从网的中心势来看，数值在0到1之间，环形网络的中心势为0，星形网络的中心势为1[18]。4个门户的网的出度中心势普遍较小，比较接近0，表明网络的出链呈现出环形结构，化学学科信息门户尤其明显；图的入度中心势则表现不一，图书情报学科信息门户几乎为1，这意味着网络的入链近乎星状结构，网络结构脆弱，一旦去除入度大的节点如首页，那么多数链接都将失效；同时也说明除了中心节点外其他节点之间的横向联系非常薄弱，可以看出节点最远距离(20)与特征路径长度(5.89465)相比差异较大，而且这两个数值也比其他门户的相应数值大。
总之，学科信息门户通过将链接建立在对主题的属、分、参等多重关系描述和对分类全面标引的基础上，实现资源节点的横向联系，展现出基本的小世界特性。但分类法和主题法拘泥于传统等级列举式体系结构，体现的主要是一种显化的联系，也导致出现链接深度不足、链接关系不够紧密、节点对链接可达性低、节点的多重链接不充分等问题。
4、学科信息门户链接设计的优化策略
小世界现象为学科信息的链接建设提供了启示：其一，小世界就是一个关联之网，因此要充分发掘知识节点的关联，在知识概念层次增加链接数最；其二，个体用户仅追求知识的小范围扩展，进行信息推送和检索服务时就需要控制链接规模，寻找链接集合边界；
其三，小世界现象说明总体的重大变化可能来自局部微小的网络变动(捷径)，因此要考虑对学科信息的内部关联进行深入挖掘以发现和利用捷径；其四，中心节点的作用值得重视，要探索发现的方式。综合考虑这些启示以及学科信息门户的现存问题，笔者提出以下优化策略。
4.1采用知识链接技术发展多重链接目前学科信息门户的链接对象主要是网站，而对网页内容以及网站内的单项服务很少建立链接，这就导致链接的深度、数量有限，配置也主要拘泥于本地信息。知识链接技术的应用可以实施在三方面，一是对知识体的本质属性和附加属性、横向和纵向关联、同质网络和异质网络进行多维识别，设定知识之间的多重关联，在知识交汇节点处建立多个链接点，增加学科门户的交叉链接数量[19]；二是增加知识链接对象的颗粒度和表现形式，深入到被链接网站的网页及服务模块层面进行重点索引，在被链接网站的资源描述页面中增加热词标引，使知识链接更为自由和开放；三是基于开放链接标准OpenURL提供用户可以获得的扩展链接服务，即信息门户不仅列举和描述每一种资源，而且分析用户可以访问的资源体，如介绍某一学科数据库时自动分析用户网络环境中能否访问该数据库，可以的话就直接提供链接。
4.2基于凝聚子群分析确定链接集合边界凝聚子群在学科信息门户中就表现为由链接关系密切的知识节点构成的小群体，我们可以通过建立凝聚子群来确立链接的集合边界，控制用户使用时的链接延展范围。有两种凝聚子群的建立方法可供参考，一是建立在子群成员之间的可达性基础上的凝聚子群n-派系，它考虑的是点与点之间的距离，可以设定一个临界值n作为节点链接距离的最大值，
n越大，对派系成员限制的标准就越松散。二是建立在点度数基础上的凝聚子群k-核，它指的是一个网络中所有节点的一个子集，该子集中的每个节点至少与k个节点相连[20]。k值不同，得到的k核也不同，运用k-核试探法将可以发现有意义的凝聚子群。建立任一类型的凝聚子群都需要设定数值，数值的合理设置需要全面考虑知识节点的关系。在传统信息组织方法基础上运用本体论，从语义层次对领域内的概念和概念关系进行细致深入、明确规范的表达，形成稳定的知识节点集合。引入web2.0和自动标引技术增添动态知识节点，经过多次检验后可纳入已有的节点集合中，形成可持续增长的语义网络，在对其结构分析的基础上设置凝聚子群的数值，就能迅速提取出有价值的链接集合。
4.3基于数据挖掘和知识地图技术寻找捷径捷径在相距较远的节点之间发挥了重要的沟通作用，但如何发现捷径却比较困难，因此有必要探讨如何在公开的信息中发现信息之间的深度联系。数据挖掘通过对大量的模糊的信息数据进行关联分析，能够提取出隐含的但又潜在有用的知识关联模式，对于寻找捷径是一种非常适用的技术方法。数据挖掘的关联分析涉及多种算法和规则，其中，隐性关联知识发现规则的适用性更强。它通过共词分析法寻找频繁在一起出现的两个或多个主题词/副主题词组合，不仅可以复现学科知识中被主观弱化的知识联系，而且可以发现不同学科领域间尚未被发现的关联[21-22]。对于前者我们可以增加对应链接，后者就可以被作为捷径用于改善网络链接。知识地图是组织中相关知识及其关系的图示，通过抽象化的编码语言来展开知识脉络，可以将毗邻的知识单元联系起来进行知识关系的双向描述。运用知识地图既能表达显性的知识联系，也能推理出潜在的知识联系，对于探索学科信息门户的捷径同样可以发挥作用。
4.4运用信息计量和社会网络分析方法识别中心节点信息计量学中的布拉德福定律、洛特卡定律和齐普夫定律分别从文献分布、著者分布和词汇分布三个角度指出少数文献、著者和词汇构成了学科领域的核心，它们在学科信息网络中容易形成为中心节点。这三大原理推导中采取的方法都可以用来识别中心节点，更方便的方式是词频统计分析法和引文分析法。对具有实指意义的词汇进行切分和词频统计，拥有高词频密度和向心力的词汇可作为中心节点予以关注；运用引文分析法可以揭示学科领域内的核心信息源、著者和机构，也可以看作是中心节点运用到链接设计中。但要注意的是，这两种方法在进行计算时，将所有节点视为均等，不考虑关联节点的性质和重要程度，有可能带来误判，实际操作时可以考虑为链接赋予不同的权重，通过迭代计算，最终发掘中心节点。
社会网络分析方法用“点的中心度”作为评估节点在网络中的中心程度的指标，有三种中心度：节点的“中心入度”是指该节点的入链数量，节点的“中心出度”是指节点的出链数量，节点的“中心均衡度”是指节点的入链与出链总数。通过对这三种中心度进行计算和排序就可以寻找出中心节点[23]，同时还可以绘制网络可视化图直接找出这些关键节点。在识别的基础上，可对中心节点的科学性进行考察和调整，从而改善学科信息门户的链接质量。
5、结束语
小世界现象较好地描述了学科信息门户的链接特性，也为优化门户的链接设计提供了启示。运用社会网络分析工具，文中对CSDL的学科信息门户的链接情况进行了数据分析，证实了小世界现象的存在，也发现一些问题。这些问题表现为链接关联和分派的不足，实质则反映出传统信息组织方法的不足。结合信息组织和小世界特性优化链接设计是可行的，本文对此提出了一些策略性的指导，但更有意义的还是深入探讨不同学科以及同一学科链接网络的小世界现象差异，提出更具操作性的实施方式以及实践案例，这都将是今后继续探索的方向。
【参考文献】
[1][美]瓦茨著；陈禹等，译.小小世界：有序与无序之间的网络动力学[M].北京：中国人民大学出版社，2005：19
[2]朱亚丽.“六度分离”假说的信息学意义[J].图书情报工作，2005(6)：59-61，32
[3]刘植惠.大世界悖理与小世界现象——情报交流研究新进展[J].重庆图情研究，2006(1)：1-3，28
[4]Watts Duncan J，Strogatz Steven H. Collective Dynamics of \，1998，393：440-442