Global evolution of research on autohydrolysis (hydrothermal) pretreatment as a green technology for biorefineries: A bibliometric analysis
Notice bibliographique
Résumé
Based on 6 403 research articles in the Web of Science database from 2000 to 2023, information visualization technology is employed to analyze the literature year distribution, keyword co-occurrence and research hot spots, author cooperation network, institutional and national cooperation network, published journals, and co-cited literature in the middle of hydrothermal pretreatment . Our results show that the number of applied research publications related to hydrothermal pretreatment has increased every year in the past two decades. Among these publications, China (36.5%) is the most active country in the world, followed by the United States (14.6%) and Japan (8.2%), with increasing global cooperation. The Chinese Academy of Sciences ranks first among the institutions in the light of total publication output (245 articles, accounting for 3.82%). Among 955 journals, Bioresource Technology is cited the most frequently. The study is centered on the enhancement and potential evolution of lignocellulosic biomass raw materials via hydrothermal pretreatment for subsequent bioenergy transformation. Concurrently, the domain of hydrothermal pretreatment has progressively become more cross-disciplinary, intertwining with the sectors of microbial populations and genomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,039 | 0,077 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».