论计算型情报分析

受大数据环境和第四范式的影响,情报分析走向计算的趋势已经越来越明显。在信息设备低廉化、处理对象数字化、计算方法智能化的共同作用下,情报分析逐步走向计算型情报分析。计算型情报分析是情报分析与以计算机技术为核心的信息技术相结合的产物,涵盖目标、功能、实现、分析方式和知识体系五个层面的内容;以计算机及相关信息技术为工具,以机器学习与知识理解等为核心技术,以情报分析方法和数学模型方法为组织分析手段,通过对数据内容及其关系、模式的深度解析、挖掘和发现,帮助分析人员解决情报问题,完成情报任务。计算型情报分析的思维理念包括定量思维、自动化思维、融合思维、容错思维等,在理论、方法和技术、系统、应用实践等四个方面都有诸多研究课题等待我们探索和挖掘。参考文献51。     

计算型情报分析的进展

大数据理念和方法的不断应用,使情报分析在理论和实践上逐渐从定量化分析向计算化分析发展。本文将迄今为止的计算型情报分析的发展历程划分为三个阶段:经验计数分析阶段、精确计量分析阶段、计算型分析阶段,并分别从分析对象、代表成果、主要贡献、主要特征、方法与工具等维度对各阶段进行论述;对情报思维、计算思维、社会计算科学进行辨析,提出了计算型情报分析的主要研究目的和研究内容,并对计算型情报分析的三个主要内容——计算型情报分析模型、计算型情报分析算法、计算型情报分析框架和系统最新的研究进展和研究趋势进行系统的论述和分析。图2。参考文献71。     

大数据分析与情报分析关系辨析

近年来,包括大数据分析在内的大数据理念和方法引起了图书情报界的密切关注,成为情报学的热点话题之一。通过对比分析,发现大数据分析与情报分析有着天然的联系,两者既有共性,又存在着一定的差异。共性表现在看重对数据的定量分析,关注多源数据融合和强调相关性分析三个方面。同时,两者在数据对象、数据规模、分析任务与分析时机等方面又各具特色。本文认为,应该充分认识这些共性与差异,把情报分析的特色与优势发挥好,以迎接大数据带来的挑战。表1。参考文献25。     

从棱镜计划看大数据时代下的情报分析

棱镜计划自被曝光之日起,就受到了世界各方面的广泛关注,而大家关注的焦点主要集中在个人隐私与保护上,其实棱镜计划针对哪些大数据、通过哪些分析、实现了何种战略目标,更值得关注与讨论。文章从情报分析的视角剖析了棱镜计划的数据基础、分析过程与方法、实施目标,进而对大数据时代下的情报分析进行探讨。     

互联网金融两大突出风险引发舆情风险的防控研究——基于媒介化治理和大数据情报分析的视角

根据金融风险和舆情风险共振理论,金融风险和舆情风险往往相伴而行。防控舆情风险,可防范化解金融风险,防止金融风险扩大蔓延。在舆情风险防控中,宜以媒介化治理为手段,以大数据情报为分析工具。本文以互联网金融为例,探讨媒介化治理和大数据情报分析在防控舆情风险进而防范化解金融风险方面的应用。     

大数据时代高校图书馆嵌入式知识发现情报分析服务模式研究

文章介绍了大数据时代高校图书馆开展嵌入式知识服务的内容,分析了大数据与情报的共性,并重点阐述了嵌入式知识发现情报分析服务的重要环节,同时又设计了大数据时代高校图书馆嵌入式知识发现情报分析服务模型,该模型主要包括数据资源层、知识发现处理层和界面展示层.     

不同领域的情报分析及其在大数据环境下的发展

大数据已经引起竞争情报、商业管理、生物医学、政府治理及军事情报等五个领域的重视,为厘清不同领域的情报分析差异,文章通过梳理五个领域对情报分析的概念与实践现况,揭示了不同领域的情报分析特征;通过说明五个领域在大数据环境下的情报分析发展,指出了大数据对情报分析的影响。     

基于大数据的情报分析如何助力城市管理——纽约实践及启示

[目的/意义] 对基于大数据的情报分析应用于城市的科学决策和综合管理展开研究,探讨在新的形势下情报分析为政府部门带来的新的管理应用契机。[方法/过程] 以纽约市政府构建的城市数据分析团队的实践为例,运用文献分析和实证研究的方法,剖析基于数据的政府情报系统的构建,以及在城市综合管理方面的应用。[结果/结论] 基于数据的情报分析有助于提高公共管理决策的效率。据此,为我国城市的相关实践提出初步的建议,包括搭建城市公共数据的集聚平台、组建数据情报分析团队、构建数据预警指标以及创建特定的情报分析机制。     

我国情报学变革与发展:“侵略”思索、范式演进与体系建设

[目的/意义]大数据时代的到来催动了情报学的变革与发展,现阶段我国情报学的历史遗留问题和发展思路并未得到学界清晰一致的判定或解决。对当前情报学理论与实践中的核心问题进行探讨,有助于厘清情报学的发展脉络,抓准学科的理念定位与未来走向。[方法/过程]回顾我国情报学领域的“信息”与“情报”之争,在此基础上分别从学科定位、范式演进、体系建设3个层面对情报学进行深入探讨。[结果/结论]从碎片化、形式化的“信息提供”到协同化、专业化的“情报吞吐”,从自我封闭式的情报摸索到社会化、开放化的大情报体系建设,情报学应突破思维定势,以Intelligence为核心,将研究重心转移到决策层面上来,立足情报工程理念开展相关理论研究与实践应用,实现中国情报梦。     

大数据分析的方法及其在情报研究中的适用性初探

对基于数据或信息分析的情报研究来说,大数据分析方法带来了新机遇。文章在现有研究的基础上,先梳理了基于数据、流程及信息技术三种视角的大数据分析方法,并从中归纳出了面向统计、挖掘、发现、预测与集成等5种分析层次的17种相关研究方法。接着探讨了大数据分析方法在情报研究的适用性,分别找出10种可直接移植的方法、2种调整后可移植的方法、2种不适用的方法、3种需要继续研究或关注的方法。     

面向应急决策的智慧城市情报工程实践与应用

［目的/意义］将情报工程思维运用至城市突发事件应急领域,旨在强化智慧城市应急决策中的情报支持作用,推进智慧应急的科学化与民主化。［方法/过程］分析当前智慧城市应急情报需求特性,在此基础上引入情报工程理念,从事实数据、工具方法与专家智慧3个层面和学科、社会与政府3个视角论述面向应急决策的智慧城市情报工程实践与应用等。［结果/结论］在大数据时代,以智慧应急为“主位”,以情报工程为“述位”,构建以大数据资源为基,以情报融合为核,以专家智慧为支的智慧应急情报工程体系架构尤为必要。     

竞争企业核心战略要素情报动态分析

[目的/意义]对竞争企业核心战略要素情报的动态采集与精细化分析,是大数据技术革新背景下企业获取核心竞争力以及竞争战略匹配的预测型情报需求,也是竞争情报分析向动态化、时效性转变的深度细化与拓展研究。[方法/过程]将竞争企业核心战略要素细分为环境要素、关系要素、具体要素和抽象要素,重点构建大数据背景下竞争企业核心战略要素情报的动态分析框架及流程。[结果/结论]深入探讨竞争企业核心战略要素情报依据分析目标的遴选与情报需求识别、海量交易数据与交互数据的动态采集策略,从企业协同角度进行核心战略要素情报的精细分析,并确定企业竞争战略匹配的条件集。研究结论拓展了竞争情报分析的应用领域。     

网络动态数据挖掘模式及其关键技术

[目的/意义]大数据蕴藏着大知识和大情报,但呈现出价值密度低、分布不规律、价值隐藏深、变化频繁等特征,给数据挖掘工作带来巨大机遇与挑战,有必要探索新的挖掘方式。[方法/过程]以大数据环境下网络动态数据挖掘模式作为切入点,从数据生产方式、生产规模及技术成熟性等维度选择金融管理、新型互联网应用、移动互联网位置服务等应用领域,对其基本特征进行分析,最后以Facebook的动态数据挖掘分析平台为例进行系统说明。[结果/结论]提出应从体系结构、动态数据传输、系统接口、高可用技术及负载均衡等关键技术入手,对系统进行设计与优化。     

大数据环境下情报工程师的素质结构与培养模式

[目的/意义]在借鉴"卓越工程师教育培养计划"的基础上,提出情报工程师的培养设想。[方法/过程]在阐述情报工程学的内涵和情报工程教育的目标之后,依据现有情报人才教育的层次、方向和目标,进一步提出情报工程师的培养层次、方向和目标,并确定情报工程师应有的素质结构及其内涵。构建基于"知行融合,多方协同"的情报工程师培养模式,探讨课程内容的选择、课程体系的设置、教学模式的运用。[结果/结论]提出多方协同构建情报工程教育的教学、实践和研究创新共同体。     

论大数据时代的威胁情报

[目的/意义] 初步论述信息安全界理论前沿,论述威胁情报及其相关热点问题,试图引入新的情报概念,开拓情报研究新的领域。[方法/过程] 通过文献调研、内容分析和归纳演绎,梳理出威胁情报的主要特点、基础性技术、实践现状与趋势、重要意义和未来研究方向。[结果/结论] 威胁情报:①将成为情报研究新的热点;②具有应用范围广泛、紧密跟踪和可用于信息安全管理决策的特征;③对国家信息安全管理和国家情报要素研究均具有重要意义;④与其相关的数据管辖与隐私保护、情报共享等问题将成为未来的研究重点。     

计算机辅助信息分析的技术框架及其发展趋势

[目的/意义] 为了更好地指导计算机辅助信息分析工作的开展,构建计算机辅助信息分析技术框架,从顶层架构设计的视角指导计算机辅助信息分析。[方法/过程] 在文献综述和资料收集基础上,从数据库、数据仓库、OLTP、OLAP、BI和DSS 6个技术领域构建计算机辅助信息分析技术框架模型,从联机在线分析、数据挖掘和知识发现、社会网络分析、大数据分析4个方面详细分析当前主要的计算机辅助信息分析技术。[结果/结论] 对计算机辅助信息分析所面临的主要挑战和发展趋势进行展望,认为大数据分析将成为未来计算机辅助信息分析的重要研究内容,在大数据和云计算技术的推动下,计算机辅助信息分析将进一步向前发展,移动计算、社会计算将与信息分析深度融合。