基于链接分析的企业网站评价指标的有效性分析_张琳
<<
竞争情报 ·L
I B R A R YA N DI N F O R MA T I O NS E R V I C E ·基于链接分析的企业网站评价指标的有效性分析
＊
张 琳1 徐莉莉
2
1
南京农业大学信息管理系 南京210095 2
辽宁大学哲学与公共管理学院 沈阳110036
〔摘要〕以《福布斯》“全球上市公司2000强”企业网站为研究对象,通过自行设计的软件获取相关的链接指标,对不同行业和不同地区的企业网站进行对比分析;利用统计分析软件S P S S 中的S p e a r m a n 秩相关系数分析企业排名与网站链接指标相关关系,探讨企业网站定量评价链接指标的有效性。〔关键词〕链接分析 网站评价 企业S p e a r m a n 秩相关系数〔分类号〕G 350 F 270
E f f e c t i v e n e s s A n a l y s i s o f E n t e r p r i s e We b s i t e E v a l u a t i o n I n d e x e s B a s e d o nt h e A n a l y s i s o f L i n kI n d e x e s Z h a n g L i n 1 X u L i l i
2
1D e p a r t m e n t o f I n f o r m a t i o n M a n a g e m e n t ,N a n j i n g A g r i c u l t u r a l U n i v e r s i t y ,N a n j i n g 2100952
C o l l e g e o f P h i l o s o p h y a n dP u b l i c A d m i n i s t r a t i o n ,L i a o n i n g U n i v e r s i t y ,S h e n y a n g 110036
〔A b s t r a c t 〕F o c u s i n g o ne n t e r p r i s e s f r o mF o r b e s T h e G l o b a l 2000,t h i s p a p e r o b t a i n s r e l e v a n t l i n k i n d e x e s b ya s e l f -d e s i g n e dp r o g r a m a n d a n a l y z e s c o m p a r a t i v e l y t h e e n t e r p r i s e w e b s i t e s f r o md i f f e r e n t i n d u s t r i e s a n d r e g i o n s .U s i n g S p e a r m a n r a n k c o r r e l a t i o n c o e f f i c i e n t t h e p a p e r f u r t h e r e x a m i n e s t h e r e l a t i o n s h i p b e t w e e n t h e r a n k s o f e n t e r p r i s e s a n d t h e w e b s i t e l i n ki n d e x e s ,a n de x p l o r e s v a l i d i t y o f t h e q u a n -t i t a t i v ee v a l u a t i o n l i n ki n d e x e s o f e n t e r p r i s e s .
〔K e y w o r d s 〕l i n k a n a l y s i s w e b s i t e e v a l u a t i o n e n t e r p r i s e S p e a r m a n r a n k c o r r e l a t i o n c o e f f i c i e n t
＊本文系2009年教育部人文社会科学规划项目“竞争情报运用于企业危机预警的有效模式研究”(项目编号:09Y J A 870016)研究成果之一。
收稿日期:2010-04-13 修回日期:2010-05-28 本文起止页码:86-89,129 本文责任编辑:徐 健
1 引 言
企业网站评价对于提高网站的质量、推进网站的电子商务水平、加强企业的竞争力具有重要的作用。目前学术界和企业界对企业网站的主要评价方法分为主观定性评价、客观定量评价和综合评价
[1]
。近年来
以网络影响因子为主体的链接分析指标受到关注,但相关指标能否被用于企业网站评价还有待验证。本文采用链接分析法对《福布斯》“全球上市公司2000强”中的企业网站进行定量的评价与分析,旨在揭示企业网站发展水平所受企业所处行业与地区的影响,挖掘链接指标与企业排名间的相关关系,探讨影响企业网站定量评价的最重要链接指标。
2 链接分析指标评述
链接分析法由引文分析法演化而来。网站链接存
在原因主要有:一是网页之间内容相关;二是网页质量
得到认可,资源被利用
[2]
。一个网站被链接的次数越
多,网站的被利用率越高,影响力也越大。借鉴引文分析的思路和方法,1998年I n g w e r s e n 提出了“网络影响因子”
[3]
(WI F )指标来反映网站网页被链接的平均水
平,并具体使用了WI F 进行了学术网站评价实证。随后诸多研究者对链接分析法进行了探讨,并将其应用于We b 站点的分析与评价,特别是应用于国家、大学网站方面,取得了丰富的研究成果
[4-7]
。近年来链接
分析方法也被学者应用于企业网站评价,如陈太洋等人通过对链接分析指标的综合处理得到网站影响力排名
[8]
;沙勇忠运用链接分析方法对我国信息化优秀企
业网站的影响力进行了评价[9]
。但由于链接分析指标
沿用引文分析的理论方法,所以基于链接分析指标进行网站评价的合理性受到关注。刘雁书等认为利用站外链接评价网络信息是可行的
[10-11]
;邱均平等从链接
分析与引文分析比较的角度对链接分析的有效性进行论证,认为链接分析用于网络结构中的特征和规律分
86
>>
第54卷第16期 2010年8月
表2 样本网站的链接指标数据(部分)
排名企业名称指 标
S
U
L
O W
O 1
O 2
E 1
E 2
1
H S B CH o l d i n g s 72402960072200183264960426000.8997230.590028
2G e n e r a l E l e c t r i c 2880002900001300004405-158000-160000-1.21538-1.230773B a n k o f A m e r i c a ＊77
777181086416410.8927580.8927584J P M o r g a n C h a s e
91901460042000165832810274000.781190.6523815
E x x o n M o b i l
8290
10800
67300
1623
59010
56500
0.876820.839525
注:检索时间2009-6-21,＊为异常数据
析、网页聚类等方面是可行的,但网络影响因子用于网络环境中的质量评价不可靠
[12]
。以上大部分学者的
探索对象主要集中在政府和学术机构网站及其网络学术资源,链接指标体系主要有链接总数、链接效率和网络影响因子等,对于使用相关链接指标评价企业网站的研究侧重于企业既有排名与企业网站影响力的对比。由于企业发展阶段不同,行业不同,所处地区不同,企业网站发展存在很大的差异性。因此现有链接指标在不同地区、不同行业的企业网站可能具有不同的表现,但基于链接分析指标分析企业排名、企业所处行业与地区对企业网站发展的影响的研究还不多见。
3 企业网站链接分析指标与企业影响力相关性实证
3.1 研究样本的选择
本文选择美国《福布斯》杂志2008年“全球上市
公司2000强”排行榜中的企业作为研究对象
[13]
,榜中企业
是《福布斯》评选出的全球顶尖企业,这些企业的网站发展也处于前列,具有较强的代表性和研究价值,研究样本分为4个:
·样本A :企业不分地区和行业,取福布斯2000强中的前300强作为样本。
·样本B :按行业对企业进行筛选,选择其中的前310家银行业企业作为样本,通过分析样本B 与样本A ,进而测度不同行业对企业网站发展的影响。 ·样本C 、D :对样本B 按地区进行筛选,选择银行业企业较发达的日本和美国,将61家日本银行的数据作为样本C ,将44家美国银行的数据作为样本D ,比较样本C 与样本D ,从而判断不同地区企业网站发展的状况。
样本A 、B 、C 、D 所涉及企业不计重复数据为551个。
3.2 链接指标的确定及数据获取方式
本文以样本被链接的绝对数作为评价分析的源数据,选取目前广泛用于政府和学术网站的链接指标类型有:站内链接总数、链接总数、外部链接网站数、外部链接总数、链接效率、网络影响因子,涉及到12个具体的指标。
源数据是通过自行开发的数据获取工具s p i d e r 对网络信息计量研究常用的搜索引擎a l t a v i s t a 和a l e x a 进
行采集而得。本文涉及的链接指标名称、代码和数据获取来源如表1所示:
表1 链接指标和数据来源
指 标
代码数据来源检索式与计算公式站内链接
总数
网站网页数网域网页数
链接总数
S U L a l t a v i s t a h o s t :w w w .w a l m a r t .c o m
d o m a i n :w a l m a r t .c o m l i n k :w w w .w a l m a r t .c o m
外部链接网站数O W a l e x a
外部链接总数链接效率
网络影响因子
O 1O 2E 1E 2W I F 1W I F 2W I F 3W I F 4
L -S
L -U O 1/L O 2/L L /S O W/S O 1/S O 2/S
3.3 网站链接指标数据采集结果 本文采集551个样本在a l t a v i s t a 和a l e x a 上的4个
链接指标,并进行相关指标计算,得到的指标数据结果如表2所示:
3.4 数据的处理与结果分析
为分析企业排名、企业所处行业和地区三个因素对企业网站的发展存在何种影响,本文利用统计分析软件S P S S 对4个样本进行对比统计分析,使用的S P S S 功能主要包括标识异常个案、选择个案、描述统计、相关性分析等。
·福布斯前300强企业与福布斯前310家银行企业网站链接指标表现。
样本A 、B 的样本量分别为300、310,为方便对比两个样本,本文采用S P S S 的标识异常个案功能去除样本B 中的10个异常个案,使样本A 、B 样本量相等,然后对这两个样本进行描述统计,统计结果见表3。 根据表3,我们可以看到样本A 的排名均值要小于样本B 的排名均值。两个样本的4项基本链接指标S 、U 、L 、O W 的数量级较大。两个样本的U 指标值都明显大于S 指标值,即样本企业网站的网域网页数要远远大于网站网页数,这表明两个样本的企业网站体系比较完善,网站的服务器功能不是由一台主机完成的。
87
<<
竞争情报 ·L
I B R A R YA N DI N F O R MA T I O NS E R V I C E ·表3 样本A 、B 的S P S S 描述统计结果(部分)
排名和指标样本A (300个,前300强)
样本B (300个,银行业)
极小值极大值均值标准差极小值极大值均值标准差排名
1.00E+003.00E +021.50E +02
8.67E +01
1.00E +00
2.00E +031.06E +03
6.44E +02
网站网页数S 1.00E+001.61E +071.31E +051.08E +061.00E +007.72E +058.04E +034.71E +04网域网页数U 1.00E+002.98E +073.68E +052.32E +061.00E +008.13E +051.12E +045.26E +04链接总数
L
8.00E+00
1.05E +08
4.82E +056.06E +061.30E +01
1.84E +06
3.36E +041.34E +05外部链接网站数O W -8.47E +068.89E +07
3.51E +055.16E +06
4.00E +001.27E +04
4.56E +021.09E +03外部链接总数
O 1-1.87E +077.52E +07
1.14E +054.55E +06-7.39E +051.84E +06
2.55E +041.39E +05O 2-9.02E +011.00E +00
1.10E -01
5.63E +00
-7.80E +051.82E +06
2.24E +04
1.37E +05
进一步采用S P S S 中的S p e a r m a n 秩相关系数检验企业排名与企业网站链接指标间的相关性,结果如表4所示:
表4 样本A 、B 的S p e a r m a n 相关性分析结果
指标代码样本A (300个)样本B (300个)网站网页数S -0.231＊＊-0.304＊＊网域网页数
U -0.288＊＊
-0.415＊＊
链接总数L -0.367＊＊-0.510＊＊外部链接网站数O W -0.348＊＊-0.536＊＊外部链接总数O 1-0.303＊＊-0.432＊＊O 2-0.237＊＊-0.384＊＊链接效率
E 1-0.111-0.290＊＊E 2-0.034-0.226＊＊网络影响因子
W I F 1-0.111-0.290＊＊W I F 2-0.036-0.173＊＊W I F 3-0.111-0.290＊＊W I F 4
-0.055
-0.242＊＊
S p e a r m a n 系数值的范围在﹣1到﹢1之间,绝对值越大表明相关性越强;正值表示正相关,负值表示负相关;相关系数右上方“＊”表示显著性水平为5%,“＊＊”表示显著性水平为1%
[14]
。
从表4中可以看出:①样本A 、B 的相关系数皆为
负值,这说明,从总的趋势来看,企业排名越靠前,网站的影响力越大,链接指标的表现越优异。②样本B 的12项链接指标均与企业排名成显著性相关关系,样本A 则只有6项,同时样本B 的12项链接指标绝对值均大于样本A ,这说明银行业排名与链接指标的相关性明显高出其他行业,分析其原因,可能是银行业在电子商务方面的发展领先于其他行业;企业网站的链接指标与其行业电子商务发展水平紧密相关,基于链接分析的企业网站评价会受到不同行业的影响。
·福布斯前310家银行企业中日本和美国企业网站链接指标表现。
为进一步分析企业所处地区对网站链接指标的影响,本文专门选取了福布斯排行榜中的61家日本银行(样本C )和44家美国银行(样本D )。为使两个样本量相等,先对样本C 、D 进行异常个案分析,结果未能发现异常个案,随即采用S P S S 的选择个案功能从样本C 中随机抽取44个样本量,使样本C 、D 的样本量都为44。对样本C 、D 的描述统计分析结果如表5所示:
表5 样本C 、D 的S P S S 描述统计结果(部分)
排名和指标样本C (44个,日本银行)
样本D (44个,美国银行)
极小值极大值均值标准差极小值极大值均值标准差排名
7.10E+012.00E +031.52E +03
4.87E +02
3.00E +00
1.99E +031.08E +03
7.06E +02
网站网页数S 1.40E+021.18E +043.08E +032.94E +031.00E +003.07E +043.09E +035.41E +03网域网页数U 4.55E+021.56E +043.27E +033.40E +031.00E +004.19E +044.22E +037.47E +03链接总数
L
5.61E+02
9.95E +04
1.07E +04
2.24E +041.30E +01
2.51E +05
2.55E +044.41E +04外部链接网站数O W 1.10E+011.38E +03
2.02E +022.85E +024.00E +00
3.12E +03
4.58E +026.47E +02外部链接总数
O 1-7.15E +038.77E +04
7.66E +032.10E +04-1.71E +032.33E +052.25E +044.07E +04O 2-7.25E +038.66E +04
7.46E +03
2.09E +04
-1.72E +032.25E +05
2.13E +04
3.92E +04
在表5中样本C 的排名均值大于样本D 的排名均值,这归因于福布斯2000强中日本银行排名在平均水平上落后于美国银行。两个样本的4项基本链接指标S 、U 、L 、O W 的数量级基本相同,表明日本银行网站与美国银行网站的建设在同一个水平上,具有可比性。样本D 的O 1、O 2指标比样本C 大一个数量级,即样本D 的外部链接总数多于样本C ,说明在网站建设水平相同的情况下,美国银行网站比日本银行网站更为开
放,或者说美国银行的信息化水平高于日本银行。 样本C 、D 的S p e a r m a n 相关性分析结果见表6。 分析表6,笔者得到如下发现:
·样本D 的指标L 、O W 、O 1、O 2绝对值明显大于样本C ,说明美国银行网站的链接指标表现优于日本银行网站,这与美国银行的信息化水平高于日本银行的信息化水平是相符合的,这说明不同地区的企业网站发展水平有一定的差异。
88
>>
第54卷第16期 2010年8月 表6 样本C、D的S p e a r m a n相关性分析结果
指标代码样本C(44个)样本D(44个)
网站网页数S-0.293-0.490＊＊
网域网页数U-0.283-0.511＊＊
链接总数L-0.486＊＊-0.629＊＊
外部链接网站数O W-0.496＊＊-0.677＊＊
外部链接总数O1-0.320＊-0.624＊＊O2-0.307＊-0.637＊＊
链接效率E1-0.209-0.158 E2-0.217-0.236
网络影响因子W I F1-0.209-0.158 W I F2-0.0700.016 W I F3-0.209-0.158 W I F4-0.195-0.154
·样本C中只有L、O W、O1、O2等4项链接指标与企业排名显著性相关,而样本D则有6项。这与表4的结果差异较大,因为根据表4,银行业网站所有的链接指标都与排名显著相关。分析其原因:①可能由于统计样本量存在差距,样本B样本量远大于样本C、D,样本数量的不同导致结果存在差别;②银行的地区分布对银行业网站排名虽有影响,但影响不大,由于银行业整体信息化程度较高,地区排名相对靠后的银行网站建设水平有赶超排名靠前的银行的趋势,银行企业排名靠前,不代表其网站水平一定在最前面。样本D唯一的正值相关系数WI F2也证明了这一点。
·样本D显著相关系数O W 最大,银行网站外部链接网站数与企业排名相关性最紧密。O W > O2> L>O1,说明外部链接重要性高于纯链接(不分内外),纯链接重要性高于内部链接,这表明,对于企业网站影响力评价来说,外部链接是极其重要的指标。
·样本D显著相关系数的绝对值U> S,说明发达地区银行业网站网域网页数比网站网页数更为重要,也说明排名越前的银行其网站体系越完善,网站服务器功能越强,也就能提供更好的服务(例如网页响应速度),网上银行业务的竞争力也越强。
4 数据分析的结论与启示
·以上的数据统计与分析显示,企业网站的发展水平和链接指标与企业排名、所处行业与地区的影响都存在关联。网站的链接指标与企业排名基本呈显著相关关系,排名越前的企业网站发展水平也越高,相应的链接指标也相对较突出;网站链接指标与企业所处行业关系密切,行业的电子商务水平越高,相应的链接指标突出,福布斯排行榜中银行网站链接指标的表现说明了这一点;网站的链接指标受企业所在地区的影响,美国和日本银行业网站的对比表明,地区经济越发达,网站被链接也多。但随着全球企业信息化快速发展,企业所在地区对网站链接分析指标的影响正逐步减小。
·综合表4和表6结果,得到相关链接分析指标相关性排序,如表7所示:
表7 链接指标与企业排名相关性系数排序结果
样本链接指标与企业排名相关性系数排序
A L O W O1U O2S E1W I F1W I F3W I F4W I F2E2
B O W L O1U O2S E1W I F1W I F3W I F4E2W I F2
C O W L O1O2S U E2E1W I F1W I F3W I F4W I F2
D O W O2L O1U S E2E1W I F1W I F3W I F4W I F2
通过表7,笔者认为,对于企业网站影响力评价来说,不管对哪个样本,网站网页数(S)、网域网页数(U)、链接总数(L)、外部链接网站数(O W)、基于网站的外部链接(O1)、基于网域的外部链接(O2)与企业排名呈较显著相关关系,其中尤以外部链接网站数(O W)、链接总数(L)等6项链接指标比较有效,但通常评价网站所用网络影响因子指标有效性小。本文的研究对象是世界顶尖企业,由此推广到一般,基于链接分析的企业网站排名分析可以给上述6个指标以较高的权重,然后再进行评估;评价网站最为有效的链接指标是外部链接网站数和链接总数,而非外部链接总数。 ·链接分析指标的有效性分析可以为合理评价企业网站影响力提供依据,同时也为企业网站的建设提供借鉴信息,利于网站的改进与完善。以银行业为例,如果较小的银行企业网站提高自己的影响力,应该关注自己的外部链接网站指标,通过提高网站的开放程度提升该链接指标。
5 本文研究的局限性
本文链接分析的缺陷首先来源于链接分析的假设缺陷,假设所有链接同等重要,而实际上链接具有任意性,还可随时修改、删除。因此,完整的链接分析应该是对链接数量及质量的评估和分析,有学者提出了从用户行为来分析不同页面的权值[9]。此外,链接分析的数据来源于搜索引擎a l t a v i s t a和a l e x a,个别数据表现异常,对分析会产生一定影响[15],因此链接数据获取的有效性也值得进一步研究。
参考文献:
[1]杨明智,庄玉良.电子商务网站评价理论与方法综述.商场现代
化,2006(2):140-141.
(下转第129页)
89
>>第54卷第16期 2010年8月
[19]C o h e nJ D.H i g h l i g h t s:L a n g u a g e-a n dd o m a i ni n d e p e n d e n t a u t o-
m a t i c l n d e x i n g t e r m s f o r a b s t r a c t i n g.J o u r n a l o f A m e r i c a nA s s o c i a-t i o nf o r I n f o r m a t i o nS c i e n c e,1995,46(3):162-174.
[20]D u n n i n gT.A c c u r a t em e t h o df o r t h e s t a t i s t i c s o f s u r p r i s e a n dc o i n-
c i
d
e n c e.C o m p u t a t i o n a l L i n g u i s t i c s,1993,19(1):61-74.
[21]P a n t e l P,L i nD.A s t a t i s t i c a l c o r p u s-b a s e dt e r m e x t r a c t o r//P r o-
c e e
d i n g s o f t h e14t hb i
e n n i a l c o n
f e r e n c e o f t h ec a n a d i a ns o c i e t y o n
c o m p u t a t i o n a l s t u
d i
e s o
f i n t e l l i
g e n c e:A d v a n c e s i na r t i f i c i a l i n t e l l i-
g e n c e.O t t a w a,2001:36-46.
[22]贺敏,龚才春,张华平,等.一种基于大规模语料的新词识别方
法.计算机工程与应用,2007,43(21):157-159.
[23]张锋,许云,侯艳,等.基于互信息的中文术语抽取系统.计算
机应用研究,2005(5):72-73,77.
[24]N a k a g a wH,M o r i T.As i m p l e b u t p o w e r f u l a u t o m a t i c t e r me x t r a c-
t i o nm e t h o d//P r o c e e d i n g s o f t h e s e c o n di n t e r n a t i o n a l w o r k s h o po n
c o m p u t a t i o n a l t e r m i n o l o g y.A s s o c i a t i o nf o r C o m p u t a t i o n a l L i n g u i s-
t i c s,M o r r i s t o w n,2002:1-7.
[25]温春,王晓斌,石昭祥.中文领域本体学习中术语的自动抽
取.计算机应用研究,2009,26(7):2652-2655.
[26]王煜.基于决策树和K最近邻算法的文本分类研究[学位论
文].天津大学,2006.
[27]F u m i t a k eT,S h i g e oA.D e c i s i o n-T r e e-B a s e dm u l t i c l a s ss u p p o r t
v e c t o r m a c h i n e s//P r o c e e d i n g s o f t h e9t hi n t e r n a t i o n a lc o n f e r e n c e o nn e u r a l i n f o r m a t i o np r o c e s s i n g.S i n g a p o r e,2002:1418-1422.
[28]Z h a nY i q i a n g,S h e nD i n g g a n g.D e s i g ne f f i c i e n t s u p p o r t v e c t o r m a-
c h i n e f o r f a s t c l a s s i f i c a t i o n.P a t t e r nR e c o g n i t i o n,2005,38(1):
157-161.
[29]L a f f e r t yJD,M c C a l l u m A,P e r e i r aFC N.C o n d i t i o n a l r a n d o m
f i e l d s:P r o b a b i l i s t i cm o d e l sf o rs e
g m e n t i n ga n dl a b e l i n gs e q u e n c e
d a t a//P r o c
e e d i n g s o
f t h e e i
g
h t e e n t h
i n t e r n a t i o n a l c o n f e r e n c e o nm a-
c h i n e l e a r n i n g.Wi l l i a m s t o w n,2001:282-289.
[30]S h a F,P e r e i r a F.S h a l l o wp a r s i n g w i t hc o n d i t i o n a l r a n d o mf i e l d s//
P r o c e e d i n g s o f t h e2003c o n f e r e n c e o f t h e n o r t ha m e r i c a nc h a p t e r o f t h ea s s o c i a t i o n f o rc o m p u t a t i o n a ll i n g u i s t i c so nh u m a nl a n g u a g e t e c h n o l o g y.E d m o n t o n,2003:134-141.
[31]张志刚.领域本体构建方法的研究与应用[学位论文].大连:
大连海事大学,2008.
[32]韦小丽,孙涌,张书奎,等.基于最大熵模型的本体概念获取方
法.计算机工程,2009,35(24):114-116,120.
[33]陈珂.构造领域本体概念关系的自动抽取[学位论文].上海:
上海交通大学,2008.
[34]刘桃,刘秉权,徐志明,等.领域术语自动抽取及其在文本分
类中的应用.电子学报,2007,35(2):328-332.
[35]孙麟,牛军钰.基于领域相关词汇提取的特征选择方法.小型
微型计算机系统,2007,28(5):895-899.
[36]王晓黎,王文杰.基于向量空间模型的文本检索系统.微电子
学与计算机,2006,23(6):188-190.
[37]高珊,何婷婷,胡文敏,等.一种基于锚文本的并行检索策略.
计算机工程,2008,34(19):30-31,34.
〔作者简介〕季培培,女,1986年生,硕士研究生;鄢小燕,女,1966年生,研究员,硕士生导师,发表论文20余篇;岑咏华,男,1979年生,讲师,博士,发表论文多篇。
(上接第89页)
[2]田红梅,李强.基于链接分析的学术性核心网站评价.情报科
学,2004,22(9):1078.
[3]I n g w e r s e nP.T h ec a l c u l a t i o no f We bi m p a c t f a c t o r s.J o u r n a l o f
D o c u m e n t a t i o n,1998,54(2):236-243.
[4]杨涛.网络信息计量学实证研究:对国内20个大学网站的分
析.图书情报工作,2003(9):61-66.
[5]T a n g R,T h e l w a l l M.E x p l o r i n gt h e p a t t e r no f l i n k s b e t w e e nC h i-
n e s e u n i v e r s i t yW e b s i t e s.P r o c e e d i n g s o f t h e65t h A n n u a l M e e t i n g o f t h eA m e r i c a nS o c i e t yf o r I n f o r m a t i o nS c i e n c ea n dT e c h n o l o g y,
2002(39):417-424.
[6]谢奇,张晗.中国大学网站的网络计量学研究.现代图书情报技
术,2005(7):74-77.
[7]袁毅.链接分析用于学术网站评价存在的问题及解决办法.情
报学报,2005(5):585-593.
[8]陈太洋,任全娥.中外企业网站的链接分析与网络影响力评价.
情报理论与实践,2008(4):614-619.
[9]沙勇忠,牛春华.中国信息化优秀企业网站链接分析与网络影
响因子测度.兰州大学学报(社会科学版):2004(5):99-107.
[10]刘雁书,方平.We b网站站外链接类型与特征调查———链接分
析法可行性研究.大学图书馆学报,2001(5):65-68.
[11]刘雁书,方平.利用链接关系评价网络信息的可行性研究.情报
学报,2002(4):401-406.
[12]邱均平,李江.链接分析与引文分析的比较.中国图书馆学报,
2008(1):60-64.
[13]F o r b e s.T h eg l o b a l2000.[2009-03-20].h t t p://w w w.f o r b e s.
c o m/l i s t s/2008/18/g l o b a l-08 T h e-G l o b a l-2000 R a n k.h t m l.
[14]林震岩.多变量分析———S P S S的操作与应用.北京:北京大学
出版社,2007.
[15]王建冬,孙慧明.基于网站链接分析的“211工程”高校排名实
证研究.现代图书情报技术,2008(9):64-69.
〔作者简介〕张 琳,女,1970年生,讲师,发表论文数篇。
徐莉莉,女,1986年生,硕士研究生,发表论文1篇。
129