基于文本挖掘的人工智能科学主题演进研究

[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。