人工智能相關(guān)研究及應(yīng)用的演進(jìn)模式分析：文獻(xiàn)計(jì)量與主題建模視角

發(fā)布時(shí)間：2020-04-06 04:06

【摘要】：進(jìn)入21世紀(jì)以來,以美國為代表的西方發(fā)達(dá)國家和中國為代表的新興經(jīng)濟(jì)體都在大力提倡發(fā)展人工智能。我國人工智能產(chǎn)業(yè)的整體規(guī)模和綜合實(shí)力與美國還存在一定差距,但部分領(lǐng)域也已處于領(lǐng)跑狀態(tài)。近年來,人工智能相關(guān)研究文獻(xiàn)和專利數(shù)量的快速增長,導(dǎo)致針對(duì)人工智能研究及應(yīng)用本身的科學(xué)計(jì)量、演化模式和應(yīng)用前沿等重要問題的研究相對(duì)滯后,而且針對(duì)主要科學(xué)問題的闡述也并不充分,甚至部分領(lǐng)域還存在研究盲點(diǎn)。針對(duì)人工智能研究及應(yīng)用演進(jìn)模式的量化分析、主題建模和內(nèi)容挖掘,無疑對(duì)于我國相關(guān)科技或產(chǎn)業(yè)政策的制定具有重要的決策參考價(jià)值和管理實(shí)踐意義。為進(jìn)一步刻畫過去三十年的人工智能相關(guān)研究及應(yīng)用的演進(jìn)模式,本文搜集了22萬多條文獻(xiàn)數(shù)據(jù)和2.9萬余條已公開的專利數(shù)據(jù),從文獻(xiàn)計(jì)量和主題建模的綜合視角開展相關(guān)的量化研究,并嘗試提出啟發(fā)式的管理和科技政策建議。首先,本文基于WOS(Web of Science)收錄的人工智能文獻(xiàn)數(shù)據(jù)和德溫特(Derwent Innovations Index)收錄的專利數(shù)據(jù),利用文獻(xiàn)計(jì)量工具繪制人工智能研究及應(yīng)用的知識(shí)圖譜,探究過去三十年人工智能的研究熱點(diǎn)、重要技術(shù)前沿的演進(jìn)模式,并對(duì)研究和應(yīng)用熱點(diǎn)領(lǐng)域進(jìn)行了分類和主題粒度的細(xì)化。其次,本文基于LDA(Latent Dirichlet Allocation)模型,結(jié)合一些新的概念和測(cè)度方法(主題間距離、專利轉(zhuǎn)化強(qiáng)度和專利轉(zhuǎn)化效率等),提出了一個(gè)綜合分析框架,并對(duì)上述人工智能相關(guān)文獻(xiàn)和專利數(shù)據(jù)進(jìn)行主題建模(Topic Modeling),從內(nèi)容挖掘(Context Mining)的角度深入提取了不同時(shí)段人工智能細(xì)分主題,并進(jìn)一步量化主題的演化過程和技術(shù)轉(zhuǎn)化模式,主題建模實(shí)驗(yàn)結(jié)果也證實(shí)了新測(cè)度指標(biāo)的可靠性。作為一篇信息系統(tǒng)和知識(shí)管理相關(guān)的碩士學(xué)位論文,本文的創(chuàng)新點(diǎn)主要有:(1)從一個(gè)較為系統(tǒng)的視角探索了人工智能的內(nèi)涵與邊界,并給出了一個(gè)較為綜合的文獻(xiàn)和專利檢索式;(2)提出了主題間距離的概念及計(jì)算方法,并進(jìn)一步量化了研究主題的內(nèi)容演化的分析過程,提出了一個(gè)基于傳統(tǒng)LDA算法的綜合分析框架;(3)從文獻(xiàn)-專利耦合新穎視角,提出了專利轉(zhuǎn)化強(qiáng)度和專利轉(zhuǎn)化效率兩個(gè)概念和測(cè)度公式,并用來評(píng)價(jià)人工智能的技術(shù)轉(zhuǎn)化程度,從而輔助識(shí)別人工智能技術(shù)應(yīng)用領(lǐng)域的潛在創(chuàng)新機(jī)會(huì)。
【圖文】：

技術(shù)路線圖,研究背景,地位,現(xiàn)狀