基于Web of Science的人工智能研究計量分析*

彭 麗 葉 充

（四川農業(yè)大學圖書館 成都 611130）

基于Web of Science的人工智能研究計量分析*

彭 麗 葉 充

（四川農業(yè)大學圖書館 成都 611130）

在Web of Science數(shù)據(jù)庫中以“artificial intelligence”為主題，檢索到1991年至2013年共4 736條記錄，采用文獻計量的方法，使用Web of Science數(shù)據(jù)庫的在線分析功能以及NoteExpress、Excel等軟件對檢索到的數(shù)據(jù)從文獻的產(chǎn)出年代、學科類別、國家與地區(qū)、研究人員、發(fā)文期刊、發(fā)文機構以及研究熱點等七個方面對人工智能領域進行統(tǒng)計和分析，揭示人工智能學科在國際上的研究現(xiàn)狀，并將我國在該領域的研究與國際情況做了對比分析，數(shù)據(jù)顯示人工智能學科仍有一定的發(fā)展空間，我國與國際相比還存在一定的差距。同時本研究將1991～2013年分成5個時段，在基于頻次統(tǒng)計的基礎上，分析了各個時段的熱點主題。

人工智能 研究態(tài)勢 計量分析 研究熱點

人工智能（Artificial Intelligence，簡稱AI）研究領域是在1956年“達特矛斯（Dartmouth）人工智能夏季研究會”上正式被確立的，至今已有近60年的發(fā)展歷史，經(jīng)歷了該學科的形成、發(fā)展、反思[1]及高潮時期[2]這樣一個發(fā)展過程。人工智能目前已經(jīng)分化出許多研究和應用領域[3-4]，但其研究卻受到了諸多質疑，2011年，人工智能和認知科學領域的奠基人和老牌代表人物在MIT舉行了一次座談會，認為AI研究需要一次重啟[5-6]，但李飛躍教授卻對人工智能領域的研究和發(fā)展持肯定態(tài)度[5]。對人工智能領域研究情況的梳理可以佐證其發(fā)展態(tài)勢。文獻調研發(fā)現(xiàn)，對人工智能學科整體進行研究的文獻目前國內只有兩篇，一篇是趙玉鵬等對人工智能整體領域進行的研究前沿可視化分析[7]，另一篇是張春博等在基于AAAI年會論文分析的基礎上，對國際人工智能領域2002～2011期間共10年的文獻進行的計量與可視化研究[8]，這兩篇文獻各有側重；從國際情況來看，通過在WOS平臺搜索發(fā)現(xiàn)，國際上對人工智能領域做態(tài)勢分析的文章幾乎沒有，筆者只發(fā)現(xiàn)近年來有一篇是以計算機科學和人工智能領域的期刊為例，研究利用貝葉斯網(wǎng)絡模型來分析文獻計量學指標之間關系的文章[9]，但并沒有針對人工智能領域的發(fā)展進行分析。為了解人工智能領域研究更詳盡的情況，本文借助美國科學情報所（ISI）編制的Web of Science數(shù)據(jù)庫，對人工智能領域1991～2013共23年的文獻進行計量分析，試圖從更高層次、更廣的數(shù)據(jù)來源和更寬泛的時間范圍來對人工智能領域的發(fā)展歷程進行梳理，這對該學科的研究人員了解學科的研究現(xiàn)狀有重要的意義。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

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，科學引文索引擴展）數(shù)據(jù)庫中檢索1991～2013年間的期刊文獻；為有針對性的進行研究，將類別縮小到了7個與計算機相關的范圍內，并進一步選擇文獻類型為“ARTICLE”的文獻作為本研究的統(tǒng)計對象，最終形成的邏輯檢索語句為：主題=（“artificial intelligence”），精煉依據(jù):文獻類型=（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時間跨度=1991～2013AND數(shù)據(jù)庫=SCI-EXPANDED。

根據(jù)上述邏輯表達式，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Web of Science的在線分析功能以及NoteExpress文獻管理軟件對文獻的產(chǎn)出年代、學科類別、國別、研究人員、發(fā)文期刊、發(fā)文機構和研究熱點進行統(tǒng)計和分析，在研究過程中，也根據(jù)需要使用EXCEL對基礎數(shù)據(jù)進行排序、圖表制作和手工統(tǒng)計等。

2 結果分析

2.1 文獻產(chǎn)出年代分析

對文獻產(chǎn)出年代的分析可以反映出某一時間段內特定研究領域的研究熱度以及發(fā)展趨勢。在Web of Science中共檢索到4 736篇于1991～2013年出版并被SCI收錄的人工智能領域的研究文獻（在本文均指與計算機相關類別的人工智能領域的期刊論文）。為了對本研究的起始年1991年的發(fā)文量背景有準確的分析，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在人工智能領域的年度發(fā)文趨勢，由此來比較兩者在年度發(fā)文趨勢上的異同以及近30年該領域的研究熱度。

圖1 1985～2013年世界和中國人工智能研究論文年度發(fā)文趨勢

據(jù)圖1，可以將1991年至今世界的發(fā)文趨勢分成四個階段。第一階段：快速發(fā)展時期（1991～1992）。1991年較以前發(fā)文量出現(xiàn)非常大的跳躍并在1992年達到第一個峰值。1990年代伊始，對人工智能的研究發(fā)生如此大的變化，與網(wǎng)絡技術和神經(jīng)網(wǎng)絡的飛速發(fā)展息息相關，隨著“國際互聯(lián)網(wǎng)技術的發(fā)展，人工智能開始由單個智能主體研究轉向基于網(wǎng)絡環(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)絡技術應用于人工智能領域，另外，由于Hopfield多層神經(jīng)網(wǎng)絡模型的提出，使人工神經(jīng)網(wǎng)絡研究與應用出現(xiàn)了欣欣向榮的景象[10]；第二個階段：反思時期（1993～2000）。自1992年研究第一個峰值出現(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]，陷入研究的低谷時期，在2000年陷入自快速發(fā)展以來的最低點，但在整個90年代仍保持了每年160篇以上的發(fā)文量。第三個階段：穩(wěn)步發(fā)展時期（2001～2006）。反思過后，人工智能領域的研究開始出現(xiàn)生機，每年的發(fā)文量呈指數(shù)增長，并在2006年達到有史以來的最高點。第四個階段：飽和及新思路探索時期（2007～至今）。人工智能領域近60年的發(fā)展使得該領域的研究出現(xiàn)稍許飽和，同時，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”上提出了高等人工智能理論[12]，為該學科理論的發(fā)展提出了一個新的方向，使研究者們在探索新的發(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期，但這種狀態(tài)在2010年開始出現(xiàn)轉機，目前正呈積極姿態(tài)不斷發(fā)展。

由圖1中我國大陸的年度發(fā)文折線圖可以獲知，國內人工智能學科的研究在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，這反映出我國對該領域的研究起步較晚、研究水平不高。從整個趨勢圖看，整體是和世界發(fā)文趨勢圖的走向基本一致的，1992年和2006年我國的發(fā)文量和國際發(fā)文趨勢一樣，分別達到近30年的兩個研究高峰，其余每年的發(fā)文量均一般。

2.2 文獻學科類別分布

通過對人工智能文獻的學科類別分析，可以掌握其在各學科學術研究中的受關注程度，了解各學科之間的聯(lián)系程度，同時也能體現(xiàn)人工智能在各學科研究中的結構布局，可以讓研究者們掌握該領域的研究動態(tài)，從宏觀的角度把握領域的發(fā)展方向。本研究所獲取的文獻共涉及到88個學科類別，體現(xiàn)了該領域的多學科交叉性，表1顯示了排名前10的學科類別。

從表1可以看出，對人工智能學科的研究主要集中在計算機科學、電子電器工程、運籌管理等學科，本研究所關注的計算機相關學科對人工智能的研究占了半數(shù)以上，其中計算機科學人工智能學科以56.968%的數(shù)量遙遙領先，而計算機科學的跨學科應用、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構相關論文較少，排在第十二的位置；這在一定程度上反映出計算機科學中對人工智能領域的軟件研究遠遠多于硬件，表現(xiàn)出了重軟輕硬的現(xiàn)象。

表1 人工智能文獻的學科類別分布

2.3 國家與地區(qū)分布

通過對人工智能領域文獻所屬的國家與地區(qū)進行分析，可以掌握該領域在世界范圍內的研究布局情況，進而掌握一個國家對其的重視程度；通過對各個國家文獻被引頻次的分析，可以獲知各國（地區(qū)）在該領域的總體研究實力。本研究獲取的文獻共涉及到全世界94個國家，其中有12個國家和地區(qū)具有100篇以上的文獻。本研究從發(fā)文量、篇均被引頻次和被引頻次大于等于50的文獻數(shù)3個角度對世界上發(fā)文量居前10的國家進行分析，具體結果如表2所示。

由表2獲知，美國的發(fā)文量遠遠超過世界上其它國家，在該領域具有非常高的研究熱情；從文獻篇均被引頻次和高被引文獻數(shù)量來看，美國、英國、加拿大在人工智能領域的總體研究水平較高，論文綜合影響力較大，對后續(xù)研究產(chǎn)生了重要的影響，可以說是人工智能領域研究的核心區(qū)域。從我國（除臺灣地區(qū)以外）的情況來看，發(fā)文量排在全球第4，但是篇均被引頻次和高被引文獻數(shù)都處于中等以下水平，幾乎排在前10國家的最后，表明我國在人工智能領域的總體研究水平不高，缺乏高質量的研究論文，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的國家與地區(qū)分布

2.4 研究人員分析

通過對研究人員的分析，可以掌握一個領域的主要作者和核心作者，促進學術交流與合作。本研究所獲取的4 736篇文獻共涉及9 785位作者，平均每篇文獻的作者數(shù)是2.06人，說明多位作者合作是人工智能領域的主要研究形式；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香港理工大學的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，其次是英國威爾士大學卡迪夫學院的Rudall B H，而加拿大里賈納大學的Chan C W和波蘭AGH科技大學的Ogiela M R并列第三；從篇均被引頻次來看，法國圖盧茲大學的Dubois D以篇均被引41.86次排名第一，其次是新加坡制造技術研究所的Zha X F和我國南京科技大學的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，說明發(fā)文量與被引頻次不成正比，該領域仍有較大的發(fā)展空間。

表3 發(fā)文量居全球前10的研究人員

表4 人工智能文獻的發(fā)文期刊分布

從我國的情況來看，香港理工大學的Chau K W以15篇的發(fā)文量居榜首，南京科技大學的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來，我國單個研究者的發(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

通過對所刊載論文的出版物進行分析，可以了解某一領域的主要發(fā)文期刊，從而幫助研究人員有重點的選擇研讀和投稿。經(jīng)統(tǒng)計，本研究4 736篇文獻共發(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，人工智能領域載文量較多的期刊文章質量一般。

2.6 發(fā)文機構分布

表5 人工智能文獻的發(fā)文機構分布

本研究4 736篇論文共涉及到全球2 785個研究機構，本文重點對發(fā)文量居前10的研究機構進行分析，具體情況如表5所示。表5顯示，發(fā)文量居前10的研究機構全部都是高校，共發(fā)文365篇，占總量的7.71%，這些機構中有7個屬于美國，中國、新加坡和加拿大各1個，可見美國在人工智能領域的研究占全球的主導地位；但從篇均被引頻次來看，加拿大多倫多大學最高，達到了74.67，美國的伊利諾伊大學和麻省理工學院分別以68.21和50.6位居第二和第三，可見這3個機構研究人員的研究水平和發(fā)文質量都非常高，是全球人工智能研究領域的引領機構；我國香港理工大學雖然以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個機構的最后，說明我國在人工智能領域的研究水平與國際相比還存在較大的差距。

2.7 基于頻次的熱點關鍵詞分析

高頻關鍵詞可以表征一個領域的熱點主題和發(fā)展方向，將本研究所涉及的時間范圍分成5個時間段，通過NoteExpress的關鍵詞統(tǒng)計功能，分別得出每個時間段排名前10的關鍵詞，通過這些關鍵詞可以了解各個時期的熱點主題情況，詳見表6。

表6 各時期熱點關鍵詞表

從表6可以看出，由于本研究在檢索數(shù)據(jù)時選取主題的原因，“Artificial Intelligence（人工智能）”在5個時間段的熱點詞排名中始終排在第一，而“System（系統(tǒng)）”和“Neural Netwok（神經(jīng)網(wǎng)絡）”2個關鍵詞在5個時間段中都屬于高頻熱點詞，位置幾乎都僅次于“Artificial Intelligence”；對于“System（系統(tǒng)）”一詞，筆者認為是專家系統(tǒng)的一種模糊稱謂，故應將其與表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域，“ExpertSystem（專家系統(tǒng)）”和“Neural Netwok（神經(jīng)網(wǎng)絡）”是各個時期經(jīng)久不衰的熱點研究主題，同時也因此而成為了該領域的經(jīng)典術語。專家系統(tǒng)是人工智能應用研究的一個重要分支，由于涉及到社會的各個方面，它的開發(fā)和研究是最活躍的，而且隨著社會需求的增加和人工智能領域各個分支的發(fā)展，它也成為長期的熱點主題。1986年，Rumelhart和McCleland兩人提出了多層網(wǎng)絡的反向傳播BP算法，從時間上證明了人工神經(jīng)網(wǎng)絡具有很強的運算能力，使人工神經(jīng)網(wǎng)絡在理論上取得了很大的突破，1986年在美國召開了國際神經(jīng)網(wǎng)絡會議，1988年“神經(jīng)網(wǎng)絡”雜志創(chuàng)刊，1990年IEEE神經(jīng)網(wǎng)絡會刊問世，以及現(xiàn)在國際上每年一次的神經(jīng)網(wǎng)絡學術年會[13]，使得“20世紀80年代中期以后，包括中國在內的世界上許多國家，都掀起了研究神經(jīng)網(wǎng)絡的熱潮，使神經(jīng)網(wǎng)絡的研究進人了一個持續(xù)至今的蓬勃發(fā)展時期”[14]，這也證明了本研究得出的結論是正確的。

除此之外，表6中“Genetic Algorithm（遺傳算法）”和“Design（設計）”兩個關鍵詞都跨了4個時間段，它們基本可以算是人工智能領域長期的熱點主題，是其發(fā)展過程中的重要部分。1989年，Goldberg出版了專著 Genetic algorithms in search，optimization,and machine learning[15]，書中全面、系統(tǒng)地對遺傳算法進行了歸納總結，形成了遺傳算法的基本框架，為遺傳算法領域奠定了堅實的科學基礎；1991年，Lawrence Davis出版了遺傳算法手冊（Handbook of Genetic Algorithms）[16]，對有效地應用遺傳算法具有重要的指導意義；而目前，遺傳算法已在各個領域得到廣泛的應用，從遺傳算法在各個階段的出現(xiàn)頻次可以看出，其應用和研究正成遞增的態(tài)勢穩(wěn)步發(fā)展。對于“Design（設計）”一詞，它的界限很模糊，不特指人工智能的某一研究領域，涉及的面較廣。筆者通過對本文所涉及的數(shù)據(jù)集進行分析，發(fā)現(xiàn)具有“Design（設計）”關鍵詞的文獻大多都與各個領域專家系統(tǒng)[17-19]、各種算法[20-22]相關，說明人工智能方法已經(jīng)逐漸滲透到社會的各個領域，在社會發(fā)展中起著越來越重要的作用。

以“Knowledge（知識）”為主題的研究在1991～2000年間是一個不容忽視的熱點，表6中與“Knowledge（知識）”主題相關的關鍵詞如“Knowledge（知識）”、“Knowledge-based System（基于知識的系統(tǒng)）”、“Knowledge Representation（知識表征）”，它們的引用頻次總計僅次于本研究的檢索主題詞“Artificial Intelligence（人工智能）”，可以說是1991～2000年人工智能領域非常顯著的熱點主題；而自本研究劃分的第3個時間段（2001～2005年）開始，對以“Knowledge（知識）”為主題的相關研究減少很多，表6顯示，在2001～2005年間，只有“Knowledge-based System（基于知識的系統(tǒng)）”仍位于該時間段排名前10的熱點關鍵詞之內，自此以后對“Knowledge（知識）”的相關研究淡出人工智能領域的熱點范疇。知識是人類智能的基礎，“從自然科學的角度來說，知識是一些事實、概念、規(guī)則、規(guī)律、方法、技術以及應用，應用這些概念、事實、規(guī)則等的能力的綜合體”[3]，知識工程的提出，確定了知識在人工智能中的重要地位，對信息處理的所有領域都有很大的影響，其方法很快滲透到人工智能的各個領域，促進了人工智能從實驗室研究走向實際應用[23]。因此由表6可以推斷，20世紀90年代學者非常注重對人工智能基礎的研究，雖然后續(xù)研究有所減少，但受知識工程的影響，人工智能應用研究得到發(fā)展，專家系統(tǒng)的發(fā)展經(jīng)歷了三個階段，目前正在朝第四代過渡和發(fā)展[13]，這是知識工程發(fā)展的很好例證。

從近三年的情況來看，由于這個時間段的年限范圍較其他時間段窄，故關鍵詞的頻次較其他時間段要小一些，但從表6可以看出，近三年關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，關于System（系統(tǒng)）或Neural Network（神經(jīng)網(wǎng)絡）的研究位居熱點主題的第二和第三，而關于人工智能模型的研究（Model）則位居第四，這反映出近三年國際人工智能的研究熱點情況?？偟膩碚f，近三年來，算法，尤其是遺傳算法、專家系統(tǒng)和神經(jīng)網(wǎng)絡這3個主題繼承和順應了以往階段的熱點，而關于人工智能“模型”的研究頻次自2006～2010開始呈上升趨勢，這說明隨著人工智能技術和方法的深入發(fā)展，研究者們正在嘗試著將人工智能引入更廣泛的應用領域或是使用更新的方法和技術來優(yōu)化現(xiàn)有應用，且這種嘗試目前正悄然興起，給人工智能應用研究注入了一股新的活力。

3 結論

本文從文獻的產(chǎn)出年代、學科類別、國家與地區(qū)、研究人員、發(fā)文期刊、發(fā)文機構以及研究熱點等七個方面對人工智能領域的文獻做了統(tǒng)計和分析，數(shù)據(jù)顯示：

（1）1991至今，人工智能學科經(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時期；對該領域的跨學科應用、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構要多，表現(xiàn)出了重軟輕硬的現(xiàn)象。

（2）美國在該領域的發(fā)文量遠遠高于世界上其它國家，美國、英國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個期刊影響因子都不高，文章質量一般。

（4）加拿大多倫多大學、美國的伊利諾伊大學和麻省理工學院所發(fā)文章影響因子居全球所有機構前3，他們是人工智能領域研究的引領機構，而發(fā)文量最多的前10機構中屬于美國的最多，可見美國在人工智能領域的研究占了主導地位。

（5）我國對人工智能的研究起步較晚，每年被SCI收錄的文獻數(shù)不多，篇均被引頻次總體處于中等以下水平，但香港理工大學的CHAU KW和南京科技大學的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，研究機構中香港理工大學以39篇的發(fā)文量位于世界所有機構中的第四，但是從篇均被引頻次的角度看卻排到世界前10機構的最后，總的說來，我國在人工智能領域的總體研究水平不高，與國際相比還存在一定的差距。

（6）在熱點分析方面，本研究將1991～2013年分成5個時段，根據(jù)每個時段排名前10的關鍵詞分析了各個時段的熱點主題，數(shù)據(jù)顯示：神經(jīng)網(wǎng)絡、專家系統(tǒng)、算法和智能系統(tǒng)設計4個關鍵詞是幾乎跨整個研究時段的熱點主題；知識是人工智能研究的基礎，而關于知識的相關研究是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)絡和人工智能模型。

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

［2］ 蔡自興，姚 莉.人工智能及其在決策系統(tǒng)中的應用［M］.長沙：國防科技大學出版社，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］//中國人工智能學會.中國人工智能進展（2005）：中國人工智能學會第11屆全國學術年會論文集（上冊）.北京：北京郵電大學出版社，2005：2-21.

［5］ 李 娜.被批20年無進展，人工智能需要重啟？［J］.科技導報，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.國際人工智能領域計量與可視化研究［J］.圖書情報工作，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)大學出版社，2008：5-6.

［11］ 賈同興.人工智能與情報檢索［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］.計算機教育，2012（18）：6-11.

［13］ 姚錫凡，李 旻.人工智能技術及應用［M］.北京:中國電力出版社，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.人工智能及其應用［M］.上海:上海交通大學出版社，2006：13.

（責任編校 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，研究方向為信息科學、圖書情報，發(fā)表論文6篇；葉 充，男，1971年生，副研究館員，研究方向為信息管理，發(fā)表論文4篇。

*本文系四川省高等學校圖書館、情報與文獻學規(guī)劃項目“四川農業(yè)大學圖書館農業(yè)科技成果數(shù)據(jù)庫構建”（項目編號：20120055）的研究成果之一