［提要］　以CNKI数据库2000～2021年收录的关于人工智能个性化推荐的3，086篇核心文献为研究对象，运用CiteSpace.5.3.R3可视化软件，对其研究热点及演化进行可视化分析。通过对目标文献进行关键词共现分析和突变分布、关键词聚类分析后发现：人工智能个性化推荐持续关注新兴算法和模型热点；而随着互联网的普及和大数据时代的到来，人工智能个性化推荐的商业应用和由此产生的社会、心理问题也在成为新的研究热点。技术、应用与社会、心理问题交织发展。

关键词：CiteSpace；人工智能；个性化推荐；研究热点

中图分类号：TP18；TP391.3；G353.1 文献标识码：A

收录日期：2022年11月2日

人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。1956年，人工智能一词在达特茅斯会议上被首次提出，但由于受到计算能力、储存水平等诸多因素的限制，人工智能的发展几经波折。如今，随着大数据时代的到来和计算能力的提升，人工智能逐渐应用到社会各个领域，尤其是当今运用新兴算法和模型，结合用户的使用数据和使用习惯，进行有针对性的、个性化的推荐，逐渐成为各大商业应用培养用户忠诚度，刺激用户消费的重要手段。国务院在《新一代人工智能发展规划》中指出，要进一步释放人工智能在历次科技革命和产业变革中积蓄的巨大能量，从而实现社会生产力的整体跃迁。然而，人工智能的发展更像是一把双刃剑，在利用人工进行个性化推荐时，尽管其带来经济发展、提高用户便利度等好处，但也引发了关于信任、隐私、胜任感、自主权、习得性无助等社会和心理问题的讨论。在此情境下，厘清人工智能个性化推荐的研究热点和演进，对更好地研究这对博弈关系具有一定的理论及现实意义。

一、研究方法与数据来源

（一）研究方法。CiteSpace是一款科学知识图谱可视化绘制工具，由美国华裔陈超美教授团队2004年开发研制，该软件基于共引分析理论和寻径网络算法，对特定领域文献集进行多元、分时、动态的引文分析，以探寻该学科领域演化的关键路径及知识拐点，最后通过可视化技术绘制出反映该学科知识演进历程和发展前沿的科学知识图谱。本文运用CiteSpace.5.3.R3软件中常用的关键词云图、关键词突现图、聚类视图、时间线视图，对人工智能个性化推荐的研究热点及演化进行可视化分析。

（二）数据来源。本文数据样本取自CNKI数据库。为保证所选取的样本量具有研究价值性，选择期刊库中的核心、CSSCI、CSCD数据库。为精确聚焦研究范围，本文以“个性化推荐/智能推荐/算法推荐/智能算法推荐”为关键词进行搜索。由于20世纪50年代到60年代，随着计算机网络的兴起，人工智能开始在实验室崭露头角，而在约50年后的千禧之年，才在我国开始蓬勃发展，因此本文的研究时间限定为2000～2021年，通过剔除会议访谈、会议综述、会议报告、征稿启事等研究相关度低的文献，共得到3，086篇文献。同时，以“Keyword”为节点类型，设置TOP50为阈值，设置时间切片为3年一期，得到人工智能个性化推荐的关键词云图、关键词突现图、聚类图，以期从中归纳出人工智能个性化推荐的研究热点及演化。

二、人工智能个性化推荐研究关键词云图分析与突现分析

（一）关键词云图分析。首先，利用CiteSpace.5.3.R3软件，以筛选后的3，086篇文献为研究对象。同时，以“Keyword”为节点类型，TOP50为阈值，时间切片为3年一期，生成关键词云图，如图1所示。（图1）

通过关键词云图我们可以看到，关于人工智能个性化推荐相关研究所涉及的关键词种类非常丰富。一是以“推荐算法” “协同过滤” “遗传算法”等为代表的算法技术类关键词。人工智能的发展离不开技术的进步，而人工智能个性化推荐更是人工智能基于大数据，利用更加成熟、高级的算法带给使用者的体验。对于算法技术的探索一直是研究者的热点，也是该研究领域发展的基础。二是以“专家系统” “机器学习” “深度学习” “信息茧房” “神经网络”等为代表的机器学习模式关键词。人工智能的演进其实就是一次次机器学习模式的迭代更新，由最初的简单判断记忆的智慧机器，到可以严格执行人的命令的“专家系统”，再到可以自主学习、优化模型的“深度学习” “神经网络”等，怎样构建提升机器自我学习能力，使机器离开人有更多自主权，能更好利用海量数据做出决策的学习模型，也是研究者持续关注的热点，在人工智能个性化推荐中也不例外。三是以“推荐系统” “微博” “抖音” “电影、图书推荐”等为代表的商业应用关键词。人工智能随着互联网、大数据的发展和数字化使用水平的提高，逐步从实验室走到生活中来，并在产业层面“落地”，发挥并创造出真正的价值。所以，以人工智能个性化推荐为代表的商业应用也是目前该领域研究的热点问题。四是以“个性化” “信任” “隐私” “情感感知”等为代表的社会和心理问题关键词。人工智能个性化推荐是人工智能基于用户的使用数据和使用习惯，通过一定的算法给用户进行推荐服务。然而，虽然人工智能个性化广告通过推送相关内容为消费者带去了便利，为广告商带去收益，但网络个性化广告的运行需要收集、使用和共享用户的个人数据，引起了消费者对于个性化广告推荐背后个人信息和数据泄漏问题的思考。此外，网络个性化广告推荐在很大程度上剥夺了消费者的自主控制权，他们无法决定自己在网络上会看到什么类型的广告，当个性化推荐越来越精准时，他们会感到恐慌，因为他们不知道自己的偏好为何能如此容易地就被预测出来，这使得他们在看见个性化广告时会谨慎考虑是否要点击它。因此，随着人工智能个性化推荐的普及、人工智能商业应用的快速发展，相关的社会、心理问题也开始成为研究者关注的热点。由此可见，虽然人工智能个性化推荐的关键词较多，但基本围绕着人工智能技术的发展和个性化推荐等商业应用的普及，对算法、模型、应用、社会和心理问题四个方面展开研究。

（二）关键词突现分析。突现词是指某一时期频次相对增长率突然增高的关键词集合，它能够显示研究领域局部变动情况，探索领域内的新兴热点和研究前沿。利用CiteSpace软件对人工智能个性化推荐2000～2021年相关研究文献进行关键词突发检测，并选取前30个突现词，按突现词起始年份排列，如图2所示。（图2）

通过对图2关键词突现起始时间、结束时间及突现强度进行观察可以看出，在2004年之前，人工智能个性化推荐着重研究算法、技术，尤其是“深度学习” “知识图谱” “合著网络”等，这些关键词突现强度大且持续时间长，反映了技术是人工智能个性化推荐的基础，也是该领域立足发展的长久关注点；2004年突现了“电子商务”，突现强度非常大，为13.07。电子商务的蓬勃兴起表明了互联网在中国的快速发展，也为人工智能个性化推荐的成长提供了良好的基础。随后十年，以“用户模型” “数据挖掘”“协作过滤”等为代表的算法模型类关键词和以“个性化” “社会网络” “信任”等为代表的社会、心理类关键词开始迸发，人工智能个性化推荐的研究热点呈现多元化、新颖化趋势；2014年，以“微博”“社交网络”为代表的人工智能个性化推荐商业应用开始突现，代表着其发展进入到了“落地”阶段。2014～2021年，“算法推荐” “矩阵分解”等技术热点；“用户画像”“抖音” “短视频”等商业应用热点；“信任关系”等社会、心理热点交织发展，相比上一个10年发展阶段，在保持多元、新颖的发展趋势下，这个阶段人工智能个性化推荐的研究热点更多了现实化、实际性。以技术发展为基石、以商业应用为窗口、以社会、心理问题为关切，研究内容更贴近大众生活。而这也很有可能是未来一段时间人工智能个性化推荐领域的前沿热点，具有较高的研究价值，值得关注。

三、人工智能个性化推荐聚类分析

对研究文献关键词进行聚类分析，得到人工智能个性化推荐关键词聚类图，如图3所示。可以清晰地看到，人工智能个性化推荐在2000～2021年这一段时间内研究关键词聚类总共有12个，分别是：#0算法推荐、#1协同过滤、#2相似度、#3个性化、#4推荐算法、#5关联规则、#6矩阵分解、#7神经网络、#8二部图、#9推荐系统、#10智能推荐、#11混合推荐、#12专家信任。从聚类的聚合情况来看，从#0算法推荐开始，#1～#11的聚集效果都非常明显，重叠度很高，证明人工智能个性化推荐的研究热度高，各热点之间联系紧密。并且#0-#11聚类也基本代表人工智能个性化推荐发展中的基础技术、关键技术、学习模型和具体应用的演化路径。而#12专家信任，也正是从目前的技术应用层面延伸出的人工智能个性化推荐中的新的社会和心理研究热点，需要投入更多关注。关键词聚类情况与关键词突现和关键词云图的情况基本一致。（图3）

四、研究结论及启示

（一）研究结论

1、技术进步是人工智能个性化推荐发展的基础。由CiteSpace关于人工智能个性化推荐的可视化分析可以看到，无论是基础的算法还是日新月异的学习和应用模型，都在不同研究时间的研究热点中占据着重要的地位。充分说明人工智能个性化推荐的发展依托于更新换代的人工智能技术，一直以来都是学者关注的热点。

2、商业应用是人工智能个性化推荐落地的基本途径。随着互联网的普及和大数据时代的到来，人工智能个性化推荐有了更好的成长土壤，一大批诸如“微博” “抖音” “小红书” “今日头条”等以搜集用户数据为基础，以智能化算法为工具，为使用者带来个性化推荐的商业应用应运而生，从而使人工智能个性化推荐技术真正落地，走进日常生活中。近几年关于该方面商业应用的研究也是新兴热点。

3、社会和心理问题是人工智能个性化推荐发展必须关注的热点问题。人工智能个性化推荐，是人工智能基于用户的使用习惯和大数据支持，对使用者进行有针对性的推荐。这一方面会节省使用者的选择时间、得到更好的使用体验；但另一方面也会引起信任、隐私、习得性无助等社会和心理问题，而对这些问题的关注，也是目前该领域的研究热点。

（二）启示

1、积极利用互联网和大数据时代的优势发展人工智能个性化推荐相关技术。目前，我国正处在人工智能发展的黄金时期，互联网的普及度大大提高，广阔的用户群体提供了海量的数据，为人工智能个性化推荐提供了扎实的基础。相关研究应积极围绕以应用为目的的商业应用来开展，切实为相关领域的发展和实际应用作出贡献。

2、研究者除了关注技术进步的同时，还要注意由实际应用产生的社会和心理问题。技术进步和人类发展一直是相互博弈的命题，尤其是人工智能的出现和迅猛发展，给人类社会带来了多方面的冲击，人工智能个性化推荐在可以精准推荐、高效服务的基础上，如何更好地保护使用者的隐私、取得使用者的信任、减少使用者的被侵犯性、增加感知有用性，也是在未来发展的时候必须给予关注的重要问题。

（作者单位：北方工业大学经济管理学院）

主要参考文献：

［1］陈悦，陈超美，刘则渊，胡志刚，王贤文.CiteSpace知识图谱的方法论功能［J］.科学学研究，2015.33（02）.

［2］赵丹群.基于CiteSpace的科学知识图谱绘制若干问题探讨［J］.情报理论与实践，2012.35（10）.

［3］李开复.智能时代［M］.北京：文化发展出版社，2018.

［4］吕巍，杨颖，张雁冰.AI个性化推荐下消费者感知个性化对其点击意愿的影响［J］.管理科学，2020.33（05）.

［5］Brinson N H，Eastin M S，Cicchirillo V J.Reactance to Personalization：Understanding the Drivers Behind the Growth of Ad Blocking［J］.Journal of Interactive Advertising，2018.

［6］李杰，陈超美.CiteSpace科技文本挖掘及可视化［M］.北京：首都经济贸易大学出版社，2017.

［1］中国电子技术标准化研究所.人工智能标准化白皮书［EB/OL］.http：//www.cesi.ac.cn，2018-01-24.