基于文献的人工智能领域研究的网络特征与演化分析

摘要：

现阶段人工智能正处于蓬勃发展时期,挖掘"人工智能"领域的主题特征及演化规律对掌握该领域的发展动态具有重要意义.为了更高效地掌握其发展动态,进一步了解未来研究趋势,本文定义了一个新的计量指标:加权创新系数.本文首先提取"人工智能"领域文献中的关键词,通过关键词之间的共现关系和共现强度构建加权关键词共现网络(W-KCNs);其次考虑到每年新出现的关键词与往年已有关键词重要度的不同,定义了一个度量加权网络创新度的指标:加权创新系数;然后着重从节点强度分布、平均加权最近邻度和平均加权聚类系数对W-KCNs进行拓扑特征分析.研究发现:改进后的加权创新系数更能准确描述每年关键词的创新度;W-KCNs是异配网络,节点的强度分布近似于幂律分布,且网络中度数小的关键词加权聚类系数大,容易形成类簇.

关键词：人工智能、加权关键词共现网络(W-KCN)、拓扑特征、演化规律、加权创新系数

所属期刊栏目：5

分类号：G350(情报学、情报工作)

资助基金：山西省基础研究项目"加权共现潜在语义向量空间模型及其在文本主题聚类应用中的惩罚性矩阵分解研究"201801D211002;山西省高等学校创新人才支持计划"基于潜在语义的文本信息主题深度聚类研究"2016052006;国家自然科学基金项目"共现潜在语义向量空间模型及其语义核的构建与应用研究"71503151

在线出版日期：2019-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：33-43