| 【情报研究】人工智能全球Top20研究热点之五：社会网络模型及算法 |
| 发表时间：2019-10-28 阅读次数：1652 |
社会网络分析（social network analysis，SNA）是对社会关系结构及其属性加以分析的一套规范和方法，它主要分析的是不同社会单元所构成的关系的结构及其属性。社会网络与图论和复杂网络理论一起称为网络研究三部曲[1]。 2013—2019年间，社会网络模型及算法Top5论文产出国家为中国、美国、英国、印度和意大利。Top5论文产出作者为波士顿大学的Stanley, H. Eugene、清华大学的Yu, Philip S.、巴伊兰大学的Havlin, Shlomo、卡内基梅隆大学的Faloutsos, Christos和柏林洪堡大学的Kürths, Jürgen。在发文量排名前500的作者中，同济大学数学科学学院的Shang, Yilun在该研究主题按发文量排在第214位，发文量为22，被引量为235，FWCI为2.13（FWCI是指分析对象文献的被引频次与数据库中其他类似文献的平均被引频次的比值）。Top5论文产出机构如图1所示。
图1 社会网络模型及算法2013—2019年Top5论文产出机构
本领域最受关注的十大研究主题为：社团检测、社交网络及扩散影响、相互依存网络、复杂网络与优先连接、广度优先搜索、流行病动力学、数据隐私、垃圾邮件检测、舆论演化、好友推荐。2019年发文的主要关键词如图2所示，2019年被引量最高的Top10论文如表1所示。
图2 社会网络模型及算法2019年关键词聚类
表1 社会网络模型及算法2019年Top10被引论文 
以上内容主要来自《人工智能全球研究态势分析报告（2019版）》。该报告分析了2013—2019年间人工智能学科全球最受关注的Top20研究领域，并对每个研究领域中最受关注的Top10研究主题进行了分析，数据来源于Scopus数据库及Scival数据库。
如需更多信息，可联系同济大学图书馆情报分析与研究部。 电话：021-65982352
参考文献： [1] 陈云伟.社会网络分析方法在情报分析中的应用研究[J].情报学报,2019,38(01):21-28. 撰稿：梁丹 审核：姚俊兰 原文链接：http://www.lib.tongji.edu.cn:8001/index.php?classid=12231&newsid=30393&t=show |
