人工智能研究前沿识别与分析:基于领域全局演化研究视角

[目的/意义]在人工智能持续快速发展的背景下,借助于数据分析进行人工智能领域突变术语的识别,揭示人工智能领域的研究前沿及其态势的演变状况,以为科学研究与政策制定提供数据支撑和决策参考。[方法/过程]在对研究前沿综述的基础上,以WoS核心合集为数据源,采集与处理人工智能研究的文献数据,利用突变检测算法识别出突变术语,从整体内容、突变持续区间、突变初始年限以及突变时间和词频相结合的角度进行研究前沿的识别与具体演进分析。[结果/结论]人工智能研究前沿由理论研究向技术方法和算法研究演变,整体上处于持续稳定的发展状态中;在学习模型和算法上出现新的发展思路,以智能应用为目标;同时,移动设备、能源消耗以及标准测试数据等研究发展得较快。[局限]主题术语可能存在分词误差,需追踪到实际文献中的主题词进行修正。

情报学视角下的国际人工智能研究前沿分析

[目的/意义]人工智能发展已经进入国家战略布局,基于情报学方法构建多角度识别、深层次解读的分析路径,识别和解读国际人工智能研究前沿,将为相关研究人员和管理人员提供参考,体现情报学的战略支撑作用。[方法/过程]采集人工智能领域2010-2017年Web of Science收录的所有期刊文献和会议文献数据,从关键词结点指标、网络指标、聚类分析等多个角度全方位识别了国际人工智能的研究前沿,并从聚类关键词构成、互信息词和核心文献三个方面对研究前沿进行了示例性的深入解读。[结果/结论]各个视角识别的研究前沿均具有启示性且互为补充,基于共词分析和聚类分析识别出了16个研究前沿,以"约束满足"研究前沿为例的深入解读揭示了其具体研究内容所在。

基于数据科学的知识创新服务应用模式构建研究

大数据时代背景下知识需求发生变化,现有知识服务模式难以适用于知识创新发展与数据密集型科学研究范式的转变,需要导入数据科学构建面向知识创新服务的应用模式。本研究在概述知识创新、知识服务、数据科学的基础上,探索知识创新服务的概念与特点及导入数据科学的目的,并分析知识创新服务模式的研究现状。进而提出知识创新服务模式构建需求及目标,尝试构建基于数据科学的知识创新服务应用模式。研究认为基于数据科学的知识创新服务模式主要应由数据基础层、分析逻辑层和结果展现层三个层面构成。同时,依据知识内容分析、知识创新模式等角度,从四个方面对知识创新服务模式进行阐述。

多学科交叉综合的研究领域内学科间分布状态与演化研究

本研究旨在揭示多学科交叉综合领域内的核心学科并分析学科间内在联系与演变,以此来分析领域内学科态势。以人工智能领域为研究对象,探讨该领域内相关学科的分布,分析学科相互间的关联和研究相似性及演化,为科学研究和政策制定提供支持。对文献资料进行预处理后,用关键词表征学科研究内容,并通过词袋模型构建学科向量;分别从基础统计、共现分析和相似性分析来研究学科的分布、人工智能与其他学科之间以及两两学科之间的相似性与演化。结果表明,人工智能领域内以计算机科学和工程为核心,以数学为基础,并逐渐延伸到社会科学、生物科学等领域,由单一的理论和技术研究向多学科应用领域发展。领域内学科的多元化也促进了管理学和法学等学科研究内容的转变。本研究分析路径可以在一定程度上揭示学科研究的跨学科发展趋势。

知识创新的研究状况与科学知识创新面临的大数据挑战

知识创新是促进知识经济与社会可持续发展的基础和引擎,是体现国家和机构竞争能力的标志。为了解国内外有关知识创新研究的整体状态、主要观点与发展趋向,本文通过调查国内外文献数据库,对文献整体发展趋势进行分析。在此基础上,阅读高被引的相关文献,总结已有研究在知识创新的内涵、特征、流程、模式、影响因素等方面的主要观点,并从条件因素、主体因素、流程因素层面构建知识创新影响因素的概念模型。最后,从科学知识创新的需求角度,分析大数据背景下知识创新面临的挑战与发展趋势。

词序视角下学术文本关键词分布特征及其差异研究

[研究目的]为了更加有效地发挥关键词在科研成果记录传播、信息资源组织建设与知识检索服务等方面的作用,提出词序视角下学术文本关键词分布特征及其差异考察的指标体系及其量化方法。[研究方法]首先,从学术文本关键词的选词偏好特征、选词多样性特征和选词语义特征等3个维度,选取并构建5个关键词分布特征量化指标;然后,利用文献计量和统计分析的方法处理所采集的数据;最后,对数据进行描述统计分析与不同类型学术文本关键词分布特征对比分析。[研究结论]以人工智能研究主题为例,发现相关的学术文本关键词以4~5个为主,作者更倾向在词序靠前的位置选择来自题名的词组作为关键词。随着词序的增加,关键词的选词多样性随词序变化先增后减;作者会在靠前词序标注与该研究主题核心概念高度相关的主题词作为关键词选词来源;关键词词对之间呈现一定的语义相似度递减现象;不同类型学术文本在各个指标层面呈现一定的差异性。

科研众包项目运行模式与平台类型划分研究

[目的/意义]为了有效地推动知识交流与科技创新,探讨新兴的科研众包项目运行模式的构建、科研众包平台类型的划分与特点的解析。[方法/过程]文章从科研众包项目的需求及其支撑要素的视角,一方面,归纳科研众包项目参与主体,设计科研众包流程并解析知识流向,构建知识转移为核心的项目运作模式;另一方面,归纳平台的主要特征作为分类要素,单维度划分类型并进行属性间关联分析,同时,通过K-modes算法进行综合聚类,多维度划分平台类别。[结果/结论]研究结果表明科研众包运行模式中发包方和接包方之间存在知识双向多次转移的现象,依据系统结构和功能角度进行平台类型划分中主要以服务层面平台特征最为明显,自主专建型与非专项型关联紧密,嵌入式拓展型与专项领域型关联紧密;综合聚类划分平台为11个类别时效果最佳。

地域视角下人工智能研究团队合作状态及其对比研究

[目的/意义]从地域视角出发,探讨人工智能研究团队的合作及其差异,以揭示跨地域或者地域内科研合作的状态与规律。[方法/过程]以Web of Science为数据来源,采集2009—2018年间人工智能学科领域所有科技论文数据,通过算法设计与人工核查进行数据清洗,从多维角度提取与划分研究团队。在此基础上,按地域划分3种类型合作模式,从对比角度综合分析各模式下团队中的地理位置分布、内部合作指标、合作主题内容3个方面,同时突出中国和美国人工智能研究团队的比较。[结果/结论]研究结果表明:中外人工智能研究核心团队均与科研大国保持密切联系;中国合作核心团体的国内合作依赖度较高,国际合作更有利于跨入核心团队行列;中国国内人工智能合作研究的主题主要表现在数据处理和应用层面,而核心技术层面和基础算法层面需与国外进行合作;中美在国际合作中,均占据重要地位且互为紧密合作对象。

大数据驱动下情报研究知识库的应用:以石墨烯领域为例

[目的/意义]文章基于领域情报研究知识库三位一体的体系架构,以石墨稀领域为例,进行情报研究知识库的应用研究。[方法/过程]首先,对总体应用方案进行设计;然后,基于文本语义空间进行语义检索实证研究,并利用专家知识地图进行专家发现;最后,从时间分布、研究者分布、机构分布、研究热点以及主题挖掘五个方面进行领域情报分析与挖掘。[结果/结论]文章以石墨烯领域情报研究知识库为例,从多层面进行应用研究,展现我国石墨烯领域整体研究情况,并为领域情报研究中智能化的情报研究提供借鉴。

人工智能研究前沿识别与分析:基于高产作者多属性综合研究视角

[目的/意义]从作者出发探测微观层面上人工智能领域研究前沿,并结合相关信息对前沿进行深入解读,以把握作者在整体中的研究态势、所处位置与特色,并发现基于不同属性识别出的研究前沿的类型与状态。[方法/过程]利用CiteSpace中的突变检测算法实现对高产作者突变术语的检测,再根据突变术语的原始来源论文抽取出对应突变术语的多种属性特征,进而依据属性从突变术语中提炼出研究前沿。[结果/结论]依据突变术语所属论文的题录属性,界定出作者层面的50个热点研究前沿、14个新兴研究前沿、34个成长研究前沿。高产作者的热点研究前沿代表领域内的研究热点与研究趋势,新兴研究前沿反映最近几年领域内比较新颖的研究技术或研究方法,成长研究前沿反映从新兴研究前沿到热点研究前沿的过渡状态。[局限]实验所涉及的高产作者数量受限,实验结论的普适性有待进一步验证;CiteSpace中突变检测的参数设置范围受软件本身所限制,无法灵活调整模型参数。

人工智能科研团队的合作模式及其对比研究

[目的/意义]探讨人工智能领域科研团队的合作模式,并比较不同合作模式科研团队的差异与影响。[方法/过程]以已识别出的人工智能领军团队为研究对象,根据团队中学者的合作人数情况和社会网络指标,识别出团队中的核心学者,进而划分人工智能科研团队的合作模式,并对不同合作模式的团队进行举例分析。在此基础上,从网络结构特征、研究绩效与地理分布几个维度,对比分析不同合作模式领军团队之间的差异。[结果/结论]人工智能领域科研团队的合作模式被划分为单核模式、双核模式、多核模式以及均衡模式4种类型,其中,单核模式和双核模式的科研团队在所研究维度上都表现较为优异。

整合主题的学科知识网络构建与演化分析框架研究

【目的/意义】当前,对学科研究前沿的挖掘和探测成为学科知识创新服务的重要支撑。本文从整合主题的视角出发,提出了学科知识网络构建与演化分析的框架,通过该框架实现学科研究前沿的挖掘和探测。【方法/过程】整合主题的学科知识网络构建与演化分析框架主要包括三个部分。一是,基于主题挖掘与主题语义关联计算相结合的视角,提出了整合主题的学科知识网络构建流程;二是,基于复杂网络结构分析理论提出了整合主题的网络结构演化分析方法,以挖掘和探测前沿主题;三是,基于复杂网络演化建模与多agent系统仿真建模方法,提出了整合主题的学科知识网络演化建模框架,通过演化建模探索学科知识结构的演化机理。【结果/结论】以上整合主题的学科知识网络构建流程和演化分析、演化建模框架,形成了"主题挖掘→网络构建→结构演化→仿真建模"的研究新思路,为学科知识创新服务提供了新的方法与工具。