基于BERTopic的人工智能應用場景主題建模研究

中圖分類號：G203 文獻標識碼：A DOI：10.11968/tsyqb.1003-6938.2025032

Study on Topic Modeling of Artificial Intelligence Application Scenario Based on BERTopic

AbstractAgainst the backdropof China's vigorous promotionofAI（Artificial Intellgence）application scenarios，this study employsBERTopic toexaminetopicpatterns inAdeploymentcontexts.Initialy3，524newsarticles werecollectedfromThePaper （Pengpai News）and preprocessed foranalysis.Fortopic modeling，theConan-embedding-vl pretrainedlargemodelwasutilizedfortextembedding，folowedbydimensionalityreductionviaUMAP，clusteringthrough HDBSCAN，and topicrepresentation using c-TF-IDF.Topic keywords were furtherrefinedthrough KeyBERT-based optimizationtechniques.Inopicalysis，eyworddistributions wereexaminedacrosslldomains：technologicalamp;D， culturaldigitization，regionaleconomiccollaboration，economicdevelopment，financialinnovation，capitalmarkets， healthcare/elderlycare，policycoordination，low-altitudeeconmy，urbandevelopment，ndnewsdissemination.imilarityanalysisrevealed strong inter-topiccorrelations：urbandevelopmentdemonstratedhighsimilarity witheconomicdevelopment，financial innovation，andpolicycoordination;whileeconomicdevelopmentshowed pronounced alignmentwith financialinovationandpolicycoordination.Hierarchical clusteringanddocumentdistributionanalysis indicated varyingdegreesofcross-domain integrationbetween technologicalRamp;D，culturaldigitization，andpolicycoordination with othertopicareas.Thisresearch，toacrtainextent，elucidatesthecurrentlandscape，latentdemands，andinterconected elements of disruptive applications ofAI.

Key words BERTopic;artificial inteligence;application scenarios; topic modeling; disruptive application

由國家網信辦、國家發改委、教育部、科技部等七部門審議通過的《生成式人工智能服務管理暫行辦法》自2023年8月15日起施行，“鼓勵生成式人工智能技術在各行業、各領域的創新應用，生成積極健康、向上向善的優質內容，探索優化應用場景，構建應用生態體系”]。這一政策文件與國務院2017年印發的《新一代人工智能發展規劃》科技部2022年發布的《關于支持建設新一代人工智能示范應用場景的通知》3以及科技部等六部門2022年聯合印發的《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》4形成了政策合力，共同描繪出我國人工智能發展戰略，標志著我國人工智能進入“應用場景\"發展階段。把握應用場景的現狀、潛在需求和關聯要素是催生人工智能顛覆性應用的重要前提，本文基于BERTopic對人工智能應用場景展開主題建模研究，旨在探測人工智能應用場景的主題現狀和潛能趨勢，識別并表征當前我國人工智能應用場景的主題，分析主題間的相似性與關聯強度，把握人工智能應用場景的多元格局、交叉融合態勢及未來發展潛能。

1人工智能應用場景研究文獻綜述

人工智能應用場景是由技術、環境、人三個維度的要素組成[5]，指人工智能技術在特定場景或領域中的針對性、系統性應用，其實質是通過機器學習、自然語言處理、計算機視覺等技術，針對特定場景中的問題提供智能化解決方案，優化流程效率或創造新價值。

研究者圍繞人工智能在科研教育領域的應用開展了研究。智慧學習機器人根據相關情境數據對學生定制學習服務并記錄學習過程；生成式人工智能在題目生成、自動解題與輔助批閱中已有較好的應用效果；ChatGPT支持的CUREs教學模式提升本科生在科研知識水平、科研技能水平和科研情感水平方面的科研能力[8；AIGC顯著提升了研究生在科研創新思維、科研實踐能力和科研創新品質等方面的科研創新力。

研究者圍繞人工智能在醫藥健康領域的應用開展了研究。在人工智能的助力下，人類有希望解決智能診斷、智能治療、日常化護理和人性化醫療等公共衛生所面臨的許多技術難題和社會問題[10]。通過深度神經網絡實現皮膚癌檢測準確率與專業醫生媲美\"；基于機器學習已經存在包括癌癥易感性預測、癌癥復發性預測、癌癥生存期預測等癌癥預后方法[12]；麻省理工學院團隊利用深度學習模型發現新型抗菌分子\"Halicin”[13] 。

研究者圍繞人工智能在交通中的應用開展了研究。通過優化供需匹配，降低物流成本，拓展效益范圍，催生新交通運輸業態，為交通行業高質量發展提供賦能[14]。Wei等針對多智能車輛協同控制，提出安全邊界約束、速度限制約束等模型，優化交叉口與路段通行效率[15]；人工智能與無人駕駛的深度融合將顛覆出行方式，孕育共享智能汽車新模式[16]。

研究者圍繞人工智能在更多領域的應用開展了研究。在金融領域，人工智能提升了金融服務效率和金融機構風險控制能力，為金融產業創新發展奠定了基礎[1];在制造領域，融合典型實驗、機理模型和深度學習構建智能增材制造工藝優化框架[18]；在農業領域，利用高光譜圖像與Resnet50模型實現油菜菌核病早期識別9；在安防領域，AI監控系統使城市安防、金融安防、物業安防更高效精準、覆蓋面更廣；在家居領域，物聯網技術利用深度學習，通過搜集、分析用戶行為數據為用戶打造個性化服務[20]；在政務領域，生成式AI驅動的政務服務模型GovGPT正塑造新型政務服務方式[21]。

2研究方法與數據搜集

2.1 BERTopic主題建模研究方法

BERTopic是基于深度學習的主題挖掘模型，使用預訓練Transformer模型和c-TF-IDF程序生成主題表征擴展的集群嵌入方法[22]。BERTopic主題建模在文本主題識別方面具有以下優勢：出色的可解釋性、極高的一致性、卓越的語義理解能力、極高的靈活性。

利用BERTopic模型進行主題建模分析遵循六個步驟：嵌入、降維、聚類、分詞、加權、微調。該模型具有模塊化特征，可以自主選擇使用方法[18.22]

（1）嵌入：通過BERT預訓練大模型實現文本向量嵌入。本文選用的預訓練大模型是Transformer結構生成的文檔詞向量模型Conan-embedding-v1。

（2）降維：使用降維算法進行詞嵌入向量降維，本文使用默認UMAP算法。開發者表示UMAP可以在降低數據集的維度時保留數據集的局部和全局結構。

（3）聚類：對降維得到的矩陣進行向量聚類，得到各個主題。本次采用基于密度的聚類技術HDBSCAN識別不同形狀的集群和異常值。

（4）分詞：使用CountVectorizer對文本數據進行序列化，先將集群內所有文檔合并為單一長文本，再統計詞頻。這一步中可以進行更符合研究需求的分詞處理，本次將ai、AI、人工智能作為停用詞，突出人工智能應用場景的主題建模。

（5）主題表征：使用c-TF-IDF算法對主題詞在主題中的重要性進行評估，提取主題中的核心主題詞。（6）微調：將c-TF-IDF生成的主題詞視為候選主題詞，通過KeyBERT[23-24]技術微調主題表征，提升主題詞多樣性與主題解釋性。

2.2 數據搜集和預處理

澎湃新聞網①是一個包含內容生產、審核、分發、商業化全鏈路和生態化建設的原創新聞客戶端。本文利用Python爬蟲程序，圍繞關鍵詞“人工智能、家居、交通、醫療、安防、金融、客服、制造、教育、農業、新能源、語音助手、物流、建筑\"進行了澎湃新聞內容爬取，總共獲得5384條新聞數據。

為了提高后續BERTopic主題建模的準確性和可靠性，本文對數據進行了前期的預處理，包括數據清洗、中文分詞、去除停用詞。數據清洗是對目標數據進行重新審查、處理及校驗等，清洗后得到3524條新聞數據，然后進行中文分詞和去除停用詞處理。

3BERTopic主題模型分析

3.1人工智能應用場景主題詞分析

（1）主題表征

主題表征的目的是使用c-TF-IDF算法對主題詞在主題中的重要性進行評估，并提取主題中的核心主題詞。統計主題詞-概率分布（見圖1），得出11個主題和每個主題下概率排在前5的主題詞。

統計主題詞和文檔數量，得出主題詞和每個主題的文檔數量，以及每個主題下概率排在前10的主題詞（見表1）。可以看到，主題0、主題1、主題2、主題3的文檔數量較多，均超過了300，主題9和主題10的文檔數量相對較少。

（2）主題表征的優化

為了優化主題表征的多樣性和主題解釋性，將表1中由c-TF-IDF生成的主題詞視為候選主題詞，通過KeyBERT技術對主題詞進行微調。KeyBERT是由上下文自標注的語料庫進行訓練，通過端到端的深度學習方法來檢索和提取與主題語義最相關關鍵詞與關鍵短語[23]。如主題0的原始主題詞為\"技術、機器人、智能、模型、人類、發展、公司、數據、用戶、系統”，KeyBERT微調后得到\"ChatGPT、OpenAI算力、基于、核心、創新、谷歌、對齊、方式、一種”，它更聚焦于當前熱門的人工智能相關技術和企業，突出了主題在具體技術和領域熱點方面的語義，使得主題詞能更精準地反映該主題。可以看到，在KeyBERT微調后，11個主題的主題詞在多樣性和解釋性方面都得到提升。如主題1的原始主題詞為“中國、藝術、地點、展覽、合作、發展、教授、作品、文化、美國”，KeyBERT微調后得到的主題詞為“美術館、博物館、世紀、展出、文物、展覽、一種、展示、主講人、展期”，它更聚焦于藝術展覽相關的具體場景和元素，如美術館、博物館、文物等，突出了主題在展覽實踐層面的語義。又如，主題6的原始主題詞為“醫療、醫院、健康、患者、老年人、服務、養老、臨床、疾病、技術”，KeyBERT微調后得到的主題詞為“愛康、科委、轉診、老年人、治療、患者、就醫、康復、平臺、腦機”，它更聚焦于醫療健康領域的具體機構（如愛康、科委）服務流程（如轉診、就醫、康復）及技術應用（如腦機），突出了主題在醫療服務實踐和技術落地方面的語義，使得原始主題詞較為寬泛的語義變得更加精確。再如，主題7的原始主題詞為“發展、推進、建設、改革、完善、經濟、工作、機制、制度、推動”，KeyBERT微調后得到的主題詞為“黨中央、習近平、深化改革、總書記、依法、我國、貫徹、改革、維護、深化”，微調后的主題詞在語義上突出了國家（如黨中央、習近平、總書記、我國）對人工智能應用場景的關注，彰顯了國家層面的深化改革和依法治理（如深化改革、依法）（經過KeyBert微調優化后的主題詞見表2）。

（3）主題詞分析

下面結合圖1、表1、表2以及已有的文獻對人工智能應用場景主題詞進行分析。

主題0的主題詞有“技術、機器人、智能、模型、數據”，聚焦人工智能技術研發與數據驅動的算法創新。微調主題詞有“ChatGPT、OpenAI、算力、創新”，揭示了人工智能技術研發對大語言模型和硬件基礎設施的依賴。該主題對應人工智能的基礎研發層，涵蓋機器人設計、智能算法優化及跨模態模型開發，如Shao等提出了基于動作模仿強化學習的四足機器人通用技能控制[25]。

主題1的主題詞有“中國、藝術、展覽、合作”，關注人工智能下的文化數字化。微調主題詞有“美術館、博物館”，聚焦AI在文化領域的垂直應用，公共文化服務體系現代化轉型是堅定文化自信和推進文化強國建設的基礎保障[26]，通過建立健全人工智能文化治理機制，實現文化治理決策的科學化、文化治理方式的精準化和文化公共服務的高效化[27]。

主題2的主題詞有“企業、上海、發展、產業、創新”，圍繞人工智能賦能區域產業鏈協同創新與城市群一體化發展，人工智能發展呈現出“以經濟建設為主導，地區發展模式鮮明\"的特點[28]。微調主題詞有“長三角、一體化、體系、高質量”，人工智能正推動著產業結構轉型和生產要素流動29，通過實現跨省域產業鏈協同，呼應國家戰略，促進區域經濟聯動。

主題3的主題詞有“發展、經濟、消費、創新”，圍繞人工智能助力下的經濟優化發展與消費升級。人工智能驅動了消費升級更快更穩地發展，相應地，消費升級也會為人工智能的發展帶來機遇[30]。微調主題詞有“高質量、推進、生產力”，研究表明歐亞地區國家人工智能發展的準備情況與經濟發展水平密切相關[31]，表明經濟發展需求與人工智能的應用互為推力。

主題4的主題詞有“金融、公司、科技、企業”，圍繞人工智能賦能金融業務創新與企業經營管理。人工智能的介人逐漸顛覆管理客體，管理本質更加復雜并且決策環境不斷優化2。同時，人工智能技術創新能夠培養企業核心能力、整體能力和動態能力[33]。微調主題詞\"科創板、監管、上市公司\"等指向資本市場改革。人工智能應用于智能風控、企業監管、保險精算以及企業融資等場景，推動金融行業智能化轉型和資本市場改革。

主題5的主題詞有“市場、政策、A股、預期、板塊”，圍繞人工智能在資本市場中的應用，比如利用人工智能系統能夠自動響應外部信息并結合市場需求進行快速的交易，或是實現在無人為干預的情況下操盤對沖基[34]。微調主題詞\"上證綜指、券商、投資者\"指向市場情況，通過構建中文金融大語言模型實現市場情緒測度與資產價格風險預測[35]。

主題6的主題詞有“醫療、醫院、健康、患者、老年人”，圍繞醫療健康和養老服務兩個具有代表性的應用場景。人工智能在生物醫學中應用廣泛，包括疾病診斷、生活輔助、生物醫學信息處理和生物醫學研究[36。同時，人工智能在養老領域涉及服務種類包括生活照料、醫療護理、精神慰藉及緊急救助[7]等多種服務。微調主題詞有“科委、平臺、腦機”，指向政策與技術要素。

主題7的主題詞有“發展、推進、建設、改革、完善”，圍繞人工智能相關政策與推動行業改革。國家多部門聯合發布《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》4，統籌人工智能場景創新；科技部發布《關于支持建設新一代人工智能示范應用場景的通知》3，支持建設包括智慧農場、智能港口等10個人工智能示范應用場景。助力人工智能應用場景的政策措施接連出臺，說明政策支持是人工智能應用的原因之一。同時，人工智能深度賦能廣電[38]、勞動力市場[39]、司法[40]等領域改革。微調主題詞中的“黨中央、習近平、深化改革、總書記”，彰顯了國家治理與推動深化改革。確實，人工智能有潛能賦能政府治理，矯正政府失靈，提高政府效率[41]。

主題8的主題詞有“低空、無人機、經濟、eV-TOL、航空”，圍繞人工智能驅動下的低空領域技術突破與產業化。人工智能賦能低空經濟在推進智慧城鄉交通方面發揮了重要作用[42]。微調主題詞\"空中交通、直升機、飛行器”，聚焦低空經濟智能化，涵蓋無人機物流、城市空中交通管理、航空器研發，如我國首套具有自主知識產權的彩虹-4無人機航磁三分量測量系統[43]的問世，為我國增添了一款新的航空物探利器。

主題9的主題詞有\"設計、建筑、城市、創新”，映射人工智能引領城市創意設計發展，當今人工智能技術孕育了智能工具與建筑師間的合作，旨在挖掘建筑師自身創造力[44]。同時，在城市智能管理中，利用無人機和AI技術進行建筑物的健康監測[42]。微調主題詞\"創意設計、創新獎、設計師、城市更新”，指向城市更新與未來服務。對應智慧城市設計領域，如智慧城市的安全保障方法、智慧城市移動大數據的時空建模與可視化分析方法[45]

主題10的主題詞有“媒體、傳播、新聞”，圍繞主流媒體的新聞生產傳播。智能化機器、智能物體將與人的智能融合構建新的媒體業務模式[4]，在新聞生產與傳播過程中，人工智能已經廣泛使用。微調主題詞“澎湃、采編\"指向具體實踐，輔助記者完成數據搜集、清洗、分析和可視化生成，提升數據呈現的精準度和互動性[47]。

3.2人工智能應用場景主題相似性分析

繪制主題相似度熱力圖（見圖2）可以展示不同主題間的相似度。它通過顏色深淺來表示數據的相似度，顏色越深表示相似度越高，顏色越淺則表示相似度越低。

可以看到，主題0和主題2的相似度達0.85，表明城市群區域發展需求與人工智能技術的關系，需要不斷地創新和發明新的技術并通過合適的方法規劃城市的發展[48]。主題0和主題3的相似度達0.85，說明人工智能技術研發與算法創新同經濟優化與消費升級有極大相關性。主題0和主題9相似度達0.85，說明人工智能技術對于城市更新和創意設計的支持。主題1和主題2的相似度達0.85，區域經濟與文化觀念息息相關，利用數字技術和數據要素雙輪驅動，與文化產業協同發展，形成數字經濟與大城市群文化產業融合發展效應[49]。主題1和主題7的相似度達0.85，說明人工智能支持下的文化數字化展示與跨區域交流合作同人工智能相關政策與推動行業改革存在潛在關聯，值得后續研究探索。主題2和主題9的相似度達0.85，表明未來城市創意發展與服務關聯區域城市群一體化發展。主題3和主題5的相似度達0.88，表明AI技術驅動的經濟優化發展與資本市場息息相關，依據市場經濟的原則調整經濟結構，必須以資本市場為依托[50]。主題4與主題5的相似度達0.87，表明金融業務創新與企業管理同資本市場的關聯性極強。

主題2與主題3的相似度達0.95，是目前最高的相似度，表明經濟發展與城市群區域發展深度綁定，人工智能已成為推動企業轉型升級和經濟高質量發展的重要驅動力[51]。主題2和主題4的相似度達0.90，表明金融業務創新同城市群跨區域發展存在內部關聯。主題2和主題7的相似度達0.90，說明政策對于人工智能賦能區域產業鏈協同創新與城市群一體化發展有一定的支持。主題3與主題4相似度達0.91，表明經濟發展與金融創新之間存在緊密聯系，各區域的金融生態與經濟增長具有顯著的協調性[52]，人工智能技術在金融領域的應用可能會影響經濟發展。主題3和主題7相似度達0.91，說明人工智能助力下的經濟結構優化與消費升級同政策息息相關。

3.3人工智能應用場景主題層次聚類及文檔分布分析

對主題層次聚類（見圖3）后發現，主題2和主題3形成一個最底層聚類群：區域經濟核心群。主題0和主題4構成另一個最底層聚類群：技術-企業發展核心群。印證技術的進步和經濟發展的需求是人工智能應用的原因。同時人工智能也推動著經濟和企業不斷發展，相輔相成。主題7與主題2和主題3合并，說明人工智能相關政策對人工智能應用的影響。

隨后是主題1、主題6、主題5、主題10、主題8和主題9合并，這些都是人工智能較具代表性的應用場景。研究結果揭示了人工智能技術在不同場景和區域中的交叉滲透程度與協同效應。不同場景之間的交叉融合不僅促進了技術的創新和發展，還帶動了產業的協同升級和區域經濟的協同發展，同時也促進了文化創意等軟實力的提升。

分析主題文檔的分布情況（見圖4），可以直觀地展示出不同主題下的文檔分布特征，其中701篇文檔被視為噪聲。可以看到，每個主題內部較為集中且主題之間的邊界較為明晰。其中主題0、主題1和主題7出現了跨越象限的情況，說明這些主題具有交叉特征。確實，主題0反映出人工智能技術研發與算法創新作為技術基礎層支撐各個主題，人工智能是驅動新舊動能轉換的關鍵力量[53]。主題1反映出人工智能支持下的文化數字化展示，說明文化交流等軟實力與人工智能場景應用的各個主題存在潛在關聯，人民的精神文化需求不斷增加，以科技創新賦能的新質生產力的培育必須與文化生產力的內涵與品質相融合[54]。主題7反映出政策主題滲透到應用實施層，近年來國家出臺了大量人工智能發展政策，從指導思想、戰略目標、總體要求、總體部署等各個方面作出了明確規定，勾勒出我國人工智能的發展階段及階段性目標，為我國人工智能及場景應用設計了發展藍圖[55]。

4結語

本文基于BERTopic對人工智能應用場景進行了主題模型分析，挖掘了人工智能應用場景的主題。識別出技術研發、文化數字化、區域經濟協同、經濟發展、金融創新、資本市場、醫療養老、政策協同、低空經濟、城市發展、新聞傳播11個主題，發現區域經濟協同與經濟發展、金融創新、政策協同這三個主題的相似度較高，經濟發展與金融創新、政策協同這兩個主題相似度較高，技術研發、文化數字化和政策協同與其他主題存在不同程度的交叉滲透。本文在一定程度上展現了催生人工智能顛覆性應用的場景現狀、潛在需求和關聯要素。

隨著技術的不斷進步、應用場景的不斷擴展和經濟需求的增加，人工智能將在更多行業與領域有更加深入的應用。同時，人工智能應用場景的發展也會面臨諸多挑戰，如數據質量、技術瓶頸、數據安全、倫理問題等。因此，未來可以結合人工智能應用場景存在的挑戰開展更多的研究，協同推進人工智能巔覆性應用的健康持續發展。

參考文獻：

[1］國家網信辦，國家發展改革委，教育部，等.生成式人工智能服務管理暫行辦法[EB/OL].[2023-07-10].ttps：/www.gov.cn/zhengce/zhengceku/202307/content_6891752.htm.

[2]國務院.新一代人工智能發展規劃[EB/OL].[2025-05-08].https：//ww.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[3］科技部.科技部關于支持建設新一代人工智能示范應用場景的通知[EB/OL].[2025-05-12].ttps：//ww.gov.cn/zhengce/zhengceku/2022-08/15/content_5705450.htm.

[4］中華人民共和國中央人民政府.科技部等六部門關于印發《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》的通知[EB/OL].[2025-05-19].htps：//ww.gov.cn/zhengce/zhengceku/2022-08/12/content_5705154.htm.

[5]李夢薇，高芳，徐峰.人工智能應用場景的成熟度評價研究[J].情報雜志，2022，41（12）：176-183.

[6]方海光，仝賽賽，杜婧敏，等.基于區塊鏈技術的智慧學習機器人設計研究——面向大規模學習服務系統的智慧學習機器人[J].遠程教育雜志，2017，35（4）：42-48.

[7]盧宇，余京蕾，陳鵬鶴，等.生成式人工智能的教育應用與展望——以ChatGPT系統為例[J].中國遠程教育，2023，43（4）：24-31，51.

[8］吳怍，李鳳鳴，胡藝齡.生成式人工智能賦能本科生科研能力培養——ChatGPT支持的CUREs教學模式[J].現代遠程教育研究，2024，36（3）：3-10，28.

[9］馬銀琦，黃恒，毋磊，等“技術賦能\"還是\"工具依賴\"：生成式人工智能對研究生科研創新力的影響研究[J].電化教育研究，2024，45（12）：58-66.

[10]高奇琦，呂俊延.智能醫療：人工智能時代對公共衛生的機遇與挑戰[J].電子政務，2017（11）：11-19.

[11]EstevaAuprelB，ovRA，taatolgistevesiicatiofnciepualeoksure，2017，542（7639）：115-118.

[12]高美虹，尚學群.利用人工智能預測癌癥的易感性、復發性和生存期[J].生物化學與生物物理進展，2022，49（9）：1687-1702.

[13]StokesJ，YangK，wasonK，etal.AeeplearnngapproachtntibioticdiscoveryJ].Cell，1（2）：44.

[14］趙光輝.人工智能驅動交通運輸高質量發展邏輯機理及發展路徑[J/OL].當代經濟管理，1-21[2025-06-09].ttp：/kns.cnki.net/kcms/detail/13.1356.F.20250514.1759.002.html.

[15]WeiY，AvcC，LiuJ，etalDnamicprogramming-basedmultivehiclelongitudinaltrajectoryoptizationwithsipliedarfollowing models[J].Transportation Research PartB：methodological，2O17，106：102-129.

[16]高奇琦.共享智能汽車對未來世界的影響[J].人民論壇，2017（20）：39-47.

[17]李佳珂.人工智能對金融創新的積極影響[J].人民論壇，2018（25）：78-79.

[18]Zhao M，WeiH，MaoY，etal.Predictionsofadditivemanufacturing processparametersandmoltenpooldimensiosithphysics-informed deep learning model[J].Engineering，2023，23：181-195.

[19]梁萬杰，馮輝，江東，等.高光譜圖像結合深度學習的油菜菌核病早期識別[J].光譜學與光譜分析，2023，43（7）2220-2225.

[20]張新苗，余自武，楊雨綺.人工智能在波音787上的應用與思考[J].工業工程與管理，2017，22（6）：169-174.

[21]汪波，牛朝文.從ChatGPT到GovGPT：生成式人工智能驅動的政務服務生態系統構建[J].電子政務，2023（9）：25-38

[22]GrotendorstM.BERTopic：Neuraltopic modeling withaclass-basedTF-IDFprocedureJ].arxivpreprintarxiv：2203.05794，2022.

[23]GrootendorstM.KeyBERT：Minimal KeywordExtractionwithBERTEB/OL].2025-02-10].htps：//maartengr.github.i/KeyBERT/.

[24]LiuMY，LuoXWWangGBetalIntellgentinforationextractionfrogovementositeispectioeportsofostruction projects：A graph-based text mining approach[J].Advanced Engineering Informatics，2023，58：102163.

[25]ShaoYC，JinYB，HuangZL，etal.Alearing-basedcontrolpipelieforgeneric motorskilsforquadrupedrobotsJournalof Zhejiang University-ScienceA（AppliedPhysicsamp;Engineering），2024，25（6）：443-454.

[26]楊博，王連.數字化賦能公共文化服務體系高質量發展：邏輯、困境與路徑[J].圖書與情報，2023（5）：130-138.

[27]季正聚，趙學琳.人工智能賦能文化治理：價值意蘊、問題表征、實踐理路[J].中國編輯，2024（12）：4-13.

[28］劉紅波，林彬.中國人工智能發展的價值取向、議題建構與路徑選擇——基于政策文本的量化研究[J].電子政務，2018（11）：47-58.

[29］曾晨語，魏下海，余玲錚.生成式人工智能如何重塑勞動力市場：研究綜述與未來展望[J].產業經濟評論，2025（3）：82-102.

[30]蒲曉曄，黃鑫.人工智能賦能中國經濟高質量發展的動力問題研究[J].西安財經大學學報，2021，34（4）：101-109.

[31］基里爾·魯德，陳勝男.歐亞地區國家人工智能發展：因素、風險和中國機遇[J].俄羅斯研究，2025（1）：5-23.

[32]徐鵬，徐向藝.人工智能時代企業管理變革的邏輯與分析框架[J].管理世界，2020，36（1）：122-129，238.

[33］張竹，邢小強，徐赫辰.人工智能技術創新與中國企業高質量發展：能力基礎觀視角[J/OL].外國經濟與管理，1-21[2025-06-03].htps：//doi.org/10.16538/j.cnki.fem.20250228.401.

[34]劉憲權.人工智能時代證券期貨市場刑事風險的演變[J].東方法學，2021（2）：43-53.

[35]姜富偉，劉雨旻，孟令超.大語言模型、文本情緒與金融市場[J].管理世界，2024，40（8）：42-64.

[36]Rong GG，MendezA，Bou AE，et al.醫療保健中的人工智能—綜述與預測性案例研究[J].Engineering，2020，6（3）：189-211.

[37]睢黨臣，曹獻雨.人工智能養老的內涵、現狀與實現路徑[J].新疆師范大學學報（哲學社會科學版），2019，40（2）：111-119，2.

[38］王虎，陳小萍.人工智能賦能廣電供給側結構性改革的路徑[J].電視研究，2020（10）：23-26.

[39]蔣南平，鄒宇.人工智能與中國勞動力供給側結構性改革[J].四川大學學報（哲學社會科學版），2018（1）：130-138.

[40]魏斌.司法人工智能融入司法改革的難題與路徑[J].現代法學，2021，43（3）：3-23.

[41]程承坪.人工智能促進經濟發展的途徑[J].當代經濟管理，2021，43（3）：1-8.

[42]莊茁.人工智能賦能低空經濟：應用場景與未來方向[J].人民論壇，2024（15）：38-44.

[43]郭華，王明，姚雨暘，等.彩虹-4無人機航磁三分量測量系統研發及應用研究[J].地球物理學報，2022，65（11）：4485-4494.

[44]周漸佳，閆超，何宛余，等.新主體性的誕生：人工智能時代的建筑理論[J].建筑學報，2024（1）：29-36.

[45]ShanZ，ShiL，iBetalmpowerinsmartcityatioalwarenesviaigobiledataJ]FrotiersofIforatichnologyamp;Electronic Engineering，2024，25（2）：286-307.

[46]彭蘭.智媒化：未來媒體浪潮——新媒體發展趨勢報告（2016）[J].國際新聞界，2016，38（11）：6-24.

[47]何康，鄭雨蛟.從數據驅動到智能驅動：新聞可視化的應用創新[J].中國編輯，2025（2）：34-41.

[48］楊俊宴，鄭屹.城市：可計算的復雜有機系統——評《創造未來城市》[J].國際城市規劃，2021，36（1）：124-130.

[49]臧紅敏.數字經濟與大城市群文化產業融合發展研究[J].圖書與情報，2024（1）：67-73.

[50]康立，王棟.論資本市場對我國經濟結構戰略性調整的支持[J].中南財經政法大學學報，2002（3）：97-103，144.

[51]呂鐲，張恒鑫，李連偉.人工智能對企業成長的影響研究[J].科研管理，2025，46（5）：55-63.

[52]逐進，朱順杰.金融生態、經濟增長與區域發展差異——基于中國省域數據的耦合實證分析[J].管理評論，2015，27（11）：44-56.

[53]沈坤榮，丁露，趙倩.以人工智能培育經濟發展新動能[J/OL].社會科學輯刊，1-9[2025-06-09].htp：//ns.cnki.net/kc-ms/detail/21.1012.C.20250609.0954.010.html.

[54]魏鵬舉.作為新質生產力的文化科技融合與人文經濟發展[J].福建論壇（人文社會科學版），2024（6）：55-64.

[55]賈開，郭雨暉，雷鴻竹.人工智能公共政策的國際比較研究：歷史、特征與啟示[J].電子政務，2018（9）：78-86.

作者簡介：劉湘貝，女，碩士研究生；嚴亞蘭，女，、教授，博士生導師；查先進，男，教授，博士生導師。