Research Status and Hotspots Analysis of Cranberry Food Based on Bibliometric
Notice bibliographique
Résumé
Based on the bibliometric method, relevant research literature in the field of cranberry food included in the CNKI database from 2013 to 2023 was searched and further analyzed. A total of 444 Chinese and English literatures were obtained through screening, and CiteSpace software was used to analyze the current research status and hotspots in this field from the perspectives of annual publication volume, issuing journals, countries, authors and their institutions, as well as co-occurrences, clustering, and emergent words of keywords. The results showed that the overall trend of the number of publications from 2013 to 2023 was stable, with an average of about 40 publications per year. The journal with the highest number of publications was Food Chemistry (25), which accounted for 6% of the total literature, followed by Food & Function (22) and Journal of Agricultural and Food Chemistry (20). The top 3 countries in terms of the number of articles published were the United States, Poland, and Canada. The author with the most postings was Christina Khoo (17), a researcher from Ocean Spray, USA. The keyword analysis in the CNKI database showed that the keywords with the highest frequency were cranberry, proanthocyanidins, cranberry juice, bioactive components, urinary tract infection, antioxidant properties, intestinal microbiota and processing, health functions, and so on. The hotspots of the literature research in the field of cranberry food were mostly focused on the study of cranberry composition and function, and the exploration of the application of new processed products such as cranberry juice in the food industry. By comprehensively analyzing the literature in the CNKI database, this article can point out the direction for researchers in China cranberry food industry to engage in related research, and provide data references and help in predicting the future development trend of the industry.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,015 | 0,075 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».