摘? 要：以SCIE數(shù)據(jù)庫(kù)為數(shù)據(jù)源，使用CiteSpace可視化分析軟件，通過關(guān)鍵詞聚類、突現(xiàn)詞辨析等方式，從作者、發(fā)文機(jī)構(gòu)、關(guān)鍵詞及研究前沿等角度分析國(guó)內(nèi)外人工智能的研究熱點(diǎn)及研究方向隨時(shí)間的演進(jìn)過程，了解人工智能研究趨勢(shì)。同時(shí)對(duì)研究領(lǐng)域的主體進(jìn)行了提取，并對(duì)他們的合作程度、科研力量進(jìn)行了分析，追蹤主要研究機(jī)構(gòu)的科研動(dòng)態(tài)。

關(guān)鍵詞：可視化分析；CiteSpace；圖譜分析；人工智能

中圖分類號(hào)：TP391.1 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）11-0116-04

Discovery of Research Hotspots in Artificial Intelligence

—Analysis of Highly Cited Papers Based on Visual Tool

CHE Xiaoyan

（Beijing Institute of Petrochemical Technology， Beijing? 102617， China）

Abstract： This paper takes SCIE database as the data source， uses CiteSpace visual analysis software， through the means of keywords clustering， sudden words discrimination and so on， and analyzes the evolution process of research hotspots and research directions of Artificial Intelligence at home and abroad over time from SCI database from authors， publishing institutions， keywords and research frontiers and other perspectives， so as to understand the research trend of Artificial Intelligence. At the same time， the main body of the research field is extracted and their cooperation degree and scientific research strength are analyzed， and the scientific research dynamics of the main research institutions are tracked.

Keywords： visual analysis; CiteSpace; atlas analysis; Artificial Intelligence

0? 引? 言

人工智能是一個(gè)綜合性非常強(qiáng)的學(xué)科，研究?jī)?nèi)容廣泛豐富。人工智能技術(shù)發(fā)展過程中加速了許多新興行業(yè)的誕生。目前，人工智能技術(shù)除了在搜索引擎、推薦系統(tǒng)、計(jì)算廣告、人臉識(shí)別、圖像識(shí)別、語音識(shí)別、機(jī)器翻譯、游戲博弈等領(lǐng)域大規(guī)模成功應(yīng)用外，還在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、新藥發(fā)現(xiàn)、國(guó)防軍工等領(lǐng)域有了突破性的進(jìn)展[1]。

為了探索人工智能研究脈絡(luò)、前沿成果，發(fā)現(xiàn)AI科研團(tuán)隊(duì)及其研究重點(diǎn)，本文使用可視化軟件CiteSpace對(duì)近十年人工智能相關(guān)文獻(xiàn)進(jìn)行了計(jì)量和圖譜分析，梳理了其研究現(xiàn)狀和發(fā)展趨勢(shì)，以期為我校人工智能學(xué)科的研究提供可潛在的參考方向及合作目標(biāo)。

1? 數(shù)據(jù)來源與方法

本文數(shù)據(jù)來源于Web of Science檢索平臺(tái)的“Science Citation Index Expanded”數(shù)據(jù)庫(kù)，以artificial intelligence為檢索詞，主題檢索為路徑進(jìn)行精確檢索，時(shí)間跨度為2011—2021年，檢索結(jié)果近2.5萬條，經(jīng)過InCites數(shù)據(jù)庫(kù)篩選出具有學(xué)科高認(rèn)可度與影響力的高被引記錄進(jìn)行分析。

CiteSpace是一款基于Java語言開發(fā)的分時(shí)、動(dòng)態(tài)和多元的科技文本挖掘及可視化的軟件，通過尋徑網(wǎng)絡(luò)算法和共被引分析理論對(duì)文獻(xiàn)進(jìn)行計(jì)量分析，以探索某學(xué)科領(lǐng)域的演化路徑、研究熱點(diǎn)和研究前沿[2]。

2? 研究熱點(diǎn)與趨勢(shì)分析

2.1? 關(guān)鍵詞分析

關(guān)鍵詞反映的是文獻(xiàn)主要內(nèi)容，是文獻(xiàn)的核心，高度概括了文獻(xiàn)的研究目的、研究對(duì)象和研究方法[3]。因此，通過知識(shí)圖譜分析關(guān)鍵詞，其共現(xiàn)結(jié)果體現(xiàn)出某一學(xué)科在某一時(shí)間內(nèi)的研究較為集中的方向。某一關(guān)鍵詞在網(wǎng)絡(luò)中的地位重要性常以關(guān)鍵詞的中心性表示，高中心性及高頻數(shù)的關(guān)鍵詞代表著某段時(shí)期內(nèi)研究者共同關(guān)注的問題，即研究熱點(diǎn)[4]。

在設(shè)定閾值范圍內(nèi)，圖1中顯示節(jié)點(diǎn)標(biāo)簽為近十年出現(xiàn)頻率最高的關(guān)鍵詞，分別為神經(jīng)網(wǎng)絡(luò)、歸類、模型、預(yù)測(cè)、算法、優(yōu)化等，出現(xiàn)的頻次分別102、81、74、64、51、37、32，這些高頻詞的首次出現(xiàn)時(shí)間大多在2012—2014年，是該分析時(shí)間段早期的研究熱點(diǎn)，支撐向量機(jī)在2017年首次出現(xiàn)在人工智能研究領(lǐng)域，且中心度達(dá)到0.05，是近五年出現(xiàn)頻次最高的關(guān)鍵詞，另外后期中心度達(dá)到0.05的關(guān)鍵詞還有建筑（0.11）、診斷、風(fēng)險(xiǎn)，是近期人工智能高被引論文中提取出的研究熱點(diǎn)。

2.2? 研究時(shí)間趨勢(shì)分析

為了解不同時(shí)間切片人工智能研究關(guān)注點(diǎn)的動(dòng)態(tài)變化與發(fā)展趨勢(shì)，根據(jù)關(guān)鍵詞首次出現(xiàn)的時(shí)間，將研究時(shí)間段內(nèi)人工智能研究領(lǐng)域內(nèi)的關(guān)鍵詞建立時(shí)間橫坐標(biāo)圖，如圖2所示，按時(shí)間維度展現(xiàn)了十年間各年度出現(xiàn)的領(lǐng)域內(nèi)研究主題，節(jié)點(diǎn)越大，表示該詞的重要性越大，連線越多表示關(guān)鍵詞之間的聯(lián)系越多。

關(guān)鍵詞時(shí)間趨勢(shì)分析圖中，各個(gè)高頻詞出現(xiàn)的時(shí)間點(diǎn)一目了然，神經(jīng)網(wǎng)絡(luò)、模型、模擬、優(yōu)化等在研究時(shí)間范圍早期已經(jīng)存在，2017年后出現(xiàn)了支持向量機(jī)，卷積神經(jīng)網(wǎng)絡(luò)，邏輯回歸。近兩年出現(xiàn)的高頻詞以貝葉斯樹，數(shù)據(jù)挖掘技術(shù)，修剪樹安全性時(shí)出錯(cuò)，5G等，代表該領(lǐng)域最新的研究方向。

2.3? 研究學(xué)科領(lǐng)域

從學(xué)科領(lǐng)域分析來看，在數(shù)據(jù)分析時(shí)間段內(nèi)，早期的人工智能應(yīng)用學(xué)科主要集中在計(jì)算機(jī)科學(xué)、工程、科學(xué)技術(shù)等較宏觀的學(xué)科領(lǐng)域，2015年后用于心臟、心血管方面，而近幾年研究主要集中在醫(yī)藥研發(fā)、健康保健等領(lǐng)域。并將有望從醫(yī)療大數(shù)據(jù)時(shí)代進(jìn)入醫(yī)療大智能時(shí)代，真正讓智能技術(shù)深度參與其中，提高篩選藥物的準(zhǔn)確性和效率[5]。

2.4? 關(guān)鍵詞聚類分析

聚類分析可以反映某領(lǐng)域的主題結(jié)構(gòu)，對(duì)關(guān)鍵詞進(jìn)行聚類分析能夠整合領(lǐng)域的研究?jī)?nèi)容和熱點(diǎn)。一般認(rèn)為聚類模塊值大于0.3說明聚類結(jié)構(gòu)顯著，聚類平均輪廓值S＞0.5聚類結(jié)果合理。

利用CiteSpace對(duì)高頻關(guān)鍵詞進(jìn)行聚類分析計(jì)算后，關(guān)鍵詞數(shù)據(jù)集合歸于不同類，有較高相似度的高頻詞數(shù)據(jù)對(duì)象被分在同一類中，因而形成不同的關(guān)鍵詞聚類塊，類目號(hào)數(shù)字越小，聚類中包含的關(guān)鍵詞越多。

聚類結(jié)果反映了人工智能研究領(lǐng)域中各分支領(lǐng)域。本研究范圍內(nèi)邊緣計(jì)算、共晶溶劑、電子皮膚聚類明確，如圖3所示，說明這幾個(gè)研究領(lǐng)域成果更多，類內(nèi)關(guān)鍵詞相似度更高。

2.5? 關(guān)鍵詞突現(xiàn)

利用CiteSpace詞頻探測(cè)技術(shù)，可以探測(cè)數(shù)據(jù)突發(fā)，能捕捉到短時(shí)間內(nèi)產(chǎn)生大變化的量值，使用關(guān)鍵詞突現(xiàn)的計(jì)算分析功能可以獲取重點(diǎn)關(guān)鍵詞隨著研究年份的變化趨勢(shì)。在一定程度上反映某階段的研究關(guān)注熱點(diǎn)，有助于預(yù)測(cè)本領(lǐng)域的研究趨勢(shì)。

一個(gè)研究前沿的興起，必然會(huì)使相關(guān)關(guān)鍵詞在短時(shí)間里頻出，該前沿要么演變?yōu)橄乱粋€(gè)熱點(diǎn)，要么證明方向錯(cuò)誤很快被學(xué)者們拋棄，不管該關(guān)鍵詞代表的前沿方向能否成為研究熱門，其突現(xiàn)強(qiáng)度必然是遠(yuǎn)大于沒有被廣泛關(guān)注的關(guān)鍵詞。

在CiteSpace圖譜分析中，選擇minute為1，時(shí)間跨度為2011—2021年，做關(guān)鍵詞詞頻分析，共出現(xiàn)10個(gè)突現(xiàn)詞。

算法、神經(jīng)網(wǎng)絡(luò)等熱點(diǎn)發(fā)生在時(shí)間節(jié)選段的初期，2—4年內(nèi)納米管是研究時(shí)間段最早出現(xiàn)的突現(xiàn)詞，2013年出現(xiàn)，熱度持續(xù)三年。電子皮膚緊接著成為該領(lǐng)域的研究熱點(diǎn)，在接下來的3年內(nèi)比較集中，2018年不再是該領(lǐng)域的熱點(diǎn)。而物聯(lián)網(wǎng)、優(yōu)化、肺炎等正是近幾年的研究熱點(diǎn)，一直延續(xù)到2021數(shù)據(jù)更新年。根據(jù)關(guān)鍵詞詞頻分析中后期新增的熱點(diǎn)詞以及趨勢(shì)分析中后期突發(fā)詞，可以判斷人工智能研究的前沿或熱點(diǎn)領(lǐng)域?yàn)槲锫?lián)網(wǎng)及優(yōu)化。

3? 研究主體分析

3.1? 主體機(jī)構(gòu)分析

在本研究范圍內(nèi)，發(fā)表論文數(shù)量居前的分別為中科院Duy Tan Univ，Ton Duc Thang Univ，Univ Kurdistan Stanford Univ，Islamic Azad Univ，Islamic Azad Univ，UCL MIT，如圖4所示。出現(xiàn)頻次大于5次的研究機(jī)構(gòu)中，早期有斯坦福大學(xué)、香港理工大學(xué)以及埃西亞斯大學(xué)，近兩年首次出現(xiàn)在該領(lǐng)域的為瑞典卡羅斯卡學(xué)院和浙江大學(xué)，近十年曾在該領(lǐng)域發(fā)表高被引論文的國(guó)內(nèi)機(jī)構(gòu)有清華大學(xué)、華中科技大學(xué)、南京師范大學(xué)、北京航空航天大學(xué)、復(fù)旦大學(xué)、天津大學(xué)、西北工業(yè)大學(xué)、四川大學(xué)等。

中心度最高的機(jī)構(gòu)為中國(guó)科學(xué)院、劍橋大學(xué)以及麥吉爾大學(xué)，數(shù)值大于1，達(dá)到CiteSpace的關(guān)鍵節(jié)點(diǎn)標(biāo)準(zhǔn)。在研究時(shí)間段內(nèi)，斯坦福和香港理工均在2013年已經(jīng)有高被引人工智能領(lǐng)域的研究成果，中科院始于2015年，而麻省理工學(xué)院和前沿人工智能企業(yè)DeepMind近兩年沒有高被引的論文。

從合作強(qiáng)度看，被引用率最高的機(jī)構(gòu)與排名前十的機(jī)構(gòu)之間合作更加緊密，尤其是排名前四位的機(jī)構(gòu)。與中國(guó)科學(xué)院合作強(qiáng)度最大的是Thang Univ、Islamic Azad Univ兩所大學(xué)。與Duc Thang Univ合作的機(jī)構(gòu)最多，其中有Duy Tan Univ，Univ Kurdistan，Islamic Azad Univ，中國(guó)科學(xué)院，香港理工大學(xué)，且和前三名有兩次共現(xiàn)。中國(guó)科學(xué)院、西安兩所中國(guó)機(jī)構(gòu)與亞洲越南伊斯蘭庫(kù)爾德等幾個(gè)地區(qū)的機(jī)構(gòu)合作較為緊密。馬來西亞的學(xué)術(shù)合作機(jī)構(gòu)主要與來自越南。東南亞學(xué)術(shù)機(jī)構(gòu)源于地理屬性，地區(qū)合作緊密。英美的合作相對(duì)他們與亞洲而言更加緊密，Ucl與DeepMind合作強(qiáng)度最大，美國(guó)內(nèi)部機(jī)構(gòu)合作頻繁。

3.2? 個(gè)體共現(xiàn)及共被引分析

3.2.1? 作者共被引

當(dāng)做作者共被引時(shí)，本質(zhì)是將一篇施引文獻(xiàn)的所有參考文獻(xiàn)中的第一作者提取出來。CiteSpace分析出的數(shù)據(jù)，借助SCI數(shù)據(jù)庫(kù)讀取參考文獻(xiàn)中著者信息的完整記錄。

在本研究范圍中的作者共現(xiàn)，最早的參考文獻(xiàn)發(fā)表于2004年，盡管是早期的文獻(xiàn)，但是被引量并不高，大多低于兩次，而被引用率前三十位的文獻(xiàn)均發(fā)表于2012年后。導(dǎo)致這種現(xiàn)象的部分原因?yàn)榭萍颊撐陌l(fā)表高峰在近十年內(nèi)，另一方面也說明人工智能技術(shù)在2015年后得到了快速發(fā)展。

如圖5所示，被引量最大的文獻(xiàn)分別是2016年LeCun被引用126次，2017年Esteva被引用69次，2016年Gulsan發(fā)表的論文，被引頻次為53次。2018年Li、2015年SchmiUber、2015年Jordan、2016年Bui發(fā)表的論文中心度大于0.1，達(dá)到了CiteSpace高中心值。

3.2.2? 作者共現(xiàn)分析

在分析共現(xiàn)作者時(shí)，可以從作者的出現(xiàn)頻次及強(qiáng)度方面分析運(yùn)算結(jié)果。通過CiteSpace對(duì)人工智能800余篇高被引文獻(xiàn)進(jìn)行作者共現(xiàn)分析，進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析，如圖6所示，圖中的節(jié)點(diǎn)大小代表了作者發(fā)文數(shù)量的多少，顏色色調(diào)代表了研究時(shí)間的早晚，冷色系代表研究時(shí)間早期，暖色為近期時(shí)間代表。連接線條的粗細(xì)代表了作者之間的聯(lián)系強(qiáng)度，從圖中可見，發(fā)文最多的是Himan①、Ataollah②、Wei③、Baharin④、Bui⑤、Demis⑥六位作者出現(xiàn)的頻率達(dá)10次以上，且均是為2017、2018年出現(xiàn)的共被引現(xiàn)象，說明這幾位作者在相關(guān)領(lǐng)域發(fā)表的高質(zhì)量論文最多。查看分析圖譜中的作者節(jié)點(diǎn)詳細(xì)信息，可以獲取每位作者的相關(guān)論文。

中心度越大，表示該節(jié)點(diǎn)在共現(xiàn)網(wǎng)絡(luò)中的受關(guān)注程度越高。中心度最高的三位作者分別為Chen、Li以及Adamowski，說明在該研究范圍內(nèi)這幾位作者的影響力廣泛，發(fā)表的論文被更多作者引用，學(xué)術(shù)地位較高。

從節(jié)點(diǎn)的連線強(qiáng)度可以判斷作者聯(lián)系的緊密程度，作者①與②的合作強(qiáng)度最高，且與③④⑤都有合作，②和①③④⑤也存在合作，⑥相對(duì)獨(dú)立，④和①②③⑤都有合作，排名前十的諸位作者中大多有合作關(guān)系，是近年來人工智能研究方向核心人員。

4? 結(jié)? 論

隨著技術(shù)的不斷進(jìn)步、革新和需求，人工智能在各個(gè)領(lǐng)域正在經(jīng)歷快速的融合發(fā)展。同時(shí)，研究機(jī)構(gòu)的地理分布也在發(fā)生著明顯變化并伴隨著研究成果的劇增，科研主要力量從21世紀(jì)初的歐美正在向亞洲地區(qū)轉(zhuǎn)移。

早期研究中，人工智能主要涉及計(jì)算機(jī)、工程學(xué)科及心血管領(lǐng)域，近些年與醫(yī)藥研發(fā)、健康保健等方面緊密結(jié)合。具體研究?jī)?nèi)容由神經(jīng)網(wǎng)絡(luò)、模擬、優(yōu)化逐漸轉(zhuǎn)換方向至支撐向量機(jī)、建筑、診斷、風(fēng)險(xiǎn)評(píng)估、物聯(lián)網(wǎng)等。未來，人工智能跨學(xué)科將快速突破，邊界被打破，范圍進(jìn)一步拓展，并帶來多維度技術(shù)和各應(yīng)用場(chǎng)景的深度結(jié)合、疊加。

參考文獻(xiàn)：

[1] 郭毅可.論人工智能歷史、現(xiàn)狀與未來發(fā)展戰(zhàn)略 [J].學(xué)術(shù)前沿，2021（23）：41-53.

[2] 陳悅，陳超美，劉則淵，等.CiteSpace知識(shí)圖譜的方法論功能 [J].科學(xué)學(xué)研究，2015，33（2）：242-253.

[3] CHEN C M. The Centrality of Pivotal Points in the Evolution of Scientific Networks [C]//Proceedings of the 10th international Conference on intelligent User interfaces.San Diego：Association for Computing Machinery，2005：98-105.

[4] 陳悅，陳超美，胡志剛，等.引文空間分析原理與應(yīng)用 CiteSpace實(shí)用指南 [M].北京：科學(xué)出版社，2014.

[5] 朱瓏.搶占人工智能發(fā)展制高點(diǎn) [N/OL].人民日?qǐng)?bào)，2020-06-08（19）[2022-10-15].http：//data.people.com.cn/rmrb/20200608/19.

作者簡(jiǎn)介：車曉燕（1975—），女，漢族，北京人，館員，碩士，研究方向：學(xué)科服務(wù)、學(xué)研支持保障。

收稿日期：2022-11-28