国际人工智能领域计量与可视化研究——基于AAAI年会论文的分析
发布时间：2021-08-17 14:49
人工智能是当代工程科技前沿研究中的学科领域之一,也是国家科技发展规划的重点领域和优先主题。以EI Compendex数据库收录的国际人工智能领域权威学术会议AAAI2002-2011年的会议论文为研究对象,运用科学计量学方法和可视化技术,绘制当代国际人工智能领域的知识图谱,对包括国别、机构和作者在内的研究力量分布以及热点、前沿和所涉学科在内的主题内容进行分析和总结。此外,通过对知识图谱的深度解读,发现科学计量及可视化方法在探析学科领域研究主题时,既需改进自身的方法工具,也应与内容分析及作者行文模式等研究相结合。
【文章来源】：图书情报工作. 2012,56(22)北大核心CSSCI
【文章页数】：8 页
【部分图文】：
AAAI学术年会发文≥15篇以上的高产机构(2002－2011年)
有92%的论文为合著而成。这体现了人工智能领域学者有着良好的合作精神，更表征着该领域学科交叉的程度、涉及领域的广度和学术研究的深度。在可视化分析中，首先运用CitespaceⅡ软件绘制作者合作网络图谱。基于发文篇数、合作篇数和余弦相似系数指标，笔者选定阈值(2，2，30;2，2，30;2，2，30)，结果见图2。图2中有三个最大的作者合著连通网络，根据作者机构信息的统计和对照，可以将三个连通网络划分为9个合作群或团队。经过进一步的统计和更详细的调研，可以发掘出国际人工智能领域学术合作主要存在这样几个特征:图2AAAI学术年会作者合著网络图谱(2002－2011年)?合作类型可以分为机构内的团队合作和跨机构合作两种模式，而著名学者和年青学者是合作的主要连接点。著名学者一方面是团队的核心，指导团队研究方向，另一方面或是曾经在多个机构工作过，或是有着重要而熟悉的科研合作关系(如学术兼职或科研邀请)，因而成为学术合作的重要发起者。从图2可以看到，除了北美机构合作群外，还有德州大学奥斯汀分校、马里兰大学、南加州大学的团队，因此，可以看出美国在该领域的强大的科研实力。美国凭借其强大的科研实力，成为这种合作模式的典型。优秀的年青学者常常就读于人工智能领域顶尖的研究机构，甚至师从著名学者，然后毕业后回到本国从事科研，因而成为不同区域机构间合作的重要桥梁。以色列的科研建设和人才培养具有高度的开放性，鼓励学生出国深造，既发挥了重要的国际合作连通作用，又增强了本国机构的科研实力。?区域内机构合作是人工智能领域的重要合作形式。尽管人工智能领域的国际合作越来越多，但从图中可以发现，区域内的机构合作仍很普遍。如以色列机构合作群就涉及巴依兰大学、本古里安大学、耶路撒冷希
functions172do-mains4414．0115searchspaces163socialnetworks2416SATsolvers164searchalgorithms2417probabilisticmodels165optimalsolutions2318datapoints166optimizationproblem2219real-worldapplication152．877markovdecisionprocess2120NP-hard158constraintprogramming2121newapproaches159machine-learning204．9222multi-agent153．1910trainingdata1923descriptionlogic1511votingrules1824wikipedia1512empiricalresults1825heuristicsearch122．2313polynomial-time171．9326first-order123．19图4AAAI学术年会论文的学科代码共现网络图谱(2002－2011年)从表中可以看到，当前的人工智能还是主要集中在基于搜索、算法、推理和优化理论的机器思维研究，以专家系统和数据发掘为代表的机器学习也是重要的研究领域，以多智能体系统为核心的机器行为则是人工智能研究的热门分支。然而笔者就处理结果向人工智能专业学者咨询，专业学者却给出不同的解释。他指出，词表中只有社会网络(socialnetworks)和维基(Wikipedia)是最近几年人工智能研究的前沿，而其他词汇事实上都属于人工智能及相关领域的基础词汇。笔者对人工智能领域顶级综合性学术期刊ArtificialIntelligence2008－2011年所收录的302篇学术文献的作者关键词进行了同样的统计和计算，得到了相似的结果。这说明这些领域近些年确实受到了人工智能研究人员较多的关注，但就各主题词本身而言，其并非代表研究的最新前沿。通过对源文献的细致查检和分析以及对专业学者的访谈，发现运用共词分析来识别研究前沿固然应与多种引文分析方法结合起来使用［25］，而共词分析方法本身也需要有诸多改进。因为新的技术主题往往会是新术语，甚至是学术同行?
【参考文献】：
期刊论文
[1]基于知识图谱的机器学习研究前沿探析[J]. 赵玉鹏. 情报杂志. 2012(04)
[2]国内知识检索研究进展[J]. 程慧平,陈永超. 图书情报工作. 2011(10)
[3]国外人工智能教育应用最新热点问题探讨[J]. 贾积有. 中国电化教育. 2010(07)
[4]简论研究前沿及其文献计量识别方法[J]. 王立学,冷伏海. 情报理论与实践. 2010(03)
[5]我国自然语言处理研究的文献计量分析[J]. 祝清松. 情报杂志. 2009(S2)
[6]中国国际科学合作中的“华人现象”[J]. 金碧辉,张望,周秋菊,杨立英,杨良斌,汪丹. 科学观察. 2007(06)
[7]我国图书馆学情报学的科研合作现状研究——以CSSCI 1998-2004年数据为例[J]. 魏瑞斌. 图书情报工作. 2006(01)
[8]管理科学期刊同被引网络结构分析[J]. 岳洪江,刘思峰. 情报学报. 2008 (03)
[9]文献计量法与内容分析法的综合研究（Ⅰ）——综合方法研究的可行性、思路与原则[J]. 王曰芬. 情报学报. 2009 (05)
硕士论文
[1]人机交互学发展的科学计量研究[D]. 蒋蓓.复旦大学 2011
[2]国内外机器人研究领域的知识计量[D]. 杨莹.大连理工大学 2009
本文编号：3347969
【文章来源】：图书情报工作. 2012,56(22)北大核心CSSCI
【文章页数】：8 页
【部分图文】：
AAAI学术年会发文≥15篇以上的高产机构(2002－2011年)
有92%的论文为合著而成。这体现了人工智能领域学者有着良好的合作精神，更表征着该领域学科交叉的程度、涉及领域的广度和学术研究的深度。在可视化分析中，首先运用CitespaceⅡ软件绘制作者合作网络图谱。基于发文篇数、合作篇数和余弦相似系数指标，笔者选定阈值(2，2，30;2，2，30;2，2，30)，结果见图2。图2中有三个最大的作者合著连通网络，根据作者机构信息的统计和对照，可以将三个连通网络划分为9个合作群或团队。经过进一步的统计和更详细的调研，可以发掘出国际人工智能领域学术合作主要存在这样几个特征:图2AAAI学术年会作者合著网络图谱(2002－2011年)?合作类型可以分为机构内的团队合作和跨机构合作两种模式，而著名学者和年青学者是合作的主要连接点。著名学者一方面是团队的核心，指导团队研究方向，另一方面或是曾经在多个机构工作过，或是有着重要而熟悉的科研合作关系(如学术兼职或科研邀请)，因而成为学术合作的重要发起者。从图2可以看到，除了北美机构合作群外，还有德州大学奥斯汀分校、马里兰大学、南加州大学的团队，因此，可以看出美国在该领域的强大的科研实力。美国凭借其强大的科研实力，成为这种合作模式的典型。优秀的年青学者常常就读于人工智能领域顶尖的研究机构，甚至师从著名学者，然后毕业后回到本国从事科研，因而成为不同区域机构间合作的重要桥梁。以色列的科研建设和人才培养具有高度的开放性，鼓励学生出国深造，既发挥了重要的国际合作连通作用，又增强了本国机构的科研实力。?区域内机构合作是人工智能领域的重要合作形式。尽管人工智能领域的国际合作越来越多，但从图中可以发现，区域内的机构合作仍很普遍。如以色列机构合作群就涉及巴依兰大学、本古里安大学、耶路撒冷希
functions172do-mains4414．0115searchspaces163socialnetworks2416SATsolvers164searchalgorithms2417probabilisticmodels165optimalsolutions2318datapoints166optimizationproblem2219real-worldapplication152．877markovdecisionprocess2120NP-hard158constraintprogramming2121newapproaches159machine-learning204．9222multi-agent153．1910trainingdata1923descriptionlogic1511votingrules1824wikipedia1512empiricalresults1825heuristicsearch122．2313polynomial-time171．9326first-order123．19图4AAAI学术年会论文的学科代码共现网络图谱(2002－2011年)从表中可以看到，当前的人工智能还是主要集中在基于搜索、算法、推理和优化理论的机器思维研究，以专家系统和数据发掘为代表的机器学习也是重要的研究领域，以多智能体系统为核心的机器行为则是人工智能研究的热门分支。然而笔者就处理结果向人工智能专业学者咨询，专业学者却给出不同的解释。他指出，词表中只有社会网络(socialnetworks)和维基(Wikipedia)是最近几年人工智能研究的前沿，而其他词汇事实上都属于人工智能及相关领域的基础词汇。笔者对人工智能领域顶级综合性学术期刊ArtificialIntelligence2008－2011年所收录的302篇学术文献的作者关键词进行了同样的统计和计算，得到了相似的结果。这说明这些领域近些年确实受到了人工智能研究人员较多的关注，但就各主题词本身而言，其并非代表研究的最新前沿。通过对源文献的细致查检和分析以及对专业学者的访谈，发现运用共词分析来识别研究前沿固然应与多种引文分析方法结合起来使用［25］，而共词分析方法本身也需要有诸多改进。因为新的技术主题往往会是新术语，甚至是学术同行?
【参考文献】：
期刊论文
[1]基于知识图谱的机器学习研究前沿探析[J]. 赵玉鹏. 情报杂志. 2012(04)
[2]国内知识检索研究进展[J]. 程慧平,陈永超. 图书情报工作. 2011(10)
[3]国外人工智能教育应用最新热点问题探讨[J]. 贾积有. 中国电化教育. 2010(07)
[4]简论研究前沿及其文献计量识别方法[J]. 王立学,冷伏海. 情报理论与实践. 2010(03)
[5]我国自然语言处理研究的文献计量分析[J]. 祝清松. 情报杂志. 2009(S2)
[6]中国国际科学合作中的“华人现象”[J]. 金碧辉,张望,周秋菊,杨立英,杨良斌,汪丹. 科学观察. 2007(06)
[7]我国图书馆学情报学的科研合作现状研究——以CSSCI 1998-2004年数据为例[J]. 魏瑞斌. 图书情报工作. 2006(01)
[8]管理科学期刊同被引网络结构分析[J]. 岳洪江,刘思峰. 情报学报. 2008 (03)
[9]文献计量法与内容分析法的综合研究（Ⅰ）——综合方法研究的可行性、思路与原则[J]. 王曰芬. 情报学报. 2009 (05)
硕士论文
[1]人机交互学发展的科学计量研究[D]. 蒋蓓.复旦大学 2011
[2]国内外机器人研究领域的知识计量[D]. 杨莹.大连理工大学 2009
本文编号：3347969
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/3347969.html
