基于文獻計量的自動駕駛名詞體系構建方法

史金鵬 王海 杜振雷

摘 要：作為新興前沿交叉學科，自動駕駛領域名詞亟須進行規范。文章使用VOSviewer軟件作為工具，對Web of Science核心合集中1991—2021年自動駕駛領域的5087篇文獻進行關鍵詞計量與可視化呈現，并對自動駕駛領域的名詞與科技前沿進行了分析。文章根據科技名詞規范化工作原則，以關鍵詞聚類圖譜為基礎，嘗試構建自動駕駛名詞框架，包括智能網聯系統、智能駕駛信息和人機協同駕駛三個分支，并對名詞框架體系進行了分析。文章的研究是名詞審定工作流程中階段性工作的一種創新嘗試，以文獻計量學方法為工具開展前沿交叉領域名詞的規范化工作。

關鍵詞：自動駕駛；文獻計量；VOSviewer；科技名詞；關鍵詞圖譜

中圖分類號： H083;V323.19? 文獻標識碼： A? DOI：10.12339/j.issn.1673-8578.2023.02.005

Analysis on Term Standardization of Autonomous Driving Based on Bibliometrics//SHI Jinpeng， WANG Hai， DU Zhenlei

Abstract： As a frontier interdisciplinary subject， the scientific terms of autonomous driving needs standardization. Using VOSviewer， we carried out， bibliometric and visual analysis on the keywords of autonomous driving in 5087 publications of autonomous driving from 1991 to 2021 in the core collection of Web of Science. According to the principle of standardization of scientific term and keyword map， we constructed and analyzed scientific term framework for autonomous driving， including intelligent connected vehicle， autonomous driving and human-machine collaborative driving. This study explored an innovative method of scientific terms standardization in frontier interdisciplinary subjects.

Keywords：autonomous driving；bibliometric;VOSviewer；scientific term；keyword map

收稿日期：2022-05-17? 修回日期：2022-09-02

基金項目：國家語言文字工作委員會“十三五”科研規劃2020年度一般項目（全國中文學習聯盟研究專項）“面向中文學習者的科技名詞術語釋義擴展生成研究”（YB135-155）；全國科學技術名詞審定委員會事務中心2022年度一般項目“基于文獻計量的科技名詞工作生態構建及創新路徑研究”（SWZX2022003）

0 引言

科技名詞是指各種表達科學和技術概念的語言指稱。“凡百工作，首重定名；每舉其名，即知其事，斯為上矣”［1］，嚴濟慈先生早在20世紀30年代就曾撰文闡述名詞術語規范化在科技進步中的重要作用和意義。全國科學技術名詞審定委員會成立于1985年（原“全國自然科學名詞審定委員會”，以下簡稱“全國科技名詞委”），是經國務院授權，代表國家審定、規范科技名詞的權威機構。全國科技名詞委成立30多年來，已經審定公布了150種規范名詞，基本涵蓋了基礎科學、工程技術、農林醫學、社會科學和軍事科學等學科大類。

隨著科學技術的持續進步，新興的前沿交叉領域不斷產生，新的科技名詞、概念也大量同步產生，并廣泛快速地傳播。以自動駕駛為例，自動駕駛［2］是在20世紀被提出的概念，在當時受技術限制，僅處于試驗階段。到21世紀初，隨著人工智能、車聯網等技術的逐步成熟，自動駕駛技術在實際應用中快速發展，相關名詞術語也在各類媒體中廣泛傳播。然而，對自動駕駛相關名詞術語的過度宣傳，造成人們對自動駕駛的功能產生了誤解。因此，國家市場監督管理總局、國家標準化管理委員會于2022年3月1日實施了推薦標準《汽車駕駛自動化分級》（GB/T 40429—2021）［3］，該標準規定了汽車駕駛自動化分級應遵循的原則、分級要素、各級別的定義和技術要求框架，將駕駛自動化等級劃分為0～5級共6個級別（見表1），旨在解決我國汽車駕駛自動化分級的規范性問題。同時，該標準對23個駕駛自動化術語進行了解釋（見表2），其中核心術語為駕駛自動化。但是，該標準也明確說明這23個術語和定義僅適用于當前文件，并不能體現自動駕駛領域名詞術語的規范化體系。

因此，前沿交叉領域名詞規范化的重要性和必要性不言而喻，而開展科技名詞規范化工作首先是確定學科（或領域），其次是建立該學科（或領域）的概念體系，然后按照概念體系規范該學科（領域）的科技名詞，其中最為核心的就是構建學科（或領域）的概念體系。但是，作為前沿交叉領域，其科技名詞規范化工作相當復雜，一方面需要厘清與各學科交叉融合的內容，并構建名詞體系；另一方面其自身的研究與發展處于不斷的成長與變化中，名詞體系的構建要與科學研究同步進行。

全國科技名詞委以術語學理論和科技名詞規范化工作實踐為基礎，制定了《科技名詞審定工作原則與方法》［4］，其中一條重要審定原則就是科技名詞規范化工作首先應構建本學科的名詞體系，而且該體系能囊括本學科全部基本概念。這個名詞體系的構建關系到整個學科名詞審定的系統性、平衡性與協調性。一個學科的名詞體系要能厘清學科名詞的審定范圍，劃清學科名詞體系的層次結構，并劃定各分支之間的“邊界”，尤其是與其他分支存在交叉的內容，需要確定該內容歸于哪個分支。這項審定業務工作一直都是依靠具有學科發展戰略視野、精通學科專業知識的專家來完成。本文擬采用科技文獻計量分析，研究自動駕駛技術與名詞概念的關聯，以及如何構建自動駕駛領域的名詞體系，并探索名詞體系的構建方法。

1 科技文獻計量分析

科技文獻是記錄科研工作者用科學語言發表最新研究成果的重要媒介。科技文獻計量是研究采用數學與統計學等定量方法對文獻特征進行分析和處理，在一定程度上描述、評價某一研究領域的現狀，反映該領域研究前沿和熱點的一種方法［5］。通過這種方法，對某一領域的熱門研究主題進行挖掘，可以快速地了解并掌握該領域的前沿知識、主流的理論和技術。近年來文獻計量研究通過繪制工具將文字數據表格分析轉化成更加形象易讀的可視化知識圖譜［6］，常用軟件如VOSviewer、CiteSpace、SPSS和TDA等。

1.1 研究對象

本文研究數據來自Web of Science核心合集，以自動駕駛技術為檢索對象，因此檢索式為：TS=（″autonomous driving″ or ″automated driving″ or ″self-driving″），文獻類型為論文，共檢索出1991—2021年的科技文獻5087篇。檢索時間為2022年7月8日。

1.2 研究工具

本研究使用VOSviewer知識圖譜工具軟件對樣本文獻數據進行計量分析［7-8］。VOSviewer是由荷蘭萊頓大學科學技術研究中心的Nees Jan van Eck 和 Ludo Waltman在2010年聯合開發的一款文獻分析和可視化軟件，可實現諸如關鍵詞共現分析［9］、文獻作者分析、研究機構分析和文獻耦合分析等功能［10］，并可將分析結果進行可視化展示。其中關鍵詞共現分析是指關鍵詞在同一篇文獻中出現的次數越多，則代表它們表述的主題關系越密切。在全部的關鍵詞網絡中，聯系強度大的關鍵詞相互靠攏聚集在一起，形成概念相對獨立的關鍵詞聚類，進而可以根據聚類分析構建其名詞體系。本次研究使用軟件的版本是VOSviewer1.6.18。

2 自動駕駛名詞體系構建

2.1 自動駕駛名詞的范圍

自動駕駛是一個涉及汽車工程、人工智能、計算機、微電子、自動化、通信等多學科的交叉領域。根據Web of Science的引文分析結果，自動駕駛領域內，發文量居前10的研究方向分別是工程、計算機科學、電信、交通運輸、化學、儀器儀表、物理學、心理學、自動化控制系統、機器人學，發文量為4458篇，占總發文量的87.6%（圖1）。

本文使用VOSviewer軟件篩選文獻中的關鍵詞，在去除語義過寬和合并語義相同的詞匯之后，將出現頻次排名前20的關鍵詞與全國科技名詞委審定公布的規范名詞進行比對，可以看出自動駕駛領域的名詞既包括其他相關學科中的科技名詞，也包括自動駕駛領域自身產生的新名詞，如表3所示。可見自動駕駛名詞體系是一個以本領域名詞為核心，包含與之密切相關的多個學科名詞的前沿交叉融合體系。

2.2 自動駕駛名詞體系構建

2.2.1 自動駕駛名詞聚類分析

科技文獻中的關鍵詞絕大多數屬于科技名詞的范疇，而且是經過作者篩選、能夠代表該文獻核心內容的科技名詞，因此，通過關鍵詞共現分析，所形成的聚類是由眾多關聯性強的名詞組成的研究方向，如同“名詞拼圖”［11］。

本文通過VOSviewer軟件將Web of Science核心合集中自動駕駛領域1991—2021年發表的文獻中出現的關鍵詞進行聚類分析，選取共現頻次高于5的關鍵詞，共有727個關鍵詞，去除語義過于寬泛的詞匯（如agency、comfort等），以及合并表述含義相同的詞匯（如cav與connected and autonomous vehicles等）后，共保留564個關鍵詞，所形成的可視化圖譜中每一個節點代表一個關鍵詞，節點之間的連線代表這兩個關鍵詞之間的共現關系，圖中連線交叉密集、結構緊湊，說明該研究內容的關注度較高，關鍵詞關聯強度高，節點大小顯示了關鍵詞累計出現的頻次高低。

本文首先采用默認聚類精度1（默認值），同時為了能夠清晰顯示圖譜中的關鍵詞及聚類結構，設置軟件顯示比例為0.5（最低），共形成9個聚類，其中最大的聚類（紅色）包括了111個關鍵詞，中間的7個聚類所包括的關鍵詞數量分別是101、99、91、75、31、27和21，最小的聚類（粉色）只包括了8個關鍵詞，如圖2所示。此種聚類體系與科技名詞規范化工作所要求的名詞體系并不符合，各分支之間的“邊界”并不清晰，存在分支之間相互交叉的現象，如radar、lidar、3d lidar等關鍵詞均用于自動駕駛的環境感知功能，但卻分布在多個不同的聚類之中。

為了研究自動駕駛領域關鍵詞聚類的其他可能性，本文調整聚類精度（聚類精度越高，聚類數量越多），設置為0.5，同時為了能夠清晰顯示圖譜中的關鍵詞及聚類結構，設置軟件顯示比例為0.5（最低），共形成3個聚類，其中最大的聚類（紅色）包括238個關鍵詞，中間的聚類（綠色）包括206個關鍵詞，最小的聚類（藍色）包括120個關鍵詞，如圖3所示。

從以上兩個關鍵詞圖譜初步對比來看，圖2中的聚類較多，聚類之間相互交錯，個別聚類顯示不清晰，關鍵詞相對分散；圖3中的聚類較少，聚類顯示清晰，關鍵詞相對集中，基本符合名詞體系構建的需要。為進一步判斷關鍵詞圖譜二是否有助于名詞體系的構建，還需研究自動駕駛技術。

2.2.2 自動駕駛名詞體系構建

根據全國科技名詞委的審定原則以及對自動駕駛名詞與技術的分析，可以看出關鍵詞圖譜一的聚類不夠清晰，存在各分支之間相互交叉，名詞體系的層次結構不清的情況，而關鍵詞圖譜二的聚類相對清晰，相同研究領域的關鍵詞也在同一聚類里，關鍵詞圖譜二更符合構建自動駕駛名詞體系的需要。

聚類一：智能網聯系統［12］分支。該聚類中的高頻關鍵詞，如自動駕駛汽車（autonomous vehicles）、機器學習（machine learning）、物聯網（internet of things）和智能交通系統（intelligent transportation systems）等，這些關鍵詞在文獻中代表了自動駕駛研究中車輛、人工智能、互聯網絡和交通系統幾個研究方向，并且幾個研究方向關聯緊密。因此，該聚類以自動駕駛汽車為基礎，通過人工智能與云端網聯平臺對車輛的智能控制決策，結合車輛與道路的協同實現自動駕駛功能。聚類一中共現頻次位于前40的關鍵詞如表4所示。

單車自動駕駛的智能決策通過車上安裝的傳感器完成對環境的探測和定位功能［13］。計算決策一方面將傳感器數據進行分析處理，實現對目標的識別；另一方面進行行為預測和全局路徑規劃、局部路徑規劃和即時動作規劃，決定車輛當前及未來的運行軌跡。控制執行主要包括車輛的運動控制以及人機交互，決定每個執行器如電機、油門、剎車等控制信號。

車路協同自動駕駛［14］是在單車智能自動駕駛的基礎上，通過先進的車、道路感知和定位設備（如攝像頭、雷達等）對道路交通環境進行實時高精度感知定位，包括道路工程及配套附屬設施，路側通信設施（直連無線通信設施、蜂窩移動通信設施）和計算控制設施（邊緣計算節點、各級云平臺）等。通過車輛自動化、網絡互聯化和系統集成化，最終構建一個車路協同的智能交通系統。

車聯網［15］是借助全新的信息和通信技術，實現車內、車與X（車、路、人、云等）連接的網絡體系。其中，車與云平臺間的通信是車輛通過衛星無線通信或移動蜂窩等無線通信技術實現與車聯網服務平臺的信息傳輸，接受平臺下達的控制指令，實時共享車輛數據；車與車間的通信即車輛與車輛之間實現信息交流與信息共享，包括車輛位置、行駛速度等車輛狀態信息，可用于判斷道路車流狀況；車與路間的通信借助地面道路固定通信設施來實現，用于監測道路路面狀況，引導車輛選擇最佳行駛路徑；車與人間的通信是用戶可以通過WiFi、藍牙、蜂窩等無線通信手段與車輛進行信息溝通，使用戶能通過對應的移動終端設備監測并控制車輛；車內設備間的通信是車輛內部各設備間的信息數據傳輸，用于對設備狀態的實時檢測與運行控制，建立數字化的車內控制系統。

聚類二：智能駕駛信息分支。該聚類中的高頻關鍵詞，如深度學習（deep learning）、目標探測（object detection）和同步定位與制圖（simultaneous localization and mapping）等，這些關鍵詞在文獻中代表了自動駕駛車輛智能駕駛信息獲取的研究方向。因此，該聚類以深度學習［16］為基礎，通過環境感知［17］、高精度地圖和定位技術［18］獲取外部信息，進行信息分析實現自動駕駛的智能規劃。聚類二中共現頻次前40的關鍵詞如表5所示。

環境感知與地圖定位系統是由攝像頭、激光雷達、毫米波雷達、高精度地圖和高精度定位等組成，根據攝像頭和GPS，自動收集信息繪制出高精度地圖。系統通過傳感器采集的信息進行圖像處理，智能網絡識別車輛周圍障礙物，實現復雜道路自主躲避障礙、行車距離控制、車道線識別、導航等功能。系統可及時感知靠近車輛的方位、車速，對駕駛員的行駛意圖進行預測。傳感器主要包括車輪轉速傳感器、加速度傳感器、微機械陀螺儀、轉向盤轉角傳感器、超聲波傳感器、視覺傳感器等，高精度地圖與定位技術主要使用全球定位系統（GPS）、中國北斗衛星導航系統等，獲取道路環境實時動態數據，以及同步地圖與定位（SLAM），即一邊計算自身位置，一邊構建環境地圖的過程。首先由感受傳感器如里程計、陀螺儀等感知測量車輛軌跡，然后用激光雷達或視覺感知環境，通過主動或被動標識、地圖匹配或導航信標進行定位。位置的計算方法包括三角測量法、三邊測量法和模型匹配算法等。車輛在接收到環境感知系統的信息后進行融合，對道路、車輛、行人、交通標志和交通信號等進行識別，并按照從高精度地圖路由尋址的結果，決策分析和判斷車輛駕駛模式和將要執行的操作，對當前車輛進行規劃（速度規劃、朝向規劃、加速度規劃等），并產生相應的決策（跟車、換道、停車等）。

聚類三：人機協同駕駛［19］分支。該聚類中的高頻關鍵詞，如自動駕駛（autonomous driving）、自動駕駛系統（automated driving systems）、駕駛模擬器（driving simulator）和人機交互（human-automation interaction）等，這些關鍵詞在文獻中代表了自動駕駛車輛如何駕駛以及駕駛員與系統協同的研究方向。因此，該聚類以自動駕駛（autonomous driving）為基礎，通過駕駛員的狀態監測，駕駛員與車輛之間的人機交互［20］，實現人機協同的自動駕駛。聚類三中共現頻次前40的關鍵詞如表6所示。

在國家標準《汽車駕駛自動化分級》中，將駕駛自動化等級劃分為0～5級，其中0～3級都需要駕駛員與系統共同對車輛做出操控、響應的處理。人機協同控制是指駕駛員和智能控制系統同時在環，協同完成駕駛任務，大致分為三類：（1）通過人機交互增強駕駛員感知能力的智能駕駛輔助，這種智能輔助主要是指車載智能系統經由雷達、攝像頭等感知設備進行人機交互，獲得駕駛員不能了解或了解不全面的交通信息，通過智能系統分析并對駕駛員進行視聽觸多方位的預警，達到機器增強駕駛員感知的初級人機協同模式；（2）基于特定場景的人機駕駛權切換，在某些場景下，車輛控制超出駕駛員能力之外時，智能系統獲取車輛駕駛權，相反，當車輛控制超出智能系統能力范圍的工況發生時，系統需對駕駛員進行喚醒并移交控制權，如自動緊急制動系統、自適應巡航系統和自動泊車系統等；（3）人機共駕車輛的駕駛權動態分配則是人機協同自動駕駛的未來發展方向，會形成人機并行控制的復雜動態交互關系。另外，在人機協同控制的研究中，駕駛員的狀態監測、意圖識別和駕駛行為建模也是非常重要的內容。

基于以上分析，自動駕駛名詞體系由“智能網聯系統”“智能駕駛信息”“人機協同駕駛”3個一級分支和“智能決策規劃”“車輛控制執行”“車路協同系統”“車聯網技術”“環境感知”“地圖與定位”“人機交互”“人機共駕”8個二級分支組成，如圖4所示。

3 名詞體系構建方法

《辭海》（第七版）對“體系”做出如下定義：“體系是若干有關事物互相聯系、互相制約而構成的一個整體。如：理論體系；語法體系；工業體系。”［21］

由此，可以定義名詞體系為：關于研究對象某些方面的聯系的名詞，聚集形成名詞單元，規范化的名詞單元通過相互聯系、相互制約而構成的一個整體。

構建一個學科的名詞體系，首先找到名詞體系核心，即一個關于某學科知識的總稱，并根據該學科的研究內容與任務，明確該學科名詞體系構建的范圍。其次確定領域，了解研究場景，列出該學科可能出現的名詞、概念以及關系列表，分析研究知識單元——科技名詞，對該學科越了解，所建的名詞體系越完善。再次確定知識體系結構，當列出來所有的名詞、概念以及關系列表之后，需要對名詞進行層次結構的分類。確定分類層級通常有兩種方法：自頂向下和自底向上。自頂向下就是從最核心的名詞開始，逐層擴展添加各層名詞；自底向上則是相反的過程。最后確定名詞的概念以及名詞之間的關系。做到這一步，名詞體系就基本構建完成了。然而，新的研究、技術與名詞的產生，必然會對原來的名詞體系造成沖擊，需要勇于打破現有的名詞體系，接受新的知識與概念，構建新的名詞體系。構建流程如圖5所示。

科技名詞規范化工作是一項以學科為抓手的基礎性工作。一個學科的知識體系是由該學科的一系列知識單元組合而成，且是具有秩序的知識結構，這些知識單元的外在表現形式就是科技名詞，故知識體系［22-23］是形成名詞體系的基礎和前提。在以前的科技名詞規范化工作中，名詞體系構建是依靠具有學科發展戰略視野、精通該學科專業知識的專家來主導完成。隨著文獻計量方法與可視化知識圖譜技術的日漸成熟，科技文獻中蘊含著大量的前沿交叉研究成果，本文嘗試將其引入到名詞規范化工作中，作為一種構建新興的交叉前沿學科（領域）名詞體系的有益探索，同時通過深入研究分析前沿學科的發展，為前沿學科的名詞規范化工作奠定基礎。

4 結語

自動駕駛技術近年來得到了飛速發展，而自動駕駛的名詞規范化工作尚未全面展開。作為新興的研究領域，自動駕駛有其特殊性，一方面自動駕駛屬于多學科交叉領域，另一方面自動駕駛自身尚未形成一個學科，不具有學科體系。科技名詞規范化的傳統工作模式是以學科為抓手，在學科體系的基礎上，依靠專家構建該學科的名詞體系并開展科技名詞審定工作。本文采用科技文獻計量方法，針對新興的前沿交叉領域——自動駕駛，開展自動駕駛名詞體系的研究。本項研究分析了不同文獻計量參數條件下的自動駕駛關鍵詞聚類，選取符合自動駕駛名詞規范化工作的聚類，構建自動駕駛這一前沿學科的規范化名詞體系。同時，本文嘗試了基于文獻計量的名詞體系構建方法，是對前沿交叉學科領域的名詞規范化工作的一種創新性探索，下一步，將基于文獻計量的科技名詞規范化的“工作生態”進行研究。

參考文獻

［1］ 嚴濟慈.論公分公分公分［J］.東方雜志，1935，32（3）：79-82.

［2］ 王金強，黃航，郅朋，等. 自動駕駛發展與關鍵技術綜述［J］. 電子技術應用，2019，45（6）：28-36.

［3］ 全國汽車標準化技術委員會.汽車駕駛自動化分級：GB/T 40429—2021［S］.北京：中國標準出版社，2021：1-16.

［4］ 全國科學技術名詞審定委員會.關于下發《全國科學技術名詞審定委員會組織條例》和《全國科學技術名詞審定委員會科學技術名詞審定原則及方法》的通知［Z］. 科詞委字〔2010〕031號.

［5］ 邱均平.文獻計量學［M］.北京：科學技術文獻出版社，1988.

［6］ NICOLAISEN J．Bibliometrics and Citation Analysis： From the Science Citation Index to Cybermetrics ［J］．Journal of the American Society for Information Science and Techno-logy， 2010，61（1）： 205-207．

［7］ 高凱.文獻計量分析軟件VOSviewer的應用研究［J］.科技情報開發與經濟，2015，25（12）：95-98.

［8］ 劉金花，崔金梅. 基于VOSviewer的領域性熱門研究主題挖掘［J］.情報探索，2016（2）：13-16.

［9］ 馮璐，冷伏海. 共詞分析方法理論進展［J］.中國圖書館學報，2006（2）：88-92.

［10］ KEVIN W， BOYACK， KLAVANS R. Co-Citation Analysis， Bibliographic Coupling， and Direct Citation： Which Citation Approach Represents the Research Front Most Accurately？ ［J］. Journal of the American Society for Information Science and Technology，2010，61（12）： 2389-2404．

［11］ 張奕駿，張暉，肖逸影，等. 基于科學知識圖譜的汽車智能化發展研究［C］//世界交通運輸大會執委會.世界交通運輸工程技術論壇（WTC2021）論文集.北京：人民交通出版社，2021：1698-1703.

［12］ 李克強，戴一凡，李升波，等.智能網聯汽車（ ICV ） 技術的發展現狀及趨勢［J］. 汽車安全與節能學報，2017，8（1）：1-14.

［13］ 彭育輝，江銘，馬中原，等.汽車自動駕駛關鍵技術研究進展［J］.福州大學學報（自然科學版），2021，49（5）：691-703.

［14］ 張云順，華國棟，李寧，等.基于車路協同的智能駕駛研究綜述［J］.汽車文摘，2022（6）： 49-57.

［15］ 肖瑤，劉會衡，程曉紅.車聯網關鍵技術及其發展趨勢與挑戰［J］.通信技術，2021，54（1）：1-8.

［16］ 張新鈺，高洪波，趙建輝，等. 基于深度學習的自動駕駛技術綜述［J］. 清華大學學報（自然科學版），2018，58（4）：438-444.

［17］ 崔勝民.智能網聯汽車新技術［M］.北京：化學工業出版社，2016.

［18］ 《中國公路學報》編輯部. 中國汽車工程學術研究綜述·2017［J］.中國公路學報，2017，30（6）：1-197.

［19］ 胡云峰，曲婷，劉俊，等. 智能汽車人機協同控制的研究現狀與展望［J］.自動化學報，2019，45（7）：1261-1280.

［20］ 鄒啟杰，李昊宇，張汝波，等. 自主駕駛的人機交互控制［J］.山東大學學報（工學版），2019，49（2）：23-33.

［21］ 辭海編輯委員會.辭海·語詞分冊［DB/OL］.［2022-05-10］.上海：上海辭書出版社，2021. https：//www.cihai.com.cn.

［22］ 李景，孟連生.構建知識本體方法體系的比較研究［J］.現代圖書情報技術，2004（7）：17-22.

［23］ 張曉林，李宇.描述知識組織體系的元數據［J］.圖書情報工作，2002（2）：64-69.

作者簡介：史金鵬（1980—），男，碩士，全國科學技術名詞審定委員會事務中心審定業務二處副處長，承擔物質科學、工程技術等領域的科技名詞規范化及海峽兩岸科技名詞對照工作。從事先進制造與科技名詞規范化理論與實踐方面的研究，參與先進制造、產業咨詢、國外技術標準翻譯項目等19項，主持、參與國家語言文字工作委員會、中國科學院文獻情報中心、全國科學技術名詞審定委員會事務中心等的項目8項，組織審定公布6部科技名詞。通信方式：shijp@cnterm.cn。

王海（1985—），女，博士，副研究員，全國科學技術名詞審定委員會事務中心審定業務一處處長，負責生命科學和地球科學等領域的科技名詞規范化及海峽兩岸科技名詞對照工作。主要研究方向為科技術語規范化、術語理論與實踐、海峽兩岸名詞對照等。主持全國科學技術名詞審定委員會事務中心重點項目1項，參與國家語言文字工作委員會基金項目2項、全國科學技術名詞審定委員會事務中心項目2項，參與《兩岸科學技術常用詞典》《中華科學技術大詞典》《大數據百科術語辭典》《學習強國·每日科技名詞》等項目，組織審定公布6部科技名詞。通信方式：wangh@cnterm.cn。

杜振雷（1985—），男，碩士，全國科學技術名詞審定委員會事務中心宣傳推廣處副處長、“學習強國·每日科技名詞”編輯部主任、全國語言與術語標準化技術委員會計算機輔助術語工作分技術委員會委員。主要研究方向為術語管理與傳播、自然語言處理。主持“術語在線”術語知識服務平臺運營，主持、參與國家語言文字工作委員會基金項目3項、國家自然科學基金項目2項，參與起草新聞出版行業標準1項，組織出版《學習強國·每日科技名詞》系列圖書。通信方式：duzl@cnterm.cn。