人工智能技术在国际体育运动领域的聚类与演化
发布时间：2021-10-23 05:56
以Web of Science数据库1995年以来"体育人工智能"等关键词为主题的549篇文献为数据来源,利用Cite Space V软件进行可视化处理和分析,以可视化知识图谱的方式梳理了近25年体育人工智能研究的国家、学科分布、研究热点以及演化趋势,探讨其研究进展和发展方向。1)体育人工智能研究地区分布较广,其中美国、中国和德国处于领先地位。2)体育人工智能研究涉及到多个学科,主要运用和借鉴了计算机科学、工程学、体育科学等学科的研究方法和理论视角。3)关键词的频次与中心性印证了目前体育人工智能领域是以机器学习为主要方向,人工神经网络为主要算法,注重以数据挖掘为基础的实践与实证研究。4)研究热点包括基于可穿戴加速度计技术的简单活动识别与能量消耗研究;基于可穿戴式传感器的动作分析与损伤防控研究;基于卷积神经网络算法的计算机视觉场景分类研究;基于计算机视觉的体能与技战术的分析与预测;基于计算机深度学习的人体姿态识别技术。
【文章来源】：山东体育学院学报. 2020,36(03)北大核心
【文章页数】：12 页
【部分图文】：
1995—2020年体育人工智能研究
通过Cite space V软件的分析,由于相关文献最早出现于1995年,故时区分割(Time Slicing)选择1995—2020年,时间切片为1年,节点类型为“Country”,阈值项选择“TopN=50”,其他均为默认值,得到共现网络图谱(图1)。圆圈半径的大小、节点连接线条的粗细与发文量和联系紧密程度成正比。同时圆圈外层的紫色圆环宽度越宽,其中心性越大[5]。从图1数据分析,共有来自39个国家(地区)的文献涉及体育人工智能研究,但不同国家的发文量差距很大。前10位中,美国和中国分别以94篇和75篇排在前两位,占据了总发文量的30%,欧洲地区的德国、西班牙、英国、意大利、荷兰发文量依次为39篇、36篇、33篇、22篇、15篇,分别位于第3、4、6、7、10位,占据总发文量的26%。澳大利亚以36篇位列第5,加拿大以17篇排名第8。除此之外在亚洲地区,韩国、印度、日本分别以17篇、11篇、10篇位列第9、11、12位。从文章的中心性来看,前5位分别为美国(0.65)、德国(0.31)、西班牙(0.31)、英国(0.30)、荷兰(0.29),中国仅排在第8位。
3.1 体育人工智能高频关键词共现分析表2 1995—2020年体育人工智能高频及 高中心性关键词一览表(前15位) 序号 高频关键词 高中心性关键词 关键词名称 频次 关键词名称 中心性 1 Machine Learning 机器学习 82 Validity有效性 0.18 2 Sport体育运动 43 Classification 分类 0.17 3 Artificial Neural Network 人工神经网络 36 Machine Learning 机器学习 0.15 4 Performance表现 36 System 系统 0.14 5 Model模型 34 Performance表现 0.13 6 Classification 分类 30 Artificial Neural Network人工神经网络 0.12 7 Computer Vision计算机视觉 27 Soccer足球 0.10 8 Neural Network神经网络 27 Physical Activity体育活动 0.09 9 Artificial Intelligence人工智能 27 Model模型 0.09 10 Physical Activity体育活动 24 Sport体育运动 0.09 11 System 系统 23 Movement活动 0.08 12 Validity有效性 21 Pattern模式 0.08 13 Energy Expenditure能量消耗 20 Player运动员 0.07 14 Accelerometer加速度计 17 Computer Vision计算机视觉 0.07 15 Prediction预测 17 Ferture特征 0.06
【参考文献】：
期刊论文
[1]体育运动风险研究的知识图谱分析[J]. 石岩,霍炫伊. 体育科学. 2017(02)
[2]中国人工智能40年[J]. 蔡自兴. 科技导报. 2016(15)
[3]近五年来图书情报学研究热点与前沿的可视化分析——基于13种高影响力外文源刊的计量研究[J]. 邱均平,温芳芳. 中国图书馆学报. 2011(02)
本文编号：3452602
【文章来源】：山东体育学院学报. 2020,36(03)北大核心
【文章页数】：12 页
【部分图文】：
1995—2020年体育人工智能研究
通过Cite space V软件的分析,由于相关文献最早出现于1995年,故时区分割(Time Slicing)选择1995—2020年,时间切片为1年,节点类型为“Country”,阈值项选择“TopN=50”,其他均为默认值,得到共现网络图谱(图1)。圆圈半径的大小、节点连接线条的粗细与发文量和联系紧密程度成正比。同时圆圈外层的紫色圆环宽度越宽,其中心性越大[5]。从图1数据分析,共有来自39个国家(地区)的文献涉及体育人工智能研究,但不同国家的发文量差距很大。前10位中,美国和中国分别以94篇和75篇排在前两位,占据了总发文量的30%,欧洲地区的德国、西班牙、英国、意大利、荷兰发文量依次为39篇、36篇、33篇、22篇、15篇,分别位于第3、4、6、7、10位,占据总发文量的26%。澳大利亚以36篇位列第5,加拿大以17篇排名第8。除此之外在亚洲地区,韩国、印度、日本分别以17篇、11篇、10篇位列第9、11、12位。从文章的中心性来看,前5位分别为美国(0.65)、德国(0.31)、西班牙(0.31)、英国(0.30)、荷兰(0.29),中国仅排在第8位。
3.1 体育人工智能高频关键词共现分析表2 1995—2020年体育人工智能高频及 高中心性关键词一览表(前15位) 序号 高频关键词 高中心性关键词 关键词名称 频次 关键词名称 中心性 1 Machine Learning 机器学习 82 Validity有效性 0.18 2 Sport体育运动 43 Classification 分类 0.17 3 Artificial Neural Network 人工神经网络 36 Machine Learning 机器学习 0.15 4 Performance表现 36 System 系统 0.14 5 Model模型 34 Performance表现 0.13 6 Classification 分类 30 Artificial Neural Network人工神经网络 0.12 7 Computer Vision计算机视觉 27 Soccer足球 0.10 8 Neural Network神经网络 27 Physical Activity体育活动 0.09 9 Artificial Intelligence人工智能 27 Model模型 0.09 10 Physical Activity体育活动 24 Sport体育运动 0.09 11 System 系统 23 Movement活动 0.08 12 Validity有效性 21 Pattern模式 0.08 13 Energy Expenditure能量消耗 20 Player运动员 0.07 14 Accelerometer加速度计 17 Computer Vision计算机视觉 0.07 15 Prediction预测 17 Ferture特征 0.06
【参考文献】：
期刊论文
[1]体育运动风险研究的知识图谱分析[J]. 石岩,霍炫伊. 体育科学. 2017(02)
[2]中国人工智能40年[J]. 蔡自兴. 科技导报. 2016(15)
[3]近五年来图书情报学研究热点与前沿的可视化分析——基于13种高影响力外文源刊的计量研究[J]. 邱均平,温芳芳. 中国图书馆学报. 2011(02)
本文编号：3452602
本文链接：https://www.wllwen.com/jiaoyulunwen/tylw/3452602.html
