人工智能論文作者同被引分析

陳超群 鄧三鴻 劉思遠

（1.南京大學(xué)信息管理學(xué)院，江蘇南京 210023；2.江蘇省數(shù)據(jù)工程和知識服務(wù)重點實驗室，江蘇南京 210023）

0 引言

人工智能（AI）是由McCarthy 于1956 年在Dartmouth 學(xué)會上正式提出的，在當(dāng)前被人們稱為世界三大尖端技術(shù)之一[1]。人工智能是關(guān)于人類智能活動的模擬、擴展和延伸的主要理論、方法和應(yīng)用，其應(yīng)用領(lǐng)域包括機器人、語音識別、圖像識別、語言處理和專家系統(tǒng)。人工智能旨在了解智能的本質(zhì)以及設(shè)計出可以仿照人類活動的智能機器。自1956年達特茅斯會議以來，人工智能領(lǐng)域吸引了不少研究者在其理論以及設(shè)計原則上進行研究[2]。自20世紀(jì)60年代以來，世界各地相繼建立了許多實驗室。然而，20世紀(jì)70年代中期和80年代初期卻是人工智能發(fā)展的兩個停滯期。到20世紀(jì)90年代，人工智能廣泛應(yīng)用于物流、醫(yī)療診斷等各個行業(yè)[3]，取得了巨大的成功。

作者同被引方法（ACA）在1981年由美國德雷塞爾大學(xué)圖書情報學(xué)的兩位學(xué)者H D White和B C Griffith[4]提出以來，已經(jīng)發(fā)展成為一種研究學(xué)術(shù)領(lǐng)域的知識結(jié)構(gòu)和學(xué)術(shù)交流社區(qū)的著名文獻計量學(xué)方法。作者可以被視為一個分析單元繪制出某一學(xué)科領(lǐng)域的知識地圖，兩個作者間的共被引次數(shù)顯示出二者之間的距離。一般而言，兩個或者兩個以上的作者共被引的次數(shù)越高，他們的研究點越相似，聯(lián)系越緊密。該方法將為數(shù)眾多的作者按照被引征的關(guān)系聚集成一個個群體，從而揭示學(xué)科研究人員之間的聯(lián)系和結(jié)構(gòu)特點，反映了他們所從事的學(xué)科專業(yè)之間的聯(lián)系以及發(fā)展變化趨勢。作者數(shù)量和結(jié)構(gòu)的變化，在一定程度上反映了學(xué)科的興衰起伏、分化滲透等趨勢。在共被引關(guān)系網(wǎng)絡(luò)中，作者數(shù)量和結(jié)構(gòu)方式的變化可以作為判斷學(xué)科變化動態(tài)的一個依據(jù)，定期分析這個變化，可以跟蹤和推測學(xué)科或者專業(yè)的發(fā)展趨向。許多不同領(lǐng)域的學(xué)者使用該方法進行了實踐[5-6]，利用作者同被引方法分析一個給定學(xué)科領(lǐng)域的知識結(jié)構(gòu)[5,7]。例如，White[8]在1998年利用該方法分析了圖書館學(xué)和情報學(xué)科的知識結(jié)構(gòu)，并指出圖書館學(xué)情報學(xué)領(lǐng)域主要分為兩個研究方向：領(lǐng)域分析和信息檢索。

目前，雖然已經(jīng)有不少關(guān)于人工智能領(lǐng)域的綜述性文章，但是大多數(shù)都局限于人工智能在某一個領(lǐng)域的應(yīng)用研究[9-10]或者從理論角度對人工智能進行介紹[1,11]，很少有文獻對人工智能領(lǐng)域的整體發(fā)展?fàn)顩r進行分析。本文將作者同被引方法運用到人工智能領(lǐng)域，分析近15年人工智能領(lǐng)域的發(fā)展?fàn)顩r，以求獲得人工智能領(lǐng)域較為全面的知識。筆者以Web of Science數(shù)據(jù)庫中主題包含“artificial intelligen*”的論文為數(shù)據(jù)來源，時間范圍是2001年到2015年，以此研究人工智能領(lǐng)域作者同被引關(guān)系的變化，探討人工智能在這15年間的發(fā)展趨勢。

1 數(shù)據(jù)來源與數(shù)據(jù)準(zhǔn)備

本文選擇了Web of Science數(shù)據(jù)庫中的SCI、SSCI以及A&HCI查找有關(guān)人工智能研究的論文，檢索式是“TS="artificial intelligen*"”。

在數(shù)據(jù)處理過程中使用的工具有Bibexcel（抽取參考文獻的第一作者，構(gòu)建作者同被引矩陣）、因子分析（SPSS）和聚類分析可視化（VOSviewer）。

本文從Web of Science數(shù)據(jù)庫查找到2001一2015年有關(guān)人工智能的學(xué)術(shù)論文8423篇（檢索日期：2017年2月28日），包含228786篇參考文獻，總的被引用頻次是296153篇次。Web of Science數(shù)據(jù)庫中參考文獻只標(biāo)引了第一作者，因此本文構(gòu)建的是人工智能領(lǐng)域第一作者的共被引網(wǎng)絡(luò)，共有120551位作者的文獻被引用，去除1828個沒有標(biāo)注作者姓名的參考文獻的被引頻次，平均每位作者被引是2.44次。由于參考文獻中標(biāo)注的作者姓名大多是簡寫，同時還存在著大小寫不一致、格式不一等原因，因此本文利用Bibexcel進行處理，以避免重名統(tǒng)計。此外，中國作者的人工智能英文文獻占比比較低，對分析結(jié)果影響不太，因此文中沒有對中文的同名異人進行處理。

根據(jù)參考文獻統(tǒng)計結(jié)果，被引次數(shù)超過120次的作者（表1）共有48位，占所有作者總數(shù)的0.04%；總共被引頻次達11529次，占所有被引頻次的3.90%。這些高被引作者平均被引次數(shù)是235.28次。高被引頻次證明，這些作者對于人工智能領(lǐng)域的發(fā)展作出了重要的貢獻，他們所代表的學(xué)術(shù)群體是人工智能領(lǐng)域的領(lǐng)軍人物，所代表的研究方向是人工智能領(lǐng)域的研究熱點。需要指出的是，SAGE出版社發(fā)現(xiàn)前臺灣屏東教育大學(xué)學(xué)者Chen C Y通過顛覆同行評議過程造假學(xué)術(shù)成績[12]，存在同行評審和引用問題。2014年SAGE出版社將該作者在過去4年發(fā)表在《Journal of Vibration and Control》（JVC）上的60篇學(xué)術(shù)論文一次性撤回，這些論文的合作者大多涉及Chen CW和Shih BY，因此本文在后續(xù)的討論分析中，對這三位學(xué)者不予以考慮。

2 因子分析

1990年，McCain發(fā)表了作者同被引方法（ACA）的技術(shù)概述，總結(jié)并列出了適用于ACA的3種多變量分析方法，即因子分析、聚類分析和多維尺度分析。White和 McCain[8]認(rèn)為，在某個因子中排在首位的作者如果在其他因子中系數(shù)超過了0.3，那么可以認(rèn)為該作者對多個研究領(lǐng)域都作出了貢獻。一般認(rèn)為，相比于聚類分析與多維尺度分析，因子分析能夠更加清楚地看出學(xué)者對于人工智能領(lǐng)域的貢獻大小[13]，通過因子分析可以揭示某學(xué)科的知識結(jié)構(gòu)以及作者在各個研究領(lǐng)域中的關(guān)系，開濱[14]在對2006年至2015年《情報科學(xué)》的作者合作網(wǎng)絡(luò)分析過程中利用因子分析對重要合作團體的構(gòu)成進行了探究。因而，筆者在本文采用因子分析來發(fā)現(xiàn)人工智能領(lǐng)域中的主要研究學(xué)者。首先利用Bibexcel生成被引次數(shù)超過120次的45位第一作者的原始共被引矩陣。盡管一個作者因為不同的文獻，在同一篇文章中可能被引用多次，但在數(shù)據(jù)統(tǒng)計過程中，在同一篇文獻中對于被引用的作者均視為一次引用，即僅關(guān)心文獻中是否引用了該作者，而不是在單篇文章中被引用的頻次[15]。接下來，筆者將原始共被引矩陣在Spss 22.0中通過因子常規(guī)轉(zhuǎn)換為Pearson相關(guān)系數(shù)，并且通過主成分分析用Varimax旋轉(zhuǎn)提取因子，最終得到10個因子（表2），本文的因子載荷閾值設(shè)為0.50。

表1 被引次數(shù)超過120次的作者

通過因子分析表明，Jang J S R、Russell S J和Takagi T這3位作者同時出現(xiàn)在2個因子中，體現(xiàn)了這3位作者在研究群體中具有聯(lián)結(jié)作用，也說明人工智能具有跨方向研究的趨勢。此外，Haykin S和Goldberg DE沒有出現(xiàn)在因子載荷表中，說明他們在人工智能領(lǐng)域的研究處于孤立地位。同時，通過因子載荷表可以發(fā)現(xiàn)在每個因子中起重要作用的作者，例如在因子1中，Hagan M T貢獻較大，Hornik K、Mellit A和Bishop C M的研究也有一定的影響。在因子9和因子10中，均只有1位作者，可見這2位作者的研究比較孤立，沒有與其他作者形成關(guān)聯(lián)。分析各個因子下作者的研究領(lǐng)域，可以發(fā)現(xiàn)在因子1下主要是神經(jīng)網(wǎng)絡(luò)，Bishop C M、Hornik K、Hagan M T、Kohonen T等都是神經(jīng)網(wǎng)絡(luò)領(lǐng)域的專家。此外，在因子1中還有兩位水文學(xué)的專家Chau K W和Kisi O，他們主要是研究如何用人工智能解決水文學(xué)上的問題。而因子2主要涉及認(rèn)知學(xué)和哲學(xué)問題，在因子3中作者的研究方向是遺傳算法和蟻群算法等。

表2 因子分析結(jié)果

3 分時間段分析

在引文分析中，常用5年作為一個分析時間單元，因為5年時間的文章基本可以覆蓋所有的出版物[17]。本文將2001一2015年以5年作為時間間隔劃分為3個時間段。2001一2005年在人工智能領(lǐng)域共有30658位第一作者的論文被引用，總被引頻次是59826次，去除114個沒有標(biāo)注作者姓名的參考文獻的被引頻次，平均每位作者被引1.95次；2006一2010年有45049位作者，總被引次數(shù)是86010次，去除363個沒有標(biāo)注作者姓名的參考文獻的被引頻次，平均每位作者被引1.90次；在2011一2015年，達到了73317位作者，總被引頻次是147553次，去除1351個沒有標(biāo)注作者姓名的參考文獻的被引頻次，平均每位作者被引1.99次。由此可見，越來越多的作者進入了人工智能領(lǐng)域，證明人工智能正處于發(fā)展繁榮階段。筆者對比了這3個時間段被引次數(shù)排在前30位的作者，如圖1所示。

圖1 不同時間段被引次數(shù)排在前30位的作者對比

從圖1可以看出，3個時間段被引用作者列表有較大的差異。比較被引次數(shù)排在前30位的作者，發(fā)現(xiàn)在3個時間段被引次數(shù)均排在前30的有11位作者（圖1 中連線所表示的作者），包括Zadeh L A、Goldberg D E、Kohonen T等，可以初步認(rèn)為這11位作者是人工智能領(lǐng)域的核心作者，他們的著作是人工智能領(lǐng)域權(quán)威的以及最有影響力的作品。學(xué)者Zadeh L A在3個時間段被引次數(shù)始終排在第一位，他最著名的成就是提出由模糊相關(guān)概念組成的模糊數(shù)學(xué)：模糊集[18]、模糊邏輯[19]、模糊算法[20]等。這一現(xiàn)象表明模糊理論是人工智能的堅實基礎(chǔ)，而且他隨后提出的“軟計算”概念[21]從某種意義上講是傳統(tǒng)人工智能的補充，在2005一2015年得到了大量引用，可以說Zadeh L A在人工智能的發(fā)展史上扮演著不可或缺的角色。在被引次數(shù)排在前30位的作者中，2001一2005年和2006一2010年有19位作者相同；2006一2010年和2011一2015年有16位作者相同。在一定程度上，某個時期高被引作者的研究領(lǐng)域體現(xiàn)了該時期的研究重點。3個時間段高被引作者的變化體現(xiàn)了人工智能領(lǐng)域在近15年的研究趨勢。

比較同時還出現(xiàn)，在3個時期的作者排名中排名上升比較快的學(xué)者有：Mccarthy J、Haykin S、Jang J S R和Russell S J，他們均是計算機科學(xué)家。其中，美國學(xué)者Mccarthy J于1956年在達特茅斯會議上提出了“人工智能”這一概念，從1978年到1986年，他提出了一種非單調(diào)推理的界定方法[22]，對計算機學(xué)科的發(fā)展產(chǎn)生了深遠的影響，并從哲學(xué)層面[23]對人工智能進行了闡述，研究具有跨學(xué)科的性質(zhì)。美國學(xué)者Russell S J是《Artificial Intelligence: A Modern Approach》的作者之一。這是一本被世界上116個國家1300多個高等學(xué)校使用的人工智能教科書，目前已印刷了3個版本。這兩位作者被引次數(shù)排名的上升，表明人工智能已引起越來越多的學(xué)者密切關(guān)注，研究層次也在不斷加深，從技術(shù)應(yīng)用層面延伸到倫理道德以及理論研究層面。臺灣大學(xué)教授Jang J S R在1993年提出了ANFIS（自適應(yīng)神經(jīng)一模糊推理系統(tǒng)）[24]，并在隨后發(fā)表了大量相關(guān)的文章，為人工智能的發(fā)展作出了杰出的貢獻。Haykin S的重點研究領(lǐng)域是認(rèn)知動態(tài)系統(tǒng)，對于計算智能和機器學(xué)習(xí)研究最為活躍的分支之一神經(jīng)網(wǎng)絡(luò)算法進行了大量的研究，編著了《Neural Networks and Learning Machines》一書。這本書是人工智能領(lǐng)域的經(jīng)典教材。這兩位作者在2001年到2015年被引次數(shù)排名的大幅度上升，在一定程度上反映了神經(jīng)網(wǎng)絡(luò)算法在人工智能領(lǐng)域算法的重要地位，同時也說明“算法經(jīng)濟”不再是一個詞匯，而是正在成為一股社會的潮流。

此外，有兩位學(xué)者在這3個時間段排名中有較大幅度的下降，分別是Pearl J和Dubois D。Pearl J是UCLA計算機科學(xué)系的教授，他在20世紀(jì)80年代為人工智能引入了一套新的工具一一貝葉斯網(wǎng)絡(luò)[25]。這種基于概率的機器推理模型使機器可以在復(fù)雜的、模糊的和不確定的環(huán)境下工作。在短短幾年間，貝葉斯網(wǎng)絡(luò)就完全替代了此前基于規(guī)則的人工智能方法。但是隨著計算機性能的提高，神經(jīng)網(wǎng)絡(luò)算法在人工智能的發(fā)展史上占據(jù)了更加重要的作用，貝葉斯網(wǎng)絡(luò)相關(guān)的文章引用頻次降低。法國數(shù)學(xué)家Dubois D是《Fuzzy Sets and Systems》期刊的共同主編，主要研究領(lǐng)域是模糊集理論，2001一2005年他和模糊數(shù)學(xué)的提出者Zadeh L A有關(guān)模糊理論相關(guān)的文獻被大量引用，被引次數(shù)分別居于第二和第一，可見這個時期在人工智能領(lǐng)域模糊理論的重要性。但是在2005一2010年，隨著神經(jīng)網(wǎng)絡(luò)、蟻群算法、遺傳算法、軟計算等研究領(lǐng)域的興起，研究者在模糊理論上的關(guān)注下降，可見人工智能是一個不斷發(fā)展的學(xué)科，不同時期有不同的研究重點。

為了從整體上比較2001一2005年、2006一2010年和2011一2015年3個時間段人工智能領(lǐng)域作者同被引結(jié)構(gòu)變化，筆者將Bibexcel計算得到的矩陣數(shù)據(jù)導(dǎo)入到VOSviewer中，然后通過構(gòu)圖技術(shù)和聚類技術(shù)為作者同被引數(shù)據(jù)繪制圖譜（圖2、圖3和圖4）。其中，節(jié)點表示作者，節(jié)點和字體的大小與節(jié)點的權(quán)重成正相關(guān)的關(guān)系，連線表示兩個作者有共被引關(guān)系，灰度相同表示同屬一個聚類。為了使結(jié)構(gòu)圖看起來更清楚，筆者在繪制這3幅圖譜時均只選取了被引次數(shù)排在前200位的作者。

采用VOSviewer繪制了圖2、圖3、圖4。從圖中可以得出人工智能研究領(lǐng)域的以下特點。但需要注意的是，為了展示清楚，VOSviewer在顯示一部分作者姓名的同時會隱藏一部分作者姓名，因而下文提到的有些作者可能無法清晰地在上述截圖中展示出來，但是他們確實出現(xiàn)在圖片中。

（1）從聚類個數(shù)來看，隨著時間的演進，聚類個數(shù)越來越少。一般而言，兩個或者兩個以上作者的研究方向如果具有相似性，那么他們會被劃分為同一個類。該現(xiàn)象表明，在人工智能領(lǐng)域中作者的研究方向越來越趨向一致，研究領(lǐng)域劃分越來越明確，研究熱點更加突出。

圖2 2001—2005年人工智能領(lǐng)域作者同被引圖譜

圖3 2006—2010年人工智能領(lǐng)域作者同被引圖譜

圖4 2011—2015年人工智能領(lǐng)域作者同被引圖譜

（2）在圖4作者共被引圖譜中出現(xiàn)了一個由中國學(xué)者組成的研究群體（圖4中Takagi T右邊的學(xué)者們組成的聚類），表明中國學(xué)者正在追趕人工智能的浪潮，而且已經(jīng)取得了一批學(xué)術(shù)成果。但本文沒有對同名異人的現(xiàn)象進行處理，例如在圖4中的Li Y，其實是多個作者的姓名縮寫，包括曼徹斯頓大學(xué)的“Li Yaoyong”、華中科技大學(xué)的李勇（Li Yong）、澳門科技大學(xué)的“Li Yangmin”、西安交通大學(xué)管理學(xué)院的“Li Yuan”等，因而在圖4中的單個中國學(xué)者姓名縮寫可能代表多個學(xué)者，難以判別每位中國作者的實際共被引情況。但是從圖4中可以發(fā)現(xiàn)，中國學(xué)者在國際上的影響力不夠，構(gòu)成的共被引網(wǎng)絡(luò)組成基本上是中國學(xué)者，而且其研究方向基本是人工智能的應(yīng)用，方法創(chuàng)新上還有欠缺。

（3）從圖2到圖4，類間距越來越大，該現(xiàn)象顯示了人工智能的研究方向界限越來越清楚，已經(jīng)呈現(xiàn)出幾大研究流派。目前共有5大研究流派，一是以圖4中Takagi T右邊的學(xué)者們組成的中國學(xué)者流派，主要研究人工智能的實際應(yīng)用；二是以Haykin S和Takagi T為代表的神經(jīng)網(wǎng)絡(luò)算法以及應(yīng)用人工智能解決水文學(xué)問題，其中神經(jīng)網(wǎng)絡(luò)是期望通過模擬現(xiàn)實中的生物思維來直接實現(xiàn)人工思維；三是以Russell S J和Mccarthy J為代表的理論研究流派；四是算法研究流派，如隨機森林（Breiman L）、決策樹（Quinlan JR）和SVM（Vapnik V）；五是以Holland J H和Goldberg D E為代表的遺傳算法研究，區(qū)別于神經(jīng)網(wǎng)絡(luò)，遺傳算法是期望模擬生物進化來再次產(chǎn)生思維。

（4）在作者同被引圖譜中處于核心地位的作者即是關(guān)鍵作者，從圖2可以看出，2001年到2005年關(guān)鍵作者是Zadeh L A、Holland J H、Rumelhart D E、Dubois D、Mccarthy J、Reiter R、Newell A、Searle J R、Brooks R A和Russell S J等。他們大多數(shù)是計算機領(lǐng)域具有影響力的學(xué)者，甚至是人工智能領(lǐng)域的開創(chuàng)性人物。其中Mccarthy J提出了“人工智能”這一概念。當(dāng)然，其中也包括心理學(xué)家Rumelhart D E和哲學(xué)家Searle J R，他們關(guān)注人工智能領(lǐng)域中的社會道德與倫理問題，從哲學(xué)層面上思考人工智能領(lǐng)域的發(fā)展。由此可見，在2001一2005年人工智能跨學(xué)科的特點已經(jīng)出現(xiàn)，自然科學(xué)和社會科學(xué)的各位學(xué)者都密切關(guān)注著人工智能領(lǐng)域的發(fā)展。此外，通過對關(guān)鍵作者的研究可以發(fā)現(xiàn)這一時期人工智能領(lǐng)域的主要算法是模糊理論和遺傳算法。從圖3可以看出，2006一2010的關(guān)鍵作者有Zadeh LA、Holland J H、Goldberg D E、HayKin S、Dreyfus H L、Brooks R A、Mccarthy J、Minsky M、Newell A、Vapnik V、Breiman L、Wooldridge M、Pearl J、Russell S J和Chomsky N等。其中，大部分是2001一2005年的關(guān)鍵作者，此階段人工智能領(lǐng)域的跨學(xué)科特點依然突出，而且算法呈現(xiàn)出多樣化，例如模糊理論與軟計算（Zadeh LA）、神經(jīng)網(wǎng)絡(luò)（HayKin S）、貝葉斯網(wǎng)絡(luò)（Pearl J）、SVM（Vapnik V）等。觀察圖4，2011年到2015年的關(guān)鍵作者有HayKin S、Zadeh L A、Holland J H、Goldberg D E、Russell S J和Takagi T等。其中，HayKin S尤為突出，與他有關(guān)的神經(jīng)網(wǎng)絡(luò)算法文獻被大量引用，表明2011一2015年神經(jīng)網(wǎng)絡(luò)對人工智能領(lǐng)域的發(fā)展作出了重要貢獻，是近幾年最為火熱的研究方向，是深度學(xué)習(xí)的基礎(chǔ)。當(dāng)然，這一時期的遺傳算法受到許多學(xué)者的關(guān)注，Holland J H和Goldberg D E的論文大量被引用就體現(xiàn)了這一點。此外，在算法不斷完善的基礎(chǔ)上，這一時期不斷有學(xué)者嘗試用人工智能領(lǐng)域的方法去解決實際問題，尤其在水文預(yù)測的應(yīng)用引起了學(xué)者的廣泛關(guān)注[26]，可以說人工智能正在走進我們的生活。

4 結(jié)論

（1）人工智能是一個快速發(fā)展的領(lǐng)域，不斷有新的學(xué)者進入這個領(lǐng)域并作出自己的貢獻。目前高被引的作者年齡都比較大，例如Zadeh L A、HayKin S、Quinlan J R等，而青年隊伍比較薄弱，沒有形成一批有影響力的青年學(xué)者。

（2）我國學(xué)者在人工智能領(lǐng)域的研究還存在不足，國家和政府應(yīng)該加強政策引導(dǎo)與基金支持，鼓勵學(xué)者進行深入研究與創(chuàng)新，提高人工智能研究的創(chuàng)新性與成果的創(chuàng)新性。

（3）通過因子分析，可以發(fā)現(xiàn)人工智能具有跨方向研究的趨勢。人工智能領(lǐng)域已經(jīng)形成了較為集中的核心研究團體以及主流的研究方向，神經(jīng)網(wǎng)路、遺傳算法、蟻群算法等是目前人工智能領(lǐng)域占據(jù)主導(dǎo)的算法。在今后一段時間，算法改進以及人工智能在生活中的應(yīng)用將是人工智能領(lǐng)域的兩大研究重點。

（4）分時間段分析可以發(fā)現(xiàn)，人工智能作者同被引圖譜聚類個數(shù)越來越少，研究領(lǐng)域劃分越來越明確，人工智能的發(fā)展逐漸成熟。同時可以看到，不同時期的關(guān)鍵作者在發(fā)生變化，表明研究熱點也在發(fā)生變化，人工智能是一個不斷發(fā)展的領(lǐng)域。

（5）國際上有許多頂尖的人工智能學(xué)術(shù)會議，并產(chǎn)生了大量的優(yōu)秀論文，而本文只分析了2001一2015年Web of Science數(shù)據(jù)庫的期刊文獻，很多優(yōu)秀的會議論文沒有考慮進來。另外，由于共被引分析的數(shù)據(jù)為引文數(shù)據(jù)，對于新發(fā)表的優(yōu)秀論文來說不能及時呈現(xiàn)，因此，一些新崛起的優(yōu)秀學(xué)者無法在圖譜中顯示出來。這些問題都有待今后進一步研究。

[1]鄒蕾, 張先鋒.人工智能及其發(fā)展應(yīng)用[J].信息網(wǎng)絡(luò)安全, 2012(2): 11-13.DOI: 10.3969/j.issn.1671-1122.2012.02.003.

[2]PHAM D T, PHAM P T N.Artificial intelligence in engineering[J].International Journal of Machine Tools and Manufacture, 1999, 39(6): 937-949.DOI: 10.1016/S0890-6955(98)00076-5.

[3]ALI J M, HUSSAIN M A, TADE M O, et al.Artificial intelligence techniques applied as estimator in chemical process systems: a literature survey[J].Expert Systems with Applications, 2015, 42(14): 5915-5931.DOI:10.1016/j.eswa.2015.03.023.

[4]WHITE H D, GRIFFITH B C.Author cocitation: a literature measure of intellectual structure[J].Journal of the Association for Information Science and Technology, 1981, 32(3): 163-171.DOI: 10.1002/asi.4630320302.

[5]MCCAIN K W.Mapping authors in intellectual space:a technical overview[J].Journal of the Association for Information Science and Technology, 1990, 41(6):433–443.DOI: 10.1002/(SICI)1097-4571(199009)41:6＜433: : AID-ASI11＞3.0.CO;2-Q.

[6]AHLGREN P, BO J, ROUSSEAU R.Requirements for a cocitation similarity measure, with special reference to Pearson’s correlation coefficient[J].Journal of the Association for Information Science and Technology,2003, 54(6): 550–560.DOI: 10.1002/asi.10242.

[7]GALVAGNO M.The intellectual structure of the anti-consumption and consumer resistance field:an author co-citation analysis[J].European Journal of Marketing, 2011, 45(11/12): 1688-1701.DOI:10.1108/03090561111167441.

[8]WHITE H D, MCCAIN K W.Visualizing a discipline:an author co-citation analysis of information science,1972–1995[J].Journal of the Association for Information Science and Technology, 1998, 49(4): 327–355.DOI: 10.1002/(SICI)1097-4571(19980401)49: 4＜327:AID-ASI4＞3.0.CO;2-4.

[9]ALI J M, HUSSAIN M A, TADE M O, et al.Artificial intelligence techniques applied as estimator in chemical process systems: a literature survey[J].Expert Systems with Applications, 2015, 42(14): 5915-5931.DOI:10.1016/j.eswa.2015.03.023.

[10]YASEEN Z M, EL-SHAFIE A, JAAFAR O, et al.Artificial intelligence based models for stream-flow forecasting: 2000–2015[J].Journal of Hydrology, 2015,530: 829-844.DOI: 10.1016/j.jhydrol.2015.10.038.

[11]GHAHRAMANI Z.Probabilistic machine learning and artificial intelligence[J].Nature, 2015, 521(7553): 452-459.DOI: 10.1038/nature14541.

[12]SHIH B Y, CHANG H, CHEN C Y.RETRACTED:path planning for autonomous robots: a comprehensive analysis by a greedy algorithm[J].Journal of Vibration & Control, 2013, 19(1): 130-142.DOI:10.1177/1077546311429841.

[13]胡吉明.作者同被引視角下的我國信息服務(wù)研究分析[J].情報雜志, 2009, 28(10): 170-174.DOI: 10.3969/j.issn.1002-1965.2009.10.040.

[14]開濱.近十年來《情報科學(xué)》作者合作可視化分析[J].情報科學(xué), 2016(8): 110-115.DOI: 10.13833/j.cnki.is.2016.08.021.

[15]CHEN L C, LIEN Y H.Using author co-citation analysis to examine the intellectual structure of e-learning:a MIS perspective[J].Scientometrics, 2011, 89(3): 867-886.DOI: 10.1007/s11192-011-0458-y.

[16]馬瑞敏, 倪超群.基于作者同被引分析的我國圖書情報學(xué)知識結(jié)構(gòu)及其演變研究[J].中國圖書館學(xué)報,2011, 37(6): 17-26.DOI: 10.13530/j.cnki.jlis.2011.06.005.

[17]ZHAO D, LOGAN E.Citation analysis using scientific publications on the web as data source: a case study in the XML research area[J].Scientometrics, 2002, 54(3):449-472.DOI: 10.1023/A: 1016090601710.

[18]ZADEH L A.Fuzzy sets[J].Information & Control, 1965, 8(3): 338-353.DOI: 10.1016/S0019-9958(65)90241-X.

[19]ZADEH L A.Fuzzy logic = computing with words[J].IEEE Transactions on Fuzzy Systems, 1996, 4(2): 103-111.DOI: 10.1109/91.493904.

[20]ZADEH L A.Quantitative fuzzy semantics[J].Information Sciences An International Journal, 1971, 3(2):159-176.DOI: 10.1016/S0020-0255(71)80004-X.

[21]ZADEH L A.Fuzzy logic, neural networks and soft computing[J].Microprocessing & Microprogramming,1993, 38(1/5): 77-84.DOI: 10.1007/978-3-322-89467-0_19.

[22]MCCARTHY J.Circumscription: a form of nonmonotonic reasoning[J].Artificial Intelligence, 1980,13(1):27-39.DOI:10.1016/0004-3702 (80) 90011-9.

[23]MCCARTHY J.Ascribing mental qualities to machines[C]// Philosophical perspectives in artificial intelligence,1979.DOI: 2307/2025382.

[24]JANG J S R.ANFIS: adaptive-network-based fuzzy inference systems[J].IEEE Transactions on Systems Man & Cybernetics, 1993, 23(3):665-685.DOI:10.1109/21.256541.

[25]PEARL J.Bayesian networks: a model of self-activated memory for evidential reasoning[C]//Conference of the Cognitive Science Society, 1985:329-334.DOI:citeulike-article-id:3847802.

[26]KISI O, DAILR A H, CIMEN M, et al.Suspended sediment modeling using genetic programming and soft computing techniques[J].Journal of Hydrology, 2012,450/451 (15): 48-58.DOI: 10.1016/j.jhydrol.2012.05.031.