基于科学知识图谱的国内外人工智能领域研究热点、前沿与比较

书记在国际人工智能与教育大会的贺信中指出人工智能是引领新一轮科技革命和产业变革的重要驱动力。人工智能领域的研究和发展至关重要，近年来学术界围绕人工智能涌现出诸多研究成果。从研究视角来看，吕文晶运用文献计量法对我国人工智能研究文献的时间分布、作者分布、主题分布和学科分布进行分析，并指出人工智能发展与创新交叉研究具有极大潜力[1];胡玉宁等运用TDA软件，利用文献统计分析、关键词共现分析的方法揭示国际人工智能研究热点[2];李悦等对世界人工智能领域相关研究进行统计分析，总结出人工智能领域的热点并预测未来发展方向[3];从研究主题来看，邱均平等对中外自然语言处理的发展进行对比分析[4];刘勇等则对人工智能在我国教育领域应用进行了可视化分析[5]。

目前我国人工智能相关研究整体处于何种阶段？表现出何种特点、何种演化方式与趋势？我国人工智能的研究和国外研究究竟有何异同？如何通过国内外研究对比分析为我国人工智能发展提出建议？现有研究主要从国内或者国际视角出发对人工智能相关研究进行梳理，未对比分析国内外研究存在的相同点及差异;聚焦于人工智能某一子领域，未从整体、全局视角对人工智能结构、热点等方面进行系统深入的研究;研究方法较为单一，未结合多种科学计量方法对文献大数据进行深入挖掘。但已有研究都为人工智能的发展奠定了一定基础。

基于此，本文筛选中国知网和Web of Science数据库中的数据，采用词频分析法、聚类分析法、时间演化分析法等科学计量方法，借助可视化软件，从整体学科视角出发综合梳理分析国内外人工智能领域研究的热点、发展脉络、演进历程，并通过国外、国内对比分析展示国内外研究热点、未来研究趋势的异同，以期为我国人工智能研究提供建议和参考。

一、研究设计

本文研究设计主要包括四个部分：研究工具及方法、数据来源、数据处理和总体特征。

（一）研究工具及方法

CiteSpace软件由美国德雷赛尔大学陈超美教授基于Java开发，主要用于科学文献数据计量分析、识别和显示科学发展新趋势和新动态[6]。本文利用CiteSpace软件提取人工智能研究领域关键词、绘制学科共现图谱、突现词图谱以及时间线图。

词频分析法。本文使用词频分析法提取人工智能文献信息中的关键词，通过关键词的高低分布，来研究该领域发展动向和研究热点。

聚類分析法。聚类分析是一组将研究对象分为相对同质群组的统计分析技术。同一个聚类中的对象有很大的相似性，而不同聚类间的对象有很大的相异性。本文选择CiteSpace中的LLR（潜语义索引算法）算法进行聚类。

时间演化分析法。时间线视图侧重于勾画聚类之间的关系和某个聚类中文献的历史跨度，能清晰反映某一特定聚类研究的兴起、繁荣及衰落过程，利用CiteSpace绘制人工智能研究时间线视图（timeline view），可用于分析人工智能领域的研究热点和趋势[7]。

（二）数据来源

分别使用中国知网和Web of Science进行文献检索。在中国知网进行文献检索时，选择高级检索功能，检索式为“主题=人工智能，时间=2008—2018年，精准匹配，文献类型=期刊，期刊来源=CSSCI”，检索出文献2 237篇，经过手动筛选，剔除会议纪要、编辑寄语、人物访谈等冗余信息，最终得到文献1 786篇作为研究样本;在Web of Science进行文献检索时，以检索式“（TS=（Artificial Intelligence））AND语种：（English）AND文献类型：（Article）”索引=SCI-EXPANDED，时间跨度=2008—2018进行检索，最终得到文献8 515篇作为研究样本。

（三）数据处理

中国知网：由于中国知网单次最多导出500篇文献，故将所选择的1 786篇文献分4次以Refworks格式导出，导出的内容包括：文献的标题、摘要、关键词、作者等关键信息，以download_XX为文件名保存文档。且中国知网下载的数据不能直接使用CiteSpace进行分析，故利用CiteSpace转换功能对数据格式进行转换。

Web of Science：单次最多导出500篇文献，故将所选择的8 515篇文献分18次以纯文本格式导出，导出内容选择“全记录并包含所引用的参考文献”，以download_XX为文件名保存文档。

推荐访问:热点 人工智能 图谱 科学知识 国内外