8.39 合作模式分析
在合作模式分析中，首先定义三种合作网络，分别是作者合著网络、同现关键词网络和作者间共关键词网络[8] 。通过作者合著网络，可以看出作者间的合作次数与关系的密切程度；通过同现关键词网络，可以看出关键词经常同时出现的情况，并判断出研究主题之间的关系；通过作者间共关键词网络，可以看到作者间频繁使用的关键词信息，以此判断出哪些作者有相同或者相似的研究方向。
构建网络之后，通过对这些网络执行GN算法[9]来发现社区，每一个社区内部的节点都有着相对密切的联系，而不同社区的节点之间关系则比较疏远。
在可视化的过程中，使用 Ucinet 软件对网络进行了分析，同时使用 NetDraw 软件将社区网络图展示出来。
作者合著网络
作者合著关系是指两名研究者属于同一篇文章作者的情况，作者合著网络用来分析作者间的合著关系。在作者合著网络中，将作者作为网络的节点，如果两个作者是某篇文章的共同作者，在这两个作者之间建立一条边，以此构建作者合著网络。通过对网络进行划分，可以将作者合著网络划分成不同的社区，每个社区中的作者都有紧密的合作关系。作者合著网络并不是全连通的，而是由几个不同的连通子图构成。本文选取其中最大的三个连通子图分别执行 GN 算法，得到了如图 8 所示的三个社区网络。
如图 8(a) 所示，作者合著网络最大连通子图包含 419 个节点，总节点度数为 2 164，平均节点度为 5.16，连通子图被分成了 17 部分，每一部分都是合作关系最密切的一组作者。其中 Mark Harman的节点度最大，说明他在该领域与很多作者有很密切的合作关系，其他作者如 Robert M. Hierons、Xin Yao 等也与很多作者保持着密切的合著关系。同样，第二个连通子图包含 26 个节点，总节点度数为 132，平均节点度为 5.08，连通子图被分成了5 部分。第三个连通子图包含 18 个节点，总节点度数为90，平均节点度为5，连通子图被分成了5部分。
同现关键词网络
通过对关键词的研究，可以总结出当前的研究热点，发现研究内容之间的相关性，对研究学科发展具有重要的意义[10] 。在同现关键词网络中，将关键词作为网络的节点，如果两个关键词共同在超过5 篇文章中出现，则在这两个关键词之间建立边，然后去掉节点度为 0 的节点，最终构建出同现关键词网络。图 9 所示为对同现关键词网络执行 GN 算法后得到的社区网络。
网络中共包含 229 个节点，总节点度数为867，平均节点度数为 3.79，网络被分成了 5 部分，其中节点度数最大的两个节点分别表示关键词Genetic Algorithm 和 Software Testing，说明这两个关键词经常和其他关键词同时出现，与前文结论一致。而很多其他关键词也是围绕着这两个关键词出现，表明了这两个关键词在基于搜索的软件工程领域的重要性。
作者间共关键词网络
作者使用相同的关键词，说明他们有着共同的研究方向。通过对作者间共关键词网络的分析，对不同的作者进行社区划分，每个社区内部的作者都有大致相同的研究方向。在作者间共关键词网络中，将发表文章超过一篇的作者作为网络的节点，如果两个作者提出过至少 20 个相同的关键词，在这两个作者之间建立一条边，然后去掉节点度为 0 的节点，最终构建出作者间共关键词网络。
图 10 所示为对作者间共关键词网络执行 GN 算法后得到的社区网络。网络中包含 219 个节点，总节点度数为 572，平均节点度数为 2.61，网络被分成了 53 部分，从图中可以看出，网络比较稀疏，很多高产作者如Mark Harman、Xin Yao、Andrea Arcuri 等都不在一个社区，说明他们的研究方向不尽相同。
