图书情报领域人工智能的研究热点及发展趋势研究

发布时间：2021-04-14 18:30

　　[目的/意义]搜集和分析国内外图书情报领域人工智能研究的相关文献,以期了解人工智能在图书情报领域目前的研究进展及未来的研究趋势,为学术界和产业界的研究提供借鉴和启示。[方法/过程]运用文献分析和知识图谱可视化方法,对国内外图书情报领域人工智能研究的起源和发展、国内外研究热点及未来研究趋势进行对比和可视化分析。[结果/结论]从研究发展趋势看,国内外相关研究成果的数量呈逐年递增态势。从研究热点看,国外研究主要围绕人工智能在信息检索、社交媒体内容分类及情感分析、知识问答方面的应用研究;国内研究主要围绕人工智能在网络舆情分析、图书馆智能搜索和推荐服务、社交媒体网络数据分析方面的研究。从研究趋势看,未来研究应围绕人工智能技术应用在视觉搜索和语义搜索、智慧图书馆服务、社交网络数据挖掘、人工智能对隐私与安全的影响4个主要方向来开展研究。 

【文章来源】：图书情报工作. 2019,63(01)北大核心CSSCI

【文章页数】：11 页

【部分图文】：

国内图书情报领域人工智能研究文献统计

际醯闹?蹲橹?Q．Li主要关注基于主题级最大熵模型在社会情感分类中的应用以及自然语言处理技术在信息提取中的应用。国内图书情报领域人工智能研究排名前3的作者依次为朱庆华、赵宇翔和张兴旺。朱庆华主要关注人工智能技术在社交网络用户行为分析中应用，以及移动视觉搜索在图书馆的应用;赵宇翔除关注移动视觉搜索在图书馆应用外，还关注国内外移动视觉搜索工具的比较分析，以及基于语音互动的知识问答社区研究;张兴旺主要关注智能信息推荐、移动视觉搜索以及云计算在图书馆的应用研究等。图3国外图书情报领域研究人员发文情况图4国内图书情报领域研究人员发文情况4国内外图书情报领域人工智能研究热点分析4．1国内外研究热点知识图谱分析为了对国内外图书情报领域人工智能研究的热点进行分析，本研究采用CiteSpace软件对近5年国内外图书情报领域人工智能研究热点绘制关键词知识图谱，将Citespace中的TimeSlicing设置为2013年－2017年，NodeTypes设置为Keyword，SelectionCriteria设置为T50，得到国内外研究热点的知识图谱如图5所示，并对国内外图书情报领域人工智能研究热点的高频关键词进行统计分析，见表2。图5中，圆环代表关键词节点，节点的大小反映关键词的影响力，节点越大表示出现的频次越高，影响力也越大。节点之间的连线代表两个关键词共同出现的次数，线条越粗，共同出现的频次越高。图中关键词字体的大小及圆环大小客观上反映了不同时期的研究热度，表2的中心度则反映了关键词节点的重要性程度。图5国外(左)及国内(右)图书情报领域人工智能研究热点知识图谱47

级最大熵模型在社会情感分类中的应用以及自然语言处理技术在信息提取中的应用。国内图书情报领域人工智能研究排名前3的作者依次为朱庆华、赵宇翔和张兴旺。朱庆华主要关注人工智能技术在社交网络用户行为分析中应用，以及移动视觉搜索在图书馆的应用;赵宇翔除关注移动视觉搜索在图书馆应用外，还关注国内外移动视觉搜索工具的比较分析，以及基于语音互动的知识问答社区研究;张兴旺主要关注智能信息推荐、移动视觉搜索以及云计算在图书馆的应用研究等。图3国外图书情报领域研究人员发文情况图4国内图书情报领域研究人员发文情况4国内外图书情报领域人工智能研究热点分析4．1国内外研究热点知识图谱分析为了对国内外图书情报领域人工智能研究的热点进行分析，本研究采用CiteSpace软件对近5年国内外图书情报领域人工智能研究热点绘制关键词知识图谱，将Citespace中的TimeSlicing设置为2013年－2017年，NodeTypes设置为Keyword，SelectionCriteria设置为T50，得到国内外研究热点的知识图谱如图5所示，并对国内外图书情报领域人工智能研究热点的高频关键词进行统计分析，见表2。图5中，圆环代表关键词节点，节点的大小反映关键词的影响力，节点越大表示出现的频次越高，影响力也越大。节点之间的连线代表两个关键词共同出现的次数，线条越粗，共同出现的频次越高。图中关键词字体的大小及圆环大小客观上反映了不同时期的研究热度，表2的中心度则反映了关键词节点的重要性程度。图5国外(左)及国内(右)图书情报领域人工智能研究热点知识图谱47

【参考文献】：
期刊论文
[1]混合需求驱动的文内视觉资源移动视觉搜索框架[J]. 胡蓉,唐振贵,朱庆华.  情报学报. 2018(03)
[2]微博内向型传导热点发现与预测算法研究[J]. 王林森,王学义.  图书情报工作. 2018(03)
[3]融合与重构:智慧图书馆发展新形态[J]. 夏立新,白阳,张心怡.  中国图书馆学报. 2018(01)
[4]以信息推荐为例探讨图书馆人工智能体系的基本运作模式[J]. 张兴旺.  情报理论与实践. 2017(12)
[5]基于灰色关联计算的网络民族舆情事件监测模型研究[J]. 陈建英,朱晖,刘小芳.  情报杂志. 2017(12)
[6]基于大数据的文化遗产数字图书馆移动视觉搜索机制建设研究[J]. 李晨晖,张兴旺,秦晓珠.  情报理论与实践. 2018(04)
[7]基于属性特征的评论文本情感极性量化分析[J]. 李慧,柴亚青.  数据分析与知识发现. 2017(10)
[8]基于深度学习的学术期刊选题同质化测度方法研究[J]. 逯万辉.  情报资料工作. 2017(05)
[9]基于深度学习和OCC情感规则的网络舆情情感识别研究[J]. 吴鹏,刘恒旺,沈思.  情报学报. 2017(09)
[10]论文层面计量视角下的核心文献价值测度与识别研究——以人工智能领域为例[J]. 王菲菲,赵旭.  情报理论与实践. 2017(06)



本文编号：3137804