人工智能可穿戴科技創新知識圖譜分析

摘要：知識圖譜是一種以圖形化的方式表示知識的工具，以實體、屬性、關系等為基礎元素，將復雜的知識結構化，并建立知識之間的聯系。通過知識圖譜分析，可以實現對人工智能可穿戴科技創新進展的有效梳理。基于此，本文由知識圖譜的構建展開論述，闡述了知識圖譜分析思路，并從學科關注度增長、學科研究質量情況、學科研究成果應用、學科研究地域差異這四個方面，分析了人工智能可穿戴科技創新知識圖譜，梳理了人工智能可穿戴科技創新進展情況。

關鍵詞：人工智能；可穿戴科技；創新；知識圖譜

引言

人工智能可以讓可穿戴設備的功能更強大，提升可穿戴科技領域的發展水平，但此類科技創新的相關進展分析較少，對于科技創新研究的指導作用難以得到有效發揮。本文采用文獻研究的方式，對此項科技創新的知識圖譜進行了分析，梳理了人工智能可穿戴科技創新進展情況，以期推動科技的創新發展。

1. 知識圖譜的構建

一般來說，知識圖譜的構建包括知識表示、序列化和知識抽取連接三個步驟。其中，知識表示環節需要運用RDF、RDFS、OWL三種計算機數據描述技術[1]。RDF為資源描述框架，其本質是通過構建符號語義表示模型，達到資源描述的效果，而該模型主要是由邊、節點構成，節點描述屬性、資源，邊則表述關系。

RDFS則是一種用于RDF框架基礎上的類屬性等Schema層定義，即對屬性集合、類集合、術語集的定義。計算機運行過程中，通過RDF、RDFS，基本就可以構建出知識圖譜的類層次和屬性體系[2]。OWL是語義網技術棧的核心，其基于描述邏輯，賦予計算機軟件表示類、屬性約束的描述功能，由此支持知識圖譜構建用軟件，針對更加完備、復雜的主題，繪制相應的知識圖譜。在序列化上，則要用RDF/XML、N-Triples、Turtle、RDFa、JSON-LD等序列化計算機技術，對上述各類知識的表示進行排序，由此構建出一個有序合理的知識圖譜。在此過程中，需要借助聯合、管道這兩種抽取模式，將知識的描述和關聯進行抽取，以便于上述序列化運行的順利完成[3]。

2. 人工智能可穿戴科技創新知識圖譜分析

2.1 確立知識圖譜分析思路

在知識圖譜分析思路的建設上，考慮到相關文獻的發布情況，能夠直接、準確地反映出技術創新情況，因此，知識圖譜分析以文獻分析為主線分析路徑。而文獻分析中應用頻率較高、可視效果較為優秀的工具，目前主要以Citespace為主。該工具支持對特定領域文獻的計量分析，且可以將分析結果以知識圖譜的形式予以呈現，讓研究者得以通過分析該知識圖譜，對技術創新的發展脈絡、未來趨勢進行梳理[4]。在此背景下，為保證知識圖譜分析結果的可靠性，將數據來源定位為CNKI和WOS核心數據庫。基于此，整體的知識圖譜分析思路可以被闡述為：運用Citespace，在CNKI和WOS核心數據庫中，對人工智能可穿戴科技創新相關的關鍵詞進行檢索，如智能可穿戴計算機設計、可穿戴智能設備等，并將研究關聯度較低的文獻，如招商、新聞報道類的文獻加以剔除，留下有效的文獻，再借助Citespace，將文獻內容分析、文獻信息可視化、文獻計量等方法進行綜合運用，實現對人工智能穿戴設備科技創新相關文獻的統計分析，并產出相應的知識圖譜。最后，從學科關注度增長、學科研究質量情況、學科研究成果應用、學科研究地域差異四個方面，對文獻進行分類分析，歸納出現階段人工智能可穿戴設備科技創新現狀，以及未來發展趨勢，完成圖譜分析。其中，所檢索的文獻為2012年至2023年來的文獻，保證了檢索數據的說服力[5]。

2.2 學科關注度增長分析

根據Citespace檢索分析產出的知識圖譜，人工智能可穿戴科技創新相關文獻的發表數量，顯現逐漸上升的趨勢，這說明研究領域對人工智能可穿戴技術這一學科領域的關注度處于增長的態勢。文獻計量如圖1所示，從2013年開始，文獻發布數量就開始呈現增長的狀態，但增長幅度不太明顯，2013～2015年，文獻年發布數量始終在2000篇以下。國家發展改革委辦公廳在2013年發布了《關于組織實施2013年移動互聯網及第四代移動通信（TD-LTE）產業化專項的通知》[6]，該通知倡導基于移動互聯網的可穿戴設備研發、產業化發展，使得與之相關的人工智能可穿戴科技逐漸被研究者所注意，但此時，該學科研究仍然處于起步階段，這也反映了這一階段該學科方向科技創新發展較為緩慢。

而在2016年，論文發布量首次出現了高增長的情況，且突破了2000篇，由此可見，在2016年，學科關注度開始呈現顯著的增長態勢，這在一定程度上助力了學科科技的創新發展。此后直至2019年，文獻的發布量開始呈現明顯的增長，并從2018年的4000多篇，迅速超過了6000篇，在2023年，論文發布量達到了6954篇。這說明學科關注度進入快速增長階段，大量研究人員參與了人工智能可穿戴科技的研究，這在很大程度上催生了科技的創新，代表著此階段內該學科創新得到了研究領域的高度關注。

在2020～2023年，文獻發布量的增長速度開始放緩，這可能說明此項學科在研究領域內已經被廣泛關注，且相關的研究開始深入，使科技創新的難度加大，導致文獻發布數量的增長幅度減緩。但在此期間國家發布的關于大數據應用發展的指導意見，開始為人工智能可穿戴科技的創新指點方向，將科技創新導向放在了醫療健康、休閑娛樂等多個方面，開闊了研究者的科技創新思路，有助于其將科技創新研究的眼光放在更多領域，人們對科技創新的關注度開啟了在深度層面上的增長。因此，在2023年之后，可能會有更多的相關文獻發布，使此門學科的科技創新關注度進入另一個高速增長的階段。

2.3 學科研究質量情況分析

在學科研究中，高質量、創新性的科技研究成果是助力學科領域創新發展的內在動力。在此背景下，從基于文獻分析的角度看，承載了高質量、創新性研究成果的文獻，通常會被高頻率引用，作為后續承載新的科技創新成果文獻的撰寫依據，所以，將這些被引用頻率較高的文獻定位為承載高質量學科研究成果的高質量文獻。為此，可以通過分析基于這些高質量文獻發布數據，繪制知識圖譜，得出學科研究質量情況。

在知識圖譜的分析中，Citespace繪制的逐年文獻統計圖如圖2所示，近十年來被高頻引用的文獻數量為1416篇，而從年度高頻引用文獻數量來看，從2013年開始，高質量文獻的數量開始逐漸遞增，這說明該學科的研究質量正在不斷提升。在2013～2018年，高質量文獻的增速均比較穩定，這代表了學科研究質量正處于穩定攀升的階段。直至2019年，高質量文獻數量從151篇，達到了232篇，高質量文獻數量迎來了首次大幅度的上升。由此可見，在2019年，學科研究質量得到了顯著的增強，而根據上述論述，學科關注度也是在2019年呈現明顯的增長。因此，可以了解到，學科關注度的增長，讓學科研究質量也得到了顯著的強化。

此后，2021年、2022年和2023年的高質量文獻數量，與2019年基本持平，僅在2020年，高質量文獻數量顯示出一次明顯增長，2022年和2023年相較于2021年，還出現了下降的情況。而在此階段，該學科科技創新研究所依賴的交叉學科已經逐步成形，加之之前科技創新成果的大幅度產出，讓后續的創新缺乏研究角度，因此，呈現出高質量文獻發布增長數量波動，且有下降趨勢的情況。由此可見，科技創新研究的質量廣度方面的發展開始減緩，這在一定程度上可能會促進科技創新研究面向更深的層次，讓科技創新研究成果更具深度。因此，在2023年之后，科技創新的研究質量水平仍增長有望。

2.4 學科研究成果應用分析

在知識圖譜分析中，通過運用Citespace軟件中的“Label clusters with indexing terms”“All in one：clustering，optimizing layout and style”這兩個選項，可以建立一個人工智能可穿戴科技的知識聚類圖譜，然后提取前十的知識關鍵詞作為研究對象，可以了解到，人工智能可穿戴科技創新成果主要被用于兩個方面，即醫療健康以及運動休閑方面。其中，在醫療健身方面，根據Citespace軟件繪制出的知識圖譜，如圖3所示，科技創新成果多用在針對老年用戶的醫療監測、健康策略等領域，學科研究成果的應用與老齡化的社會現狀更加適應，而且在當今“互聯網+”的背景下，這種學科的科技創新將為老年人的生活帶來極大的影響。在此背景下，學科研究成果的應用集中在硬件的功能塑造上，讓穿戴式設備的應用更加簡便，使老年人更容易掌握使用方法。

在運動休閑方面，學科科技的創新成果應用則多集中在智能眼鏡、智能手表、智能服裝上，這些聚類所包含的知識關鍵詞有運動傳感器、手勢識別、交互技術等，而此方面的學科研究成果應用不僅針對老年人，更多傾向于滿足年輕人的需求，且強調成果應用所產出產品的實用性、創新性，并提倡將用戶的需求作為研發方向，反向促進科技創新成果的產出。總體來說，研究者通過圍繞成果應用，不斷改進研究思路、路徑，有望產出更多具備極高應用價值的研究成果。此外，根據上述成果應用分析，也可以了解到，可穿戴智能醫療監測設備、智能手表、智能眼鏡、智能服裝，是當前人工智能可穿戴科技創新研究成果的應用熱點。

2.5 學科研究地域差異分析

在知識圖譜分析中，由于高引用率文獻數量能夠反映出研究質量水平，所以，各個地域范圍內高引用率文獻的數量，可以反映當地的研究質量水平，而基于此進行分析，即可了解學科研究的地域差異。

為此，在學科研究地域差異的分析中，運用Citespace工具，對近十年來，包括中國在內的100多個國家的高引用率文獻進行取樣分析，圖譜如圖4所示，可以了解到，中國在此領域內的高引用率文獻數量位居第一，為529篇，而后是美國、韓國、澳大利亞，其高引領率文獻發布數量分別為469篇、160篇、104篇。

從文獻的國家來源看，高引用率文獻來源國家中，亞洲國家數量僅占1/4，但所持有的文獻數量卻占總數的43.1%，而其中，30%的文獻為中國研究者撰寫，這說明亞洲地區對于人工智能穿戴科技創新領域的研究水平較高，研究基礎也比較扎實，尤其是我國在這方面的研究，呈現較高的質量水平。

從發文機構來看，該領域排名前十的研究機構中，有9所研究機構為我國研究機構，文獻發布量位居首位的是中國科學院。由此可見，我國在此領域的研究處于較高的水平。在此背景下，可以預想在未來的發展中，我國在此領域的成果轉化規模勢必會不斷擴大，有助于國內相關產業經濟的發展。

結語

綜上所述，知識圖譜旨在以一種直觀、易理解的方式呈現知識，從而幫助人們更好地理解和應用知識。知識圖譜的發展源于多個領域的需求。有效運用知識圖譜，可以幫助人們更加直觀、全面地了解人工智能可穿戴科技創新研究現狀，為科技創新成果的應用以及相關研究的深入提供依據。在研究過程中，通過知識圖譜分析，可以了解到上述科技創新研究情況存在地域性的差異，但這項科技創新本身已經開始被更多的研究人員所關注，研究質量也有顯著提升，同時，研究成果也逐漸被應用到各類產品的開發中。

參考文獻：

[1]喻國明，蘇芳，蔣宇樓.解析生成式AI下的“涌現”現象——“新常人”傳播格局下的知識生產邏輯[J].新聞界， 2023（10）：4-11，63.

[2]謝泉峰，呂婉婷.人工智能與小學教學深度融合：理論框架與實踐策略[J].豫章師范學院學報，2023，38（5）：87-91，96.

[3]李萬軍，王紫怡，周夢燁，等.基于文獻計量圖譜的國內外智能纖維研究現狀及趨勢[J].絲綢，2023，60（11）：39-49.

[4]周夢燁，薛菲莉，李謙謙.基于文獻計量的可穿戴產品設計發展與趨勢分析[J].工業工程設計，2023，5（5）：52-64.

[5]張一春，湯玲，馬春蘭.人工智能助推教師發展的路徑與對策研究[J].電化教育研究，2023，44（10）：104-111.

[6]國家發展改革委辦公廳關于組織實施2013年移動互聯網及第四代移動通信（TD-LTE）產業化專項的通知（發改辦高技[2013]2330號）[A/OL].（2013-09-22）[2023-12-14].https：//www.ndrc.gov.cn/xxgk/zcfb/tz/201310/t20131008_963951.html.

作者簡介：顧亞麗，碩士研究生，講師，研究方向：人工智能、職業教育、物聯網。

課題項目：漳州職業技術學院2022年職業教育專項課題——高職院校專業設置與產業結構契合度研究（編號：ZZY2022Z32）。