測度指標
2．4．2 學科交叉計量研究類型
2．5 學科交叉主題識別方法
2．6 現有研究不足
2．7 本章小結

第3章 學科交叉態勢分析
3．1 已有學科交叉態勢分析方法
3．2 研究內容和方法
3．2．1 基於引文的指標測度方法
3．2．2 學科交叉態勢的可視化研究方法
3．3 實證分析
3．3．1 數據來源
3．3．2 基於互引關繫的情報學交叉性測度
3．3．3 情報學與密切相關學科的網絡特征
3．4 本章小結

第4章 TI繫列指標在學科交叉主題識別和預測中的應用
4．1 研究方法與測度指標
4．1．1 主題詞獲取及預處理
4．1．2 TF、TF-IDF和TI指標
4．1．3 網絡社區發現分析及Bet指標
4．1．4 TI-S、TI-Bet、Bet-TI指標
4．1．5 技術路線圖
4．2 實證分析
4．2．1 TF、TF-IDF和TI的相似性分析
4．2．2 學科交叉主題分析
4．2．3 主題時序分析
4．3 本章小結

第5章 弱關繫與突發詞分析在學科交叉主題識別中的應用
5．1 外研究現狀
5．1．1 弱關繫分析
5．1．2 突發詞監測
5．2 研究方法與流程
5．3 基於弱共現的情報學學科研究主題分析
5．3．1 工具和方法
5．3．2 結果分析
5．3．3 弱主題及其交叉性變化情況分析
5．4 基於突發監測的情報學學科研究主題分析
5．4．1 工具和方法
5．4．2 結果分析
5．5 本章小結

第6章 基於重疊社區發現的學科交叉主題識別和預測研究
6．1 重疊社區發現算法
6．2 情報學和“計算機科學，跨學科應用”單網重疊社區識別
6．2．1 情報學網絡特征趨勢
6．2．2 情報學主題交叉分析
6．2．3 “計算機科學，跨學科應用”網絡特征趨勢
6．2．4 “計算機科學，跨學科應用”主題交叉分析
6．2．5 情報學與“計算機科學，跨學科應用”交叉主題異同
6．3 “計算機科學，跨學科應用”-情報學雙網交叉主題識別
6．3．1 “計算機科學，跨學科應用”-情報學交叉主題識別
6．3．2 “計算機科學，跨學科應用”-情報學交叉主題特征
6．4 本章小結

第7章 基於概念格理論的學科交叉主題識別和預測研究
7．1 形式概念分析和概念格的研究及應用
7．1．1 已有研究及應用
7．1．2 形式概念分析的數理基礎
7．2 基於概念格理論的學科交叉知識發現研究
7．2．1 基於概念格的表示
7．2．2 關聯規則分析
7．2．3 研究流程
7．3 實證分析
7．3．1 數據獲取和文本分析
7．3．2 獲取形式概念背景與概念格
7．3．3 學科交叉主題識別
7．3．4 學科交叉主題時序分析和預測
7．4 本章小結

第8章 學科主題路徑多模式識別和預測研究
8．1 學科主題創新路徑研究
8．1．1 主題關聯相似度研究現狀
8．1．2 擴散路徑研究現狀
8．2 分析方法與工具
8．2．1 分析方法
8．2．2 分析工具與方法
8．3 情報學主題演化及學科交叉分析
8．3．1 整體網絡演化趨勢分析
8．3．2 特定社區演化趨勢分析
8．3．3 情報學學科主題演化及學科交叉模式總結
8．4 本章小結

第9章 多種方法的比較及綜合運用實例
9．1 多種方法優缺點及應用場景分析
9．2 多方法綜合運用實例
9．2．1 學科交叉主題識別結果
9．2．2 學科交叉主題預測結果
9．2．3 結果討論
9．3 多方法綜合運用前景
9．4 本章小結

0章 總結與展望
10．1 研究總結
10．2 主要貢獻
10．3 研究的不足
10．4 未來的展望
10．4．1 深入開展學科交叉動力機制與計量特征的研究
10．4．2 俘獲變革型研究中不確定性與弱關繫識別前沿交叉主題
10．4．3 大數據分析方法在學科交叉研究中的應用
10．4．4 學科交叉分析工具將更加自動化、智能化

附錄A 2007年情報學高頻詞、TF-IDF、TI前300
附錄B 2009年情報學高頻詞、TF-IDF、TI前300
附錄C 2011年情報學高頻詞、TF-IDF、TI前300
附錄D 2013年情報學高頻詞、TF-IDF、TI前300
附錄E 2015年情報學高頻詞、TI前300

參考文獻