李廣建　楊林

摘要：大數(shù)據(jù)時代的到來，給情報研究帶來了機遇和挑戰(zhàn)。文章在現(xiàn)有研究和實踐基礎(chǔ)上，總結(jié)了在此背景下情報研究的發(fā)展趨勢和相關(guān)技術(shù)問題，將發(fā)展趨勢概括為單一領(lǐng)域情報研究轉(zhuǎn)向全領(lǐng)域情報研究、綜合利用多種數(shù)據(jù)源、注重新型信息資源的分析、強調(diào)情報研究的嚴謹性和情報研究的智能化五個方面，并探討了可視化分析、數(shù)據(jù)挖掘、語義處理三方面的技術(shù)問題。

關(guān)鍵字：大數(shù)據(jù)情報研究情報研究技術(shù)

中圖分類號：G250.2 文獻標(biāo)識碼：Ａ 文章編號：1003-69３８（２０12）０6－0001-08

1引言

當(dāng)數(shù)據(jù)和黃金一樣，成為一種新的經(jīng)濟資產(chǎn)［1］，當(dāng)科研處于以數(shù)據(jù)為基礎(chǔ)進行科學(xué)發(fā)現(xiàn)的第四范式［2］，當(dāng)數(shù)據(jù)開始變革教育［3］，這些無不宣告著我們已經(jīng)進入了大數(shù)據(jù)（bigdata）時代。不同的學(xué)科領(lǐng)域，正在不同的層面上廣泛地關(guān)注著大數(shù)據(jù)對自己的研究和實踐帶來的深刻影響，情報研究領(lǐng)域也不例外。

大數(shù)據(jù)，顧名思義是大規(guī)模的數(shù)據(jù)集，但它又不僅僅是一個簡單的數(shù)量的概念，IBM公司指出，大數(shù)據(jù)的特點是4個V：Volume（大量）、Velocity（高速）、Variety（多樣）及Veracity（真實），它提供了在新的和正在出現(xiàn)的數(shù)據(jù)和內(nèi)容中洞悉事物的機會，使業(yè)務(wù)更加靈活，并回答以往沒有考慮到的問題［4］。Gartner公司的報告也提出，大數(shù)據(jù)是大容量、高速和多樣化的信息資產(chǎn)，它們需要新的處理方式，以提高決策能力、洞察力和流程優(yōu)化［5］。

由此可見，大數(shù)據(jù)強調(diào)的不單純只是數(shù)據(jù)量多少的問題，其背后隱藏了更為復(fù)雜和深刻的理念，這些理念包括：①將對數(shù)據(jù)和信息的分析提升到了前所未有的高度。這里的分析不是一般的統(tǒng)計計算，而是深層的挖掘。大數(shù)據(jù)時代，如何充分利用好積累的數(shù)據(jù)和信息，以創(chuàng)造出更多的價值，已經(jīng)成為企業(yè)管理者、政府機構(gòu)以及科研工作者首要關(guān)注的問題?！皹I(yè)務(wù)就是數(shù)據(jù)”、“數(shù)據(jù)就是業(yè)務(wù)”、“從大數(shù)據(jù)中發(fā)掘大洞察”等意味著對數(shù)據(jù)分析提出了新的、更高的要求?？梢赃@么說，大數(shù)據(jù)時代就是數(shù)據(jù)分析的時代。②多種數(shù)據(jù)的整合和融合利用。大數(shù)據(jù)時代，數(shù)據(jù)的多樣性是一種真實的存在，數(shù)據(jù)既包括結(jié)構(gòu)化的數(shù)據(jù)，也包括非結(jié)構(gòu)化的數(shù)據(jù)，表現(xiàn)方式可以是數(shù)據(jù)庫、數(shù)據(jù)表格、文本、傳感數(shù)據(jù)、音頻、視頻等多種形式。同一個事實或規(guī)律可以同時隱藏在不同的數(shù)據(jù)形式中，也可能是每一種數(shù)據(jù)形式分別支持了同一個事實或規(guī)律的某一個或幾個側(cè)面，這既為數(shù)據(jù)和信息分析的結(jié)論的交叉驗證提供了契機，也要求分析者在分析研究過程中有意識地融集各種類型的數(shù)據(jù)，從多種信息源中發(fā)現(xiàn)潛在知識。只有如此，才能真正地提高數(shù)據(jù)分析的科學(xué)性和準(zhǔn)確性。③更加廣泛地應(yīng)用新技術(shù)和適用技術(shù)。數(shù)據(jù)量大（Volume）、類型多樣（Variety）、增長速度快（Velocity）是大數(shù)據(jù)的突出特點，這必然會帶來數(shù)據(jù)獲取、整合、存儲、分析等方面的新發(fā)展，產(chǎn)生相應(yīng)的新技術(shù)或者將已有的技術(shù)創(chuàng)新地應(yīng)用于大數(shù)據(jù)的管理與分析。同時，大數(shù)據(jù)的這些特點也決定了傳統(tǒng)的、以人工分析為主的工作模式將遇到瓶頸，計算機輔助分析或基于計算機的智能化分析，將成為大數(shù)據(jù)時代數(shù)據(jù)與信息分析的主流模式。

對于在數(shù)據(jù)分析領(lǐng)域扮演重要角色的情報研究工作而言，大數(shù)據(jù)的理念和技術(shù)既帶來了機遇，也帶來了挑戰(zhàn)。一方面，在大數(shù)據(jù)時代，情報研究工作正在得到空前的重視，大數(shù)據(jù)為情報研究的新發(fā)展提供了機會，從更為廣闊的視野來看待情報研究的定位，研究新技術(shù)新方法，解決新問題，將極大地促進情報研究理論與實踐前進的步伐。另一方面，大數(shù)據(jù)時代本身也要求各行各業(yè)重視情報研究工作，這就必然使得眾多學(xué)科有意識地涉足到以往作為專門領(lǐng)域的情報研究之中，并將其作為本學(xué)科的重要組成部分加以建設(shè)。文獻分析（本質(zhì)是文本分析）不再為情報研究所獨占，以往情報研究領(lǐng)域積累的相關(guān)理論和方法很有可能優(yōu)勢不再。因此，如何把握住自身的優(yōu)勢，并抓住機會有所拓展，是情報學(xué)在大數(shù)據(jù)時代需要思考的問題。

2大數(shù)據(jù)環(huán)境下情報研究的發(fā)展趨勢

大數(shù)據(jù)帶來的新觀念，正在引發(fā)情報研究的新發(fā)展，而且，研究人員也在不斷地從情報研究的實踐中總結(jié)經(jīng)驗教訓(xùn)，引導(dǎo)情報研究的未來走向。英國萊斯特大學(xué)的MarkPhythian教授在2008年10月作了題為“情報分析的今天和明天”的報告［6］，指出：①獲知情境是至關(guān)重要的。忽略戰(zhàn)略環(huán)境、領(lǐng)導(dǎo)風(fēng)格和心理因素等更為廣泛的問題，將導(dǎo)致情報研究的失誤；②要加強信息之間的關(guān)聯(lián)。美國政府部門內(nèi)部的信息共享障礙，致使分析人員無法獲取充足的信息來支持分析活動，導(dǎo)致情報研究中的預(yù)測失?。虎垡橙「嗤饨绲膶I(yè)知識。這一舉措雖然不能保證分析的成功性，但將是競爭分析的重要信息來源。

綜合大數(shù)據(jù)背景的要求和以往情報研究的經(jīng)驗教訓(xùn)，結(jié)合國內(nèi)外同行的研究成果，本文將情報研究的發(fā)展趨勢總結(jié)為以下五個方面：單一領(lǐng)域情報研究轉(zhuǎn)向全領(lǐng)域情報研究；綜合利用多種數(shù)據(jù)源；注重新型信息資源的分析；強調(diào)情報研究的嚴謹性；情報研究的智能化。

2.1單一領(lǐng)域情報研究轉(zhuǎn)向全領(lǐng)域情報研究

隨著學(xué)科的深入交叉融合及社會發(fā)展、經(jīng)濟發(fā)展與科技發(fā)展一體化程度的增強，情報研究正從單一領(lǐng)域分析向全領(lǐng)域分析的方向發(fā)展。

首先，表現(xiàn)在各領(lǐng)域中的情報研究從視角、方法上的相互借鑒。從方法上看，社交網(wǎng)絡(luò)分析方法、空間信息分析等其他學(xué)科的分析方法，廣泛應(yīng)用于軍事情報、科技情報等領(lǐng)域，心理學(xué)等領(lǐng)域的理論也用于情報分析的認知過程，以指導(dǎo)情報分析及其工具的研發(fā)。同時，情報學(xué)中的引文分析等文獻計量方法也被借鑒用于網(wǎng)站影響力評估。從技術(shù)上看，可視化、數(shù)據(jù)挖掘等計算機領(lǐng)域的技術(shù)，為情報研究提供了有力的技術(shù)視角，情報研究獲得的知識反過來又給予其他技術(shù)領(lǐng)域的發(fā)展以引導(dǎo)?？梢?，無論從思想上、方法上、技術(shù)上，各領(lǐng)域之間的交叉點越來越多，雖然這種相互借鑒早就存在，但現(xiàn)在意識更強、手段更為綜合。

其次是分析內(nèi)容的擴展，這也是最為重要和顯著的變化。在情報研究過程中，不僅僅局限于就本領(lǐng)域問題的分析而分析，而將所分析的內(nèi)容置于一個更大的情景下做通盤考慮，從而得出更為嚴謹?shù)慕Y(jié)論。聯(lián)合國的創(chuàng)新倡議項目GlobalPulse在其白皮書“BigDataforDevelopment：Opportunities&Challenges”［7］中指出，情境是關(guān)鍵，基于沒有代表性樣本而獲得的結(jié)論是缺乏外部合法性的，即不能反映真實的世界。在情報研究領(lǐng)域，一些數(shù)據(jù)往往因為一些不可抗力的原因而不完整，如早期的科技數(shù)據(jù)，可能由于國際形勢等外部因素，導(dǎo)致一些國家的科技信息無法獲取，基于這樣缺失的分析樣本來評估該國的科技影響力，如果僅就數(shù)據(jù)論數(shù)據(jù)，無疑是會得“正確”的錯誤結(jié)論，這時應(yīng)針對這樣的異常情況，將研究問題放置在當(dāng)時的時代背景下，揭示背后的原因，從其他方面收集信息來補充，才能得出符合實際的結(jié)論。也就是說，必須要考察不同時間戳下的相關(guān)信息，再對分析內(nèi)容加以擴充，這實質(zhì)是一種基于時間軸的擴展。另外，將內(nèi)容擴展至本領(lǐng)域的上下游則是一種更為重要的擴展。例如，考察某項技術(shù)的發(fā)展前景，如果僅就該技術(shù)本身來討論，可能會得出正面的結(jié)論，但如果結(jié)合特定地區(qū)人們對該技術(shù)的態(tài)度、當(dāng)?shù)氐募夹g(shù)水平、物理條件、發(fā)展定位等，卻可能會得出相反的結(jié)論。這就說明，在很多領(lǐng)域中，環(huán)境不同，發(fā)展程度不同，要解決的問題也就不同。一些地區(qū)當(dāng)前關(guān)注的問題不一定就是其他地區(qū)要關(guān)注的問題，某些欠發(fā)達地區(qū)當(dāng)前不一定就必須照搬另一些所謂發(fā)達地區(qū)的當(dāng)前做法。這需要通盤考察，分析相關(guān)思想、觀點和方法產(chǎn)生的土壤、使用的條件，結(jié)合當(dāng)前環(huán)境再做出判斷，否則可能會對決策者產(chǎn)生誤導(dǎo)。

2.2綜合利用多種數(shù)據(jù)源

綜合利用多種信息源已經(jīng)成為情報研究的另一大發(fā)展趨勢。ThomasFingar［8］從軍事情報角度指出，軍事情報界需要綜合利用人際情報、信號情報、圖像情報和外部情報，進行全資源分析（all-sourceanalysis），即利用多種不同的信息資源來評估、揭示、解釋事物的發(fā)展、發(fā)現(xiàn)新知識或解決政策難題?？萍记閳蠼缫彩侨绱?，如利用科技論文和專利，發(fā)現(xiàn)科技之間的轉(zhuǎn)換關(guān)系、預(yù)測技術(shù)發(fā)展方向，綜合利用政府統(tǒng)計數(shù)據(jù)、高校網(wǎng)站、期刊、報紙、圖書等來評估大學(xué)等科研機構(gòu)?？梢?，綜合利用多種信息源是從問題出發(fā)，系統(tǒng)化地整合所有相關(guān)信息資源來支持情報研究，信息源可以是學(xué)術(shù)論文、專利等不同類型的文獻集合、文本和數(shù)據(jù)的集合也可以是正式出版物與非正式出版物的集合等。

這一發(fā)展趨勢是由幾大因素決定的。一是情報研究問題的復(fù)雜性。在大數(shù)據(jù)背景下，情報不再局限在科技部門，而成為全社會的普遍知識。公眾對情報的需求使得情報研究問題更為綜合，涉及要素更為多元，同時也更為細化。這導(dǎo)致單一數(shù)據(jù)源不能滿足分析的要求，需要不同類型的信息源相互補充。例如要分析科技之間的轉(zhuǎn)換關(guān)系，就避免不了涉及科技論文和專利這兩種類型的信息源。二是各種信息源的特性。不同信息源可以從不同角度揭示問題，如專利、研究出版物、技術(shù)報告等，可以較為直觀地反映研究者對某科技問題的理解與描述，而評論文章、科技新聞、市場調(diào)查等，可以反映出社會對該科技的觀點、認知情況［9］。因此，各類信息自身的特性就說明他們之間可以、也需要相互補充。此外，從現(xiàn)實角度來看，通常會遇到某些信息無法獲取的情況，這就需要別的信息加以替代，這就從實踐角度說明了綜合利用多種信息源的必要性。三是分析結(jié)果的重要性。以評估大學(xué)為例，評估的結(jié)果會引導(dǎo)各學(xué)校在比較中發(fā)現(xiàn)自身優(yōu)勢和差距，指導(dǎo)未來發(fā)展定位，同時也為廣大學(xué)生報考提供參考?？梢?，研究結(jié)果對社會的影響是廣泛而深遠的，要做到分析結(jié)果的可靠性、科學(xué)性，必然先要從源頭上，即分析數(shù)據(jù)上加以豐富完善。

綜合利用多種信息源也意味著諸多挑戰(zhàn)。首先分析人員要熟悉每一種信息資源的特性，了解相似信息在不同資源類型中是如何表現(xiàn)的，不同信息源相互之間的關(guān)系是怎樣的。其次，針對待分析的問題，要選擇適合的信息，并不是信息越多越好，類型越全越好，尤其是當(dāng)問題含糊不清時，可能需要不斷地調(diào)整信息源。再次，情報研究人員要能有效地綜合、組織、解釋不同信息源分析出的結(jié)果，特別是當(dāng)結(jié)論有所沖突的時候，識別不當(dāng)結(jié)果、保證分析結(jié)果的正確性是很重要的。

2.3注重新型信息資源的分析

隨著網(wǎng)絡(luò)應(yīng)用的深入，出現(xiàn)了許多新型的媒體形式。AndreasM.Kaplan等人將構(gòu)建于Web2.0技術(shù)和思想基礎(chǔ)上，允許用戶創(chuàng)建交換信息內(nèi)容的基于網(wǎng)絡(luò)的應(yīng)用定義為社會化媒體（SocialMedia），包括合作項目（如維基百科）、博客、內(nèi)容社區(qū)（如YouTube）、社交網(wǎng)站、虛擬游戲世界和虛擬社會世界（如第二人生）等六種類型［10］。這類媒體形式依托于Web2.0等網(wǎng)絡(luò)技術(shù)，以用戶為中心來組織、傳播信息，信息可以是用戶創(chuàng)造性的言論或觀點，可以是圍繞自己喜好收集的信息資源集合等。由于社會化媒體的易用性、快速性和易獲取性等特點，它們正迅速地改變著社會的公共話語環(huán)境，并引導(dǎo)著技術(shù)、娛樂、政治等諸多主題的發(fā)展［11］。這些通過龐大的用戶社區(qū)來傳播的高度多樣化的信息及其網(wǎng)絡(luò)結(jié)構(gòu)，為洞悉公眾對某一主題的觀點、研究信息擴散等社會現(xiàn)象［12］、預(yù)測未來發(fā)展方向［11］等提供了機會，有助于發(fā)現(xiàn)有共同興趣的社群、領(lǐng)域?qū)＜摇狳c話題［13］等，帶來了網(wǎng)絡(luò)輿情分析等研究內(nèi)容。此外，這類信息結(jié)合其他類型的數(shù)據(jù)，產(chǎn)生了新的情報研究領(lǐng)域。例如，智能手機的普及和GPS的廣泛應(yīng)用，使得可以從社交網(wǎng)絡(luò)和網(wǎng)絡(luò)交互數(shù)據(jù)、移動傳感數(shù)據(jù)和設(shè)備傳感數(shù)據(jù)中獲取社會和社區(qū)情報（socialandcommunityintelligence，SCI），揭示人類行為模式和社群動態(tài)［14］。

此外，機構(gòu)知識庫等作為一種反映組織或群體知識成果的智力資源，也正引發(fā)情報界的重視。網(wǎng)絡(luò)信息聯(lián)盟的執(zhí)行董事CliffordA.Lynch［15］從大學(xué)的角度指出，成熟完整的機構(gòu)知識庫應(yīng)包含機構(gòu)和學(xué)生的智力成果（包括科研材料和教學(xué)材料）以及記錄機構(gòu)自身各項事件和正在進行的科研活動的文檔。這暗示著學(xué)術(shù)界從過去只關(guān)心科研成果正逐步轉(zhuǎn)向關(guān)注科研過程。從機構(gòu)知識庫中，可以發(fā)現(xiàn)隱藏其中的科研模式、揭示目前科研狀況的不足，引導(dǎo)機構(gòu)未來科研的發(fā)展走向等。但現(xiàn)有的機構(gòu)知識庫工具還缺乏幫助人們理解和分析這些資源的機制［16］，在大數(shù)據(jù)環(huán)境下，加強這方面的研究也是必然趨勢?？梢灶A(yù)見，隨著科技的發(fā)展和應(yīng)用的深入，還會不斷的有新型資源出現(xiàn)，并不斷促進情報研究的發(fā)展。

2.4強調(diào)情報研究的嚴謹性

情報研究活動在宏觀層面上是一種意義構(gòu)建（sensemaking）［17］，依賴于分析人員根據(jù)已有知識構(gòu)建認知框架（frame），通過對認知框架的不斷修正來達到理解的目的［18］。這意味著情報研究活動本身帶有很大的不確定性，很多因素影響著情報研究的有效性。如何使情報研究工作更加嚴謹，減少情報分析的不確定、提升情報成果的質(zhì)量，正成為學(xué)術(shù)界當(dāng)前普遍關(guān)注的問題。情報研究嚴謹性（rigor）不等同于分析結(jié)果的正確性，它衡量的是情報研究的過程，是指在情報研究過程中“基于仔細考慮或調(diào)查，應(yīng)用精確和嚴格的標(biāo)準(zhǔn)，從而更好地理解和得出結(jié)論”［19］。美國俄亥俄州立大學(xué)的DenielZelik［20］［21］從評估角度，給出了8個指標(biāo)來衡量分析過程的嚴謹性：假設(shè)探索、信息檢索、信息驗證、立場分析、敏感度分析、專家協(xié)作、信息融合和解釋評價。從這幾項指標(biāo)看，信息檢索和融合是從分析信息源上消除不全面性；假設(shè)探索是要使用多種視角來揭示數(shù)據(jù)和信息；信息驗證側(cè)重于數(shù)據(jù)的溯源、佐證和交叉驗證；立場分析強調(diào)分析的情境性；敏感度分析指分析人員要了解分析的局限性，目的是從分析方法上消除主觀影響；專家協(xié)作是防止分析結(jié)果受分析人員自身的學(xué)科背景或經(jīng)驗帶來的偏差；解釋評價是要正確對待分析結(jié)論。可見，情報研究的嚴謹性意在消除人的主觀偏見，用更為客觀的視角對待情報研究。如果說之前的情報研究活動依賴專家的個人判斷，帶有較為強烈的主觀色彩，那么走向嚴謹性的情報研究活動正逐步轉(zhuǎn)變?yōu)橐婚T科學(xué)。

在大數(shù)據(jù)背景下，情報分析的嚴謹性，不僅體現(xiàn)在理念上，還暗含了對技術(shù)的要求。面對海量數(shù)據(jù)，自動化的技術(shù)手段必不可少。當(dāng)信息的檢索更多的是借助檢索系統(tǒng)，而不是人工的收集，信息融合更多依賴數(shù)據(jù)倉庫等技術(shù)手段，如何在這樣的分析環(huán)境中將情報研究的科學(xué)性落到實處，是需要關(guān)注的問題?？梢钥吹?，利用技術(shù)本身已經(jīng)在一定程度上避免了人的主觀性，但面對同樣一個問題，可以有不同的技術(shù)手段，也可能產(chǎn)生不同的結(jié)果，如何避免由技術(shù)產(chǎn)生的偏見，也許通過多種技術(shù)手段或采用不同的算法，全方位地展示信息內(nèi)容及其之間的關(guān)系，從而避免產(chǎn)生信息的誤讀，是一個解決方案。可見，在大數(shù)據(jù)時代，情報研究需要多種手段來加強其分析過程的科學(xué)性，而這又需要多種技術(shù)方法加以支持。

2.5情報研究的智能化

大數(shù)據(jù)背景下的情報研究，對技術(shù)提出了更高的要求。正如美國國家科學(xué)基金會（NSF）發(fā)布的報告［22］所說，美國在科學(xué)和工程領(lǐng)域的領(lǐng)先地位將越來越取決于利用數(shù)字化科學(xué)數(shù)據(jù)以及借助復(fù)雜的數(shù)據(jù)挖掘、集成、分析與可視化工具將其轉(zhuǎn)換為信息和知識的能力。對于情報研究來說，應(yīng)用智能化技術(shù)能自動進行高級、復(fù)雜的信息處理分析工作，在很大程度上把情報研究人員從繁瑣的體力勞動中解放出來，尤其在信息環(huán)境瞬息萬變的今天，及時收集信息分析并反饋已經(jīng)變得非常重要，這都需要智能化技術(shù)加以支撐。從信息源來講，情報研究對象得以擴展，其中可能包含微博等社會化媒體信息，可能包含圖片、新聞等，大量非結(jié)構(gòu)或半結(jié)構(gòu)化數(shù)據(jù)的涌入，必然需要技術(shù)將這些數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，以供后續(xù)分析。同時，多元化的信息，需要根據(jù)分析需求加以融合，這可能需要語義層面上的技術(shù)支持。從分析需求來講，簡單的統(tǒng)計分析已不能滿足現(xiàn)在社會的決策需求，需要從大量信息中發(fā)現(xiàn)潛在模式，指導(dǎo)未來的發(fā)展，這就涉及數(shù)據(jù)挖掘、機器學(xué)習(xí)等技術(shù)。此外，要尋求情報研究的客觀性，摒除過多的主觀意愿，也需要多種技術(shù)來支撐?？梢?，這一發(fā)展趨勢是大數(shù)據(jù)時代下的必然。而各國在積極建設(shè)的數(shù)字化基礎(chǔ)設(shè)施，也在推動著情報研究的智能化，如歐洲網(wǎng)格基礎(chǔ)設(shè)施（EuropeanGridInfrastructure，EGI）［23］項目就致力于為歐洲各領(lǐng)域研究人員提供集成計算資源，從而推動創(chuàng)新。

目前，對情報研究中的智能化技術(shù)沒有統(tǒng)一的界定，但概觀之，可以將情報研究智能化的本質(zhì)概括為定量化、可計算、可重復(fù)。定量化是針對過去情報研究更多的是依賴人的主觀判斷，即基于已有文字材料或數(shù)據(jù)，根據(jù)研究人員的經(jīng)驗等給出粗略的結(jié)論，如果說這是一種定性化分析，現(xiàn)在更多地依賴通過計算機自動化處理原始材料并獲得潛在數(shù)據(jù)，并在此基礎(chǔ)上輔以人的判斷，可以說是一種定量化的分析?？捎嬎闶侵笇⒏鞣N信息資源轉(zhuǎn)化為計算機可理解、處理的形式，如從新聞、論文、專利等中，提取出科研組織、科研人員等實體，再基于這些結(jié)構(gòu)化的、富有語義的信息，采用統(tǒng)計、數(shù)據(jù)挖掘等方法加以計算，獲取隱含的知識?？芍貜?fù)是指自動化分析技術(shù)消除了許多主觀因素，從理論上講，如果分析數(shù)據(jù)等條件一致，分析結(jié)論也應(yīng)該是一致的，這也體現(xiàn)了智能化技術(shù)為情報研究帶來客觀性的一面。

3情報研究中的技術(shù)問題

情報研究的上述發(fā)展走向，決定了情報研究既不能仍然停留在定性分析上，也不能僅僅靠簡單的統(tǒng)計替代情報研究中的計算技術(shù)，由此對情報研究技術(shù)提出了新的要求。美國McKinseyGlobalInstitute在2011年5月發(fā)布了研究報告“大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個前沿領(lǐng)域”（Bigdata：Thenextfrontierforinnovation，competition，andproductivity）［24］。報告分六個部分，其中第二部分討論了大數(shù)據(jù)技術(shù)，并圍繞大數(shù)據(jù)分析技術(shù)、大數(shù)據(jù)技術(shù)和可視化三方面進行了闡述。在大數(shù)據(jù)分析技術(shù)中，列舉了26項適用于眾多行業(yè)的分析技術(shù)，包括A/B測試、關(guān)聯(lián)規(guī)則學(xué)習(xí)、分類、聚類分析、眾包（Crowdsourcing）、數(shù)據(jù)融合和數(shù)據(jù)集成、數(shù)據(jù)挖掘、集成學(xué)習(xí)、遺傳算法、機器學(xué)習(xí)、自然語言處理、神經(jīng)網(wǎng)絡(luò)、網(wǎng)絡(luò)分析、優(yōu)化、模式識別、預(yù)測建模、回歸、情感分析、信號處理、空間分析、統(tǒng)計、監(jiān)督學(xué)習(xí)、模擬、時間序列分析、無監(jiān)督學(xué)習(xí)和可視化。這些技術(shù)絕大部分是已有的技術(shù)，也有部分是隨著互聯(lián)網(wǎng)的發(fā)展以及對大規(guī)模數(shù)據(jù)挖掘的需求，在原有技術(shù)的角度發(fā)展起來的，如眾包就是隨著Web2.0而產(chǎn)生的技術(shù)。

根據(jù)我們的理解，這些技術(shù)大致可以劃分為可視化分析、數(shù)據(jù)挖掘以及語義處理三大類。這三大類技術(shù)也是當(dāng)前情報分析領(lǐng)域應(yīng)予以關(guān)注和深入研究的技術(shù)。

3.1可視化分析

可視化分析（VisualAnalytics）是一門通過交互的可視化界面來便利分析推理的科學(xué)［25］，是自動分析技術(shù)與交互技術(shù)相結(jié)合的產(chǎn)物，目的是幫助用戶在大規(guī)模及復(fù)雜數(shù)據(jù)內(nèi)容的基礎(chǔ)上進行有效的理解，推理和決策［26］。它不同于信息可視化，信息可視化關(guān)注計算機自動生成信息的交互式圖形表示，關(guān)注這些圖形表示的設(shè)計、開發(fā)及其應(yīng)用［27］，而可視化分析在此基礎(chǔ)上加入了知識發(fā)現(xiàn)過程，關(guān)注自動分析方法及其選擇，以及如何將最佳的自動分析算法與適當(dāng)?shù)目梢暬夹g(shù)相結(jié)合，以達到輔助決策的目的。

目前的情報分析系統(tǒng)，雖然也提供了多種視圖來揭示信息，但更多的是一種分析結(jié)果的呈現(xiàn)，系統(tǒng)內(nèi)部分析、處理的機制對分析人員來講是個黑匣子，分析人員無法了解分析方法、分析結(jié)果的局限性或者有效性，這無疑不符合情報研究嚴謹性這一發(fā)展要求。同時，現(xiàn)有的分析工具需要分析人員輸入各種繁雜的參數(shù)，又缺乏對情報分析認知過程的支持，這就對使用人員的專業(yè)化程度提出了較高的要求，增加了分析的難度。而可視化分析則可以較好地解決這一問題，它整合了多個領(lǐng)域包括采用信息分析、地理空間分析、科學(xué)分析領(lǐng)域的分析方法，應(yīng)用數(shù)據(jù)管理和知識表示、統(tǒng)計分析、知識發(fā)現(xiàn)領(lǐng)域的成果進行自動分析，融入交互、認知等人的因素來協(xié)調(diào)人與機器之間的溝通，從而更好地呈現(xiàn)、理解、傳播分析結(jié)果［28］。佐治亞理工學(xué)院的JohnStasko等人應(yīng)用Pirolli等人提出的情報分析概念模型［29］，建立了一個名為Jigsaw（拼圖）的可視化分析系統(tǒng)［30］，并將其應(yīng)用于學(xué)術(shù)研究領(lǐng)域（涉及期刊和會議論文）以及研究網(wǎng)絡(luò)文章（如網(wǎng)絡(luò)新聞報道或?qū)ｎ}博客）領(lǐng)域，也說明了將可視化分析技術(shù)應(yīng)用于情報研究的可行性。

將可視化分析技術(shù)應(yīng)用于情報研究領(lǐng)域，有眾多問題要解決。首先，在情報研究工具中，是以自動化分析為主，還是以可視化為主？DanielA.Keim等人將待分析的問題分為三類，第一類是在分析過程中可視化和自動化方法可以緊密結(jié)合的問題，第二類是應(yīng)用自動化分析潛力有限的問題，第三類是應(yīng)用可視化分析潛力有限的問題。在研究這三類問題中交互程度對分析效率影響的基礎(chǔ)上，DanielA.Keim等人指出，應(yīng)分析如何通過考慮用戶、任務(wù)和數(shù)據(jù)集特點，來確定可視化和自動分析方法的優(yōu)化組合，從而達到最佳的效果［31］。可見，要將可視化分析技術(shù)應(yīng)用于情報研究領(lǐng)域，需要明確每類問題適用哪種組合方式。其次，情報研究領(lǐng)域適合使用哪些可視化交互手段？這可能包括原始分析數(shù)據(jù)、析取出的關(guān)系數(shù)據(jù)、深層挖掘的模式數(shù)據(jù)等的可視化手段，分析人員與系統(tǒng)交互的方式，分析過程的可視化展示等。第三，情報研究領(lǐng)域中的認知過程是什么樣的，關(guān)注哪些問題，涉及哪些實體，在大數(shù)據(jù)環(huán)境下面臨哪些認知困難，需要在哪些環(huán)節(jié)加以支持，這些困難能否通過技術(shù)來解決。此外，從現(xiàn)有的可視化分析技術(shù)來看，主要是將各個相關(guān)領(lǐng)域的技術(shù)以優(yōu)化的方式整合起來，但在將來會產(chǎn)生一體化的可視化分析解決方法［32］，這種一體化的方法可能是什么形式，又會對情報研究帶來怎樣的影響等等，都是在情報研究中引入可視化分析技術(shù)需要關(guān)注的。

3.2數(shù)據(jù)挖掘

廣義的數(shù)據(jù)挖掘指整個知識發(fā)現(xiàn)的過程，是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。它涵蓋了數(shù)據(jù)分析和知識發(fā)現(xiàn)的任務(wù)，從數(shù)據(jù)特征化與區(qū)分到關(guān)聯(lián)和相關(guān)性分析、分類、回歸、聚類、離群點分析、序列分析、趨勢和演變分析等，吸納了統(tǒng)計學(xué)、機器學(xué)習(xí)、模式識別、算法、高性能計算、可視化、數(shù)據(jù)庫和數(shù)據(jù)倉庫等領(lǐng)域的技術(shù)，并可以用于任何類型的數(shù)據(jù)，包括數(shù)據(jù)庫數(shù)據(jù)、數(shù)據(jù)倉庫等基本形式，也包括數(shù)據(jù)流、序列數(shù)據(jù)、文本數(shù)據(jù)、Web數(shù)據(jù)、圖數(shù)據(jù)等其他類型的數(shù)據(jù)［33］。

從數(shù)據(jù)挖掘的涵義看，它與情報研究有著天然的聯(lián)系；從數(shù)據(jù)挖掘的方法看，有其特定的含義和實現(xiàn)過程，可以有效地解決情報研究的問題。例如，情報研究可以借鑒關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的成功案例——超市的“啤酒+尿布”，嘗試用關(guān)聯(lián)規(guī)劃來分析研究主題的相關(guān)性，從科技論文與專利的關(guān)聯(lián)中發(fā)現(xiàn)科技的轉(zhuǎn)換關(guān)系等等。但從目前的情報研究成果看，許多還僅僅停留在簡單的頻率統(tǒng)計、共詞計算層次上，在知識發(fā)現(xiàn)的過程中，這些工作僅僅是數(shù)據(jù)挖掘的數(shù)據(jù)準(zhǔn)備，還有待于更為深入的發(fā)掘?？梢?，數(shù)據(jù)挖掘能夠也應(yīng)該應(yīng)用于情報研究領(lǐng)域，這不僅是數(shù)據(jù)挖掘應(yīng)用擴展的結(jié)果，也是情報研究自身發(fā)展的需求。此外，由于較少有專門針對情報研究領(lǐng)域研發(fā)的挖掘工具，現(xiàn)有情報分析通常借助于其他工具，不同工具的功能不同，這就導(dǎo)致常常同時使用好幾個分析工具，如在使用SPSS進行聚類分析的同時，還使用Ucinet分析社會網(wǎng)絡(luò)。這帶來的問題是，分析缺乏完整性，可能社會網(wǎng)絡(luò)和其他信息之間有關(guān)聯(lián)，因為工具的分割性，就導(dǎo)致潛在模式的丟失。由此，研發(fā)適用于情報研究的挖掘工具，是必要也是緊迫的，尤其是面對大數(shù)據(jù)的挑戰(zhàn)，智能化地輔助分析人員，減少認知壓力，是亟待解決的問題。

要解決以上的問題，首先需要研究情報分析任務(wù)，分析哪些問題是可以使用數(shù)據(jù)挖掘技術(shù)來支持的，這類問題有哪些共同點、特殊性，能否對未來可能的情報分析問題進行擴展，哪些問題不適用于數(shù)據(jù)挖掘技術(shù)，原因是什么等。其次，對于某類或某個分析問題，使用哪種數(shù)據(jù)挖掘技術(shù)或幾種技術(shù)的組合才能有效地解決，涉及的算法是否需要針對該問題進行適應(yīng)性改造，如何評價挖掘的結(jié)果等。第三，數(shù)據(jù)挖掘出現(xiàn)了交互挖掘這一發(fā)展趨勢，即構(gòu)建靈活的用戶界面和探索式挖掘環(huán)境［33］，這與可視化分析在某些方面上也不謀而合，這樣的趨勢會對情報研究帶來哪些影響，如何在這一背景下，探索情報研究工具的新發(fā)展，尋找情報分析的新模式，值得我們關(guān)注。

3.3語義處理

語義是關(guān)于意義（meaning）的科學(xué)，語義技術(shù)提供了機器可理解或是更好處理的數(shù)據(jù)描述、程序和基礎(chǔ)設(shè)施［34］，整合了Web技術(shù)、人工智能、自然語言處理、信息抽取、數(shù)據(jù)庫技術(shù)、通信理論等技術(shù)方法，旨在讓計算機更好地支持處理、整合、重用結(jié)構(gòu)化和非結(jié)構(gòu)化信息［35］。核心語義技術(shù)包括語義標(biāo)注、知識抽取、檢索、建模、推理等［34］。語義技術(shù)可以為信息的深層挖掘打好基礎(chǔ)，即通過對各類信息的語義處理，在獲取的富有語義的結(jié)構(gòu)化數(shù)據(jù)上使用各種數(shù)據(jù)挖掘算法來發(fā)現(xiàn)其中的潛在模式。數(shù)據(jù)的語義性支持了機器學(xué)習(xí)等技術(shù)的內(nèi)在功能［36］。

從現(xiàn)有的情報研究實踐和工具看，語義支持的缺失是一個普遍問題，這其中又可劃分為兩個層次。對于傳統(tǒng)的情報研究對象，如科技論文、專利等，有較為成熟的分析工具，但這些工具往往缺少深層次的語義支持。例如，要分析論文的內(nèi)容主題時，需要從摘要等自由文本中提取出主題信息，在數(shù)據(jù)處理時，常常無法識別同義詞、近義詞等，需要人工干預(yù)。一些工具雖然在語義方面做了努力，但仍然存在諸多不足，例如在形成的主題聚類結(jié)果上，缺乏有效的主題說明，自動形成的主題標(biāo)簽不具有代表性，需要分析人員深入其中重新判斷等。這在小數(shù)據(jù)集環(huán)境下，還可以接受，當(dāng)面對大數(shù)據(jù)的沖擊，這種半自動化的處理方法無疑是耗時又費力的。此外，對于新型情報研究對象，如網(wǎng)絡(luò)新聞、博客等，已有如動態(tài)監(jiān)測科研機構(gòu)等的系統(tǒng)工具，但總體來說還處于起步狀態(tài)，目前較多的還是依賴人工篩選出所需信息，并整理成結(jié)構(gòu)化的數(shù)據(jù)，同樣也不利于大規(guī)模的數(shù)據(jù)分析。這些問題的存在，使得消除語義鴻溝（semanticgap）［37］，應(yīng)用語義技術(shù)成為廣泛需求及必然。

將語義技術(shù)應(yīng)用于情報分析，需要關(guān)注以下幾方面的內(nèi)容。首先，分析情報研究任務(wù)的特點，了解它的語義需求，是否存在規(guī)律性的準(zhǔn)則以供指導(dǎo)分析工具的研發(fā)，這既需要原則性和方向性的準(zhǔn)則，也需要為針對多維度劃分出的各類任務(wù)給出詳細的規(guī)范，例如，對微博等社會化媒體，其中既存在高質(zhì)量的信息，也存在辱罵等低質(zhì)量的信息，區(qū)分這些信息并篩選出高質(zhì)量信息，就成為在分析社會化媒體中的語義任務(wù)之一。其次，語義資源建設(shè)問題，即在情報分析領(lǐng)域中，要實現(xiàn)語義層面上的理解，是否需要建設(shè)語義資源，如果不需要，哪些技術(shù)手段可以代替，如果需要，哪種類型的語義資源可以便捷、快速、高效地構(gòu)建，并且這種語義資源應(yīng)該如何構(gòu)建，如何使用才能有效地服務(wù)于情報研究工作。第三，信息抽取問題?？萍夹畔⑸婕氨姸鄬W(xué)科的專業(yè)術(shù)語、各種科研機構(gòu)、組織等，如何使用語義技術(shù)將這些信息準(zhǔn)確地提取出來并加以標(biāo)注，尤其是針對不同類型的信息源，采用什么樣的抽取策略等。第四，信息整合問題，即如何使用語義技術(shù)，把不同來源的數(shù)據(jù)對象及其互動關(guān)系進行融合、重組，重新結(jié)合為一個新的具有更高效率和更好性能的具有語義關(guān)聯(lián)的有機整體，以便后續(xù)分析。

4結(jié)語

正如本文引言中所談到的那樣，大數(shù)據(jù)的理念和技術(shù)為情報學(xué)領(lǐng)域中情報研究的理論和實踐帶來了機遇，也帶來了挑戰(zhàn)。機遇巨大，挑戰(zhàn)更大，需要我們對此有清醒的認識。本文分析了大數(shù)據(jù)背景下情報研究的若干發(fā)展趨勢，總結(jié)了情報研究中值得關(guān)注的技術(shù)問題，以期能為促進情報研究的理論和實踐的發(fā)展添磚加瓦。

參考文獻：

［1］BigData，BigImpact［EB/OL］.［2012-09-06］.http：//www

3.weforum.org/docs/WEF_TC_MFS_BigDataBigImpact_Br

iefing_2012.pdf.

［2］eScience——ATransformedScientificMethod［EB/OL］.［2012-09-06］.http：//research.microsoft.com/en-us/um/people/gray/talks/NRC-CSTB_eScience.ppt.

［3］AdvancedPersonalizedEducation［EB/OL］.［2012-09-06］.http：//www.cra.org/ccc/docs/web_learning_spring.pdf.

［4］Whatisbigdata？［EB/OL］.［2012-09-06］.http：//www-01.ibm.com/software/data/bigdata/.

［5］BigdatainlittleNewZealand［EB/OL］.［2012-09-06］.http：//www.techday.co.nz/itbrief/news/big-data-in-little-new-zealand/24518/.

［6］IntelligenceAnalysisTodayandTomorrow［J］.SecurityChallenges，2009，5（1）：67-83.

［7］BigDataforDevelopment：Opportunities&Challenges［EB/OL］.［2012-09-06］.http：//www.unglobalpulse.org/si

tes/default/files/BigDataforDevelopment-UNGlobalPulseJune2012.pdf.

［8］ThomasFingar.AGuidetoAll-SourceAnalysis［EB/OL］.［2012-09-07］.http：//www.afio.com/publications/Fingar_

All_Source_Analysis_in_AFIO_INTEL_WinterSprg2012.pdf.

［9］AlanL.Porter，ScottW.Cunninghan.TechMiningExploitingNewTechnologiesforCompetitiveAdvantage［M］.JohnWiley&Sons，2005.

［10］AndreasM.Kaplan，MichaelHaenlein.Usersoftheworld，unite！ThechallengesandopportunitiesofSocialMedia［Ｊ］.BusinessHorizons，2010，53（１）：59-68.

［11］SitaramAsur，BernardoA.Huberman.PredictingtheFutureWithSocialMedia［EB/OL］.［2012-09-08］.http：

//www.hpl.hp.com/research/scl/papers/socialmedia/socialmedia.pdf.

［12］MunmunDeChoudhury.HowDoestheDataSamplingStrategyImpacttheDiscoveryofInformationDiffusioninSocialMedia？［EB/OL］.［2012-09-08］.http：//research.microsoft.com/en-us/um/people/munmund/pubs/icwsm_10.pdf.

［13］SitaramAsur，etal.TrendsinSocialMedia：PersistenceandDecay［EB/OL］.［2012-09-10］.http：//www.hpl.hp.com/research/scl/papers/trends/trends_web.pdf.

［1４］DaqingZhang，BinGuo，ZhiwenYu.TheEmergenceofSocialandCommunityIntelligence［J］.Computer.2011，

44（7）：21-28.

［1５］CliffordA.Lynch.InstitutionalRepositories：EssentialInfrastructureforScholarshipintheDigitalAge［EB/OL］.［2012-09-12］.http：//scholarship.utm.edu/21/1/Ly

nch，_IRs.pdf.

［1６］Nichols，D.M.，etal.Experiencesindeployingmetadataanalysistoolsforinstitutionalrepositories［J］.Cataloging&ClassificationQuarterly，2009，47（3/4）：229-248.

［1７］GaryKlein，etal.MakingSenseofSensemaking1：AlternativePerspectives［J］.IntelligentSystems，2006，21（4）：70-73.

［1８］GaryKlein，etal.MakingSenseofSensemaking2：AMacrocongnitiveMode［J］.IntelligentSystems，2006，21（5）：88-92.

［１９］TheHumanandSocialElementinMilitaryExperimentation［EB/OL］.［2012-09-15］.http：//www.mors.org/Use

rFiles/file/meetings/06bar/holloman.pdf.

［2０］DenielZelik，EmilyS.Patterson.UnderstandingRigorinInformationAnalysis［C］.ProceedingsoftheEighthInternationalNDMConference，PacificGrove，CA，2007.

［2１］DenielJ.Zelik，EmilyS.Patterson，DavidD.Woods.MeasuringAttributesofRigorinInformationAnalysis［EB/OL］.［2012-09-15］.http：//csel.eng.ohio-state.edu/zelik/research/Rigor_files/ZelikPattersonWoods_Measuri

ngRigor_1.pdf.

［2２］NSFsCyberinfrastructureVisionfor21stCenturyDiscovery［EB/OL］.［2012-09-16］.http：//www.nsf.gov/od/oci/ci_v5.pdf.

［2３］EGIEuropeanGridInfrastructure［EB/OL］.［2012-09-16］.

http：//www.egi.eu/.

［2４］Bigdata：Thenextfrontierforinnovation，competition，andproductivity［EB/OL］.［2012-09-15］.http：//www.mckinsey.com/insights/mgi/research/technology_an

d_innovation/big_data_the_next_frontier_for_innovation.

［2５］Thomas，J.J.andCook，K.A.IlluminatingthePath：TheResearchandDevelopmentAgendaforVisualAnalytics［M］.IEEEComputerSocietyPress，2005.

［2６］DAKeim，etal.VisualAnalytics：Definition，Process，andChallenges［ＥＢ／ＯＬ］.［２０１２-09-06］.www.http：www.ll.gatech.edu/atasko/7450/sy//abus.html.

［2７］ChaomeiChen.Informationvisualization［J］.WileyInterdisciplinaryReviews：ComputationalStatistics，2010，

2（4）：387-403.

［2８］DanielA.Keim，etal.ChallengesinVisualDataAnalysis［C］.InformationVisualization，2006：9-16.

［２９］P.Pirolli.TheSensemakingProcessandLeveragePointsforAnalystTechnologyasIdentifiedThroughCognitiveTaskAnalysis［EB/OL］.［2012-09-16］.http：//vadl.cc.gatech.edu/documents/2__card-sensemaking.pdf.

［3０］JohnStasko，etal.Jigsaw：supportinginvestigativeanalysisthroughinteractivevisualization［EB/OL］.［2012

-09-16］.http：//www.elementsofparametricdesign.com/fil

es/Sandbox/victor/jigsaw-VAST07.pdf.

［3１］DanielA.Keim，F(xiàn)lorianM.，andJimThomas.VisualAnalytics：HowMuchVisualizationandHowMuchAnalytics？［J］.ACMSIGKDDExplorationsNewsletter，2009，11（2）：5-8.

［3２］Aigner，etal.VisualMethodsforAnalyzingTime-OrientedData［J］.TransactionsonVisualizationandComputerGraphics，2008，14（1）：47-60.

［3３］JiaweiHan，MichelineKamber，JianPei.DataMiningconceptsandtechniquesthirdedition［M］.MorganKaufmann，2011.

［3４］JohnDomingue，etal.HandbookofSemanticWebTechnologies［M］.SpringerPublishingCompany，2011.

［3５］DieterFensel，etal.CommonValueManagement-basedonEffectiveandEfficientOn-lineCommunication［EB/OL］.［2012-09-17］.http：//wiki.iao.fraunhofer.de/images

/studien/proceedings-common-value-management.pdf#page=19.

［3６］BettinaBerendt，AndreasHotho，GerdStumme.IntroductiontotheSpecialIssueoftheJournalofWebSemantics：BridgingtheGap-DataMiningandSocialNetworkAnalysisforIntegratingSemanticWebandWeb2.0［J］.WebSemantics：Science，ServicesandAgentsontheWorldWideWeb，2010，8（2-3）：95-96.

［３７］RongZhao，etal.NarrowingtheSemanticGap—ImprovedText-BasedWebDocumentRetrievalUsingVisualFeatures［Ｊ］.Multimedia，2002，4（2）：189-200.

作者簡介：李廣建（1963-），男，博士，北京大學(xué)信息管理系教授，博士生導(dǎo)師，研究方向：信息資源管理與網(wǎng)絡(luò)信息系統(tǒng)研究；楊林（1984-），女，中國科學(xué)院國家科學(xué)圖書館、中國科學(xué)院大學(xué)博士研究生，研究方向：信息資源管理與網(wǎng)絡(luò)信息系統(tǒng)研究。