隨著大數(shù)據(jù)時(shí)代的到來,數(shù)據(jù)和我們的生活密切相關(guān).數(shù)據(jù)分析成為高速發(fā)展的新領(lǐng)域.基于新興學(xué)科的論文數(shù)據(jù),對(duì)若干新興學(xué)科的成長(zhǎng)軌跡進(jìn)行分析會(huì)為該學(xué)科的發(fā)展以及未來的走向提供有用的信息和指導(dǎo)作用.本文從多方面對(duì)數(shù)據(jù)科學(xué)（data science）與人工智能（Artificial Intelligence）的論文數(shù)據(jù)進(jìn)行研究,具體內(nèi)容如下:（1）基于SCOPUS數(shù)據(jù)庫(kù)中data science的論文數(shù)據(jù),用論文產(chǎn)出量驗(yàn)證萊普斯的指數(shù)增長(zhǎng)規(guī)律并對(duì)未來5年的數(shù)據(jù)量進(jìn)行預(yù)測(cè),從不同時(shí)間段的論文來源國(guó)家得出不同階段這些國(guó)家在數(shù)據(jù)科學(xué)領(lǐng)域所屬的類別,從論文來源機(jī)構(gòu)的名次變化找出波動(dòng)較大的機(jī)構(gòu),并以此找出不同時(shí)期數(shù)據(jù)科學(xué)領(lǐng)域的帶頭機(jī)構(gòu).（2）基于SCOPUS數(shù)據(jù)庫(kù)和WOS數(shù)據(jù)庫(kù)中Artificial Intelligence的論文數(shù)據(jù),用論文總量驗(yàn)證萊普斯指數(shù)增長(zhǎng)規(guī)律并建立論文量與時(shí)間的回歸方程,通過對(duì)論文來源國(guó)家聚類得出這些國(guó)家在人工智能領(lǐng)域所屬的類別,通過論文來源作者分析得出作者與論文篇數(shù)的關(guān)系式,根據(jù)論文來源機(jī)構(gòu)排名變化找出不同時(shí)期在人工智能領(lǐng)域起帶頭作用的機(jī)構(gòu),從論文來源出版物的發(fā)文量、年限、被引... 

【文章來源】：西安工程大學(xué)陜西省

【文章頁(yè)數(shù)】：44 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

980年-2014年國(guó)際數(shù)據(jù)科學(xué)文獻(xiàn)增長(zhǎng)年度分布

西安工程大學(xué)碩士學(xué)位論文的論文量擬合預(yù)測(cè), 預(yù)測(cè)到 2015 年和 2016 年的論文量分別為 740192 篇和796584 篇, 數(shù)據(jù)庫(kù)中 2015 年和 2016 年的論文量為 731294 篇和 775968 篇, 通過數(shù)據(jù)驗(yàn)證, 預(yù)測(cè)準(zhǔn)確性很高. 所以可以相對(duì)保守估計(jì)出, 在2016年之后未來發(fā)展中, 五年內(nèi)會(huì)發(fā)文 4887767 篇, 近三年內(nèi)數(shù)據(jù)會(huì)有 32.1% 的增長(zhǎng)率. 為了檢驗(yàn)預(yù)測(cè)的可靠性, 利用隨機(jī)抽樣方法抽取 Science, Nature, Lecture Notes In ComputerScience (Including subseries Lecture Notes In Artificial Intelligence And LectureNotes In Bioinformatics) 三種雜志, 得到 1980 年-2016 年數(shù)據(jù)科學(xué)論文在這三種期刊總發(fā)文量中所占比例, 通過平滑處理后得到數(shù)據(jù)科學(xué)在期刊發(fā)文量中的占比變化折線圖, 結(jié)果如圖 3-3 所示,在三種雜志中, 數(shù)據(jù)科學(xué)論文所占比例從1980 的 0.0071 逐漸上升至 2016 年的 0.037. 在此驗(yàn)證了上文對(duì)數(shù)據(jù)科學(xué)學(xué)科發(fā)文量趨勢(shì)預(yù)測(cè)的準(zhǔn)確性.

期刊總發(fā)文量中所占比例, 通過平滑處理后得到數(shù)據(jù)科學(xué)在期刊發(fā)文量中的占比變化折線圖, 結(jié)果如圖 3-3 所示,在三種雜志中, 數(shù)據(jù)科學(xué)論文所占比例從1980 的 0.0071 逐漸上升至 2016 年的 0.037. 在此驗(yàn)證了上文對(duì)數(shù)據(jù)科學(xué)學(xué)科發(fā)文量趨勢(shì)預(yù)測(cè)的準(zhǔn)確性.圖 3-2 數(shù)據(jù)科學(xué) 2015-2021 七年發(fā)文量增長(zhǎng)預(yù)測(cè)

【參考文獻(xiàn)】：
期刊論文
[1]ESI學(xué)科動(dòng)態(tài)評(píng)價(jià)與持續(xù)追蹤分析模式研究——基于Incites學(xué)科評(píng)價(jià)角度[J]. 蔣德鳳.  現(xiàn)代情報(bào). 2018(04)
[2]計(jì)算機(jī)人工智能的發(fā)展現(xiàn)狀與未來趨勢(shì)[J]. 趙慶澎.  電子技術(shù)與軟件工程. 2018(04)
[3]AI人工智能的發(fā)展領(lǐng)域與展望[J]. 王佳琦.  電子技術(shù)與軟件工程. 2018(04)
[4]人工智能技術(shù)應(yīng)用與發(fā)展趨勢(shì)[J]. 蘇俊.  電子技術(shù)與軟件工程. 2018(03)
[5]基于Web of Science的論文使用次數(shù)和被引頻次的相關(guān)性分析[J]. 丁佐奇.  中國(guó)科技期刊研究. 2017(12)
[6]計(jì)算機(jī)應(yīng)用現(xiàn)狀以及發(fā)展趨勢(shì)[J]. 李志毅.  電子技術(shù)與軟件工程. 2017(22)
[7]國(guó)際數(shù)據(jù)科學(xué)演進(jìn)研究:基于時(shí)間維度的分析[J]. 趙蓉英,魏明坤.  圖書情報(bào)知識(shí). 2017(04)
[8]動(dòng)態(tài)分配聚類中心的改進(jìn)K均值聚類算法[J]. 程艷云,周鵬.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(02)
[9]Google Scholar Metrics、Web of Science和Scopus數(shù)據(jù)庫(kù)比較研究──以圖書情報(bào)學(xué)科為例[J]. 徐速.  情報(bào)科學(xué). 2016(03)
[10]文獻(xiàn)下載頻次與被引頻次的相關(guān)性研究——以圖書情報(bào)領(lǐng)域?yàn)槔齕J]. 陸偉,錢坤,唐祥彬.  情報(bào)科學(xué). 2016(01)



本文編號(hào)：3353965