标题
  • 标题
  • 作者
  • 关键词

基于主题变迁的领域发展路径智能化识别——以人工智能为例

2018-07-20分类号:G353.1

【作者】周源  张超  唐杰  刘宇飞  张宇韬  
【部门】清华大学公共管理学院  华中科技大学机械科学与工程学院  清华大学计算机系  中国工程院战略咨询中心  
【摘要】[目的/意义]识别领域发展路径对于科技创新具有重要意义,但现有方法如专家访谈、引文分析等不能适应文献爆发性增长的现状,针对这一问题,提出一种基于主题变迁的领域发展路径识别方法。[方法/过程]该方法可以自动从Aminer平台获取数据,通过构建关键词-学者矩阵,综合使用KMeans++和谱聚类算法识别出研究主题和相关学者;通过相似度计算实现不同主题之间的关联,最终获得研究领域的发展路径并进行可视化展示。[结果/结论]通过对人工智能领域的实证分析,结果表明该方法能够有效反映领域研究主题的变迁,有助于研究者快速定位领域的研究热点和重点,丰富领域发展路径相关的研究方法。
【关键词】领域发展路径  主题变迁  KMeans++  谱聚类  人工智能
【基金】国家自然科学基金“支持技术预见的多源异构大数据融合与时序文本预测方法研究”(项目编号:91646102)和国家自然科学基金“面向2035的中国工程科技发展路线图绘制理论与方法研究”(项目编号:L1624045)研究成果之一
【所属期刊栏目】图书情报工作
文献传递