人工智能研究熱點發現

摘? 要：以SCIE數據庫為數據源，使用CiteSpace可視化分析軟件，通過關鍵詞聚類、突現詞辨析等方式，從作者、發文機構、關鍵詞及研究前沿等角度分析國內外人工智能的研究熱點及研究方向隨時間的演進過程，了解人工智能研究趨勢。同時對研究領域的主體進行了提取，并對他們的合作程度、科研力量進行了分析，追蹤主要研究機構的科研動態。

關鍵詞：可視化分析；CiteSpace；圖譜分析；人工智能

中圖分類號：TP391.1 文獻標識碼：A? 文章編號：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

人工智能是一個綜合性非常強的學科，研究內容廣泛豐富。人工智能技術發展過程中加速了許多新興行業的誕生。目前，人工智能技術除了在搜索引擎、推薦系統、計算廣告、人臉識別、圖像識別、語音識別、機器翻譯、游戲博弈等領域大規模成功應用外，還在蛋白質結構預測、新藥發現、國防軍工等領域有了突破性的進展[1]。

為了探索人工智能研究脈絡、前沿成果，發現AI科研團隊及其研究重點，本文使用可視化軟件CiteSpace對近十年人工智能相關文獻進行了計量和圖譜分析，梳理了其研究現狀和發展趨勢，以期為我校人工智能學科的研究提供可潛在的參考方向及合作目標。

1? 數據來源與方法

本文數據來源于Web of Science檢索平臺的“Science Citation Index Expanded”數據庫，以artificial intelligence為檢索詞，主題檢索為路徑進行精確檢索，時間跨度為2011—2021年，檢索結果近2.5萬條，經過InCites數據庫篩選出具有學科高認可度與影響力的高被引記錄進行分析。

CiteSpace是一款基于Java語言開發的分時、動態和多元的科技文本挖掘及可視化的軟件，通過尋徑網絡算法和共被引分析理論對文獻進行計量分析，以探索某學科領域的演化路徑、研究熱點和研究前沿[2]。

2? 研究熱點與趨勢分析

2.1? 關鍵詞分析

關鍵詞反映的是文獻主要內容，是文獻的核心，高度概括了文獻的研究目的、研究對象和研究方法[3]。因此，通過知識圖譜分析關鍵詞，其共現結果體現出某一學科在某一時間內的研究較為集中的方向。某一關鍵詞在網絡中的地位重要性常以關鍵詞的中心性表示，高中心性及高頻數的關鍵詞代表著某段時期內研究者共同關注的問題，即研究熱點[4]。

在設定閾值范圍內，圖1中顯示節點標簽為近十年出現頻率最高的關鍵詞，分別為神經網絡、歸類、模型、預測、算法、優化等，出現的頻次分別102、81、74、64、51、37、32，這些高頻詞的首次出現時間大多在2012—2014年，是該分析時間段早期的研究熱點，支撐向量機在2017年首次出現在人工智能研究領域，且中心度達到0.05，是近五年出現頻次最高的關鍵詞，另外后期中心度達到0.05的關鍵詞還有建筑（0.11）、診斷、風險，是近期人工智能高被引論文中提取出的研究熱點。

2.2? 研究時間趨勢分析

為了解不同時間切片人工智能研究關注點的動態變化與發展趨勢，根據關鍵詞首次出現的時間，將研究時間段內人工智能研究領域內的關鍵詞建立時間橫坐標圖，如圖2所示，按時間維度展現了十年間各年度出現的領域內研究主題，節點越大，表示該詞的重要性越大，連線越多表示關鍵詞之間的聯系越多。

關鍵詞時間趨勢分析圖中，各個高頻詞出現的時間點一目了然，神經網絡、模型、模擬、優化等在研究時間范圍早期已經存在，2017年后出現了支持向量機，卷積神經網絡，邏輯回歸。近兩年出現的高頻詞以貝葉斯樹，數據挖掘技術，修剪樹安全性時出錯，5G等，代表該領域最新的研究方向。

2.3? 研究學科領域

從學科領域分析來看，在數據分析時間段內，早期的人工智能應用學科主要集中在計算機科學、工程、科學技術等較宏觀的學科領域，2015年后用于心臟、心血管方面，而近幾年研究主要集中在醫藥研發、健康保健等領域。并將有望從醫療大數據時代進入醫療大智能時代，真正讓智能技術深度參與其中，提高篩選藥物的準確性和效率[5]。

2.4? 關鍵詞聚類分析

聚類分析可以反映某領域的主題結構，對關鍵詞進行聚類分析能夠整合領域的研究內容和熱點。一般認為聚類模塊值大于0.3說明聚類結構顯著，聚類平均輪廓值S＞0.5聚類結果合理。

利用CiteSpace對高頻關鍵詞進行聚類分析計算后，關鍵詞數據集合歸于不同類，有較高相似度的高頻詞數據對象被分在同一類中，因而形成不同的關鍵詞聚類塊，類目號數字越小，聚類中包含的關鍵詞越多。

聚類結果反映了人工智能研究領域中各分支領域。本研究范圍內邊緣計算、共晶溶劑、電子皮膚聚類明確，如圖3所示，說明這幾個研究領域成果更多，類內關鍵詞相似度更高。

2.5? 關鍵詞突現

利用CiteSpace詞頻探測技術，可以探測數據突發，能捕捉到短時間內產生大變化的量值，使用關鍵詞突現的計算分析功能可以獲取重點關鍵詞隨著研究年份的變化趨勢。在一定程度上反映某階段的研究關注熱點，有助于預測本領域的研究趨勢。

一個研究前沿的興起，必然會使相關關鍵詞在短時間里頻出，該前沿要么演變為下一個熱點，要么證明方向錯誤很快被學者們拋棄，不管該關鍵詞代表的前沿方向能否成為研究熱門，其突現強度必然是遠大于沒有被廣泛關注的關鍵詞。

在CiteSpace圖譜分析中，選擇minute為1，時間跨度為2011—2021年，做關鍵詞詞頻分析，共出現10個突現詞。

算法、神經網絡等熱點發生在時間節選段的初期，2—4年內納米管是研究時間段最早出現的突現詞，2013年出現，熱度持續三年。電子皮膚緊接著成為該領域的研究熱點，在接下來的3年內比較集中，2018年不再是該領域的熱點。而物聯網、優化、肺炎等正是近幾年的研究熱點，一直延續到2021數據更新年。根據關鍵詞詞頻分析中后期新增的熱點詞以及趨勢分析中后期突發詞，可以判斷人工智能研究的前沿或熱點領域為物聯網及優化。

3? 研究主體分析

3.1? 主體機構分析

在本研究范圍內，發表論文數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。出現頻次大于5次的研究機構中，早期有斯坦福大學、香港理工大學以及埃西亞斯大學，近兩年首次出現在該領域的為瑞典卡羅斯卡學院和浙江大學，近十年曾在該領域發表高被引論文的國內機構有清華大學、華中科技大學、南京師范大學、北京航空航天大學、復旦大學、天津大學、西北工業大學、四川大學等。

中心度最高的機構為中國科學院、劍橋大學以及麥吉爾大學，數值大于1，達到CiteSpace的關鍵節點標準。在研究時間段內，斯坦福和香港理工均在2013年已經有高被引人工智能領域的研究成果，中科院始于2015年，而麻省理工學院和前沿人工智能企業DeepMind近兩年沒有高被引的論文。

從合作強度看，被引用率最高的機構與排名前十的機構之間合作更加緊密，尤其是排名前四位的機構。與中國科學院合作強度最大的是Thang Univ、Islamic Azad Univ兩所大學。與Duc Thang Univ合作的機構最多，其中有Duy Tan Univ，Univ Kurdistan，Islamic Azad Univ，中國科學院，香港理工大學，且和前三名有兩次共現。中國科學院、西安兩所中國機構與亞洲越南伊斯蘭庫爾德等幾個地區的機構合作較為緊密。馬來西亞的學術合作機構主要與來自越南。東南亞學術機構源于地理屬性，地區合作緊密。英美的合作相對他們與亞洲而言更加緊密，Ucl與DeepMind合作強度最大，美國內部機構合作頻繁。

3.2? 個體共現及共被引分析

3.2.1? 作者共被引

當做作者共被引時，本質是將一篇施引文獻的所有參考文獻中的第一作者提取出來。CiteSpace分析出的數據，借助SCI數據庫讀取參考文獻中著者信息的完整記錄。

在本研究范圍中的作者共現，最早的參考文獻發表于2004年，盡管是早期的文獻，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均發表于2012年后。導致這種現象的部分原因為科技論文發表高峰在近十年內，另一方面也說明人工智能技術在2015年后得到了快速發展。

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

3.2.2? 作者共現分析

在分析共現作者時，可以從作者的出現頻次及強度方面分析運算結果。通過CiteSpace對人工智能800余篇高被引文獻進行作者共現分析，進行數據統計分析，如圖6所示，圖中的節點大小代表了作者發文數量的多少，顏色色調代表了研究時間的早晚，冷色系代表研究時間早期，暖色為近期時間代表。連接線條的粗細代表了作者之間的聯系強度，從圖中可見，發文最多的是Himan①、Ataollah②、Wei③、Baharin④、Bui⑤、Demis⑥六位作者出現的頻率達10次以上，且均是為2017、2018年出現的共被引現象，說明這幾位作者在相關領域發表的高質量論文最多。查看分析圖譜中的作者節點詳細信息，可以獲取每位作者的相關論文。

中心度越大，表示該節點在共現網絡中的受關注程度越高。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這幾位作者的影響力廣泛，發表的論文被更多作者引用，學術地位較高。

從節點的連線強度可以判斷作者聯系的緊密程度，作者①與②的合作強度最高，且與③④⑤都有合作，②和①③④⑤也存在合作，⑥相對獨立，④和①②③⑤都有合作，排名前十的諸位作者中大多有合作關系，是近年來人工智能研究方向核心人員。

4? 結? 論

隨著技術的不斷進步、革新和需求，人工智能在各個領域正在經歷快速的融合發展。同時，研究機構的地理分布也在發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世紀初的歐美正在向亞洲地區轉移。

早期研究中，人工智能主要涉及計算機、工程學科及心血管領域，近些年與醫藥研發、健康保健等方面緊密結合。具體研究內容由神經網絡、模擬、優化逐漸轉換方向至支撐向量機、建筑、診斷、風險評估、物聯網等。未來，人工智能跨學科將快速突破，邊界被打破，范圍進一步拓展，并帶來多維度技術和各應用場景的深度結合、疊加。

參考文獻：

[1] 郭毅可.論人工智能歷史、現狀與未來發展戰略 [J].學術前沿，2021（23）：41-53.

[2] 陳悅，陳超美，劉則淵，等.CiteSpace知識圖譜的方法論功能 [J].科學學研究，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用 CiteSpace實用指南 [M].北京：科學出版社，2014.

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

作者簡介：車曉燕（1975—），女，漢族，北京人，館員，碩士，研究方向：學科服務、學研支持保障。

收稿日期：2022-11-28