基于文献计量学和机器学习的小麦生物育种文献分析.pdfVIP

浙江农林大学学报,2025,42(1):210−217

JournalofZhejiangAFUniversityDOI:10.11833/j.issn.2095-0756

引用格式：郑倩.基于文献计量学和机器学习的小麦生物育种文献分析[J].浙江农林大学学报,2025,42(1):210−217.

ZHENGQian.LiteratureanalysisofTriticumaestivumbio-breedingbasedonbibliometricsandmachinelearning[J].Journalof

ZhejiangAFUniversity,2025,42(1):210−217.

基于文献计量学和机器学习的小麦生物育种文献分析

郑倩

（华中农业大学图书馆，湖北武汉430070）

摘要：【目的】分析全球小麦Triticumaestivum生物育种研究进展，揭示其研究主题、核心知识元素和前沿热点，为小

麦育种的理论研究和学科发展提供参考。【方法】从WebofScience核心合集数据库检索2013—2024年全球小麦生物育

种研究领域发表的文献，利用文献计量学方法分析该领域的发文量、学术影响力、发文主体等，利用VOSviewer生成国

家合作网络和关键词共现网络，利用机器学习算法潜在狄利克雷分配(LDA)分析文献摘要，建立语言模型，识别研究主

题。【结果】2013年以来全球小麦生物育种研究的科研产出大幅增加，共发表文献16151篇。中国是全球在该领域发文

最多的国家，其次是美国。关键词共现图谱显示，产量、数量性状位点、全基因组关联分析、干旱胁迫、基因表达、单

核苷酸多态性是小麦生物育种研究的热点，而规律间隔成簇短回文重复序列(CRISPR)、基因组编辑、高通量表型分析、

无人机、机器学习等是近年来兴起的研究领域。LDA分析结果显示：小麦生物育种可大致分为5个研究领域，包括遗传

定位、基因组和育种、生物逆境、非生物逆境和产量形成。其中，小麦锈病、数量性状位点定位、面粉品质、干旱、基

因组等是高度关注的研究主题。【结论】未来小麦生物育种需要充分利用包括组学、自动表型、人工智能、基因编辑、

基因组育种等现代生物技术和信息技术，发掘和利用重要基因，开展智慧育种。图4表2参25

关键词：小麦；生物育种；文献计量分析；VOSviewer；潜在狄利克雷分配(LDA)；机器学习

.

中图分类号：S337文献标志码：A文章编号：2095-0756(2025)01-0210-08

LiteratureanalysisofTriticumaestivumbio-breedingbasedon

bibliometricsandmachinelearning

ZHENGQian

（LibraryofHuazhongAgriculturalUniversity,Wuhan430070,Hubei,China）

Abstract:[Objective]Thisstudyaimstoanalyzetheresearchprogressofglobalwheat(Triticumaestivum)

bio-breeding,andrevealitsresearchthemes,corek