國際區(qū)塊鏈研究主題挖掘及演化分析

羅棋　閔超　顏嘉麒等

DOI：10.3969/j.issn.1008-0821.2021.09.016

[中圖分類號]TP311 [文獻標識碼]A [文章編號]1008-0821（2021）09-0157-10

自2008年中本聰（Satoshi Nakamoto）發(fā)表《Bitc-oin：A Peer-to-Peer Electronic Cash System》以來，各界研究人員對其底層核心技術(shù)——“區(qū)塊鏈”的探索和研究熱情水漲船高，由于其“可追溯”“防篡改”等特性，它在其他領(lǐng)域的重要程度日益凸顯。但在這種備受各界學(xué)者關(guān)注的情況下，王江等指出，雖然我國在區(qū)塊鏈研究方面生產(chǎn)力占據(jù)世界第一，然而最具有影響力的區(qū)塊鏈研究的來源期刊、論文、作者等都來自于國外，因此，把握國際學(xué)者對于該領(lǐng)域的研究現(xiàn)狀及熱點主題的演化，有利于我國的學(xué)者發(fā)現(xiàn)研究新趨勢，學(xué)習(xí)和借鑒有益成果，為我國的“區(qū)塊鏈”研究提供參考。

1區(qū)塊鏈主題的相關(guān)科學(xué)計量研究及其不足

近些年來，學(xué)界有許多關(guān)于區(qū)塊鏈研究現(xiàn)狀、研究熱點以及主題演化等方面的研究。Firdaus A等以Scopus數(shù)據(jù)庫收錄的2013—2018年的區(qū)塊鏈相關(guān)文章為研究對象，運用文獻計量的方法進行分析，發(fā)現(xiàn)最活躍的國家是美國，其次是中國和德國。Dabbagh M等分析了Web of Science數(shù)據(jù)庫中2013—2018年的相關(guān)論文，指出了其主要學(xué)科分布包括：計算機科學(xué)、工程學(xué)、電信學(xué)、商學(xué)、經(jīng)濟學(xué)等。王發(fā)明等選取“CNKI期刊庫”2015—2017年5月的論文，使用Cite Space可視化工具，從關(guān)鍵詞、作者共現(xiàn)等角度，分析了我國區(qū)塊鏈的研究熱點，該研究認為我國區(qū)塊鏈領(lǐng)域尚處于探索期，并且將熱點主題概括為基礎(chǔ)研究和應(yīng)用研究兩個方面。汪園等也運用Cite Space可視化工具，對2015—2017年的相關(guān)文獻進行了分析，從文獻類型（科普評論類、探索研究類）、期刊分布、學(xué)科分布等方面對區(qū)塊鏈相關(guān)研究進行描述總結(jié)。花敏等通過對2015—2019年CNKI數(shù)據(jù)庫和WOS數(shù)據(jù)庫相關(guān)文獻的對比分析，從發(fā)文量、高產(chǎn)機構(gòu)等多個角度展開，該研究認為中國和美國是兩個開展區(qū)塊領(lǐng)域研究的主力國家，2015—2019年，我國在區(qū)塊鏈領(lǐng)域發(fā)表的外文文章的數(shù)量始終高居榜首并迅猛增長。但是正如王江等的發(fā)現(xiàn)，最具有影響力的區(qū)塊鏈研究的來源期刊、論文、作者等都來自于國外，所以本文以國際區(qū)塊鏈研究為研究對象，分析其熱點主題演化情況，以期為我國學(xué)者提供借鑒參考。

當(dāng)前研究大多以科學(xué)數(shù)據(jù)庫中的文獻及引文數(shù)據(jù)為研究對象，特別是關(guān)鍵詞，使用文獻計量的方法及工具，特別是關(guān)鍵詞共現(xiàn)分析，從作者、期刊及機構(gòu)等角度分析區(qū)塊鏈研究熱點。但是題錄數(shù)據(jù)中，摘要包含的信息沒有得到有效的利用，僅僅靠關(guān)鍵詞只能反映文章的大致方向，難以挖掘其隱含的語義信息。

LDA（Latent Dirichlet Allocation）主題模型能夠很好地解決這一問題，通過抽取摘要中隱含的主題信息，為后續(xù)研究提供研究主題分布上的參考。Chen H等運用LDA模型對截至2015年發(fā)表在MIS Quarterly等3本信息系統(tǒng)領(lǐng)域頂級刊物上的文章進行了主題建模，深入分析了信息系統(tǒng)領(lǐng)域的研究問題，以及各研究問題間的關(guān)聯(lián)。趙紫鵑等運用LDA模型對“第十三屆全國復(fù)雜網(wǎng)絡(luò)大會”的會議摘要文本進行了文本挖掘，得到了10類研究主題。李躍艷等選取SIGIR會議論文為研究對象，使用LDA模型，分析了近10年信息檢索領(lǐng)域的研究熱點與演化趨勢?？梢?，使用LDA主題模型探究某具體領(lǐng)域的熱點主題可以從更細的粒度分析推斷文章內(nèi)容，挖掘隱含的語義信息，得到更加細致的結(jié)論，因此，本研究采用LDA主題模型來挖掘國際區(qū)塊鏈領(lǐng)域研究的熱點主題，并分析其隨時間演化情況，以期為我國學(xué)者把握研究前沿和熱點提供參考。

2模型與方法

本研究以Web of Science核心合集SCI-EX-PANDED和SSCI中區(qū)塊鏈相關(guān)的文獻數(shù)據(jù)作為數(shù)據(jù)來源，根據(jù)研究目的對其進行清洗，保留對分析有用的字段，使用LDA主題模型對文獻的研究內(nèi)容（標題、摘要、關(guān)鍵詞）進行主題挖掘，計算困惑度以確定最優(yōu)主題數(shù)，根據(jù)高概率的詞對主題進行標注;并計算主題強度，劃分出熱點主題，并按時間窗口進行離散化處理，分析熱點主題隨時間的演化情況。本研究整體框架如圖1所示。

2.1 LDA主題模型

挖掘科研文獻主題的方法有很多，傳統(tǒng)的詞頻分析或者共詞分析的方法也可達到揭示科研文獻數(shù)據(jù)集的研究主題的目的，但是關(guān)鍵詞之間可能存在“共生現(xiàn)象”，可能有多個高頻的關(guān)鍵詞同屬于一個主題，導(dǎo)致詞頻較低的關(guān)鍵詞所屬的主題難以發(fā)掘。并且傳統(tǒng)的方法以關(guān)鍵詞為研究對象，本身損失了很多語義信息（例如摘要中包含的信息），只能大致反映文章的方向，難以挖掘其隱含的語義信息，分析文本的規(guī)模也有限。而主題模型的出現(xiàn)，較好地解決了這一問題，不僅能夠處理大規(guī)模的文本數(shù)據(jù)，還能挖掘出語料中潛在的語義信息，因此，本文采用LDA主題模型來挖掘國際區(qū)塊鏈研究的熱點主題。

（Latent Dirichlet Allocation，LDA）潛在狄利克雷分配模型，是一種常見的主題模型，2003年由Blei D M等共同提出?？梢哉J為LDA是PLSA（Probabilistic Latent Semantic Analysis，概率潛在語義分析）的拓展，LDA使用了先驗分布，克服了學(xué)習(xí)過程中的過擬合問題。該模型假設(shè)：①主題由詞的多項分布表示;②文檔由主題的多項分布表示;③主題一詞分布和文檔—主題分布，兩者的先驗分布都是狄利克雷分布。借由狄利克雷分布是多項分布的共軛先驗分布這一特性，可以通過觀測的單詞序列，推斷出文檔—主題分布和主題—詞分布，挖掘出隱含的主題層，其生成過程如圖2所示。

LDA模型將代表文本的詞頻向量（文檔—詞頻矩陣）作為輸入，通過迭代輸出推斷出的文檔—主題分布、主題—詞分布，即每個文檔由各個主題生成的概率、每個主題包含各個詞的概率。圖2中的節(jié)點表示隨機變量：實心節(jié)點表示觀測變量，空心節(jié)點表示隱變量;有向邊表示概率依存的關(guān)系;矩形板塊表示重復(fù)，板塊內(nèi)數(shù)字表示重復(fù)次數(shù)。圖2中使用的符號及其含義如表1所示。

LDA主題模型的參數(shù)估計過程其實就是根據(jù)觀測變量的取值估計隱變量的值，其參數(shù)估計的方法主要有3種，分別是：吉布斯采樣算法（Gibbs Sampling）、變分推斷算法（Variational Bayesian In-ference）和最大期望算法（Expectation Maximiza-tion），張健偉通過實驗發(fā)現(xiàn)，期望最大算法在某些關(guān)鍵的預(yù)測能力指標上（例如：預(yù)測混淆度）優(yōu)于其他兩種算法，并且可以在較短的時間內(nèi)收斂，因此本研究采用期望最大算法來進行LDA主題模型的參數(shù)估計。

2.2熱點主題挖掘及演化分析

熱點主題的挖掘，即判斷某主題是否為熱點主題有一個主要依據(jù)的指標——主題強度。該指標專用于描述一個主題的熱門程度，另一關(guān)鍵指標是主題強度閾值，如果某主題強度高于閾值則認為該主題為熱門主題，反之則非熱門主題。關(guān)于主題強度的計算，孫孟孟在其學(xué)位論文中進行了詳細的討論。主要有以下3種方法：①基于主題支持文檔數(shù)量;②基于語料庫中主題概率;③基于文本主題顯著性。3種計算方法各有特點，比較常用的是第2種基于語料庫中主題概率的方法，孫孟孟只給出了偽碼，吳查科等將其提煉，具體公式為：

第一階段，為了得到較為可靠的數(shù)據(jù)，本研究選擇了Web of Science核心合集中的SCI-EXPAND-ED和SSCI作為數(shù)據(jù)來源，選擇其中的“主題”字段，檢索式為TS=“Blockchain$”or TS=“Block Chain$”，時間段是2008—2020年，文獻類型為Article和Review。檢索策略制定的原因如下：①時間：之所以選擇2008年作為起始時間，是因為區(qū)塊鏈的概念于2008年中本聰（Satoshi Nakamoto）的《Bitcoin：A Peer-to-Peer Electronic Cash Sys-tem》（常譯作“比特幣白皮書”）一文中首次提出，之前并未有這個詞匯;②檢索式：中本聰提出“區(qū)塊鏈”時稱之為“Chain of Blocks”，經(jīng)中文翻譯為“區(qū)塊鏈”，后學(xué)者多用“Blockchain”作為其英文稱謂，但是也有部分學(xué)者使用“BlockChain”，結(jié)合各自的單復(fù)數(shù)形式，所以采用此檢索式，共收集到3675篇文獻（檢索時間為2021年1月3日）。

第二階段，通過所屬學(xué)科的過濾，和對文獻的摘要閱讀，分析其是否與“區(qū)塊鏈”主題相關(guān)，比如：學(xué)科類別為“PHYSICS PARTICLES FIELDS”（物理粒子場）的文章《A Muhipoint Conformal Block Chain in d Dimensions》經(jīng)過對其摘要的閱讀，與“區(qū)塊鏈”并無關(guān)聯(lián)，便將此篇文獻剔除。用相同方法過濾了與“區(qū)塊鏈”主題無關(guān)的文獻，經(jīng)過初步篩選得到3522篇文獻;接著將年份和國別等關(guān)鍵字段缺失的文獻剔除，得到最終文獻集3211篇，下面將使用此文獻數(shù)據(jù)集進行進一步的主題挖掘與分析。

3.2研究主題分析

欲深入探究國際區(qū)塊鏈領(lǐng)域的研究內(nèi)容，挖掘其潛在的語義信息，需要借助LDA模型從摘要數(shù)據(jù)集中抽取主題，發(fā)現(xiàn)熱門主題，參考馬永紅等的研究框架，本節(jié)研究具體的分析處理框架如圖4所示。

3.2.1文本預(yù)處理

對科學(xué)文獻數(shù)據(jù)集進行LDA主題建模的預(yù)處理一般步驟包括：①提取文獻的“摘要”字段：②分詞;③去除停用詞;④構(gòu)建“文檔—詞”矩陣。本研究基于以上步驟，且為了提升LDA主題模型的聚類效果，進行了以下4步處理：

1）將文獻的“標題”“摘要”“關(guān)鍵詞”合并作為待分析文本，由于3.1數(shù)據(jù)采集與整理得到的3211篇文獻中有56篇文獻缺失了“摘要”數(shù)據(jù)，為了在更大程度上保留原有的信息，本研究不剔除缺失的記錄，而是參考Chen H等的做法，將“標題”“摘要”“關(guān)鍵詞”合并后作為一個整體而后進行分詞，分詞后獲得的詞的集合用于下一步處理。

2）在“去除停用詞”步驟時，除了使用R語言中Tidytext包默認的停用詞，也根據(jù)主題建模的結(jié)果反饋，將“主題—詞分布”中無意義的高頻詞匯（例如：“Paper”）加入“自定義停用詞表”，排除其對結(jié)果的干擾。

3）加入了“詞干提取”步驟：由于許多詞匯含義相同，卻擁有不同的形式（單復(fù)數(shù)、詞性等），造成詞頻過于分散，影響聚類效果，所以提取真正代表其含義的詞干，降低稀疏性。

4）在構(gòu)建“文檔—詞”矩陣之前，先使用TF-IDF（Term Frequency-Inverse Document Frequen-cy）得分對詞匯進行篩選，將不重要的詞匯剔除，減少詞項（特征數(shù)目），降低“文檔一詞”矩陣的維度，提高聚類效果。實際操作時，通過多次實驗，發(fā)現(xiàn)每個文檔取TF-IDF得分前20的詞匯，維度損失較少，聚類結(jié)果較好。

3.2.2確定主題數(shù)

主題模型中主題數(shù)目是一個關(guān)鍵參數(shù)，但是關(guān)于如何確定主題數(shù)目，學(xué)者們眾說紛紜，主要有兩大類方式：①Blei D M等提出的困惑度（Per-plexity）的方法，該指標反映了模型的擬合程度，困惑度越小，模型的擬合程度越好，可以通過多次實驗找到其極小值的方法來確定主題數(shù)目;②計算“主題相似度”的方式，常見的有計算Jensen-Shan-non散度（JS散度）的方法，關(guān)鵬等對其做了詳細的研究，當(dāng)主題數(shù)接近最優(yōu)值時，JS散度較小，反之則較大。綜合前人的研究，本研究采用學(xué)者使用較多的困惑度的方式來確定最優(yōu)主題數(shù)。

使用R語言中的Topicmodels包進行主題建模，主題數(shù)目的變化區(qū)間為[2，30]，計算的結(jié)果如圖5所示。從圖像可以看出，當(dāng)主題數(shù)目小于8時，隨著主題數(shù)目的增加，困惑度不斷減小，擬合效果越來越好;當(dāng)大于8時，困惑度逐漸穩(wěn)定在高點;所以，本研究確定的最優(yōu)主題數(shù)為8。

確定最優(yōu)主題數(shù)為8之后，代入LDA模型，使用期望最大算法估計參數(shù)取值，最終得到“文檔—主題分布”和“主題—詞分布”。各個主題中概率較高的特征詞如表2所示。

根據(jù)上表中展示的高概率特征詞，對每個主題進行“命名”（標注），然后結(jié)合“文檔—主題分布”對命名結(jié)果進行驗證。例如：Topicl中概率較高的詞是“Blockchain”“Vehicl”“Secur”“Net-work”，根據(jù)詞干的提示，可以將其命名為“區(qū)塊鏈”+“車聯(lián)網(wǎng)安全”，然后將文檔按照由Topicl生成的概率進行排序，概率較高的3篇代表性文獻分別是《A Blockchain Based Certificate Revocation Scheme for Vehicular Communication Systems》《Physical Layer Security of Autonomous Driving：Se-cure Vehicle-to-Vehicle Communication in A Security Cluster》《Blockchain-Based Dynamic Key Man-agement for Heterogeneous Intelligent Transportation Systems》，經(jīng)過對其閱讀研判，確為研究“區(qū)塊鏈”在“車聯(lián)網(wǎng)安全”方面應(yīng)用的文章，印證了標注的準確性。按照此模式分別對8個主題進行標注，結(jié)果如表3所示。因為本研究對象為國際區(qū)塊鏈研究，為了簡便起見，后文在提到主題標注時，將省去“區(qū)塊鏈+”。

3.2.3熱點主題挖掘

僅僅對主題進行標注是不夠的，還需要根據(jù)主題強度對熱點主題進行挖掘，為我國學(xué)者研究選題提供參考。根據(jù)式（2）得出主題強度閾值為0.125，根據(jù)公式1計算出各個主題的主題強度，具體的結(jié)果如圖6所示。

從圖中可以看出，Topic2、Topic5、Topic6、Top-ie7的主題強度值高于主題強度閾值，屬于“熱門主題”，下面結(jié)合有代表性的論文對熱點主題逐個進行解析。

1）Topic2（醫(yī)療健康領(lǐng)域）：

醫(yī)療健康領(lǐng)域隨著老齡化的發(fā)展，越來越受到各國的關(guān)注，但是醫(yī)療健康是一個復(fù)雜的系統(tǒng)，至少需要三方的參與：醫(yī)療服務(wù)的核心提供方（醫(yī)生、護士等）、關(guān)聯(lián)服務(wù)提供方（醫(yī)學(xué)研究、保險等）、醫(yī)療服務(wù)的用戶（病人、公眾等）。這樣一個多方參與的系統(tǒng)，其中數(shù)據(jù)的管理共享、隱私保護的問題亟待解決，催生了大量相關(guān)研究：DhagarraD等試圖通過區(qū)塊鏈技術(shù)構(gòu)建一個綜合的醫(yī)療保險框架來整合碎片化的健康記錄，改善醫(yī)療服務(wù)的均衡性;Zhang P等構(gòu)建了一個基于區(qū)塊鏈的去中心化應(yīng)用程序來進行安全和可擴展的數(shù)據(jù)共享，協(xié)助臨床診斷。

2）Topic5（數(shù)據(jù)隱私保護）：

隨著云存儲等技術(shù)的不斷發(fā)展和云服務(wù)提供商的涌現(xiàn)，極大地降低了用戶存儲數(shù)據(jù)的成本，但是云服務(wù)提供商能否對數(shù)據(jù)的安全和隱私保護負責(zé)，始終是一個困擾用戶的難題，“棱鏡門”事件、“夜鶯計劃”等隱私泄露事件層出不窮。這一關(guān)鍵問題吸引了大量學(xué)者研究：Huang P等提出了一種協(xié)作審核的區(qū)塊鏈框架，引入了共識節(jié)點代替單個的第三方，試圖解決數(shù)據(jù)所有者和云服務(wù)提供商之間的信任問題;Yang X等則利用區(qū)塊的不可預(yù)測性構(gòu)造挑戰(zhàn)信息，來防止惡意的審核第三方和云服務(wù)器串通。

3）Topic6（能源交易與共識算法）：

能源問題特別是電能的分布式整合問題長久以來困擾著工業(yè)界和學(xué)界，隨著區(qū)塊鏈技術(shù)特別是其實用共識算法的出現(xiàn)，使得分布式的整合和配電成為可能，越來越多的框架被提出并進行了小范圍的試點：Hayes B P等提出了一種配電網(wǎng)絡(luò)和本地對等能源交易平臺結(jié)合的仿真方法，采用基于區(qū)塊鏈的雙拍賣機制，使用歐洲郊區(qū)的配電網(wǎng)案例演示了該方法;Cai W等將傳統(tǒng)的拜占庭容錯算法改進，大大提高了交易速度，使其適用于能源領(lǐng)域?qū)崟r處理交易的需求。

4）Topic7（物聯(lián)網(wǎng)安全）：

包括射頻識別技術(shù)（RFID）、傳感器技術(shù)在內(nèi)的物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，也產(chǎn)生了許多網(wǎng)絡(luò)常見問題，易受攻擊、劫持，安全性和網(wǎng)絡(luò)性能都面臨考驗，學(xué)者們運用區(qū)塊鏈技術(shù)提出了多種方法來提高物聯(lián)網(wǎng)的安全性并保障其網(wǎng)絡(luò)性能：Rathore S等利用區(qū)塊鏈提供分散式的攻擊檢測，來緩解現(xiàn)有架構(gòu)中的“單點故障”問題;Sahay R等運用區(qū)塊鏈上的智能合約來生成實時警報，能夠有效地識別被篡改的節(jié)點。

花敏等的研究表明，國外區(qū)塊鏈領(lǐng)域的三大研究熱點為“智能合約”“物聯(lián)網(wǎng)”“隱私問題”，也印證了本文的研究發(fā)現(xiàn)，但是囿于其采用的關(guān)鍵詞聚類方法，對語義信息損失較多，無法對熱點領(lǐng)域進行更深入的分析，本研究由于采用LDA主題模型，可以挖掘篇名、摘要和關(guān)鍵詞中的語義信息，能夠從更細的粒度上挖掘發(fā)現(xiàn)熱點主題。

3.2.4主題演化分析

根據(jù)后離散方法，離散到各個年份后，計算了各個主題對應(yīng)的主題強度，結(jié)果如圖7所示，由于數(shù)據(jù)源中2010年和2011年沒有“區(qū)塊鏈”相關(guān)的文章，所以圖示中跳過了該年份。圖中橫坐標表示年份，縱坐標表示主題強度值，柱體的高度反映主題強度的大小。

通過圖7可以發(fā)現(xiàn)，隨著時間的推移，堆積圖從原有的單調(diào)的幾個顏色，開始變得色彩豐富，即區(qū)塊鏈研究從原有的僅涉及其技術(shù)本身的研究，如：Topic4（加密貨幣）、Topic5（數(shù)據(jù)隱私保護），開始向其他領(lǐng)域如Topic2（醫(yī)療健康）等進行滲透和拓展。這也向我國研究學(xué)者提出了更高的要求：除了在區(qū)塊鏈底層技術(shù)（如：共識算法等方面）發(fā)力，也要重點關(guān)注區(qū)塊鏈技術(shù)在其他領(lǐng)域（如：醫(yī)療健康等）的融合拓展研究。除了整體的趨勢變化，其中Topic3、Topic4隨時間演化特點較為明顯，下面詳細進行分析

1）Topic3（商務(wù)智能合約）：

2013年，以太坊白皮書的問世，使人們看到了區(qū)塊鏈的應(yīng)用潛力，不只是可以分布式記賬，還可以部署合約，把區(qū)塊鏈帶人了2.0時代，“智能合約”開始受到廣泛關(guān)注，從圖中也可以看出從2013年開始，代表“智能合約”的Topic3（灰色）相關(guān)文章開始出現(xiàn)。Chang S E等從信用支付的角度，研究了區(qū)塊鏈技術(shù)在國際貿(mào)易過程中的適用性;Eenmaa-Dimitrieva H等從合同法學(xué)者的角度出發(fā)，倡議使用智能合約來提供比傳統(tǒng)交易更便宜快捷的交易服務(wù)。

2）Topic4（加密貨幣）：

Topic4比較有代表性，“加密貨幣”是區(qū)塊鏈的傳統(tǒng)主題，區(qū)塊鏈正是由中本聰于2008年在比特幣白皮書中首次提出，所以在2008年的時候主題強度比較高，但是隨著區(qū)塊鏈在其他領(lǐng)域應(yīng)用研究的蓬勃發(fā)展，漸漸勢微，但是2015年以來，隨著以太坊（ETH）、門羅幣（XMR）、達世幣（DASH）等多種加密貨幣的涌現(xiàn)，使得公眾對加密貨幣的關(guān)注度空前提高，學(xué)界也從其安全性、經(jīng)濟性等多角度開始了如火如荼的研究：Wu Y等提出了一種識別可疑比特幣地址的框架，可以發(fā)現(xiàn)犯罪網(wǎng)絡(luò)并提供可視化功能：Bousfield D從經(jīng)濟學(xué)和網(wǎng)絡(luò)演化的角度對加密貨幣，特別是比特幣及其替代貨幣的持久性和可行性進行了分析。

本研究還參考王發(fā)明等對于區(qū)塊鏈應(yīng)用研究的劃分，將區(qū)塊鏈應(yīng)用研究劃分為3大類型，也將挖掘出的主題與之對應(yīng)：①區(qū)塊鏈1.0，諸如虛擬數(shù)字貨幣等對于區(qū)塊鏈的傳統(tǒng)應(yīng)用（對應(yīng)Topic4加密貨幣）;②區(qū)塊鏈2.0，主要涉及智能合約的使用，例如在證券登記、期貨、票據(jù)等金融市場的應(yīng)用（對應(yīng)Topic3商務(wù)智能合約）;③區(qū)塊鏈3.0，區(qū)塊鏈在其他更廣闊的領(lǐng)域的應(yīng)用，特別是用于解決各領(lǐng)域的信任、共享等問題（對應(yīng)其余的6個主題）。不難發(fā)現(xiàn)，上述兩個演化特點明顯的主題，正是代表了區(qū)塊鏈1.0和區(qū)塊鏈2.0的演化特點。為了解析當(dāng)今學(xué)界對于各個類別研究的占比情況，將2020年各主題強度求和，代表各個類別的應(yīng)用研究的熱度，結(jié)果如圖8所示。

從圖中可以看出，如今對于區(qū)塊鏈的研究已經(jīng)不只局限于諸如“加密貨幣”“智能合約”等傳統(tǒng)領(lǐng)域，而是拓展到其他領(lǐng)域，正如對圖7分析得到的結(jié)論一樣，區(qū)塊鏈的研究呈現(xiàn)多樣化的態(tài)勢。如今對于區(qū)塊鏈3.0的研究如火如荼，但區(qū)塊鏈1.0和區(qū)塊鏈2.0的研究并未消亡，究其原因，正是對于其傳統(tǒng)領(lǐng)域應(yīng)用研究的逐步深入，帶動和啟發(fā)了更多應(yīng)用場景的實施，我國的學(xué)者在拓展更多應(yīng)用場景的同時，也要關(guān)注其技術(shù)發(fā)展帶來的新特性，有針對性地尋找其新的應(yīng)用場景。

4結(jié)語

4.1結(jié)論

本研究收集Web of Science核心合集SCI-EX-PANDED和SSCI中2008—2020年區(qū)塊鏈領(lǐng)域的文獻，運用LDA主題建模，從熱點主題和主題演化兩個方面對國外區(qū)塊鏈研究進行了分析，得出以下結(jié)論。

1）國際區(qū)塊鏈研究自2008年開始，經(jīng)過10余年的發(fā)展，如今已經(jīng)形成非常豐富的概念內(nèi)涵。國際學(xué)者比較關(guān)心的區(qū)塊鏈研究領(lǐng)域包括商業(yè)智能合約、數(shù)字貨幣、數(shù)據(jù)隱私保護、能源交易與共識算法、物聯(lián)網(wǎng)安全、工業(yè)供應(yīng)鏈、車聯(lián)網(wǎng)安全、醫(yī)療健康等。這些研究極大擴展了區(qū)塊鏈的內(nèi)涵，也奠定了該領(lǐng)域的理論與實踐研究基礎(chǔ)。

2）在全部國際區(qū)塊鏈研究主題中，醫(yī)療健康、數(shù)據(jù)隱私保護、能源交易與共識算法和物聯(lián)網(wǎng)安全4個主題的主題強度高于閾值，即4個主題作為當(dāng)下區(qū)塊鏈研究的熱點主題，代表著國際區(qū)塊鏈領(lǐng)域?qū)W者最關(guān)心的熱點話題。在未來一段時間內(nèi)仍然是區(qū)塊鏈研究中的熱點。

3）商務(wù)智能合約和加密貨幣兩個主題都是在區(qū)塊鏈技術(shù)發(fā)展早期出現(xiàn)，其共同演化特征都是在相關(guān)重要文獻發(fā)表之后開始受到更多關(guān)注，從此研究熱度開始上升。另外，也發(fā)現(xiàn)了區(qū)塊鏈領(lǐng)域研究早期的話題大多與區(qū)塊鏈本身技術(shù)相關(guān)，如加密貨幣和數(shù)據(jù)隱私保護;而到了發(fā)展后期，其研究熱點開始向應(yīng)用研究轉(zhuǎn)移，如醫(yī)療健康、車聯(lián)網(wǎng)等。

4）從主題分布上看，國際區(qū)塊鏈領(lǐng)域主題熱度分布近年來逐漸趨于均衡，說明領(lǐng)域研究的結(jié)構(gòu)相較于早期已開始變得穩(wěn)定。

4.2建議

基于本研究的發(fā)現(xiàn)，結(jié)合上述分析結(jié)論與我國區(qū)塊鏈領(lǐng)域研究現(xiàn)狀和行業(yè)發(fā)展需求，提出以下建議。

1）重視國外研究成果，從中獲取國外區(qū)塊鏈研究前沿，以此指導(dǎo)我國學(xué)者、企業(yè)界相關(guān)從事者抓住區(qū)塊鏈領(lǐng)域的發(fā)展現(xiàn)狀，追蹤最前沿的研究熱點。本研究對國際區(qū)塊鏈文獻進行主題分析，結(jié)果正是國外當(dāng)前的研究熱點，了解、分析這些熱點出現(xiàn)的背景以及對社會、經(jīng)濟的影響，可以快速了解國外區(qū)塊鏈研究的現(xiàn)有布局，以提升我國研究的戰(zhàn)略視野和競爭力。

2）加快研究成果的轉(zhuǎn)化與落地。本研究展示國際區(qū)塊鏈研究從早期的純技術(shù)理論研究逐漸轉(zhuǎn)向了應(yīng)用研究。由于區(qū)塊鏈的產(chǎn)業(yè)價值更多體現(xiàn)在市場應(yīng)用方面，解決具體社會、經(jīng)濟問題，因此國際研究興趣的轉(zhuǎn)變說明國際學(xué)者開始更多地關(guān)注區(qū)塊鏈技術(shù)的市場化和產(chǎn)業(yè)化，而在這方面，我國能力較弱。應(yīng)當(dāng)加強高校與企業(yè)之間的合作創(chuàng)新，加速科研成果的技術(shù)、應(yīng)用轉(zhuǎn)化，促進區(qū)塊鏈研究價值最大化。

4.3不足

本研究的不足之處是數(shù)據(jù)源較為單一，只選取了期刊數(shù)據(jù)庫，如今技術(shù)迭代加快，高質(zhì)量的會議論文也具有很高的研究價值。未來考慮結(jié)合會議論文、專利和替代計量學(xué)指標，對主題進行深度的挖掘，并結(jié)合深度學(xué)習(xí)算法，進行技術(shù)發(fā)展的預(yù)測研究。