陸浩 孫星愷 劉文禮 趙學亮 王飛躍

1.中國科學院自動化研究所復雜系統(tǒng)管理與控制國家重點實驗室北京100190 2.國防科技大學軍事計算實驗與平行系統(tǒng)技術(shù)研究中心湖南長沙410073

互聯(lián)網(wǎng)和信息技術(shù)的迅猛發(fā)展,帶來情報數(shù)據(jù)幾何倍數(shù)式的增長,使得情報的發(fā)展在經(jīng)歷了一戰(zhàn)前的人員情報(Human Intelligence,HI),二戰(zhàn)期間的信號情報(Signal Intelligence,SI)和冷戰(zhàn)前后的圖像情報(Image Intelligence,II)后,來到當今的開源情報(Open Source Intelligence,OSI)時代[1].在網(wǎng)絡時代的大數(shù)據(jù)洪流沖擊下,開源情報呈現(xiàn)出動態(tài)性、海量性和多源異構(gòu)等特性,如何利用離散分布的開源情報進行知識獲取、傳播、創(chuàng)造、利用,并在知識的產(chǎn)生方式上實現(xiàn)變革[2?3],逐漸成為當今世界各國政府部門、安全部門、科研機構(gòu)與商業(yè)組織重點關(guān)注的課題.當前,科研機構(gòu)和學術(shù)組織常常利用公開的期刊數(shù)據(jù)、圖書館庫、文摘數(shù)據(jù)庫等數(shù)據(jù)資源來分析各自所關(guān)注的領(lǐng)域.互聯(lián)網(wǎng)公開數(shù)據(jù)源不斷增加,為開源情報在科技情報分析領(lǐng)域進行大數(shù)據(jù)解析提供了充足的數(shù)據(jù)土壤.而利用開源數(shù)據(jù),系統(tǒng)地對國內(nèi)情報學研究狀況進行解析,能夠快速掌握領(lǐng)域態(tài)勢的定量依據(jù),以數(shù)據(jù)說話,為科研人員和機構(gòu)制定并調(diào)整研究動向,以及與領(lǐng)域關(guān)鍵人員機構(gòu)建立合作提供有效的支撐.

近年來,國內(nèi)情報學者利用公開數(shù)據(jù)對本學科的熱點探索研究做了許多重要的工作.南開大學王芳教授等利用《情報學報》1999年～2008年的數(shù)據(jù)進行了計量分析[4],然而數(shù)據(jù)相對單一.武漢大學邱均平教授[5]利用內(nèi)容分析法原理是對文獻內(nèi)容所含信息量及其變化進行分析,從而達到對文獻內(nèi)容進行可再現(xiàn)的、有效的推斷.南京理工大學王曰芬博士[6]對文獻計量法與內(nèi)容分析法的綜合研究進行了探討,從定性和定量相結(jié)合的角度分析情報學科發(fā)展變化趨勢.隨后有學者使用社會網(wǎng)絡分析法在作者合作、關(guān)鍵詞共現(xiàn)、共引等方面進行了研究.近幾年,由于科學知識圖譜能夠很好地顯示科學知識的發(fā)展進程與結(jié)構(gòu)關(guān)系,知識圖譜與數(shù)據(jù)可視化在情報學研究中的應用逐漸增多[7?8].面對開源情報的大數(shù)據(jù)時代,化柏林教授[9]等提出如何把繁雜的大數(shù)據(jù)進行合理的分析,認為“大數(shù)據(jù)更需要清洗”.在網(wǎng)絡海量信息環(huán)境下,情報研究的方法體系面臨新的挑戰(zhàn)[10].同時,情報學領(lǐng)域研究的方法眾多,需要特定的方法體系在開源情報的環(huán)境下快速集成,從多維角度綜合反映領(lǐng)域研究狀況的宏觀、微觀原貌.2012年,王飛躍提出了知識產(chǎn)生方式和科技決策支持的重大變革—–面向大數(shù)據(jù)和開源信息的科技態(tài)勢解析與決策服務[3],提供了集快速獲取文獻數(shù)據(jù)并支持半自動化的從多維角度進行文獻解析的框架,其中,該框架包含了ASKE(Application Specific Knowledge Engine)[11]與科研協(xié)作[12]等采集、解析方法與框架.該框架已成功地系統(tǒng)[11]應用于在智能交通領(lǐng)域的學科動態(tài)分析中[13],為該領(lǐng)域科研人員提供良好的交互服務.

本文基于ASKE方法框架,提出了“面向情報領(lǐng)域的知識解析引擎”,對情報領(lǐng)域的研究人員,研究機構(gòu)及研究熱點進行解析,如圖1所示.本文在第3節(jié)分析了數(shù)據(jù)源及基本解析結(jié)果,第4節(jié)對情報學科領(lǐng)域近5年的研究狀況進行了實驗,分析了國內(nèi)情報學研究的熱點及潛在的研究熱點.

圖1 情報學研究信息聚集鏡

1 基于ASKE的情報解析框架

基于ASKE方法框架融合了智能數(shù)據(jù)采集、領(lǐng)域本體、數(shù)據(jù)解析、數(shù)據(jù)存儲庫及數(shù)據(jù)可視化5大主體部分(如圖2所示),可以對特定領(lǐng)域的開源情報進行系統(tǒng)有效的采集與統(tǒng)一化的處理,并融合多種情報分析方法對采集數(shù)據(jù)進行多維度的解析,形成相關(guān)領(lǐng)域包括關(guān)鍵人物與機構(gòu)產(chǎn)出、研究熱點與趨勢、合作網(wǎng)絡、引文統(tǒng)計等多類解析結(jié)果.本文基于ASKE方法框架進行數(shù)據(jù)采集方法、數(shù)據(jù)解析及可視化方面的改良與完善,提出了“面向情報領(lǐng)域的知識解析引擎”框架,分為5個主要的模塊：數(shù)據(jù)獲取模塊,數(shù)據(jù)儲存庫,領(lǐng)域本體,數(shù)據(jù)分析模塊,數(shù)據(jù)可視化模塊.

數(shù)據(jù)獲取模塊的基本思路是創(chuàng)造一系列的網(wǎng)絡爬蟲,它們可以從異構(gòu)數(shù)據(jù)源中收集數(shù)據(jù),建立語義數(shù)據(jù)存儲庫,并使用一個知識配置文件(Knowledge Configure File,KCF)來指定主題,關(guān)鍵字,搜索序列和時間表查詢處理.通過聚焦爬蟲、深度網(wǎng)采集、動態(tài)網(wǎng)采集、數(shù)據(jù)過濾等技術(shù)有效地獲取領(lǐng)域書籍、期刊、文獻、會議、專利等全方位的開源情報.

數(shù)據(jù)庫由兩層(底層與上層)數(shù)據(jù)庫組成.底層數(shù)據(jù)庫存儲那些由數(shù)據(jù)采集程序獲取的原始數(shù)據(jù),上層數(shù)據(jù)庫存儲那些由系統(tǒng)通過領(lǐng)域本體與數(shù)據(jù)處理抽取的更具體的領(lǐng)域相關(guān)數(shù)據(jù)信息.高層數(shù)據(jù)庫主要包括:①領(lǐng)域期刊相關(guān)信息;②領(lǐng)域基礎知識(文章關(guān)鍵詞、核心作者、機構(gòu)等);③通過網(wǎng)絡分析等形成的作者、機構(gòu)合作網(wǎng)絡關(guān)系、研究熱點等;④通過引文數(shù)據(jù)分析獲得的相關(guān)引用數(shù)據(jù).

領(lǐng)域本體(Domain-specific Ontology)就是對學科概念的一種描述,可以表示某一特定領(lǐng)域范圍內(nèi)的特定知識.由于知識具有顯著的領(lǐng)域特性,所以領(lǐng)域本體能夠更為合理而有效地進行知識的表示.這里的“領(lǐng)域”是根據(jù)本體構(gòu)建者的需求來確立的,它可以是一個學科領(lǐng)域,可以是某幾個領(lǐng)域的一種結(jié)合,也可以是一個領(lǐng)域中的一個小范圍.為了構(gòu)建領(lǐng)域本體,需要識別出本學科領(lǐng)域與研究主題相關(guān)的概念,我們從領(lǐng)域相關(guān)文獻或出版物等多種不同的領(lǐng)域知識中抽取那些出現(xiàn)頻率比較高的學科關(guān)鍵詞,然后再通過人工過濾的方式構(gòu)建出一定量的領(lǐng)域本體知識.

數(shù)據(jù)分析模塊對獲取的開源情報進行深度解析及挖掘,構(gòu)建相關(guān)領(lǐng)域人物、組織、機構(gòu)的復雜網(wǎng)絡,分析挖掘其核心群體、關(guān)鍵人物,依照時空多維度分析科技傳播態(tài)勢,構(gòu)建全方位的情報分析指標體系.常用的文獻情報分析方法包括文獻計量法、社會網(wǎng)絡分析方法與內(nèi)容分析法.通過用戶需要獲取內(nèi)容,我們使用特定的分析方法來分析相關(guān)領(lǐng)域數(shù)據(jù),比如通過關(guān)鍵詞分析獲取領(lǐng)域研究熱點,通過熱點的分布獲知領(lǐng)域研究趨勢,通過作者分析獲取領(lǐng)域關(guān)鍵人物等.

數(shù)據(jù)可視化模塊對分析結(jié)果的可視化采用圖表與知識圖譜相結(jié)合的方式,根據(jù)不同的結(jié)果展示需要選擇相應的算法生成具體的矩陣、關(guān)系等文件,再通過調(diào)用可視化工具生成相應的知識圖譜,進而更好地揭示知識領(lǐng)域的動態(tài)發(fā)展規(guī)律,為學科研究提供切實的、有價值的參考.目前用于知識圖譜分析的主流工具包括CiteSpace、VOSviewer與Pajek,它們各具特色.本文根據(jù)生成圖效果選用相應工具分別構(gòu)建情報學關(guān)鍵詞與作者、機構(gòu)等圖譜.

圖2 面向情報領(lǐng)域的知識解析引擎框架

2 數(shù)據(jù)獲取與基本解析

2.1 基礎數(shù)據(jù)集

本文選取的文獻信息數(shù)據(jù)是使用ASKE框架的數(shù)據(jù)獲取方法,在有效定義相關(guān)網(wǎng)絡數(shù)據(jù)源后進行自動采集的相關(guān)文獻基礎數(shù)據(jù)信息.情報學文獻采用2012年北大中文核心期刊定義的19種中文期刊近5年的情報學相關(guān)的文章.其中《情報學報》文章從萬方數(shù)據(jù)庫中采集,其余18種期刊的文章從CNKI中采集獲得,數(shù)據(jù)采集結(jié)果如表1所示.

數(shù)據(jù)包含2008年至2012年5年間19本期刊文獻14914篇,通過ASKE采集程序采集,經(jīng)過數(shù)據(jù)清洗,過濾掉非研究類文章獲得12458篇文章.由于本文主要關(guān)注情報學,在這些文章中再通過中國圖書分類號,篩選出分類號為G35(情報學)的相關(guān)文章共計2013篇.然后進一步采集這2013篇文章的引文數(shù)據(jù)13958條.

2.2 研究人員合作解析

對作者合作網(wǎng)絡的實證分析可對當前情報學等領(lǐng)域的合作模式進行直觀了解.本文使用作者共現(xiàn)方法對文章作者合作關(guān)系進行統(tǒng)計分析,生成相應共現(xiàn)矩陣并進行合作關(guān)系可視化展示.首先對論文的作者與機構(gòu)信息進行規(guī)范化處理,根據(jù)相關(guān)信息中作者的機構(gòu)標號進行作者與機構(gòu)的對應.通過上述方法在2013篇論文中抽取有效作者2704個.其中,有61.8%的文章有兩個及以上的作者.然后計算作者的共現(xiàn)矩陣,共抽取有效合作關(guān)系3159對,形成近5年國內(nèi)情報文章的作者合作網(wǎng)絡圖譜,如圖3所示.圖中共包含2704個節(jié)點,節(jié)點的大小由作者發(fā)文量及合作關(guān)系數(shù)共同決定.兩個節(jié)點的距離越近,說明他們的合作關(guān)系越緊密.同顏色的節(jié)點表明這些作者合作關(guān)系較多,為一個聚群,有可能來自同一個機構(gòu).

由圖3可以看出,當前國內(nèi)在情報領(lǐng)域較為活躍的研究者,其中最大的連通合作群體包含620個作者,其中較為明顯的研究群體代表節(jié)點作者有邱均平、鄭彥寧、王知津、蘇新寧、裘江南、朱慶華、冷伏海、方安、林鴻飛等,且邱鄭群體與王知津、蘇新寧、裘江南與朱慶華等之間的合作關(guān)系較為密切,這些作者在合作網(wǎng)絡圖中處于核心位置.從整體上看,國內(nèi)本領(lǐng)域的作者合作已經(jīng)形成了一定的規(guī)模,最大合作群體包含的作者占到了總作者數(shù)的將近1/4.

表1 國內(nèi)情報學科近5年核心期刊文獻數(shù)據(jù)

圖3 國內(nèi)情報學科作者合作網(wǎng)絡圖

我們對每個作者的發(fā)文量、APS指數(shù)以及合作網(wǎng)絡參數(shù)(度、中介性)進行了統(tǒng)計與計算,根據(jù)發(fā)文量列出前十位研究者,如表2所示.

從發(fā)文量來看,前十位研究者的發(fā)文量都在15篇以上,其中前三位研究者的發(fā)文量在30篇以上.同時,對他們的第一作者發(fā)文量進行統(tǒng)計,邱均平、王知津的第一作者發(fā)文量占其總發(fā)文量的90%以上,體現(xiàn)出其在情報領(lǐng)域的研究中處于相對比較活躍的狀態(tài).從作者所在機構(gòu)看,武漢大學與南開大學各有3位,體現(xiàn)出兩家機構(gòu)在情報學領(lǐng)域擁有的核心人物相較其他機構(gòu)要多.從APS指數(shù)與發(fā)文量的比較來看,蘇新寧、馬費成、楊思洛與邱均平的文章合作作者相對較少或獨立發(fā)文量較多,其對文章的貢獻相對較大.合作參數(shù)我們主要統(tǒng)計了兩個參數(shù)：度與中介性.從度來看,前三位作者以及冷伏海、馬費成度相對較高,相較其他作者有較高的合作關(guān)系數(shù).從中介性來看,鄭彥寧的中介度最高,遠遠超出其他作者,說明其在合作網(wǎng)絡中的作用和影響力最大,起著最為核心的地位.其次是邱均平與冷伏海.

此外,通過對每位作者歷年的文章數(shù)統(tǒng)計可以發(fā)現(xiàn),前十位作者中韓正彪的22篇文章與周鵬的16文章分別有21篇與15篇是在2011年與2012年發(fā)表,且兩人均為2010屆南開大學在讀博士,屬于近兩年在情報學領(lǐng)域較為活躍的年輕研究人員.其他作者5年內(nèi)的年發(fā)文量相對比較平均,尤其前三位作者2011年與2012年每年的文章數(shù)都在10篇以上,體現(xiàn)出他們在情報學領(lǐng)域依舊保持著較高的研究熱情與產(chǎn)出水平.

2.3 引文解析

對2103篇文章引文數(shù)據(jù)進行采集,共獲取13958條相關(guān)數(shù)據(jù),然后對其進行處理后,從中抽取相關(guān)引用文獻、書籍、作者與期刊,得到高引文章和作者的前十名,如表3.

表2 國內(nèi)情報學科關(guān)鍵作者

表3 近兩年國內(nèi)情報學科引用文章數(shù)量排名

引用次數(shù)前十名文章中,有6篇外文文獻,4篇中文文獻.從文章所研究內(nèi)容來看,h指數(shù)及其衍生指數(shù)相關(guān)文獻就有5篇,作者共引研究有2篇,而其他3篇中文章分別是對共詞分析、期刊評價體系與人際情報網(wǎng)絡的綜述性文章.引用次數(shù)最高的是“An index to quantify an individual0s scientific research output”,其引用次數(shù)高達58次.

對引文文獻的作者進行統(tǒng)計排名,引用文獻中作者引用次數(shù)排名前五見表4：

表4 國內(nèi)情報學科文章引用人物前五名

從表4可以看出,引文次數(shù)最多的作者是來自武漢大學的邱均平,高達182次；其次是南開大學的王知津,也有107次的被引次數(shù).前五名引用最高的作者有兩名來自武漢大學,體現(xiàn)出其在國內(nèi)情報學領(lǐng)域的強大實力.

3 近期國內(nèi)情報學研究熱點

論文關(guān)鍵詞作為文章內(nèi)容的濃縮與提煉,對其分布頻次和特征進行統(tǒng)計分析可以把握研究領(lǐng)域的總體特征、發(fā)展脈絡與領(lǐng)域研究熱點.在對關(guān)鍵詞出現(xiàn)頻次進行統(tǒng)計之外,我們使用關(guān)鍵詞共現(xiàn)分析法進行分析,其思想來源于文獻計量學的引文耦合與共被引概念,即當兩個能夠表達某一學科領(lǐng)域研究主題或研究方向的關(guān)鍵詞在同一篇文獻中出現(xiàn)時,表明這兩個詞之間具有一定的內(nèi)在關(guān)系,并且出現(xiàn)的次數(shù)越多,表明關(guān)系越密切、距離越近[14].

3.1 研究熱點解析

我們共抽取有效關(guān)鍵詞4236個,為了便于通過可視化工具顯示,過濾掉只出現(xiàn)一次的關(guān)鍵詞后共得到974個關(guān)鍵詞.然后對于每一對關(guān)鍵詞,我們計算它們在一篇文章中同時出現(xiàn)的次數(shù).基于共現(xiàn)矩陣,我們利用VOSviewer構(gòu)建一個關(guān)鍵詞圖譜見圖4.

圖4這個詞譜圖中974個關(guān)鍵詞的定位是由它們?nèi)我鈨蓚€詞之間的距離來確定,詞間距反映了詞之間的關(guān)聯(lián)程度.詞的顏色用來指示詞的聚群或聚類.從圖4可以看出,近5年國內(nèi)情報領(lǐng)域的研究中“情報學”、“競爭情報”、“引文分析”、“信息檢索”、“社會網(wǎng)絡分析”、“文獻計量”等幾個點相對研究較多.其中“引文分析”、“文獻計量”、“社會網(wǎng)絡分析”、“復雜網(wǎng)絡”等關(guān)系較為緊密,體現(xiàn)出當今情報領(lǐng)域的研究較為重視情報分析的相關(guān)工作.重點圍繞文獻計量、引文分析與社會網(wǎng)絡分析.采用這些情報分析方法在除了傳統(tǒng)的圖書情報之外,與競爭情報的關(guān)聯(lián)度也說明有部分研究人員在競爭情報的分析工作中采用這些方法進行分析.

圖4 國內(nèi)情報學科關(guān)鍵字圖譜

由于每篇文章標注的關(guān)鍵詞即使對于同一個點也會略有不同,為了更準確地看出相關(guān)研究熱點及其相關(guān)文章數(shù)等屬性,我們再對文章關(guān)鍵詞進行歸一統(tǒng)計.例如,把“文獻計量”、“文獻計量學”、“文獻計量分析”等表述同一研究點的關(guān)鍵詞合為一個研究熱點“文獻計量”.然后把“文獻計量”、“計量分析”等與計量有關(guān)的點合成一個研究點“計量”.根據(jù)研究熱點的文章數(shù)進行排名取前十名見表5：

從表5可以看出,前十個研究熱點中有4個研究點相關(guān)文章數(shù)都在100篇以上,其中計量相關(guān)研究的文章數(shù)最多,達到218篇,這其中很大一部分是關(guān)于文獻計量相關(guān)理論、方法與應用.此外,“情報學理論與情報研究”與“競爭情報”研究篇數(shù)超過100篇.在前十個研究熱點中,“計量”、“引文分析”、“可視化與知識圖譜”、“社會網(wǎng)絡”、“h指數(shù)”與“共詞分析”這6個研究熱點可以歸屬于情報分析,體現(xiàn)了當今國內(nèi)研究人員近年來比較重視以上述主流方法對各類情報進行分析,從而對特定領(lǐng)域與范圍內(nèi)的期刊、人物或研究機構(gòu)進行科學評價的工作.

為了更直觀地看出這些研究點在近5年的研究趨勢,我們對以上研究熱點關(guān)鍵詞在這5年中的相關(guān)文章數(shù)進行統(tǒng)計,從中可以看出它們的研究文章變化趨勢,見圖5.

通過圖5可以看出,研究熱點的相關(guān)文章數(shù)整體呈現(xiàn)逐年遞增的趨勢,尤其是“社會網(wǎng)絡”發(fā)文量的增長趨勢較為明顯,年增長率最快,由2008年的3篇增長到2012年的37篇.此外,“可視化與知識圖譜”文章數(shù)由2008年的6篇增長到2012年的36篇,由此可見,最近幾年文獻情報分析中應用社會網(wǎng)絡分析法對相關(guān)關(guān)鍵詞共現(xiàn)、作者合作等方面的研究得到較多的關(guān)注.可視化相關(guān)理論與方法及相關(guān)工具在文獻計量分析中生成相應的知識圖譜也在近兩年的研究中增速明顯.

表5 國內(nèi)情報學科研究熱點

圖5 國內(nèi)情報學科研究熱點文章數(shù)年份變化

4 潛在研究熱點

除了使用高頻詞聚類分析找出情報領(lǐng)域的研究熱點之外,我們通過對突發(fā)詞進行監(jiān)測尋找潛在的研究熱點.突發(fā)詞監(jiān)測與高頻詞分析不同,前者主要是從關(guān)注詞自身的發(fā)展變化出發(fā),關(guān)注單個詞發(fā)展的階段性,而后者主要是對領(lǐng)域中各個詞的增長勢頭進行比較[15].我們對所有文章關(guān)鍵詞相關(guān)文章數(shù)分年進行統(tǒng)計.通過機器過濾加人工挑選相結(jié)合的方法,挑選出年發(fā)表文章增速較為明顯的6個文章關(guān)鍵詞(突發(fā)詞)作為潛在研究熱點,其歷年文章數(shù)及總數(shù)見表6.

由表6可以看出,這幾個研究點都是在2008年至2010年沒有相關(guān)文章或只有1～3篇,而在2011年與2012年兩年的發(fā)文量在10篇及以上.其中“網(wǎng)絡輿情/開源情報”的增速較為明顯,從2008年沒有相關(guān)文章到2012年18篇相關(guān)文章,表明越來越多的人開始關(guān)注開源情報的價值.此外,由于隱性知識在知識經(jīng)濟時代成為人們參與競爭的重要資源,對隱性知識的挖掘以及合理轉(zhuǎn)化為能被人們掌握、利用的有用知識是成為研究者近兩年開始關(guān)注的熱點.

我們選取“網(wǎng)絡輿情/開源情報”進行統(tǒng)計分析,關(guān)鍵詞涉及網(wǎng)絡輿情的文章有32篇,對文章關(guān)鍵詞、作者與機構(gòu)進行處理與抽取,共獲取關(guān)鍵詞92個,作者62個與機構(gòu)22個.對關(guān)鍵詞進行關(guān)聯(lián)矩陣計算并生成相關(guān)研究點分布見圖6:

由圖6可以看出,網(wǎng)絡輿情/開源情報相關(guān)研究點包括話題挖掘、熱點發(fā)現(xiàn)、文獻分析、自動標引、知識圖譜、網(wǎng)絡情緒、突發(fā)異常、預警、信息采集與微博客.相比以往的研究,隨著微博作為日益重要的輿情來源,已經(jīng)有部分學者在近兩年開展相關(guān)的研究,主要圍繞對微博中的輿情信息進行采集與分析,以及其作為重要的輿情來源對企業(yè)進行競爭情報的研究的影響等.此外,還有學者對潛在輿論話題識別、輿情演化、開源情報、情感分析、無標度網(wǎng)絡等網(wǎng)絡輿情相關(guān)點進行了研究.

5 結(jié)論

本文針對情報學科領(lǐng)域科研動態(tài)的開源情報有效監(jiān)測與挖掘問題,提出一種基于ASKE框架的“面向情報領(lǐng)域的知識解析引擎方法”,該方法可以有效地對多源異構(gòu)的學科領(lǐng)域?qū)I(yè)文獻情報進行采集與處理,并集成多種情報分析方法對領(lǐng)域核心人物機構(gòu)、研究熱點進行解析,并通過近5年國內(nèi)情報學文獻進行了實驗驗證.

表6 國內(nèi)情報學科潛在研究熱點

圖6 網(wǎng)絡輿情/開源情報相關(guān)研究點分布

“面向情報領(lǐng)域的知識解析引擎方法”實現(xiàn)了面向大數(shù)據(jù)的開源科技情報獲取與解析方法的有效集成,提供靈活的可擴展性與配置,可適用于各個領(lǐng)域,以快速全面了解領(lǐng)域進展,實現(xiàn)專家、機構(gòu)資料知識庫的半自動構(gòu)建,打通研究人員交流溝通的鴻溝.隨著大數(shù)據(jù)海量般地不斷增加,相信不久的將來,每個研究領(lǐng)域都需要依靠特定的深度精確的解析引擎系統(tǒng)來了解領(lǐng)域內(nèi)科研態(tài)勢并進行價值轉(zhuǎn)化,實現(xiàn)各個領(lǐng)域知識獲取、傳播、創(chuàng)造、利用、產(chǎn)生的重大變革.