人工智能可穿戴科技創(chuàng)新知識圖譜分析

摘要：知識圖譜是一種以圖形化的方式表示知識的工具，以實(shí)體、屬性、關(guān)系等為基礎(chǔ)元素，將復(fù)雜的知識結(jié)構(gòu)化，并建立知識之間的聯(lián)系。通過知識圖譜分析，可以實(shí)現(xiàn)對人工智能可穿戴科技創(chuàng)新進(jìn)展的有效梳理?；诖?，本文由知識圖譜的構(gòu)建展開論述，闡述了知識圖譜分析思路，并從學(xué)科關(guān)注度增長、學(xué)科研究質(zhì)量情況、學(xué)科研究成果應(yīng)用、學(xué)科研究地域差異這四個(gè)方面，分析了人工智能可穿戴科技創(chuàng)新知識圖譜，梳理了人工智能可穿戴科技創(chuàng)新進(jìn)展情況。

關(guān)鍵詞：人工智能；可穿戴科技；創(chuàng)新；知識圖譜

引言

人工智能可以讓可穿戴設(shè)備的功能更強(qiáng)大，提升可穿戴科技領(lǐng)域的發(fā)展水平，但此類科技創(chuàng)新的相關(guān)進(jìn)展分析較少，對于科技創(chuàng)新研究的指導(dǎo)作用難以得到有效發(fā)揮。本文采用文獻(xiàn)研究的方式，對此項(xiàng)科技創(chuàng)新的知識圖譜進(jìn)行了分析，梳理了人工智能可穿戴科技創(chuàng)新進(jìn)展情況，以期推動(dòng)科技的創(chuàng)新發(fā)展。

1. 知識圖譜的構(gòu)建

一般來說，知識圖譜的構(gòu)建包括知識表示、序列化和知識抽取連接三個(gè)步驟。其中，知識表示環(huán)節(jié)需要運(yùn)用RDF、RDFS、OWL三種計(jì)算機(jī)數(shù)據(jù)描述技術(shù)[1]。RDF為資源描述框架，其本質(zhì)是通過構(gòu)建符號語義表示模型，達(dá)到資源描述的效果，而該模型主要是由邊、節(jié)點(diǎn)構(gòu)成，節(jié)點(diǎn)描述屬性、資源，邊則表述關(guān)系。

RDFS則是一種用于RDF框架基礎(chǔ)上的類屬性等Schema層定義，即對屬性集合、類集合、術(shù)語集的定義。計(jì)算機(jī)運(yùn)行過程中，通過RDF、RDFS，基本就可以構(gòu)建出知識圖譜的類層次和屬性體系[2]。OWL是語義網(wǎng)技術(shù)棧的核心，其基于描述邏輯，賦予計(jì)算機(jī)軟件表示類、屬性約束的描述功能，由此支持知識圖譜構(gòu)建用軟件，針對更加完備、復(fù)雜的主題，繪制相應(yīng)的知識圖譜。在序列化上，則要用RDF/XML、N-Triples、Turtle、RDFa、JSON-LD等序列化計(jì)算機(jī)技術(shù)，對上述各類知識的表示進(jìn)行排序，由此構(gòu)建出一個(gè)有序合理的知識圖譜。在此過程中，需要借助聯(lián)合、管道這兩種抽取模式，將知識的描述和關(guān)聯(lián)進(jìn)行抽取，以便于上述序列化運(yùn)行的順利完成[3]。

2. 人工智能可穿戴科技創(chuàng)新知識圖譜分析

2.1 確立知識圖譜分析思路

在知識圖譜分析思路的建設(shè)上，考慮到相關(guān)文獻(xiàn)的發(fā)布情況，能夠直接、準(zhǔn)確地反映出技術(shù)創(chuàng)新情況，因此，知識圖譜分析以文獻(xiàn)分析為主線分析路徑。而文獻(xiàn)分析中應(yīng)用頻率較高、可視效果較為優(yōu)秀的工具，目前主要以Citespace為主。該工具支持對特定領(lǐng)域文獻(xiàn)的計(jì)量分析，且可以將分析結(jié)果以知識圖譜的形式予以呈現(xiàn)，讓研究者得以通過分析該知識圖譜，對技術(shù)創(chuàng)新的發(fā)展脈絡(luò)、未來趨勢進(jìn)行梳理[4]。在此背景下，為保證知識圖譜分析結(jié)果的可靠性，將數(shù)據(jù)來源定位為CNKI和WOS核心數(shù)據(jù)庫。基于此，整體的知識圖譜分析思路可以被闡述為：運(yùn)用Citespace，在CNKI和WOS核心數(shù)據(jù)庫中，對人工智能可穿戴科技創(chuàng)新相關(guān)的關(guān)鍵詞進(jìn)行檢索，如智能可穿戴計(jì)算機(jī)設(shè)計(jì)、可穿戴智能設(shè)備等，并將研究關(guān)聯(lián)度較低的文獻(xiàn)，如招商、新聞報(bào)道類的文獻(xiàn)加以剔除，留下有效的文獻(xiàn)，再借助Citespace，將文獻(xiàn)內(nèi)容分析、文獻(xiàn)信息可視化、文獻(xiàn)計(jì)量等方法進(jìn)行綜合運(yùn)用，實(shí)現(xiàn)對人工智能穿戴設(shè)備科技創(chuàng)新相關(guān)文獻(xiàn)的統(tǒng)計(jì)分析，并產(chǎn)出相應(yīng)的知識圖譜。最后，從學(xué)科關(guān)注度增長、學(xué)科研究質(zhì)量情況、學(xué)科研究成果應(yīng)用、學(xué)科研究地域差異四個(gè)方面，對文獻(xiàn)進(jìn)行分類分析，歸納出現(xiàn)階段人工智能可穿戴設(shè)備科技創(chuàng)新現(xiàn)狀，以及未來發(fā)展趨勢，完成圖譜分析。其中，所檢索的文獻(xiàn)為2012年至2023年來的文獻(xiàn)，保證了檢索數(shù)據(jù)的說服力[5]。

2.2 學(xué)科關(guān)注度增長分析

根據(jù)Citespace檢索分析產(chǎn)出的知識圖譜，人工智能可穿戴科技創(chuàng)新相關(guān)文獻(xiàn)的發(fā)表數(shù)量，顯現(xiàn)逐漸上升的趨勢，這說明研究領(lǐng)域?qū)θ斯ぶ悄芸纱┐骷夹g(shù)這一學(xué)科領(lǐng)域的關(guān)注度處于增長的態(tài)勢。文獻(xiàn)計(jì)量如圖1所示，從2013年開始，文獻(xiàn)發(fā)布數(shù)量就開始呈現(xiàn)增長的狀態(tài)，但增長幅度不太明顯，2013～2015年，文獻(xiàn)年發(fā)布數(shù)量始終在2000篇以下。國家發(fā)展改革委辦公廳在2013年發(fā)布了《關(guān)于組織實(shí)施2013年移動(dòng)互聯(lián)網(wǎng)及第四代移動(dòng)通信（TD-LTE）產(chǎn)業(yè)化專項(xiàng)的通知》[6]，該通知倡導(dǎo)基于移動(dòng)互聯(lián)網(wǎng)的可穿戴設(shè)備研發(fā)、產(chǎn)業(yè)化發(fā)展，使得與之相關(guān)的人工智能可穿戴科技逐漸被研究者所注意，但此時(shí)，該學(xué)科研究仍然處于起步階段，這也反映了這一階段該學(xué)科方向科技創(chuàng)新發(fā)展較為緩慢。

而在2016年，論文發(fā)布量首次出現(xiàn)了高增長的情況，且突破了2000篇，由此可見，在2016年，學(xué)科關(guān)注度開始呈現(xiàn)顯著的增長態(tài)勢，這在一定程度上助力了學(xué)科科技的創(chuàng)新發(fā)展。此后直至2019年，文獻(xiàn)的發(fā)布量開始呈現(xiàn)明顯的增長，并從2018年的4000多篇，迅速超過了6000篇，在2023年，論文發(fā)布量達(dá)到了6954篇。這說明學(xué)科關(guān)注度進(jìn)入快速增長階段，大量研究人員參與了人工智能可穿戴科技的研究，這在很大程度上催生了科技的創(chuàng)新，代表著此階段內(nèi)該學(xué)科創(chuàng)新得到了研究領(lǐng)域的高度關(guān)注。

在2020～2023年，文獻(xiàn)發(fā)布量的增長速度開始放緩，這可能說明此項(xiàng)學(xué)科在研究領(lǐng)域內(nèi)已經(jīng)被廣泛關(guān)注，且相關(guān)的研究開始深入，使科技創(chuàng)新的難度加大，導(dǎo)致文獻(xiàn)發(fā)布數(shù)量的增長幅度減緩。但在此期間國家發(fā)布的關(guān)于大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見，開始為人工智能可穿戴科技的創(chuàng)新指點(diǎn)方向，將科技創(chuàng)新導(dǎo)向放在了醫(yī)療健康、休閑娛樂等多個(gè)方面，開闊了研究者的科技創(chuàng)新思路，有助于其將科技創(chuàng)新研究的眼光放在更多領(lǐng)域，人們對科技創(chuàng)新的關(guān)注度開啟了在深度層面上的增長。因此，在2023年之后，可能會有更多的相關(guān)文獻(xiàn)發(fā)布，使此門學(xué)科的科技創(chuàng)新關(guān)注度進(jìn)入另一個(gè)高速增長的階段。

2.3 學(xué)科研究質(zhì)量情況分析

在學(xué)科研究中，高質(zhì)量、創(chuàng)新性的科技研究成果是助力學(xué)科領(lǐng)域創(chuàng)新發(fā)展的內(nèi)在動(dòng)力。在此背景下，從基于文獻(xiàn)分析的角度看，承載了高質(zhì)量、創(chuàng)新性研究成果的文獻(xiàn)，通常會被高頻率引用，作為后續(xù)承載新的科技創(chuàng)新成果文獻(xiàn)的撰寫依據(jù)，所以，將這些被引用頻率較高的文獻(xiàn)定位為承載高質(zhì)量學(xué)科研究成果的高質(zhì)量文獻(xiàn)。為此，可以通過分析基于這些高質(zhì)量文獻(xiàn)發(fā)布數(shù)據(jù)，繪制知識圖譜，得出學(xué)科研究質(zhì)量情況。

在知識圖譜的分析中，Citespace繪制的逐年文獻(xiàn)統(tǒng)計(jì)圖如圖2所示，近十年來被高頻引用的文獻(xiàn)數(shù)量為1416篇，而從年度高頻引用文獻(xiàn)數(shù)量來看，從2013年開始，高質(zhì)量文獻(xiàn)的數(shù)量開始逐漸遞增，這說明該學(xué)科的研究質(zhì)量正在不斷提升。在2013～2018年，高質(zhì)量文獻(xiàn)的增速均比較穩(wěn)定，這代表了學(xué)科研究質(zhì)量正處于穩(wěn)定攀升的階段。直至2019年，高質(zhì)量文獻(xiàn)數(shù)量從151篇，達(dá)到了232篇，高質(zhì)量文獻(xiàn)數(shù)量迎來了首次大幅度的上升。由此可見，在2019年，學(xué)科研究質(zhì)量得到了顯著的增強(qiáng)，而根據(jù)上述論述，學(xué)科關(guān)注度也是在2019年呈現(xiàn)明顯的增長。因此，可以了解到，學(xué)科關(guān)注度的增長，讓學(xué)科研究質(zhì)量也得到了顯著的強(qiáng)化。

此后，2021年、2022年和2023年的高質(zhì)量文獻(xiàn)數(shù)量，與2019年基本持平，僅在2020年，高質(zhì)量文獻(xiàn)數(shù)量顯示出一次明顯增長，2022年和2023年相較于2021年，還出現(xiàn)了下降的情況。而在此階段，該學(xué)科科技創(chuàng)新研究所依賴的交叉學(xué)科已經(jīng)逐步成形，加之之前科技創(chuàng)新成果的大幅度產(chǎn)出，讓后續(xù)的創(chuàng)新缺乏研究角度，因此，呈現(xiàn)出高質(zhì)量文獻(xiàn)發(fā)布增長數(shù)量波動(dòng)，且有下降趨勢的情況。由此可見，科技創(chuàng)新研究的質(zhì)量廣度方面的發(fā)展開始減緩，這在一定程度上可能會促進(jìn)科技創(chuàng)新研究面向更深的層次，讓科技創(chuàng)新研究成果更具深度。因此，在2023年之后，科技創(chuàng)新的研究質(zhì)量水平仍增長有望。

2.4 學(xué)科研究成果應(yīng)用分析

在知識圖譜分析中，通過運(yùn)用Citespace軟件中的“Label clusters with indexing terms”“All in one：clustering，optimizing layout and style”這兩個(gè)選項(xiàng)，可以建立一個(gè)人工智能可穿戴科技的知識聚類圖譜，然后提取前十的知識關(guān)鍵詞作為研究對象，可以了解到，人工智能可穿戴科技創(chuàng)新成果主要被用于兩個(gè)方面，即醫(yī)療健康以及運(yùn)動(dòng)休閑方面。其中，在醫(yī)療健身方面，根據(jù)Citespace軟件繪制出的知識圖譜，如圖3所示，科技創(chuàng)新成果多用在針對老年用戶的醫(yī)療監(jiān)測、健康策略等領(lǐng)域，學(xué)科研究成果的應(yīng)用與老齡化的社會現(xiàn)狀更加適應(yīng)，而且在當(dāng)今“互聯(lián)網(wǎng)+”的背景下，這種學(xué)科的科技創(chuàng)新將為老年人的生活帶來極大的影響。在此背景下，學(xué)科研究成果的應(yīng)用集中在硬件的功能塑造上，讓穿戴式設(shè)備的應(yīng)用更加簡便，使老年人更容易掌握使用方法。

在運(yùn)動(dòng)休閑方面，學(xué)科科技的創(chuàng)新成果應(yīng)用則多集中在智能眼鏡、智能手表、智能服裝上，這些聚類所包含的知識關(guān)鍵詞有運(yùn)動(dòng)傳感器、手勢識別、交互技術(shù)等，而此方面的學(xué)科研究成果應(yīng)用不僅針對老年人，更多傾向于滿足年輕人的需求，且強(qiáng)調(diào)成果應(yīng)用所產(chǎn)出產(chǎn)品的實(shí)用性、創(chuàng)新性，并提倡將用戶的需求作為研發(fā)方向，反向促進(jìn)科技創(chuàng)新成果的產(chǎn)出?？傮w來說，研究者通過圍繞成果應(yīng)用，不斷改進(jìn)研究思路、路徑，有望產(chǎn)出更多具備極高應(yīng)用價(jià)值的研究成果。此外，根據(jù)上述成果應(yīng)用分析，也可以了解到，可穿戴智能醫(yī)療監(jiān)測設(shè)備、智能手表、智能眼鏡、智能服裝，是當(dāng)前人工智能可穿戴科技創(chuàng)新研究成果的應(yīng)用熱點(diǎn)。

2.5 學(xué)科研究地域差異分析

在知識圖譜分析中，由于高引用率文獻(xiàn)數(shù)量能夠反映出研究質(zhì)量水平，所以，各個(gè)地域范圍內(nèi)高引用率文獻(xiàn)的數(shù)量，可以反映當(dāng)?shù)氐难芯抠|(zhì)量水平，而基于此進(jìn)行分析，即可了解學(xué)科研究的地域差異。

為此，在學(xué)科研究地域差異的分析中，運(yùn)用Citespace工具，對近十年來，包括中國在內(nèi)的100多個(gè)國家的高引用率文獻(xiàn)進(jìn)行取樣分析，圖譜如圖4所示，可以了解到，中國在此領(lǐng)域內(nèi)的高引用率文獻(xiàn)數(shù)量位居第一，為529篇，而后是美國、韓國、澳大利亞，其高引領(lǐng)率文獻(xiàn)發(fā)布數(shù)量分別為469篇、160篇、104篇。

從文獻(xiàn)的國家來源看，高引用率文獻(xiàn)來源國家中，亞洲國家數(shù)量僅占1/4，但所持有的文獻(xiàn)數(shù)量卻占總數(shù)的43.1%，而其中，30%的文獻(xiàn)為中國研究者撰寫，這說明亞洲地區(qū)對于人工智能穿戴科技創(chuàng)新領(lǐng)域的研究水平較高，研究基礎(chǔ)也比較扎實(shí)，尤其是我國在這方面的研究，呈現(xiàn)較高的質(zhì)量水平。

從發(fā)文機(jī)構(gòu)來看，該領(lǐng)域排名前十的研究機(jī)構(gòu)中，有9所研究機(jī)構(gòu)為我國研究機(jī)構(gòu)，文獻(xiàn)發(fā)布量位居首位的是中國科學(xué)院。由此可見，我國在此領(lǐng)域的研究處于較高的水平。在此背景下，可以預(yù)想在未來的發(fā)展中，我國在此領(lǐng)域的成果轉(zhuǎn)化規(guī)模勢必會不斷擴(kuò)大，有助于國內(nèi)相關(guān)產(chǎn)業(yè)經(jīng)濟(jì)的發(fā)展。

結(jié)語

綜上所述，知識圖譜旨在以一種直觀、易理解的方式呈現(xiàn)知識，從而幫助人們更好地理解和應(yīng)用知識。知識圖譜的發(fā)展源于多個(gè)領(lǐng)域的需求。有效運(yùn)用知識圖譜，可以幫助人們更加直觀、全面地了解人工智能可穿戴科技創(chuàng)新研究現(xiàn)狀，為科技創(chuàng)新成果的應(yīng)用以及相關(guān)研究的深入提供依據(jù)。在研究過程中，通過知識圖譜分析，可以了解到上述科技創(chuàng)新研究情況存在地域性的差異，但這項(xiàng)科技創(chuàng)新本身已經(jīng)開始被更多的研究人員所關(guān)注，研究質(zhì)量也有顯著提升，同時(shí)，研究成果也逐漸被應(yīng)用到各類產(chǎn)品的開發(fā)中。

參考文獻(xiàn)：

[1]喻國明，蘇芳，蔣宇樓.解析生成式AI下的“涌現(xiàn)”現(xiàn)象——“新常人”傳播格局下的知識生產(chǎn)邏輯[J].新聞界， 2023（10）：4-11，63.

[2]謝泉峰，呂婉婷.人工智能與小學(xué)教學(xué)深度融合：理論框架與實(shí)踐策略[J].豫章師范學(xué)院學(xué)報(bào)，2023，38（5）：87-91，96.

[3]李萬軍，王紫怡，周夢燁，等.基于文獻(xiàn)計(jì)量圖譜的國內(nèi)外智能纖維研究現(xiàn)狀及趨勢[J].絲綢，2023，60（11）：39-49.

[4]周夢燁，薛菲莉，李謙謙.基于文獻(xiàn)計(jì)量的可穿戴產(chǎn)品設(shè)計(jì)發(fā)展與趨勢分析[J].工業(yè)工程設(shè)計(jì)，2023，5（5）：52-64.

[5]張一春，湯玲，馬春蘭.人工智能助推教師發(fā)展的路徑與對策研究[J].電化教育研究，2023，44（10）：104-111.

[6]國家發(fā)展改革委辦公廳關(guān)于組織實(shí)施2013年移動(dòng)互聯(lián)網(wǎng)及第四代移動(dòng)通信（TD-LTE）產(chǎn)業(yè)化專項(xiàng)的通知（發(fā)改辦高技[2013]2330號）[A/OL].（2013-09-22）[2023-12-14].https：//www.ndrc.gov.cn/xxgk/zcfb/tz/201310/t20131008_963951.html.

作者簡介：顧亞麗，碩士研究生，講師，研究方向：人工智能、職業(yè)教育、物聯(lián)網(wǎng)。

課題項(xiàng)目：漳州職業(yè)技術(shù)學(xué)院2022年職業(yè)教育專項(xiàng)課題——高職院校專業(yè)設(shè)置與產(chǎn)業(yè)結(jié)構(gòu)契合度研究（編號：ZZY2022Z32）。