基于CiteSpace的中文评论文本研究现状与趋势分析

自然语言处理一直是人工智能领域中的热点话题,其中基于评论的文本分析吸引了学者的注意.通过对国内关于评论文本分析的文献进行可视化分析,进而掌握该领域的研究现状和前沿发展趋势.以中国知网为数据来源,共选取453篇有效的核心期刊论文,使用CiteSpace软件绘制知识图谱并加以分析.分析结果显示:该领域的文献数量在近15年内整体呈上升趋势;作者之间、研究机构之间的合作关系并不紧密,尚未形成具有凝聚力的研究群体;情感分析、在线评论、深度学习是目前研究的主要热点.从初期的理论基础发展以及应用方向上的扩展,到后期在分析手段和模型上做出改进,学者们对该领域的研究逐渐深入.未来各研究者及研究机构之间的合作关系还需加强,以深度学习为代表的各类模型未来将持续发展和改善.     

知识图谱可视分析研究综述

知识图谱是一种以图谱形式描述客观世界中存在的各种实体、概念及其关系的技术,广泛应用于智能搜索、自动问答和决策支持等领域.可视分析技术可以将抽象的知识图谱映射为图形元素,帮助用户直观地感知和分析数据,从而提高知识图谱的构建和表达,也为知识图谱在各个领域的应用提供了有力支持.文中对知识图谱可视分析相关工作进行调研和整理,从知识图谱可视化表现形式、知识图谱构建过程中常用的可视分析方法以及面向应用领域的知识图谱可视分析技术3个方面进行综述;进一步,总结和讨论知识图谱可视分析面临的挑战,并对其未来的发展趋势进行展望.     

人工智能可穿戴科技创新知识图谱分析

知识图谱是一种以图形化的方式表示知识的工具,以实体、属性、关系等为基础元素,将复杂的知识结构化,并建立知识之间的联系。通过知识图谱分析,可以实现对人工智能可穿戴科技创新进展的有效梳理。基于此,本文由知识图谱的构建展开论述,阐述了知识图谱分析思路,并从学科关注度增长、学科研究质量情况、学科研究成果应用、学科研究地域差异这四个方面,分析了人工智能可穿戴科技创新知识图谱,梳理了人工智能可穿戴科技创新进展情况。     

面向医学知识图谱的可视化方法设计与实现

随着人工智能技术的迅速发展和医学数据资源的大规模增长,面向医学领域的知识图谱受到越来越多的关注,知识图谱可视化旨在借助点和边等图形特征形象化地展示知识图谱中的实体、关系及相互之间的结构,便于非专业用户阅读和使用知识图谱.该文提出并实现了一种面向医学知识图谱的多视图、交互式可视化方法及系统,该系统包括医学实体分类的层级结...     

知识图谱可视化综述

知识图谱是结构化的语义网络知识库,以符号形式描述概念及其相互关系.由于知识图谱常被用于交互的知识的发现与推理,知识图谱可视化受到众多关注.总结了知识图谱可视化相关工作,介绍了知识图谱的可视表达,分析了可视表达适用的知识图谱类型;简述了大规模知识图谱可视化的挑战与可视化方法、异质网络可视分析方法;介绍了知识图谱可视化的应用案例,并预测了该领域的未来发展方向和挑战.     

人工智能领域知识图谱构建与分析

近年来人工智能技术成为学术界和产业界的研究焦点,基于领域科技文献对人工智能相关技术脉络的发展进行分析和研究有助于科研人员掌握相关技术发展方向,同时为国家制定相关政策措施提供了大数据支撑。美国人工智能协会年会(AAAI)和人工智能国际联合大会(IJCAI)是人工智能领域最主要的学术会议,众多领先的AI科技成果在上述会议期间被提出。论文对最近十余年的AAAI和IJCAI会议中的论文集进行了整理分析和挖掘,构建了包含500000个反映研究主题、研究人员等实体及其关系的三元组的人工智能领域知识图谱,并在此基础上对人工智能领域的研究热点和发展趋势进行了分析和讨论。     

知识图谱构建技术:分类、调查和未来方向

知识图谱的概念由谷歌于2012年提出,随后逐渐成为人工智能领域的一个研究热点,已在信息搜索、自动问答、决策分析等应用中发挥作用。虽然知识图谱在各领域展现出了巨大的潜力,但不难发现目前缺乏成熟的知识图谱构建平台,需要对知识图谱的构建体系进行研究,以满足不同的行业应用需求。文中以知识图谱构建为主线,首先介绍目前主流的通用知识图谱和领域知识图谱,描述两者在构建过程中的区别;然后,分类讨论图谱构建过程中存在的问题和挑战,并针对这些问题和挑战,分类描述目前图谱构建过程中的知识抽取、知识表示、知识融合、知识推理、知识存储5个层面的解决方法和策略;最后,展望未来可能的研究方向。     

知识图谱数据管理研究综述

知识图谱是人工智能的重要基石.各领域大规模知识图谱的构建和发布对知识图谱数据管理提出了新的挑战.以数据模型的结构和操作要素为主线,对目前的知识图谱数据管理理论、方法、技术与系统进行研究综述.首先,介绍知识图谱数据模型,包括RDF图模型和属性图模型,介绍5种知识图谱查询语言,包括SPARQL、Cypher、Gremlin、PGQL和G-CORE;然后,介绍知识图谱存储管理方案,包括基于关系的知识图谱存储管理和原生知识图谱存储管理;其次,探讨知识图谱上的图模式匹配、导航式和分析型3种查询操作.同时,介绍主流的知识图谱数据库管理系统,包括RDF三元组库和原生图数据库,描述目前面向知识图谱的分布式系统与框架,给出知识图谱评测基准.最后,展望知识图谱数据管理的未来研究方向.     

开放领域知识图谱问答研究综述

知识图谱问答是通过处理用户提出的自然语言问题,基于知识图谱的某种形式,从中获取相关答案的过程.由于知识规模、计算能力及自然语言处理能力的制约,早期知识库问答系统被应用于限定领域.近年来,随着知识图谱的发展,以及开放领域问答数据集的陆续提出,知识图谱已用于开放领域问答研究与实践.以技术发展为主线,对开放领域知识图谱问答进行综述.首先,介绍五种基于规则模板的开放领域知识图谱问答方法:传统语义解析、传统信息检索、三元组匹配、话语模板和查询模板,这类方法主要依赖人工定义的规则模板完成问答工作.其次,描述五种基于深度学习的方法,这类方法采用神经网络模型完成问答过程的各类子任务,包括知识图谱嵌入、记忆网络、基于神经网络的语义解析、基于神经网络的查询图、基于神经网络的信息检索.接着,介绍开放领域知识图谱问答常用的4个通用领域知识图谱和11个开放领域问答数据集.随后,按照问题的难易程度选择3个经典问答数据集比较各问答系统的性能指标,对比不同方法间的性能差异并进行分析.最后,展望开放领域知识图谱问答的未来研究方向.     

国内外人工智能的研究热点对比与前沿挖掘

为了直观地了解人工智能领域发展现状及研究前沿,剖析国内外研究存在的异同点,助力国内人工智能研究。以Web of Science数据库和CNKI数据库的2008-2019年期刊论文为依据,借助Citespace软件对期刊论文进行科学知识图谱绘制和可视化分析。根据客观数据和科学知识图谱发现：2016年后,人工智能领域迎来新的研究热潮,且呈现“中美双雄”的格局;在发文质量上,北美区域是当前人工智能研究水平最高的区域;目前,人工智能研究的主力军是高校,且尚未形成产学研相结合的体系;研究主题具有鲜明的时代特征,人工神经网络、算法、大数据、机器人、计算机视觉、法律伦理学等成为当下的研究热点;最后根据人工智能研究脉络演进图与高频突现词提出该领域的“深度强化学习”“人工智能+”“智能社会科学”三个研究前沿,为后续人工智能研究提供方向建议。     

人工智能对科研信息化的推动作用

随着科技的不断发展,国家相关部门的重视,人工智能掀起了又一轮热潮。国家相关部门发布了关于人工智能的行动实施方案,明确了人工智能的重点研究领域和相关任务,为人工智能的强力有序发展提供了保障。本文概述了人工智能的国家战略以及主要任务,如加快建设文献、语音、图像、视频、地图等多种类数据的海量训练资源库和基础资源服务公共平台,建设支撑超大规模深度学习的新型计算集群,建立完善产业公共服务平台。本文列举了人工智能在各行各业的应用,包括化学,物理学,生物信息学,地质学,药物设计,建筑领域等方面,其中包括深度学习方法的运用,重点强调了人工智能对于科研信息化的巨大推动作用,包括超级计算领域,科学数据领域,无线网络领域,物联网领域,生物信息领域等。之后从政府、科研院所、企业多个层面详细阐述世界各国以及中国在基于人工智能的科研信息化方面的探索,对中国基于人工智能的科研信息化建设方面提出可行性建议。最后,对人工智能的应用范围以及发展前景做了展望。     

网络时代人工智能研究与发展

50多年来,人工智能在模式识别、知识工程、机器人等领域已经取得重大成就,但是离真正的人类智能还相差甚远.当今网络时代,人工智能科学要在学科交叉研究中实现人工智能的发展与创新,会更加关注认知科学、脑科学、生物智能、物理学、网络科学、计算机科学与人工智能之间的交叉渗透,重视认知物理学的研究;自然语言是人工智能研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无标度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络智能.对这3个重要方向进行了阐述,并提出了具体建议.     

我国智慧教育研究热点及趋势探讨——基于知识图谱的可视化分析

近几年来,智慧教育已经成为我国教育信息化发展的重要内容。以中国知网核心期刊和CSSCI 数据库作为数据源,以2010年到2021年关于智慧教育研究文献作为研究对象,运用CiteSpace软件对文献进行可视化分析,绘制知识图谱来探讨我国智慧教育研究的热点和趋势。研究表明：对我国智慧教育领域研究的现状处于上升趋势,已经形成了一批核心的研究学者,其研究热点主要是教育信息化、教育大数据、智慧课堂、区块链、智慧校园等内容,人工智能、5G、智能教育、教育现代化的融合发展的研究是我国智慧教育研究的主要趋势。总体来说,我国在智慧教育领域取得了一定的成果,但对于实践应用的研究有待提高。     

智能科学发展的若干问题

提出建立智能科学及其体系问题,阐述了智能科学学科体系的基本框架,归纳了智能科学研究对象的一般特征,分析了当前智能科学研究的若干重要课题涉及计算智能、集成智能、分布式智能和多艾真体系统、机器学习与知识发现、人工生命、智能控制、智能机器人,以及量子信息处理等,探讨了工业化、信息化、智能化与自动化的关系,并在最后强调指出发展智能科学对创造知识产权、应对入世挑战和增强国家实力具有重大意义.     

近五十年国际上人工智能领域跨学科演变研究

以Web of Science中人工智能领域1964年至2015年包含的197 394篇文献为研究样本,借助于跨学科指数和科学叠加图技术,对近五十年来国际上人工智能领域的跨学科演变过程进行了探究,包括核心学科的识别及跨学科演变过程的分析。研究结果表明探寻到的核心学科主要集中在计算机类、工程电气类、医学及成像类、数学类等学科中,这些学科在人工智能领域跨学科的发展演变过程中起着关键性的作用;随着时间的推移人工智能领域的跨学科特征越来越明显,依次经历了萌芽期、迅速发展期、平稳期和缓慢降低期。研究结果同时表明了人工智能领域的跨学科范围起始于人工智能领域邻近的核心学科,近年来逐渐扩散到更加遥远的潜在学科和边缘学科中,随着这些学科的出现,可能会形成一些新的交叉领域。     

人工智能在基础教育教学应用综述

人工智能是研究运用计算机系统模拟和延伸人脑功能的学科,当前在基础教育教学领域应用越来越广泛。该文从教师、管理者和学生三个视角对人工智能在基础教育教学中的应用进行文献综述和实地调研,旨在分析人工智能中典型的技术,包括计算机视觉、自然语言处理、知识图谱、大数据挖掘等在教育教学各个环节中的使用情况,并根据调研中发现的问题总结、建议并提出对策。提出应从教师,学生,学校,社会,企业多个领域,利用多方资源使人工智能赋能基础教育教学。特别是帮助教师完成一些高强度、体力性的劳务,让他们有更多的时间和精力去关心学生心灵、精神和幸福,实施更加人本的教学,更好地推动学校育人方式转型发展。     

基于模糊逻辑的智能Agent情感建模

情感是人类智能中的一个重要表现形式，在人类决策过程中起着重要的作用。认知科学、生理学以及人工智能领域的研究者已提出各类情感模型，但大部分模型都集中于智能agent的反应行为，为此它们通常是根据一些静态的规则或者事先确定的领域知识来生成agent的情感。本文提出了一个新的情感计算模型，并尝试利用模糊逻辑的表征方法建立事件和情感状态间的联系。     

人工智能时代“机器人权”研究述评

纵观世界科技发展史,人类社会已经历经了三次工业革命,分别以蒸汽机、电气、计算机的出现为标志。而现在,世界正在进行着第四次工业革命,不同以往的是,这次不再单以某项技术的发明与使用为标志,而是覆盖多个领域,以集成、融合和超越的方式开展,即“人工智能”。这一主题在研究领域上呈现多元化的状态,以人工智能主体权利、人工智能对国内外政治的影响作为主要研究内容,以实证性研究、规范性研究、比较分析、案例分析为主要研究方法,未来有向定量研究的发展趋势。针对该题域,研究者普遍认为应该辩证地看待人工智能对当今社会以及未来社会的影响,以便提前做好其弊端的防范工作,使人工智能更好地服务社会。