彭 麗 葉 充

（四川農(nóng)業(yè)大學(xué)圖書館 成都 611130）

基于Web of Science的人工智能研究計(jì)量分析*

彭 麗 葉 充

（四川農(nóng)業(yè)大學(xué)圖書館 成都 611130）

在Web of Science數(shù)據(jù)庫(kù)中以“artificial intelligence”為主題，檢索到1991年至2013年共4 736條記錄，采用文獻(xiàn)計(jì)量的方法，使用Web of Science數(shù)據(jù)庫(kù)的在線分析功能以及NoteExpress、Excel等軟件對(duì)檢索到的數(shù)據(jù)從文獻(xiàn)的產(chǎn)出年代、學(xué)科類別、國(guó)家與地區(qū)、研究人員、發(fā)文期刊、發(fā)文機(jī)構(gòu)以及研究熱點(diǎn)等七個(gè)方面對(duì)人工智能領(lǐng)域進(jìn)行統(tǒng)計(jì)和分析，揭示人工智能學(xué)科在國(guó)際上的研究現(xiàn)狀，并將我國(guó)在該領(lǐng)域的研究與國(guó)際情況做了對(duì)比分析，數(shù)據(jù)顯示人工智能學(xué)科仍有一定的發(fā)展空間，我國(guó)與國(guó)際相比還存在一定的差距。同時(shí)本研究將1991～2013年分成5個(gè)時(shí)段，在基于頻次統(tǒng)計(jì)的基礎(chǔ)上，分析了各個(gè)時(shí)段的熱點(diǎn)主題。

人工智能 研究態(tài)勢(shì) 計(jì)量分析 研究熱點(diǎn)

人工智能（Artificial Intelligence，簡(jiǎn)稱AI）研究領(lǐng)域是在1956年“達(dá)特矛斯（Dartmouth）人工智能夏季研究會(huì)”上正式被確立的，至今已有近60年的發(fā)展歷史，經(jīng)歷了該學(xué)科的形成、發(fā)展、反思[1]及高潮時(shí)期[2]這樣一個(gè)發(fā)展過(guò)程。人工智能目前已經(jīng)分化出許多研究和應(yīng)用領(lǐng)域[3-4]，但其研究卻受到了諸多質(zhì)疑，2011年，人工智能和認(rèn)知科學(xué)領(lǐng)域的奠基人和老牌代表人物在MIT舉行了一次座談會(huì)，認(rèn)為AI研究需要一次重啟[5-6]，但李飛躍教授卻對(duì)人工智能領(lǐng)域的研究和發(fā)展持肯定態(tài)度[5]。對(duì)人工智能領(lǐng)域研究情況的梳理可以佐證其發(fā)展態(tài)勢(shì)。文獻(xiàn)調(diào)研發(fā)現(xiàn)，對(duì)人工智能學(xué)科整體進(jìn)行研究的文獻(xiàn)目前國(guó)內(nèi)只有兩篇，一篇是趙玉鵬等對(duì)人工智能整體領(lǐng)域進(jìn)行的研究前沿可視化分析[7]，另一篇是張春博等在基于AAAI年會(huì)論文分析的基礎(chǔ)上，對(duì)國(guó)際人工智能領(lǐng)域2002～2011期間共10年的文獻(xiàn)進(jìn)行的計(jì)量與可視化研究[8]，這兩篇文獻(xiàn)各有側(cè)重；從國(guó)際情況來(lái)看，通過(guò)在WOS平臺(tái)搜索發(fā)現(xiàn)，國(guó)際上對(duì)人工智能領(lǐng)域做態(tài)勢(shì)分析的文章幾乎沒(méi)有，筆者只發(fā)現(xiàn)近年來(lái)有一篇是以計(jì)算機(jī)科學(xué)和人工智能領(lǐng)域的期刊為例，研究利用貝葉斯網(wǎng)絡(luò)模型來(lái)分析文獻(xiàn)計(jì)量學(xué)指標(biāo)之間關(guān)系的文章[9]，但并沒(méi)有針對(duì)人工智能領(lǐng)域的發(fā)展進(jìn)行分析。為了解人工智能領(lǐng)域研究更詳盡的情況，本文借助美國(guó)科學(xué)情報(bào)所（ISI）編制的Web of Science數(shù)據(jù)庫(kù)，對(duì)人工智能領(lǐng)域1991～2013共23年的文獻(xiàn)進(jìn)行計(jì)量分析，試圖從更高層次、更廣的數(shù)據(jù)來(lái)源和更寬泛的時(shí)間范圍來(lái)對(duì)人工智能領(lǐng)域的發(fā)展歷程進(jìn)行梳理，這對(duì)該學(xué)科的研究人員了解學(xué)科的研究現(xiàn)狀有重要的意義。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

本研究基于Web of Science數(shù)據(jù)源，以“artificial intelligence”為主題詞在SCI-EXPANDED（Science Citation Index Expanded，科學(xué)引文索引擴(kuò)展）數(shù)據(jù)庫(kù)中檢索1991～2013年間的期刊文獻(xiàn)；為有針對(duì)性的進(jìn)行研究，將類別縮小到了7個(gè)與計(jì)算機(jī)相關(guān)的范圍內(nèi)，并進(jìn)一步選擇文獻(xiàn)類型為“ARTICLE”的文獻(xiàn)作為本研究的統(tǒng)計(jì)對(duì)象，最終形成的邏輯檢索語(yǔ)句為：主題=（“artificial intelligence”），精煉依據(jù):文獻(xiàn)類型=（ARTICLE）AND Web of Science類別=（COMPUTER SCIENCE ARTIFICIAL INTELLIGENCE OR COMPUTER SCIENCE INTERDISCIPLINARY APPLICATIONS OR COMPUTER SCIENCE THEORY METHODS OR COMPUTER SCIENCE INFORMATION SYSTEMS OR COMPUTER SCIENCE SOFTWAREENGINEERINGORCOMPUTER SCIENCE CYBERNETICS OR COMPUTER SCIENCE HARDWARE ARCHITECTURE）AND時(shí)間跨度=1991～2013AND數(shù)據(jù)庫(kù)=SCI-EXPANDED。

根據(jù)上述邏輯表達(dá)式，檢索后獲得4 736條記錄（數(shù)據(jù)更新日期為2014年4月1日），總被引46 860次，篇均被引頻次為9.89，學(xué)科H指數(shù)為79。

1.2 研究方法

在獲取研究所需的數(shù)據(jù)后，通過(guò)Web of Science的在線分析功能以及NoteExpress文獻(xiàn)管理軟件對(duì)文獻(xiàn)的產(chǎn)出年代、學(xué)科類別、國(guó)別、研究人員、發(fā)文期刊、發(fā)文機(jī)構(gòu)和研究熱點(diǎn)進(jìn)行統(tǒng)計(jì)和分析，在研究過(guò)程中，也根據(jù)需要使用EXCEL對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行排序、圖表制作和手工統(tǒng)計(jì)等。

2 結(jié)果分析

2.1 文獻(xiàn)產(chǎn)出年代分析

對(duì)文獻(xiàn)產(chǎn)出年代的分析可以反映出某一時(shí)間段內(nèi)特定研究領(lǐng)域的研究熱度以及發(fā)展趨勢(shì)。在Web of Science中共檢索到4 736篇于1991～2013年出版并被SCI收錄的人工智能領(lǐng)域的研究文獻(xiàn)（在本文均指與計(jì)算機(jī)相關(guān)類別的人工智能領(lǐng)域的期刊論文）。為了對(duì)本研究的起始年1991年的發(fā)文量背景有準(zhǔn)確的分析，此處特向前拓展至1985年，圖1用雙折線分別反映了世界和中國(guó)在人工智能領(lǐng)域的年度發(fā)文趨勢(shì)，由此來(lái)比較兩者在年度發(fā)文趨勢(shì)上的異同以及近30年該領(lǐng)域的研究熱度。

圖1 1985～2013年世界和中國(guó)人工智能研究論文年度發(fā)文趨勢(shì)

據(jù)圖1，可以將1991年至今世界的發(fā)文趨勢(shì)分成四個(gè)階段。第一階段：快速發(fā)展時(shí)期（1991～1992）。1991年較以前發(fā)文量出現(xiàn)非常大的跳躍并在1992年達(dá)到第一個(gè)峰值。1990年代伊始，對(duì)人工智能的研究發(fā)生如此大的變化，與網(wǎng)絡(luò)技術(shù)和神經(jīng)網(wǎng)絡(luò)的飛速發(fā)展息息相關(guān)，隨著“國(guó)際互聯(lián)網(wǎng)技術(shù)的發(fā)展，人工智能開始由單個(gè)智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究”[10]，研究者們都非常迫切的嘗試將網(wǎng)絡(luò)技術(shù)應(yīng)用于人工智能領(lǐng)域，另外，由于Hopfield多層神經(jīng)網(wǎng)絡(luò)模型的提出，使人工神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用出現(xiàn)了欣欣向榮的景象[10]；第二個(gè)階段：反思時(shí)期（1993～2000）。自1992年研究第一個(gè)峰值出現(xiàn)后，全世界的發(fā)文量出現(xiàn)回落，許多人工智能專家都在反思[11]，陷入研究的低谷時(shí)期，在2000年陷入自快速發(fā)展以來(lái)的最低點(diǎn)，但在整個(gè)90年代仍保持了每年160篇以上的發(fā)文量。第三個(gè)階段：穩(wěn)步發(fā)展時(shí)期（2001～2006）。反思過(guò)后，人工智能領(lǐng)域的研究開始出現(xiàn)生機(jī)，每年的發(fā)文量呈指數(shù)增長(zhǎng)，并在2006年達(dá)到有史以來(lái)的最高點(diǎn)。第四個(gè)階段：飽和及新思路探索時(shí)期（2007～至今）。人工智能領(lǐng)域近60年的發(fā)展使得該領(lǐng)域的研究出現(xiàn)稍許飽和，同時(shí)，由于2006年鐘義信教授在北京舉行的“人工智能發(fā)展戰(zhàn)略研討會(huì)”上提出了高等人工智能理論[12]，為該學(xué)科理論的發(fā)展提出了一個(gè)新的方向，使研究者們?cè)谔剿餍碌陌l(fā)展思路，多種原因使得2006年高潮后又陷入了研究的低潮時(shí)期，但這種狀態(tài)在2010年開始出現(xiàn)轉(zhuǎn)機(jī)，目前正呈積極姿態(tài)不斷發(fā)展。

由圖1中我國(guó)大陸的年度發(fā)文折線圖可以獲知，國(guó)內(nèi)人工智能學(xué)科的研究在1987年才開始有第一篇論文被SCI收錄，之后又持續(xù)三年出現(xiàn)發(fā)文量為零的情況，這反映出我國(guó)對(duì)該領(lǐng)域的研究起步較晚、研究水平不高。從整個(gè)趨勢(shì)圖看，整體是和世界發(fā)文趨勢(shì)圖的走向基本一致的，1992年和2006年我國(guó)的發(fā)文量和國(guó)際發(fā)文趨勢(shì)一樣，分別達(dá)到近30年的兩個(gè)研究高峰，其余每年的發(fā)文量均一般。

2.2 文獻(xiàn)學(xué)科類別分布

通過(guò)對(duì)人工智能文獻(xiàn)的學(xué)科類別分析，可以掌握其在各學(xué)科學(xué)術(shù)研究中的受關(guān)注程度，了解各學(xué)科之間的聯(lián)系程度，同時(shí)也能體現(xiàn)人工智能在各學(xué)科研究中的結(jié)構(gòu)布局，可以讓研究者們掌握該領(lǐng)域的研究動(dòng)態(tài)，從宏觀的角度把握領(lǐng)域的發(fā)展方向。本研究所獲取的文獻(xiàn)共涉及到88個(gè)學(xué)科類別，體現(xiàn)了該領(lǐng)域的多學(xué)科交叉性，表1顯示了排名前10的學(xué)科類別。

從表1可以看出，對(duì)人工智能學(xué)科的研究主要集中在計(jì)算機(jī)科學(xué)、電子電器工程、運(yùn)籌管理等學(xué)科，本研究所關(guān)注的計(jì)算機(jī)相關(guān)學(xué)科對(duì)人工智能的研究占了半數(shù)以上，其中計(jì)算機(jī)科學(xué)人工智能學(xué)科以56.968%的數(shù)量遙遙領(lǐng)先，而計(jì)算機(jī)科學(xué)的跨學(xué)科應(yīng)用、理論方法、信息系統(tǒng)、軟件工程和控制論分別排在第二、第三、第四、第六、第九的位置，相比之下硬件體系結(jié)構(gòu)相關(guān)論文較少，排在第十二的位置；這在一定程度上反映出計(jì)算機(jī)科學(xué)中對(duì)人工智能領(lǐng)域的軟件研究遠(yuǎn)遠(yuǎn)多于硬件，表現(xiàn)出了重軟輕硬的現(xiàn)象。

表1 人工智能文獻(xiàn)的學(xué)科類別分布

2.3 國(guó)家與地區(qū)分布

通過(guò)對(duì)人工智能領(lǐng)域文獻(xiàn)所屬的國(guó)家與地區(qū)進(jìn)行分析，可以掌握該領(lǐng)域在世界范圍內(nèi)的研究布局情況，進(jìn)而掌握一個(gè)國(guó)家對(duì)其的重視程度；通過(guò)對(duì)各個(gè)國(guó)家文獻(xiàn)被引頻次的分析，可以獲知各國(guó)（地區(qū)）在該領(lǐng)域的總體研究實(shí)力。本研究獲取的文獻(xiàn)共涉及到全世界94個(gè)國(guó)家，其中有12個(gè)國(guó)家和地區(qū)具有100篇以上的文獻(xiàn)。本研究從發(fā)文量、篇均被引頻次和被引頻次大于等于50的文獻(xiàn)數(shù)3個(gè)角度對(duì)世界上發(fā)文量居前10的國(guó)家進(jìn)行分析，具體結(jié)果如表2所示。

由表2獲知，美國(guó)的發(fā)文量遠(yuǎn)遠(yuǎn)超過(guò)世界上其它國(guó)家，在該領(lǐng)域具有非常高的研究熱情；從文獻(xiàn)篇均被引頻次和高被引文獻(xiàn)數(shù)量來(lái)看，美國(guó)、英國(guó)、加拿大在人工智能領(lǐng)域的總體研究水平較高，論文綜合影響力較大，對(duì)后續(xù)研究產(chǎn)生了重要的影響，可以說(shuō)是人工智能領(lǐng)域研究的核心區(qū)域。從我國(guó)（除臺(tái)灣地區(qū)以外）的情況來(lái)看，發(fā)文量排在全球第4，但是篇均被引頻次和高被引文獻(xiàn)數(shù)都處于中等以下水平，幾乎排在前10國(guó)家的最后，表明我國(guó)在人工智能領(lǐng)域的總體研究水平不高，缺乏高質(zhì)量的研究論文，與全球的研究水平相比還存在一定的差距。

表2 發(fā)文量居全球前10的國(guó)家與地區(qū)分布

2.4 研究人員分析

通過(guò)對(duì)研究人員的分析，可以掌握一個(gè)領(lǐng)域的主要作者和核心作者，促進(jìn)學(xué)術(shù)交流與合作。本研究所獲取的4 736篇文獻(xiàn)共涉及9 785位作者，平均每篇文獻(xiàn)的作者數(shù)是2.06人，說(shuō)明多位作者合作是人工智能領(lǐng)域的主要研究形式；在眾多作者中，有21位以第一作者或通訊作者身份發(fā)表了5篇以上的的研究論文，以第一作者或通訊作者身份的發(fā)文量為主序，以總發(fā)文量為次序排名前10的作者發(fā)文具體情況如表3所示。

從世界范圍看，發(fā)文量最高的作者是我國(guó)香港理工大學(xué)的Chau K W，他以15篇的發(fā)文量（以下均指以第一作者或通訊作者身份的發(fā)文數(shù)量）居榜首，其次是英國(guó)威爾士大學(xué)卡迪夫?qū)W院的Rudall B H，而加拿大里賈納大學(xué)的Chan C W和波蘭AGH科技大學(xué)的Ogiela M R并列第三；從篇均被引頻次來(lái)看，法國(guó)圖盧茲大學(xué)的Dubois D以篇均被引41.86次排名第一，其次是新加坡制造技術(shù)研究所的Zha X F和我國(guó)南京科技大學(xué)的Wang H；在發(fā)文量排名前10的作者中，所發(fā)文章的篇均被引頻次多數(shù)都一般，甚至出現(xiàn)同一作者多篇文章的被引頻次均為0的情況，說(shuō)明發(fā)文量與被引頻次不成正比，該領(lǐng)域仍有較大的發(fā)展空間。

表3 發(fā)文量居全球前10的研究人員

表4 人工智能文獻(xiàn)的發(fā)文期刊分布

從我國(guó)的情況來(lái)看，香港理工大學(xué)的Chau K W以15篇的發(fā)文量居榜首，南京科技大學(xué)的Wang H教授以7篇的發(fā)文量與其他4位作者并列第五，兩者的篇均被引頻次分別為14.73和18.43，在發(fā)文量居全球前10作者中處于中等偏上位置?？偟恼f(shuō)來(lái)，我國(guó)單個(gè)研究者的發(fā)文量已經(jīng)躍居世界前列，但從文章的被引頻次來(lái)看，研究水平還有一定的發(fā)展空間。

2.5 發(fā)文期刊分布

通過(guò)對(duì)所刊載論文的出版物進(jìn)行分析，可以了解某一領(lǐng)域的主要發(fā)文期刊，從而幫助研究人員有重點(diǎn)的選擇研讀和投稿。經(jīng)統(tǒng)計(jì)，本研究4 736篇文獻(xiàn)共發(fā)表在756種期刊上，表4列出了發(fā)文量居前10的期刊詳細(xì)情況。

從表4可以獲知，發(fā)文量居前10位期刊的5年期影響因子和2012年影響因子都不高，屬于中等及以下水平，影響因子最高的是KNOWLEDGE BASED SYSTEMS，5年期影響因子和2012年影響因子分別為3.371和4.104；影響因子在1以下的有4種期刊，另外還有2個(gè)期刊自2007年起已經(jīng)不被SCI檢索了，這6種期刊的發(fā)文量占前10期刊發(fā)文總量的60.22%。因此，根據(jù)表4可以推斷，人工智能領(lǐng)域載文量較多的期刊文章質(zhì)量一般。

2.6 發(fā)文機(jī)構(gòu)分布

表5 人工智能文獻(xiàn)的發(fā)文機(jī)構(gòu)分布

本研究4 736篇論文共涉及到全球2 785個(gè)研究機(jī)構(gòu)，本文重點(diǎn)對(duì)發(fā)文量居前10的研究機(jī)構(gòu)進(jìn)行分析，具體情況如表5所示。表5顯示，發(fā)文量居前10的研究機(jī)構(gòu)全部都是高校，共發(fā)文365篇，占總量的7.71%，這些機(jī)構(gòu)中有7個(gè)屬于美國(guó)，中國(guó)、新加坡和加拿大各1個(gè)，可見(jiàn)美國(guó)在人工智能領(lǐng)域的研究占全球的主導(dǎo)地位；但從篇均被引頻次來(lái)看，加拿大多倫多大學(xué)最高，達(dá)到了74.67，美國(guó)的伊利諾伊大學(xué)和麻省理工學(xué)院分別以68.21和50.6位居第二和第三，可見(jiàn)這3個(gè)機(jī)構(gòu)研究人員的研究水平和發(fā)文質(zhì)量都非常高，是全球人工智能研究領(lǐng)域的引領(lǐng)機(jī)構(gòu)；我國(guó)香港理工大學(xué)雖然以39篇的發(fā)文量位居第四，但從篇均被引頻次的角度看卻排到了10個(gè)機(jī)構(gòu)的最后，說(shuō)明我國(guó)在人工智能領(lǐng)域的研究水平與國(guó)際相比還存在較大的差距。

2.7 基于頻次的熱點(diǎn)關(guān)鍵詞分析

高頻關(guān)鍵詞可以表征一個(gè)領(lǐng)域的熱點(diǎn)主題和發(fā)展方向，將本研究所涉及的時(shí)間范圍分成5個(gè)時(shí)間段，通過(guò)NoteExpress的關(guān)鍵詞統(tǒng)計(jì)功能，分別得出每個(gè)時(shí)間段排名前10的關(guān)鍵詞，通過(guò)這些關(guān)鍵詞可以了解各個(gè)時(shí)期的熱點(diǎn)主題情況，詳見(jiàn)表6。

表6 各時(shí)期熱點(diǎn)關(guān)鍵詞表

從表6可以看出，由于本研究在檢索數(shù)據(jù)時(shí)選取主題的原因，“Artificial Intelligence（人工智能）”在5個(gè)時(shí)間段的熱點(diǎn)詞排名中始終排在第一，而“System（系統(tǒng)）”和“Neural Netwok（神經(jīng)網(wǎng)絡(luò)）”2個(gè)關(guān)鍵詞在5個(gè)時(shí)間段中都屬于高頻熱點(diǎn)詞，位置幾乎都僅次于“Artificial Intelligence”；對(duì)于“System（系統(tǒng)）”一詞，筆者認(rèn)為是專家系統(tǒng)的一種模糊稱謂，故應(yīng)將其與表6中的“Expert System（專家系統(tǒng)）”以及“Artificial Intelligence, Applications and Expert Systems（人工智能，應(yīng)用和專家系統(tǒng)）”合并統(tǒng)稱為“Expert System（專家系統(tǒng)）”；由此可以推斷在人工智能領(lǐng)域，“ExpertSystem（專家系統(tǒng)）”和“Neural Netwok（神經(jīng)網(wǎng)絡(luò)）”是各個(gè)時(shí)期經(jīng)久不衰的熱點(diǎn)研究主題，同時(shí)也因此而成為了該領(lǐng)域的經(jīng)典術(shù)語(yǔ)。專家系統(tǒng)是人工智能應(yīng)用研究的一個(gè)重要分支，由于涉及到社會(huì)的各個(gè)方面，它的開發(fā)和研究是最活躍的，而且隨著社會(huì)需求的增加和人工智能領(lǐng)域各個(gè)分支的發(fā)展，它也成為長(zhǎng)期的熱點(diǎn)主題。1986年，Rumelhart和McCleland兩人提出了多層網(wǎng)絡(luò)的反向傳播BP算法，從時(shí)間上證明了人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的運(yùn)算能力，使人工神經(jīng)網(wǎng)絡(luò)在理論上取得了很大的突破，1986年在美國(guó)召開了國(guó)際神經(jīng)網(wǎng)絡(luò)會(huì)議，1988年“神經(jīng)網(wǎng)絡(luò)”雜志創(chuàng)刊，1990年IEEE神經(jīng)網(wǎng)絡(luò)會(huì)刊問(wèn)世，以及現(xiàn)在國(guó)際上每年一次的神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)年會(huì)[13]，使得“20世紀(jì)80年代中期以后，包括中國(guó)在內(nèi)的世界上許多國(guó)家，都掀起了研究神經(jīng)網(wǎng)絡(luò)的熱潮，使神經(jīng)網(wǎng)絡(luò)的研究進(jìn)人了一個(gè)持續(xù)至今的蓬勃發(fā)展時(shí)期”[14]，這也證明了本研究得出的結(jié)論是正確的。

除此之外，表6中“Genetic Algorithm（遺傳算法）”和“Design（設(shè)計(jì)）”兩個(gè)關(guān)鍵詞都跨了4個(gè)時(shí)間段，它們基本可以算是人工智能領(lǐng)域長(zhǎng)期的熱點(diǎn)主題，是其發(fā)展過(guò)程中的重要部分。1989年，Goldberg出版了專著 Genetic algorithms in search，optimization,and machine learning[15]，書中全面、系統(tǒng)地對(duì)遺傳算法進(jìn)行了歸納總結(jié)，形成了遺傳算法的基本框架，為遺傳算法領(lǐng)域奠定了堅(jiān)實(shí)的科學(xué)基礎(chǔ)；1991年，Lawrence Davis出版了遺傳算法手冊(cè)（Handbook of Genetic Algorithms）[16]，對(duì)有效地應(yīng)用遺傳算法具有重要的指導(dǎo)意義；而目前，遺傳算法已在各個(gè)領(lǐng)域得到廣泛的應(yīng)用，從遺傳算法在各個(gè)階段的出現(xiàn)頻次可以看出，其應(yīng)用和研究正成遞增的態(tài)勢(shì)穩(wěn)步發(fā)展。對(duì)于“Design（設(shè)計(jì)）”一詞，它的界限很模糊，不特指人工智能的某一研究領(lǐng)域，涉及的面較廣。筆者通過(guò)對(duì)本文所涉及的數(shù)據(jù)集進(jìn)行分析，發(fā)現(xiàn)具有“Design（設(shè)計(jì)）”關(guān)鍵詞的文獻(xiàn)大多都與各個(gè)領(lǐng)域?qū)＜蚁到y(tǒng)[17-19]、各種算法[20-22]相關(guān)，說(shuō)明人工智能方法已經(jīng)逐漸滲透到社會(huì)的各個(gè)領(lǐng)域，在社會(huì)發(fā)展中起著越來(lái)越重要的作用。

以“Knowledge（知識(shí)）”為主題的研究在1991～2000年間是一個(gè)不容忽視的熱點(diǎn)，表6中與“Knowledge（知識(shí)）”主題相關(guān)的關(guān)鍵詞如“Knowledge（知識(shí)）”、“Knowledge-based System（基于知識(shí)的系統(tǒng)）”、“Knowledge Representation（知識(shí)表征）”，它們的引用頻次總計(jì)僅次于本研究的檢索主題詞“Artificial Intelligence（人工智能）”，可以說(shuō)是1991～2000年人工智能領(lǐng)域非常顯著的熱點(diǎn)主題；而自本研究劃分的第3個(gè)時(shí)間段（2001～2005年）開始，對(duì)以“Knowledge（知識(shí)）”為主題的相關(guān)研究減少很多，表6顯示，在2001～2005年間，只有“Knowledge-based System（基于知識(shí)的系統(tǒng)）”仍位于該時(shí)間段排名前10的熱點(diǎn)關(guān)鍵詞之內(nèi)，自此以后對(duì)“Knowledge（知識(shí)）”的相關(guān)研究淡出人工智能領(lǐng)域的熱點(diǎn)范疇。知識(shí)是人類智能的基礎(chǔ)，“從自然科學(xué)的角度來(lái)說(shuō)，知識(shí)是一些事實(shí)、概念、規(guī)則、規(guī)律、方法、技術(shù)以及應(yīng)用，應(yīng)用這些概念、事實(shí)、規(guī)則等的能力的綜合體”[3]，知識(shí)工程的提出，確定了知識(shí)在人工智能中的重要地位，對(duì)信息處理的所有領(lǐng)域都有很大的影響，其方法很快滲透到人工智能的各個(gè)領(lǐng)域，促進(jìn)了人工智能從實(shí)驗(yàn)室研究走向?qū)嶋H應(yīng)用[23]。因此由表6可以推斷，20世紀(jì)90年代學(xué)者非常注重對(duì)人工智能基礎(chǔ)的研究，雖然后續(xù)研究有所減少，但受知識(shí)工程的影響，人工智能應(yīng)用研究得到發(fā)展，專家系統(tǒng)的發(fā)展經(jīng)歷了三個(gè)階段，目前正在朝第四代過(guò)渡和發(fā)展[13]，這是知識(shí)工程發(fā)展的很好例證。

從近三年的情況來(lái)看，由于這個(gè)時(shí)間段的年限范圍較其他時(shí)間段窄，故關(guān)鍵詞的頻次較其他時(shí)間段要小一些，但從表6可以看出，近三年關(guān)于算法的研究非常熱門，Algorithm（算法）和Genetic Algorithm（遺傳算法）的總頻次位于除Artificial Intelligence（人工智能）之外的第一位，關(guān)于System（系統(tǒng)）或Neural Network（神經(jīng)網(wǎng)絡(luò)）的研究位居熱點(diǎn)主題的第二和第三，而關(guān)于人工智能模型的研究（Model）則位居第四，這反映出近三年國(guó)際人工智能的研究熱點(diǎn)情況?？偟膩?lái)說(shuō)，近三年來(lái)，算法，尤其是遺傳算法、專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)這3個(gè)主題繼承和順應(yīng)了以往階段的熱點(diǎn)，而關(guān)于人工智能“模型”的研究頻次自2006～2010開始呈上升趨勢(shì)，這說(shuō)明隨著人工智能技術(shù)和方法的深入發(fā)展，研究者們正在嘗試著將人工智能引入更廣泛的應(yīng)用領(lǐng)域或是使用更新的方法和技術(shù)來(lái)優(yōu)化現(xiàn)有應(yīng)用，且這種嘗試目前正悄然興起，給人工智能應(yīng)用研究注入了一股新的活力。

3 結(jié)論

本文從文獻(xiàn)的產(chǎn)出年代、學(xué)科類別、國(guó)家與地區(qū)、研究人員、發(fā)文期刊、發(fā)文機(jī)構(gòu)以及研究熱點(diǎn)等七個(gè)方面對(duì)人工智能領(lǐng)域的文獻(xiàn)做了統(tǒng)計(jì)和分析，數(shù)據(jù)顯示：

（1）1991至今，人工智能學(xué)科經(jīng)歷了快速發(fā)展、反思、穩(wěn)步發(fā)展、飽和及新思路探索四個(gè)時(shí)期；對(duì)該領(lǐng)域的跨學(xué)科應(yīng)用、理論方法、信息系統(tǒng)、軟件工程和控制論的研究較之硬件體系結(jié)構(gòu)要多，表現(xiàn)出了重軟輕硬的現(xiàn)象。

（2）美國(guó)在該領(lǐng)域的發(fā)文量遠(yuǎn)遠(yuǎn)高于世界上其它國(guó)家，美國(guó)、英國(guó)和加拿大總體研究水平較高，論文綜合影響力較大，是人工智能研究領(lǐng)域的核心區(qū)域。

（3）發(fā)文量居前10的大部分作者的論文篇均被引頻次都一般甚至很低；發(fā)文量最多的前10個(gè)期刊影響因子都不高，文章質(zhì)量一般。

（4）加拿大多倫多大學(xué)、美國(guó)的伊利諾伊大學(xué)和麻省理工學(xué)院所發(fā)文章影響因子居全球所有機(jī)構(gòu)前3，他們是人工智能領(lǐng)域研究的引領(lǐng)機(jī)構(gòu)，而發(fā)文量最多的前10機(jī)構(gòu)中屬于美國(guó)的最多，可見(jiàn)美國(guó)在人工智能領(lǐng)域的研究占了主導(dǎo)地位。

（5）我國(guó)對(duì)人工智能的研究起步較晚，每年被SCI收錄的文獻(xiàn)數(shù)不多，篇均被引頻次總體處于中等以下水平，但香港理工大學(xué)的CHAU KW和南京科技大學(xué)的WANG H以第一作者或通訊作者身份所發(fā)文章數(shù)分別位于全球所有作者中的第一和第五，篇均被引頻次也較高，研究機(jī)構(gòu)中香港理工大學(xué)以39篇的發(fā)文量位于世界所有機(jī)構(gòu)中的第四，但是從篇均被引頻次的角度看卻排到世界前10機(jī)構(gòu)的最后，總的說(shuō)來(lái)，我國(guó)在人工智能領(lǐng)域的總體研究水平不高，與國(guó)際相比還存在一定的差距。

（6）在熱點(diǎn)分析方面，本研究將1991～2013年分成5個(gè)時(shí)段，根據(jù)每個(gè)時(shí)段排名前10的關(guān)鍵詞分析了各個(gè)時(shí)段的熱點(diǎn)主題，數(shù)據(jù)顯示：神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、算法和智能系統(tǒng)設(shè)計(jì)4個(gè)關(guān)鍵詞是幾乎跨整個(gè)研究時(shí)段的熱點(diǎn)主題；知識(shí)是人工智能研究的基礎(chǔ)，而關(guān)于知識(shí)的相關(guān)研究是1991～2000年人工智能發(fā)展道路上非常熱門且重要的一部分；近三年研究較熱的主題是算法、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和人工智能模型。

［1］ 張 妮，徐文尚，王文文.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述［J］.煤礦機(jī)械，2009，30（2）：4-7.

［2］ 蔡自興，姚 莉.人工智能及其在決策系統(tǒng)中的應(yīng)用［M］.長(zhǎng)沙：國(guó)防科技大學(xué)出版社，2006：4.

［3］ 朱福喜.人工智能引論［M］.北京:高等教育出版社，2006：10-16，61.

［4］ 李德毅.人工智能研究的新方向［C］//中國(guó)人工智能學(xué)會(huì).中國(guó)人工智能進(jìn)展（2005）：中國(guó)人工智能學(xué)會(huì)第11屆全國(guó)學(xué)術(shù)年會(huì)論文集（上冊(cè)）.北京：北京郵電大學(xué)出版社，2005：2-21.

［5］ 李 娜.被批20年無(wú)進(jìn)展，人工智能需要重啟？［J］.科技導(dǎo)報(bào)，2011，30（2）：9.

［6］ Stephen C.Unthinking machines［OL］.［2014-11-10］.http:// www.technologyreview.com/computing/37525/page1/.

［7］ Zhao Y P，Hlu J，Lai J F.The Investigation about the Research Front of Artificial Intelligence that based on the Mapping Knowledge Domain［C］//Proceedings of the 38th International Conference on Computers and Industrial Engineering.北京：電子工業(yè)出版社，2008：2688－2697.

［8］ 張春博，丁 堃，賈龍飛.國(guó)際人工智能領(lǐng)域計(jì)量與可視化研究［J］.圖書情報(bào)工作，2012，56（22）：69-76.

［9］ Alfonso I，Pedro L，Concha B.Using bayesian networks to discover relationships between bibliometric indices：A case study of computer science and artificial intelligence journals［J］.Scientometrics，2011，89（2）：523-551.

［10］ 尚福華，曹茂俊.人工智能［M］.哈爾濱:哈爾濱工業(yè)大學(xué)出版社，2008：5-6.

［11］ 賈同興.人工智能與情報(bào)檢索［M］.北京：北京圖書館出版社，1997：52.

［12］ 鐘義信.高等人工智能：人工智能理論的新階段［J］.計(jì)算機(jī)教育，2012（18）：6-11.

［13］ 姚錫凡，李 旻.人工智能技術(shù)及應(yīng)用［M］.北京:中國(guó)電力出版社，2008：22，56-57.

［14］ 張仰森，黃改娟.人工智能教程［M］.北京：高等教育出版社，2008:307.

［15］ Goldberg D E.Genetic algorithms in search，optimization，and machine learning［M］.Boston：Addison-Wesley Professional，1989.

［16］ Lawrence D.Handbook of Genetic Algorithms［M］.New York：Van Nostrand Reinhold Company，1991.

［17］ Erol R，Sahin C，Baykasoglu A，et al.A multi-agent based approach to dynamic scheduling of machines and automated guided vehicles in manufacturing systems［J］.Applied Soft Computing，2012，12（6）：1720-1732.

［18］ Arendt R，van Uden E.A decision-making module for aiding ship system automation design：A knowledge-based approach［J］.Expert Systems with Ap－plications，2011，38（1）：410-416.

［19］ Laurentys C A，Palhares R M，Caminhas W M.A novel Artificial Immune System for fault behavior detection［J］.Expert Systems with Applications，2011，38（6）：6957-6966.

［20］ Ahmed B S，Zamli K Z.A variable strength interaction test suites generation strategy using Particle Swarm Optimization［J］.Journal of Systems and Software，2011，84（12）：2171-2185.

［21］ Stein S，Gerding E J，Rogers A C，et al.Algorithms and mechanisms for procuring services with uncertain durations using redundancy［J］.Artificial Intelligence，2011，175（14-15）：2021-2060.

［22］ Bagirov A M，Ugon J，Webb D.An efficient algorithm for the incremental construction of a piecewise linear classifier［J］.Information Systems，2011，36（4SI）：782-790.

［23］ 佘玉梅，段 鵬.人工智能及其應(yīng)用［M］.上海:上海交通大學(xué)出版社，2006：13.

（責(zé)任編校 駱雪松）

A Bibliometric Analysis of Artificial Intelligence Based on Web of Science

Peng Li,Ye Chong
Library of Sichuan Agricultural University,Chengdu 611130,China

By using the online data analysis function of Web of Science,NoteExpress and Excel,the present study made a bibliometric analysis of the literature on artificial intelligence retrieved from the database of WOS in the 1991～2013 period from the following seven aspects:date of publication,subject category,country,researcher,periodical,publishing organization and research focus.The results showed the present situation of research on artificial intelligence.A comparative analysis was also made on the international and the domestic situation in this research field,revealing a certain gap between the two.Besides,the 1991～2013 period was divided into 5 stages and the research focus for each stage was analyzed based on frequency statistics.

artificial intelligence;research situation;bibliometric analysis;research focus

N99

彭 麗，女，1981年生，館員，碩士，研究方向?yàn)樾畔⒖茖W(xué)、圖書情報(bào)，發(fā)表論文6篇；葉 充，男，1971年生，副研究館員，研究方向?yàn)樾畔⒐芾?，發(fā)表論文4篇。

*本文系四川省高等學(xué)校圖書館、情報(bào)與文獻(xiàn)學(xué)規(guī)劃項(xiàng)目“四川農(nóng)業(yè)大學(xué)圖書館農(nóng)業(yè)科技成果數(shù)據(jù)庫(kù)構(gòu)建”（項(xiàng)目編號(hào)：20120055）的研究成果之一