Detecting what type of knowledge constitutes a discipline, tracking how the knowledge changes, and understanding why the changes are triggered are the key issues in analyzing scientific development from a macro perspective, which is usually analyzed by the topic of evolution. However, traditional methods assume that the disciplinary structure is flat with only one-layer topics, rather than a tree-like structure with hierarchical topics, which leads to the inability of existing methods to effectively examine the details of the evolution, such as the interactions between different research directions. In this paper, we take artificial intelligence (AI) as a case in which we study its hierarchical structural evolution, more precisely inspecting disciplinary development, by analyzing 65,887 AI-related research papers published during a 10-year period from 2009 to 2018. From a hierarchical topic model that can construct a topic-tree with multi-layer organizations, we design a visual analysis model for the topic-tree to systematically and visually investigate how knowledge transfers along the topic-tree and how the topic-tree changes over time. Moreover, some assistant indicators are employed to help in the exploration of the complicated structural evolution. Then, we discover the latent relationship between the sub-structures within a topic as well as the triggering reason for the knowledge migration. Based on these results, we conclude that different topics have different development patterns and that the recent artificial intelligence revolution stems from the interactions among the different topics.

从宏观的角度分析科学发展中的关键问题是检测一门学科类型的知识构成一门学科，跟踪知识的变化方式以及了解为什么会触发这些变化，这些问题通常是由演化主题来分析的。但是，传统方法假定学科结构是平坦的，只有一层主题，而不是具有分层主题的树状结构，这导致现有方法无法有效地检查演化的细节，例如交互作用在不同的研究方向之间。在本文中，我们以人工智能（AI）为例，通过分析65，研究人工智能的层次结构演变，更精确地检查学科发展，从2009年到2018年的10年期间，发布了887篇与AI相关的研究论文。从可以使用多层组织构建主题树的分层主题模型，我们为主题树设计了一个可视化的分析模型，可以系统地直观地研究知识如何沿着主题树转移以及主题树如何随时间变化。此外，还采用了一些辅助指标来帮助探索复杂的结构演化。然后，我们发现一个主题中子结构之间的潜在关系以及知识迁移的触发原因。根据这些结果，我们得出结论，不同的主题具有不同的发展模式，并且最近的人工智能革命源于不同主题之间的相互作用。从可以使用多层组织构建主题树的分层主题模型中，我们为主题树设计一个可视化分析模型，以系统地和直观地调查知识如何沿主题树转移以及主题树如何在时间。此外，还采用了一些辅助指标来帮助探索复杂的结构演化。然后，我们发现一个主题中子结构之间的潜在关系以及知识迁移的触发原因。根据这些结果，我们得出结论，不同的主题具有不同的发展模式，并且最近的人工智能革命源于不同主题之间的相互作用。从可以使用多层组织构建主题树的分层主题模型中，我们为主题树设计一个可视化分析模型，以系统地和直观地调查知识如何沿主题树转移以及主题树如何在时间。此外，还采用了一些辅助指标来帮助探索复杂的结构演化。然后，我们发现一个主题中子结构之间的潜在关系以及知识迁移的触发原因。根据这些结果，我们得出结论，不同的主题具有不同的发展模式，并且最近的人工智能革命源于不同主题之间的相互作用。我们为主题树设计了一个可视化分析模型，以便系统地和视觉地研究知识如何沿着主题树转移以及主题树如何随时间变化。此外，还采用了一些辅助指标来帮助探索复杂的结构演化。然后，我们发现一个主题中子结构之间的潜在关系以及知识迁移的触发原因。根据这些结果，我们得出结论，不同的主题具有不同的发展模式，并且最近的人工智能革命源于不同主题之间的相互作用。我们为主题树设计了一个可视化分析模型，以便系统地和视觉地研究知识如何沿着主题树转移以及主题树如何随时间变化。此外，还采用了一些辅助指标来帮助探索复杂的结构演化。然后，我们发现一个主题中子结构之间的潜在关系以及知识迁移的触发原因。根据这些结果，我们得出结论，不同的主题具有不同的发展模式，并且最近的人工智能革命源于不同主题之间的相互作用。一些辅助指标被用来帮助探索复杂的结构演化。然后，我们发现一个主题中子结构之间的潜在关系以及知识迁移的触发原因。根据这些结果，我们得出结论，不同的主题具有不同的发展模式，并且最近的人工智能革命源于不同主题之间的相互作用。一些辅助指标被用来帮助探索复杂的结构演化。然后，我们发现一个主题中子结构之间的潜在关系以及知识迁移的触发原因。根据这些结果，我们得出结论，不同的主题具有不同的发展模式，并且最近的人工智能革命源于不同主题之间的相互作用。