基于SCIE/SSCI/A&HCI文獻計量的21世紀AI作曲研究可視化圖譜分析

中圖分類號：J614；G353.1 文獻標識碼：A 文章編號：1004-2172（2025）02-0104-11

DOI： 10.15929/j.cnki.1004-2172.2025.02.013

21世紀初期，“工業(yè)4.0”浪潮席卷音樂領域，人工智能（Artificial Intelligence，AI）音樂時代已經(jīng)到來。ChatGPT、元宇宙音樂會等熱點詞匯充斥當下互聯(lián)網(wǎng)各個角落，AI作曲利用深度學習技術，通過分析和學習音樂大數(shù)據(jù)，理解音樂規(guī)律和形式結構，從而能夠自主生成具有原創(chuàng)性的音樂作品，是將音樂作曲技術擴展到聲音生成與應用的有效手段[]。

AI作曲研究領域缺少可視化計量分析。AI作曲相關研究已發(fā)展四十余年，主要從計算機科學的視角出發(fā)，圍繞算法模型、系統(tǒng)設計和產(chǎn)業(yè)應用等話題進行討論，如鼓節(jié)奏的空間模型訓練[2I、基于歌詞的歌曲生成系統(tǒng)搭建[3、應用于汽車安全駕駛的AI音樂生成系統(tǒng)設計等[4，以案例分析和實證研究為主。

然而，以統(tǒng)計學視角進行文獻綜述分析的研究數(shù)量較少，雖有一小部分技術類型的系統(tǒng)性綜述研究[5][]，但圍繞文獻計量與可視化分析的文章還未見發(fā)表。由于AI作曲學科交叉的特點，多元化跨學科研究對于AI作曲領域的發(fā)展和建設尤為重要。本文選取2000—2023年“AI作曲研究領域”的《科學引文索引》（ScienceCitation Index Expanded，SCIE）、《社會科學引文索引》（Social Sciences Citation Index，SSCI）和《藝術與人文引文索引》（Artsamp;HumanitiesCitation Index，Aamp;HCI）三類核心期刊成果，參考系統(tǒng)性綜述和薈萃分析優(yōu)先報告條目（Preferred Reporting Items for Systematic Reviews and Meta-Analyses，PRISMA）2020 版聲明標準進行篩選，借助 VOSviewer 和CiteSpace 兩大文獻計量工具，在驗證普賴斯定律（Price's Law）、洛特卡定律（Lotka'sLaw）與布拉德福定律（Bradford'sLaw）三類科學生產(chǎn)率法則的同時，針對研究者、合作團隊、地域分布、載文期刊等問題展開定量與定性分析相結合的可視化分析，運用知識圖譜概括這一領域的發(fā)展現(xiàn)狀與前沿熱點。

一、篩選流程設置

1.數(shù)據(jù)庫核心集合

權威高質數(shù)據(jù)庫的核心集合是精準把握研究脈絡的數(shù)據(jù)基礎。AI作曲雖主體屬于藝術與人文科學范疇，但由于其學科交叉的性質，綜合自然科學與社會科學研究成果進行分析是展開全面多維研究的基礎保障。本研究選擇Web of Science（WOS）數(shù)據(jù)庫[中的SCIE/SSCI/Aamp;HCI三大核心集合作為數(shù)據(jù)來源，通過高引用優(yōu)質研究文章作為底層數(shù)據(jù)支撐[8]。

2.檢索納入標準

參考高質量期刊檢索字符串設計，確定3個關鍵詞設置為組合用以索引：“音樂”“生成”和“AI”[][][]。設置關鍵詞替代方案，實現(xiàn)關鍵詞多樣化衍生性補充。衍生詞主要在AI與生成兩個部分設置替代詞匯：人工智能、機器學習、深度學習、算法、自動這5組詞匯，共同組成“AI”部分的衍生表述；生成與作曲這兩個詞匯的截詞拼寫，構成“生成”部分的衍生表達。

詳細的檢索納人標準是獲得高標準文獻計量結果的有效保障，以“檢索時期”“文獻類型”與“檢索語言”3個部分展開研究工作。人工智能在21世紀獲得重要發(fā)展，因此以2000年1月1日—2023年12月31日作為檢索時間節(jié)點；篩選優(yōu)質的期刊文章，限定需要經(jīng)過同行評審的期刊論文與綜述論文作為優(yōu)質期刊文獻類型的基本數(shù)據(jù)；為保證學術數(shù)據(jù)庫和搜索引擎的檢索可訪問率，以國際期刊提交規(guī)范設置的英文標準為文獻檢索語種限制（詳見表1）。由此共得到716篇文獻（包含690篇期刊論文和26篇綜述論文）可納入審查。

3.PRISMA三級篩查

系統(tǒng)性綜述和薈萃分析優(yōu)先報告條目2020版聲明標準，通過提供詳盡的27項報告指導和標準化的文獻篩選流程，確保了系統(tǒng)綜述和元分析的透明度、復現(xiàn)性以及結果的可靠性，是文獻計量分析的權威性參考標準。參考PRISMA2020版聲明標準，對文獻進行無效性排除、弱相關性淘汰、強相關性保留三級系統(tǒng)性篩查（如圖1所示）。使用Zotero文獻管理軟件對檢索文獻數(shù)據(jù)進行逐步篩選排除。兩位作者根據(jù)標題、摘要與全文內容分別獨立審閱論文，有爭議的論文將進一步整理，納入第三位相關專家決定是否被淘汰。

對篩選后的文獻信息進行標準化數(shù)據(jù)處理。為避免作者名、國別、同義詞等不標準信息對結果產(chǎn)生影響，本文對作者進行了校對（同名，曾用名，姓名縮略等），對國別進行了統(tǒng)一（如中國3個特別行政區(qū)合并為中國，英聯(lián)邦4個國家合并為英國，適當縮寫國家名稱等），對關鍵詞進行標準化處理（同義詞合并，長短關鍵詞統(tǒng)一，高低頻關鍵詞適當整合等）。將篩選得到的291篇論文標準化處理后，得到數(shù)據(jù)為：文章來自39個國家285個機構的556名作者，發(fā)表于99本期刊，共現(xiàn)關鍵詞有784個，共被引文獻有7266篇。

二、核心作者合作網(wǎng)絡圖譜

借助 VOSviewer[12]和CiteSpace[3]兩大文獻計量工具，在驗證普賴斯定律、洛特卡定律與布拉德福定律三類科學生產(chǎn)率法則的同時，對整體文獻的作者、地域和期刊數(shù)據(jù)進行了量化分析。如圖2整體顯示，該領域的發(fā)文量近6年開始攀升，尤其是近2年激增明顯，期刊數(shù)量的年度分布反映研究發(fā)展程度，可見AI作曲研究領域在2022年開始呈現(xiàn)初步成熟階段。

1.普賴斯“半數(shù)法則”驗證合作成熟度

美國統(tǒng)計學家普賴斯（DerekJ.de SollaPrice，1922—1983）于1963年提出了科學生產(chǎn)力“半數(shù)法則”，這是驗證科學穩(wěn)定作者合作群體的“最優(yōu)解”[4]。普賴斯定律公式為：

“N”表示該主題發(fā)表的論文總數(shù)。“ n （ x ） ”表示“ x ”篇發(fā)文作者的文章累積數(shù)。

“ m+l ”為累計求和的初始值。

.“ 為累計求和的最終值。

以計算結果探究科學穩(wěn)定的作者合作群體網(wǎng)絡形成狀況。同一主題的半數(shù)論文為一群高生產(chǎn)力作者所撰，核心作者論文集合數(shù)值若等于全部論文總數(shù)的平方根數(shù)值，則科學穩(wěn)固的作者合作網(wǎng)絡形成。在此計算框架中，“ ”為該領域內最高產(chǎn)作者的論文數(shù)，通過VOSviewer統(tǒng)計為7篇，計算得出核心作者發(fā)表論文數(shù)量的閾值約為1.98，故將發(fā)文量2篇以上（包含2篇）的作者定位為該領域的核心作者。將上述數(shù)值代入公式計算，66名核心作者共計發(fā)文162篇，占總發(fā)文量的 7 5 % ，已遠遠超過普賴斯所提出的半數(shù)（ 50 % ）標準。因此可以認為AI作曲研究領域已經(jīng)形成較為科學穩(wěn)定的作者合作網(wǎng)絡，處于較為成熟的研究發(fā)展階段。

2.核心作者合作網(wǎng)絡圖譜

圖3顯示了AI作曲研究領域核心作者合作網(wǎng)絡，包括66個節(jié)點（作者）和24個聚類（研究團隊）。圓節(jié)點大小表示作者發(fā)文數(shù)量多少，節(jié)點連線代表關聯(lián)情況，聚類的顏色深淺代表不同的研究團隊。

由圖3可見，該領域作者合作網(wǎng)絡呈現(xiàn)小群體離散分布。2—3人小群體合作模式占比半數(shù)以上，除個別單人作者外，5人以上研究合作團隊約占比 1 7 % ，如普利茅斯大學的柯克（AlexisKirke，1976—）團隊、同濟大學的黃言態(tài)（Yantai Huang，1982—）團隊等。分析圖3顯示的作者合作關系，可以看出整體雖呈小群體離散分布，但大規(guī)模合作群體逐漸初步形成。這一作者合作網(wǎng)絡關系的穩(wěn)定度與成熟度特點，也是該領域初步成熟階段的側面佐證。

3.前十高產(chǎn)作者述評

篩選高產(chǎn)作者呈現(xiàn)網(wǎng)絡合作細節(jié)。表2列出了在AI作曲研究領域最高產(chǎn)的10位作者（發(fā)文量 ? 3 篇）。在高產(chǎn)作者中，韓國東國大學超級智能實驗室（Superintellgence Lab）的孫延錫（Yunsick Sun，1980—）

于樂器數(shù)字接口（Musical InstrumentDigital Interface，MIDI）的深度學習。

篇均被引次數(shù)最高的學者伊萊恩·周（Elain Chew，1975—）與赫雷曼斯（Dorien Herremans，1982—），也是被引次數(shù)最高的代表。伊萊恩是倫敦國王學院工程系教授，也是歐洲研究理事會（EuropeanResearch Council，ERC）高級資助音樂結構的計算塑造和建模項目（Computational Shaping and Modelingof Musical Structures，COSMOS）的首席研究員，以音樂結構計算建模[18]、人機交互音樂表演[9]、基于心率變異分析（HRV）音樂治療[20]等多學科交叉研究為中心。多瑞恩是新加坡科技設計大學的助理教授，是音頻，音樂及人工智能實驗室（Audio，Music，and AI Lab，AMAAILab）首席研究員，較為關注數(shù)字信息檢索（MIR）音樂分類[2、結構化音樂生成[22I、音樂張力計算建模[2]，等以計算機科學為中心的研究。伊萊恩與多瑞恩有多項合作研究發(fā)表，是該領域另一經(jīng)典的同級聚類關系。

三、高產(chǎn)地域分布數(shù)據(jù)分析

1.洛特卡高產(chǎn)“閾值標準”劃分合作梯隊借助美國統(tǒng)計學家洛特卡（Alfred J.Lotka，1880—1949）于1926年提出的洛特卡定律高產(chǎn)“閾值標準”，

劃分核心生產(chǎn)力作者合作梯隊。與意大利經(jīng)濟學家帕雷托（Vilfredo Pareto，1848—1923）提出的社會生產(chǎn)力“80/20 法則”[24]一致，洛特卡探索出了文獻發(fā)表的核心閾值，并以為公式表示不同學術工作者在同一抽樣時間內論著數(shù)量分布規(guī)律[25]，如下：

.\" C ”表示某主題領域的特征常數(shù)。

“ x ”表示作者的發(fā)文數(shù)。

“n”為作者數(shù)量。

計算閾值劃分合作網(wǎng)絡梯隊分布情況。已知發(fā)表一篇論文的 6 0 . 7 9 % 作者總數(shù)占比，結合前測得出的66位核心作者，代人公式發(fā)現(xiàn)n篇論文的作者數(shù)量約為寫一篇論文作者數(shù)量的 。將數(shù)據(jù)進行可視化呈示，如圖4所示。

圖4顯示AI作曲研究領域5層合作梯隊的分布情況。其中圓節(jié)點大小表示機構發(fā)文數(shù)量多少，節(jié)點連線代表關聯(lián)情況，不同顏色深淺代表不同的合作團隊。

① 同國別機構合作關系為該領域機構合作的主要聚類。中國人民大學高瓴人工智能學院、南方科技大學人工智能研究院、廣州大學人工智能研究院與鄭州大學計算機與人工智能學院等高校研究機構，通過校企合作、校校合作、互相掛牌、成果共享等方式，依托中國人工智能學會（Chinese Association forArtificial Intellgence，CAAI） 2]自主創(chuàng)辦的全球人工智能技術大會、中國人工智能大會、中國智能產(chǎn)業(yè)高峰論壇等平臺進行合作成果轉化。AI作曲研究即為此綜合研究成果之一。

② 國際化合作趨勢已初步形成。英國倫敦大學瑪利皇后學院圍繞數(shù)字音樂研究網(wǎng)絡（Digital MusicResearch Network，DMRN）計劃[27]，攜手新加坡科技設計大學，法國索邦大學，日本索尼電腦科學實驗室（Sony Computer Science Laboratories，Sony CSL）和法國聲學／音樂研究與協(xié)作研究所（Institut for Researchand Coordination in Acoustics/Music，IRCAM）已開展了19年的國際研討合作，研究對象從數(shù)字音樂逐步聚焦于AI作曲。

③ 單一作者或研究機構自研的情況目前依舊存在。韓國東國大學超級智能實驗室孫延錫團隊，中國臺灣交通大學Jefflab 實驗室黃志方（Chih-fang Huang，1967—）團隊，新加坡科技設計大學AMAAI Lab實驗室多瑞恩團隊等，均屬于課題自研梯隊的代表，發(fā)文量雖多，但并未開放合作。

機構關聯(lián)情況是研究團隊合作關系的直觀體現(xiàn)。 3 5 % 的機構合作占比顯示，目前已初步形成同國別多層梯隊合作結構，同時合作逐步向國際化方向拓展。由此可見作者合作梯隊的聚類關系在同國機構間的合作居多，逐步呈全球地域化分布發(fā)展態(tài)勢。

2.高產(chǎn)國家地域分布圖譜

生產(chǎn)力全球高產(chǎn)國家地域分布是合作網(wǎng)絡的遞進式概覽。12個合作梯隊分屬39個國家，根據(jù)國別對發(fā)文量進行計量，以此分析AI作曲領域國際間合作研究情況。據(jù)VOSviewer統(tǒng)計AI作曲研究領域論文，得出57個國家總數(shù)，運用洛特卡定律計算得到高產(chǎn)國家最低發(fā)文數(shù)為6。將發(fā)文量 ? 6 篇以上的國家定位為AI作曲研究領域高產(chǎn)國家，如圖5所示。

圖5中12個圓點表示國家，圓點大小與發(fā)文數(shù)量成正比，連線粗細顯示合作發(fā)文關聯(lián)強度。分析圖5可以看出，AI作曲領域高產(chǎn)國家地域分布不均衡，頂部效應十分顯著。大部分論文集中在中國、英國、西班牙、美國等少數(shù)幾個國家，以亞洲、歐洲與北美洲為主。

3.前十高產(chǎn)國家述評

篩選高產(chǎn)國家呈現(xiàn)研究團隊全球化合作細節(jié)。表3呈現(xiàn)AI作曲研究領域發(fā)文量前十的國家（發(fā)文量≥7篇）。

表3顯示中國學者在該領域貢獻了最多的研究論文（57篇），占該領域總發(fā)文量的 2 6 % ，被引次數(shù)達220次，篇均被引次數(shù)為3.86次，較低。排名第二發(fā)文量國家為英國，發(fā)文32篇，但被引次數(shù)最多（386次），篇均被引次數(shù)高達12.06次，屬于優(yōu)質高產(chǎn)國家。論文篇均被引次數(shù)最多的是新加坡，7篇論文被引139次，篇均被引次數(shù)多達 1 9 . 8 6 。總之，中國的發(fā)文數(shù)量多，法國的發(fā)文質量高，英國則是這一領域優(yōu)質高產(chǎn)的國家代表。

通過分析排名前十國家的論文發(fā)表數(shù)據(jù)，進一步評估不同國家論文發(fā)表質量。對于合作網(wǎng)絡進行“作者—機構—國別”一體多層式綜合概覽，生產(chǎn)力來源多為高校專業(yè)系所。東國大學韓國超級智能實驗室孫延錫與李書玉師生團隊在這一研究領域的論文數(shù)量最多，發(fā)表量7篇。篇均被引次數(shù)第二（29.5次）的機構為新加坡科技設計大學，多瑞恩教授與其所在的AMAAI實驗室是主要貢獻力量。此外，西班牙、英國與中國論文被引用次數(shù)都很高，尤其是西班牙的馬拉加大學，論文的被引用次數(shù)（152篇）與篇均被引次數(shù)（38次）最高，這與維科·維拉（Francisco Jose Vico Vela，1976—）和其Melomics[28]自動音樂創(chuàng)作系統(tǒng)密不可分。

四、載文源刊可視化觀測

1.布拉德福“對斜序列”推證科學載刊體系

英國文獻學家布拉德福（SamuelC.Bradford，1878—1948）于1934年提出布拉德福定律，這一科學載刊理論揭示了在雜亂無章的科學文獻集合中，文獻與對應期刊的分布是高度不對稱或偏斜的，并且這種分布呈1：a：a2：的比例關系（a為大于1的任意自然數(shù)）[29]。

依據(jù)布拉德福定律“對斜序列”期刊載文數(shù)量分布規(guī)律，探究AI作曲領域科學載刊體系。運用布拉德福定律將檢索得到的99本期刊進行分區(qū)。如果將期刊按照某學科發(fā)表論文的數(shù)量降序排列，就能夠以此劃分出核心區(qū)域和其余的連續(xù)分區(qū)，且各區(qū)域發(fā)表的論文數(shù)量相等。故以近似相等的文獻數(shù)，將論文與期刊擬分為3個等級區(qū)域，結果如表4所列。

其中，一區(qū)為載文量 ? 6 篇的期刊，共8本期刊，總發(fā)文74篇；二區(qū)為載文量2到5篇的期刊，共29本期刊，總發(fā)文80篇；三區(qū)為載文量1篇的期刊，共62本期刊，總發(fā)文62篇。3個區(qū)域的論文數(shù)量圍繞72進行浮動，且期刊數(shù)量的比例約為 。這表明AI作曲研究領域成果，基本符合科學的期刊載文數(shù)量分布規(guī)律，并已形成科學載刊體系。

2.載刊熱度分布圖譜

借用軟件的聚類算法，以熱度分布圖譜的方式展示該領域期刊的分區(qū)情況。

圖6對99個期刊節(jié)點依據(jù)載文量情況進行了可視化圖譜繪制，期刊的三區(qū)級可視化分區(qū)可清晰呈現(xiàn)。期刊發(fā)文量在熱度色值和字號方面與圖譜一一對應。中心區(qū)域的聚類表示一區(qū)；外一圈層淺色聚類區(qū)表示二區(qū)；最外圈層的弱關聯(lián)深色區(qū)域表示三區(qū)。布拉德福載刊計算結果與可視化熱度圖譜，均表明該領域已形成穩(wěn)定科學的載刊體系。

3.前十高產(chǎn)期刊述評

分析前十高產(chǎn)期刊的論文發(fā)表數(shù)據(jù)，進一步評價不同期刊論文發(fā)表質量。表5是載文量前十的期刊（載文量 ? 5 ），影響因子（ImpactFactors，IF）范圍在1.1至8.5之間（平均 I F： 3 . 7 8 。

高引用次數(shù)的閉源期刊在該領域具有重要學術影響。《新音樂研究雜志》是發(fā)文量最高的期刊（15篇），共有122次引用，篇均被引次數(shù)為8.13次，屬于代表性優(yōu)質刊物。《神經(jīng)計算與應用》雖只載文8篇，但引用次數(shù)（131次）與篇均被引次數(shù)（16.38次）最多，說明該期刊刊載的文章質量較高。根據(jù)載文量和篇均被引次數(shù)分析，《專家系統(tǒng)與應用》《數(shù)學與音樂雜志》《IEEE-ACM音頻、語音和語言處理交互》《多媒體工具與應用》和在該研究領域也處于重要地位。這6本刊物均屬于斯普林格（Speinger）、愛思唯爾（Elsevier）、電氣電子工程師學會（Institute of Electrical and Electronics Engineers，IEEE）等機構旗下的高引閉源期刊。

開源期刊在該領域越來越受到關注。表5中，《數(shù)學》《IEEE訪問》《應用科學—basel》《計算智能與神經(jīng)科學》均屬于多學科數(shù)字出版機構（Multidisciplinary Digital Publishing Institute，MDPI）、漢達威（Hindawi）、前沿（Frontiers）等機構旗下的開源期刊。可見近些年開源期刊的發(fā)展熱潮對AI作曲領域的研究有著積極影響。但遺憾的是，所屬漢達威旗下的《計算智能與神經(jīng)科學》于2023年3月因未達到質量標準而從WOS索引中刪除，且2023年5月該刊物宣布停止出版。總體來看，前十期刊對實證研究類論文為主要收錄對象，對AI模型搭建、算法優(yōu)化與系統(tǒng)方法的設計等技術類研究尤為重視。

綜觀21世紀AI作曲研究領域，以SCIE/SSCI/Aamp;HCI三類核心期刊成果進行PRISMA（2020版聲明標準）三級篩選結果為研究對象，即291篇文獻的556名作者、285個組織、39個國家、99本期刊進行計量統(tǒng)計。通過驗證普賴斯定律、洛特卡定律和布拉德福定律，可視化圖譜分析作者合作網(wǎng)絡、高產(chǎn)地域分布、載文源刊情況，定量分析與定性評價相結合，揭示出AI作曲領域的研究熱點和演進路徑。

研究結果表明，AI作曲領域目前已進入成熟發(fā)展階段，形成了以核心作者群體為主導的穩(wěn)固合作網(wǎng)絡，呈現(xiàn)出明顯的地域合作特征，且已建立了科學的載文期刊體系。接下來，筆者將圍繞共現(xiàn)詞與共引文獻數(shù)據(jù)，通過高頻關鍵詞聚類分析和扎根理論編碼，識別音樂創(chuàng)作系統(tǒng)設計、計算機音樂、音樂信息處理等前沿熱點主題，通過劃分三階段發(fā)展時期，聚焦熱點演進路徑，進行演進溯源的技術尋根，將另文揭示有關機器學習——深度學習演進路徑的后續(xù)研究成果，全面觀測21世紀AI作曲研究發(fā)展脈絡圖譜，以此推動更具創(chuàng)新性學術成果的產(chǎn)出。

作者簡介：鄭中，濟南大學二級教授，澳門科技大學音樂學院博士生導師；楊維佳，博士，韓國延世大學音樂學博士后研究員。