中国|中国提出的AI方法影响越来越大，天大等从大量文献中挖掘AI发展规律( 五 ) 高薪|发展规律|文献|方法|中国

文章插图
其中，为 l_m 文献对应的研究场景簇在 45,215 篇论文中的分布，表示为文献对应的研究场景簇在 45,215 篇论文中的分布。为计算与的 JS 散度。
4 结果
本节基于前述的方法，包括章节分类、AI 标记的抽取与归一、AI 标记原始文献的溯源、方法和研究场景的聚类、方法簇内路径图的生成以及研究场景簇的影响程度，对所收集的 CCF corpus（2005-2019 年的 AI 论文）进行基于 AI 标记的统计分析、传播分析与挖掘，并对结果进行展示。
4.1 有效 AI 标记的统计
我们通过提取 CCF corpus 中的 AI 标记，得到 171,677 个机器学习方法实体、16,645 个数据集实体、1551 个指标实体。考虑到很多只出现一次的 AI 标记基本上没有丰富的信息，我们只对出现 1 次以上的 AI 标记进行分析。我们将出现次数大于 1 的 AI 标记称为有效 AI 标记。
本节介绍了有效 AI 标记关于国家和出版地点的分析，以及对每年使用数量排名前十的有效 AI 标记的分析。
4.1.1 有效 AI 标记关于国家的分析
一个国家提出有效 AI 标记的数量能够体现出该国的 AI 研究实力。因此，我们首先对 CCF corpus 中各个国家在 2005-2019 年提出的有效方法和数据集的数量分别进行了统计，如图 4 和图 5 所示。

文章插图
Figure 4：追溯到的由 CCF corpus 提出的有效方法在不同国家中的数量分布

文章插图
Figure 5：追溯到的由 CCF corpus 提出的有效数据集在不同国家中的数量分布
由图 4 我们可以看出，提出有效方法的数量排名前三的是美国、中国、英国。德国、法国、加拿大、新加坡、澳大利亚等国家提出的有效方法数量次之。由图 5 我们可以看出，提出有效数据集的数量排名前三的也是美国、中国、英国。德国、瑞士、加拿大、法国、新加坡、以色列等国家提出的有效数据集的数量次之。由此可以看出，美国、中国、英国是机器学习领域中相对更为活跃的国家。德国、法国、加拿大、新加坡等国家虽与美国、中国、英国有一定差距，但是相对而言也比较活跃。
为了降低各个国家论文发表数量对分析结果产生的影响，我们对 CCF corpus 中提出有效方法数量排名前十的国家的有效方法提出率和 CCF corpus 中提出有效数据集数量排名前十的国家的有效数据集提出率进行了分析。
国家 c 有效方法的提出率 MRc、有效数据集的提出率 DRc 计算如公式 4 和 5 所示。
其中，表示 CCF corpus 中国家 c 提出的所有有效方法的集合，表示 CCF corpus 中国家 c 提出的所有有效数据集的集合，表示在 CCF corpus 中国家 c 的所有文献的集合。

文章插图
(a) 图 4 中排名前 10 国家的有效方法提出率。

文章插图
(b) 图 5 中排名前 10 国家的有效数据集提出率。
Figure 6：图 4 和图 5 中排名前 10 国家中有效 AI 标记的提出率。国家提出的 AI 标记的数量从上到下递减。
基于公式（4）和（5），我们计算了提出有效方法数量排名前 10 的国家中有效方法的提出率和提出有效数据集数量排名前 10 的国家中有效数据集的提出率，结果如图 6 所示。
由图 6a 我们可以看出，美国提出有效方法的数量和比例都稳居第一位。中国和英国虽然提出有效方法的数量比较高，但是提出有效方法率要低于新加坡、以色列、瑞士。由图 6b 可知，瑞士虽然提出有效数据集的数量要低于美国、中国、英国、德国，但是在数据集的提出率上是最高的，反映出瑞士特别重视 AI 数据集。
4.1.2 有效 AI 标记关于出版地点的分析
一个出版地点提出有效 AI 标记的数量能够体现出该出版地点的质量。出版地点 v 有效方法的提出率 MRv、有效数据集的提出率 DRv 计算如公式 6 和 7 所示。
其中，M_v表示 CCF corpus 中出版地点 v 提出的所有有效方法的集合，D_v表示 CCF corpus 中出版地点提出的所有有效数据集的集合，L_v表示在 CCF corpus 中发表在出版地点 v 的所有文献的集合。
利用公式 6 和 7，我们计算了提出有效方法数量排名前 10 的出版地点中有效方法的提出率和提出有效数据集数量排名前 10 的出版地点中有效数据集的提出率，结果如图 7 所示。

文章插图
(a) 提出有效方法排名前 10 的出版地点的有效方法提出率。