基于文本挖掘的人工智能科学主题演进研究

发布时间：2021-12-23 03:27

　　[目的/意义]人工智能相关的科学主题已经逐渐扩散到众多科学领域,这也导致人工智能科学的科学外延和学术边界不断被拓展,其分支主题也处于动态演进中;因此,分析人工智能科学主题演变就具有较为重要的情报和管理意义。[方法/过程]为了进一步呈现和绘制人工智能相关科学主题的演进模式,一个基于LDA (Latent Dirichlet Allocation)和主题邻近度计算的文本挖掘方法被提出,尝试从文本建模视角呈现人工智能科学主题的演变趋势。[结果/结论]通过采集超过22万篇与人工智能相关的研究文献,人工智能主题的演进模式得到了部分刻画和分析,这对于当前人工智能相关研究热点的预测与评估,以及相关政策制定或许具有一定的参考价值。

【文章来源】： 情报杂志. 2020,39(06)北大核心CSSCI

【文章页数】：7 页

【文章目录】：
0 引 言
1 理论综述与理论基础
2 研究设计
3 实证分析
    3.1 数据来源与检索策略
    3.2 描述性统计
    3.3 基于LDA的人工智能相关研究主题建模分析
4 研究结论与管理启示


【参考文献】：
期刊论文
[1]AI领域基础科学网络对技术创新网络影响研究 [J]. 朱桂龙,李兴耀.  科学学研究. 2019(03)
[2]人工智能全球治理的现状:基于主体与实践的分析 [J]. 俞晗之,王晗晔.  电子政务. 2019(03)
[3]三维打印技术的潜在风险识别:跨学科主题词挖掘视角 [J]. 李牧南,王流云.  科研管理. 2019(01)
[4]人工智能对企业管理理论的冲击及应对 [J]. 高山行,刘嘉慧.  科学学研究. 2018(11)
[5]基于专利分析的中美人工智能产业发展比较研究 [J]. 陈军,张韵君,王健.  情报杂志. 2019(01)
[6]人工智能产业与管理若干问题的思考 [J]. 张威,蔡齐祥.  科技管理研究. 2018(15)
[7]基于主题变迁的领域发展路径智能化识别——以人工智能为例 [J]. 周源,张超,唐杰,刘宇飞,张宇韬.  图书情报工作. 2018(14)
[8]人工智能时代:技术发展、风险挑战与秩序重构 [J]. 张成岗.  南京社会科学. 2018(05)
[9]共词分析与LDA模型分析在文本主题挖掘中的比较研究 [J]. 曲靖野,陈震,胡轶楠.  情报科学. 2018(02)
[10]基于LDA-SVM论文摘要多分类新兴技术预测 [J]. 董放,刘宇飞,周源.  情报杂志. 2017(07)

硕士论文
[1]人工智能相关研究及应用的演进模式分析：文献计量与主题建模视角[D]. 王雯殊.华南理工大学. 2019



本文编号：3547684