决策智能领域研究态势知识图谱分析

葛金秀, 盛 武

(安徽理工大学 经济与管理学院, 安徽 淮南 232001)

决策智能指的是利用人工智能技术进行决策分析和决策支持的能力。近年来,随着人工智能技术的不断发展,越来越多的国家制定相关政策推动决策智能的应用和发展。以人工智能为代表的新一代信息技术正成为“十四五”期间我国推动高质量发展、建设创新型国家的重要驱动力之一[1]。而决策智能作为人工智能技术的深层次领域之一,被全球知名研究机构Gartner列为21世纪重要战略技术趋势与数字化转型新趋势[2]。2017年,国务院也在印发的《新一代人工智能发展规划》中,重点指出了决策智能的应用场景[3]。在智能发展时代,运用决策智能发展生产力,增强管理决策水平,是国家与企业实现创新发展的强力手段;同年,欧盟委员会发布了《欧洲数字单一市场战略》,提出了支持决策智能技术的发展战略。国内的阿里、腾讯等互联网企业率先意识到人工智能技术在决策市场上的巨大潜力,分别开设了达摩院决策智能实验室、腾讯AI Lab实验室。国外的谷歌、Facebook等也分别创立了人工智能实验室DeepMind、FAIR。

最新研究表明,决策智能在企业管理、药品监管、服装生产等方面起协助决策的作用,证明了决策智能在多个领域的重要应用价值[4-6]。Yan等[4]使用大数据分析提高智能组织和决策,来改进公司生产计划,最大限度提高企业盈利能力。Revital等[5]通过人工智能决策系统提供的决策与专家所给胰岛素剂量调整建议并无明显差异,表明决策智能系统在调控药剂剂量方面具有潜在能力。Aksoy和Ozturk[6]构建了基于模糊逻辑的决策支持系统,建立了一个可以适用于大多数服装行业的有效决策系统,减少对决策者的依赖性。目前基于人工智能的决策智能领域的应用十分广泛,但系统性去总结决策智能应用方向的演变的研究较少。因此,利用CiteSpace对国内关于决策智能的研究机构、核心作者、关键词共现、聚类进行图谱分析[7],以期为决策智能领域发展提供参考和借鉴。

1 数据来源与方法

1.1 数据来源

以中国知网(China National Knowledge Internet,CNKI)数据库作为分析的数据来源,设定主题为“决策智能、决策智能方法、决策智能应用”;时间节点2002-01-01-2023-03-13;设置来源为北大核心、科学引文索引(Science Citation Index,SCI)来源期刊、工程索引(Engineering Index,EI)来源期刊、中文社会科学引文索引(Chinese Social Sciences Citation Index,CSSCI)、中国科学引文数据库(Chinese Science Ctitation Database,CSCD),共得到1 045篇文献数据,剔除书评、会议等无关文献,最终提取999篇有效文献。

1.2 研究方法

采用文献计量可视化分析方法,将检索到的文献以“Refworks”格式导出,并用CiteSpace 软件进行数据转换,对发文时空演化、作者、机构和关键词等要素进行可视化分析,揭示该领域在一定时期内的研究热点、演进历程和发展趋势[8]。参数设置:将时间切片(Time Slicing)设置为1年,时间选择2002-2023年,TopN阈值设置为50。

2 文献研究数据特征图谱化分析

2.1 发文量时空演化分析

期刊论文发表量是衡量工作成果的重要指标之一,发文量时空演化趋势揭示了研究成果的发展态势。2002-2022年决策智能的年发文量分布情况如图1所示。

图1 2002-2022年决策智能年发文量

近20年来,国内关于决策智能的研究发文量总体呈现上升趋势,其中根据增长率,将2002-2022年分为两个阶段。第1阶段为2002-2016年,累计发文610篇,年平均发文量约为41篇;第2阶段为2017-2022年,累计发文380篇,年平均发文量约为63篇,明显高于第1阶段发文量平均水平。2017至今年度发文量快速增长,其中2021年发文量比2020年增长62.7%。由于检索时间截至2023年3月13日,部分文献尚未收录于数据库中,因此2023年发文量暂不分析。

同时,该发文量时空演化态势与全球各国政策出台具有较高的契合度,一定程度上说明国家相关政策的出现对决策智能发文量有促进作用。2016年,英国政府发布的《人工智能:未来决策制定的机遇与影响》报告指出,组织决策是人工智能发挥作用的核心领域[9];2018年我国提出要以信息化、智能化为杠杆培育新动能,推进互联网、大数据、人工智能同实体经济深度融合[10];同年,美国政府发布了《人工智能战略报告》,特别强调了人工智能技术在国家安全、医疗保健和交通领域的应用;2020年欧盟发布《人工智能白皮书》,指出人工智能将给决策智能带来契机和挑战[11]。需要注意的是,发文量时空演化图的发文量与相关政策出现存在一定的时间偏差,是因为新增的论文刊发与政策出台存在一定的时间延后[12]。

2.2 作者分析

为清晰反映研究的核心作者群体及其合作关系,绘制了决策智能研究人员的协作网络图谱。该图由593个节点、285条连线连接组成,如图2所示。根据普赖斯定律,至少发表mp篇论文才能成为该研究领域的核心作者,mp的计算为

图2 2002-2022年决策智能作者合作图谱

(1)

式中:npmax为统计期内发表论文数最多的作者发表的论文数[13]。使用样本计算出决策智能研究领域的mp≈2篇,因此统计时期内发表过不少于2篇文章的作者被称为该领域的核心作者。

其中,共有109位核心作者,发表了242篇论文,发表论文数量约占该领域内发表论文总数的24.22%,这远低于稳定核心作者群体发表的比例标准(50%)[14]。其中节点大小与作者发文量呈正相关,节点间连线越粗表示作者合作越密切[15]。图2的作者合作网络密度为0.001 6,说明目前我国学者对决策智能领域的研究不集聚,更多是独立研究思考,还没有组成稳定的、极具代表性的科研群体,作者间需要进一步加强合作。

表1展示了发表决策智能相关文献数量前10的作者和最高被引频次文献。其中发文量最多的是李丽娜,共7篇,主要关注点为船舶智能避碰,利用机器学习使用仿真测试平台自动避碰,最高被引频次文献是“多船避碰智能决策的生成与优化方法”[16],与陈国权、熊振南等合作较为紧密。其次发文量最多的是姚建明[17],共有4篇,主要研究方向为基于粗糙集方法挖掘专家知识和经验,解决工程问题中存在的不确定性、可行性差等问题,最高被引频次文献是“质量屋中顾客需求改进重要度的确定方法”[17]。以姚建明为中心,与李延来、唐加福、蒲云等学者形成了紧密的合作群体。这些研究团体为决策智能的相关研究奠定了基础,为决策智能发展作出了巨大贡献。

表1 2002-2022年决策智能相关文献发文量及最高被引频次文献统计

2.3 研究机构分析

期刊论文发表量是衡量工作成果的重要指标之一,发文量时空演化趋势揭示了研究成果的发展态势。2002-2022年决策智能的年发文量分布情况如图1所示。

对纳入的999篇文献进行研究机构发文量分析,构建了决策智能领域核心研究机构分布图谱,如图3所示,发文量前3名的机构分别为北京航空航天大学(16篇)、北京科技大学(8篇)、东北大学(8篇)。图4为根据样本数据绘制的国内决策智能研究机构合作网络图谱,由531个节点和201条连线组成,网络密度为0.001 4。其中,节点大小代表科研机构发表论文的数量,而连接每个节点线条的粗细代表科研机构之间的合作强度[18]。但是机构合作网络密度仅为0.001 4,意味着目前仍缺少具有影响力和地位的研究机构。

图3 2002-2022年决策智能发文机构发文量分布

图4 2002-2022年决策智能研究机构合作网络图谱

3 决策智能研究热点分析

3.1 关键词共现分析

关键词是一篇文章研究内容的核心,是对文章整体的凝练和概括,可以通过高频关键词了解该研究的热点和趋势[19]。通过可视化共现分析对收录文献中的关键词进行分析,得到关键词共现图谱[20],其节点数为553、连线数为772、网络密度为0.005 4,其共现网络如图5所示。

图5 2002-2022年决策智能关键词共现图谱

中心性可以作为某个节点相对于其他节点权力大小的量度,对比测量出节点的影响力大小[21]。而中心性值大于0.1,表明该关键词为重要节点[22],表2展示了频次前10的关键词。

表2 2002-2022年词频居于前10位关键词分布

3.2 研究热点

通过图5对关键词共现分析发现,“智能决策”是国内关于决策智能研究最大的节点,“人工智能”“专家系统”“数据挖掘”等次之。节点大小代表着该节点在网络中的重要程度,是当前研究热点与展开方向的直观反映[23]。通过表2可得关键词的频次与中心性之间的关系。大多数频次较高的关键词也具有较高的中心性,表明这类关键词具有较大的影响因子和较高的关注度,如 “智能决策”“人工智能”等。还有一部分关键词具备较高的中心性,但出现频次较低,表明这类关键词在决策智能领域中影响力高,但受关注较少,其关注度与影响力不相容,未来这方面的研究将是决策智能领域的研究重点,如“神经网络”“决策支持”等。

4 决策智能前沿趋势

4.1 聚类分析

为了解不同时期决策智能领域研究现状的结构和特征,对决策智能领域的关键词进行聚类,获得关键词聚类图谱,如图6所示。一般情况下,聚类分析中有两个指标值得注意:Modularity(聚类模块值,即Q值)和 Silhouette(聚类平均轮廓值,即S值)[24]。当Q>0.3,表明划分的结构是显著的;当S=0.7时,聚类是同质性高且有高可信度的[25]。图6的Q=0.673 4,大于0.3,表明聚类结构显著,S=0.869 8,大于0.7,表明聚类效果良好,具有高可信度。图6中主要聚类有#0智能决策、#1人工智能、#2决策支持、#3决策树、#4粗糙集、#5强化学习、#6决策、#7智能、#8大数据。揭示了不同聚类围绕决策智能这一关键词联系紧密,决策智能可拆分为人工智能和决策支持两个分关键词,研究通过人工智能的手段来分析决策的现状与问题,不断挖掘决策智能的潜力,最终提高决策智能的生产力和竞争力。

图6 2002-2022年决策智能关键词聚类图谱

4.2 关键词突现分析

在一定时间段内,关键词出现频率明显增加,称为关键词突现,反映了相关领域的研究转折,通过关键词频率变化态势可以挖掘潜在研究前沿[26],强度高则影响力大。图7为决策智能文献前15的突现词。由图7可见,关键词突现最高为17.67,最低为2.91,平均值为5.59,决策智能研究的发展时段与人工智能政策进程完全相符,可将其分为起步、突破、飞跃3个发展阶段。

图7 2002-2022年决策智能前15突现词

4.2.1 起步期(2002-2003年)

2002年研究趋势开始突现“专家系统”“神经网络”,掀起决策智能研究热潮。神经网络作为机器学习的算法之一,具有很强的非线性信息处理能力;专家系统是知识+推理的突破,让决策智能的研究开拓了新的道路,而“数据仓库”突现时间较长(6年),但突现率最低(2.91),这与当时的技术发展紧密联系,由于软硬件能力不足,缺少经费而陷入研究低潮。

4.2.2 突破期(2004-2016年)

2004-2016年突现出“机器学习”“大数据”“智能电网”“物联网”等词,基于大数据的广泛应用并且软硬件能力的提高促进了机器学习的发展,2012年在语音识别和机器视觉方面取得很好的效果,智慧电网的建设,实现电网高度自动化、信息化、数据化;物联网技术用于交通运输、生态环境、社会治理等方面[27],通过推进智能决策发展优化传统行业的运行方式。

4.2.3 飞跃期(2017年至今)

2017年至今突现有“人工智能”“数据驱动”“机器学习”“强化学习”“行为决策”等词,而“人工智能”突现强度最高且时间最久(6年),一直是研究趋势中的焦点。2021年全国人大发布《中华人民共和国经济和社会发展第十四个五年规划和2035年远景目标刚要》;2022年国务院发布《“十四五”数字经济发展规划》至此有关人工智能方面的地方政策频出,学者们的研究重点逐渐从智能电网、物联网转向人工智能问题,积极响应政策,并通过强化学习不断提高决策智能能力。反映决策智能以数字化转型为驱动方向,涉及强化学习和机器学习,体现了运用决策智能提高行为决策质量的研究趋势。

5 结论与建议

采用CiteSpace 6.1.R6软件分析了2002年1月至2023年3月发表的999篇决策智能相关文献,从发文量、作者、机构、关键词角度进行了分析,得到以下结论。

1)近年来,决策智能逐步受到学界关注,发文量受政策影响,研究成果呈上升趋势。尤其2017年后发文量明显增多,国家政策的出台,对决策智能领域的研究起了促进作用。发文量最多的是李丽娜、饶宁、姚建明等人,主要研究方向是“智能决策”“人工智能”“决策方法”,为决策智能的发展作出了巨大贡献。

2)我国对决策智能领域的研究较早,但决策智能的总体研究仍较分散,作者之间的联系也不紧密,没有形成完善的理论体系。发文机构则工科背景居多,发文最多的机构是中国科学院、浙江大学和清华大学。

3)综合高频词、突现词图分析发现,决策智能研究的热点随着政策与人工智能发展,从单一的专家系统和粗糙集,转变为以大数据为基础的人工智能与深度学习,表明决策智能的演进愈发由数据驱动,应充分利用已有模型和算法、经验知识与数据,通过人机协作进行决策,有效提升决策质量。

近年来,人工智能的快速发展引起了全球各国政府的广泛关注,出台的政策加强对决策智能的研究与应用,提升决策的精准性和科学性,降低决策成本与风险,广泛地应用于商业、工业等领域。针对我国决策智能领域研究存在的问题,应加强学者之间的合作,突破学科、院校的局限性,加快完成理论体系构建,促进决策智能研究的合作与创新。需要符合国家政策发展趋势,培养更多具有决策智能知识和技能的专业人才,加强国际合作与交流,推动决策智能技术的合作与发展,提高社会效益和经济效益。