张君冬，嵇红涛，徐孟辉，卢 成

（南京中医药大学，江苏 南京 210023）

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，江苏 南京 210023）

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。

知识图谱；深度学习；CNKI；图谱分析；共现分析

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

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，经过参数调整自动聚类后可视化图谱如图1所示。

如图1所示，图中每个节点代表一个作者，节点的大小代表作者发文量的多少，如张雄伟教授和祝智庭教授，节点的连线代表作者间的合作关系，连接线的粗细代表着作者之间合作的强度。网络中的连线较少，这表明深度学习领域合作网络的整体关系很分散，图中的连接线偏细，可以看出学者之间的联系强度较弱。通过进一步观察可知网络中仍存在一些小团体如禹龙教授与高双印教授、史新宇教授，张雄伟教授与吴海佳教授，王志军教授与陈丽教授就合作密切，而一些学者如王娟教授、陈玲教授等发文量则较为稀少。

2 深度学习来源期刊机构合作共现图谱及分析

如图2所示，陕西师范大学教育学院、解放军理工大学指挥信息系统学院这两个机构发表文献量较多，但各地学院图上各个机构连线较少表明各个机构之间的联系十分松散，都是采取自己独立研究的方式，很少有机构与其他机构合作密切。

图1 2008—2017年CNKI作者合作共现图谱

图2 2008—2017年CNKI深度学习机构合作共现图谱

3 深度学习来源期刊关键词共现图谱及分析

通过绘制2008—2017年我国深度学习领域整体的关键词共现图谱，将这10年的学科研究成果以一张共现图谱的方式直观地呈现出来，进而揭示国内深度学习领域研究的知识结构及其演进。以一年为一个时间切片，参数调整后可视化图谱如图3所示。

按照中介中心度的大小来控制节点标签的显示数量，节点大小与其代表的关键词的被引频次大小成正比，圆环的颜色代表年代信息，随着年代的递进颜色由浅入深，节点从里到外不同颜色圆环的厚度与对应年份的出现频次成正比，节点间连线的颜色代表其共现的年份信息（见图3）。

如图3，表2所示，深度学习、卷积神经网络、特征提取、神经网络是这10年来深度学习研究领域学者使用较多的关键词，其中深度学习和卷积神经网络出现的频次最多，中介中心度也领先于其他学科。为了更直观地反映这一领域随着时间的推演深度学习这一领域的文献走势状况，特绘制关键词Time Zone视图（见图4），该视图是由一系列标识时区的颜色相间的柱形区域构成，这些时区按照时间顺序从左向右排列，节点的位置代表其出现的年份信息，不同阶段节点数量的多少反映当前时间段深度学习学科研究领域的繁荣程度。

图3 2008—2017年CNKI深度学习期刊关键词共现图谱

表2 2008—2017年CNKI深度学习来源期刊热点关键词

如图4所示，深度学习从2008年开始便是国内外学者研究的热门领域，深度学习不仅包括深层学习、还包括学习科学、学习策略、学习动机、自主学习、浅层学习等多方面领域，目前这几个发展领域发展迅猛，且到了2016年将专注于深度神经网络和深度置信网络的传播特点和影响力这一领域。

4 深度学习来源期刊关键词共现图谱Time Line视图

为了更清楚地反映国内深度学习这一领域随着时间的推演进程绘制了如图5所示的Time Line视图，节点标签是由中介中心度的大小来控制的，节点的位置表示所代表引文的发文时间，可以让同一聚类的节点按照时间顺序被排布在同一水平线上，所以每个聚类的节点按照时间顺序被排布在同一水平线上，每个聚类中的文献就像串在一条时间线上，展示出该聚类的历史成果。如图5所示，我国目前的深度学习的研究领域主要分布在神经网络、卷积神经网络、机器学习、教学模式。

5 结语

本文以知识图谱作为研究方法，研究数据来源于CNKI数据库，通过可视化技术绘制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现图谱Time Zone视图，Time Line视图，Cluster View视图等角度对我国深度学习学科研发展进行了可视化分析，相关结论如下：2008—2017年间，张雄伟、祝智庭和王志军是这5年来发文量最多的两位学者；学者之间的联系较为分散且团体合作的整体关系很不理想；深度学习、卷积神经网络、特征提取、神经网络是这5年来深度学习研究领域学者使用较多的关键词，其中深度学习出现的频次最高；我国目前的深度学习的研究领域主要分布在神经网络、卷积神经网络、机器学习、教学模式，且这几个领域在未来几年里也将会得到长远发展。

图4 2008—2017年CNKI深度学习来源期刊关键词共现图谱Time Zone视图

图5 2010-2015年CNKI深度学习来源期刊关键词共现图谱Time Line视图

[1]刘建伟，刘媛，罗雄麟.深度学习研究进展[J].计算机应用研究，2014（7）：1921-1930，1942.

[2]余凯，贾磊，陈雨强，等.深度学习的昨天、今天和明天[J].计算机研究与发展，2013（9）：1799-1804.

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, Nanjing 210023, China）

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.

knowledge map; deep learning; CNKI; map analysis; co-occurrence analysis

张君冬（1996— ），男，江苏南通人，本科生；研究方向：情报学领域。