本文刊登在《中国编辑》杂志年第4期
本文利用可视化技术研究人工智能环境下出版领域的热点主题，并结合国内外学术期刊智能化应用实践，对学术期刊智能化融合出版的维度特征和发展路径进行了探究。人工智能环境下学术期刊的融合出版通过技术支持的选题策划、客观理性的评审评议、快速高效的编辑校对、算法匹配的信息推送、全媒体化的数字出版、交互多元的媒介形态，实现了出版流程创新驱动机制的再造。为应对人工智能等技术带来的挑战，学术期刊应创建基于数据挖掘与分析的学术期刊智能出版管理平台；建立矩阵化、智能化的学术期刊媒体融合发展体系；构建以用户需求为导向的学术期刊知识服务模式；打造人机协同的智能型学术期刊编辑部，不断推进学术期刊智能化融合出版的发展进程。
人工智能迎来了第三次发展浪潮，许多领域正从“互联网+”向“人工智能+”转型，人工智能成为实现传统产业深度变革的核心技术。目前，以人工智能为代表的高新技术正在快速融合、渗透和应用在出版业中。学术期刊承担着引领先进文化和传播先进理念的重任，是反映国家学术水平和文化软实力的重要载体，其刊文水平代表了国家文化层面需求的高度。但与新闻业中已广泛应用人工智能技术的状况相比，学术期刊的智能化融合出版仍处于探索阶段。在“人工智能+”背景下，学术期刊将利用人工智能等新技术手段实现智慧出版模式，一个全新的“人工智能+学术期刊”的时代即将来临，学术期刊的内容生产和传播机制等都将随之发生深刻变革。本文将研究人工智能环境下学术期刊的热点主题和维度特征，并提出学术期刊智能化融合出版的发展策略，以期为重塑学术期刊业态环境和构建学术期刊智能化融合出版新模式提供借鉴。
研究热点分析
由于人工智能技术与学术期刊的融合出版研究文献较少，而学术期刊作为传统出版业的重要组成部分，其研究热点和演变趋势与出版业的整体研究趋势具有较多共性元素。因此，本文利用引文可视化软件CiteSpaceV分析传统出版业在人工智能领域的研究热点，旨在揭示我国智能出版领域的研究现状，并从中探析学术期刊的热点主题。
（一）数据获取
为使检索结果更加全面、可靠且具有规范性，本文选择中国知网数据库作为数据来源。考虑到目前主流的人工智能技术中，主要应用数据挖掘、深度学习和机器学习，因此把人工智能领域的这些术语，以及人工智能的英文简称AI均纳入检索式，同时把传统出版业的两大重要组成部分，即图书和期刊也一并纳入检索式，通过中国知网对相关文献进行检索。检索式为：主题=（智能or机器学习or深度学习or数据挖掘orAI）and（出版or图书or期刊），时间跨度为—年，检索时间为年10月1日。为避免出现数据重复现象，文献类型选择为期刊论文。共检索到出版学科下条文献信息数据，从中剔除荐书、荐读、会讯、广告等弱相关或重复记录的文献数据后，确定用于热点主题分析的有效文献为篇，将数据导出为“.txt”格式，利用CiteSpaceV软件对关键词进行可视化分析。
（二）热点主题分析
关键词是对文献研究主题和核心内容的高度概括，其出现频次的高低可以反映该学科领域的研究热点。为真实而客观地反映已有文献对特定关键词的共识度，本文并未对关键词进行相似词合并或删减等操作。关键词共现知识图谱能直观反映某一研究领域的热点和趋势，清晰呈现该研究的学术脉络。本文利用关键词共现技术绘制的知识图谱（图略），显示了近年来我国智能出版研究领域的知识结构。结合高频关键词词频统计和关键词共现知识图谱可以看出，人工智能、数字出版、大数据、知识服务、智能出版、数据挖掘、出版流程、媒体融合等关键词均处于知识图谱的核心位置，是出版业在人工智能领域研究的核心内容。
具体到学术期刊，大数据、知识服务、媒体融合、数字出版一直是近几年学术期刊界热议的话题，在“人工智能+”背景下，人工智能等技术将赋予学术期刊的这些热点主题更具现代化的时代特征和更深层次的研究空间。我国已有一些学者从出版理论与实践层面的不同角度对人工智能技术下的学术期刊进行了剖析。刘平等从科技期刊出版要素和出版流程的微观环节，探讨了人工智能技术给科技期刊发展带来的优化和升级，并将“人工智能+出版”这一新兴业态定义为智慧出版模式，认为人工智能与科技期刊的融合发展是大势所趋［1］。张勇等认为人工智能作为一种颠覆性的技术，将会建立以大数据为基础、互联网为手段、人工智能为核心的学术期刊编辑出版智能化新格局［2］。江雨莲等研究了人工智能技术在医学类学术期刊编辑出版中的应用，并针对医学类学术期刊所面临的科学数据获取、技术算法、伦理道德、著作权归属等挑战提出了应对策略［3］。笔者将在已有研究成果的基础上，结合可视化分析的研究热点，对人工智能环境下学术期刊融合出版的维度特征进行探析，并进一步提出学术期刊智能化融合出版的发展路径。
人工智能环境下学术期刊融合出版的六个维度特征
人工智能等技术融入学术期刊出版流程的诸多环节中，推动学术期刊数字出版工作的进程，促进学术信息快速多维扩散。人工智能除了在微观领域重塑期刊业的生产链外，还将对媒体的宏观生态系统产生重大影响，实现内容生产模式以及信息传播过程的蜕变与进阶。与传统的期刊出版相比，人工智能环境下学术期刊的融合出版通过以下维度特征实现了出版流程创新驱动机制的再造。
（一）选题策划：从经验依赖到技术支持
在互联网时代，海量资源呈几何数量级快速增长，数据间的关联性和不确定性大大增强，编辑筛选信息的难度与日俱增，并且面临选题策划内容与响应用户个性化需求适应性的挑战。传统学术期刊的编辑，不经历长时间的编辑经验积累和有针对性的学术训练，一般很难准确把握和策划出具有较高前瞻性的论文选题以及发现适合的作者资源。在人工智能时代，学术信息资源以数据化状态呈现，基于群体信息精炼化形成的知识体系可以让选题策划过程得到技术的大力支持，通过多源数据的合理配置提高选题策划的准确性和稳定性。
编辑把策划思路通过指令输入智能化选题系统，系统将依据传播热度、热点词汇和阅读趋势分析，自动对学者学术履历、用户行为信息、学术评价等数据进行清洗、梳理与预测，提出多个维度的初步选题策划方案供编辑权衡选择。依托数据挖掘和深度学习技术的选题策划从出版源头就赋予了学术论文更前沿和精准的发展空间，通过大数据分析对选题进行科学化布局，成为学术期刊智能化融合出版的关键环节。
（二）评审评议：从主观传统到客观理性
由于学术论文评审评议的部分步骤是标准化的，因此利用人工智能技术进行智能化评审是可行的。智能化审稿系统通过大数据和人工智能等技术对投稿的关键信息进行自动检测和审核，淘汰与期刊定位不一致的稿件，利用区块链技术完善身份认证机制，根据逻辑化排序对同行评议专家的行为信息进行数据挖掘、特征识别和精准匹配，实时、开放地记录论文从投稿到发布的全过程生态链。
近几年，国际学术界已经涌现了一批基于人工智能技术来辅助学术论文审理的软件工具。爱思唯尔的同行评议管理系统AriesSystems利用StatReviewer软件检测论文中的样本容量和基线数据，判断统计数据和研究方法的可靠性。丹麦的UNSILO公司利用自然语言处理和机器学习技术分析稿件，并通过语义分析自动提取论文中的主要观点，其对关键句的分析可以让编辑迅速了解论文的研究结果与已发表论文是否雷同，用于协助检测是否存在剽窃行为［4］。日本LPIXEL公司和以色列Proofig公司可以在两分钟内提取和分析出投稿论文里的相似图片，并识别出旋转、翻转、拉伸或滤镜等一系列图像操作，快速检测出可能重复出版的图像。这些智能化分析软件虽然可以甄别数据或图像篡改、辨别论文抄袭等学术不端行为，但是它们仍然难以完全取代审稿专家的作用。因此，科学引文检索服务提供商开发了InCite科研评价工具，可以利用LDA文档主题生成模型，向编辑推荐相近研究方向且具有学术影响力的评审专家。
此外，智能化审稿系统还可以依托大数据对学术论文的预期