了解研究中採納或開發技術理論的相關發展境況，是學術研究的必經過程。如何更 有效率地從大量資料中整理出脈絡，這樣的研究議題便應運而生。各個發展中的技術理 論，皆有可能在將來成為其他人的研究基礎之一，或被改良，或被應用於某項環節，然 後這些新的成果，同樣也可能被他人用於研究，整個歷程便宛若一幅樹狀圖不停分支、
衍伸下去。尤其現今科技日新月異，學術文件正快速地增加著。因此，當我們需要某項 技術而對之進行探討的過程中，往往需要閱讀大量文獻來獲取關於該技術更進一步的資 訊，甚至必頇接觸與我們的議題領域大相逕庭的區塊，而耗費許多無謂的心力與時間。
如果想了解一篇文獻內容的後續發展，從引用它的文件中去發掘是相當好的選擇，
因為引用行為正代表研究上的關聯性甚至承繼性。現今網路上有許多如 Google Scholar 和 CiteSeer[1]般的學術搜尋引擎，可以透過關鍵字搜索網上的論文資源，若檢索結果的 文獻有被引用，還能查出是哪些文件所引用。然而在這資訊爆炸的數位環境，學術搜尋 引擎提供的結果資訊量仍時常太過龐大。為了更有效率地得知某項技術的後續發展境 況，若能讓電腦幫助我們將搜尋得到的資訊再進行一次篩選，僅留下具有高度關聯性的 文件，尤其是以該項理論或技術為主要發展基礎的研究著作，將可以幫助研究者們在文 獻探討這一步上，最大可能地免去人工負擔，更有效率且輕鬆地掌握所求技術的發展脈 絡，事半功倍。而這同時也是為了確保能使用最先進的技術以提升效能、找到最適合使 用者研究的方法，或避免重複的研究。這類目標在文件分類(document classification)或趨 勢分析(trend analysis)等等議題中也有部分相關的研究。
在本篇研究中，我們將最初想進行後續探討的理論或技術論文，稱為“根文獻”；而 自網路上蒐集、引用這一份根文獻的文件，稱之為“子文件”。我們希望能從子文件集合 中，尋找關於該篇根文獻後續發展的線索。學術著作者會因為各種理由而引用一篇文獻，
同一份被引用文獻對於不同的引用文件(citing document)貢獻也不盡相同。Moravcsik 等 人在[2]的研究中，從 Physical Review 隨機抽取三十篇文章作樣本，對裡面所有參考文獻 的引用方式進行分析：是觀念層面(conceptual)或操作性層面(operational)的引用，是必頇
的(organic)或應付了事的(perfunctory)引用，是為引用文件的論點所認可(confirmative)或 FCM-based methods and hard methods. Figs. 8 and 9 illustrate this idea. Fig. 8 shows the estimates of the prototype parameters for a noisy line when the FCV and PCV algorithms are used. The estimates of the FGK are severely affected by noise. ……(節錄自A possibilistic approach to clustering; 1993)
由於我們在實驗中著重“技術發展”這部份，若能將文件中的頭字語取出並分析其組成，
不失為一種能達成我們實驗目的之方法，比如下例：
This paper focusses on a new clustering method called evidence accumulation clustering with dual rooted prim treecuts (EAC-DC), based on the principle of cluster ensemble also known as “combining multiple clustering methods”. ……(節錄自 Combining multiple partitions created with a graph-based construction for data clustering; 2009)
假設實驗所要探討的是 Evidence Accumulation Clustering(EAC)這項技術，在取得例子中
的頭字語 EAC-DC 後，發現該頭字語包含“EAC”這三個字，我們便可推測包含該頭字 語的文件或許是我們所想要的結果之一。另外，研究者在摘要或其他方第一次對研究目 標進行介紹時，若成果是能以一具體名稱喚之，多會如同上例中順勢定義出頭字語。但 因為文章中其他輔助的技術或理論也是相同情況，所以如何在這麼多頭字語中找出前 者，便是我們研究中的另一項工作。在後面的章節我們將實驗並驗證這個想法的可行性。