基于arXiv論文術語詞頻的暗能量研究趨勢分析

侯曉嵐 余恒 樊東衛

摘 要：現代科學研究內容日趨細化，進展日新月異，對研究趨勢和前沿進展的把握變得越來越困難。文章嘗試通過分析研究論文中的術語詞頻來定量追蹤學科發展趨勢。利用“天文學英語新詞自動提取系統”對近20年間天文學論文預印本的全文進行術語提取，在此基礎上分析宇宙學領域中與暗能量研究密切相關的概念術語（超新星、宇宙微波背景輻射等）在論文中的出現頻率。通過考察這些關鍵詞的詞頻隨時間的變化趨勢，分析它們與學科研究動態之間的關系，從而理解科學發現等熱點事件對研究工作和學科發展的具體影響，為天文學及其他學科的研究進展和趨勢分析提供一個客觀的量化方法。文章證實新設備和新數據在推動天文學新興理論和促生研究熱點方面具有不可或缺的重要意義和價值，而諾貝爾獎項等公眾熱點事件并沒有對宇宙學領域的研究熱度產生長期影響。

關鍵詞：學科名詞;術語提取;詞頻分析;宇宙學;暗能量;研究趨勢

中圖分類號：H083;P159文獻標識碼：ADOI：10.3969/j.issn.1673-8578.2020.03.001

Abstract： Modern scientific research is becoming more and more specific， and changing more and more frequently. It is difficult to follow research trends and the progresses of frontier fields. This paper attempts to quantitatively trace the development of subjects by analyzing term frequency of scientific journal papers. We use the Automatic Extraction of Astronomical English Terms System to extract terminology from the full text of astronomical preprint papers published in the past 20 years， and to analyze the occurrence frequency of terms related to dark energy in the cosmology field. By investigating the correlation between the trends of these words over time and the dynamics of disciplinary research， we understand how scientific discoveries and hot-spots affect professional researches. Not only could it provides an objective quantitative method for the research progress and trend analysis， but also plays as a reference for research evaluation and scientific policy design in China.

Keywords： scientific term; term extraction; word frequency analysis; cosmology; dark energy; research trend

收稿日期：2020-01-05

基金項目：國家自然科學基金委員會-中國科學院天文聯合基金（U1731243）

作者簡介：余恒（1982—），男，博士，北京師范大學天文系副教授，主要研究方向為宇宙學、星系團、天文信息學。通信方式：yuheng@bnu.edu.cn。

引 言

現代科學研究方向漸趨細致紛繁，論文數量與日俱增，這使得對研究趨勢和前沿進展的把握變得越來越困難。術語作為學科發展的信號和風向標，新的術語通常意味著新的知識和進展。因此，如果能夠直接從學術論文中的術語出發，根據其出現特征分析學科發展趨勢，應該能夠更加準確地反映相關領域的研究動態，對專家學者的個人判斷形成有效補充。

已經有一些公司和產品在這個方向上努力，如谷歌趨勢、論文標注網站ScienceWISE、可視化文獻分析軟件CiteSpace等。不過由于數據來源的限制，這些軟件和產品在學術領域主要根據論文的摘要和關鍵詞進行分析。但關鍵詞主要用于限定文章的學科分類，并不總能精確刻畫文章的研究內容。而簡短的摘要中關鍵術語的重復頻率并不高，不適合機器自動分析提取。因此基于論文全文的語料分析和關鍵詞提取有著不可替代的研究價值。

相較于其他學科，天文領域的論文全文更易于獲取并用于分析，論文預印本網站arXiv在其中居功至偉。始建于1991年的arXiv網站是由美國康奈爾大學運營的一個涵蓋物理學、天文學、數學、計算機科學、統計學、生物學、金融學等學科的國際化論文發布和展示平臺。相關學科的研究者會在論文投稿前或者發表前將文章上傳到這個網站上，供全世界的同行開放閱讀，以獲得最大程度的關注和引用。這個平臺不僅打通了不同期刊和數據庫之間的信息壁壘，它所提供的論文全文托管服務更是極大地方便了相關研究的開展。天文學是較早使用arXiv論文平臺的學科，絕大部分經過同行評議的天文學論文都有相應的arXiv記錄。截至2018年12月31日，arXiv網站總論文數約148萬篇，其中天體物理分支下論文數為219 540篇，占總論文數的14.8%[1]。

“暗能量”問題作為宇宙學研究領域近20年來最大的熱點引起了天文學界廣泛的研究興趣。本文擬圍繞“暗能量”概念，根據論文中術語的詞頻變化來討論它與兩個重要的觀測證據“超新星”和“宇宙微波背景輻射”之間的互動關系。文章前兩部分介紹了本文所使用的數據和分析方法;第三部分討論“暗能量”相關術語詞頻隨時間的變化趨勢，并分析它們之間的相互影響;第四部分是總結與展望。

一 樣本介紹

我們使用基于詞性標注（POS tagging）方法開發的“天文學英語新詞自動提取系統”是能夠對論文預印本網站arXiv中全文數據進行自動化術語提取的一套程序[2]。這是目前唯一對天文學專業論文全文語料進行分析的工具，能夠根據詞語在文章內和文章間的出現頻次提取高頻詞匯。我們用這套工具完成了對1993—2018共26年間近22萬篇天文學論文的術語提取工作。其中每月在10篇以上論文中出現的高頻名詞，共有78 811個。文章總數和熱點詞數的年度統計如圖1所示。從中可以看出高頻詞的提取總量和論文總數直接相關。本文的分析均在此基礎上完成。

二 分析方法

考慮到arXiv網站上每月收錄的文章數并不固定，而且從1993年至今每月文章數的增長幅度較大，單以包含目標術語的文章總數來統計學科趨勢會有明顯的系統偏差。因此首先要對文章數進行歸一化處理。本文采取的歸一化方法是將每月含有目標術語的文章數除以該月天體物理分支下提交的論文總數，得到含有該關鍵詞的文章占當月文章總數的占比。如果天文學各個分支學科的研究者對arXiv網站的接受程度沒有明顯的差別，那么這個文章占比可被認為是該特征術語（乃至該領域）在天文學科中的熱度。

除了年提交數的變化，由于季節和假期的影響，每月提交論文數也會呈現出一定的波動。而對于新興領域的特有名詞，有關論文甚至達不到每月1篇。為了抑制數據中的偶然波動，本文采取將每六個月的結果加總平均的方法來平滑發表趨勢的短期漲落，凸顯長期變化特征。

為了驗證數據的完備性以及方法的可行性，我們首先選取幾個天文領域的通用術語，檢驗它們的詞頻趨勢是否符合預期。

1.樣本標定

我們選取天文學中的三個通用名詞——模型（model）、觀測（observation）和黑洞（black hole）作為標定術語。其中，模型（model）是科學論文中的一個通用名詞，在天文學領域主要出現在理論天體物理方面的文章中。觀測（observation）與之類似，但主要出現在實測天體物理領域。天文學方向的論文通常屬于二者之一。因此包含兩個詞的文章比例應該比較接近，而且趨勢穩定，不隨時間變化。黑洞（black hole）是天體物理領域的經典術語，指的是空間中具有極大引力場以致包括光在內的任何物質都不能逃逸的致密天體。對黑洞的研究可以上溯到18世紀末，現代天文學的許多分支都涉及這個概念，在觀測和理論兩方面都有持續的研究熱度。因此它在論文中的出現頻率也不應有明顯的波動。

將1993—2018年間含有model、observation和black hole的論文數進行歸一化及平滑之后，可得到如圖2所示的趨勢。在1996—2018年間這三個詞的趨勢比較平穩，且模型和觀測的縱坐標之和近似為1，這也符合我們對天體物理論文可分為理論和實測兩大類的預期認知。而1993—1995年間網站收錄的論文總數較少、學科不全、格式也不統一，給術語提取造成困難，導致這一時期的詞頻統計出現了明顯偏差。因此我們選擇1996—2018年這23年間的論文來進行術語頻次的研究。

2.術語頻次閾值

一篇科研論文包含眾多術語，不過其中許多是作為背景知識而存在的，并不都是文章討論的重點。可以為關鍵詞在文章中的出現次數（術語頻次）設定閾值，以保證提取的術語能真實代表相關論文的研究方向。因為科研論文會在文中反復提到所研究的術語對象，而相鄰領域的論文更可能只是在背景介紹中涉及有關概念。

以暗能量的重要觀測證據宇宙微波背景輻射（cosmic microwave background， CMB）為例，圖3展示了它在單篇文章中的出現頻次大于0次、大于3次、大于5次和大于10次的文章占比。

隨著閾值越來越嚴格，滿足條件的文章數是逐漸降低的。包含該詞的文章（單篇詞頻>0）幾乎是討論該詞文章（單篇詞頻>10）的兩倍。而且，包含該詞的文章比例呈逐年緩慢上升的趨勢，這說明有越來越多的文章提到CMB的概念。天文界對這個概念的關注度持續上升。但若只看單篇詞頻數大于3的文章，上升趨勢幾乎消失了。而當單篇詞頻數設為5和10時，占比趨于定值，完全看不到上升跡象。所以，研究CMB文章的比例其實并沒有明顯變化（雖然有一些重大科學事件會引起論文數的短期上升，但都在一年內回歸常值。這些高峰我們會在后面討論）。因此有必要為術語頻次設定一個閾值，以去除非密切相關論文所帶來的“泡沫”。本文將單篇文章中的術語頻次設為5，只將術語頻次高于此閾值的文章用于趨勢分析。

原則上，還應按文章長度對術語頻次進行歸一化，以防止長論文中術語頻次可能偏高的問題。但本文所依據的語料絕大部分是科技期刊論文，結構類似，篇幅接近，這個效應并不顯著。因此本文在后續分析中略過此步。

三 趨勢研究

宇宙學是天文學中研究宇宙誕生和演化的一門學科。1924年美國天文學家哈勃發現周圍的星系都在遠離銀河系，天文學家才知道宇宙并不是永恒不變的，而是正在膨脹。當時人們普遍相信，在引力的作用下，宇宙的膨脹會逐漸變慢。但1998年，超新星（supernova）的觀測結果表明宇宙的膨脹速度不僅沒有減慢，甚至還在增加[3-4]。現有的理論都無法解釋這個現象。于是“暗能量”（dark energy）的概念被創造出來[5]，用于提供宇宙加速膨脹所需的斥力。而宇宙微波背景輻射（CMB）作為大爆炸的直接證據，也是研究宇宙學的重要窗口。2003年美國國家航天局（National Aeronautics and Space Administration，NASA）威爾金森微波各向異性探測器（Wilkinson Microwave Anisotropy Probe，WMAP）衛星測量的結果也直接證實了宇宙加速膨脹的現象，從而成為暗能量理論的重要觀測證據[6]。但也有研究者認為這也許是因為現有的引力理論在宇宙尺度上并不適用，需要修改[7]。“暗能量”問題作為近20年來最大的宇宙學研究熱點引起了天文學界廣泛的研究興趣。本節將通過相關術語的趨勢圖來具體分析“暗能量”及有關概念之間的互動和影響：

1.超新星

超新星（supernova，SN或SNe）是大質量恒星在演化末期以極高亮度爆發并死亡的一個劇烈過程。在望遠鏡發明之前的1000年里，人類一共只記錄了五顆超新星。而今天，天文學家們每年都會發現上百顆超新星。超新星主要分為I型和II型，其中吸收伴星物質而塌縮的Ia型超新星占所發現超新星總數的80%[8]。這類超新星具有典型的光變曲線，可被當作標準燭光測量距離，從而推算宇宙膨脹的速度變化。

由圖4超新星相關術語論文數占比隨時間變化趨勢（1996—2018）可以看出，自1996年以來，超新星的研究熱度在持續上升。這是由于望遠鏡遠程觀測技術、數碼照相設備、圖像自動識別技術的結合構成了全新的超新星搜尋發現系統，大大提高了超新星搜索效率。超新星的發現數量在1996年首次上升到每年100個[9]。1998年Adam Reiss等人通過高紅移處Ia型超新星數據發現宇宙加速膨脹的證據[3]，引發了超新星和宇宙學研究的熱潮。圖4中1998年上半年的豎線就對應Adam Reiss的論文發表時間。

在超新星結果出來之后，美國芝加哥大學Michael Turner教授隨即提出“暗能量”一詞在理論上解釋加速現象[5]。隨著越來越多的觀測數據以更高的精度證實了之前的結論，“暗能量”一詞迅速成為宇宙學領域的熱門話題。

2011年10月（對應圖4中的第二條豎線），最早用超新星發現宇宙加速膨脹證據的兩個團隊獲得諾貝爾物理學獎。這一獎項讓更多的公眾關注這一學科，但對相關領域的研究并沒有明顯的帶動作用。而且，Ia型超新星作為最先被研究清楚的類型，它在整個天文學科中的論文占比相對穩定。但考慮到超新星研究領域的論文體量在持續增加，Ia型超新星在其中所占的比重其實是在逐漸降低的。相關研究者的注意力更多地放在其他物理過程不那么清晰的超新星類型研究當中。

2.宇宙微波背景輻射

宇宙微波背景輻射（CMB）是宇宙大爆炸的殘余輻射，在宇宙學領域有重要研究價值。自1964年被發現以來[10]，天文學界對它的研究探測從未終止過。由于大氣在CMB輻射的峰值波段并不透明，當代對CMB的研究與空間設備發展水平密切相關。

COBE衛星是美國1989年發射的CMB衛星，用于研究CMB的空間分布和頻譜。它作為第一顆研究CMB的衛星，產生了深遠的影響，在項目結束多年后仍有論文專門研究。2001年美國國家航天局發射了第二代CMB空間探測器——威爾金森微波各向異性探測器，目標是測量宇宙微波背景輻射溫度的微小漲落。2003年2月，NASA公開了第一年的WMAP數據[6]，這直接帶動了相關領域的研究熱潮，并成為Science（《科學》）雜志評選的年度科技進展之首[11]。

WMAP團隊隨后又在2006年3月、2008年2月、2010年1月、2012年12月分別進行了三年、五年、七年、九年的階段性數據發布[12]，都產生了不同程度的積極影響。但都不如第一次數據釋放時熱度提升明顯。

2006年10月諾貝爾物理學獎授予COBE團隊的美國科學家約翰·馬瑟（John C.Mather）和喬治·斯穆特（George F.Smoot），以表彰他們發現宇宙微波背景輻射的黑體形式和各向異性。但在公眾熱情高漲的同時，相關研究論文的總體占比反倒是下降的。可能是由于媒體和公眾的關注，相關研究者的公共服務時間增加，科研時間相應減少。不過，相關指標在半年內就回復到正常水平。

2009年歐洲航天局（European Space Agency，ESA）發射了普朗克衛星（Planck satellite），以更高的精度測量CMB各向異性，對WMAP的結果進行獨立檢驗。該項目分別在2013年3月、2015年2月、2018年7月進行了三次主要的數據發布[13]。如圖5所示，在項目發射前夕和第一批數據公開后，提交的論文有明顯的階段性提升。雖然普朗克衛星在2013年就停止運行，但對它數據的分析和應用仍在繼續。

圖5還顯示了CMB的研究熱度與大科學設備的數據產出密切相關。雖然設備相關的論文只占相關研究的一小部分，但這些關鍵數據直接帶動了整個領域的研究熱度。不過，長期來看CMB方向的論文占比并沒有發生明顯變化，說明這個領域的規模并沒有因此擴大。這對于宇宙學這類以國家投入為主的基礎學科來說是正常現象。

3.暗能量

在宇宙加速膨脹被發現之前，宇宙學模型（cosmological model）及其基本參數（cosmological parameter）是宇宙學方向的經典課題。1998年，“暗能量”的概念隨著宇宙加速膨脹的發現而被提出[5]，并迅速成為新興研究熱點。雖然研究者對宇宙學參數的討論并未中止，但涉及宇宙學模型的文章比例一直在降低。這是因為隨著觀測數據越來越精確，標準宇宙學模型的地位愈加鞏固，而非標準宇宙學模型的研究困難日益增大。天文學家們的研究重點逐漸轉移到標準暗能量宇宙學模型中各項基本參數的精度限制上。

與此同時，超新星和CMB觀測數據直接推動著“暗能量”的理論研究。不過，理論研究者需要半年到1年左右的緩沖時間來理解并消化新數據。所以，觀測成果峰值和暗能量論文熱度之間存在一定延遲。學界對暗能量的討論隨著WMAP數據的釋放而達到一個很高的熱度水平。在2010年末持續了十余年的“暗能量”的研究熱度開始下降，因為短期內沒有更新更重要的數據出現。在缺乏關鍵性數據的背景下，理論研究很難再有所突破。雖然2011年諾貝爾物理學獎和2012年Planck數據釋放對這個領域都有短期提振的效果，但更高精度的數據并不足以改變熱度持續下降的趨勢。研究者們從理論探討開始轉向實測，希望通過新的技術和設備獲取更多的數據來檢驗或挑戰現有理論。

不過，“暗能量”的問題畢竟仍未解決，它的論文占比仍然停留在一個較高的水平上（2018年arXiv數據庫的天文學科平均每月收錄1000多篇論文，其中約15篇與暗能量研究有關）。理解“暗能量”的本質對于揭開宇宙演化和結構形成的奧秘至關重要。最終的答案將有待更多的實驗、更先進的設備、更精細的觀測來揭曉。

四 總結與展望

本文利用“天文學英語新詞自動提取系統”從論文中提取的關鍵術語列表來追蹤“暗能量”相關的天文術語。筆者根據學術論文中專業術語的出現特點，對所用數據進行了歸一化標定，并選取了合適的提取閾值來避免無關論文的干擾。通過繪制它們隨時間變化的論文占比趨勢圖，清晰直觀地展示出該領域近23年的研究趨勢和熱度變化。這首先說明這個系統從論文中獲得的關鍵術語是有效且完備的，利用論文術語列表來追蹤科研趨勢的思路也是切實可行的。

需要指出的是，本文依據arXiv網站所收錄的專業論文，體現的是科學家研究熱度的趨勢變化，并不反映公眾的興趣和媒體的熱點。這些來自原始論文的專業術語能夠幫助研究人員了解各專業方向的研究動態和發展趨勢，評估科學項目和發現的學術影響及價值，從而建立一套更加客觀合理的專業評價和量化機制。

“暗能量”相關研究近20年的發展過程充分體現了天文觀測與理論研究之間的互動關系。超新星搜索技術的進步直接顛覆了傳統的宇宙學觀念，促生全新的“暗能量”概念。而宇宙微波背景輻射（CMB）天文衛星（COBE、WMAP、Planck）的數據，也直接大大加深了我們對現有標準宇宙學模型的理解，同時也為其他宇宙學模型提供思路和限制。天文學這類基礎學科的科技進步越來越多地依賴于國際合作項目和大型科學裝置。新設備和新數據能夠直接導致新的科學發現、提出新的科學問題、找到學科發展方向。而諾貝爾獎級別的頂級學術獎項作為實至名歸的榮譽追認，是向公眾普及宣傳科技進展的契機，但并沒有對科研工作者的研究方向產生直接的影響。因此，我們在關注學科熱點時，更應該看到這些成績背后長期的投入和堅持。

通過回顧“暗能量”的研究趨勢變化，我們看到新技術、新數據在推動新興理論和研究熱點方面具有重要的意義和價值。在持續不斷的設備投入和數據產出的支撐下，近20年的CMB和超新星研究都表現為平穩的發展趨勢。暗能量的熱度雖然在近期有所下降，但有關宇宙學參數的相關研究并未減少。超新星作為目前探測距離最遠的標準燭光，仍將在暗能量研究中占據重要地位。未來如LSST[14]等更大范圍的巡天將發現更多的超新星，能夠對暗能量相關宇宙學模型參數的范圍進行更有效的限制。與此同時，CMB方面的研究將趨于細化。我們對CMB透鏡效應、B模偏振、小尺度不均勻性等問題的理解都將會對現有宇宙學模型的精確性提出更高的要求。理論方面，由于尚不存在可與現有宇宙學模型旗鼓相當的候選模型，所以在顛覆性的新數據出現之前，未來對暗能量的研究可能仍將以參數限制和模型細化為主。

參考文獻

[1] arXiv submission rate statistic [EB/OL].（2019-01-01）[2019-10-04].https：//arxiv.org/help/stats/2018_by_area/index.

[2] 余恒，崔辰州，張暉.天文學英語新詞自動提取系統[J].天文研究與技術，2015，12（3）：374-380.

[3] Riess A G， Filippenko A V， Challis P， et al. Observational Evidence from Supernovae for an Accelerating Universe and a Cosmological Constant[J]. The Astronomical Journal， 1998， 116： 1009-1038.

[4] Perlmutter S， Aldering G， Goldhaber G. Measurements of Ω and Λ from 42 High-Redshift Supernovae[J]. The Astrophysical Journal， 1999， 517（2）： 565-586.

[5] Huterer D， TURNER M S.Prospects for probing the dark energy via supernova distance measurements[J]. Physical Review D （Particles， Fields， Gravitation， and Cosmology）， 1999， 60（8）： 081301.

[6] Bennett C L， Halpern M， Hinshaw G， et al. First-Year Wilkinson Microwave Anisotropy Probe （WMAP） Observations： Preliminary Maps and Basic Results[J]. The Astrophysical Journal Supplement Series， 2003， 148（1）： 1-27.

[7] de OLIVEIRA-COSTA A， Tegmark M， Zaldarriaga M， et al. Significance of the largest scale CMB fluctuations in WMAP[J]. Physical Review D， 2004， 69（6）：063516.

[8] Li W， Leaman J， Chornock R， et al. Nearby supernova rates from the Lick Observatory Supernova Search - II[J]. Monthly Notices of the Royal Astronomical Society， 2011， 412： 1441-1472.

[9] Richardson D， Jenkins R L， Wright J， et al. Absolute-magnitude Distributions of Supernovae[J]. The Astronomical Journal， 2014， 147： 118.

[10] Penzias A A， Wilson R W. A Measurement of Excess Antenna Temperature at 4080 Mc/s[J]， Astrophysical Journal， 1965， 142： 419-421.

[11] Seife C. Illuminating the Dark Universe[J]. Science，2003，302（5653）： 2038-2039.

[12] Bennett C L， Larson D， Weiland J L， et al. Nine-year Wilkinson Microwave Anisotropy Probe （WMAP） Observations： Final Maps and Results [J]. The Astrophysical Journal Supplement， 2013，208（2）： 20.

[13] Ade P A R， Aghanim N， Arnaud M， et al. Planck 2015 results XIII. Cosmological parameters [J]. Astronomy & Astrophysics， 2016，594： A13.

[14] Ivezi ， Kahn S M， Tyson J A， et al. LSST： From Science Drivers to Reference Design and Anticipated Data Products[J]. The Astrophysical Journal， 2019， 111： 1-44.