随着互联网、大数据、云计算和物联网等技术不断发展,人工智能正引发可产生链式反应的科学突破、催生一批颠覆性技术,引领新一轮科技革命和产业变革。而机器学习则是通往智能的关键技术途径。本研究将新兴的知识图谱可视化方法应用于机器学习领域前沿演进的研究,选取Web of Science核心合集以及Derwent专利库中2008年至2018年机器学习领域的论文文献和专利文献做数据源,全面把握机器学习领域的研究现状,探测和明析其热点前沿的发展脉络,力求达到对该学科的全面剖析。以一个全新的视角为机器学习领域科研工作提供方向和思路以及为文献的统计分析提供实证研究案例,同时帮助企业识别和把握可能存在的技术机会。本文主要研究内容是:(1)机器学习研究领域文献的分析,包括按时间维度的宏观分析,按国家地区,机构,期刊、作者等知识主体的微观分析,借助web of science自带的分析软件做数量、被引数、H指数等指标统计。借助CiteSpace绘制知识图谱,根据图谱光圈颜色和中心性、半衰期等指数,分析知识主体间合著情况,经过分析总结出机器学习领域发文量和逐年增加规律,说明机器学习领域研究文献在数量和质量上都保持了较高的增长水平,该领域的研究热点和质量都处于蓬勃上升期。知识主体以美国为主的发达国家和中国为代表;(2)通过绘制关键词共现图谱,分析出机器学习领域研究热点是分类、支持向量机、遗传算法、模式识别、神经网络、预测、网络回归、鉴定特征以及卷积神经网络。使用关键词突变以及施引文献耦合法进行前沿分析,分析得出深度学习、图像识别、遗传算法、模式识别、学习效果以及决策树为该领域的前沿主题词;(3)对机器学习领域的专利文献统计和专利权主体分析,美国的企业占比最高。对机器学习领域企业做发展定位分析,并预测未来技术发展趋势是G06(计算;推算;计数)。