近20年智能制造研究热点与前沿挖掘

doi:10.3778/j.issn.1002-8331.2012-0472

计算机工程与应用 ›› 2021, Vol. 57 ›› Issue (6): 49-57.DOI: 10.3778/j.issn.1002-8331.2012-0472

近20年智能制造研究热点与前沿挖掘

王友发，周圆圆，罗建强

江苏大学管理学院，江苏镇江 212013

出版日期:2021-03-15 发布日期:2021-03-12

Analysis of Hotspots and Progress in Intelligent Manufacturing in Recent 20 Years

WANG Youfa, ZHOU Yuanyuan, LUO Jianqiang

School of Management, Jiangsu University, Zhenjiang, Jiangsu 212013, China

Online:2021-03-15 Published:2021-03-12

摘要/Abstract

摘要：

基于Web of Science和CNKI数据源，分别选取2001—2020年收录的智能制造相关文献作为研究对象，利用CiteSpace可视化软件，对智能制造研究总体现状、研究热点及发展脉络进行了系统梳理与分析。研究发现：近年来智能制造研究受到学者们的高度重视，文献数量呈爆发式增长；研究主题具有鲜明的时代特征，WOS与CNKI数据库中，智能制造领域研究热点在理论与实证研究等多方面存在差异。对智能制造研究的前沿趋势进行分析，并提出未来可能的4个主要方向。

关键词: 智能制造, 热点演进, 知识图谱, 可视化

Abstract:

Based on the data sources of Web of Science and CNKI, literature related to intelligent manufacturing collected from 2001 to 2020 are selected as research objects. CiteSpace visualization software is used to systematically summarize and analyze the overall status quo, research hotspots and development context of intelligent manufacturing research. It is found that, in recent years, intelligent manufacturing research has been highly valued by scholars, and the number of literatures has exploded. The research topic has distinct characteristics of the times, and the research hot spots in the field of intelligent manufacturing in WOS and CNKI are different in many aspects, such as theoretical and empirical research. Finally, the frontier trend of intelligent manufacturing research is analyzed, and four possible directions in the future are proposed.

Key words: intelligent manugacturing, hotspot evolution, mapping knowledge domains, visualization

王友发，周圆圆，罗建强. 近20年智能制造研究热点与前沿挖掘[J]. 计算机工程与应用, 2021, 57(6): 49-57.

WANG Youfa, ZHOU Yuanyuan, LUO Jianqiang. Analysis of Hotspots and Progress in Intelligent Manufacturing in Recent 20 Years[J]. Computer Engineering and Applications, 2021, 57(6): 49-57.

[1]	余磊，许光銮，王洋，林道玉，李峰. 基于动态投影嵌入的多维异质网络可视化研究[J]. 计算机工程与应用, 2021, 57(8): 145-152.
[2]	刘藤，陈恒，李冠宇. 联合FOL规则的知识图谱表示学习方法[J]. 计算机工程与应用, 2021, 57(4): 100-107.
[3]	李晓英，唐冬琳. 面向用户生成内容的创意思维知识服务研究[J]. 计算机工程与应用, 2021, 57(4): 236-244.
[4]	彭昭勇，伍权，陈华伟，郑跃，王书祥. 基于文献计量的机器视觉缺陷检测研究述评[J]. 计算机工程与应用, 2021, 57(4): 28-34.
[5]	卢琪，潘志松，谢钧. 融合知识表示学习的双向注意力问答模型[J]. 计算机工程与应用, 2021, 57(23): 171-177.
[6]	武书钊，李功权，卜明伟. 基于知识图谱的自杀倾向检测问答系统构建[J]. 计算机工程与应用, 2021, 57(22): 304-312.
[7]	江洋洋，金伯，张宝昌. 深度学习在自然语言处理领域的研究进展[J]. 计算机工程与应用, 2021, 57(22): 1-14.
[8]	陈小寒，魏书宁，覃正泽. 基于深度学习可视化的恶意软件家族分类[J]. 计算机工程与应用, 2021, 57(22): 131-138.
[9]	程宇航，张健钦，李江川，张安. 交通行业事故文本数据的可视化挖掘分析方法[J]. 计算机工程与应用, 2021, 57(21): 116-122.
[10]	吴昊，徐行健，孟繁军. 课程资源的融合知识图谱多任务特征推荐算法[J]. 计算机工程与应用, 2021, 57(21): 132-139.
[11]	孔松涛，刘池池，史勇，谢义，王堃. 深度强化学习在智能制造中的应用展望综述[J]. 计算机工程与应用, 2021, 57(2): 49-59.
[12]	任卓君，陈光，卢文科. 恶意软件的操作码可视化方法研究[J]. 计算机工程与应用, 2021, 57(18): 130-134.
[13]	陈恒，祁瑞华，朱毅，杨晨，郭旭，王维美. 球坐标建模语义分层的知识图谱补全方法[J]. 计算机工程与应用, 2021, 57(15): 101-108.
[14]	王友发，陈辉，罗建强. 国内外人工智能的研究热点对比与前沿挖掘[J]. 计算机工程与应用, 2021, 57(12): 46-53.
[15]	潘承瑞，何灵敏，胥智杰，王修晖，宋承文. 融合知识图谱的双线性图注意力网络推荐算法[J]. 计算机工程与应用, 2021, 57(1): 29-37.

近20年智能制造研究热点与前沿挖掘

Analysis of Hotspots and Progress in Intelligent Manufacturing in Recent 20 Years

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics