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
来源：图书情报工作杂志2018年第14期北京时间：
作者：周源,张超,唐杰,刘宇飞,张宇韬
单位：1. 清华大学公共管理学院 北京 100084;<br />\r\n2. 华中科技大学机械科学与工程学院 武汉 430074;<br />\r\n3. 清华大学计算机系 北京 100084;<br />\r\n4. 中国工程院战略咨询中心 北京 100088
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,
基金资助：本文系国家自然科学基金"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。
