近日，我系教师题为“Neural topic modeling of machine learning applications in building: Key topics, algorithms, and evolution patterns”的研究论文，在智能建造领域国际顶级期刊《Automation in Construction》（中科院一区Top，影响因子9.6）发表，该期刊位居全球SCIE收录的181种土木工程类期刊第1位。论文第一作者为建设经济与管理系周鹏副教授，第二作者为2022级硕士研究生漆一凡，通讯作者为常远教授。

近年来，机器学习算法广泛应用于建筑领域研究。然而，现有研究中机器学习算法的建筑领域应用格局如何？机器学习算法与建筑领域应用间的偏好如何？机器学习算法、建筑领域应用及其偏好的演变如何？为解答上述问题，本研究应用了深度学习算法，识别了建筑领域涵盖全生命周期的27个机器学习应用主题，揭示了27个主题之间的横向关联关系以及内涵的12级纵向知识层级结构，挖掘了27个主题与20种机器学习算法之间的静态内在关联和过去30年间（1994-2023）的3D动态演化过程。本研究结果为建筑领域中机器学习算法的均衡发展与科学应用提出了相关建议。

文献链接：https://doi.org/10.1016/j.autcon.2024.105890

撰稿：周鹏

审稿：刘志东