摘要：国家政治或经济目的的达成往往需要众多政策协同实施,探究政策间的关联、厘清其关系有助于政策的科学制定和有效实践。针对现有研究对政策文本关联的语义层面揭示较浅等问题,为进一步挖掘政策之间的关联关系、发现政策群中的核心政策,文章提出一种多层次政策实体知识网络的关联挖掘框架。运用命名实体识别技术抽取政策文本中的细粒度政策知识对象,在此基础上构建多层次政策实体知识网络,设计基于Jaccard距离的关联关系定量计算方法。文章以创业政策群为例构建多层次政策实体知识网络,有效揭示政策文本间的潜在关联,发现政策群中的核心政策文本,对政策文本关系进行多维度阐释。

摘要：新一轮科技革命和产业变革方兴未艾,大数据、人工智能等系列数智技术对信息资源管理学科产生了深远影响。在大模型背景下,指令工程通过高质量、体系化、流程化的指令设计引导模型生成结果,是高效发挥大模型能力的重要途径,可以用于解决学科相关重要问题。本文首先介绍了指令工程的概念,然后详细梳理了指令的构成要素、设计模式以及指令工程的特点和意义,并探讨了指令工程赋能信息资源管理的建设路径。未来,指令工程的研究和发展还需要关注通用及领域指令工程建设、指令工程标准化、知识产权保护、安全性和体系化测试评估等问题,以期能够在各行业复杂的应用场景中更好地发挥指令的效能。

摘要：大型语言模型突出的任务理解和指令遵循能力,使用户可以通过简单的指令交互完成复杂的信息处理任务。科技文献分析领域正在积极探索大模型的应用,但尚未形成对指令工程技术和模型能力边界的系统性研究。本文以学术文本挖掘任务为切入点,从上下文学习、思维链推理等角度设计推理端指令策略,构建了涵盖文本分类、信息抽取、文本推理和文本生成4个能力维度共6项任务的大模型学术文本挖掘专业能力评测框架,并选取了7个国内外主流的指令调优模型进行实验,对比了不同指令策略的适用范围和不同参数模型的专业能力。实验结果表明,少样本、思维链等复杂指令策略在分类任务上的应用效果并不显著,而在抽取、生成等难度较高的任务上表现良好。千亿级参数规模的大模型经过指令引导,能够取得与充分训练的深度学习模型相近的效果,但对于十亿级或百亿级规模大模型,推理端的指令策略存在明显上限。为了实现大模型向科技情报领域的深层嵌入,现阶段仍需在调优端对模型参数进行领域化适配。

摘要：【目的/意义】针对冲突事件领域数据集较少,现有事件抽取方法强依赖于大量数据,在低资源场景上面临着训练效果差、泛化能力不足的问题,本文提出了一种基于先验提示模板的小样本事件抽取方法PriorPromptEE。【方法/过程】本文首先基于“政治、军事”维度,完善冲突事件表示框架,采用人机协同方式,构建冲突事件小样本数据集。其次,本文为提示模板设计构造策略,在模型编码层嵌入基于先验知识的提示模板,输出层采用双指针实现事件元素的预测。【结果/结论】实验结果表明,PriorPromptEE能够在冲突事件小样本数据集上取得较好效果。对比序列模型,提升42%至45%,对比传统事件抽取模型,提升19%至45%,对比提示学习零样本抽取模型,提升19%,PriorPromptEE达到0.85,验证了该方法的有效性。【创新/局限】本文从“政治、军事”维度完善了冲突事件表示框架,采用提示学习的方式为冲突事件的核心元素抽取提供了新的思路,未来可从经济、舆情等维度完善表示框架,强化冲突事件抽取模型框架。

摘要：[目的/意义]学术论文中的科研贡献是论文中最有价值的信息类型之一。[方法/过程]文章将学术论文贡献内容从理论层面分为三个主要维度,即贡献功能、贡献重要性、问题—方法贡献。以此为指导,设计了一套包含五大贡献类别的标注框架,其中包括揭示贡献类型抽象性质的贡献分类标注体系及描述贡献内容的多层术语词汇功能标注体系。在此基础上,以SCI-BERT为基础模型,引入了学术论文的章节功能和结构化的术语信息,提出了语义角色标注增强下的科研贡献识别模型CNSC,并将其与过往的文本分类方法进行对比。[结果/结论]实验结果表明,文章提出的CNSC模型充分利用了论文的术语结构和贡献句的章节信息,对贡献类型的识别要优于其他模型。

摘要：以ChatGPT(Chat Generative Pre-trained Transformer)为代表的人工智能大模型在文本生成、人机对话等方面展现出了优异的性能。在大模型背景下,大数据、人工智能等数智技术在赋能科研创新方面表现出重要的现实价值。当前的科技信息资源管理和知识服务能够为科研创新提供较为准确的信息以及常规的知识聚合服务,但是仍未能与科研创新活动形成深度融合。同时,科研人员在科研活动中也面临信息处理能力不足、认知能力有限等挑战。据此,本文首先对数智时代科研活动的新特点进行了剖析,然后提出了基于数智技术的创新辅助框架,并对所提出的框架进行了深入分析和探讨,阐述了其在创新全过程中的功能定位、服务模式和关键赋能路径。未来,随着大数据和人工智能技术的不断成熟和进步,数智赋能的科技信息资源管理将进一步嵌入科研创新活动全过程。基于数智技术的创新辅助服务能够为科研人员提供个性化、细粒度的知识和场景化的解决方案,如面向文献阅读、实验设计和论文撰写场景的创新辅助服务,从而更好地服务于科研创新活动。

摘要：[目的/意义]高校图书馆参考咨询服务有助于师生更好的获取图书馆资源,构建基于知识库的智能问答系统可以提升参考咨询服务的效率。[研究设计/方法]以武汉大学图书馆为对象,根据实际问答需求改良传统的单一形式知识库,构建多源数据融合的知识库,并引入知识图谱,探索其在参考咨询问答中的应用。[结论/发现]融合多种知识表现形式的异构知识库适用于图书馆业务咨询、学术搜索咨询和通用问答三个主要场景,不同知识存储形式实现了多场景下的多业务融合处理,是问答系统展现的重要组成部分,可实现图书馆咨询问答服务自动化智能化的目标。[创新/价值]针对常见问答搭建了业务咨询场景的语义网络,充分利用高校图书馆学术知识富集的特点对学术领域实体和实体间的关联关系进行表征,解决了图书馆参考咨询结构化和非结构化并存的场景应用难题,实现图书馆参考咨询智能问答系统的知识库构建。

摘要：[目的 /意义]从学术文本词汇功能的角度出发,考虑科研文献中词汇的语义功能,设计和实现一个基于词汇功能识别的科研文献分析系统,在一定程度上弥补现有科研文献分析系统的不足之处。[方法 /过程]首先阐述学术文本词汇功能的定义及其识别研究的现状进展;在此基础上,对系统思路、功能模块进行设计;最后,选取1994-2013年CNKI中计算机领域的文献作为数据来源,实现一个基于词汇功能识别的科研文献分析系统CS-LAS。[结果 /结论]CS-LAS可以满足科研工作者更为细粒度的信息需求,对于传统学术数据库的检索结果有一定的优化,同时实现对某一学科的研究热点和研究趋势的合理把握和可视化呈现。

摘要：本文对传统文献计量和科学评价存在的问题进行了分析,假设全时间域的RPYS分析可能成为传统文献计量和科学评价的一个补充视角。为了验证该假设,笔者在前期RPYS研究的基础上,将其分析时间延展至一个学科或领域的全时间域,然后以情感分析领域为例,进行实验设计,识别该领域的重要文献及其学者、期刊分布,并分析该领域的研究起源、研究演化和研究热点。RPYS结果显示,1905—2010期间有17篇文献对于情感分析的起源、发展和演化起到了积极的推动作用;同时,由于RPYS是基于参考文献视角的分析方法,因此在对情感分析的研究热点和研究趋势的发现上存在一定的局限性。最后,文章将RPYS得到的结果与传统文献计量视角得到的前17篇高被引论文进行比较分析发现,在传统的文献计量方法为主的情况下,加入RPYS作为补充视角,可能得到更加全面、准确和客观的结果。

摘要：为探究面向学科新兴主题探测领域多源科技文献融合过程中的时滞性问题,本文设计了多源科技文献时滞计算方案。首先,从获取的4种科技文献数据集中提取学科主题,计算学科主题间的相似度,构建相似矩阵;其次,基于匈牙利最优匹配算法寻求相似度损耗最小条件下的最优组合;最后,构建线性方程模型并拟合计算时滞程度。本文以2009-2016年农业学科领域337790篇摘要文本为实验数据,抽取基金项目文本学科主题为250个、专利文献为260个、期刊论文为260个、会议论文为240个,利用上述多源科技文献时滞计算方案实验。结果表明:期刊论文滞后于基金项目文本和会议论文1年,专利文献滞后于期刊论文1年,结合以往对不同学科领域数据的研究结果,验证了多源科技文献时滞计算方案的可行性和有效性,同时也为多源科技文献融合策略的制定提供新思路。