人工智能已成为全球科技的重要战略发展方向,及时准确地把握人工智能领域前沿,可以在科技竞争中掌握主动权。本文采用主题模型分析、社会网络分析、专家评价、比较研究相结合的方法,开展人工智能领域前沿识别研究。基于人工智能领域的重要期刊和会议文献,采用LDA主题模型的方法,从语义层面探测人工智能领域的研究前沿,论文主要工作如下。首先,通过文献调研法对前沿识别的国内外研究方法、前沿特征指标、LDA模型相关理论、研究前沿相关理论、研究工具等进行梳理和分析。接着,分析了文献数据来源,构建检索式及统计与存储检索结果,并使用Python语言完成数据的标识化处理、停用词移除、词干提取和词形还原。随后,使用Python语言完成LDA模型的构建、参数设置及求解,并输出基于概率的文档-主题分布和主题-词汇矩阵,为后续前沿的计算提供了数据支撑。在此基础上,借助社会网络分析法及可视化技术构建主题关联网络,并依据主题强度、主题新颖度和中介中心性这三个指标完成了前沿识别的定量计算,得出人工智能领域的研究前沿。最后,通过比较研究和专家研判,评价了人工智能领域前沿识别的效果。基于LDA模型的人工智能领域前沿识别获得的2013-2017年人工智能领域前沿研究前沿16个;根据Small的前沿生命周期理论,对前沿进行分型及解读,得到的主题分为增长型(10个)和稳定型(6个);最后从专家评价及对比研究两方面,验证了基于LDA模型的主题识别准确性。结果表明,LDA模型可以很好的模拟聚类主题,并根据遴选的前沿指标较为准确的计算出该领域的前沿研究。