人工智能文献计量与可视化分析

张兆奇

（大连大学，辽宁大连 116000）

摘要：真正意义上的人工智能诞生到今天不过百年，然而人工智能技术与我们的日常生活中早已密不可分，小到手机智能语音大到工厂中的制造器人，都能看到人工智能技术的影子。本文将以科学计量学与引文分析法为理论指导,将Web of Science数据库收录的人工智能领域的文献为研究对象,并使用CiteSpace软件系统制作可视化图谱、数据统计表格，对2010年至2019年国际人工智能研究领域规律和发展状况等进行分析，通过这一新视角来研究人工智能的发展规律与现状，希望能为我国人工智能发展提供有力的经验建议。

关键词：科学计量；引文分析法：人工智能；科学技术知识；期刊文献中图分类号：TB9 󰀃

一、引言

󰀃

文献标识码：A

󰀃

󰀃

文章编号：2096-4609（2020）08-00013-003

展道路。

本文对有关人工智能2010年—2019年的文献进行收集、分析与比较。以 Web of Science数据库中收录的与人工智能技术相关的14225篇文献为研究目标,利用 CiteSpace 软件对人工智能领域国家、研究机构、研究主题三个方面进行可视化分析, 从而了解人工智能领域的研究进展。

二、研究方法及工具

（一）科学计量学与引文分析方法1.科学计量学

重要组成部分，引文分析法利用数学与统计的比较、抽象概括等逻辑方法，对科学文献著者、科学期刊等分析对象的引用和被引用现象进行分析，以揭示其数量特征和内在规律的一种信息计量研究方法。[2]引文分析的主要内容有：（1）引文的定性分析：包括引文的情景、引文的国别、语言、机构等具体内容，引文的位置及类型。（2）引文的数量分析：如引文的年代分析，包括被引文献的数量和施引文献的数量。（3）引文链式分析：科学文献间存在着“引文链”，如文献A被文献B引用，B被文献C引用，C又被D引用等。对这种引文的链式结构进行分析研究可以揭示科学的发展过程并展望未来发展前景。（4）引文网络分析：文献的被引和施引间呈现的交叉现象，即文献的共被引。文献的网络分析主要用于揭示科学的知识结构、学科相关程度和进行学科领域的研究热点和研究前沿分析等。

（二）CiteSpace软件系统

CiteSpace可视化分析软件系统是通过分析节点间关系、关键词聚类等来分析研究热点、研究前沿、核心作者及机构等的可视化分析工具。它是科学计量学的常用制图软件，通过对数据库的文献数据下载，输入到软件进行筛选分析成图是本软件的常用操作方法。CiteSpace软件由Drexel大学教授、大连理工大学长江学者陈超美开发。CiteSpace软件系统可以通过对文献数据信息的相关分析处理，探测和分析学科研究前沿随时间相关的变化趋势以及研究前沿与其知识基础之间的关系，发现不同研究前沿之间的内部联系。通过对学科领域的文献信息可视化使研究者

·13·

进入21世纪以来，围绕人工智能进行的研究相继获得突破。特别是近年来，智能程序Alpha Go在围棋领域完胜人类和智能机器人索菲亚携带的智能系统可以使其模拟人类思考，这说明了作为强人工智能技术的代表性智能工具开始初步成熟。同时，中国开始在部分城市进行自动化智能驾驶系统的试点工作，中国在部分医院进行的人工智能医疗系统的试点和在部分城市的铁路系统进行的人工智能服务系统应用说明人工智能技术开始大规模社会应用成为可能。中华人民共和国2017年发布了《新一代人工智能发展规划》（国发〔2017〕35号），部署了2017年至2030年构筑中国人工智能发展的先发优势，为加快建设创新型国家和世界科技强国服务。此规划的提出使得人工智能被大众与企业高度关注，使近些年人工智能被我国各机构重视，智能语音，智能计算机，工业机器人等一些人工智能相关产业在国内也因此高速发展，使得人工智能这一技术与我们的日常生活工作也越发的密不可分。

但是与国际上人工智能的发展情况相比，国内的人工智能研究不仅起步较晚，直到改革开放之后，中国的人工智能才逐渐走上发展之路。自1978年全国科学大会开始人工智能的研究至今不过40余年，而真正蓬勃发展却是在21世纪。所以我国目前在人工智能领域的研究特点是进入晚、起点低但发展较快,模仿较多创新不足。要想真正的将这一技术发扬光大，我们必须吸取成功者的经验教训，从世界角度看问题，通过这一技术领域的发展规律，为自身找到一条发

科学计量学是科学学的一门重要学科，它能用数理统计和计算技术等数学方法以科学为研究对象，对科学活动的产出进行定量分析，并从中找出科学活动规律性及反映其规律性。我国科学计量学奠基人之一蒋国华认为，“科学计量学是指科学学研究中定量方面的问题”。[1]科学计量学与文献计量学相似，多是以科学文献为研究对象，但科学学计量学有着独特研究领域，相较于文献计量更为详细。比如，研究科学家的最佳科学创新年龄、出重大科技成果时科学家年龄的频度分布规律等。

科学计量学最早由1961年美国科学家普赖斯的《巴比伦以来的科学》以及1963年的《大科学，小科学》中提及，这两篇文章为此学科奠基了理论基础，是科学计量学的诞生标志。直至1994年国际计量学与情报计量学学会（ISSI）在荷兰成立，这门学科才得到国际正式认可。而在1992年中国就已在《科学分类与代码》的国家标准中确认了这一学科地位，可以说它是一门年轻的学科。

2.引文分析法

引文分析是科学计量学研究的一个

智观天下 能够直观的辨识出学科前沿的关键演化路径及学科领域的关键节点文献。

三、数据来源与处理

[3]

智库时代 量某个节点在网络中的重要性,以及与其他节点之间联 系的密切程度。从而,一段时间内科学研究者共同关注的核心问题即研究热点可以从中心性和频次高的关键词中得到体现

[5]

从数据分析可知在2010至2019年国际人工智能的热点研究领域为，人工智能研究、人工智能神经网络、人工智能模型、人工智能系统、人工智能预测、人工智能算法、人工智能机器学习、人工智能的分类、人工智能优化。

五、研究机构与国家（一）国家空间分布图谱

本文以Web of Science数据库作为本文的可视化的数据来源基础，此数据库属于美国汤森路透集团（Thomson Reuters）旗下，最早由美国知名文献计量专家尤金·加菲尔德（Eugene Garfield）1963 年策划建立。目前web of Science数据库服务于全球两千万使用者，81个国家超过3000家用户，是当今国际上最为权威，覆盖文献信息最全面的检索数据库。由于该数据库的建立，直接促成了后来的文献计量学的大力发展。本文利用数据库中选定“artificial intelligence”、文献类型为“article”，时间跨度为2010年—2019年进行数据下载及预处理，得到了14229篇与人工智能相关的期刊文献，并以此为载体,从时间，地域，主题对十年间国内外人工智能技术研究领域的研究进行分析,将国际人工智能技术研究领域的科学知识分布与知识前沿等用可视化工具直观地表达出来,对人工智能技术研究进行科学计量。

四、研究主题的演化规律

。本文通过过

Web of Science数据库中人工智能关键词的高频词的收集统计，来分析近十年人工智能领域的核心课题。首先,在软件中分别输入代表性期刊的题录数据主要包含标题、关键词、参考文献等。然后,设定好选项,调节阀值,选择算法。主题词（keyword）为关键词。

这些关键词彼此紧密联系,形成了人工智能研究、人工智能的神经网络、人工智能模型这三个比较明显的聚类。按出现频次由高到低的次序,排在前十位的关键词如表1。

表1 关键词频次排序表

频次3634160713611212118810879329876874

中心性0.350.130.050.080.060.090.060.090.160.08

关键词Artificial

intelligenceneural network

modelsystemartificial neural

network

predictionalgorithmmachine learningclassificationoptimization

研究领域作为当前的一个研究热点领域,不同的国家地区的研究实力不尽相同。使用软件时，选择网络节点为“Country”,运行软件,从而得到人工智能研究的国家图谱,如图1所示.每种颜色代表着不同的时间段在图1的顶端我们可以清楚的看见这些颜色代表的具体年份。而每个圆形图谱的轮环代表着不同年份此国家发表人工智能相关文献的频数，年轮环越宽则频数越多，所以可以明显看出在人工智能研究领域,美国(USA) 的图形面积最大,作者发文量最多，以频次3026居于世界首位。中国 (PEOPLES R CHINA)以2825频次位居第2,;英国(ENGLAND)频次1141位列第3;伊朗(Iran)频次938位列第4:；西班牙（Spain）频次888位列第5;第6到第9分别是印度（India）、德国(Germany)、加拿大（Canada）和法国（France）。

由此可见,欧洲和亚洲各国都高度重视人工智能技术的发展,中国和美国

关键词是对文献研究内容的高度概括,有时甚至可以代表一篇文献的主要研究内容。网络节点的中心性是反映节点核心程度的重要指标之一[4], 可以衡

图1 人工智能研究国家图谱

·14·

智库时代 智观天下 图2 人工智能研究机构图谱

是其中发展实力最为强大的两个国家且差距已不是很大。从圆形图的单圈年轮可以发现人工智能在近些年的发展是非常迅速的，各国的作者出现频数明显增多。

图中的线条代表着国家间的合作，我们不难发现一个规律，研究实力较强发文量大的国家间合作较少，而相反实力稍弱，发文量少的国家合作反而很多。

（二）研究机构空间分布图谱

智能研究更好更快发展。

表2 工智能研究机构频次排序

频次2220122111106103999793

机构名称Chinese Acad SeiIslamic Azad UnivStanford UnivUnivTabrizHarvard MedSchUniv Tehran

MITUniv OxfordTsinghua UnivNanyang Technol Univ

发现，欧洲亚洲对人工智能技术高度重视，中国与美国是其中实力最为雄厚的国家且差距不大。

人工智能的研究机构图谱上显示了，亚洲的研究机构的研究成果文献最多。跨机构间的合作明显很少，中国的研究机构在近几年发展迅速，辐射面积最大，但缺少机构合作。国内外高校及相关研究团队需加强交流合作,打破消极界限,互利共赢才能促进人工智能研究更快速有效的发展。

【参考文献】

[1]蒋国华.科学计量学和情报计量学：今天和明天.科学学和科技管理,1997,18(8):33.

[2]邱均平.文献信息印证规律和引问分析法[J].情报理论与实践,2001,4(3):236-240

[3]侯剑华.工商管理学科演进与前沿热点的可视化分析[D].大连:大连理工大学,2009.

[4]刘军.社会网络分析导论[M].北京:社会科学文献出版社,2004:170-185.

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

【作者简介】张兆奇（1994-），男，2017级硕士研究生，科技哲学专业，研究方向为科技管理。

·15·

构建人工智能的研究机构分布图谱时,把网络节点类型设定为“Institution”,生成图谱如图2所示,中国科学院 (Chinese Acad Sci)频次最高, 在人工智能领域发表论文最多，其次高产的机构依次为自由大学 (Islamic Azad Univ) 、斯坦福大学（Stanford Univ）、大不里士大学（UnivTabriz）、哈佛医学院（Harvard MedSch）。

如表2可以直观的发现一个规律，发文量排在前十的研究机构基本都位于亚洲,其中包括3所伊朗名校,2所中国研究机构，1所新加坡名校。并且图2可以观察出不同机构间的合作情况，可知国际人工智能研究团队分散,不同机构缺少合作,具有凝聚力的科研群体还未形成。这对于人工智能研究的发展是不利的，未来需要国内外高校及相关研究团队之间加强合作交流，来促使人工

六、研究结论󰀃

本文利用 CiteSpace 软件系统, 把Web of Science数据库中有关人工智能 2010年至2019年的文献数据收集，制作成可视化图谱与数据表格,从关键词频次排序表，人工智能研究国家图谱、人工智能研究机构图谱关键词频次排序表,可得出结论。

通过关键词频次排序表的研究我们可以知道在近十年，国际人工智能的研究领域重心主要在人工智能研究、人工智能的神经网络、人工智能模型这三个领域。未来几年这三个领域也将是人工智能研究的核心，需要高度重视。

从人工智能研究国家图谱我们可以