摘要：[目的/意义]科学文献是循证决策的重要依据,对文献中的科学证据进行抽取和呈现,能够进一步提升科研创新的效率和科学研究的决策价值。[方法/过程]首先,基于循证理论分析文献循证视域下科学证据的要素构成,并对科学证据图谱的结构进行设计;其次,利用SciAIEngine、依存句法分析和语义角色标注等工具和方法分别对“研究背景”“研究过程”和“研究结果”三个维度下的证据要素及其关系进行抽取,以构建证据图谱并实现证据查询;最后,以碳减排领域文献为例构建面向碳减排决策的科学证据图谱,以验证该方法的有效性。[结果/结论]所构建的证据图谱不仅能够揭示科学证据要素之间的关联,而且能够实现“领域主题”“研究地区”“研究变量”“变量关系”“对策建议”等证据要素的查询,还能够实现研究结果的溯源与互证,以此为循证决策提供科学依据。

摘要：[目的/意义]高价值专利是推动科技创新、实现高质量发展的重要载体,识别高价值专利并从多维度挖掘技术演化特征,对于发现技术创新要素与创新规律,助力科技创新战略与政策的制定均具重要意义。[方法/过程]以“脑机接口”领域的专利文献为例,从技术价值、专利权利和市场前景3个方面设计专利价值评估指标体系以识别出高价值专利,进而基于CasRel知识抽取模型构建高价值专利知识图谱,在此基础上从技术主题、本质、应用领域、方法、解决问题等维度分析技术创新演化的态势。[结果/结论]研究发现,基于知识图谱的高价值专利技术创新演化分析方法视角更加多元、分析层次更加深入,能够为技术研发者、科技政策或战略制定者实施进一步的创新提供更具体的参考。

摘要：【目的】为中医诊断治疗提供更精准、更智能的辅助参考,减少中医诊疗过程中的不确定性和难以量化的问题。【方法】以中医糖尿病医案数据为例,设计一种融合多自然语言处理任务的中医辅助诊疗方案,该方案融合情感识别、文本匹配等多自然语言处理任务序列,实现糖尿病的病情量化评估、症状信息匹配、症状自动摘要、病症类型判别和中药推荐,并进行实证研究。【结果】以模糊综合评价法进行10轮测试评估,在4项评价指标的平均隶属度分别为0.1949、0.3140、0.2173、0.2738,最大隶属度结果显示该方法效果为良好。【局限】临床医案数据稀缺,因此各子任务性能难以实现大幅度提升;未扩展到其他领域进行适应性检测。【结论】该方法在实际使用过程中能够有效地帮助医生解决诊断的不确定性问题,较好地辅助医生形成明确的诊疗结论,具有较为新颖的学术价值和重要的应用价值。

摘要：[目的/意义]产业关键核心技术精准布局是新发展格局下产业创新发展的重要前提。构建面向产业关键核心技术精准布局的情报支持框架,以进一步发挥情报研究在产业高质量发展中的助推器作用。[方法/过程]融合多源信息数据,利用文本挖掘、社会网络分析、深度学习、知识图谱等多种情报方法,对产业关键核心技术进行系统识别与解构,深入剖析产业关键核心技术布局的优势与薄弱环节,并制定产业关键核心技术精准布局策略。[结果/结论]集识别、解构、诊断、布局于一体,可有效提升情报分析效率,为产业关键核心技术精准布局提供可复制、可参考的通用方法流程。[局限]需要结合更多应用场景加以实践和改进,在提高语义挖掘精准度、全景可视化设计、布局现状动态诊断等方面也需要进一步优化和提升。

摘要：[目的/意义]国家科技竞争态势下的“卡脖子”技术领域成为科技前沿创新发展的核心场景,在此背景下构建科技前沿发现方法并刻画其态势演进特征,对于国家科技竞争布局具有情报决策支撑意义。[方法/过程]以集成电路“卡脖子”技术场景下的领域科技前沿为研究客体,获取实验融合数据,通过自然语言处理与深度学习框架识别并构建科技前沿主题词表,设计科技前沿“突变态势”“位置态势”以及“技术态势”量化测度指标,揭示出“卡脖子”技术场景下科技前沿态势演化特征。[结果/结论]结果显示,通过“卡脖子”技术场景下的集成电路领域科技前沿发现实验及其态势演化实证分析能够有效勘定突变演化型科技前沿、位置中心型科技前沿以及技术点位型科技前沿,为国家总体安全与科技战略决策提供参考。

摘要：本文首先介绍了 JSP技术的工作原理 ,并以实现项目为背景 ,阐述了 JSP在 B/ S模式的信息系统设计中的具体应用与实现 ,总结了

摘要：[目的/意义]人工智能技术迅速更迭,ChatGPT正在驱动各行各业的变革与发展,知识组织环境发生了巨大变化。在此背景下,文章分析ChatGPT用于知识组织任务的效能,探索知识组织与新一代AI融合的方式方法,对于促进知识组织领域的创新发展具有重要意义。[方法/过程]文章以知识组织体系和实际业务为参考框架,设计了文献著录、标引、本体构建等8类实验任务,由ChatGPT根据提示完成任务并对其完成效果进行评估,进而思考ChatGPT在知识组织领域发挥的作用以及知识组织未来发展的趋向问题。[结果/结论]ChatGPT具有较强的自适应性,但创造力有限,面对复杂的知识组织任务尚不能直接生成可用的产品。未来知识组织领域的发展需要充分发挥专业人员的创新能力,不断探索知识组织与ChatGPT等生成式AI深度融合的理论体系和规则方法。

摘要：[目的/意义]面对AI进步与ChatGPT类大模型发展为情报领域带来的前所未有之变革,文章多方面分析国内外生成式AI大模型执行情报领域典型任务的有效性与可靠性,为高效利用其能力助力情报工作提供参考。[方法/过程]文章结合情报领域多方面工作内容设计问题,分别在Gpt-3.5-Turbo与ChatGLM-6B大语言模型上进行测试、对照与提示工程探索,采用专家打分法进行测评,详细分析评价大语言模型的9项能力水平。[结果/结论]大语言模型在执行多数典型情报任务上都展现出了较强能力,运用好提示工程能大幅提升大语言模型的优势能力,结合外部工具可以有效弥补大语言模型自身的短板,充分挖掘大语言模型潜力将带来情报工作效率的巨大提升。

摘要：[目的/意义]对人工智能生成内容(artificial intelligence generated content,AIGC)应用、风险及治理的研究,有助于把握人工智能未来的发展方向,为新兴主题研究提供参考与借鉴。[方法/过程]以中国知网、万方数据知识服务平台和Web of Science核心合集、ProQuest、ScienceDirect数据库为数据源,收集人工智能生成内容相关文献,分析AIGC在不同领域的应用现状及其风险,并提出AIGC的治理目标。[结果/结论]AIGC主要在医疗、新闻、学术、教育与艺术等领域取得一定成果,同时面临具有关联关系的来自技术、个人和社会3个层面的风险。本文通过构建“以人为本”的AIGC服务体系模型,从内部循环共生层面提出技术控制和个人提升的具体治理措施,从外部控制引导层面提出政策法规和社会引导具体措施,以指导生成式人工智能的设计、应用与发展。

摘要：情报学术语承载了情报学科基础知识与核心概念。从概念维度梳理与分析情报学术语对推动学科发展、助力下游知识挖掘任务具有重要意义。面对数量快速增长的科技文献,自动术语抽取替代了人工筛选,但现有方法严重依赖大规模标注数据集,难以迁移至低资源场景。本文设计了一种生成式情报学术语抽取方法(generative term extraction for information science,GTX-IS),将传统基于序列标注的抽取式任务转化为序列到序列的生成式任务。结合小样本学习策略与有监督微调,提升面向特定任务的文本生成能力,能够在低资源有标签数据集场景下较为精准地抽取情报学术语。对于抽取结果,本文进一步开展了情报学领域术语发现及多维知识挖掘。综合运用全文科学计量与信息计量方法,从术语自身、术语间关联、时间信息等维度,对术语的出现频次、生命周期、共现信息等进行统计分析与知识挖掘。采用社会网络分析方法,结合时间维度特征,从术语角度出发,完善期刊的动态简介,探究情报学研究热点、演变历程和未来发展趋势。本文方法在术语抽取实验中的表现超越了全部13种主流生成式和抽取式模型,展现出较强的小样本学习能力,为领域信息抽取提供了新的思路。