任利強(qiáng),郭 強(qiáng),王海鵬,張立民

(海軍航空大學(xué) 信息融合技術(shù)研究所,煙臺 264001)

1 引言

近年來,從人機(jī)圍棋大戰(zhàn)到無人駕駛汽車,從智能游戲、智能檢索到智能機(jī)器人,從語音識別、圖像識別到機(jī)器翻譯和自然語言理解等.人工智能技術(shù)對社會各領(lǐng)域產(chǎn)生了廣泛而深遠(yuǎn)的影響,IBM、谷歌、Face book、微軟、Amazon、百度、阿里巴巴等各國高科技企業(yè)普遍將人工智能視為下一代產(chǎn)業(yè)革命和互聯(lián)網(wǎng)革命的技術(shù)引爆點,并且投入大量資金以加快其產(chǎn)業(yè)化進(jìn)程[1].人工智能相關(guān)產(chǎn)業(yè)與技術(shù)也受到了各國政府的高度關(guān)注與積極投入.美國白宮科技政策辦公室2016年10月發(fā)布了題為《為人工智能的未來做好準(zhǔn)備》和《國家人工智能研究與發(fā)展戰(zhàn)略規(guī)劃》[2]的重要報告,前者概述了人工智能的發(fā)展現(xiàn)狀以及應(yīng)用領(lǐng)域,后者則提出了美國應(yīng)該將人工智能提升到優(yōu)先發(fā)展的戰(zhàn)略方向;英國政府2016年12月發(fā)布了題為《人工智能：未來決策的機(jī)遇與影響》[3]的報告,以關(guān)注人工智能對社會創(chuàng)新與生產(chǎn)力的促進(jìn)作用,論述如何將英國人工智能的獨特優(yōu)勢轉(zhuǎn)化為增強(qiáng)英國國力的優(yōu)勢;2017年3月我國首次將人工智能寫進(jìn)2017年《政府工作報告》[4]中,2017年8月國務(wù)院下發(fā)的《新一代人工智能發(fā)展規(guī)劃》通知中甚至宣布舉全國之力搶占人工智能全球制高點.這些足以表明人工智能已經(jīng)被多國提升到國家戰(zhàn)略層面.

基于人工智能技術(shù)被各國廣泛應(yīng)用,成為近年來輿論焦點和炙手可熱的科技熱搜詞.為此,本文對有關(guān)人工智能2007-2016年的文獻(xiàn)梳理、分析和比較,全面了解和追蹤近年來人工智能研究過程中方法與技術(shù)的更新.以美國核心期刊數(shù)據(jù)庫Web of Science收錄的與人工智能相關(guān)的6879篇期刊論文為依托,利用CiteSpace軟件對人工智能領(lǐng)域合作國家、研究機(jī)構(gòu)、引用文獻(xiàn)、關(guān)鍵詞和突現(xiàn)詞五個方面進(jìn)行可視化分析,全面了解人工智能領(lǐng)域的研究進(jìn)展.文獻(xiàn)大數(shù)據(jù)可視化分析結(jié)果可以為人工智能的深入研究、實踐探索和產(chǎn)業(yè)推進(jìn)提供重要參考.

2 CiteSpace及大數(shù)據(jù)可視化

2.1 大數(shù)據(jù)可視化

人類的創(chuàng)造性不僅取決于邏輯思維,還與形象思維密切相關(guān).利用形象思維獲取視覺符號中所蘊含的信息有助于人類發(fā)現(xiàn)和洞察規(guī)律,進(jìn)而獲得科學(xué)發(fā)現(xiàn).期間,可視化技術(shù)對重大科學(xué)發(fā)現(xiàn)起到了重要作用[5].數(shù)據(jù)可視化于二十世紀(jì)五十年代出現(xiàn),指運用計算機(jī)圖形學(xué)和圖像處理技術(shù),以圖表、地圖、標(biāo)簽云、動畫或任何使內(nèi)容更容易理解的圖形方式來呈現(xiàn)數(shù)據(jù)[6],使數(shù)據(jù)所表達(dá)的內(nèi)容更容易被理解.

隨著大數(shù)據(jù)時代的到來,人類社會產(chǎn)生的數(shù)據(jù)呈爆炸式增長,數(shù)據(jù)的規(guī)模越來越大[7].這些冰冷枯燥的海量數(shù)據(jù)使人望而生畏.在這種背景下大數(shù)據(jù)可視化技術(shù)作為一種可以有效地簡化與提煉數(shù)據(jù)流,將海量復(fù)雜的數(shù)據(jù)直觀可視化呈現(xiàn)的工具逐步發(fā)展起來.知識圖譜便是其中之一,它是以科學(xué)知識為研究對象,描述科學(xué)知識的發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一種圖形[8].科學(xué)知識圖譜涉及數(shù)理統(tǒng)計學(xué)、計算機(jī)科學(xué)、社會學(xué)、信息科學(xué)、圖像學(xué)等多學(xué)科的理論,并且與科學(xué)計量學(xué)的共詞分析、共引分析等方法結(jié)合,通過對科學(xué)知識的挖掘和處理,繪制一系列可視化的圖形,將學(xué)科知識發(fā)展進(jìn)程和結(jié)構(gòu)關(guān)系直觀形象地展示出來[9].這種將數(shù)據(jù)通過可視化技術(shù)變成直觀圖形的方法不僅讓冰冷枯燥的數(shù)據(jù)變得親切和易于理解,更是激發(fā)了人的形象思維與想象力,從而為科學(xué)新發(fā)現(xiàn)創(chuàng)造新的手段和條件[10].

2.2 CiteSpace

在科學(xué)探索中,學(xué)者最關(guān)注的莫過于從自己所研究領(lǐng)域海量文獻(xiàn)中發(fā)現(xiàn)自己最感興趣的主題和科學(xué)文獻(xiàn),對自己研究領(lǐng)域發(fā)展歷程有清晰的認(rèn)識,以及發(fā)現(xiàn)該領(lǐng)域最為活躍的研究熱點、前沿和未來發(fā)展趨勢.由美國費城德雷克塞爾大學(xué)教授陳超美開發(fā)的CiteSpace軟件對上述一系列問題提供了解決方法.CiteSpace是一種基于引文分析理論的科技文本挖掘及可視化分析軟件[11].該軟件可以用來繪制科學(xué)領(lǐng)域發(fā)展的知識圖譜,直觀地展現(xiàn)科學(xué)知識領(lǐng)域的信息全景、宏觀結(jié)構(gòu)以及一個學(xué)科或知識領(lǐng)域在一定時期發(fā)展的趨勢與動向,探測并發(fā)現(xiàn)若干研究前沿領(lǐng)域的演進(jìn)歷程及其重要的奠基性理論文獻(xiàn)[12].同時,CiteSpace所獨特具有的時區(qū)視圖和突變詞檢測功能可以發(fā)現(xiàn)科學(xué)領(lǐng)域研究的熱點及前沿.陳超美教授在2004年發(fā)表的《Searching for intellectual turning points：Progressive knowledge domain visualization》[13]文章中首次介紹了CiteSpace軟件.2005年陳悅、劉則淵發(fā)表的《悄然興起的科學(xué)知識圖譜》[14]文章在國內(nèi)首次應(yīng)用了CiteSpace可視化軟件.2008年CiteSpace實現(xiàn)了對中文數(shù)據(jù)的可視化分析,加速了該軟件在國內(nèi)應(yīng)用的傳播進(jìn)程.2016年李杰、陳超美出版的《CiteSpace：科技文本挖掘及可視化》專著對CiteSpace的設(shè)計理念與操作流程做了詳細(xì)的介紹,標(biāo)志CiteSpace已從初級應(yīng)用到高級應(yīng)用.如今CiteSpace軟件已進(jìn)入“5.1”版本,其功能已日漸完善.

利用CiteSpace構(gòu)建知識圖譜步驟如圖1所示.CiteSpace在國內(nèi)文獻(xiàn)中的應(yīng)用主要表現(xiàn)在三個方面：一是作為科學(xué)知識圖譜的引證資料;二是作為其他可視化軟件的比較對象;三是作為科技文獻(xiàn)可視化分析的工具.本文應(yīng)用CiteSpace軟件的第三種形式,通過該軟件對國際人工智能領(lǐng)域的科技文獻(xiàn)大數(shù)據(jù)進(jìn)行分析,從而得到分時動態(tài)的可視化圖譜.對圖譜的進(jìn)一步分析以識別并發(fā)現(xiàn)該領(lǐng)域科學(xué)發(fā)展的現(xiàn)狀、研究熱點、研究前沿及發(fā)展趨勢[15].

圖1 CiteSpace操作流程圖

3 基于CiteSpace的人工智能文獻(xiàn)大數(shù)據(jù)可視化分析框架

基于CiteSpace的人工智能文獻(xiàn)大數(shù)據(jù)可視化分析框架如圖2所示.首先,在了解人工智能文獻(xiàn)大數(shù)據(jù)可視化分析需求的基礎(chǔ)上,提出了掌握人工智能研究領(lǐng)域的發(fā)展現(xiàn)狀、重要文獻(xiàn)并探究該領(lǐng)域的研究熱點和前沿的研究目標(biāo);其次,根據(jù)研究目標(biāo)選擇大數(shù)據(jù)可視化工具CiteSpace作為合適的研究工具對數(shù)據(jù)進(jìn)行分析處理;再次,根據(jù)研究目標(biāo)選取Web of Science數(shù)據(jù)庫中與人工智能有關(guān)的文獻(xiàn)數(shù)據(jù)作為研究內(nèi)容;接著,通過建立時間分布圖譜、國家合作圖譜、機(jī)構(gòu)合作圖譜以及地理可視化網(wǎng)絡(luò)實現(xiàn)時空知識圖譜分析,通過建立文獻(xiàn)共被引圖譜、關(guān)鍵詞聚類圖譜和突現(xiàn)詞檢測圖譜實現(xiàn)內(nèi)容知識圖譜分析,從時空知識圖譜和內(nèi)容知識圖譜分析兩方面對人工智能研究現(xiàn)狀、熱點以及前沿進(jìn)行分析;最后,根據(jù)圖譜分析的結(jié)果給出結(jié)論.

圖2 基于CiteSpace的人工智能文獻(xiàn)大數(shù)據(jù)可視化分析框架框圖

4 人工智能文獻(xiàn)大數(shù)據(jù)可視化數(shù)據(jù)來源及數(shù)據(jù)預(yù)處理

科技文本數(shù)據(jù)的采集是CiteSpace可視化分析的基礎(chǔ).對于科技文本數(shù)據(jù)而言,索引型數(shù)據(jù)庫收錄了除正文外所有文獻(xiàn)的信息.美國Web of Science數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)較為完整,包括文獻(xiàn)類型、作者、期刊、關(guān)鍵詞、摘要、機(jī)構(gòu)和參考文獻(xiàn).基于CiteSpace分析的數(shù)據(jù)便是以Web of Science下載的數(shù)據(jù)格式為基礎(chǔ).

4.1 數(shù)據(jù)采集

研究數(shù)據(jù)來源于美國Web of Science中的Web of Science TM核心數(shù)據(jù)庫,檢索方式為主題=“artificial intelligence” or “Artificial Intelligence”,時間跨度=2007-2016,文獻(xiàn)類型=ARTICLE,索引=SCIEXPANDED,檢索時間為2017年8月3日,查詢到的7000篇文獻(xiàn)數(shù)據(jù)庫界面如圖3所示.剔除“書評”、“會議摘要”、“書信”以及其他“新聞報道”,最后得到有效記錄6879條,這些文獻(xiàn)2007-2016年期間被引用頻次總計70 519次,每項平均引用次數(shù)為10.25,h-index[16]為90,表示有90篇論文至少被引用90次.

4.2 CiteSpace軟件的數(shù)據(jù)預(yù)處理

在數(shù)據(jù)分析之前需要對Web of Science格式的數(shù)據(jù)進(jìn)行數(shù)據(jù)過濾與除重.數(shù)據(jù)過濾可以提取不同學(xué)科領(lǐng)域的數(shù)據(jù),由于人工智能涉及多個學(xué)科領(lǐng)域,數(shù)據(jù)過濾操作可以略過.數(shù)據(jù)除重可以去除冗余的數(shù)據(jù),CiteSpace軟件的數(shù)據(jù)預(yù)處理模塊可以完成此步驟.如圖4所示,進(jìn)入數(shù)據(jù)預(yù)處理界面,首先選擇標(biāo)簽“WoS”,然后加載原始數(shù)據(jù)到“Input Directory”,將保存處理過后數(shù)據(jù)文件夾加載到“Output Directory”,最后點擊“Remove Duplicates (WoS)”完成除重過程.

圖3 文獻(xiàn)檢索結(jié)果界面

圖4 CiteSpace軟件數(shù)據(jù)除重界面

5 基于CiteSpace的人工智能文獻(xiàn)大數(shù)據(jù)可視化參數(shù)設(shè)置及結(jié)果分析

5.1 參數(shù)設(shè)置

軟件相關(guān)選項參數(shù)的設(shè)置如圖5所示,時間跨度(Time Span)設(shè)置為2007-2016,選擇每1年為一個時間切片(Time Slice),從而得到10個時間分段.網(wǎng)絡(luò)節(jié)點關(guān)聯(lián)強(qiáng)度選擇Cosine算法,設(shè)定時間片閾值為50,即數(shù)據(jù)抽取對象為前50 (Top 50).最后選擇最小生成樹精簡算法 (Minimum Spanning Tree)[17]對網(wǎng)絡(luò)修正裁剪,并且根據(jù)研究需要選擇相應(yīng)的節(jié)點類型,繪制相應(yīng)的科學(xué)知識圖譜.

圖5 CiteSpace軟件相關(guān)選項參數(shù)設(shè)置界面

5.2 時空知識圖譜及其分析

通過建立時間分布圖譜、國家合作圖譜、機(jī)構(gòu)合作圖譜以及地理可視化網(wǎng)絡(luò)實現(xiàn)時空知識圖譜分析,從時空知識圖譜對人工智能的發(fā)展現(xiàn)狀進(jìn)行不同層面的分析與探究.

5.2.1 人工智能研究時間分布圖譜

某一領(lǐng)域的發(fā)展?fàn)顩r可以從該領(lǐng)域發(fā)文量歷時性變化趨勢中得到反映[18].為了解人工智能近十年的研究成果,統(tǒng)計了2007-2016年人工智能領(lǐng)域各年發(fā)表的文獻(xiàn)量如圖6 所示.圖6顯示,自2007年以來圍繞人工智能的研究文獻(xiàn)量呈現(xiàn)持續(xù)增長的趨勢,尤其是2016年恰逢“人工智能60周年”,圍繞人工智能的研究文獻(xiàn)量出現(xiàn)急增.人工智能正受到廣泛的關(guān)注,迎來發(fā)展熱潮.明顯看出,全球人工智能發(fā)展持續(xù)火熱,研究正進(jìn)入高速發(fā)展階段.

圖6 人工智能各年發(fā)文量統(tǒng)計圖

5.2.2 國家空間分布圖譜

為了解世界各個國家對人工智能領(lǐng)域的研究現(xiàn)狀,對開展人工智能相關(guān)研究的國家空間特征進(jìn)行分析.選擇網(wǎng)絡(luò)節(jié)點為“Country”,運行CiteSpace軟件,得到人工智能研究國家合作圖譜,如圖7所示.在圖7中圓圈的大小代表文獻(xiàn)作者所在國家出現(xiàn)的頻次,圓圈越大,表明該國作者出現(xiàn)的頻次越多,反之越少.圓圈的顏色代表相應(yīng)國家作者發(fā)表文獻(xiàn)時間,單圈年輪環(huán)越寬表示該單位時間段內(nèi)該國作者出現(xiàn)的頻次越多[19].可以明顯看出在人工智能研究領(lǐng)域,美國(USA)的輻射面積最大,以頻次1168居于世界首位,具有絕對的優(yōu)勢.這說明美國在人工智能領(lǐng)域具有較強(qiáng)的研究實力和影響力.中國(PEOPLES R CHINA)以784頻次位居第2,具有一定的研究實力;西班牙(SPAIN)頻次581位列第3;英國(ENGLAND)頻次526位列第4;伊朗(IRAN)頻次497位列第5;第6和第9分別是印度（INDIA）和土耳其(TURKEY)、意大利(ITALY)和法國(FRANCE).由此可見,歐洲和亞洲各國都高度重視人工智能技術(shù)的發(fā)展,積極開展人工智能領(lǐng)域相關(guān)研究.

圖7 人工智能研究國家合作圖譜

5.2.3 研究機(jī)構(gòu)空間分布圖譜

構(gòu)建人工智能的研究機(jī)構(gòu)分布圖譜時,設(shè)定網(wǎng)絡(luò)節(jié)點類型為“Institution”,生成人工智能研究機(jī)構(gòu)合作圖譜,如圖8所示.從圖8可以發(fā)現(xiàn),伊斯蘭自由大學(xué)(Islamic Azad Univ)頻次最高,在人工智能領(lǐng)域發(fā)表論文最多,具有絕對高的研究實力.其次高產(chǎn)的機(jī)構(gòu)依次為中國科學(xué)院(Chinese Acad Sci)、德黑蘭大學(xué)(Univ Tehran)、臺灣科學(xué)技術(shù)大學(xué)(Taiwan Univ Sci &Technol)、馬來亞大學(xué)(Univ Malaya)、南洋理工大學(xué)(Nanyang Technol Univ),表明這四個機(jī)構(gòu)在人工智能方向具有較強(qiáng)的研究潛力.通過對這些機(jī)構(gòu)的所在地進(jìn)行分析,發(fā)現(xiàn)發(fā)文量排在前十的研究機(jī)構(gòu)都位于亞洲,其中包括4所伊朗名校,3所中國研究機(jī)構(gòu),僅從發(fā)文量上可見,近年來人工智能在亞洲受到廣泛關(guān)注與積極研究.同時表明,伊朗和中國對人工智能的研究相當(dāng)重視且具有一定的基礎(chǔ)實力.

為了研究不同機(jī)構(gòu)間的合作情況,如圖8所示.節(jié)點為研究機(jī)構(gòu)名稱,節(jié)點之間連線描述機(jī)構(gòu)的合作,連線的顏色表示節(jié)點首次合作的時間,連線的粗細(xì)表示機(jī)構(gòu)合作次數(shù),線條越細(xì)表示合作次數(shù)越少[20].機(jī)構(gòu)合作網(wǎng)絡(luò)中共有節(jié)點429個,連線137條,整體網(wǎng)絡(luò)密度僅為0.0015,這說明國際人工智能研究團(tuán)隊分散,不同機(jī)構(gòu)的作者之間存在較少合作,極具凝聚力的科研群體尚未能形成.未來需要國內(nèi)外高校及相關(guān)研究團(tuán)隊之間加強(qiáng)合作交流,打破消極界限,創(chuàng)建跨機(jī)構(gòu)、跨學(xué)科的合作隊伍,以促進(jìn)人工智能研究的快速發(fā)展.

圖8 人工智能研究機(jī)構(gòu)合作局部圖譜

5.2.4 合作網(wǎng)絡(luò)地理可視化分析

對國際人工智能研究作者合作網(wǎng)絡(luò)進(jìn)行地理可視化分析,如圖9所示.圖(a)為國際人工智能研究的合作網(wǎng)絡(luò);圖(b)為我國在參與人工智能研究中的合作網(wǎng)絡(luò).如圖9所示,美國和歐洲在人工智能領(lǐng)域具有密切的合作,同時國際人工智能研究中心位于美國和以西班牙、英國、意大利、法國和比利時為代表的歐洲國家.中國和美國、歐洲都有合作,但合作密度較小,中國人工智能研究中心主要位于北京、上海、香港和臺灣.

圖9 人工智能研究國際合作網(wǎng)絡(luò)地理可視化

5.3 內(nèi)容知識圖譜及其分析

通過建立文獻(xiàn)共被引圖譜、關(guān)鍵詞聚類圖譜和突現(xiàn)詞檢測圖譜實現(xiàn)內(nèi)容知識圖譜分析,從內(nèi)容知識圖譜對人工智能研究重要文獻(xiàn)、研究熱點和前沿進(jìn)行分析與探究.

5.3.1 人工智能研究引用文獻(xiàn)分析

當(dāng)兩篇文獻(xiàn)同時被第三篇文獻(xiàn)引用時,這兩篇文獻(xiàn)之間就存在共被引關(guān)系,文獻(xiàn)被引頻次可以較客觀地反映該文獻(xiàn)被學(xué)術(shù)界或知識域所認(rèn)可的程度,以及在網(wǎng)絡(luò)中的地位[21].持續(xù)高被引的文獻(xiàn)被認(rèn)為是一個領(lǐng)域的經(jīng)典文獻(xiàn),一個領(lǐng)域的早期奠基性文獻(xiàn)和經(jīng)典文獻(xiàn)則反映該領(lǐng)域研究的發(fā)展脈絡(luò)和研究基礎(chǔ).本文利用CiteSpace軟件進(jìn)行文獻(xiàn)共被引分析,設(shè)定網(wǎng)絡(luò)節(jié)點為“CitedReference”,生成人工智能研究的文獻(xiàn)共被引圖譜,如圖10所示.圖譜中節(jié)點大小、顏色以及連線的粗細(xì)和顏色代表的含義和前文圖譜的解讀類似.

圖10 人工智能研究的文獻(xiàn)共被引圖譜

圖10顯示了各共被引文獻(xiàn)的發(fā)表年份以及共被引用情況.從中可以看出Karaboga D和Basturk B于2008年所著的《On the performance of Artificial Bee Colony (ABC) algorithm》[22]、Karaboga D和Akay B 2009年所著的《A comparative study of Artificial Bee Colony algorithm》[23]、Karaboga D和Basturk B 2007年所著的《A powerful and efficient algorithm for numerical function optimization：Artificial Bee Colony(ABC) algorithm》[24]被引頻次分列前三.他們提出了一種較新的群體智能優(yōu)化算法—人工蜂群算法.而被引頻次排在前八的文獻(xiàn)都是研究關(guān)于人工蜂群算法.這足以看出人工蜂群算法在人工智能領(lǐng)域被廣泛應(yīng)用,是人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練、組合優(yōu)化問題、系統(tǒng)和工程設(shè)計等多個領(lǐng)域研究的基礎(chǔ)理論,也是經(jīng)典理論[25].

5.3.2 人工智能研究熱點可視化分析

5.3.2.1 關(guān)鍵詞研究

關(guān)鍵詞是對文獻(xiàn)研究內(nèi)容的高度概括,在一定程度上可以代表一篇文獻(xiàn)的研究內(nèi)容.網(wǎng)絡(luò)節(jié)點的中心性是反映節(jié)點核心程度的重要指標(biāo)之一[26],可以衡量某個節(jié)點在網(wǎng)絡(luò)中的重要性,以及與其他節(jié)點之間聯(lián)系的密切程度.從而,一段時間內(nèi)科學(xué)研究者共同關(guān)注的核心問題即研究熱點可以從中心性和頻次高的關(guān)鍵詞中得到體現(xiàn)[27].

分析人工智能研究熱點時,設(shè)定網(wǎng)絡(luò)節(jié)點為“Keyword”,運行軟件后將同義關(guān)鍵詞合并后得到研究文獻(xiàn)中關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò),如圖11所示.圖譜中每個關(guān)鍵詞用一個圓形節(jié)點表示,圓圈越大表明該關(guān)鍵詞在人工智能研究領(lǐng)域內(nèi)出現(xiàn)的頻次越高,即高頻關(guān)鍵詞.其中需要關(guān)注的是帶有紫紅色光圈的節(jié)點,該節(jié)點代表的關(guān)鍵詞具有較高的中心性,表示與其它關(guān)鍵詞聯(lián)系密切程度較高.其中關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中有節(jié)點104個,連線54條,網(wǎng)絡(luò)密度為0.0101.相對于機(jī)構(gòu)合作網(wǎng)絡(luò),關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜的結(jié)構(gòu)形態(tài)有了較大的優(yōu)化和提升.但總體上關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)仍比較疏松、密度不高.這提示我們,未來研究中不僅要求科研機(jī)構(gòu)之間加強(qiáng)合作,而且還需要科研學(xué)者專注于自己所研究的主題,選擇合適的方向展開深入研究、精準(zhǔn)研究,以避免對所研究的方向淺嘗輒止.

圖11 國內(nèi)人工智能關(guān)鍵詞共現(xiàn)圖譜

近十年人工智能研究文獻(xiàn)中出現(xiàn)的高頻次和高中心性關(guān)鍵詞如表1所示.研究文獻(xiàn)中出現(xiàn)頻次前十的關(guān)鍵詞有“artificial intelligence”,“artificial neural network”,“modeling”,“system”,“genetic algorithm”,“prediction”,“optimization”,“support vector machine”,“classification”,“design”.結(jié)合高中心性關(guān)鍵詞,可以發(fā)現(xiàn)近十年國際人工智能研究的熱點領(lǐng)域包括機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、人工神經(jīng)網(wǎng)絡(luò)、群智能、計算智能、知識庫系統(tǒng);人工智能研究的熱點算法包括遺傳算法、蟻群優(yōu)化、決策樹;人工智能研究的熱點方法及應(yīng)用包括建模、預(yù)測、優(yōu)化、分類、設(shè)計.

表1 人工智能研究文獻(xiàn)高頻次

5.3.2.2 關(guān)鍵詞聚類分析

數(shù)據(jù)挖掘中聚類是對復(fù)雜網(wǎng)絡(luò)中的數(shù)據(jù)根據(jù)相似性進(jìn)行聚合與分類的過程[28].在關(guān)鍵詞聚類分析中,聚類反映了網(wǎng)絡(luò)中節(jié)點的相似性,有助于識別和探測某一研究領(lǐng)域代表性知識子群,即該研究領(lǐng)域內(nèi)的熱點主題.設(shè)定網(wǎng)絡(luò)節(jié)點為“Keyword”,在生成關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)的基礎(chǔ)上對其進(jìn)行聚類處理,最終得到如圖12所示的人工智能研究領(lǐng)域的關(guān)鍵詞聚類網(wǎng)絡(luò).

圖12 關(guān)鍵詞聚類圖譜

人工智能的研究熱點知識子群可總結(jié)為五大主題：以預(yù)測(prediction)、回歸(regression)、模糊推理系統(tǒng)(fuzzy inference system)為代表的人工神經(jīng)網(wǎng)絡(luò)方向的研究熱點;以智能(intelligence)、框架(framework)、系統(tǒng)(system)、環(huán)境(environment)為代表的機(jī)器學(xué)習(xí)方向的研究熱點;以算法(algorithm)、智能體(intelligent agent)、架構(gòu)(architecture)、管理(management)為代表的語義Web方向的研究熱點;以建模(modeling)、優(yōu)化(optimization)、群智能(swarm intelligence)、進(jìn)化算法(evolutionary algorithm)為代表的人工蜂群算法方向的研究熱點;以模糊邏輯(fuzzy logic)、計算智能(computational intelligence)、識別(identification)、時間序列(time series)為代表的軟計算方向的研究熱點.上述研究熱點主題與先前的研究結(jié)果部分相重復(fù),以人工神經(jīng)網(wǎng)絡(luò)為首的研究熱點主題值得科研學(xué)者們高度關(guān)注.近年來,攜著“深度學(xué)習(xí)”之勢,人工神經(jīng)網(wǎng)絡(luò)重新成為最強(qiáng)大的機(jī)器學(xué)習(xí)算法之一,成為人工智能領(lǐng)域的研究熱點主題.

5.3.3 結(jié)果分析中展示的人工智能領(lǐng)域研究前沿

研究熱點和研究前沿不能混淆.陳美超指出,研究前沿是一組凸顯的動態(tài)概念和潛在的研究問題,研究前沿術(shù)語即出現(xiàn)頻次快速增加的專業(yè)術(shù)語[29].Cite-Space的一大突破便是提供一種基于詞頻增長算法(Burst Detection)的突現(xiàn)詞分析方法,該方法通過對引文關(guān)鍵詞的統(tǒng)計,將短時間內(nèi)快速增長的專業(yè)詞匯檢測出來[30].憑借這些突現(xiàn)詞的時間分布和動態(tài)變化性的特點可以較好地反映知識域內(nèi)的研究前沿和發(fā)展趨勢.設(shè)定網(wǎng)絡(luò)節(jié)點為“Keyword”,詞語類型選擇突現(xiàn)詞(Burst Terms).如表2所示,利用CiteSpace軟件提供的詞頻增長算法,將詞頻變化率高的詞從大量關(guān)鍵詞中探測出來,并選取部分突現(xiàn)詞按突現(xiàn)值大小排列,通過考察突現(xiàn)詞的歷史共現(xiàn)頻次分布總結(jié)其在一段時期內(nèi)的趨勢,來確定人工智能研究領(lǐng)域的前沿.

表2 人工智能研究突現(xiàn)詞

表2顯示人工智能研究近十年詞頻變化率較高的關(guān)鍵詞有邏輯(logic)、差分進(jìn)化(differential evolution)、全局優(yōu)化(global optimization)、人工智能學(xué)習(xí)(learning (artificial intelligence))、架構(gòu)(architecture)、案例推理(case based reasoning)、復(fù)雜性(complexity)、專家系統(tǒng)(expert system)、人工免疫系統(tǒng)(artificial immune system)和智能體(intelligent agent),這些突現(xiàn)詞反應(yīng)了近十年人工智能領(lǐng)域的研究前沿.

突現(xiàn)詞一段時期內(nèi)出現(xiàn)頻次的趨勢可以體現(xiàn)一個領(lǐng)域前沿發(fā)展趨勢.如表2所示,呈突然出現(xiàn)型的突現(xiàn)詞有差分進(jìn)化算法(differential evolution)和人工免疫系統(tǒng)(artificial immune system),這些詞在近年突然出現(xiàn),可以視為未來發(fā)展的趨勢;呈上升型趨勢的突現(xiàn)詞有人工智能學(xué)習(xí)(learning (artificial intelligence))、復(fù)雜性(complexity)和智能體(intelligent agent),這類關(guān)鍵詞的研究時間并不長但仍然是領(lǐng)域內(nèi)的研究熱點,研究者對其會繼續(xù)關(guān)注;呈平穩(wěn)型趨勢的突現(xiàn)詞有邏輯(logic)和架構(gòu)(architecture),這類詞雖然在一段時間有上升或者下降的波動,但總體趨于平穩(wěn)的狀態(tài),說明一直處于研究的熱點之中.

6 研究結(jié)論

通過CiteSpace軟件,對Web of Science數(shù)據(jù)庫中有關(guān)人工智能2007-2016年的文獻(xiàn)數(shù)據(jù)進(jìn)行不同層面的分析以及直觀的可視化展示,構(gòu)建了時間分布圖譜、國家合作圖譜、機(jī)構(gòu)合作圖譜、地理可視化網(wǎng)絡(luò)、文獻(xiàn)共被引圖譜、關(guān)鍵詞聚類圖譜,突現(xiàn)詞檢測圖譜,研究得出以下結(jié)論.

1) 時間分布圖譜表明：人工智能作為一種前沿學(xué)科在整個計算機(jī)科學(xué)領(lǐng)域正處于被極度關(guān)注的情況,近十年國際人工智能研究領(lǐng)域文獻(xiàn)量持續(xù)增長,全球人工智能發(fā)展持續(xù)火熱,研究正進(jìn)入高速發(fā)展階段.

2) 空間分布圖譜表明：在國家層面上,美國、中國、西班牙、伊朗、英國等國發(fā)文量較多,具有一定的人工智能研究基礎(chǔ);在機(jī)構(gòu)層面上,跨機(jī)構(gòu)之間的合作明顯較少,尚未形成明顯的凝聚子群,缺少具有足夠影響力的科研機(jī)構(gòu);在作者合作地理分布層面上,美國和歐洲在人工智能領(lǐng)域有密切的合作,是國際人工智能的研究中心,中國和美國、歐洲都有合作,但合作密度較小,中國人工智能研究中心主要位于北京、上海、香港和臺灣.

3) 共被引文獻(xiàn)圖譜表明：人工智能領(lǐng)域的重要研究文獻(xiàn)有Karaboga D和Basturk B于2008年所著的《On the performance of Artificial Bee Colony (ABC)algorithm》、Karaboga D、Akay B在2009年所著的《A comparative study of artificial bee colony algorithm》以及Karaboga D和Basturk B于2007年所著的《A powerful and efficient algorithm for numerical function optimization：Artificial Bee Colony (ABC)algorithm》,這些文獻(xiàn)是人工智能研究領(lǐng)域的基礎(chǔ)理論,也是經(jīng)典理論.

4) 關(guān)鍵詞共現(xiàn)圖譜表明：人工智能研究的熱點領(lǐng)域包括機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、人工神經(jīng)網(wǎng)絡(luò)、群智能、計算智能和知識庫系統(tǒng);人工智能研究的熱點算法包括遺傳算法、蟻群優(yōu)化和決策樹;人工智能研究的熱點方法及應(yīng)用包括建模、預(yù)測、優(yōu)化、分類和設(shè)計.人工智能研究的熱點主題有人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、語義Web、人工蜂群算法和軟計算.

5) 突現(xiàn)詞檢測圖譜表明：人工智能領(lǐng)域近十年研究前沿包括邏輯(logic)、差分進(jìn)化(differential evolution)、全局優(yōu)化(global optimization)、人工智能學(xué)習(xí)(learning (artificial intelligence))、架構(gòu)(architecture)、案例推理(case based reasoning)、復(fù)雜性(complexity)、專家系統(tǒng)(expert system)、人工免疫系統(tǒng)(artificial immune system)和智能體(intelligent agent).

人工智能領(lǐng)域已經(jīng)成為世界各國科技革命和產(chǎn)業(yè)變革的新競技場.積極研究和利用人工智能技術(shù),對我國科學(xué)研究發(fā)展和社會經(jīng)濟(jì)增長具有重要促進(jìn)作用,也是我國把握未來發(fā)展先機(jī)并提升自身國際競爭力的重要途徑.

1 朱巍,陳慧慧,田思媛,等.人工智能：從科學(xué)夢到新藍(lán)海—人工智能產(chǎn)業(yè)發(fā)展分析及對策.科技進(jìn)步與對策,2016,33(21)：66-70.[doi：10.6049/kjjbydc.2016040495]

2 Government Office for Science.Artificial intelligence：Opportunities and implications for the future of decision making.https：//www.gov.uk/government/uploads/system/uploads/attachment_data/file/566075/gs-16-19-artificialintelligence-ai-report.pdf.[2016-12].

3 National Science and Technology Council.The national artificial intelligence research and development strategic plan.http：//www.360doc.com/content/16/1015/20/37334461_598685262.shtml.[2016-10-15].

4 中華人民共和國政府工作報告.http：//www.gov.cn/premier/2017-03/16/content_5177940.htm.[2017-03-16].

5 陳明.大數(shù)據(jù)可視化分析.計算機(jī)教育,2015,(5)：94-97.

6 李健,王麗萍,劉瑞.美國的大數(shù)據(jù)研發(fā)計劃及對我國的啟示.中國科技資源導(dǎo)刊,2013,45(1)：17-23.

7 李國杰.大數(shù)據(jù)研究的科學(xué)價值.中國計算機(jī)學(xué)會通訊,2012,8(9)：8-15.

8 梁秀娟.科學(xué)知識圖譜研究綜述.圖書館雜志,2009,28(6)：58-62.

9 Xu T Y,Qu H N,Zhao S S,et al.The visualization analysis of research hotspot and frontier technology of the smart power distribution and utilization based on the cite space.Energy and Power Engineering,2017,9(4B)：515-524.

10 劉則淵,王賢文,陳超美.科學(xué)知識圖譜方法及其在科技情報中的應(yīng)用.數(shù)字圖書館論壇,2009,(10)：14-34.[doi：10.3772/j.issn.1673-2286.2009.10.004]

11 梁靜,任增元.我國研究生教育研究進(jìn)展的文獻(xiàn)計量分析.現(xiàn) 代 教 育 管 理 ,2015,(12)：103-108.[doi：10.3969/j.issn.1674-5485.2015.12.020]

12 侯劍華,胡志剛.CiteSpace軟件應(yīng)用研究的回顧與展望.現(xiàn)代情報,2013,33(4)：99-103.

13 Chen CM.Searching for intellectual turning points：Progressive knowledge domain visualization.Proceedings of the National Academy of Sciences of the United States of Americ,2004,101(S1)：5303-5310.

14 陳悅,劉則淵.悄然興起的科學(xué)知識圖譜.科學(xué)學(xué)研究,2005,23(2)：149-154.

15 姜俊鋒,丁香乾,侯瑞春,等.基于Citespace Ⅲ的大數(shù)據(jù)研究的可視化分析.計算機(jī)與數(shù)字工程,2016,44(2)：291-295,299.

16 郭俊倉.個人學(xué)術(shù)水平評介指標(biāo)——h因子與ph因子概念介紹.西安工業(yè)大學(xué)學(xué)報,2015,35(11)：909.

17 Liu HL,Zhu YP,Guo YZ,et al.Visualization analysis of subject,region,author,and citation on crop growth model by CiteSpace Ⅱ software.In：Wen ZK,Li TR,eds.Knowledge Engineering and Management.Berlin,Heidelberg：Springer,2014.243-252.

18 蔡建東,馬婧,袁媛.國外CSCL理論的演進(jìn)與前沿?zé)狳c問題——基于Citespace的可視化分析.現(xiàn)代教育技術(shù),2012,22(5)：10-16.

19 Chen C.CiteSpace Ⅱ ：Detecting and visualizing emerging trends and transient patterns in scientific literature.Journal of the American Society for Information Science and Technology,2006,57(3)：359-377.[doi：10.1002/(ISSN)1532-2890]

20 李杰,陳超美.CiteSpace：科技文本挖掘及可視化.北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社,2016.180-185.

21 金麗娜.基于復(fù)雜網(wǎng)絡(luò)的文獻(xiàn)關(guān)聯(lián)關(guān)系模型的建立與分析[碩士學(xué)位論文].北京：北京化工大學(xué),2013.27-32.

22 Karaboga D,Basturk B.On the performance of artificial bee colony (ABC) algorithm.Applied Soft Computing,2008,8(1)：687-697.[doi：10.1016/j.asoc.2007.05.007]

23 Karaboga D,Akay B.A comparative study of artificial bee colony algorithm.Applied Mathematics and Computation,2009,214(1)：108-132.[doi：10.1016/j.amc.2009.03.090]

24 Karaboga D,Basturk B.A powerful and efficient algorithm for numerical function optimization：Artificial bee colony(ABC) algorithm.Journal of Global Optimization,2007,39(3)：459-471.[doi：10.1007/s10898-007-9149-x]

25 秦全德,程適,李麗,等.人工蜂群算法研究綜述.智能系統(tǒng)學(xué)報,2014,9(2)：127-135.[doi：10.3969/j.issn.1673-4785.201307019]

26 劉軍.社會網(wǎng)絡(luò)分析導(dǎo)論.北京：社會科學(xué)文獻(xiàn)出版社,2004.170-185.

27 Freeman LC.Centrality in social networks conceptual clarification.Social Networks,1978-1979,1(3)：215-239.[doi：10.1016/0378-8733(78)90021-7]

28 Chen CM.Visualising semantic spaces and author co-citation networks in digital libraries.Information Processing &Management,1999,35(3)：401-420.

29 陳超美.CITESPACE Ⅱ：科學(xué)文獻(xiàn)中新趨勢與新動態(tài)的識別與可視化.陳悅,侯劍華,梁永霞,譯.情報學(xué)報,2009,28(3)：401-402.

30 辛偉.知識圖譜在軍事心理學(xué)研究中的應(yīng)用[碩士學(xué)位論文].西安：第四軍醫(yī)大學(xué),2013.52-59.