以Web of Science數(shù)據(jù)庫(kù)1995年以來(lái)"體育人工智能"等關(guān)鍵詞為主題的549篇文獻(xiàn)為數(shù)據(jù)來(lái)源,利用Cite Space V軟件進(jìn)行可視化處理和分析,以可視化知識(shí)圖譜的方式梳理了近25年體育人工智能研究的國(guó)家、學(xué)科分布、研究熱點(diǎn)以及演化趨勢(shì),探討其研究進(jìn)展和發(fā)展方向。1)體育人工智能研究地區(qū)分布較廣,其中美國(guó)、中國(guó)和德國(guó)處于領(lǐng)先地位。2)體育人工智能研究涉及到多個(gè)學(xué)科,主要運(yùn)用和借鑒了計(jì)算機(jī)科學(xué)、工程學(xué)、體育科學(xué)等學(xué)科的研究方法和理論視角。3)關(guān)鍵詞的頻次與中心性印證了目前體育人工智能領(lǐng)域是以機(jī)器學(xué)習(xí)為主要方向,人工神經(jīng)網(wǎng)絡(luò)為主要算法,注重以數(shù)據(jù)挖掘?yàn)榛A(chǔ)的實(shí)踐與實(shí)證研究。4)研究熱點(diǎn)包括基于可穿戴加速度計(jì)技術(shù)的簡(jiǎn)單活動(dòng)識(shí)別與能量消耗研究;基于可穿戴式傳感器的動(dòng)作分析與損傷防控研究;基于卷積神經(jīng)網(wǎng)絡(luò)算法的計(jì)算機(jī)視覺(jué)場(chǎng)景分類研究;基于計(jì)算機(jī)視覺(jué)的體能與技戰(zhàn)術(shù)的分析與預(yù)測(cè);基于計(jì)算機(jī)深度學(xué)習(xí)的人體姿態(tài)識(shí)別技術(shù)。 

【文章來(lái)源】：山東體育學(xué)院學(xué)報(bào). 2020,36(03)北大核心

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

1995—2020年體育人工智能研究

通過(guò)Cite space V軟件的分析,由于相關(guān)文獻(xiàn)最早出現(xiàn)于1995年,故時(shí)區(qū)分割(Time Slicing)選擇1995—2020年,時(shí)間切片為1年,節(jié)點(diǎn)類型為“Country”,閾值項(xiàng)選擇“TopN=50”,其他均為默認(rèn)值,得到共現(xiàn)網(wǎng)絡(luò)圖譜(圖1)。圓圈半徑的大小、節(jié)點(diǎn)連接線條的粗細(xì)與發(fā)文量和聯(lián)系緊密程度成正比。同時(shí)圓圈外層的紫色圓環(huán)寬度越寬,其中心性越大[5]。從圖1數(shù)據(jù)分析,共有來(lái)自39個(gè)國(guó)家(地區(qū))的文獻(xiàn)涉及體育人工智能研究,但不同國(guó)家的發(fā)文量差距很大。前10位中,美國(guó)和中國(guó)分別以94篇和75篇排在前兩位,占據(jù)了總發(fā)文量的30%,歐洲地區(qū)的德國(guó)、西班牙、英國(guó)、意大利、荷蘭發(fā)文量依次為39篇、36篇、33篇、22篇、15篇,分別位于第3、4、6、7、10位,占據(jù)總發(fā)文量的26%。澳大利亞以36篇位列第5,加拿大以17篇排名第8。除此之外在亞洲地區(qū),韓國(guó)、印度、日本分別以17篇、11篇、10篇位列第9、11、12位。從文章的中心性來(lái)看,前5位分別為美國(guó)(0.65)、德國(guó)(0.31)、西班牙(0.31)、英國(guó)(0.30)、荷蘭(0.29),中國(guó)僅排在第8位。

3.1 體育人工智能高頻關(guān)鍵詞共現(xiàn)分析表2 1995—2020年體育人工智能高頻及 高中心性關(guān)鍵詞一覽表(前15位) 序號(hào) 高頻關(guān)鍵詞 高中心性關(guān)鍵詞 關(guān)鍵詞名稱 頻次 關(guān)鍵詞名稱 中心性 1 Machine Learning 機(jī)器學(xué)習(xí) 82 Validity有效性 0.18 2 Sport體育運(yùn)動(dòng) 43 Classification 分類 0.17 3 Artificial Neural Network 人工神經(jīng)網(wǎng)絡(luò) 36 Machine Learning 機(jī)器學(xué)習(xí) 0.15 4 Performance表現(xiàn) 36 System 系統(tǒng) 0.14 5 Model模型 34 Performance表現(xiàn) 0.13 6 Classification 分類 30 Artificial Neural Network人工神經(jīng)網(wǎng)絡(luò) 0.12 7 Computer Vision計(jì)算機(jī)視覺(jué) 27 Soccer足球 0.10 8 Neural Network神經(jīng)網(wǎng)絡(luò) 27 Physical Activity體育活動(dòng) 0.09 9 Artificial Intelligence人工智能 27 Model模型 0.09 10 Physical Activity體育活動(dòng) 24 Sport體育運(yùn)動(dòng) 0.09 11 System 系統(tǒng) 23 Movement活動(dòng) 0.08 12 Validity有效性 21 Pattern模式 0.08 13 Energy Expenditure能量消耗 20 Player運(yùn)動(dòng)員 0.07 14 Accelerometer加速度計(jì) 17 Computer Vision計(jì)算機(jī)視覺(jué) 0.07 15 Prediction預(yù)測(cè) 17 Ferture特征 0.06

【參考文獻(xiàn)】：
期刊論文
[1]體育運(yùn)動(dòng)風(fēng)險(xiǎn)研究的知識(shí)圖譜分析[J]. 石巖,霍炫伊.  體育科學(xué). 2017(02)
[2]中國(guó)人工智能40年[J]. 蔡自興.  科技導(dǎo)報(bào). 2016(15)
[3]近五年來(lái)圖書(shū)情報(bào)學(xué)研究熱點(diǎn)與前沿的可視化分析——基于13種高影響力外文源刊的計(jì)量研究[J]. 邱均平,溫芳芳.  中國(guó)圖書(shū)館學(xué)報(bào). 2011(02)



本文編號(hào)：3452602