1980年，汉堡大学的Kaminsky发现二氯二茂锆和甲基铝氧烷（MAO）组成的催化剂体系在催化乙烯聚合时，表现出超高的活性，并由此掀起茂金属催化剂的研究热潮。1991年，美国埃克森美孚公司采用茂金属催化剂技术和高压离子聚合工艺，生产商品名为Exact的茂金属线型低密度聚乙烯，实现茂金属催化剂的工业化。近几十年来，关于茂金属催化剂新结构的合成、助催化剂的开发、树脂性能研究的文献层出不穷。
进入20世纪，科学知识呈爆炸式增长,如何在海量文献中理清学科脉络、研究热点、研究前沿以及研究趋势成为科学工作者面前的一道难题。科学计量学是信息学的一门分支，它通过对文献的定量分析来找出学科的知识结构和研究趋势。近年来,科学知识图谱作为科学计量学的新方法和新领域得到长足发展。科学知识图谱是以知识域作为研究对象,，以图谱形式显示科学知识的发展进程与结构关系。
Chen等开发的知识图谱软件CiteSpace因强大的共被引分析在各类可视化软件中异军突起,成为最为流行的知识图谱绘制工具之一。CiteSpace是以托马斯·库恩的科学发展模式理论、普赖斯的科学前沿理论、科学传播的最佳信息觅食理论等为理论基础，通过合作图谱、共现图谱和共被引图谱来揭示研究领域的前沿、热点以及学科演化。
李杰等以CNKI中的核心期刊文献为数据源，运用CiteSpace对我国建筑火灾研究现状进行可视化分析。采用知识图谱软件分析茂金属的研究进展，有助于了解学科发展脉络，掌握学科前沿。
本工作以发表在WebofScience中的茂金属催化剂及其用于烯烃聚合的论文为数据样本，对茂金属催化剂的研究历史及现状进行可视化分析，讨论了该研究的热点和研究趋势。
01
数据与方法
02
茂金属催化剂的研究成果
Fig.1Compositionandtimedistributionofpapers.
2.2国家、机构及个人发表论文情况
论文的空间分布可以表征该领域在全球的研究力量分布，有利于学者开展研究合作。利用CiteSpace绘制国家合作网络,结果见图2，节点的大小代表发文数量的多少。
从图2可看出，美国、德国、中国所占比例较大，发表论文的数量分别为755,723,662篇，这三个国家总发文数占发文总数的45%，是茂金属领域研究的中坚力量。美国最先实现茂金属的产业化，在科学研究和工业应用领域占据领先位置。
图2国家合作网络
Fig.2Nationalcooperationnetwork.
利用CiteSpace对机构合作进行分析，生成机构合作网络，结果见图3和表1。从表1和图3可看出，本网络中，节点数N=673，节点之间的连线数E=814，网络中节点的大小与机构的发文数量成比例，发表论文数量最多的机构在图中标出,中国科学院以223篇的论文数量居首位,其次为俄罗斯科学院（154篇）、浙江大学（126篇）。
中介中心性用来衡量节点在网络中位置的重要性，指的是某一结点作为其他两个结点的最短路上的桥梁的次数。节点的中心性越高，则它在网络中的位置作用越强。在机构合作网络中，中国科学院具有最高的中心性为0.11，体现了中国科学院在茂金属研究领域具有较大的影响力。
图3机构合作网络
Fig.3Institutionalcooperationnetwork.
表1机构发表论文频次与中介中心性
Table1Frequencyandcentralityofpublicationsbyinstitutions
利用CiteSpace生成学者合作网络，结果见图4和表2。在学者合作网络中，节点的大小代表作者发表论文的数量。
从图4和表2可看出,ErkerG以77篇在茂金属研究领域排名第一，其次为KaminskyW，AltHG，FrohlichR，SoaresJBP，WaymouthRM，ChienJCW，SogaK，BrintzingerHH，dosSantosJHZ。
ErkerG的研究方向为有机金属化学和催化方面的研究,包括烯烃聚合、金属诱导碳碳偶联、有机金属化合物的新型结构类型的设计。
KaminskyW教授研究发现“茂金属+MAO”体系在催化烯烃聚合时具有极高的催化活性，所得聚烯烃具有特殊结构，促进了茂金属聚烯烃的工业化。
AltHG教授在开发用于烯烃聚合的新催化剂领域做了大量工作。在学者合作网络中，规模最大的子网络代表作者为WaymouthRM和BrintzingerHH。
WaymouthRM的研究领域是手性茂金属催化剂的催化，在利用手性茂金属制备新结构聚丙烯领域有重大贡献。BrintzingerHH教授在茂金属催化剂和ZN催化剂结构研究领域取得卓越成果。
图4学者合作网络
Fig.4Scholarscooperationnetwork.
表2茂金属研究的作者分布
Table2Authordistributionofmetalloceneresearch
2.3文献共被引分析
Q值是网络模块化的评价指标，Q值在0~1之间，Q值越大说明网络的聚类越好，当Q>0.3时说明网络的模块结构是明显的；S值用于评价聚类效果,取值范围在0~1之间，越靠近1，说明网络的同质性越高,当S>0.7时，聚类具有高可信度。在文献共被引网络中,Q值和S值分别在0.8和0.9以上,说明网络聚类效果明显。
图5茂金属研究的文献共被引网络（a）和聚类（b）
Fig.5Co-citationsnetwork(a)andclusters(b)ofmetalloceneresearchpublications.
在文献共被引网络中，节点的大小代表论文的被引次数，节点上紫色的圆环代表中介中心性,紫色圆环越大，文献的中介中心性越高，在网络中的地位就越重要。节点与节点之间的连线代表论文具有共被引关系。图5a为原始的共被引网络，显示出网络中的高被引文献的分布位置，具体数据见表3。
1999年BritovsekGJP在AngewChem,IntEd上发表论文，总结了可用于烯烃聚合的不同主族的催化剂结构。随后GibsonVC对用于烯烃聚合的各类非茂金属催化剂的结构进行了总结。图5b为文献共被引网络的聚类结果，并用LLR算法命名各个聚类。
表3高被引文献分布
Table3Distributionofhighlycitedliterature
Fig.6Timelineofco-citationsnetworkandclustersofmetalloceneresearchpublications.
由图7可看出，1993—2003年是茂金属研究的热点，表论文数量最多，1991年埃克森美孚公司实现茂金属的工业化生产后，再度掀起茂金属的研究热潮。
图7茂金属研究的文献共被引时区
Fig.7Timezoneofco-citationsnetworkandclustersofmetalloceneresearchpublications.
2.4突变性分析
CiteSpace的突变性分析可以探测学科发展领域中的重要文献。2002年,Kleinberg提出探测频率突增的算法。如果一篇论文的被引用次数突然急速增长,最好的解释就是这篇文献切中了这个研究领域的要害部位。在文献网络中,这样的文献往往具有潜力。对茂金属研究领域进行突发性检测，结果见图8。
图8茂金属研究文献的引用突变性
Fig.8Burstdetectionofmetalloceneresearchpublications.
03
结语
2.茂金属催化剂用于烯烃聚合研究的国家、机构及个人合作表明，美国、德国和中国具有较高产出；中国科学院，俄罗斯科学院和浙江大学具有较多的发表论文数量；ErkerG,KaminskyW,AltHG三位学者分别在茂金属催化剂结构、“茂金属+MAO”体系以及新型催化剂领域有较大贡献。