蘇云梅，武建光

(山西醫(yī)科大學(xué),太原 030001)

?

大數(shù)據(jù)之下我國情報(bào)學(xué)面臨的挑戰(zhàn)及應(yīng)對(duì)策略

蘇云梅，武建光

(山西醫(yī)科大學(xué),太原 030001)

摘要：文章從大數(shù)據(jù)入手，簡要概述了大數(shù)據(jù)的“4V”特征和我國情報(bào)發(fā)展簡史，進(jìn)而分析了大數(shù)據(jù)下我國情報(bào)學(xué)在實(shí)踐、技術(shù)、理論與情報(bào)共享四方面所面臨的挑戰(zhàn),并從實(shí)踐層面、技術(shù)層面、人才培養(yǎng)、情報(bào)領(lǐng)域研究四個(gè)方面探討了應(yīng)對(duì)策略。

關(guān)鍵詞：大數(shù)據(jù)；情報(bào)學(xué)；情報(bào)理論；情報(bào)技術(shù)；情報(bào)實(shí)踐

隨著計(jì)算機(jī)技術(shù)、通信技術(shù)、網(wǎng)絡(luò)技術(shù)與設(shè)備的完備和發(fā)展，各種電子技術(shù)的相互融合，人們從遠(yuǎn)古時(shí)代的信息貧乏到如今的信息泛濫、信息污染、信息噪音、信息綜合征。大數(shù)據(jù)之下情報(bào)學(xué)面臨哪些挑戰(zhàn)，是所有情報(bào)人所要思考的問題。

1大數(shù)據(jù)與情報(bào)學(xué)

大數(shù)據(jù)是指在一定時(shí)間內(nèi)無法用一定工具對(duì)其內(nèi)容進(jìn)行抓取﹑管理和處理的數(shù)據(jù)集合[1]。數(shù)據(jù)科學(xué)家John Rauser提到一個(gè)簡單的定義：大數(shù)據(jù)是超過了任何一臺(tái)計(jì)算機(jī)處理能力的龐大數(shù)據(jù)量[2]。IBM公司提出大數(shù)據(jù)的“4V”特征：更大規(guī)模(volume)、更實(shí)時(shí)(velocity)、更多樣化(variety)、價(jià)值密度低(veracity)[3]。

起始于1956年的新中國科技情報(bào)事業(yè)，在創(chuàng)立之初被賦予了“耳目、尖兵、參謀”的功能與重任。20世紀(jì)90年代末，開始從知識(shí)經(jīng)濟(jì)的角度組織、分析和利用知識(shí)。隨著信息化的推進(jìn)，研究領(lǐng)域漸漸拓展到企業(yè)信息管理、競爭情報(bào)分析、信息共享、個(gè)性化信息服務(wù)等一系列研究領(lǐng)域。情報(bào)從本質(zhì)上講是特定用戶在特定時(shí)間解決特定問題需要的數(shù)據(jù)、信息和知識(shí)。情報(bào)要借助一定的媒介、工具，克服時(shí)間和(或)空間的障礙，方可傳遞到用戶手中。大數(shù)據(jù)環(huán)境下，情報(bào)學(xué)已成為信息社會(huì)的強(qiáng)大支柱，并與物質(zhì)、能量并駕齊驅(qū)。情報(bào)是關(guān)于特定問題的信息的集合。情報(bào)是包含在信息之下的種概念。情報(bào)學(xué)是研究情報(bào)的搜集、傳遞、管理以及應(yīng)用的一系列過程的規(guī)律、方法和技術(shù)的學(xué)科。信息學(xué)則是研究信息的獲取、組織、傳遞和利用規(guī)律的新興學(xué)科。從學(xué)科概念定義上我們不難發(fā)現(xiàn)情報(bào)學(xué)與信息學(xué)有著很大的相似性，都是研究情報(bào)(信息)的獲取、處理、傳遞和應(yīng)用過程的規(guī)律、方法和技術(shù)。而情報(bào)學(xué)是最早涉及信息問題的學(xué)科，大數(shù)據(jù)之下情報(bào)學(xué)借助信息學(xué)的理論與方法，展現(xiàn)出無限活力。

2面臨的挑戰(zhàn)

2.1 理論方面

情報(bào)學(xué)的基本原理，信息的失真與保真，信息傳遞交流模式等內(nèi)容在大數(shù)據(jù)環(huán)境下還有待進(jìn)一步探索和研究。大數(shù)據(jù)之下傳統(tǒng)情報(bào)理論是否依然可以解釋諸如信息爆炸、實(shí)體關(guān)聯(lián)性等新現(xiàn)象？傳統(tǒng)影響因子在網(wǎng)絡(luò)環(huán)境下如何確定？是以瀏覽量衡量、下載量衡量，還是以轉(zhuǎn)載量評(píng)價(jià)？選擇哪一種或哪些指標(biāo)更能客觀評(píng)價(jià)影響力？如果從受眾面來衡量，瀏覽量無疑是個(gè)很好的參考量；如果從學(xué)術(shù)價(jià)值影響上看，被引量可能更有說服力。在評(píng)價(jià)時(shí)我們從哪一層面進(jìn)行？綜合評(píng)價(jià)某位作者的影響力時(shí)各層面的比例如何分配？解決這一問題還要看研究的目的，目的不同所采取的指標(biāo)、比例有差異，最終分析結(jié)果也會(huì)有所不同。這一系列問題還有待進(jìn)一步探討研究。

2.2 技術(shù)方面

具體可表現(xiàn)在：信息侵權(quán)和安全問題，信息污染和非結(jié)構(gòu)化數(shù)據(jù)。網(wǎng)絡(luò)空間存在著巨大的開放性，人們進(jìn)出自由方便，任何人都可以通過任一節(jié)點(diǎn)獲取信息。一方面，一些不法分子借助網(wǎng)絡(luò)的開放性竊取他人信息、惡意下載信息、惡意篡改信息，嚴(yán)重?cái)_亂了互聯(lián)網(wǎng)安全。另一方面，任何人都可以通過聯(lián)網(wǎng)計(jì)算機(jī)發(fā)布信息，發(fā)布信息的權(quán)利開始走向平民化，但我們又不得不面臨信息質(zhì)量參差不齊的尷尬，使得情報(bào)價(jià)值大打折扣。如何加強(qiáng)網(wǎng)絡(luò)安全的保密工作？如何抵制不良信息的發(fā)布？這些挑戰(zhàn)不僅是計(jì)算機(jī)科學(xué)家、信息科學(xué)家要解決的問題，同時(shí)也是情報(bào)學(xué)家要突破的難關(guān)。非結(jié)構(gòu)化數(shù)據(jù)難以用特定語言描述，在大數(shù)據(jù)背景下，非結(jié)構(gòu)化數(shù)據(jù)大量涌現(xiàn)，任何數(shù)據(jù)信息都被視為有價(jià)值和可參考的，這對(duì)傳統(tǒng)數(shù)據(jù)庫提出挑戰(zhàn)，非結(jié)構(gòu)化數(shù)據(jù)成為情報(bào)數(shù)據(jù)分析的重點(diǎn)。

2.3 應(yīng)用實(shí)踐方面

其一：在進(jìn)行情報(bào)搜集時(shí)，UGC內(nèi)容中的日志、微博、網(wǎng)民評(píng)論、視頻等內(nèi)容都有可能成為情報(bào)工作分析處理的對(duì)象。而這類信息缺乏嚴(yán)格的監(jiān)管與控制，碎片化的內(nèi)容更零散、更復(fù)雜。例如我們要進(jìn)行某一突發(fā)事件處理結(jié)果的網(wǎng)民滿意度調(diào)查，初期情報(bào)收集時(shí)，如何確定情報(bào)搜集對(duì)象？所需情報(bào)是哪些類型？如何確定視頻、圖片情報(bào)中網(wǎng)民的價(jià)值取向等這一系列問題還有待思考與商榷。其二：情報(bào)服務(wù)問題。大數(shù)據(jù)之下，人們對(duì)情報(bào)檢索的要求更加苛刻，傳統(tǒng)單一的僅僅滿足于文獻(xiàn)出處的情報(bào)檢索難以為人們所接受。人們更加苛求智能化檢索、多語言情報(bào)檢索、全文檢索，甚至是系統(tǒng)自動(dòng)對(duì)外文檢索結(jié)果進(jìn)行翻譯。這些都是大數(shù)據(jù)之下情報(bào)服務(wù)所面臨的挑戰(zhàn)。其三：情報(bào)應(yīng)用的具體領(lǐng)域還缺乏知識(shí)性的結(jié)論。例如阿里巴巴旗下的淘寶、天貓電商擁有大量的商家和注冊(cè)用戶。用戶的商品搜索數(shù)據(jù)，用戶的購買偏好，用戶的消費(fèi)能力等一系列情報(bào)資源，如果形成情報(bào)分析報(bào)告和結(jié)論，可指導(dǎo)商家有針對(duì)性地供貨及定價(jià)。同時(shí)可為用戶提供偏好產(chǎn)品，大大減少用戶瀏覽時(shí)間。對(duì)此阿里巴巴成立大數(shù)據(jù)分析小組和數(shù)據(jù)分析團(tuán)隊(duì)。而其他行業(yè)領(lǐng)域這種有針對(duì)性的、專業(yè)化的大數(shù)據(jù)情報(bào)分析研究還少之又少。

2.4 共享和保密的平衡

大數(shù)據(jù)下人們倡導(dǎo)情報(bào)共享，在公共事務(wù)處理中，一些情報(bào)資源實(shí)施共享機(jī)制，可提高辦事效率。如在公安系統(tǒng)案件偵破中有意識(shí)地促進(jìn)情報(bào)資源共享，可及時(shí)將不法分子捉拿歸案。這在打擊跨國犯罪時(shí)，各國間情報(bào)資源的共享尤為關(guān)鍵。另一方面，情報(bào)的保密性又是情報(bào)的專有屬性，一旦對(duì)情報(bào)廣而告之，情報(bào)也就不再稱其為情報(bào)。從情報(bào)搜集者、擁有者的角度講，這些人更傾向于情報(bào)的保密。情報(bào)擁有者在情報(bào)獲取過程中花費(fèi)了大量人、財(cái)、物力。一些技術(shù)情報(bào)是企業(yè)內(nèi)部的機(jī)密甚至是絕密，正因?yàn)閷?duì)這些技術(shù)情報(bào)的壟斷，才使企業(yè)在行業(yè)中成為龍頭。情報(bào)共享與情報(bào)保密從不同群體的角度來衡量，其價(jià)值取向是不同的。那么在大數(shù)據(jù)之下解決這一問題時(shí)，我們站在哪一群體的角度來做取舍，如何平衡共享與保密的矛盾還有待探討。

3應(yīng)對(duì)策略

3.1 理論對(duì)策

大數(shù)據(jù)時(shí)代，情報(bào)學(xué)的研究領(lǐng)域從單一領(lǐng)域轉(zhuǎn)向全領(lǐng)域，綜合利用多種數(shù)據(jù)源，注重新型信息資源分析[6]。由于信息浪潮的沖擊，各門學(xué)科都在與相關(guān)學(xué)科交叉融合，不斷地?cái)U(kuò)大研究領(lǐng)域，在此基礎(chǔ)上產(chǎn)生了分支學(xué)科、交叉學(xué)科。情報(bào)學(xué)也不例外，吸收借鑒其他學(xué)科的理論和研究方法，可使得情報(bào)工作更有針對(duì)性，提高工作效率。例如信息用戶研究，更多地要借鑒心理學(xué)的相關(guān)知識(shí)。在情報(bào)服務(wù)、情報(bào)理論研究和情報(bào)實(shí)踐中，專業(yè)情報(bào)人才的培養(yǎng)同樣勢(shì)在必行。未來數(shù)據(jù)科學(xué)家是情報(bào)收集、存儲(chǔ)、管理、挖掘和分析的主力軍。他們借助一定的數(shù)據(jù)分析軟件，發(fā)揮他們的綜合知識(shí)優(yōu)勢(shì)，撥開大數(shù)據(jù)的迷霧，真正將數(shù)據(jù)信息應(yīng)用于趨勢(shì)預(yù)測(cè)、危機(jī)預(yù)警和管理決策等實(shí)踐中。

3.2 技術(shù)對(duì)策

對(duì)大數(shù)據(jù)之下的垃圾信息，在情報(bào)數(shù)據(jù)分析時(shí)可采取過濾機(jī)制。數(shù)據(jù)挖掘分析時(shí)，情報(bào)人員可針對(duì)被觀察對(duì)象的特點(diǎn)或一個(gè)事件所處狀態(tài)，采用一定取樣標(biāo)準(zhǔn)(詞頻取樣、詞與詞的共現(xiàn)取樣、時(shí)間段取樣、特定詞取樣等)選擇和過濾相關(guān)數(shù)據(jù)，可大大減少結(jié)果偏差。以快遞業(yè)務(wù)數(shù)據(jù)管理系統(tǒng)為例：在數(shù)據(jù)系統(tǒng)的開發(fā)階段，開發(fā)人員根據(jù)客戶需求，系統(tǒng)開發(fā)人員除了設(shè)計(jì)系統(tǒng)整體功能還應(yīng)該設(shè)置數(shù)據(jù)過濾程序并嵌入整體程序中，其目的是規(guī)范用戶的數(shù)據(jù)輸入。當(dāng)用戶輸入信息有誤或不符合提前設(shè)定規(guī)則時(shí)，激發(fā)數(shù)據(jù)比較程序，并將錯(cuò)誤信息反饋給用戶。數(shù)據(jù)過濾程序中可設(shè)置郵編字段、郵編數(shù)組長度、地理區(qū)域字段(省、市、縣、鄉(xiāng))并設(shè)置規(guī)范表達(dá)。為防止用戶輸入地址不一致，可在程序中嵌入地理區(qū)域查找表，讓用戶來選擇，可減少不一致性。為了方便數(shù)據(jù)在時(shí)間上的管理，可設(shè)置時(shí)間字段組。當(dāng)需要對(duì)快遞業(yè)務(wù)進(jìn)行數(shù)據(jù)挖掘分析時(shí)，由于設(shè)置了郵編、區(qū)域、時(shí)間等不同字段，可根據(jù)需要有針對(duì)性地篩選過濾數(shù)據(jù)(流程見圖一)。如需要分析某城市在某一年內(nèi)快遞業(yè)務(wù)變化情況，以確定下一年度該城市是否增加快遞網(wǎng)點(diǎn)時(shí)，為了減少數(shù)據(jù)冗余，可篩選時(shí)間年度字段和城市字段。這樣，減少了冗余和不相關(guān)數(shù)據(jù)，提高了數(shù)據(jù)精準(zhǔn)度和分析質(zhì)量。解決海量數(shù)據(jù)的另一措施是實(shí)體識(shí)別與實(shí)體關(guān)系識(shí)別。所謂實(shí)體識(shí)別是指在情報(bào)數(shù)據(jù)中識(shí)別出表現(xiàn)現(xiàn)實(shí)世界的具體或抽象的對(duì)象。首先人工輔助標(biāo)注語料，然后交給機(jī)器按照標(biāo)注的語料進(jìn)行識(shí)別實(shí)體，按文檔中某一語料識(shí)別的頻率來確定是否識(shí)別。在實(shí)體識(shí)別過程中，支持實(shí)體關(guān)系識(shí)別。例如識(shí)別某一突發(fā)事件與事件處理機(jī)構(gòu)的關(guān)系，識(shí)別機(jī)制中設(shè)置關(guān)系親密等級(jí)，這樣在進(jìn)行情報(bào)搜集時(shí)可確保最相關(guān)實(shí)體進(jìn)入分析數(shù)據(jù)庫，不相關(guān)數(shù)據(jù)排除在外。在處理非結(jié)構(gòu)化數(shù)據(jù)時(shí)，首先對(duì)這些數(shù)據(jù)進(jìn)行清洗，然后對(duì)這些數(shù)據(jù)進(jìn)行分類處理并存儲(chǔ)于相應(yīng)數(shù)據(jù)庫。最后在進(jìn)行情報(bào)分析時(shí)，將這些數(shù)據(jù)庫按相關(guān)性進(jìn)行組合合并。如建立客戶合同數(shù)據(jù)庫，分析客戶合同變化情況，將客戶數(shù)據(jù)庫與合同數(shù)據(jù)庫中的數(shù)據(jù)分別導(dǎo)入數(shù)據(jù)分析系統(tǒng)中進(jìn)行分析，這樣可使分析更容易、更有針對(duì)性。

圖1　數(shù)據(jù)過濾采集流程

3.3 實(shí)踐對(duì)策

在解決應(yīng)用實(shí)踐挑戰(zhàn)的問題時(shí)，情報(bào)人員首先要立足具體領(lǐng)域，根據(jù)具體的研究領(lǐng)域作出情報(bào)分析規(guī)劃。情報(bào)收集時(shí)注意提前做好搜集計(jì)劃，對(duì)搜集到的情報(bào)資料進(jìn)行分類、聚類整理。情報(bào)結(jié)果分析時(shí)，除了簡單的統(tǒng)計(jì)、結(jié)果呈現(xiàn)外，情報(bào)人員應(yīng)試圖對(duì)分析結(jié)果進(jìn)行解釋；對(duì)情報(bào)結(jié)果的關(guān)聯(lián)性進(jìn)行分析；形成情報(bào)分析報(bào)告為用戶所用。情報(bào)服務(wù)機(jī)制問題，可在各行各業(yè)中解決。智能檢索、多語言檢索以及檢索結(jié)果的自動(dòng)翻譯更多地需要人工智能、機(jī)器學(xué)習(xí)、文本采集技術(shù)的支持。這些技術(shù)對(duì)計(jì)算機(jī)掌握能力要求高，更多地要從技術(shù)層面來解決。在具體領(lǐng)域的情報(bào)研究中，成立行業(yè)情報(bào)資源數(shù)據(jù)庫，對(duì)該行業(yè)的全部數(shù)據(jù)進(jìn)行集中式采集、存儲(chǔ)、管理和利用，實(shí)現(xiàn)全領(lǐng)域情報(bào)資源共享。

3.4 平衡對(duì)策

情報(bào)共享與情報(bào)保密平衡問題的解決，在不同性質(zhì)行業(yè)中可采取區(qū)別對(duì)待的原則。在公共事業(yè)中，如醫(yī)療衛(wèi)生領(lǐng)域、公安系統(tǒng)、教育文化產(chǎn)業(yè)部門，國家可搭建和倡導(dǎo)行業(yè)情報(bào)資源共享平臺(tái)。而在商業(yè)領(lǐng)域的技術(shù)情報(bào)，一方面要顧及情報(bào)擁有者的利益，國家信息產(chǎn)業(yè)部門建立完善的知識(shí)產(chǎn)權(quán)、專利保護(hù)政策法規(guī)，以保護(hù)情報(bào)開發(fā)者的合法權(quán)益；另一方面要綜合市場(chǎng)需要，相關(guān)技術(shù)的普及程度，情報(bào)擁有者的投入比例等綜合因素，確定情報(bào)保密年限，以便情報(bào)資源及時(shí)開放、及時(shí)共享。

結(jié)語

我國情報(bào)學(xué)于20世紀(jì)50年代起步，應(yīng)用實(shí)踐、理論基礎(chǔ)與相應(yīng)技術(shù)都漸成規(guī)模。而大數(shù)據(jù)的到來，又給情報(bào)學(xué)帶來一定的沖擊和挑戰(zhàn)，尤其在實(shí)踐、技術(shù)和理論方面。應(yīng)對(duì)這些挑戰(zhàn)可從提高情報(bào)服務(wù)質(zhì)量，建立行業(yè)情報(bào)庫，提高技術(shù)手段，轉(zhuǎn)變情報(bào)研究重點(diǎn)以及人才培養(yǎng)等方面入手。未來情報(bào)學(xué)走向如何，有哪些問題要解決，還需要一代代情報(bào)學(xué)人的關(guān)注和解決。

參考文獻(xiàn)：

[1] Big data [EB/OL] . http：//en.wikipedia.org∕wiki∕Big data. 2012-08-18.

[2] Philip Russom.big data analytics[EB/OL].http://www.docin.com/p＿340502098.html. 2012-08-01.

[3] 戴維民.信息組織(第三版) ．北京：高等教育出版社.2009.

[4] 郭志懋.數(shù)據(jù)質(zhì)量和數(shù)據(jù)清洗研究綜述[J] .軟件學(xué)報(bào)，2012，12(11)：22-28.

[5] 黃曉斌，鐘輝新.大數(shù)據(jù)時(shí)代企業(yè)競爭情報(bào)研究的創(chuàng)新與發(fā)展[J] .圖書與情報(bào)，2012，(6)：9-14.

[6] 李健，楊林.大數(shù)據(jù)視角下的情報(bào)研究與情報(bào)研究技術(shù)[J] .圖書與情報(bào)，2012，(6)：1-8.

(責(zé)任編輯：傅正)

Challenges and Countermeasures of Intelligence Science in China in the Era of Big Data

SU Yun-mei, WU Jian-guang

(Shanxi Medical University, Taiyuan030001, China)

Abstract：This paper firstly briefly describes “4V” characteristics of the big data and informatics development history in China, analyzes deeply the challenges which informatics in China faced in practice, technology, theory and information sharing, and puts forward countermeasures from practical level, technical level, personnel training and information science research.

Key words：big data; Intelligence; Intelligence theory; Intelligence technology; Intelligence practice

中圖分類號(hào)：G250.2

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1006-1525(2016)02-0009-03

作者簡介：蘇云梅，女，館員。

收稿日期：2015-11-08