基于領域語義地圖的區(qū)塊鏈研究主題發(fā)現及演化分析

張爽 劉非凡 羅雙玲 夏昊翔,3

1. 大連理工大學系統(tǒng)工程研究所 大連 116024；

2. 大連海事大學航運經濟與管理學院 大連 116026；

3. 大連理工大學大數據與智能決策研究中心 大連 116024

引言

區(qū)塊鏈技術起源于化名為“中本聰”的黑客于2008年發(fā)表的文章《比特幣：一種點對點的電子現金系統(tǒng)》。作為比特幣的底層技術，區(qū)塊鏈正以其去中心化、不可篡改的特性，重構各行各業(yè)的體系架構，具有顛覆性的應用價值。目前，全球都在加快區(qū)塊鏈技術的發(fā)展和“區(qū)塊鏈+”產業(yè)的布局。2016年中國國務院將區(qū)塊鏈作為戰(zhàn)略前沿技術寫入《“十三五”國家信息化規(guī)劃》中，此后從工信部、商業(yè)部和網信辦等各部門到北京、上海和浙江等各地方也陸續(xù)出臺一系列規(guī)劃和意見以推進區(qū)塊鏈創(chuàng)新和應用。同年，韓國央行在報告中提出鼓勵探索區(qū)塊鏈技術，并且多家金融和技術公司共同成立了區(qū)塊鏈協會。面對世界各國搶占“發(fā)展制高點”的緊迫形勢，學術界對區(qū)塊鏈展開了如火如荼的研究。近年來，區(qū)塊鏈研究呈現爆發(fā)增長態(tài)勢，其核心技術和應用都得到了飛速發(fā)展。然而相較于其他技術，區(qū)塊鏈的相關研究遍布于計算機、通信、金融、管理等多個領域。且目前也缺乏以區(qū)塊鏈這一跨學科復合型前沿技術研究為主的典型核心期刊。這使得學者難以全面準確地把握區(qū)塊鏈的研究現狀和發(fā)展歷程，也為創(chuàng)新戰(zhàn)略的制定和區(qū)塊鏈的應用普及造成了一定的困難。

基于此，近年來國內外學者紛紛對區(qū)塊鏈技術進行了綜述性研究和探討。劉碩等[1]詳盡介紹了區(qū)塊鏈的模型、核心技術、應用平臺以及典型公司，并且對比了其和傳統(tǒng)技術系統(tǒng)的差異，對我國區(qū)塊鏈技術的發(fā)展提出了優(yōu)化研發(fā)環(huán)境、制定行業(yè)標準和開展應用試點等政策建議。朱巖等[2]，隆蘇研等[3]，袁勇和王飛躍[4]概覽了區(qū)塊鏈的核心機制和算法并且討論了其未來發(fā)展方向和當前面臨的挑戰(zhàn)。除了梳理區(qū)塊鏈技術的架構、概念等基礎知識，學者還分析了區(qū)塊鏈技術的應用現狀。Casino等[5]將區(qū)塊鏈的應用分為金融、身份驗證、政府管理、物聯網、健康管理、工業(yè)應用、教育和數據管理八方面，并且闡述了各方面的研究現狀和局限。也有學者探討了區(qū)塊鏈技術在其研究領域的應用進展，包括信息安全[6]、能源交易[7]、教育[8]等領域。比如，徐嘉輝和馬立新[9]總結了現有基于區(qū)塊鏈的分布式電力交易系統(tǒng)的優(yōu)勢和不足。然而，從上述依賴學者對區(qū)塊鏈認識的綜述研究可獲知其發(fā)展的局部狀況，即理論技術發(fā)展或技術在某個具體領域的應用模式，而無法把握區(qū)塊鏈的整體研究圖景和發(fā)展過程。于是，有學者基于專利或論文數據，運用文獻計量學方法揭示區(qū)塊鏈的研究現狀。Firdaus等[10]通過分析從Scopus數據庫獲得的2013-2018年的1000篇區(qū)塊鏈文獻，發(fā)現區(qū)塊鏈技術能夠解決物聯網的安全問題，且逐漸應用于健康管理和數據分析領域；在當前區(qū)塊鏈研究中，中國、美國具有較高的論文產出量，而新加坡和瑞士的論文影響力較高。Ante[11]利用從商業(yè)和經濟領域收集到的區(qū)塊鏈文獻，通過耦合引文分析識別出了市場效率、資產定價、匿名交易等五個發(fā)展趨勢。雷孝平等[12]通過統(tǒng)計論文和專利數量發(fā)現了區(qū)塊鏈領域的主要研發(fā)國家、研究機構和研究人員，根據關鍵詞和專利分類代碼頻次揭示了研發(fā)熱點和應用方向。王發(fā)明和朱美娟[13]以CNKI數據庫檢索出的432篇區(qū)塊鏈相關文獻，使用CiteSpace工具對其進行關鍵詞共現分析和突發(fā)性檢測，追蹤了我國區(qū)塊鏈研究的熱點和前沿問題。然而這些研究大多以傳統(tǒng)的文獻計量研究為主，聚焦于文獻（或專利）的國家分布、機構分布、學科分布以及影響力分析[14-16]，以共詞聚類法探究研究熱點和趨勢[17,18]。而且，國內大部分研究局限于使用CiteSpcace工具，基于百篇文獻的小規(guī)模數據集（或僅利用CNKI數據）分析研究領域[19-21]，而缺少基于較大規(guī)模的區(qū)塊鏈相關學術數據的研究主題發(fā)現與領域分析。把握區(qū)塊鏈的發(fā)展趨勢，理解其發(fā)展特征，有助于科技管理者制定發(fā)展政策、理解其他新興領域的發(fā)展模式。然而，當前鮮有研究探究領域的發(fā)展態(tài)勢。

因此，本研究擬利用較為完整的區(qū)塊鏈研究的學術數據，借助新興的機器學習算法繪制領域地圖，實現從文獻語義層面探究整體研究地貌。并且基于領域語義地圖中文獻聚集性差異，探測區(qū)塊鏈研究的主題結構和發(fā)展特點。本研究所用方法突破了傳統(tǒng)的共詞分析在捕獲文獻語義關系的局限。相較于共詞網絡存在邊稠密性的問題，領域語義地圖更加便于觀察主題結構的動態(tài)變化，可直觀地獲知區(qū)塊鏈研究的發(fā)展趨勢。

1 數據與方法

1.1 數據集描述

以Web of Science核心數據庫為數據源，設置檢索式TS=(“blockchain” or “block chain” or “block-chain”)、檢索時間跨度為2008-2020年，一共檢索到6,572篇文獻。在化學領域，根據以上關鍵詞能檢出與區(qū)塊鏈無關其他專門文獻，因此，根據文獻的期刊來源，去除數據集中屬于化學領域（如高分子、聚合物）的文獻，最終得到5,951篇文獻及其標題、摘要、關鍵詞和年份等題錄信息。盡管所得數據集未包含區(qū)塊鏈領域的所有文獻，但是檢索方式和數據源保證所得數據集包含了與區(qū)塊鏈研究直接相關的、學術質量高的科學文獻數據，具有較好的覆蓋率與代表性，可用于區(qū)塊鏈研究的文獻計量分析。從圖1的歷年文獻數量增長態(tài)勢，可以看出區(qū)塊鏈研究目前正處于快速發(fā)展的階段。表1列舉了30個高頻論文關鍵詞，從中可以得知當前研究熱點，如“Smart Contract”（智能合約），“Bitcoin”（比特幣），“Internet Of Things”（物聯網）和“Distributed Ledger”（分布式賬本）等。需要說明的是，為了使結果更加清晰，在后續(xù)詞云圖分析中去除了高頻詞 “Blockchain”。

1.2 研究方法

為實現從文本語義關聯的角度探測區(qū)塊鏈研究領域的發(fā)展過程，本研究借助文檔嵌入表示學習和流形學習算法，提出了一種新的領域語義地圖構建方式。從而，通過繪制區(qū)塊鏈研究的領域地圖可視化其研究地貌，根據文獻分布密度識別研究主題，結合文獻時間標簽追溯其發(fā)展過程。具體方法流程主要包括文檔向量化、領域可視化、詞云圖映射研究內容和累積地圖演化分析等。

圖1 歷年文獻數量

表1 區(qū)塊鏈研究的高頻關鍵詞（top30）

（1）首先利用Doc2Vec捕獲區(qū)塊鏈科研文獻的潛在語義特征。Doc2Vec作為一種新興的文檔嵌入表示學習算法，基于深度學習框架能夠自動學習文獻的詞頻、語序和語義信息，將其表示為低維實值向量，有效地解決了語義鴻溝和計算復雜度問題[22]。近年來在諸如性別偏見分析[23]、文化演化[24]等復雜的文本分析任務中都展現出了強大的潛在特征學習能力。

在獲得文獻的標題和摘要后，本研究首先對其進行預處理，具體步驟包括：合并標題和摘要、轉換大小寫、移除符號標點和數字、剔除學術停用詞和版權聲明。接著采用PV-DM框架訓練Doc2Vec模型。PV-DM方法的核心思想是根據某個單詞的上下文可以預測這個單詞[22]。在Doc2Vec中，每篇文檔被標識為一個向量。在訓練某個文檔向量時，用滑動窗口的方法產生局部訓練集，選取某個詞當預測詞，訓練集中的其他詞以及文檔向量作為輸入詞，然后依據預測結果來調整輸入向量。隨著訓練的進行，文檔向量不斷被調整。接著依據自相似性原則判定模型是否收斂以及調整模型參數，即向模型輸入某一文獻的語料，根據模型輸出的文檔向量計算與該文獻最相似的文獻是否是它本身，并統(tǒng)計這種情況的占比。最終，本研究通過30輪訓練，取得98%的自相似度，獲得了語料庫中每篇文獻的100維語義向量。

（2）在高維文檔向量空間中，研究內容相近的文獻，其語義向量會彼此相近形成聚類，而研究內容不同的則相距較遠。也就是說，高維文檔語義向量間拓撲結構對應區(qū)塊鏈相關研究的知識結構。所以本研究將文獻向量刻畫出的高維知識結構映射為二維語義地圖進行可視化。UMAP是一種基于黎曼幾何理論的流形學習算法，它依據“高維空間相近的點在低維空間中也相近”的假設，將學習到的高維數據的拓撲結構進行低維映射[25]。不同于tSNE等其他算法，UMAP的理論架構[25]以及近來的實證分析[26]都表明，UMAP具有同時保留數據集全局和局部拓撲結構的能力。

本研究首先運用UMAP算法將100維文獻語義向量轉化為二維坐標。運行UMAP算法時，為了度量出各個文獻向量在不同維度上的差異，采用余弦相似度度量文獻向量在高維空間中的距離。UMAP算法以鄰居數量和最小距離兩個參數實現對數據中局部和全局結構的學習，本研究參考UMAP開發(fā)者的測試結果[25,27]，將其分別設置為15和0.1。接著本研究通過計算文獻散點的高斯核密度，并以等高線刻畫文獻在二維語義空間中分布的聚散性，這樣所構建出的領域語義地圖即可表征科研數據集的知識空間。地圖上特定坐標區(qū)域具有特定的語義信息，文獻在地圖上的臨近性反映了其語義層面上知識的相似或相近性。同時，地圖上等高線閉環(huán)又刻畫出了文獻分布的異質性，反映了主題結構，即閉環(huán)內區(qū)域的文獻密度明顯不同于周圍區(qū)域，且密度的高低表明該區(qū)域是研究熱點或是值得深探的研究“藍?！?。不同于常見基于密度的聚類算法以文獻聚集性最高的區(qū)域為聚類中心劃分主題，本研究依據文獻聚集的局部異質性，通過提取等高線閉環(huán)實現主題識別，即可獲得不同研究熱度的主題?；陬I域地圖的主題劃分可根據研究目的靈活處理：若了解領域的主要研究內容，可按照密度值提取低密度、區(qū)域覆蓋范圍大的等高線作為主題劃分結果；若探究領域內細粒度的研究主題，可按照等高線閉環(huán)數量最大化、同時保證一定的文獻覆蓋率的原則進行提取。通過提取等高線內文獻的關鍵詞繪制詞云圖，可獲知該區(qū)域所代表的主要研究內容。

（3）在獲得數據集的文檔向量后，根據文獻發(fā)表年份，使用某一年及以前的文獻利用所提方法繪制歷年的累積領域地圖。領域地圖上每塊區(qū)域都具有特定的語義信息，由于文獻向量是同時訓練獲得的，所以歷年地圖上相同坐標區(qū)域表征的語義是相同的。這意味著通過對比歷年地圖間的地貌差異，可獲悉領域演化過程中的研究范圍的擴增以及主題涌現等現象。

2 領域語義地圖分析

本研究構建了領域語義地圖可視化“區(qū)塊鏈”研究概貌，以期能對當前主要研究內容、研究重點，主題的發(fā)展態(tài)勢和主題間的關聯性有更直觀的認識。圖2是區(qū)塊鏈領域語義地圖，其中，圖2(a)為文獻分布熱力圖。依據前述方法可知，該領域地圖是區(qū)塊鏈相關研究的知識結構在低維空間中的投影，地圖鄰近性映射出各研究主題間的語義相關性，而地圖上坐標區(qū)域顏色的深淺以及等高線的數值表明了文獻聚集程度，也反映了該區(qū)域被探索的程度。整體來看，該領域地圖周圍分散五個高文獻密度的“山峰”，中央形成密度較低的“平臺”，且“山峰”之間稀疏地分布少量的文獻。這表明區(qū)塊鏈的相關研究已形成了多個研究主題，而跨主題、交叉主題的研究仍然較少。

圖2(a)中等高線刻畫了閉環(huán)內文獻分布與周圍區(qū)域文獻分布的異質性，反映了區(qū)塊鏈相關研究的主題結構，也刻畫出了文獻聚類結果。為了獲得細粒度的研究主題，本研究依據最大化主題數量同時保證較高文獻覆蓋率的原則，主要提取了6個文獻密度顯著高于周圍區(qū)域的和1個密度明顯低于周圍的區(qū)域代表主要研究主題。并且借助這7個區(qū)域內文獻的關鍵詞和其TFIDF值繪制詞云圖表征研究內容（如圖2(b)）。根據詞云圖可以看出該領域的研究主要分為兩部分，地圖左側的四個主題主要關于區(qū)塊鏈的應用研究，地圖右側則是區(qū)塊鏈的基礎技術研究。除此之外，可以看到地圖（圖2(a)）左側的文獻核密度大于地圖右側的三個主題，這意味著目前對區(qū)塊鏈的研究并不平衡。整體上來看，當前學者側重于區(qū)塊鏈技術應用的研究，而對基礎技術的發(fā)展關注較弱。

區(qū)塊鏈基礎架構主要由應用執(zhí)行層、共識層、網絡層、數據層和硬件設施層組成。分析發(fā)現目前大多研究聚焦于共識層的共識機制（Consensus）、網絡層的P2P網絡（Peer to Peer Network）和應用層的智能合約（Smart Contract）等方面。由圖2中文獻分布可知，相較于其他底層技術，當前對共識機制的研究較多。共識機制是用以決定如何使異步網絡中的所有節(jié)點達成共識以增添新的節(jié)點，它是區(qū)塊鏈技術的核心。當前的共識算法主要包括兩類，一類是證明類共識，它需要網絡中的節(jié)點證明自己比其他節(jié)點更有“資格”增加節(jié)點，常見的算法有工作證明（Proof of Work）、股權證明（Proof of Stake）以及其他基于PoW和PoS的改進或混合算法。另一類是選舉類共識，即每一輪節(jié)點通過投票確定記賬節(jié)點，該類主流的算法包括有實用拜占庭容錯算法（Byzantine Fault Tolerance）和Raft共識算法。其下方出現了文獻聚集密度低于周圍區(qū)域的特定區(qū)域，通過分析其詞云圖中的高頻詞，如Peer to Peer Network、Client-Server，發(fā)現該區(qū)域是網絡層的相關研究。圖2中該主題下文獻核密度較低，這表明當前對該主題的探索較淺。網絡層主要負責內部節(jié)點間的通信，區(qū)塊鏈采用P2P網絡（Peer to Peer Network）作為網絡層的通信協議，通過令所有節(jié)點共同負責網絡中通信，達到了分布式、去中心化的目的。相鄰的應用執(zhí)行層的研究也相對較少，主要涉及各種腳本、交互接口、分布式程序及智能合約，是區(qū)塊鏈可編程的基礎研究。以太坊（Ethereum）是受關注和應用較多的開源底層平臺，它支持由 Solidity語言編寫的智能合約的執(zhí)行。

圖2 區(qū)塊鏈領域地圖

目前區(qū)塊鏈技術主要應用于商業(yè)工業(yè)、能源貿易、物聯網和醫(yī)療健康等方面。在所構建的領域語義地圖中（圖2），商業(yè)工業(yè)主題的文獻分布最多且“區(qū)域面積”較大，這意味著它是區(qū)塊鏈應用的熱門領域，且其研究范圍十分廣泛。通過分析詞云圖發(fā)現，商業(yè)工業(yè)主題主要包括區(qū)塊鏈技術在金融科技（Fintech）、供應鏈管理（Supply Chain）和治理（Governance）等方面的應用研究。相較而言，能源貿易方面的研究比較集中，并且和其他應用主題的語義相似性較弱。在能源交易（Energy Trading）方面，區(qū)塊鏈技術由其去中心化和不可纂改的特性，改變了能源（如電力）的供給輸配、交易方式和消費模式，提高了能源電力系統(tǒng)的效率和安全性。如引入區(qū)塊鏈技術的微電網（Microgrids）、智能電網系統(tǒng)（Smart Grid）可實時供售電、實現了自我控制。區(qū)塊鏈與物聯網的融合應用也是當前關注的焦點。如，使用區(qū)塊鏈技術構建的分布式物聯網網絡和平臺具有較高的擴展性，區(qū)塊鏈邊緣云（Edge Computing）為物聯網設備提供了安全且高效的數據交換服務。在醫(yī)療健康（Healthcare）領域，區(qū)塊鏈技術和智能合約也得到了廣泛應用。如，將醫(yī)療數據（Medical Data）存儲于區(qū)塊鏈上便于互操與共享，基于智能合約的加密訪問機制加強了對健康檔案（Personal Health Record）的隱私保護。在地圖中，物聯網、醫(yī)療和商業(yè)工業(yè)應用主題之間的也分布了較高密度的文獻，這意味著當前研究中存在較多的區(qū)塊鏈技術的跨行業(yè)場景應用研究，尤其是跨物聯網和醫(yī)療領域的研究。融合區(qū)塊鏈、物聯網的智慧醫(yī)療也是近來醫(yī)療體系發(fā)展的主要方向。

3 區(qū)塊鏈研究演化分析

為了了解區(qū)塊鏈的發(fā)展態(tài)勢以及當前研究圖景的形成過程，本研究從關鍵詞和領域語義地圖兩個角度分析了區(qū)塊鏈研究在2014-2020年間演化過程。

3.1 歷年高頻關鍵詞

考慮到數據集中2014年之前的文獻較少，2020年只有部分數據，所以在本小節(jié)以及后續(xù)的演化研究中，將分別合并2014年前的文獻，2019年和2020年的數據進行分析。圖3為2014-2020年每年發(fā)表文獻的關鍵詞的詞頻詞云圖。根據圖中高頻詞的變化可知，區(qū)塊鏈研究的發(fā)展大致可以分為三個階段。2008-2015為第一階段，即區(qū)塊鏈1.0時代。該階段的核心概念是“Bitcoin”和“Cryptocurrency”，研究主要以比特幣等加密貨幣的交易為主。2016-2017為區(qū)塊鏈2.0時代。該階段的核心是以“Bitcoin”為代表的“Smart Contract”，研究圍繞著智能合約的開發(fā)和應用。其中最突出的技術開發(fā)是以太坊平臺（Ethereum），技術應用場景主要集中于金融領域。2018-2020是區(qū)塊鏈3.0時代。區(qū)塊鏈技術應用模式升級，已經從金融領域擴展到物聯網、工業(yè)、醫(yī)療等全社會領域。特別的，區(qū)塊鏈和IoT協同共生，衍生出許多新的研究分支。綜上所述，區(qū)塊鏈研究的發(fā)展迄今經歷了從加密貨幣交易到智能合約開發(fā)到區(qū)塊鏈應用多元化三個階段。該高頻詞演變分析結果也印證了現今大眾對區(qū)塊鏈發(fā)展階段的認知。

3.2 歷年累積領域語義地圖分析

按前文方法所述，所構領域語義地圖是區(qū)塊鏈相關研究形成的知識空間在低維平面上的投影，且歷年累積地圖的同一坐標區(qū)域具有相同的語義信息。上一章的整體累積領域語義地圖分析以及詞云圖表征，也進一步明確了地圖不同坐標區(qū)域所代表的語義信息或者研究內容。于是，本研究繪制了各年累計領域地圖，以期直觀地展現主題的發(fā)展過程。圖4展現了區(qū)塊鏈這一新興領域的生長發(fā)展過程，可以看出區(qū)塊鏈相關研究的發(fā)展是一個領域范圍由“研究核”不斷向外擴張，同時領域內部不斷分化的過程。

圖3 歷年文獻的關鍵詞詞云圖

圖4 區(qū)塊鏈領域的歷年累積地圖

首先，由圖3可以看出，從2014-2020年，區(qū)塊鏈研究的領域語義地圖的整體輪廓線范圍在不斷擴大，即研究范圍不斷拓增。2014-2017年，研究范圍擴張較為明顯，涌現出新主題。2014年，即在區(qū)塊鏈發(fā)展的初期，研究范圍主要集中于基礎技術研究（地圖右上方）。到2015、2016年，區(qū)塊鏈研究從基礎技術研究慢慢向商業(yè)工業(yè)的應用研究擴展（地圖右下方）。尤其至2017年，領域擴張出新的研究區(qū)域（區(qū)域1），即能源貿易主題涌現，并且該主題自出現以來持續(xù)發(fā)展。結合前述關鍵詞分析可知，智能合約的開發(fā)和應用推動了該階段區(qū)塊鏈技術應用的拓展。2017年后，領域輪廓線相對穩(wěn)定，沒有拓展出新方向。然而，隨著研究重點的遷移，領域范圍僅在小幅度調整。

圖5 商業(yè)工業(yè)主題的演變

其次，伴隨著區(qū)塊鏈“研究面”的擴張，其領域語義地圖內部的地貌也在不斷調整變化。從圖4可以看出在區(qū)塊鏈技術的發(fā)展過程中存在較多的分化涌現現象，而主題間的融合較少。如2015-2017年商業(yè)工業(yè)應用主題的涌現（區(qū)域2）。2017年，區(qū)塊鏈在物聯網和商業(yè)工業(yè)領域的應用研究還為完全分化為兩個研究方向（區(qū)域3），被包圍在同一條密度較高的等高線閉環(huán)內。隨著研究的深入，到2018年這兩個領域的研究分裂成兩個主題。2018-2019年，分裂出醫(yī)療健康主題（區(qū)域4）。除此之外，各主題的“區(qū)域形態(tài)”，“區(qū)域重心”也在不斷變化。結合論文關鍵詞可以探知各個主題研究內容的變遷，如圖5顯示商業(yè)工業(yè)主題（區(qū)域2）在發(fā)展過程中逐漸應用了人工智能算法。

圖4所揭示的區(qū)塊鏈研究領域擴張的模式對進一步發(fā)展區(qū)塊鏈學科領域有所借鑒：后續(xù)發(fā)展一方面將致力于區(qū)塊鏈關鍵技術的進一步突破（表現為領域地圖的右側部分的提升），另一方面致力于新的應用領域的拓展（表現為整個領域地圖的擴張和新熱點的涌現）。這一領域地圖的快速擴張?zhí)卣饕卜从沉藚^(qū)塊鏈領域近年來的快速發(fā)展。

4 結論與展望

隨著區(qū)塊鏈技術日益受到世界各國的重視和關注，了解區(qū)塊鏈技術的研究現狀、認識其發(fā)展過程對推動技術發(fā)展、制定科技政策具有重要意義。針對當前數據范圍以及研究手段方面的局限，本研究基于WOS數據庫中收集到的5,951篇文獻，借助新近的文檔嵌入表示學習和流形學習算法識別了區(qū)塊鏈的主要研究主題，可視化了研究領域圖景，展現并揭示了其演化過程。主要發(fā)現：

（1）近來區(qū)塊鏈研究呈現快速增長態(tài)勢，研究主題主要分為基礎技術研究和應用型研究。其中，基礎技術研究集中于共識層、網絡層以及應用執(zhí)行層；區(qū)塊鏈的應用研究已滲透到商業(yè)工業(yè)、醫(yī)療健康、物聯網以及能源交易等領域。

（2）區(qū)塊鏈領域地圖清晰地展現了研究“地貌”。領域內各個主題的研究相對獨立，跨主題研究較少，只有物聯網和醫(yī)療領域之間的跨行業(yè)應用研究相對較多。各個主題被探索的程度不同，當前研究多側重于技術應用方面。

（3）區(qū)塊鏈的研究呈現出應用導向的發(fā)展趨勢。其發(fā)展經歷了三個階段，即以比特幣交易為主的區(qū)塊鏈1.0時代，以智能合約為代表的區(qū)塊鏈2.0時代，技術應用多元化的區(qū)塊鏈3.0時代。

（4）區(qū)塊鏈領域的發(fā)展過程呈現領域擴張的特征，且該過程伴隨著領域內部主題的分化。發(fā)展初期，區(qū)塊鏈領域的研究范圍集中于基礎技術研究，后來不斷向外拓展涌現新主題，然后領域范圍相對穩(wěn)定。于此同時，隨著研究的深入，各主題內部和主題之間的“地貌”不斷變化，比如分裂出醫(yī)療主題。

本研究獲悉了區(qū)塊鏈領域的整體研究概貌、主要研究主題以及發(fā)展趨勢，有望對我國區(qū)塊鏈的發(fā)展提供參考，也有助于進一步理解類似區(qū)塊鏈領域等新興領域的發(fā)展規(guī)律。除此之外，本文在方法上拓展了當前的領域主題及演化分析的研究手段。然而本研究未能對區(qū)塊鏈研究演化形態(tài)進行更為精細的量化分析，后續(xù)將嘗試借助地理時空分析指標，以期更加客觀準確地識別主題演化類型。且本研究僅利用了學術論文數據，未來可結合專利數據，進一步全方面地分析區(qū)塊鏈技術在產業(yè)界和學術界兩方面的研究現狀以及發(fā)展過程。