自动化学报  2017, Vol. 43 Issue (12): 2232-2243   PDF    
基于文献指标与合著网络的《自动化学报》2011-2016年发表论文分析研究
赵学亮1,2,3, 王涛4, 王晓1, 张楠3,5, 孙星恺1,2, 陆浩1,6, 王坛3,5     
1. 中国科学院自动化研究所复杂系统管理与控制国家重点实验室 北京 100190;
2. 中国科学院大学 北京 100049;
3. 中国自动化学会 北京 100190;
4. 国防科技大学系统工程学院 长沙 410073;
5. 中国科学院自动化研究所 北京 100190;
6. 北京理工大学计算机科学与技术学院 北京 100081
摘要: 本文以《自动化学报》2011-2016年发表的文献数据为依据,以定量与定性相结合的方式探索研究自动化学科领域研究动态.首先,从发文量、影响因子、被引情况、下载量等指标角度对该刊过去6年的发展情况进行统计分析;随后,通过对关键词、论文作者与发文机构的数据挖掘,获取并呈现自动化学科热点研究领域、核心科研人员与机构;最后,构建作者合著网络,并对核心子网络的指标属性进行深入解析,刻画科研人员及机构间的合作关系.研究结果可为自动化领域科技工作者及关注自动化学科发展的人士了解学科动态,加强学术交流,以及促进群体合作提供一定的参考.
关键词: 自动化学科     文献分析     合著网络     知识图谱    
A Literature Study on Acta Automatica Sinica During 2010 to 2016 with Bibliographic and Coauthorship Analysis
ZHAO Xue-Liang1,2,3, WANG Tao4, WANG Xiao1, ZHANG Nan3,5, SUN Xing-Kai1,2, LU Hao1,6, WANG Tan3,5     
1. The State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing 100190;
2. University of Chinese Academy of Sciences, Beijing 100049;
3. Chinese Association of Automation, Beijing 100190;
4. The College of Information System and Management, National University of Defense Technology, Changsha 410073;
5. Institute of Automation, Chinese Academy of Sciences, Beijing 100190;
6. The School of Computer Science and Technology, Beijing Institute of Technology, Beijing 100081
Manuscript received : August 15, 2017, accepted: October 26, 2017.
Foundation Item: Supported by National Natural Science Foundation of China (61533019, 71232006, 71701206)
Author brief: ZHAO Xue-Liang Ph. D. candidate at The State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences; engineer at Institute of Automation, Chinese Academy of Sciences, and Chinese Association of Automation. His research interest covers social computing and intelligent information processing;
WANG Xiao Assistant professor at The State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences. Her research interest covers social computing, cyber movement organizations, and social network analysis;
ZHANG Nan Associate professor at Institute of Automation, Chinese Academy of Sciences, and Chinese Association of Automation. Her research interest covers intelligent information processing and social computing;
SUN Xing-Kai Ph. D. candidate at The State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences. His research interest covers data mining, social computing, and academic intelligence;
LU Hao Assistant professor at The State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences, Ph. D. candidate in the School of Computer Science and Technology, Beijing Institute of Technology. His current research interest covers knowledge automation, social computing, and web intelligence;
WANG Tan Engineer at Institute of Automation, Chinese Academy of Sciences, and Chinese Association of Automation. Her research interest covers language processing and statistical analysis
Corresponding author. WANG Tao Assistant professor at the College of Information System and Management, National University of Defense Technology. His research interest covers social computing, web data mining, and people analytics. Corresponding author of this paper
Recommended by Associate Editor Liu De-Rong
Abstract: A quantitative and qualitative study on research developments in automation field is conducted based on the papers published in Acta Automatica Sinica during 2011 to 2016 from the aspects of productivity, citations, topics, usage, and coauthorship networks. The most productive authors, institutions, and the most cited papers, most popular papers, as well as the most frequent topics and their trends are identified and analyzed. Social network methods are employed for revealing collaboration patterns among contributors through author-level coauthorship. It is indicated that the automation field has made tremendous progress and Acta Automatica Sinica has contributed significantly to accelerate the growth over that period. The findings can help scientists in automation field to understand research developments, enhance academic exchanges, and promote collaborations as well.
Key words: Automation filed     bibliographic analysis     coauthorship network     knowledge graph    

科技论文作为科研工作者发表研究成果与学术见解的重要载体, 其内容直接反映了相关学科的研究进展和热点.对特定学科领域科技论文的综合深度分析, 能够为了解科研群体、把握学科态势、制定科技政策提供有价值的参考.

近年来, 利用自动化领域科技文献对自动化学科发展进行的研究, 已有一些重要工作.为跟踪学科研究进展, 了解科学研究前沿, 把握科技发展动向提供了重要的科学依据.陆浩等[1]围绕自动化领域5个子方向(控制理论与控制工程、模式识别与智能系统、导航制导与控制、检测技术与自动化装置、系统工程) 2011-2013年的网络文献与数据资源, 以科研知识图谱的方式综述了国内外自动化学科的发展情况.胡泽文等[2]基于不同数据源中《自动化学报》2008-2012年的文献计量数据, 从文献计量学指标的角度分析了自动化学科领域的研究进展、研究主体和研究热点.李超等[3]以2003-2012年国家自然科学基金资助项目统计及相关数据为依据, 分析了2003-2012年间自动化领域科学基金项目的申请与资助情况, 总结了科学基金对于自动化领域基础研究的引导和支持作用.王晨等[4]分析了2013-2015年自动化学科国家杰出青年科学基金申请人代表性论著所属期刊的影响力, 指出需要建立新的充分符合各研究领域学科自身特点的期刊评估指标和学术成果评价体系.中国自动化学会在中国科学技术协会"学科发展研究"项目的支持下,定期组织撰写"控制科学与工程"学科发展报告[5-8], 以学科综合报告和专题报告的形式系统性总结自动化领域的主要研究成果, 并对自动化学科现状和发展态势进行概述、分析和展望.

《自动化学报》(以下简称"学报")刊载自动化领域的高水平理论性和应用性科研成果, 内容涵盖自动控制、检测技术、系统工程、模式识别、导航制导、智能系统等细分领域[9], 是我国自动化学科领域具有代表性的高级综合性学术期刊.鉴于此, 本文以学报2011-2016年发表的论文数据为基础, 利用文献计量学与复杂网络的理论与方法, 结合学术期刊相关评价指标, 分析学报过去6年的出版与发展状况; 通过对论文主题、论文作者、作者机构等信息的统计分析, 梳理自动化学科研究热点与发展趋势, 挖掘核心科研人员与机构; 构建作者合著网络, 呈现作者及机构间的合作关系.以期为自动化领域的科研人员了解学科动态、紧跟学术热点、促进群体合作提供参考, 亦为科研管理部门规划决策提供依据.

本文以中国知网(CNKI) [10]的数据为基本数据源, 以学报官网(www.aas.net.cn)发布的文献信息作为比对数据集, 经过数据清洗和处理, 过滤目录、目次、通告等非论文条目, 最终得到有效的论文数据作为研究数据集.

1 综合指标 1.1 发文量

学报2011-2016年刊发论文共计1 329篇, 篇幅12 892页.按照年度与期次的刊发论文数量统计与变化曲线如图 1所示.

图 1 学报2011–2016年各期发表论文数量统计与变化曲线 Figure 1 Number of papers per issue between 2011 and 201

图 1可以看出, 在过去的6年里, 有3个年度(2012年、2013年、2016年)的最大刊文量都集中在当年第5期; 2011年和2015年的最大刊文量发生在第1期(2011年第1期和第11期发文量并列最大); 而2014年较为特殊, 刊文量总体上处于逐期增长的趋势; 和其他年度相比, 2013年各期的刊文量变化明显, "震荡"幅度较大, 主要原因在于当年发表了3个专刊("网络信息模式下复杂工业过程建模与控制"专刊、"控制科学学科发展战略研讨会约稿"专刊、"《自动化学报》创刊50周年"专刊).此外, 除2013年第3期发表了9篇文章以外, 其他各期的刊文量都在10 (含)篇以上. 6年间, 平均每期的刊文量约为18.5篇(1 329篇/72期), 刊文量最大的是2014年第11期, 为32篇, 是最小刊文量(9篇)的近3.6倍.

图 2展示了学报2011-2016年年度刊文量、刊文总篇幅及平均刊文篇幅的变化情况.可以看出, 刊文量与刊文总篇幅的变化基本一致, 总体趋势呈倒"V"型分布. 2011-2014年, 刊文量逐年上升, 2014年达到顶峰, 随后逐年下降, 到2016年时与2011年近似持平. 6年间, 平均每年的刊文量为221.5篇, 总篇幅2 148.7页. 2014年的总刊文量明显高于其他年度, 为304篇, 是年度最小刊文量(178篇)的1.7倍; 刊文总篇幅为2 976页, 是年度最小刊文篇幅(1 540页)的1.9倍.

图 2 2011–2016年年度文献量、总页数及平均篇幅变化 Figure 2 Number of papers and pages published, and the average paper length from 2011 to 2016

值得一提的是, 年度平均刊文篇幅在过去6年间保持相对独立, 从8.65 (2011年)升至10.94 (2016年), 呈现出逐年增长的趋势.

1.2 影响因子

影响因子(Impact factor, IF)作为国际上通行的期刊评价指标, 表示期刊评价前2年所发表论文的篇均被引用次数.它是衡量学术期刊影响力的一个重要指标, 在一定程度上反映了期刊的学术水平与论文质量.根据中国科学技术信息研究所发布的年度《中国科技期刊引证报告(核心版)》 [11], 2011-2016年学报影响因子变化情况如图 3所示.

图 3 2011–2016年学报影响因子 Figure 3 Impact factors from 2011 to 2016

可以看出, 2011-2014年, 学报影响因子保持逐年增长的趋势, 2014年达到顶峰, 但2015年下降近0.48, 降幅明显.根据影响因子的计算方法(见下) [11], 影响因子的下降与2014年学报发文量较大而论文的被引次数并没有相应增加存在一定关系. 2016年较2015年继续下降0.057, 这也是同样的原因, 预计2017年的影响因子会有所改观.

$ \begin{align*} {\rm IF}=\frac{\mbox{ 前 2 年发表论文在统计当年被引用的总次数}}{\mbox{ 前 2 年发表论文总数}} \end{align*} $

由此可见, 保持刊文量的相对稳定对学报影响因子指标有积极的作用.

1.3 被引情况

引用次数在一定程度上体现了被引文章的创新性和贡献量.通常情况下, 文章的被引次数与该文章的贡献成正比关系.根据CNKI的数据, 截至2017年8月4日, 学报2011-2016年发表的论文中, 被引频次在50次(含)以上的有49篇, 其中前10篇论文信息见表 1.

表 1 学报2011–2016年发表论文被引前10 Table 1 Most cited papers in the Acta Automatica Sinica between 2011 and 2016(Top 10)

按年度统计, 2011年发表的论文被引50次以上的有16篇, 2012年发表的论文被引40次以上的有14篇, 2013年发表的论文被引30次以上的有36篇, 2014年发表的论文被引20次以上的有19篇, 2015年发表的论文被引10次以上的有23篇.以上各年被引频次排名前5的论文信息分别见表 2 $\sim$ 6. 2016年发表的论文被引10次以上的有3篇, 论文信息见表 7.

表 2 学报2011年发表论文被引前5 Table 2 Most cited papers in the Acta Automatica Sinica in 2011 (Top 5)
表 3 学报2012年发表论文被引前5 Table 3 Most cited papers in the Acta Automatica Sinica in 2012 (Top 5)
表 4 学报2013年发表论文被引前5 Table 4 Most cited papers in the Acta Automatica Sinica in 2013 (Top 5)
表 5 学报2014年发表论文被引前5 Table 5 Most cited papers in the Acta Automatica Sinica in 2014 (Top 5)
表 6 学报2015年发表论文被引前5 Table 6 Most cited papers in the Acta Automatica Sinica in 2015 (Top 5)
表 7 学报2016年发表论文被引前3 Table 7 Most cited papers in the Acta Automatica Sinica in 2016(Top 3)

值得注意的是, 绝大多数高被引论文为综述性文章, 如学报2011-2016年发表论文被引前10 (表 5)中就有8篇为综述, 其他各年度被引频次较高的论文也多为综述.从表 1可以看出, 2011-2016年排名前10的文章被引均在100以上, 且均在2013年(含)之前发表.其中, "机器人技术研究进展" (谭民等[12])、"模型预测控制--现状与挑战" (席裕庚等[13])被引达300次以上, 尤其是"机器人技术研究进展" (谭民等[12])被引达到350次以上, 充分反映出学术界和科技界对机器人技术的发展所给予的关注和重视程度.此外, 袁勇等[14]于2016发表的"区块链技术发展现状与展望"被引达到50次, 在短期内获得这样高的引用也显示出区块链技术的研究与应用所呈现的快速增长态势.

1.4 下载量

和引用次数相比, 全文下载量能更及时地体现出文章的主题所受到的关注度及该文章本身的质量, 综述性文章在这方面表现尤为明显.根据CNKI和学报官网的数据, 截至2017年8月4日, 学报2011-2016年发表的文章中, 全文下载量超过5 000次的论文有25篇, 其中前10篇论文信息见表 8. 2011-2016年各年全文下载量前5的论文信息分别见表 9 $\sim$ 14.

表 8 学报2011–2016年发表论文全文下载量前10 Table 8 Most popular papers in the Acta Automatica Sinica between 2011 and 2016(Top 10)
表 9 学报2011年发表论文全文下载量前5 Table 9 Most popular papers in the Acta Automatica Sinica in 2011 (Top 5)
表 10 学报2012年发表论文全文下载量前5 Table 10 Most popular papers in the Acta Automatica Sinica in 2012 (Top 5)
表 11 学报2013年发表论文全文下载量前5 Table 11 Most popular papers in the Acta Automatica Sinica in 2013 (Top 5)
表 12 学报2014年发表论文全文下载量前5 Table 12 Most popular papers in the Acta Automatica Sinica in 2014 (Top 5)
表 13 学报2015年发表论文全文下载量前5 Table 13 Most popular papers in the Acta Automatica Sinica in 2015 (Top 5)
表 14 学报2016年发表论文全文下载量前5 Table 14 Most popular papers in the Acta Automatica Sinica in 2016(Top 5)

表 8可以看出, 学报2011-2016年发表论文全文下载量前10均为综述性文章.结合被引前10的论文信息(表 5), 可以发现有5篇论文的被引频次和全文下载量均排在前10, 即"机器人技术研究进展" (谭民等[12])、"模型预测控制--现状与挑战" (席裕庚等[13])、"基于图割的图像分割方法及其新进展" (刘松涛等[15])、"AdaBoost算法研究进展与展望" (曹莹等[16])、"网络控制系统的最新研究综述" (游科友等[17]).这5篇中有3篇为专刊约稿, 其中, "机器人技术研究进展" (谭民等[12])全文下载量超过25 000次, 远远领先于其他文章, 这足以说明机器人技术在近几年的火热程度及强劲的发展势头.此外, 全文下载量前10的文章中, 除了3篇分别于2016年、2012年、2015年发表之外, 其余7篇均在2013年发表, 数量最多.这7篇文章里, 有5篇为专刊约稿, 2篇为自由投稿.由此可见, 优秀的专刊稿源对提升学报影响力发挥了重要作用.值得一提的是, "区块链技术发展现状与展望" (袁勇等[14])是2016年发表的唯一一篇进入全文下载量前10的文章, 且下载量超过15 000次, 位居第三.

2 文献分析 2.1 关键词

关键词作为表达文献主题概念的词汇, 是论文总体内容的表征, 能够揭示学术研究的发展脉络与方向.学报2011-2016年发表的论文中, 共计有4 715个关键词, 出现频次在10次(含)以上的有24个, 其中排名前10的关键词见表 15, 它们在2011-2016年间的变化趋势如图 4所示.

表 15 学报2011–2016年发表论文关键词前10 Table 15 Most frequent keywords between 2011 and 2016(Top 10)
图 4 学报2011–2016年论文关键词前10变化趋势 Figure 4 Trends of top 10 keywords from 2011 to 2016

由表中数据可知, 排名前10的关键词主要集中在模式识别("图像分割"、"目标跟踪"、"特征提取"、"支持向量机"), 信号处理("压缩感知"、"稀疏表示"), 控制理论("非线性系统"、"模型预测控制")和人工神经网络("神经网络"、"深度学习")领域, 尤其以模式识别(图像处理、计算机视觉等方向)领域的居多.这也在很大程度上反映了学报的稿源所属研究领域的分布情况.值得注意的是, 源于人工神经网络研究的"深度学习", 近年来得到学术界和产业界的广泛关注, 尤其是"阿尔法围棋" (AlphaGo) 4:1战胜人类围棋高手引发了"深度学习"热, 并且热度持续上升, 它与"神经网络"一起, 在学报发表论文的关键词前10名中占据2席.此外, 无论是按总频次还是作为第一关键词出现的频次, "图像分割"、"目标跟踪"、"压缩感知"、"非线性系统"、"深度学习"等5个关键词所属的论文均具有可观的数量, 达5篇以上.

图 4可以看出, 绝大多数关键词在2011-2016年间经历了不同程度的波动, 变化范围在0 $\sim$ 8之间.但"深度学习"较为特殊, 其在2015年突破零[18], 并在2016年出现"井喷".而且, 学报2016年发表的论文标题中出现"深度学习"的就有10篇, 这源于学报2016年发表了"AlphaGo"专题系列文章[19]和"语音图文信息处理中的深度学习方法进展"专刊文章[20], 就深度学习及其他相关技术的研究与应用进行分析和介绍.

2.2 论文作者

学报2011-2016年发表的1 329篇中, 共涉及来自986家机构的3 278位作者.按照年度统计的作者数和机构数变化情况如图 5所示.因为作者数量和刊文量存在直接的关系, 其变化情况与刊文量(图 2)基本一致.从图中可以看出, 机构数随作者数的变化而变化.较为特殊的是, 2013年的作者数比2012年高, 但机构数反而比2012年低, 这表明2013年有较大比例的作者来自同一单位.

图 5 学报2011–2016年论文作者和机构数量变化 Figure 5 Number of authors and institutions from 2011 to 2016

2011-2016年在学报发表论文数量最多的前10位作者信息见表 16.可以看出, 每位作者的发文量都超过10篇(含), 他们的发文量之和占学报6年总发文量的10%以上(135篇/1 329篇).柴天佑(东北大学)的发文量最高, 其次是王士同(江南大学), 之后是王飞跃(中国科学院自动化研究所)和韩崇昭(西安交通大学).其中, 中南大学有2位学者的发文量进入前10, 即桂卫华和阳春华.

表 16 学报2011–2016年作者发文量前10 Table 16 Most productive authors between 2011 and 2016(Top 10)

若按第一作者身份发表的文章进行统计, 发文量最多的前10位作者信息见表 17.可以看出, 韩敏(大连理工大学)发文量最高, 其次是孙明轩(浙江工业大学), 之后是李新德(东南大学).值得注意的是, 南昌航空大学有2位学者进入前10, 即储珺和张桂梅; 李新德(东南大学)、刘建伟(中国石油大学)分别发表5篇和4篇论文, 且都是只以第一作者身份发表.

表 17 学报2011–2016年第一作者发文量前10 Table 17 Most productive first-authors between 2011 and 2016(Top 10)

结合表 16表 17可以看出, 无论是按总发文量还是以第一作者身份的发文量, 柴天佑、王飞跃、韩敏、孙明轩等4位学者均进入前10.

2.3 发文机构

2011-2016年发表论文作者所属机构(简称发文机构)数量变化情况如图 5所示.需要说明的是, 图中的机构数是具体到部门的机构数量, 同一高校(科研院所)的不同学院(实验室、中心)视为不同机构.可以看出, 每年的发文机构数量变化幅度较小, 保持在200 $\sim$ 300之间, 年均发文机构数约为245家, 这表明学报有较为稳定的稿源机构.

将同一机构具体部门的发文数量合并计算, 2011-2016年在学报发表论文10篇以上的机构有53家, 发文量前10的机构信息见表 18.

表 18 学报2011–2016年机构发文量前10 Table 18 Most productive institutions between 2011 and 2016

值得一提的是, 以上机构都是我国自动化学科领域实力雄厚的著名高校和科研院所.其中, 发文量位居首位的中国科学院自动化研究所是我国最早成立的国立自动化研究机构, 其余9所均为全国重点大学, 均为国家"双一流"建设高校, 均进入国家"211工程"建设, 且其中8所亦是国家"985工程"建设高校, 这也是学报稿源质量的一个重要体现和保证.

此外, 还有部分论文作者来自产业界的研发部门, 如微软[20]、脸书[21]、诺基亚[22]、通用电气[23]、丰田[24]、中航工业[25]、中国电科[26]、中国能建[27]等.这在一定程度上说明科研成果的应用性及其落地转化逐渐受到自动化领域科研人员的关注和重视.

3 合作关系分析

学报2011-2016年发表的1 329篇论文共涉及3 278位作者.平均而言, 每篇论文有2.5位作者; 超过96 %的论文由至少2位作者合作完成; 除个别论文外, 绝大多数论文的作者数都在6位以内, 占论文总量的近99.5 %; 有1篇论文由9位作者合作完成, 成为作者数最多的一篇[28].由此看来, 合著情形在学报发表的论文中是十分普遍的.

本文基于学报2011-2016年发表的论文数据构建作者合著网络, 以网络主要节点的拓扑关系来展开, 从作者合著关系的维度分析科研人员间的合作关系, 从而进一步体现机构间的合作.在作者合著网络中, 节点代表论文作者, 若节点间存在连接则说明两位作者至少合著过1篇论文.

采用的分析与评价指标有:度(Degree)、中介性(Betweenness centrality)、聚类系数(Clustering coefficient).其中, 节点的"度"是指网络中连接该节点的边的数目, 值越高表示合作越广泛; 节点的"中介性"是指网络中该节点存在于其他节点对之间关联的最短路径上的程度, 值越高表明该节点对合作网络的桥接能力越强; 网络的"聚类系数"用来描述网络中的节点之间结合成团的紧密程度, 值越接近1表明相邻节点合作越紧密, 越接近0表明相邻节点之间联系不密切.本文采用知识图谱的方式, 运用Cytoscape软件[29]对网络进行可视化分析.

根据学报2011-2016年发表的论文数据生成的作者合著关系网络概图如图 6(g)所示, 它包含3 278个节点, 5 390条边, 597个子网络.从图中可以看出, 节点分布较为松散, 连接性较弱, 这符合学报作为综合性学术期刊的定位, 以及自动化作为大学科专业的特点, 其研究范围较广, 细分领域较多, 相关科研人员遍布较为分散.图中节点的度平均值(即合著人数平均值)为3.289.其中, 柴天佑、王飞跃是合作最为广泛的学者(度为20), 紧随其后的是韩崇昭(度为18).他们都是各自合作子网络中的核心人物.

图 6 作者合著关系网络概图及其中最大的6个合作子网络 Figure 6 The skeleton view of researcher-level coauthorship network and its six largest components

节点数量最多的前6个合作子网络如图 6(a) $\sim$ (f)所示, 它们分别包含58、46、44、43、41、32个节点, 各子网络的属性指标见表 19.

表 19 节点数最多的6个子网络属性指标 Table 19 Network topological measures for six largest components in author-level coauthorship network

图 6中各网络节点的形状大小与其度值成正比.最大的子网络C1如图 6(a)所示, 是一种链型结构.网络中节点的度平均值为4.103, 聚类系数为0.723.度最大值为12 (谭民、徐德), 中介性最高为0.697 (谭民).该网络连接了以谭民、徐德、侯增广等为代表的研究团队, 他们来自中国科学院自动化研究所等机构, 主要研究方向集中于机器人控制、智能控制等.

第2大子网络C2如图 6(b)所示, 网络的度平均值为3.783, 聚类系数为0.573.度值最大为15, 中介性最高为0.746, 均为王士同.该网络连接了以王士同、储珺、张桂梅等为代表的科研团队, 来自于江南大学、南昌航空大学等机构, 主要研究方向为人工智能、模式识别、图像处理等.

第3大子网络C3如图 6(c)所示, 平均度值为3.727, 聚类系数为0.762.度值最大为20, 中介性最高为0.638, 均为王飞跃.该网络连接了以王飞跃为核心的研究团队, 来自于中国科学院自动化研究所等机构, 主要研究方向为复杂系统的建模、分析与控制, 智能系统, 社会计算等.

第4大子网络C4如图 6(d)所示, 网络中节点的平均度值为3.767, 聚类系数为0.735.度值最大为18, 中介性最高为0.734, 均为韩崇昭.该子网络连接了以韩崇昭、文成林、丁宝苍等为代表的科研团队, 来自于西安交通大学、杭州电子科技大学等机构, 主要研究方向为信息融合、目标跟踪、预测控制等.

第5大子网络C5如图 6(e)所示, 在此子网络中, 节点的平均度值为5.317, 聚类系数为0.836.度值最大为14, 中介性最高为0.742, 均为王越超.连接了以王越超、韩建达、伏云发、余正涛等为代表的科研团队, 来自于中国科学院沈阳自动化研究所、昆明理工大学等机构, 主要研究方向为机器人系统、智能控制、智能信息处理等.

第6大子网络C6如图 6(f)所示, 该网络中节点的平均度值为3.438, 聚类系数为0.572.度值最大为20, 中介性最高为0.855, 均为柴天佑.连接了以柴天佑为核心的科研团队, 来自于东北大学等机构, 主要研究方向为自适应控制, 智能解耦控制, 流程工业综合自动化理论、方法与技术等.

以上各网络中, 度值最大的学者作为主要的知识传播中心, 连接了其所在合作子网络中的绝大多数研究人员.结合表 19图 6可以看出, 相对其他子网络而言, 子网络C3、C5和C6特点较为明显. C5的节点数在6个子网络中排第5, 但其所含边数排第2, 平均度值和聚类系数均位居首位, 表明网络中科研人员相互之间的合作较为频繁; C3和C6中核心人员的度值在所有子网络中排第1, 且均远大于其所在子网络中其他节点的度值, 体现出核心人员的领袖地位; 特别是C6, 其核心人员的中介性超过0.85, 在6个子网络中位居首位, 领袖地位尤为明显.

4 结语

本文基于《自动化学报》 2011-2016年发表的文献数据, 从发文量、影响因子、被引情况、下载量等方面总体分析了学报过去6年的出版与发展状态; 对关键词、论文作者、发文机构进行深入解析, 挖掘并梳理了自动化学科热点研究领域、核心科研人员和科研机构; 根据论文合著数据, 构建了作者合著网络, 详细分析了6个核心子网络的指标特征, 以知识图谱的方式刻画呈现了作者及其所在机构间的合作关系.所得结论有助于自动化领域的科研人员了解学科动态, 熟悉科研群体, 加强学术交流; 同时也可为关注自动化学科领域及学报发展的人士、为作者投稿提供一定的参考.

致谢: 本文作者感谢中国科学院自动化研究所王飞跃研究员在此项工作开展过程中给予的指导和支持.
参考文献
1
Lu Hao, Wang Fei-Yue, Liu De-Rong, Zhang Nan, Zhao Xue-Liang. Analytics of lastest research progress in automation discipline based on academic knowledge mapping. Acta Automatica Sinica, 2014, 40(5): 994-1015.
( 陆浩, 王飞跃, 刘德荣, 张楠, 赵学亮. 基于科研知识图谱的近年国内外自动化学科发展综述. 自动化学报, 2014, 40(5): 994-1015.)
2
Hu Ze-Wen, Wu Yi-Shan. Landscape of acta automatica sinica and automation domain-a visual analysis based on bibliometric indicators. Acta Automatica Sinica, 2014, 40(5): 1016-1023.
( 胡泽文, 武夷山. 从文献计量学指标看《自动化学报》和自动化研究领域. 自动化学报, 2014, 40(5): 1016-1023.)
3
Li Chao, Wang Cheng-Hong, Song Su, Lu Ren-Quan. Analysis on situation of national natural science foundation of China in automation domain during last decade. Acta Automatica Sinica, 2013, 39(4): 461-468.
( 李超, 王成红, 宋苏, 鲁仁全. 自动化领域科学基金十年情况分析. 自动化学报, 2013, 39(4): 461-468.)
4
Wang Chen, Mao Rui, Wang Cheng-Hong, Chen Yan. Analysis on representative papers of applicant for national natural science fund for distinguished young scholars in automation discipline. Acta Automatica Sinica, 2017, 43(9): 1673-1676.
( 王晨, 毛锐, 王成红, 陈妍. 自动化学科国家杰出青年科学基金申请人代表性论著期刊影响力分析. 自动化学报, 2017, 43(9): 1673-1676.)
5
China Association for Science and Technology, Chinese Association of Automation. 2007-2008 Report on Advances in Control Science and Engineering. Beijing: Science and Technology of China Press, 2008.
( 中国科学技术协会, 中国自动化学会. 2007-2008控制科学与工程学科发展报告. 北京: 中国科学技术出版社, 2008.)
6
China Association for Science and Technology, Chinese Association of Automation. 2010-2011 Report on Advances in Control Science and Engineering. Beijing: Science and Technology of China Press, 2011.
( 中国科学技术协会, 中国自动化学会. 2010-2011控制科学与工程学科发展报告. 北京: 中国科学技术出版社, 2011.)
7
China Association for Science and Technology, Chinese Association of Automation. 2012-2013 Report on Advances in Control Science and Engineering. Beijing: Science and Technology of China Press, 2014.
( 中国科学技术协会, 中国自动化学会. 2012-2013控制科学与工程学科发展报告. 北京: 中国科学技术出版社, 2014.)
8
China Association for Science and Technology, Chinese Association of Automation. 2016-2017 Report on Advances in Control Science and Engineering. Beijing: Science and Technology of China Press, 2018.
( 中国科学技术协会, 中国自动化学会. 2016-2017控制科学与工程学科发展报告. 北京: 中国科学技术出版社, 2018.)
9
Introduction to Acta Automatic Sinica[Online], available:http://www.aas.net.cn/CN/column/column105.shtml, May 16, 2017.
(自动化学报简介[Online], 获取: http://www.aas.net.cn/CN/column/column105.shtml, 2017年5月16日)
10
China national knowledge infrastructure[Online], available:http://www.cnki.net/, April 20, 2017.
(中国知网[Online], 获取: http://www.cnki.net/, 2017年4月20日)
11
Institute of Scientific and Technical Information of China. 2012-2017 Chinese S & T Journal Citation Reports (Core). Beijing: Scientific and Technical Documentation Press, 2012.
( 中国科学技术信息研究所. 2012-2017年版中国科技期刊引证报告(核心版). 北京: 科学技术文献出版社, 2012.)
12
Tan Min, Wang Shuo. Research progress on robotics. Acta Automatica Sinica, 2013, 39(7): 963-972.
( 谭民, 王硕. 机器人技术研究进展. 自动化学报, 2013, 39(7): 963-972.)
13
Xi Yu-Geng, Li De-Wei, Lin Shu. Model predictive control-status and challenges. Acta Automatica Sinica, 2013, 39(3): 222-236.
( 席裕庚, 李德伟, 林姝. 模型预测控制-现状与挑战. 自动化学报, 2013, 39(3): 222-236.)
14
Yuan Yong, Wang Fei-Yue. Blockchain:the state of the art and future trends. Acta Automatica Sinica, 2016, 42(4): 481-494.
( 袁勇, 王飞跃. 区块链技术发展现状与展望. 自动化学报, 2016, 42(4): 481-494.)
15
Liu Song-Tao, Yin Fu-Liang. The basic principle and its new advances of image segmentation methods based on graph cuts. Acta Automatica Sinica, 2012, 38(6): 911-922.
( 刘松涛, 殷福亮. 基于图割的图像分割方法及其新进展. 自动化学报, 2012, 38(6): 911-922.)
16
Cao Ying, Miao Qi-Guang, Liu Jia-Chen, Gao Lin. Advance and prospects of AdaBoost algorithm. Acta Automatica Sinica, 2013, 39(6): 745-758.
( 曹莹, 苗启广, 刘家辰, 高琳. AdaBoost算法研究进展与展望. 自动化学报, 2013, 39(6): 745-758.)
17
You Ke-You, Xie Li-Hua. Survey of recent progress in networked control systems. Acta Automatica Sinica, 2013, 39(2): 101-118.
( 游科友, 谢立华. 网络控制系统的最新研究综述. 自动化学报, 2013, 39(2): 101-118.)
18
Qiao Jun-Fei, Pan Guang-Yuan, Han Hong-Gui. Design and application of continuous deep belief network. Acta Automatica Sinica, 2015, 41(12): 2138-2146.
( 乔俊飞, 潘广源, 韩红桂. 一种连续型深度信念网的设计与应用. 自动化学报, 2015, 41(12): 2138-2146.)
19
Zhou Zhi-Hua. AlphaGo special session:an introduction. Acta Automatica Sinica, 2016, 42(5): 670.
( 周志华. AlphaGo专题介绍. 自动化学报, 2016, 42(5): 670.)
20
Ke Deng-Feng, Yu Dong, Jia Jia. Guest editorial for special issue on deep learning for speech, text and image understanding. Acta Automatica Sinica, 2016, 42(6): 805-806.
( 柯登峰, 俞栋, 贾珈. 语音图文信息处理中的深度学习方法进展专刊序言. 自动化学报, 2016, 42(6): 805-806.)
21
Tian Yuan-Dong. A simple analysis of AlphaGo. Acta Automatica Sinica, 2016, 42(5): 671-675.
( 田渊栋. 阿法狗围棋系统的简要分析. 自动化学报, 2016, 42(5): 671-675.)
22
Xie Yuan-Fan, Wu Yi-Hong, Fan Li-Xin. Bundle adjustment for scenes containing planes. Acta Automatica Sinica, 2014, 40(8): 1601-1611.
( 谢远帆, 吴毅红, 范力欣. 含有平面结构场景的捆绑调整. 自动化学报, 2014, 40(8): 1601-1611.)
23
Peng Yu, Luo Qing-Hua, Wang Dan, Peng Xi-Yuan. WSN localization method using interval data clustering. Acta Automatica Sinica, 2012, 38(7): 1190-1199.
( 彭宇, 罗清华, 王丹, 彭喜元. 基于区间数聚类的无线传感器网络定位方法. 自动化学报, 2012, 38(7): 1190-1199.)
24
Guo Chun-Zhao, Yamabe T, Mita S. Drivable road boundary detection for intelligent vehicles based on stereovision with plane-induced homography. Acta Automatica Sinica, 2013, 39(4): 371-380.
( 郭春钊, 山部尚孝, 三田诚一. 基于立体视觉平面单应性的智能车辆可行驶道路边界检测. 自动化学报, 2013, 39(4): 371-380.)
25
Lin Quan, Zhao Fang, Luo Hai-Yong, Kang Yi-Mei. A wireless localization algorithm based on spectral decomposition of the graph laplacian. Acta Automatica Sinica, 2011, 37(3): 316-321.
( 林权, 赵方, 罗海勇, 康一梅. 基于图谱分解的无线定位算法. 自动化学报, 2011, 37(3): 316-321.)
26
Gui Zhen-Wen, Wu Ting, Peng Xin. A novel recognition approach for mobile image fusing inertial sensors. Acta Automatica Sinica, 2015, 41(8): 1394-1404.
( 桂振文, 吴侹, 彭欣. 一种融合多传感器信息的移动图像识别方法. 自动化学报, 2015, 41(8): 1394-1404.)
27
Huang Xiang, Chen Wei, Song Yun-Kui, Chen Zhi-Gang. Filter based resource demand estimation for on-demand provision. Acta Automatica Sinica, 2014, 40(5): 942-951.
( 黄翔, 陈伟, 宋云奎, 陈志刚. 面向按需供给的资源需求滤波估算方法. 自动化学报, 2014, 40(5): 942-951.)
28
Wang Cong, Wen Bin-He, Si Wen-Jie, Peng Tao, Yuan Cheng-Zhi, Chen Tian-Rui, Lin Wen-Yu, Wang Yong, Hou An-Ping. Modeling and detection of rotating stall in axial flow compressors:part Ⅰ-investigation on high-order M-G models via deterministic learning. Acta Automatica Sinica, 2014, 40(7): 1265-1277.
( 王聪, 文彬鹤, 司文杰, 彭滔, 袁成志, 陈填锐, 林文愉, 王勇, 侯安平. 轴流压气机旋转失速建模与检测:Ⅰ-基于确定学习理论与高阶Moore-Greitzer模型的研究. 自动化学报, 2014, 40(7): 1265-1277.)
29
Cytoscape[Online], available:http://www.cytoscape.org/, May 22, 2017.
(Cytoscape[Online], 获取: http://www.cytoscape.org/, 2017年5月22日)