特征工程研究领域发展趋势的可视化分析

作者：马利星; 胡敏^*

来源：北京信息科技大学学报(自然科学版), 2020, 35(04): 32-37.

DOI：10.16508/j.cnki.11-5866/n.2020.04.006

• 机器学习
• 深度学习
• 特征工程
• CiteSpace
• 可视化分析

为了解国内外关于特征工程的研究进展与态势、研究热点与现状,使用CiteSpace软件对中国知网CNKI和Web of Science核心合集数据库收录的研究主题为特征工程的173篇中文文献和555篇外文文献进行计量学分析与可视化处理。通过对年度发文量、研究国家、研究作者、文献关键词等进行分析,得出结论:自2015年以来本研究领域中外文发文数量持续增长。中国和美国的相关研究成果居多,约占文献总数量的64%。LeCun Y、Bengio Y、刘挺、林鸿飞是较有影响力的研究作者。国内的研究热点主要有协议识别、xgboost、深度学习。国外的研究热点主要有深度学习、迁移学习、实体识别。研究前沿是深度学习和因子分解机。

• 单位
  北京信息科技大学