雷鋒網(wǎng) AI 科技評(píng)論按：AMiner (http://aminer.org) 是科研人員和知識(shí)圖譜為中心的科技情報(bào)智能挖掘系統(tǒng)。系統(tǒng)基于機(jī)器學(xué)習(xí)、自然語言處理、數(shù)據(jù)挖掘、社會(huì)網(wǎng)絡(luò)分析以及語義搜索等技術(shù)，實(shí)現(xiàn)了科技情報(bào)網(wǎng)絡(luò)的語義化和智能化搜索。系統(tǒng)相關(guān)技術(shù)獲得北京市科技進(jìn)步一等獎(jiǎng)和中國人工智能學(xué)會(huì)科技進(jìn)步一等獎(jiǎng)。系統(tǒng)上線運(yùn)行超過十年，用戶超過 1000 萬，覆蓋全球 220 個(gè)國家和地區(qū)。本文轉(zhuǎn)載自「學(xué)術(shù)頭條」，微信搜索「SciTouTiao」即可關(guān)注。

開放全新功能 技術(shù)趨勢(shì)分析

近日，AMiner 開放了一個(gè)全新功能：技術(shù)趨勢(shì)分析 ( http://trend.aminer.cn )。

該功能基于 AMiner 超過 2 億篇論文數(shù)據(jù)進(jìn)行深入挖掘，包括對(duì)技術(shù)來源、熱度、發(fā)展趨勢(shì)進(jìn)行研究，進(jìn)而預(yù)測(cè)未來的技術(shù)前景。

技術(shù)趨勢(shì)分析的方法

技術(shù)趨勢(shì)分析描述了技術(shù)的出現(xiàn)、變遷和消亡的全過程，它可以幫助研究人員理解領(lǐng)域的研究歷史和現(xiàn)狀，快速識(shí)別研究的前沿?zé)狳c(diǎn)問題。學(xué)者運(yùn)用統(tǒng)計(jì)分析、模型構(gòu)建、AHP 等方法對(duì)技術(shù)發(fā)展路徑進(jìn)行了一系列研究，這些方法大多是偏重于專家德爾菲法的定性分析，重點(diǎn)在于指標(biāo)的設(shè)定，缺乏定量數(shù)據(jù)分析。另有一些研究者利用專利主路徑分析研究技術(shù)的變遷，然而較少考慮技術(shù)主題隨著時(shí)間的繼承、分裂和融合?；跀?shù)據(jù)挖掘的主題變遷通過挖掘深層次的科技文本語義信息，能夠有效的解決這一問題。

主題變遷是指一個(gè)領(lǐng)域的研究主題的內(nèi)容和熱度隨著時(shí)間變化的現(xiàn)象，通過識(shí)別并關(guān)聯(lián)不同時(shí)間片的技術(shù)主題，探索和分析領(lǐng)域主題變遷并通過可視化的方式進(jìn)行展示，可以從更全面的視角感知技術(shù)的演進(jìn)，對(duì)于技術(shù)發(fā)展路徑識(shí)別具有重要意義。

技術(shù)流程

基于科技知識(shí)圖譜，AMiner 以可視化的方式，對(duì)查詢領(lǐng)域 q 的熱度演化趨勢(shì)進(jìn)行總結(jié)。

具體而言，某一技術(shù)領(lǐng)域 q 的熱度，可以定義為該技術(shù)相關(guān)術(shù)語集合 T q = {t} 在 y 年中的所有文獻(xiàn)內(nèi)的詞頻數(shù)。在這一設(shè)定下，問題的關(guān)鍵在于如何定位一個(gè)技術(shù)領(lǐng)域所相關(guān)的術(shù)語集合。AMiner 將領(lǐng)域術(shù)語集合定義為該領(lǐng)域內(nèi)專家常用的關(guān)鍵詞。其具體算法流程如下：

首先，根據(jù)輸入的領(lǐng)域查詢?cè)~ q 進(jìn)行專家搜索，得到候選專家集合 {A}q。

其次，對(duì)候選 {A}q 根據(jù)與 q 的相關(guān)度和該專家的權(quán)威度（見公式 (6-1)）進(jìn)行排序。取出排序結(jié)果中的前 K 個(gè)專家 {A}K q 作為分析對(duì)象。

最后，獲取 {A}K q 中每位專家歷年的研究成果，分別抽取關(guān)鍵詞，構(gòu)成術(shù)語集合 T q。進(jìn)而，技術(shù)趨勢(shì)分析被轉(zhuǎn)化為針對(duì)術(shù)語集合 T q 熱度的分析。

相關(guān)研究

主題識(shí)別

主題識(shí)別是指利對(duì)領(lǐng)域文獻(xiàn)進(jìn)行挖掘，以發(fā)現(xiàn)其中隱含的研究主題。隨著文獻(xiàn)爆發(fā)式增長，主題識(shí)別面臨著文本維度高和數(shù)據(jù)類型復(fù)雜的挑戰(zhàn)，傳統(tǒng)的基于專家知識(shí)的定性方法不再適應(yīng)現(xiàn)實(shí)情況，基于機(jī)器學(xué)習(xí)的自動(dòng)化識(shí)別逐漸成為主流。目前研究人員針對(duì)自動(dòng)主題識(shí)別提出了許多方法和模型，其中主題模型已經(jīng)成為技術(shù)主題識(shí)別領(lǐng)域最常用的方法模型。

專家學(xué)者是科學(xué)研究的主體，一些杰出學(xué)者往往引領(lǐng)著學(xué)科的發(fā)展，可以通過挖掘杰出學(xué)者公開發(fā)表的科技文獻(xiàn)，發(fā)現(xiàn)科學(xué)領(lǐng)域的主要研究主題以及主題之間的聯(lián)系。一些關(guān)鍵詞被某一學(xué)者在發(fā)表的文章中提及，可能表明這些關(guān)鍵詞之間存在一定的關(guān)聯(lián)關(guān)系；如果這些關(guān)鍵詞被不同的作者提及，可能說明不同作者認(rèn)可這些關(guān)鍵詞之間的關(guān)聯(lián)關(guān)系，可認(rèn)為這些關(guān)鍵詞能夠構(gòu)成研究主題。如果某個(gè)關(guān)鍵詞在作者的文章中多次出現(xiàn)，可以表明作者對(duì)關(guān)鍵詞所代表的研究主題做了大量研究，并間接說明作者對(duì)該領(lǐng)域具有一定的影響力。

主題關(guān)聯(lián)和可視化

為了分析技術(shù)主題變遷，通常需要根據(jù)發(fā)表時(shí)間將文獻(xiàn)劃分到相應(yīng)的時(shí)間片內(nèi)，通過文本挖掘獲得不同時(shí)間片上的主題，將這些主題關(guān)聯(lián)起來是主題變遷的核心步驟，主題能否關(guān)聯(lián)決定著主題之間是否存在變遷關(guān)系。崔凱等利用 KL 相對(duì)熵來度量主題之間差異性，李湘東等利用 JS 距離對(duì)期刊主題相似度進(jìn)行衡量。為了便于直觀了解技術(shù)發(fā)展路徑，主題關(guān)聯(lián)需要進(jìn)行可視化展示，主題關(guān)聯(lián)和可視化關(guān)系密不可分，可視化是為了更好的主題變遷分析，并可以展示技術(shù)發(fā)展路徑。

現(xiàn)有的路徑可視化工具眾多，其中陳超美基于 java 開發(fā)出 Citespace I 和 Citespace Ⅱ，這兩款軟件具有時(shí)序分割，同被引分析、時(shí)序網(wǎng)絡(luò)可視化等功能。Susan Havre 等推出 ThemeRiver 模型，用于反應(yīng)文檔主題強(qiáng)度信息的變化過程。微軟亞洲研究院提出 TextFlow 方法，在海量文本分析中引入主題合并和分裂的信息。

具體分析

我們將為大家展示 AMiner 中技術(shù)趨勢(shì)分析系統(tǒng)的 Answer machine 領(lǐng)域的界面截圖。在該系統(tǒng)中，術(shù)語集合的熱度被可視化地展示為 Sorted Stream Graph 的形式。

其中，圖中的每個(gè)彩色分支表示一個(gè)術(shù)語，其寬度表示該術(shù)語在當(dāng)年的熱度，各分支在每一年份在圖中按照其熱度進(jìn)行排序。

系統(tǒng)包括三個(gè)視圖：技術(shù)源頭、近期熱度和全局熱度，用于展示領(lǐng)域發(fā)展的開端和現(xiàn)狀，以及相關(guān)領(lǐng)域熱度的變化趨勢(shì)。

技術(shù)源頭圖

從圖中可以觀察到，綜合來看，Answer machine 由 language generation、knowledge engineering、text planning、text classification 等領(lǐng)域演化而來。在 1971 年至 1981 年十年間，該領(lǐng)域的來源關(guān)鍵詞主要是 knowledge engineering，此后關(guān)鍵詞逐漸多元化，language generation 和 text planning 開始加入進(jìn)來。

全局熱度圖

全局熱度展示了該領(lǐng)域相關(guān)術(shù)語在所有年份上的平均熱度，綜合來看，Answer machine 的全局熱度包含了 question answering、community question answering、machine translation 和 Neural Network 等關(guān)鍵詞。

我們還可以看出，machine translation 這一概念自二十世紀(jì)九十年代開始興起，但是于 2000 年前后熱度下降。這是由于 information retrieval、question answering 和 Support Vector Machine 等技術(shù)與其競(jìng)爭(zhēng)導(dǎo)致的。并且 question answering 在 2001 年至 2010 年間呈現(xiàn)爆發(fā)式地增長。

近期熱度圖

上圖為該領(lǐng)域近期熱度，綜合來看，近期 Answer machine 的熱點(diǎn)集中在 question answering、community question answering、machine translation 和 Neural Network 等關(guān)鍵詞，與全局熱度圖是相似的。

技術(shù)趨勢(shì)分析這一功能可以幫助用戶了解技術(shù)的來龍去脈，技術(shù)發(fā)展趨勢(shì)。技術(shù)趨勢(shì)的發(fā)展是科技工作者和科研管理部門必須要考慮的因素。實(shí)時(shí)的分析技術(shù)的發(fā)展趨勢(shì)，了解領(lǐng)域動(dòng)態(tài)，并且實(shí)時(shí)的分析趨勢(shì)發(fā)展中各個(gè)國家的分析和對(duì)比，及時(shí)的了解學(xué)科發(fā)展?fàn)顩r，領(lǐng)跑，并跑還是跟跑。

我就想問大家有沒有心動(dòng)？想不想用？

網(wǎng)址： http://trend.aminer.cn

雷鋒網(wǎng) AI 科技評(píng)論 轉(zhuǎn)載 雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。