国内情报学研究中的知识输入状况定量分析

[目的/意义]对情报学知识来源的分析,有助于情报学界更好地把握学科研究内容、探究现有研究是否偏离情报学的本原。[方法/过程]文章基于4种情报学中文核心期刊的刊载文献及其中文参考文献,使用OI~*_i等指标定量分析国内情报学研究中各学科对情报学领域的知识输入量,并通过LDA主题模型识别各学科知识输入的主要内容。[结果/结论]研究发现,国内情报学研究过度依赖经济学、计算机科学、法学及管理学等学科,情报学中有关信息的研究较多,对真正的情报问题重视不够,急需加强自身理论和方法建设,增强学科独立性。     

基于生命周期理论的跨学科知识生长点识别——以引文分析领域为例

[目的/意义]随着跨学科研究不断深入,识别并分析跨学科知识生长点的生命周期,对于把握学科发展现状、未来趋势和跨学科规律具有重要意义。[方法/过程]改变以往以文献作者标注关键词、题名摘要抽取关键词为研究对象的方式,通过对目标学科文献与跨学科参考文献进行全文分词,构建跨学科知识生长点识别模型,全面分析知识节点的影响力与共现强度,识别并分析跨学科知识生长点所处生命周期的不同阶段,并以图书情报学“引文分析”领域为例,全文提取2016—2020年研究文献及其跨学科参考文献关键词进行实证分析。[结果/结论]引文分析领域不同生命周期的跨学科知识生长点具有不同特点：形成期不稳定生长;成长期创新发展能力较强,且外来知识主要来源于计算机科学;成熟期合作紧密,其中“社会网络分析”是最稳定的外来知识。     

引用动能视角下跨学科知识来源识别——以图书情报学为例

[目的/意义]识别跨学科引用的主要学科,有助于促进学科之间的知识交流,探析学科间的联系,推动学科创新发展。[方法/过程]引入物理学动能定理,从引用质量和引用转化率两方面构建引用动能模型,计算目标学科引用其他学科文献而具有的动能,根据动能的大小,识别该学科引用知识的主要来源学科,挖掘学科间的联系。[结果/结论]以图书情报学为例进行实证研究,发现管理学是与图书情报学知识交流最密切的学科,其次为计算机科学与经济学。探析图书情报学与被引学科之间的联系,促进跨学科知识交流,进而有助于研究学科之间的交叉融合现象,发掘学科生长点,培育新兴交叉学科,构建协调可持续发展的学科体系。     

面向中文科技文献非结构化摘要的知识元表示与抽取研究——基于知识元本体理论

[目的/意义]近年来,科技文献资源呈爆炸性增长,海量科技文献中依旧存在大量非结构化摘要。非结构化摘要一方面不利于学者阅读与理解;另一方面不利于对摘要内部信息进行知识的自动化抽取和相应的检索。研究科技文献非结构化摘要的知识表示模型及其自动化抽取方法,对学者快速阅读和机器自动化处理具有重要意义。[方法/过程]文章在分析科技文献非结构化摘要结构的基础上,结合知识元本体理论,构建了一个面向科技文献非结构化摘要的知识元本体模型。通过分析非结构化摘要的写作特征,将文本按句子级划分为目的、方法、结果或结论三个要素,统计每个要素句中的线索词、句型和位置,建立相关规则库,根据本体模型和规则库构建相关抽取算法。最后,下载《计算机技术与发展》中的部分文献进行实验。[结果/结论]通过增加句型集和线索词集,完善了非结构化摘要的要素,构建了非结构化摘要知识元本体模型。实验结果表明,根据本文提出的模型能有效地对非结构化摘要中的知识元进行抽取。[局限]实验的不足之处是需要人工对摘要中的句型和线索词进行归纳总结。     

基于HNC理论的期刊文献知识元检索

针对期刊文献知识元提出了一种基于HNC理论的六元组表示方法,以及在文献结构分析基础上依据依存分析和HNC理论进行知识元的抽取。利用HNC符号的领域信息以及最大熵模型建立的分类器,对所抽取的知识元进行分类并存储,最后通过两阶段检索实现知识元的语义检索。     

iSchools培养计划知识挖掘下的情报学教育及人才培养

[目的/意义]情报学作为信息科学群的一个分支学科,在大数据时代呈现出更高的职责要求,iSchool这一高校信息学院联盟培养符合新时代需求的信息领域人才。[方法/过程]为探索情报学学科的教学模式和特点,文章以iSchool培养计划为研究对象,分别基于Bi-LSTM-CRF和BERT深度学习方法,构建能力和研究领域的自动抽取模型,挖掘其中情报学科教学信息。在模型的基础上,完成iSchool培养计划的知识挖掘,统计iSchool院校对学生的能力要求以及主要的研究领域,并按照iSchool等级进行系统和深入的统计分析。[结果/结论]在上述分析的基础上,发现和总结当前情报学教育的发展态势,为我国情报学教育体系设计提供切实可行的建议。     

科技文献资源中方法知识元的抽取研究

【目的/意义】为准确抽取科技文献中的方法知识元,实现科技文献更细粒度知识组织和检索。【方法/过程】 本研究提出一种基于规则的方法知识元抽取方法,该方法主要分为两个阶段：方法知识元初始描述规则半自动化 识别阶段和方法知识元及其描述规则自动化抽取和更新阶段。第一阶段根据方法知识元的特征,以人工—机器相 结合的方法识别方法知识元的组成维度及初始描述规则。第二阶段依据第一阶段识别的方法知识元初始描述规 则,自动从科技文献中提取方法知识元,并基于PreFixSpan算法从新识别的方法知识元中挖掘出新的方法知识元描 述规则,以实现方法知识元及其描述规则的动态更新。【结果/结论】在对16篇科技文献的初步评估中,实验结果P、 R以及F值分别为0.71、0.80和0.73（均＞0.5）表明该方法的可行性和有效性,该抽取方法对更细粒度的知识组织和 检索也有一定借鉴作用。【创新/局限】方法的局限性在于需要一定的人工参与方法知识元描述规则的提取。     

寻求信息偶遇研究的突破——基于近20年来国内外信息偶遇学术论文的知识图谱分析

[目的/意义] 信息偶遇日渐成为图书情报学、计算机科学等多学科研究的热点。国内外关于信息偶遇理论已建立若干标志性的模型和框架,但由于数据来源和研究方法的瓶颈,造成实证研究的困难与理论检验的不足。本研究试图以信息偶遇领域知识图谱构建与分析结果为依据,探索该领域未来突破的可能与发展的方向。[方法/过程] 本研究以1995年至今国内外期刊论文和学位论文及相关引文数据为来源,采用文献计量学相关方法,以SATI、UCINET、NetDraw和CiteSpace等为数据分析和可视化工具构建信息偶遇领域的知识图谱。[结果/结论] 研究结果揭示了20多年来国内外信息偶遇研究从理论探索到面向新环境和新技术的适应性研究与应用的发展轨迹,既呈现出由图书情报学、计算机相关学科和工商管理等学科形成的相对独立的研究领域,也呈现出图书情报学研究向相关学科扩散的趋势。计算机相关学科基于社会网络分析和行为数据分析的方法可为突破数据获取与分析的瓶颈提供方法参考;特异性的技术环境和信息使用情景的探索可能带来理论突破。     

基于多路径分析的跨学科潜在知识组合识别——以引文分析领域为例

[目的/意义]在提倡“文理交叉”的新文科建设背景下,识别跨学科潜在知识组合,并分析其合作方案的可行性,对于把握跨学科创新方向、推动学科转型与交叉融合具有重要意义。[方法/过程]基于多路径分析和全文知识提取,构建跨学科潜在知识组合合作潜力识别模型,从路径连通性、平衡性、有效潜在路径数三方面反映两知识的合作潜力,并以图书情报学“引文分析”领域为例,全文提取2016—2020年研究文献及其跨学科参考文献关键词进行实证分析。[结果/结论]实证表明,该模型能够通过多组已形成知识路径识别平衡性较好的跨学科潜在知识组合,并发现“引文网络—技术跨越”“相似度分析—激活函数”“聚类分析—扩散曲线”等识别结果具有理论合作可行性和实际应用价值。     

数字图书馆数字资源中事实知识元识别与标引

数字图书馆作为一种以网络技术为环境基础的知识网络系统,是重要的知识来源。为了满足用户精细化信息需求,数字图书馆数字资源的知识管理单位进一步细化到知识元。以事实知识元为研究对象,在对数字图书馆的数字资源管理现状及知识元的研究现状进行综述后,提出事实知识元的定义,针对事实知识元的特点,建立起事实知识元描述模型及抽取规则,以该抽取规则为基础,对事实知识元的抽取流程进行梳理,提出事实知识元描述框架。     

水书习俗非物质文化遗产知识元组织与可视化研究

[目的/意义]基于知识元理论对水书习俗非遗资源知识元进行知识抽取与组织，助力水书习俗非遗资源的开发与利用。[方法/过程]构建水书习俗非遗资源知识元语义描述模型，基于知识元语义模型与深度学习技术对水书习俗非遗资源进行知识元抽取，并对水书习俗非遗资源进行细粒度知识组织与可视化研究。[结果/结论]实现水书习俗非遗资源多维知识关联关系的揭示，促进了水书习俗非遗资源的传承、开发与利用。     

基于碎片化UGC的知识元抽取研究

[目的/意义]在大数据环境下,从海量的碎片化用户生成内容中抽取具有完整语义的知识单元。[方法/过程]文章提出一种基于碎片化UGC的知识元抽取方法,该方法首先借助BTM主题分割方法从UGC中抽取知识要素,而后基于融合TextRank和Glove词向量的K-means方法实现知识要素聚类,最后根据知识要素相关属性和知识要素聚类结果生成对应UGC知识元。[结果/结论]实验结果显示基于碎片化UGC的知识元抽取方法具有一定科学性和有效性。     

基于“问题—方法”知识抽取的科研领域知识演化研究：以人工智能为例

[目的/意义]当前各学科领域文献增长迅速,迫切需要以面向“问题解决”的思路,从大量科技文献中抽取出研究问题、解决方案及其解决关系,并以此为基础开展领域知识演化研究。[方法/过程]文章提出了可应用于实践的低成本领域实体关系抽取方案：依托词嵌入类比的思想,仅从领域知识资源中提取的少量实体关系对作为基准即可实现关系分类。[结果/结论]在人工智能领域数据集上使用基于词嵌入类比方案的集成模型,抽取解决关系、问题层级关系、方法层级关系的F1值分别为82.33,81.49,74.81。最后,将集成模型应用于全量数据抽取实体关系,从宏观、中观、微观三个层面展示了面向问题解决的人工智能领域知识演化情况。     

基于LDA-HMM的知识流动模式发现研究

【目的/意义】知识流动模式能够动态反映知识形态在知识流动中发生的变化，体现学科系统中不同知识体 系的发展规律，因此从科学文献角度出发研究知识流动模式的发现具有重要意义。【方法/过程】以图书情报学领域 为例，设计一种组合方法，首先采用LDA（latent Dirichlet allocation，隐狄里克雷分布）主题模型进行领域内文献的主 题聚类，然后提取引用和被引用数据构成主题知识流入、流出特征，并作为HMM（Hidden Markov Model，隐马尔可 夫模型）训练模型的观测值序列，识别不同的隐藏状态，进一步对模型的拟合效果进行评估，最后通过聚类分析将 隐藏状态序列与知识流动模式一一对应，揭示图书情报学领域存在不同知识流动模式的差异性。【结果/结论】实验 结果显示，不同类型的知识流动模式具有不同的表现形式，反映了领域内部主题研究的演变历程，为理解和认识科 学发展趋势具有一定价值。     

从知识抽取相关概念辨析看知识抽取的特点和发展趋势

通过知识抽取与知识获取、信息抽取、知识发现等概念之间的概念辨析确定知识抽取的研究范畴。知识抽取以学术文献为抽取对象,以总结学术文献的特征规律为特色,构建以知识元为存储单位的知识库,必将会给图书情报学的发展带来新的机遇与活力。     

基于隐含空间模型降维和LDA模型的学科主题识别研究

[目的/意义]现有学科研究主题的梳理多为领域专家的定性分析和学科学者的文献梳理,一定程度会由于研究思维的局限性和获取知识的片面性造成学科研究主题误判,为有效避免漏判误判现象的发生,提出识别模型。[方法/过程]首先,运用传统LDA模型分析主题特征词;其次,结合上下文语义信息进行中文分词,形成学科主题词库;最后,结合隐含位置聚类算法发现潜在社区,提高主题识别效果。[结果/结论]提出的方法一定程度上优化了主题挖掘算法在识别短文本主题的效果,消除主观意愿。由计算机自行分类并实现科学研究前沿主题的预测,揭示前沿领域的研究热点,为致力于研究前沿学科的新兴学者提供参考价值。     

网络谣言研究比较分析——以图书情报学科与新闻传播学科为例

[目的/意义]探究图书情报学科与新闻传播学科在网络谣言研究中的发展现状与研究热点,比较分析两门学科在网络谣言研究中的共性与差异性。[方法/过程]采用文献计量与内容分析方法,对发表于图书情报学科与新闻传播学科的CSSCI与北大中文核心期刊中关于网络谣言研究的文献,从发文机构、核心作者以及关键词这三个方面进行了比较分析。[结果/结论]两门学科关于网络谣言的研究有着网络谣言研究方法的差异性、谣言传播研究的不同方向、网络谣言研究对象的相似性,同时也发现两门学科在论文发表方面存在着融合研究。建议加强本学科的相互合作、加强两门学科间的融合研究、两门学科间互相吸纳研究方法。     

基于社交媒体弱关系的跨学科相关知识组合识别

[目的/意义]大科学时代,跨学科合作日趋普遍,准确把握跨学科相关知识配对成为跨学科合作研究的前提。基于学术社交媒体弱关系结构识别跨学科相关知识组合,一方面有利于科研人员选择跨学科研究方向;另一方面也是对科学文献数据识别结果的补充。[方法/过程]以科学网为样本来源,以图书情报学科为例进行实证研究。首先,通过用户好友链接关系,构建目标学科用户—跨学科好友用户关系网络;其次,基于学者博文筛选能够代表学者主要研究对象、问题或方法的研究主题作为知识节点,基于好友关系构建目标学科知识节点—跨学科相关知识弱关系网络;最后,构建合作潜力模型,识别最佳跨学科相关知识配对。[结果/结论]识别发现“高被引论文—生态学理论”“科研合作—波士顿矩阵”等是图书情报学跨学科合作知识组合,并分析它们的合作可能性与合作方向,验证模型的可行性与有效性。     

基于引文网络的当采跨学科知识交流中间人识别——以图书情报领域为例

[目的/意义]基于引文网络识别跨学科交流中承担中间人角色的跨学科知识,一方面有利于了解跨学科交流现状,另一方面为后续基于中间人识别跨学科相关知识、促进跨学科合作研究奠定基础。[方法/过程]基于中间人角色分类理论,提出跨学科知识交流的中间人角色分类;构建模型,识别目标学科在当前跨学科交流中各类当采跨学科中间人。[结果/结论]选择图书情报学领域影响力较大、跨学科程度较高的6种期刊数据为样本,研究发现：当采跨学科输入守门型中间人有语义相似度、条件随机场、国家安全、智库等;当采跨学科输出代理型中间人有KANO模型、特征分析、智慧图书馆、研究热点等;当采跨学科输入输出沟通型中间人有政策分析、区块链、信息安全、网络舆情等。     

基于LDA的数字图书馆知识组合分析

为了更为全面地探索和发现研究领域的热点主题和受欢迎的"主题-方法"对,文章提出了基于分类视角的LDA主题抽取方法;以数字图书馆领域为研究对象,利用LDA主题模型对文献集进行主题抽取,得到25个热点主题,将主题分为两类:主题与方法,通过深入分析各"主题-方法"对,发现热点主题所揭示的知识点;结果表明:基于分类视角的LDA主题抽取方法能够较为全面、细致地挖掘研究领域的学科主题和研究热点,所提的方法未能与其他主题挖掘方法进行对比,研究结果也未与现有文献分析出的传播学领域研究热点进行对照。