基于2008—2017年CNKI我国深度学习现状图谱研究.docVIP

基于2008—2017年CNKI我国深度学习现状图谱研究 张君冬 嵇红涛 徐孟辉 卢成 南京中医药大学 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 文章以2008—2017年CNKI我国深度学习来源期刊发文及引用数据为数据来源, 绘制并分析了深度学习作者合作共现图谱, 机构合作共现图谱, 关键词共现图谱及关键词共现图谱Time Zone视图, Time Line视图。通过相关知识图谱的构建, 文章可视化地呈现了我国深度学习近10年来的科研脉络、重要影响力的学者及科学合作情况。 关键词： 知识图谱; 深度学习; CNKI; 图谱分析; 共现分析; 作者简介：张君冬 (1996—) , 男, 江苏南通人, 本科生;研究方向:情报学领域。 Research on the current situation of deep learning based on 2008-2017 CNKI in China Zhang Jundong Ji Hongtao Xu Menghui Lu Cheng Nanjing University of Chinese Medicine; Abstract： This paper draws and analyzes the co-occurrence map of the cooperation on authors with deep learning, the co-occurrence map of the cooperation on enterprise, the co-occurrence of the key words and its Map Time Zone view and Time Line view. Through the construction of relevant knowledge map, this paper visualizes the scientific research context of deep learning nearly 10 years, the scholars with important influence and scientific cooperation in China. Keyword： knowledge map; deep learning; CNKI; map analysis; co-occurrence analysis; 新世纪初, 随着计算机技术的发展和信息可视化技术的应用, 科学知识图谱得到迅猛发展, 根据相关资料调查, 知识图谱技术源于引文分析理论、复杂网络系统、社会网络分析以及信息可视化技术。我们可以把它通俗地理解为由知识点相互连接的语义网络。任何一个知识图谱都是由不同的节点和连线组成, 节点的大小和紧密程度都直接影响了该学科的科研状况, 而连线的粗细代表着学科与学科间、作者与作者间的关联程度, 而通过绘制这种科学知识图谱, 我们可以把复杂的科学知识领域, 通过可视化的方法直观明确地显示出来, 便于我们分析该领域学科的繁荣程度及未来走向趋势。机器学习是人工智能领域的一个重要学科。如果说浅层学习是机器学习的一次浪潮, 那么深度学习作为机器学习的一个新领域, 将掀起机器学习的又一次浪潮。深度学习通过建立、模拟人脑的分层结构来实现对外部输入的数据进行从低级到高级的特征提取从而能够解释外部数据[1]。其应用领域非常广泛, 包括语音识别、机器翻译、计算机视觉等多个领域。从对实际应用的贡献来说, 深度学习领域可能是机器学习领域最近这10年来最成功的研究方向[2]。本研究将通过绘制作者合作共现图谱、期刊机构合作共现图谱、期刊关键词共现图谱、期刊关键词共现Time Line视图, 通过可视化技术来展现2008—2017年间我国深度学习领域研究发展脉络, 数据来源为CNKI收录深度学习来源期刊发文及引用信息。 1 深度学习来源期刊作者合作共现图谱及分析 本节通过作者共现图谱来展现出我国这10年内深度学习学者之间的研究合作情况, 为了具体揭示深度学习这一领域的研究特征。2008—2017这10年来发表文章5篇及以上的学者一共有18位, 按发文量降序排列, 具体情况如表1所示。 表1 2008—2017年CNKI深度学习来源期刊高产学者 ?? 下载原表 如表1所示, 我们可以分析得出张雄伟、祝智庭、王志军3名学者近10年来在深度学习领域发文量较多, 其中张雄伟发文量达9篇, 另外两名作者也达到7篇。下面本文将通过作者共现图谱来探究学者间的科研合作情况, 以一年为一个时间切片, 经