[目的/意义]在人工智能技术及应用快速发展与深刻变革背景下,机器学习领域不断出现新的研究主题和方法,深度学习和强化学习技术持续发展。因此,有必要探索不同领域机器学习研究主题演化过程,并识别出热点与新兴主题。[方法/过程]本文以...[目的/意义]在人工智能技术及应用快速发展与深刻变革背景下,机器学习领域不断出现新的研究主题和方法,深度学习和强化学习技术持续发展。因此,有必要探索不同领域机器学习研究主题演化过程,并识别出热点与新兴主题。[方法/过程]本文以图书情报领域中2011—2022年Web of Science数据库中的机器学习研究论文为例,融合LDA和Word2vec方法进行主题建模和主题演化分析,引入主题强度、主题影响力、主题关注度与主题新颖性指标识别热点主题与新兴热点主题。[结果/结论]研究结果表明,(1)Word2vec语义处理能力与LDA主题演化能力的结合能够更加准确地识别研究主题,直观展示研究主题的分阶段演化规律;(2)图书情报领域的机器学习研究主题主要分为自然语言处理与文本分析、数据挖掘与分析、信息与知识服务三大类范畴。各类主题之间的关联性较强,且具有主题关联演化特征;(3)设计的主题强度、主题影响力和主题关注度指标及综合指标能够较好地识别出2011—2014年、2015—2018年和2019—2022年3个不同周期阶段的热点主题。展开更多
新能源汽车产业已经成为国家战略性产业的一部分,相关研究逐年增多。为此,本文利用Cite Space Ⅲ可视化分析软件,将Web of Science中新能源汽车产业的相关文献作为样本数据,通过国家、作者和文献关键词的共现分析,以及引文被引聚类分析...新能源汽车产业已经成为国家战略性产业的一部分,相关研究逐年增多。为此,本文利用Cite Space Ⅲ可视化分析软件,将Web of Science中新能源汽车产业的相关文献作为样本数据,通过国家、作者和文献关键词的共现分析,以及引文被引聚类分析等直观可视化的方式展示出国内外新能源汽车产业研究的前沿与热点主题,国家和作者的科研合作情况,揭示国际新能源汽车产业研究的起源文献和核心知识基础,为新能源产业的政策制定、企业的研发形式变化、领域研究选题等方面提供指引。展开更多
文摘[目的/意义]在人工智能技术及应用快速发展与深刻变革背景下,机器学习领域不断出现新的研究主题和方法,深度学习和强化学习技术持续发展。因此,有必要探索不同领域机器学习研究主题演化过程,并识别出热点与新兴主题。[方法/过程]本文以图书情报领域中2011—2022年Web of Science数据库中的机器学习研究论文为例,融合LDA和Word2vec方法进行主题建模和主题演化分析,引入主题强度、主题影响力、主题关注度与主题新颖性指标识别热点主题与新兴热点主题。[结果/结论]研究结果表明,(1)Word2vec语义处理能力与LDA主题演化能力的结合能够更加准确地识别研究主题,直观展示研究主题的分阶段演化规律;(2)图书情报领域的机器学习研究主题主要分为自然语言处理与文本分析、数据挖掘与分析、信息与知识服务三大类范畴。各类主题之间的关联性较强,且具有主题关联演化特征;(3)设计的主题强度、主题影响力和主题关注度指标及综合指标能够较好地识别出2011—2014年、2015—2018年和2019—2022年3个不同周期阶段的热点主题。
文摘新能源汽车产业已经成为国家战略性产业的一部分,相关研究逐年增多。为此,本文利用Cite Space Ⅲ可视化分析软件,将Web of Science中新能源汽车产业的相关文献作为样本数据,通过国家、作者和文献关键词的共现分析,以及引文被引聚类分析等直观可视化的方式展示出国内外新能源汽车产业研究的前沿与热点主题,国家和作者的科研合作情况,揭示国际新能源汽车产业研究的起源文献和核心知识基础,为新能源产业的政策制定、企业的研发形式变化、领域研究选题等方面提供指引。