识别研究中的新兴技术

核心观点与解决方案

该研报探讨了识别新兴技术领域相关研究的挑战，并提出两种新解决方案：机器学习模型分类和分层研究领域评分。针对人工智能（AI）、网络安全及芯片设计与制造等新兴技术领域，研究者开发了机器学习模型预测出版物相关性，并基于维基百科文本构建了1,089个L1-L3领域的评分体系。

关键数据与方法

1. 新兴技术主题分类

   • 使用arXiv数据训练机器学习模型识别网络安全研究，采用SPECTER模型预测相关性。
   • 通过Gemini 1.5 Flash模型零样本学习方法识别LLM开发和芯片研究，共识别507,828篇网络安全、58,764篇LLM开发及1,198,381篇芯片研究相关出版物。

2. 研究领域评分

   • 扩展Microsoft Academic Graph（MAG）分类体系至1,089个L1-L3领域，涵盖AI、计算机安全、半导体等284个L1及805个L2/L3领域。
   • 使用维基百科文本嵌入计算领域与出版物的余弦相似度，为每篇出版物分配1,108个领域的得分，并确定“顶级领域”。

研究结论与评估

• 领域相关性验证：相关领域（如计算机科学与工程）余弦相似度较高，t-SNE可视化显示领域聚类合理。
• 开放资源：通过OpenAlex共享新兴技术主题分类数据，并开发交互式工具（如科学地图、国家活动追踪器）支持分析。
• 意义：为新兴技术领域研究提供高效分类工具，支持政策制定和学术监控。