計算機科學與技術學科研究熱點及前沿分析

關鍵詞： 計算機科學與技術 關鍵詞 研究頻次 高被引論文 SCIE 論文

對某一時刻正在關注的熱點領域，涌現的具有發展潛力的研究方向和科學研究中最先進、最新的研究主題進行的科學分析，可以為研究人員提供所關注領域的研究動態，找到具有價值的研究方向或潛在研究領域[1]。

學科研究熱點與學科發展前沿是一個學科發展的航向標[2]。關鍵詞是分析研究領域內熱點前沿問題的重要抓手，分析高頻關鍵詞是挖掘熱點問題的常用方法。為了探索計算機科學與技術學科的研究熱點及前沿問題，文章采用2011—2020 年江西高校計算機科學與技術學科排名前10% 的高被引論文的關鍵詞，以及被SCIE 收錄論文的關鍵詞詞頻數據進行統計分析，以期為相關人員提供參考。

1 數據來源和統計方法

1.1 數據來源

文章以中國高校科研成果統計分析數據庫、中國學術期刊全文數據庫（CNKI）、科學引文索引（SCIE）為數據統計來源。

1.2 檢索策略

首先，分別以南昌大學、江西師范大學等江西省30 所高校名稱為檢索詞，在中國高校科研成果統計分析數據庫中，檢索下載江西高校“計算機科學與技術”學科，2011—2020 年排名前10% 的高被引論文數據條目，然后再通過獲取到的排名前10% 高被引論文的題名或作者等字段信息，在CNKI 中檢索下載到對應論文的關鍵詞，檢索截止時間分別為2021 年4 月15 日和2021 年11 月26 日。

其次，在SCIE 數據庫中，選擇機構擴展輸入江西30 所高校的英文名，進行檢索，并利用Incites 工具軟件，精練出2011—2020 年間，江西高校“計算機科學與技術學科”被SCIE 收錄的文獻類型為Article 的論文信息，數據采集時間為2021 年12 月8 日。

1.3 數據處理和統計方法

利用Excel 對數據進行去重和統計分析。

2 高被引論文分析

高被引論文是指在一定的時間和研究范圍內，被引用頻次較高的學術論文，被引頻次越高，意味著論文的學術價值和影響力越大[3]，一定程度上可以體現某學科或專業方向的研究前沿和熱點。故文章對江西高校計算機科學與技術學科，2011—2020 年，國內研究論文排名前10% 的655 篇高被引論文的關鍵詞進行了統計分析，以直觀呈現計算機科學與技術學科的研究態勢。

2.1 關鍵詞研究概覽統計分析

關鍵詞概括了研究者的主要內容、學術思想和主要研究方法，能夠反映文章的研究方向和范圍，是科學定量研究的重要指標[4]。某個學術領域的研究熱點反映的是在某一時期內研究人數多、研究范圍廣、研究層次深的問題，其中關鍵詞作為一篇文章的核心凝練，其出現的頻次能夠較為準確地反映這一時期該領域的研究熱點內容[5]。關鍵詞出現的頻次越多，說明該研究比較火熱。

根據數據透視結果顯示，江西30 所高校2011—2020 年，計算機科學與技術學科排名前10% 的655 篇高被引論文，共涉及關鍵詞2 162 個，詞頻累計2 892次。詞頻在10 次及以上的關鍵詞有11 個，僅占2 162個的0.51%，其詞頻為191 次，占2 892 個的6.60%；詞頻在2～9 次的關鍵詞有298 個，占2 162 個的13.78%，其詞頻為848 次，占2 892 個的29.32%；詞頻為1 次的關鍵詞有1 853 個，占關鍵詞2 162 個的85.71%，其詞頻為1 853 次，占2 892 個的64.07%；說明該學科領域內的研究方向既分散又高度集中。其中詞頻在10 次以上的關鍵詞依次是圖像處理、圖像分割、深度學習、機器視覺、卷積神經網絡、特征提取、云計算、支持向量機、邊緣檢測、主成分分析、目標跟蹤。被研究最多的關鍵詞是圖像處理，詳情見圖1。

2.2 熱點關鍵詞研究趨勢分析

為了進一步探究計算機科學與技術學科研究熱點的趨勢，文章對關鍵詞的年度分布進行了統計分析，從時間維度展現了這些關鍵詞在不同時段研究的演化過程。

2.2.1 詞頻在10 次及以上熱點研究趨勢分析

研究熱點是指在某一時間段內，有內在聯系的、數量相對較多的一組論文所探討的問題或專題[6]。表1統計分析了詞頻在10 次及以上的前沿熱點的年度分布情況。數據顯示，卷積神經網絡是近4 年才出現的研究熱點；圖像處理、機器視覺等關鍵詞研究的時間跨度長，是該領域被持續關注的熱點；其余詞頻在10 次以上的關鍵詞年度研究軌跡詳情具體如表1 所示。在這些研究熱點中，圖像分割、云計算及主成分分析的研究基本處于逐年減少的趨勢，在2020 年也無學者研究，其他熱點都得到了持續的關注，這部分熱點的研究可能還會持續一段時間。

2.2.2 近3 年熱點關鍵詞及未來研究方向分析

為了全面揭示該領域近期的研究熱點和未來研究方向，文章進一步統計了2018—2020 年新出現的關鍵詞共654 個，其中詞頻為3 次的關鍵詞有10 個，詞頻2次的關鍵詞有40 個。表2 列出了這3 年新出現且2020年有研究的關鍵詞研究情況。

數據顯示，近3 年新出現且詞頻在2 次以上的關鍵詞有直方圖、遷移學習、矩陣分解、區塊鏈、移動邊緣計算、形態學濾波、無人機、殘差網絡、長短期記憶神經網絡等，是近期該學科領域內新的關注點。

另外，2020 年新出現的關鍵詞一共有161 個，詞頻2 次以上的關鍵詞有4 個，詞頻1 次的關鍵詞有157 個，未來的研究方向可能從中產生，如區塊鏈、智能合約、教學改革與實踐、差分隱私、三維人臉識別、無監督學習、同態加密、人臉超分辨率、火焰圖像識別等。

3 2011—2020 年SCIE 論文關鍵詞分析

SCIE 期刊是國際三大檢索系統之一，是由美國科學信息研究所創辦出版的引文數據庫，收錄的是國際上最具影響力的期刊，被許多國家和地區承認，具有反映科技論文質量和學術水平的功能，對科技工作者查閱最新文獻、跟蹤國際學術前沿、科研立項以及在具體的課題研究中及時了解國際動態都有很大幫助[7]。故本文選擇對江西高校計算機科學與技術學科SCIE 論文的關鍵詞進行統計分析。

3.1 關鍵詞概覽

在SCIE 中，選擇機構擴展輸入江西30 所高校的英文名，進行論文檢索，并利用Incites 工具軟件，精練出2011—2020 年間，江西高校“計算機科學與技術學科”被SCIE 收錄的論文共2 592 篇，數據清洗后剩余2 340篇。然后利用Excel 對這些論文的作者關鍵詞進行數據清洗及同義詞聚類。表4 數據顯示，2 340 篇SCIE論文共涉及關鍵詞7 384 個，其中詞頻在10 次以上的關鍵詞有66 個，占7 384 個的0.89%，其頻次為1196次，占累計頻次11 144 次的10.73%，研究熱點相對集中且具有一定的持續性；詞頻2～9 次的關鍵詞有1 301個，占7 384 次的17.62%，其頻次為3 931 次，占11 144次的35.27%；詞頻為1 次的關鍵詞有6 017 個，占7384 次的81.49%，其頻次為6 017 次，占11 144 次的53.99%，從統計數據可看出，該領域研究的關注點既集中又分散。

表4 列出了詞頻在20 次以上的熱點關鍵詞，詞頻最多的關鍵詞是Feature extraction，高達52 次。

3.2 研究熱點的趨勢分析

為了深入探究國際上計算機科學與技術學科近10 年來的研究熱點及其發展變化，本文對作者關鍵詞研究的年度分布進行了數據透視，從詞頻和時間維度兩方面對該領域的研究熱點進行了統計分析。

3.2.1 10 年來熱點研究的演進趨勢

表5 列出了詞頻20 次以上關鍵詞的年度分布情況。根據表5 數據顯示，大部分關鍵詞都是近10 年被學者持續關注的熱點，在這些熱點當中，有的處于逐年下降趨勢，其研究熱度可能接近尾聲，會慢慢淡出人們的研究視野，如Scheduling、Sparse representation 等；有的是近5 年才出現的研究熱點，極大可能成為今后一段時間內研究的前沿主題，如Deep learning、Convolutionalneural networks 等，其研究態勢呈現逐年上升趨勢；而Feature extraction、Particles warm optimization、Internet of Things、Optimization、Neural networks、Genetic algorithms 等關鍵詞既是人們持續關注的熱點，也是人們研究的前沿，研究時間跨度長、累計頻次高，且2020 年詞頻在10 次以上，其研究基本呈現持續增長態勢。

3.2.2 近3 年研究熱點

2018—2020年涉及的關鍵詞共4 161個，其中，詞頻在2次及以上的關鍵詞有531個，占4 161個的12.76%，近3 年研究熱點主要集中在Task analysis、Licenses、Artificial intelligence、Energy-efficiency 等關鍵詞上，表6 列出了最近3 年詞頻在6 次以上的關鍵詞。

3.2.3 最新研究前沿和未來方向

通過數據透視，對2020 年新出現的關鍵詞進行了數據統計，從中能較好地判斷該領域最新的研究熱點和預測未來的研究方向。

根據數據透視結果顯示，2020 年新出現的關鍵詞有1 725 個，占關鍵詞總量7 384 次的23.36%，其頻次1 923 次，占累計頻次總量11 144 次的17.26%，該學科領域最新的研究前沿和未來研究方向有可能從中產生。表7中列出了詞頻在3次以上的最新出現的關鍵詞。

4 結語

通過對江西高校計算機科學與技術學科國內高被引論文及SCI 論文的關鍵詞分析，揭示了2011—2020年該領域的研究熱點和前沿。

（1）通過高頻關鍵詞分析發現，2011—2020 年該領域國內外的研究熱點主要集中在特征提取、深度學習、卷積神經網絡、粒子群優化、支持向量機、圖像分割、圖像處理、云計算等關鍵詞上，其中特征提取研究最多。

（2）從關鍵詞近3 年來研究頻次的年度統計結果顯示，計算機科學與技術學科領域近三年研究前沿集中在Task analysis、Licenses、Artificial intelligence（AI）、Energy-efficiency 等關鍵詞上。

（3）從2020 年新出現的關鍵詞詞頻統計結果顯示，該領域最具有發展潛力的研究方向有可能在Computational modeling、Hidden Markov models、Hybridactive power filter、Intelligent systems、Analytical models、Fall detection 等關鍵詞中產生。