骆靖阳，陆柏益

（浙江大学生物系统工程与食品科学学院，浙江 杭州 310058）

食品产业是我国国民经济的第一大产业，也是增长速度最快、最具活力的特殊支柱产业[1]。截至2018年，我国食品工业总产值已突破12万亿 元，粮食、蔬菜、果品、肉类产量均居世界首位[2]。“民以食为天”，食品的产量、种类、结构、品质等不仅关系着广大人民群众的生命安全和生活质量，更关系到社会的稳定和谐，具有重大意义[3]。如今食品工业已跨过高投入、高增长的历史时期，逐渐进入以高质量发展为核心的产业升级阶段[4]，呈现出学科综合化、生产规模化、技术高新化、产品安全化、营养均衡化的发展趋势[5]。

大数据时代的到来将大量的生产信息以数字化的形式赋予到了食品产业本身[6]。然而，食品产业中产品种类之多、涉及领域之广、生产环节之繁、从业人员之杂，是其他产业所不能比拟的[7]。这使其产业信息呈现出爆炸式的增长态势，形成纷繁杂乱的“信息海洋”，让传统的食品产业模式屡遭瓶颈、漏洞频出[8]。如何确保全产业链中的食品安全与品质健康；如何建立数字化、自动化的食品生产模式；如何满足用户日趋多元化、个性化的膳食营养需求？这些日益凸显的困境成为了食品产业中亟待解决的难题。

以云计算、物联网、“互联网+”等为基础的大数据技术[9]，是一种对海量数据进行深入分析挖掘，充分提取信息，预测未来发展，以便监管操作的技术[10]。它能够深入挖掘数据内含的发展规律及动向，实现“业务驱动”向“数据驱动”的转变[11]，业已在应用软件[12]、金融贸易[13]、治安管理[14]和国家建设[15]等方面崭露头角，展现出巨大的发展潜力。大数据技术的应用与发展无疑为深陷“数据泥淖”中的食品产业带来了全新的契机。其强大的数据挖掘、分析及决策能力，有望成为突破重重困境的利刃，为食品产业转型升级带来全新的曙光[16]。

本文选择了食品大数据技术发展中最具典型性的三大领域：食品安全管理、食品智能制造、膳食营养与健康（依次简称为“安全”“智能”和“营养”），采用文献计量学[17]的方法，以论文和专利检索为基础，对食品大数据技术在这三大领域中的研究及应用情况进行了分析。本文结合技术特点和行业趋势，对其未来发展前景进行展望，分析了全球各国的技术发展现状和综合学术影响力，以期为我国的技术发展提供具有建设性意义的启示。

1 文献来源、关键词设置与评价指标

1.1 文献来源

文献分为论文和专利两种形式，前者主要包括期刊论文、会议论文、学位论文以及图书、社论等；后者主要包括专利申请书、专利说明书等各类专利文献。论文数据来自Web of ScienceTM（WOS）核心合集[18]，索引：SCI-EXPANDED、SSCI、A&HCI、CPCI-S、CPCI-SSH、BKCI-S、BKCI-SSH、ESCI、CCR-EXPANDED、IC；专利数据来自Derwent Innovations Index数据库[19]，索引：Chemical Section、Electrical and Electronic Section、Engineering Section。

1.2 关键词设置

在大量查阅文献、书籍及资料后，在安全、智能、营养三大领域中依次总结出两组关键词。第一组为技术性关键词，需尽可能反映出大数据技术在该领域中的融合方式和发展趋势；第二组为特征性关键词，需尽可能体现出该领域区别于其他领域的独有特点与研究方向。各领域中的技术性关键词和特征性关键词两两组合成检索词，依次在数据库中进行检索，并将各组合的检索结果汇总，以便后续分析[20]。经分析总结后得出的各组关键词如表1所示，基本涵盖了区块链、物联网、云计算、数据挖掘、机器学习等常见的大数据技术，以及从微观到宏观、从方法到策略、从技术到应用等各维度的研究内容，因此能够实现较为全面且细致的检索和分析。

表 1 三大领域中的关键词组合Table 1 Keyword combinations in three fields

检索方式：主题检索；检索语言：英文；时间跨度：2010—2019年；检索时间：2020年5月21日—5月31日；出版物类型：包含所有类型。对检索结果进行人工复筛，即通过浏览标题、关键词、摘要等信息将不符合要求的条目筛除。不符合要求的原因主要包括：1）研究内容明显与主题无关；2）更倾向于旁类学科（农林/畜牧/医药等）而非食品；3）未充分体现大数据思维，或大数据技术化程度明显不足；4）缺乏针对性，与食品学科融合度不高，或未能充分体现出食品学科特色。

最终共计得到论文474 篇，专利257 项。检索到的论文中包括研究性论文247 篇，综述论文67 篇，其他类型160 篇；共计涉及来自全球的71 个国家/地区，814 所研究机构和418 种学术期刊。以InCitesTM数据库[21-22]和文献计量在线分析平台TM（https://bibliometric.com）为主要分析工具，对论文发表数量、专利申请数量、学术综合影响力、国家/机构合作关系、研究热点及发展方向等内容进行了一系列统计分析。

1.3 评价指标

本文涉及的评价指标均来自InCitesTM数据库[23]，主要包括：总被引频次、H指数、篇均被引频次、学科规范化的引文影响力（category normalized citation impact，CNCI，指一组论文在某个学科中发表论文的实际总被引次数与全球该学科同年同类型论文的平均总被引次数比值的平均值）、被引次数排名前10%的论文比例（简称TOP 10%论文比例）、相对于全球平均水平的影响力以及平均百分位。其中后5 项指标简称为评价论文综合学术影响力的“五大指标”。

2 结果与分析

2.1 总体情况分析

2010—2019 年间，食品大数据技术在安全、智能、营养三大领域的论文发表及专利申请情况如图1所示。期间发表的论文数量分别为281、115、96 篇（其中18 篇论文涉及多个领域的内容）；申请的专利数量分别为126、77、54 项；论文被引频次总计分别为2 111、1 303、784 次；篇均被引频次分别为8.23、12.28、8.39 次/篇；H指数分别为26、19、16。

图 1 2010—2019年全球范围内三大领域的论文发表及专利申请情况Fig. 1 Annual worldwide numbers of published papers and applied patents in three fields in 2010-2019

安全领域，指的是利用大数据技术对食品“从土壤到餐桌”全产业链中的数据信息进行研究管理[24]，从而发掘数据的潜在规律和动向，以实现食品安全品质信息的实时获取、及时监管[25]，以及重大食品安全风险的防范、预警[26]与溯源[27-28]。从论文发表数量和专利申请数量来看，自2014年起均出现快速增长趋势（增速约13.54 篇/年和6.83 项/年）（图1）。从主题上来看，这可能是因为与区块链[29]、食品追溯[30]、农产品供应链[31]等相关的论文和专利数量逐渐增加。相较于另外两大领域，该领域已经取得了一定的研究及应用成果，例如美国的OpenFDA项目[7]，通过建立基于用户利益的食品大数据共享平台，促进了食品安全信息的开放融通与共享互鉴，从而有效推进了学术研究、产业创新以及监管效能的提升。此外，该技术在欧盟食品饲料快速预警系统[32]和我国“食品安全云”系统[33-35]中也有着广泛应用，为构建完善的食品安全社会共同治理模式提供了强力助推。

智能领域，指的是收集、统计、整合食品企业在生产加工过程等各环节中的数据信息，建立数字化食品企业模型[36]，通过大数据分析处理技术，对用户的需求做出智能化分析、推理与决策[37]，实时调整生产方式与策略[38]，以实现自动化、智能化、个性化的食品生产加工[39]。从论文发表数量来看，自2014年起呈现缓慢增长趋势（增速约5.60 篇/年）；从专利申请数量来看，2012—2016年稳定增长（增速约2.40 项/年），但近3～4 年增幅缓慢（图1）。自2016年以来，逐渐出现与3D打印、增材制造等[40-41]主题相关的论文与专利，但就数据方面来看，全球在该方面的研究上处于起步阶段，尚未观察到具有突破性意义的研究进展。

营养领域，指的是通过云计算、神经网络和机器学习等大数据技术与临床医学、生理学、营养学等学科的结合[42-43]，深入挖掘个人生理指标特征，以提供智能化、精确化、个性化的膳食营养指导与方案[44]。从论文发表数量来看，2014—2017年间基本平缓，近2～3 年间增速出现较大幅度提升（约12.0 篇/年）；从专利申请数量来看，呈现波折上升趋势，并于2018年达最大值（17 项）（图1）。从研究主题方面来看，可能是因为与公共卫生、疾病防控和医疗保健等[45-46]主题相关的论文与专利逐渐增多，而大数据技术在其中多以辅助手段的形式出现。

2.2 国家学术综合影响力分析

图 2 三大领域中发文量TOP 10国家的综合学术影响力分析Fig. 2 Comprehensive academic influence analysis of top ten countries in terms of publication number in three fields

论文的学术影响力水平可以通过发文数量、总被引频次、篇均被引频次、H指数等诸多评价指标进行衡量与分析[47]。本文以三大领域内发文数量位居前十的国家为研究对象，借助“五大指标”对其学术综合影响力进行多维度的分析，以期更加深入、全面、细致地挖掘潜在的发展规律[48]。如图2所示，其中横坐标表示TOP 10%论文比例，纵坐标表示CNCI，气泡大小表示发文数量，横、纵辅助线分别表示该指标的全球平均水平。图2中所涉及指标的具体数据和其他相关信息如表2所示。

在安全领域中，共有5 个国家（澳大利亚、德国、意大利、美国、荷兰）的CNCI和TOP 10%论文比例均高于世界平均水平。其中德国和澳大利亚在篇均被引、相对于全球平均水平的影响力等指标上均位居世界前列，而美国则以较大的研究体量占据优势。中国的发文量稳居世界第一，但CNCI和TOP 10%论文比例显著低于全球平均水平，在篇均被引、平均百分位和相对于全球平均水平上分别为列第9、第10和第9位，均居末尾。可见我国研究体量虽“大”，但综合实力“不强”。法国的TOP 10%论文比例为0，在五大指标上均居末位，综合实力较弱。

表 2 三大领域中发文量TOP 10国家的文献计量学指标评价Table 2 Bibliometric evaluation of top ten countries in terms of publication number in three fields

在智能领域中，共有4 个国家（澳大利亚、西班牙、美国、英国）的CNCI和TOP 10%论文比例均高于世界平均水平。其中澳大利亚和西班牙在五大指标上均位居前三，表现出较明显的领跑优势。美、英两国虽然在五大指标上稍显逊色，但发文体量较大且总被引频次较高。中国的发文量为世界第一，略高于美国，但CNCI和TOP 10%论文比例均低于全球平均水平，在篇均被引、平均百分位和相对于全球平均水平上分别为列第7、第6和第7位，处于中下位置，学术综合影响力仍有待加强。印度、波兰的TOP 10%论文比例为0，在CNCI、TOP 10%论文比例和平均百分位等指标上均处于中下游，学术综合影响力较差。

在营养领域中，共有5 个国家（意大利、德国、荷兰、美国、英国）的CNCI和TOP 10%论文比例均高于世界平均水平。其中意大利和荷兰在五大指标上均居世界前列，英、德两国水平相近，紧随其后。美国的CNCI、TOP 10%论文百分比和平均百分位上稍显落后，但在发文量和篇均被引等方面占据较大优势。中国有着世界第二的发文量，但CNCI和TOP 10%论文比例略低于全球平均水平，在篇均被引、平均百分位和相对于全球平均水平上均位列第10，可见与欧美等发达国家之间实力差距显著。日本和澳大利亚的发文量处于中等水平，但TOP 10%论文比例均为0，在五大指标上均位列第8～10名，综合实力相对落后。

2.3 国家/机构合作关系分析

统计数据显示，全球范围内在安全、智能、营养三大领域中发表论文的国家/地区分别有59、47、47 个；共计涉及研究机构510、227、222 所，学术期刊271、107、91 种。将论文数据依次导入文献计量在线分析平台TM（https://bibliometric.com）进行处理，所得结果如图3所示。

图 3 全球范围内各国家/地区及机构之间的合作关系Fig. 3 Global network of partnerships between countries/regions and institutions

在安全领域中，世界各国及各机构之间合作关系密切，跨区域合作频繁。中、美、英、意等国均表现出较大的研究体量和较密切合作关系，尤其是美国，分别以美国康奈尔大学和美国食药监局为代表，形成了两大合作最为密切的关系网络（图3B），包括了美国约翰霍普金斯大学、欧盟食品安全局、英国曼彻斯特大学、澳大利亚联邦科学工业研究组织等来自10余个国家/地区的60余所研究机构。中国的合作关系网络相对薄弱，合作国家包括美国、英国、新加坡、瑞典、西班牙、比利时、巴基斯坦等，形成了以中国复旦大学为代表，中国科学院、中国农业大学、瑞典皇家理工学院、新加坡南洋理工大学、西班牙马德里理工大学等数十所研究机构共同参与的合作网络。

在智能领域中，世界各国之间的合作程度相对不高，且多以区域性、联盟性的合作关系为主；各研究机构之间的沟通联系相对闭塞，平均合作对象不超过3 个，形成了相对封闭的关系环，未形成较明显的跨区域合作网络。这可能是相关研究仍处在萌芽阶段，尚未建立较完整的合作模式。英、法等国在机构合作关系上表现突出，形成了以英国伯明翰大学、英国克兰菲尔德大学、法国农业与环境科技研究所等12 所研究机构为核心的关系网络（图3D），合作程度远高于世界平均水平。中国研究体量较大，合作国家包括美国、新加坡、澳大利亚、韩国、荷兰、俄罗斯等，但在机构合作网络上并未体现出优势。其主要合作机构包括中国农业大学、中国江南大学、荷兰瓦赫宁根大学等。

在营养领域中，世界各国之间的合作程度较密切，跨区域合作较多，但在合作密切程度上差异较大。美国在研究体量和合作程度上具有较为显著的优势，其合作国家包括英国、加拿大、澳大利亚等，形成了以美国食品药品监督管理局为代表，美国佛罗里达大学、欧盟食品安全局、英国剑桥大学、加拿大渥太华大学等14 所研究机构共同参与的合作网络（图3F）。中国在研究体量上水平尚可，合作国家包括英国、意大利、澳大利亚等，合作机构包括中国台湾大学、清华大学、澳大利亚墨尔本大学等，但尚未形成比较清晰的机构合作网络。一方面可能是因为论文样本偏小，容易存在误差；另一方面可能是医疗营养、公共卫生方面的研究易受地域性因素影响，因而在机构合作上存在一定难度。

2.4 研究热点及发展趋势分析

2.4.1 关键词词频分布及变化

2010—2019 年间，安全、智能、营养三大领域中所发表论文的关键词词频分布及变化如图4所示。

图 4 2010—2019年三大领域的论文关键词词频分布及变化Fig. 4 Distribution and variation of keyword frequency in three fields in 2010-2019

在安全领域中，出现频次最高的关键词依次是“物联网”“食品安全”和“追溯”。近3～4 年间，“食品安全”词频数基本稳定，“大数据”和“云计算”的词频数逐渐下降，而“物联网”“供应链”“追溯”和“冷链”的词频数稳步增长。尤其是关键词“区块链”，自2016年出现以来，词频数呈激增态势，在2019年甚至超过了原先第一位的“物联网”。就研究主题来看，这可能是因为通过区块链技术建立食品供应链追溯系统的研究逐渐增多[49-51]。“无线射频识别技术”“工业4.0”的词频数不高，但数值基本保持稳定，这可能与视觉识别[52]、风险监测[53]等方面的研究相关。

在智能领域中，出现频次最高的关键词分别是“3D打印”“物联网”和“增材制造”，三者最早于2015年左右出现，近年来词频数均呈现稳定增长的态势，且均于2019年出现激增。近年来，“工业4.0”“食品工业”的词频数略有下降，但不明显；“活性包装”“智能包装”等关键词偶有出现，词频数呈增长趋势。“食品质量”“流变学”“图像处理”等关键词也有出现，这可能与食品的“3D打印”和“增材制造”有关。该技术需要研究食品原料理化性质[54]，识别并实现图像的打印[55]。就数据发展趋势来看，以3D打印食品技术为核心的一系列综合性研究，在未来几年内或将成为一大热点。

在营养领域中，出现词频数最高的关键词依次是“大数据”“肥胖”和“营养”，三者在近3 年间均呈现出较好的增长趋势。同样呈上升趋势的还有“饮食”和“食品安全”，而“生活方式”的词频逐渐降低，说明研究方向正逐渐向膳食、营养、肥胖控制及健康管理等[56-57]方向发展。值得注意的是，虽然“数据系统”“数据分析”的词频数基本保持稳定，在其他两大领域中频繁出现的“物联网”和“区块链”，在该领域中却极少甚至未曾出现。一方面可能是因为技术结合方式不同而导致关键词分布出现差异；另一方面可能是该领域与大数据技术的结合程度相对偏低，未来仍有较大的发展空间。

2.4.2 论文研究方向与专利德温特分类代码的分布

在安全、智能、营养三大领域中所发表论文的主要研究方向和所申请专利的主要德温特分类代码（前10 位）如表3所示。其中均有出现的论文研究方向为工程、电信、农学、计算机科学、食品科学技术和科学技术其他专题，占各领域发文总数的50%以上；均有出现的专利德温特分类代码为D13、S03、T01、T04、W0和X27，占各领域专利申请总数的65%以上。

安全领域中占比前三的论文研究方向是工程（33.45%）、计算机科学（30.96%）和食品科学技术（15.66%），特有的论文研究方向是商业经济学（7.12%）、化学（6.05%）、运筹管理学（4.98%）和材料科学（4.27%）；占比前三专利分类代码分别是T01（88.89%）、T04（26.19%）和W05（12.70%）；特有的专利分类代码是W05（12.70%）、W06（10.32%）、T06（7.94%）和Q75（4.76%）。相较于另外两大领域，该领域专利中T01（数字电脑）的比例很高。从研究主题上分析，这是因为大数据技术已经逐渐融入到了品质检测[58]、冷链保鲜[59]、风险预警[60]、质量追溯[61]、物流运输[36]以及农产品供应链[62]等方面，并且已经取得了一定的研究成果。例如，基于大数据战略的“食品安全云”系统，将食品安全智慧监管体系（政用）、“互联网+”检验检测云服务体系（商用）、食品安全质量追溯认定云服务体系（民用）和食品安全大数据平台融于一体，逐步建立了完善的食品安全社会共治模式，在上海、江苏、河北、贵州等省市均已取得良好成效[33-35]。此外，基于区块链、物联网的食品安全溯源技术[63]，全链式的食品安全大数据监测预警技术[64]，食品质量监管快速检测技术[65]和明厨亮灶在线识别技术[66]等，已逐渐成为当前的重点研究方向。这些技术能够有效强化全产业链的食品安全管控，建立“从土壤到餐桌”的质量安全保障体系，为全面提高食品安全保障水平提供了强大的技术支持[67]。

表 3 三大领域中所发表论文的主要研究方向和所申请专利的主要德温特分类代码（前10 位）Table 3 Top ten research directions with the largest number of published papers and top ten Derwent classification codes with the largest number of applied patents in three fields

智能领域中占比前三的论文研究方向是工程（31.30%）、食品科学技术（29.57%）和计算机科学（24.35%），特有的论文研究方向是化学（8.70%）、材料科学（6.96%）、营养学（6.96%）和运筹管理学（4.35%）；占比前三专利分类代码分别是T01（48.05%）、X25（23.38%）和T06（16.88%）；特有的专利分类代码是X25（23.38%）、T06（16.88%）、P28（10.39%）和T05（9.09%）。结合研究主题来看，基于物联网、区块链、人工智能等技术的智能生产与加工技术，在该领域占据重要地位，为实现智能化、自动化、高效化、经济化的生产操控及监督管理[68]提供了可能。除视觉识别、智能包装、智能厨电等方面之外，基于增材制造、数控加工和热熔挤出材料等技术的3D打印食品技术[69]，在近3～4 年来得到了比较广泛的重视。该技术能够通过定量化、配方化的食品打印方式，模拟动植物肉质组织[70-71]，改善食物结构与机理[72]，满足消费者个性化的口味偏好，为具有特殊饮食需求的人群提供了便利[73]。该技术在未来甚至有望走出工厂，以自主售货机等独特形式，为精确化的膳食营养管理带来了契机。

营养领域中占比前三的论文研究方向是营养学（31.2 5%）、计算机科学（20.8 3%）和工程（16.6 7%），特有的论文研究方向是营养学（31.25%）、保健科学与服务（8.33%）、生态环境科学（6.25%）和公共环境与职业健康（5.21%）；占比前三专利分类代码是T01（72.22%）、S05（22.22%）和X27（14.81%）；特有的专利分类代码是S05（22.22%）、P31（7.41%）、B04（5.56%）和W04（5.56%）。结合研究主题来看，该领域的研究与营养诊疗[74]、慢病预防[75]、健康管理[76]、饮食控制[77]以及公共卫生[78]等方面联系紧密，也出现了一些与感官风味优化[79]、可穿戴智能传感设备[80]等相关的研究，但与计算机科学等技术的结合程度相对不高。一方面可能是因为跨学科结合难度较大，导致技术发展程度有限；另一方面可能是该领域的研究通常不会将主题词限定在“计算机科学”上，更多仍集中在营养、膳食以及相关疾病的检测、监测和防控等方面。如果能够克服跨学科等因素带来的障碍，实现云计算、神经网络和机器学习等大数据技术与医学、生理学、营养学等学科的充分结合[81]，或将为食品科学和营养学界带来重大改变：一方面能够对个人生理指标和体质健康信息进行深入全面的挖掘与分析，进而提供智能化、个性化的营养需求方案和膳食指导建议[82]；另一方面能够对各类食品原料的营养成分与功能性质进行全面化的挖掘分析，实现高效化、精确化的营养食品配置，最终实现科学健康的膳食管理[83]。

3 结 语

食品大数据技术的融合与应用是未来食品行业发展的热点，具有巨大的发展潜力和研究价值。本文采用文献计量学的方法，揭示了该技术在安全、智能、营养三大领域中的研究现状与发展规律：1）从技术发展趋势来看，安全领域中已经取得了较多的研究及应用成果，正处在快速发展的过程中；智能和营养领域中发展速度较慢，尚未取得显著性成果。2）从国家学术综合影响力来看，安全、营养领域方面德国、意大利，智能领域西班牙、澳大利亚等国，以较小的发文体量和较强的综合实力占据领先优势。美国在部分指标上略显逊色，但各领域的综合实力均居世界前列。我国近年来在各领域中均表现出了较大的研究体量，但在五大指标上均明显落后，说明尚未跻身世界研究强国之列。3）从国家/机构合作关系来看，安全领域中世界各国合作关系密切，跨区域合作频繁，尤其以美国食药监局和康奈尔大学等为代表，形成了一体化趋势较强的合作关系网络；智能和营养领域中的国际合作程度相对不高，区域化特征明显，美、英、法等国之间已初步形成若干集群化合作网络。我国在国际合作上做出了较多尝试，但尚未形成较密切的合作网络。4）从研究热点来看，安全领域的研究多与品质检测、冷链保鲜、风险预警、质量追溯、物流运输以及农产品供应链等方面相关，为食品安全社会共治体系的健全与完善提供了强大助力；智能领域的研究多集中在材料科学、数控加工和3D打印等方面，为特殊需求食品的研制与个性化的饮食方案配置提供了诸多可能；营养领域的研究内容多与营养诊断、饮食控制、健康管理、公共卫生等方面相关，距离其实现智能化、精确化的膳食营养干预仍比较遥远。

本文对文献数据的研究可为我国的食品大数据技术发展带来一定的启示。目前国内该技术的研究内容主要集中在食品安全监管[16,25]和农产品供应链[84-85]等方面，以及一些中小规模智能器件的研发与创新上（智能冰箱[86-87]、3D打印[88-89]等）。虽然有着极为丰富的食品产业信息资源作支撑，但其在发展与应用中依旧存在着数据质量差、应用程度低、信息壁垒严重、缺乏顶层设计等问题[7,32]。这一方面需要积极借鉴发达国家的发展经验，推动食品数据规范化建设[32]，建立食品信息共享交流平台[35]，加强人才引导与技术交流，实现智能化技术与食品行业生产实践有机融合[90]；另一方面则需要更加注重独立思维和创新精神，强化自主研发，实现科技创新，深入研究我国食品行业的发展特点，开拓出具有中国特色的技术发展道路[91]。

此外，本文可能存在3 点研究局限性，一是大数据技术和食品学科所涵盖的内容较为广泛，因此在领域边界划定、检索词设置和人工复筛等处理上可能存在着一定的主观偏差；二是分析软件可处理的数据类型有限，本文仅选取WOS核心合集和DII数据库为数据来源，未来研究中可进一步扩展[92]；三是本文主要通过文献计量学指标展开描述性分析，并未使用更加复杂的计量学方法（如共引/共词聚类分析等[93]），故未能针对大数据技术的线条与规律展开更为深度的分析与挖掘。