2021年第5期
Science and Technology Management Research2021 No.5
doi:10.3969/j.issn.l000-7695.2021.05.015
徐延民\李德明2
(1.上海财经大学人文学院，上海200433;
2•肇庆学院科技处，广东肇庆526〇00)
摘要：为全面分析国内人工智能的研究现状和研究热点，运用Vosviewer与Citespace软件对C N K I数据库中1992—2020年国内人工智能研究的相关文献进行可视化分析，绘制作者共现图谱、关键词共现标签视图、关键词 时区图谱。在此基础，对人工智能在过去二十多年间的研究主题演化、内容分支、跨学科融合等问题进行介绍；换 言之，我国人工智能研究正经历着从工程技术领域向人文社会领域的 融合发展，从单一智能技术向智能应用社会化的“泛智”发展；打破学科知识藩篱，“智能+”时代的人工智能将会带来持续性涌现的创新发展模式以及颠覆性认知。
关键词：人工智能；知识图谱；科学计量
中图分类号：G302 文献标志码：A文章编号：1000-7695 (2021 ) 05-0112-08 Analysis of the Knowledge Map of Domestic Artificial Intelligence Research
Xu Yanmin1, Li Deming2
(1. School of Humanities, Shanghai University of Finance and Economics, Shanghai 200433, China;
2. Science and Technology Department, Zhaoqing University, Zhaoqing 526000, C hina)
Abstract: In order to comprehensively analyze the research status and hotspots o f domestic artificial intelligence, this paper visually analyzes the relevant literature o f domestic artificial intelligence from 1992 to 2020 in CNK I database by using Vosviewer and Citespace software, and draws the author co-occurrence map, keyword c〇—occurrence tag view and keyword time zone map. O n this basis, the author introduces the evolution o f artificial intelligence research topics, content branches, interdisciplinary integration and other issues in the past two decades; in other words, the research o
f artificial intelligence in China is experiencing the development o f integration from the field o f engineering technology to the field o f humanities and society, and the "pan-intelligence" development from single intelligent technology to the socialization o f intelligent applications. Breaking down the barriers o f subject knowledge, artificial intelligence in the "intelligence +" era will bring about a continuous emergence o f innovative development models and subversive cognition.
Key words: artificial intelligence; mapping knowledge domain; scientometrics
人工智能(Artificial Intelligence，简称 AI )的概 念于上世纪50年代中期在美国达特茅斯会议上提 出，其研究领域涉及到心理学、哲学、计算机等学 科；伴随跨学科研究趋势日益凸显，笔者基于CN K I 数据库的文献来源，借助Vosviewer与Citespace软 件工具对国内人工智能领域文献进行计量分析，探索该领域研究现状，通过可视化图谱绘制出对该领 域知识聚类以及学科交叉的热点分布。1数据来源与研究分析
1.1数据来源
为系统分析国内人工智能的研究现状，本文以 中国知网CNKI数据库为数据源，选择时间不限，按篇名=“人工智能”，期刊来源选取核心期刊与 CSSCI进行期刊精确检索，截至2020年3月3日，通过检索得到2 973篇文献。经阅读对文献数据进 行处理，剔除会议通知、重复文献、关键词缺失、
收稿日期：2020-07-28，修回日期：2020-09-02手压式旋转拖把
基金项目：湖南省研究生科研创新项目“智能时代的青少年信息价值观引领—
—以道德算法为路径”（CX2018B234)
项目来源：上海财经大学研究生创新资助项目“人工智能的发展空间研究一资本逻辑视域下的智能时代”（CXJJ -2019-389)
徐延民等：国内人工智能研究的知识图谱分析113 ^ ^^ ^^ ^^^ ^^^^ ^^^^^^^ ^^^^
发文年©
图1国内人工智能研究的文献数量年度分布可视化图
由表1和图1可知，2016年以来国内人工智能 的文献数、作者数量、关键词数都呈现出整体性井 喷式增长态势并进人活跃期，可以说2016年是人工 智能元年，伴随国内人工智能研究的深入，研究视 角曰益多元化，研究内容也向广度和深度延伸，可 以预见，在未来一段时间关于人工智能的研究将会继续呈现大热态势。
1.3作者分析
样本文献中，发文量大于等于3篇的作者共有 165位，碍于文章篇幅限制，将发文量大于等于4篇 的62位作者列表呈现（见表2)。在本表中发文前 五位的作者并非人工智能学科科班出身，其中高奇
作者缺失等非学术文献以及相关度不高的文献后，共筛选出2 713篇文献作为样本数据。
餐台滑轨1.2数据整体性分析
通过对所得文献数据进行统计分析表明（见表1)，国内人工智能研究领域的文献有2 713篇，作 者4 897位（含合著）；由图1看出，国内人工智能 研究的年发文量增长趋势，呈现出先平稳波动到爆 发式增长趋势；1992—2015年期间，每年的发文量 在13 ~ 36篇区间波动；2016—2019年，发文量剧增，即 2016 年 68 篇、2017 年 250 篇、2018 年 708 篇、2019年1 023篇。换言之，该领域的研究在2016年 开始大热，2017年喷井式爆发，其中2017年的发 文量是2016年的3.7倍，2018年的发文量将近2017 年发文量的三倍；在2019年发文量达到历史巅峰，其作者数为1866人，关键词数2 550个，文献数 1 023篇；2016—2019年期间的发文量共2 049篇，占总发文量（2 713篇）的比率为75.53%，近几年 来的发文量增速显著，表明该领域研究的热度大增。
表1国内人工智能研究的作者数、关键词数、文献数年度分布情况
年份作者数/位关键词数/个文献数/篇年份作者数/位关键词数/个文献数/篇199248148312007548424 1
9933190182008458024 199439176362009345316 19953260212010559023 19962852152011557323 19974665202012294713 19985690282013295415 19995987292014397619 20003855192015376918 2001861153720169521868 20026085252017417702250 2003425919201811771 834708 2004821163620191 866 2 5501 023 2005729633202019735797 2006499025共计 4 8977 6712713
200
000
800
600
400
200
1
1
114 徐延民等：国内人工智能研究的知识图谱分析
琦教授的学科背景是政治学，徐英瑾教授学科背景 该领域汇聚是不争的事实，未来研究范式呈现出多 是哲学等等；换言之，不同知识背景的人文学者在 元化的研究进路。
表2国内人工智能文献1992—2020年发文作者列表（发文量多4 ) 单位：篇
序号作者发文量（含合作）序号作者发文量（含合作）序号.作者发文量（含合作）1高奇琦1822余厚强543程显毅4
2徐英瑾1623陈劲544贾开4
3刘宪权1624蔡自兴545雷鸿竹4
4刘方喜1125刘伟546何华灿4
5于观贞1026匡文波547余乃忠.4
6喻国明827张爱军548孙伟平4
7刘进728张立文549徐献军4
8何哲729杨自厚550成素梅4
9钟义信730黄欣荣551李涛4 10陶锋731吴飞452段伟文4 11吕文晶632腔华453王勇4 12王曰芬633魏培莲454王毅4 13陈昌凤634李德毅455王红4 14吴冠军635潘云鹤456祝叶华4 15张涛636郑南宁457覃京燕4 16王天恩637王培458郦全民4 17王峰638张志安459陈亮4 18王飞跃639刘凯460马治国4 19肖峰640刘浏461高新民4 20贾积有641张成岗462魏屹东4 21闫坤如642石纯一4
笔者借助vosviewer软件将作者出现最小频次(minimum number of occurrence of a keyword)设置为3，即表示该作者出现次数大于或者等于3次会在图 中显示，经过数据处理最终得到节点共165位作者 在图中共现（见图2)。图2中的节点与字体的大 小表示该节点出现的频率高低，字体与节点越大表明频率越高，节点间连线表示作者曾经合作发表过文 章。如图2所示，作者合作团体主要有：李德毅、潘 云鹤为中心的学术团队合作，徐英瑾、王培、陈昌凤 为中心的团队合作，还有于观贞为中心的学术合作，剩下的大部分作者合作发文较少或者独作为主。
峰强糊
李《东钟思#程學8钱勒*额*华
«办平五罄华
盛搴力
山d*嫌蓉
f.3嫌如
一r軸军
^摩
峨摩1t l f撕蝴缺
明
対寒权
政张概
夺t•忠
余 ***-鸣原m
a本红
m张旗忠
m
娜
瞻x
眯..
m
m
m
气调门H•辉f[•胙
解眷艿
自动弹簧机
狱
仇_呙
m i
m-
张泰祯
喻馨叫
蝴坪张•玲
草辦*驗龙《座》*髟•琦麟^35#J t轉¥*•新
例打-M m»m[m& n r r W f
程搴东
f墙良m
图2基于vosviewer 软件的作者共现图
徐延民等：国内人工智能研究的知识图谱分析115
1.4关键词分析
样本数据文献中共有关键词7 671个，频次在 15次以上高频关键词有38个（见表3 )。由表3得出，自2016年以来出现的高频关键词有大数据、人工智 能时代、著作权、人才培养、智能教育、人机协同、独创性、出版业、新闻业、新闻生产、职业教育、人工智能生成物、刑事责任、智能化、法律规制、人工智能创作物、法律主体。这些关键词反映了最 近几年的研究热点，在图3与图4中的可视化图谱 中可以看到它们的相应节点。
表3国内人工智能文献1992—2020年高频关键词列表（阈值為15 ) 单位：次序号关键词频次首现年份序号关键词频次首现年份
1人工智能 2 152199220人机协同192017
2大数据115201621人类191992
3智能机器人88199222教育192008
4深度学习79201623独创性192017
5专家系统77199224出版业172018
6神经网络76199225新闻业172017
7机器学习73199326新闻生产172016
8人工智能技术60199327职业教育172017
9算法40199228融合172005
10人工神经网络36199729人工智能生成物162017
11人工智能时代35201730刑事责任162018
12著作权34201731故障诊断161993
13人才培养30201732数据挖掘162002
14遗传算法29199833智能化162017
15人类智能28199234法律规制162018
16计算机25199235知识库161992
17伦理22201036人工智能创作物152017
18图书馆22199237智能机器151992
19智能教育21201738法律主体152018
dsp解密1.5基于vosviewer的关键词标签共现图分析
笔者将关键词出现最小频次（minimum number of occurrence of a keyword)设置为 7，即表7K该词汇 出现次数大于等于7次的在图中显示，经过数据处 理最终得到节点共140个。如图3所示，图中节点 和字体越大表示频率越高，节点之间的连线表示节 点之间曾共同出现过，节点颜表示不同类别的聚 类。分析图3可得，关键词基本在自然科学领域和 人文社会领域两个知识，对其划分为五大聚类：标签一的聚类，主要节点人工智能技术、专家系统、神经网络、遗传算法、知识库、知识获取等，这表 明人工智能技术工程领域应用的聚类；标签二的聚 类节点有计算机、机器、人类、人类智能、人脑等，该聚类围绕人工智能与人类智能相关的讨论；标签三的聚类节点有大数据、深度学习、机器学习、区 块链、全球治理、医学影像、图书馆、数据挖掘、伦理、社会治理等，反映了人工智能研究的
学科融合，从计算机技术工程领域向经济学、医学、图书情报学、社会学、伦理学等领域等各类社会应用的普遍拓展，即人文社会领域融合发展研究。标签四与标签五是 人工智能向人文社会领域拓展融合过程中的聚焦子 类，分别是人工智能涉及的法律问题研究以及人工 智能对教育的影响应用研究；标签四的节点有著作 权、知识产权、法律主体、刑事责任、人工智能创 作物等，标签五的节点有智能教育、人才培养、教 育人工智能、新工科、职业教育等。总而言之，两 大知识与五大聚类共同形成了国内人工智能研究 的基本格局，为进一步深化该领域研究提供思路。
116徐延民等：国内人工智能研究的知识图谱分析
图3基于vosviewer 软件的关键词标签共现图
1.6基于Citespace 的关键词共现时区图谱分析
关键词进行聚类分析可以得出该研究领域内 各研究主题的基本状况。为了清晰地识别学科发展 的拐点与前沿的时态模式，可以将关键词共现图谱 按照时间序列进行排布，从而显示出每个时间段 内研究热点的分布情况。在本研究中，笔者借助 Citespace 软件将节点选择为关键词（Keyword )，切 片长度（Slice Length )设置为3，选择标准（Selection Criteria )设置为Top 50 per slice ，即提取每个时间切 片排名50位的数据来生成关键词共现时区图谱(Time Zone )，如图4所示。在此关键词共现时区图谱中， 每个时间段对应一条纵向的时间轴，时间轴上的关 键词代表着在该时间内该关键词首次出现，节点的 大小表示该关键词出现频次的高低，连线代表共现。
由图4可知，中国人工智能研究主题在不断地
演变，结合定性分析可以将其划分为三个阶段：首 先是1992—2000年，这一阶段主要停留在人工智能 技术的理论探究层面，围绕神经网络、专家系统、 机器学习、遗传算法等关键词进行研究居多；其次 是2001—2016年，此阶段的研究主题比较分散，对 应该阶段研究中的关键词出现频次太低，以至于在 中间有一段空白时期，说明未形成比较集中的研究 问题；第三个阶段为2016年-至今，其研究主题不 断扩大，研究热点持续增多；此阶段人工智能研究 的主题发散式扩展，其中有深度学习、智
能教育、 人工智能创作物、知识产权、刑事责任、法律人格、 政府治理等高频词的出现，这代表了不同学科背景 的学者都在此汇聚，逐步从技术工程领域向人文社 会领域的社会应用体系拓展。O taSB iM . v 4 0 «E IM -W ) Miavs/IIIH >■>0•»««»31|»
ntmtpKy 1««2mmSUN U n 〇ih4) SMadur C m r>« T 5Q p <r U >0«. l(Nnwt H>»S, E-ea |Dan«v 〇 00T )机器学3 神经M 络遗作符法V «a «K M
方象系统能技术 •必人工神妗W 绀
工智能
大数樾
b ««n m 术 «a
W 释—
"••u 二•，游鴯r «人
*茨作权
人机协降*»夂I.IM I 人
“E u :”親細E
图4基于Citespace
的关键词共现时区图谱
语音降噪芯片
