摘要：[目的/意义]面对大数据与人工智能技术带来的知识服务深刻变革,文章从用户需求的任务场景出发,探讨支撑和匹配不同行业领域及其业务情境的场景式情报服务流程。[方法/过程]文章以场景式情报服务R-S模型为内核,基于多源数据聚合构建场景式情报服务方案生成与评价流程框架,简述多源数据聚合包括的主要内容及操作环节,并以某机构“俄乌冲突”装备信息快速感知专题情报服务为例,详细论述从项目的场景服务需求分析、服务要素场景化、服务方案生成到服务方案评价的操作过程和主要涉及的内容。[结果/结论]研究表明,文章设计提出的场景式情报服务方案生成与评价流程,通过场景要素识别并加以形式化表达,再采用低成本的计算方法,模拟人机交互建立组配响应关系式,生成的服务方案通过评价优选,可满足服务用户任务场景的需求。

摘要：[目的/意义]为了有效地推动知识交流与科技创新,探讨新兴的科研众包项目运行模式的构建、科研众包平台类型的划分与特点的解析。[方法/过程]文章从科研众包项目的需求及其支撑要素的视角,一方面,归纳科研众包项目参与主体,设计科研众包流程并解析知识流向,构建知识转移为核心的项目运作模式;另一方面,归纳平台的主要特征作为分类要素,单维度划分类型并进行属性间关联分析,同时,通过K-modes算法进行综合聚类,多维度划分平台类别。[结果/结论]研究结果表明科研众包运行模式中发包方和接包方之间存在知识双向多次转移的现象,依据系统结构和功能角度进行平台类型划分中主要以服务层面平台特征最为明显,自主专建型与非专项型关联紧密,嵌入式拓展型与专项领域型关联紧密;综合聚类划分平台为11个类别时效果最佳。

摘要：科技领域情报分析中,文献集构造有多种方式,但目前尚不清楚这些方式间的差别及可靠性。推动科技情报分析方法科学化的第一步,是探索能保证分析结果可靠性的领域文献集构造方法。因此,本文旨在通过实证分析量化地解答这一问题。以“人工智能”领域为例,本文在充分考虑科技情报分析多种任务场景(包括不同分析元素、不同元素数量、排序与否等)的前提下,设计了3个递进式的实验,分别为:①当前几种主流文献集构造方式间,所得结果差异性如何?②这些文献集构造方式所得结果的可靠性如何?③对这些文献集进行组合是否能提高最终分析结果的可靠性?实验结果表明,粗粒度元素(如国家)情报分析任务上,现有文献集构造方式结果差异不大,可靠性较高;但在细粒度元素(特别是作者)情报分析任务上,现有文献集构造方式结果差异明显,可靠性较低。不同情报分析任务上可以相应地挑选最合适的文献集构造方式。对现有文献集构造方式所得文献集进行组合,可靠性提升并不明显。总之,优化文献集构造方式是当前科技情报分析中必须重点关注的问题。最后,基于量化指标,本文给出了科技情报分析中在文献集构造层面上提高可靠性的一些建议,以及未来研究的一些思路。

摘要：【目的】从用户体验角度探索音乐平台中的音乐分类体系,为音乐平台中音乐分类体系的优化和相应检索模式的设计提出建议。【方法】借鉴心理学领域的心智模型理论,以网易云音乐为实验平台对高校学生群体开展两轮实验,探究用户在实际音乐信息交互行为中关于音乐分类体系的心智模型静态结构。【结果】对实验结果进行聚类分析后,得到多层次型、单层次型和混合型三种用户心智模型。【局限】由于样本数量的限制和被试年龄层次较为集中,因此在全体音乐用户的代表性方面仍有欠缺。此外,尚未考虑不同地域及文化水平对用户心智模型的影响。【结论】本文总结的三种用户心智模型能够为音乐平台检索模式的优化和交互体验的提升提供理论依据及行动参考。

摘要：面向特定领域开展科技情报分析时,由于文献的集中与离散分布规律,难以有效构造全量文献集。那么多大规模的领域文献集是可靠的?这一问题在不同的情报分析任务场景下,有不同答案。本文综合考虑待分析领域大小、待分析对象(学科分类、国家、机构、关键词、引文、作者,及其各自共现关系)、待分析对象的Top值截取(如高频词)数量、结果是否考虑排序等常见的多种任务场景,设计相应的实验方案。以“人工智能”领域WoS(Web of Science)数据为例,开展多种规模的数据抽样,并计算得出抽样子文献集对全量文献集的拟合指标值为4800个,以量化结果揭示科技情报分析中不同任务场景对文献集规模的要求。研究结果表明,涉及学科与国家分类的分析任务,以极小规模文献集便可得到较为可靠的结果;涉及作者的分析任务,对于文献集规模的要求极高,有必要采用全量数据;涉及机构、关键词、引文的分析任务,文献集达到一定规模可得到较为可靠的结果,但相应规模受不同因素的影响,尤其是共现分析、截取较多Top对象和结果要求排序这三种任务场景对文献集规模要求更高。

摘要：[目的/意义]对人工智能领域科研团队进行识别,并基于多个维度的指标提取领军科研团队,旨在丰富科研团队识别的流程与方法,为从科研团队视角分析人工智能领域脉络、前沿和主题提供依据。[方法/过程]以Web of Science为数据来源,采集2009-2018年间人工智能学科领域所有科技论文的数据,通过算法设计与人工核查进行数据清洗;基于分数计数法构建全局合著网络,并利用社区探测算法动态调参、识别科研团队;进而基于多维度的指标提取出领军团队,并加以比较分析。[结果/结论]从实践出发构造人工智能科技论文数据清洗的规则;构建基于合著关系识别人工智能科研团队的流程体系;提出通过消除边缘结点进行合著网络筛选,进而利用已知团队作为参考进行参数调整的思路;较为系统和准确地识别出全球人工智能科研团队,并基于发文量、被引量、h指数、中介中心度、接近中心度和加权点度中心度6个维度的指标提取出领军科研团队,同时,给出结合论文数据和实证调研对每个领军团队的示例性分析。

摘要：本文对现有的开放数据竞赛的文献进行系统梳理,结合4个国内外不同类型的开放数据竞赛案例,对开放数据竞赛的特点进行分析讨论。在案例分析的基础上总结出5种开放数据的特征和6种开放数据平台机制,提炼出开放数据竞赛的基本框架,并针对框架对开放数据竞赛的关键流程进行阐述,最后对我国开展开放数据竞赛提出若干建议。

摘要：为探究突发事件信息瀑布溯源机理,本文设计了基于时间序列与信息融合的信息瀑布溯源模型。论文以"美联航拖拽亚裔"突发事件为案例,运用TF-IDF与TextRank算法进行关键信息抓取,借助OWL本体技术、时间序列及信息融合模型,实现了突发事件信息瀑布的溯源,并提醒相关职能机构等控制事态发展。本研究是对信息溯源方法的探索与补充,能帮助相关管理机构对信息瀑布实行预测与调控。