[中圖分類號] G231 [文獻標(biāo)識碼］A [文章編號] 1009-5853（2025）04-0083-11

Research on the Development Pathways of Al Products Empowered by Data Technology：A Case Study of Elsevier Academic Publishing Group

Zhang Xiaofei

（School of Publishing，Beijing Institute of Graphic Communication，Beijing，102627）

[Abstract]This study systematically analyzes the practicesand trends of Elsevier Academic Publishing Group in leveraging data technologies to enable Al applications and product development.The analysis reveals a three-phase implementation framework.First， establishing robust data management foundations，Elsevier employs advanced data science technologies to organize，manage，analyze and utilize vast scientific literature data，constructing a“data house” forusers，thereby laying a solid data foundation for technology-driven innovation.Second，by comprehensively applying data science technologiesand Al technologies，Elsevier utilizes data technologies such as ontologies and knowledge graphs to empower Al applications and product development，facilitating the transformation from data to actionable knowledge and wisdom.Third，targeting key challenges in specialized domains，Elsevier develops knowledge production and analytical decision-making Al products based on domain-specific data platforms and advanced Al technologies，realizing the empowerment of data technology forAl product development. Through analyzing Elsevier’s practical logic and action pathway of empowering Al technology utilization and product development via high-quality data management，this studyprovides valuable references for the digital-intelligent transformation practices of academicpublishing institutionsinChina.

[Key words] Academic publishingDigital-intelligent transformationData technologyAl products

1引言

學(xué)術(shù)出版機構(gòu)是知識生產(chǎn)、傳播與服務(wù)的核心主體。當(dāng)前，大數(shù)據(jù)和人工智能（AI）等數(shù)智化技術(shù)快速發(fā)展并與產(chǎn)業(yè)領(lǐng)域深度融合，為我國學(xué)術(shù)出版業(yè)轉(zhuǎn)型升級同時帶來機遇和挑戰(zhàn)。按照《出版業(yè)“十四五”時期發(fā)展規(guī)劃》等行業(yè)發(fā)展要求，我國學(xué)術(shù)出版機構(gòu)亟須提升新技術(shù)利用能力，挖掘內(nèi)容和數(shù)據(jù)資源價值，建立數(shù)智技術(shù)驅(qū)動的產(chǎn)品開發(fā)和業(yè)務(wù)發(fā)展模式，加快推進數(shù)智化轉(zhuǎn)型進程。相比之下，具有百余年發(fā)展歷史的國際領(lǐng)先學(xué)術(shù)出版機構(gòu)，已基本完成數(shù)字化轉(zhuǎn)型，正在快速推進由數(shù)字化向數(shù)據(jù)化、智能化轉(zhuǎn)型，其創(chuàng)新發(fā)展經(jīng)驗值得借鑒。其中，連續(xù)多年位于全球出版50強第一位、擁有140余年發(fā)展歷史的愛思唯爾（Elsevier）學(xué)術(shù)出版集團，近年來定位于做科學(xué)信息與數(shù)據(jù)分析（scientificinformationanddataanalytics）領(lǐng)域的領(lǐng)先者，創(chuàng)新利用數(shù)據(jù)科學(xué)、人工智能等前沿技術(shù)推進產(chǎn)品和業(yè)務(wù)創(chuàng)新，開發(fā)能夠解決專業(yè)領(lǐng)域用戶關(guān)鍵難題的人工智能產(chǎn)品，從而推動分析與決策工具（analyticsanddecisiontools）類業(yè)務(wù)持續(xù)增長；2024年，該類業(yè)務(wù)已占總收入 40% 左右，成為整體業(yè)務(wù)增長的主要推動力量[1]。

文獻調(diào)研結(jié)果顯示，近年來關(guān)于數(shù)智技術(shù)快速發(fā)展背景下愛思唯爾具體業(yè)務(wù)創(chuàng)新實踐的研究成果相對較少，因此，本文將深入探究愛思唯爾以數(shù)據(jù)技術(shù)創(chuàng)新賦能人工智能技術(shù)應(yīng)用和產(chǎn)品開發(fā)的理念與實踐，即如何基于各專業(yè)領(lǐng)域數(shù)據(jù)資源平臺，通過數(shù)據(jù)技術(shù)創(chuàng)新提升數(shù)據(jù)管理和數(shù)據(jù)利用能力；如何綜合利用數(shù)據(jù)技術(shù)和人工智能技術(shù)，以高質(zhì)量數(shù)據(jù)集支持人工智能應(yīng)用和產(chǎn)品開發(fā)，并以其近三年面向各專業(yè)領(lǐng)域開發(fā)的系列人工智能產(chǎn)品為例進行具體呈現(xiàn)，以此為我國學(xué)術(shù)出版機構(gòu)利用前沿技術(shù)推動業(yè)務(wù)創(chuàng)新和高質(zhì)量發(fā)展提供借鑒。本文主要資料和數(shù)據(jù)來自愛思唯爾近5年年度報告、2020年至2025年面向投資人發(fā)布的最新數(shù)據(jù)以及官網(wǎng)資料與新聞報道等。依據(jù)《新一代人工智能發(fā)展規(guī)劃》《關(guān)于促進數(shù)據(jù)產(chǎn)業(yè)高質(zhì)量發(fā)展的指導(dǎo)意見》等政策文件及已有相關(guān)文獻，文中數(shù)據(jù)技術(shù)指從數(shù)據(jù)中提取有價值信息、知識與智慧的數(shù)據(jù)科學(xué)技術(shù)[2]，人工智能產(chǎn)品指利用機器學(xué)習(xí)、自然語言處理等人工智能技術(shù)，基于高質(zhì)量數(shù)據(jù)集、面向各專業(yè)領(lǐng)域開發(fā)的分析與決策類人工智能內(nèi)容產(chǎn)品和服務(wù)產(chǎn)品（或稱工具或應(yīng)用），數(shù)據(jù)技術(shù)創(chuàng)新的目的是為人工智能產(chǎn)品開發(fā)提供高質(zhì)量數(shù)據(jù)集。

2提升數(shù)據(jù)科學(xué)技術(shù)創(chuàng)新能力，增強數(shù)據(jù)資源建設(shè)和數(shù)據(jù)管理利用能力

數(shù)據(jù)是人工智能技術(shù)應(yīng)用和產(chǎn)品開發(fā)的基礎(chǔ)，數(shù)據(jù)技術(shù)創(chuàng)新能夠提供更高質(zhì)量的數(shù)據(jù)為AI技術(shù)所用。愛思唯爾作為學(xué)術(shù)出版商，面對技術(shù)的快速更新迭代，一直秉持著技術(shù)可能會被替代而數(shù)據(jù)永遠是最寶貴資源的發(fā)展理念，即：數(shù)據(jù)能夠驅(qū)動科學(xué)發(fā)現(xiàn)，最好的數(shù)字戰(zhàn)略一定是建立在強大的數(shù)據(jù)基礎(chǔ)之上，有組織、有序的數(shù)據(jù)是各領(lǐng)域的創(chuàng)新基礎(chǔ)；基于管理有序，來源可信的數(shù)據(jù)資源，人們能夠得出科學(xué)進步的基石一假設(shè)，從而做出基于證據(jù)的決策，但只有符合FAIR原則的數(shù)據(jù)，即可發(fā)現(xiàn)（findable）、可訪問（accessible）、可互操作（interoperable）、可重用（reusable）的數(shù)據(jù)，才是真正的數(shù)據(jù)資源。隨著全球科研投入增加和研究人員規(guī)模增長，學(xué)術(shù)文獻數(shù)量激增，各專業(yè)領(lǐng)域人員迫切需要提升通過管理和分析海量數(shù)據(jù)來解決領(lǐng)域難題的能力，因此，愛思唯爾持續(xù)增強數(shù)據(jù)科學(xué)技術(shù)實力，基于內(nèi)容和數(shù)據(jù)優(yōu)勢，積極利用前沿數(shù)據(jù)技術(shù)開展業(yè)務(wù)創(chuàng)新，持續(xù)提高數(shù)據(jù)技術(shù)水平，以更好地幫助用戶搭建“數(shù)據(jù)屋”、夯實數(shù)據(jù)資源基礎(chǔ)和挖掘數(shù)據(jù)資源價值。

2.1積累權(quán)威可信數(shù)據(jù)，以數(shù)據(jù)科學(xué)團隊支持專業(yè)領(lǐng)域智能分析與決策

針對研發(fā)機構(gòu)在利用人工智能技術(shù)時面臨的“數(shù)據(jù)阻礙”，特別是由于缺乏主題專業(yè)知識的“垃圾進垃圾出”問題，愛思唯爾在基礎(chǔ)數(shù)據(jù)管理領(lǐng)域加大投入，利用長期積累的經(jīng)過同行評議的科學(xué)知識數(shù)據(jù)，開發(fā)高質(zhì)量、有代表性、公平公正，符合應(yīng)用規(guī)范的數(shù)據(jù)集，基于數(shù)據(jù)集面向各領(lǐng)域開展數(shù)據(jù)科學(xué)與數(shù)據(jù)分析項目，支持AI模型基于高質(zhì)量數(shù)據(jù)進行訓(xùn)練、以科學(xué)準(zhǔn)確的方式運行，輔助用戶開展分析決策、解決業(yè)務(wù)難題。以2023年為例，愛思唯爾能夠提供來自化學(xué)、生物學(xué)等22個學(xué)科領(lǐng)域的數(shù)據(jù)集供用戶使用，主要包括：經(jīng)過同行評議的約1900萬篇期刊論文全文、1700萬份作者檔案、18億條被引文獻、3.33億個化學(xué)物質(zhì)和反應(yīng)、8600萬個生物活性和生物醫(yī)療記錄，以及3500萬個化學(xué)專利等[3]。此外，相關(guān)行業(yè)領(lǐng)導(dǎo)者也樂于授權(quán)愛思唯爾使用其數(shù)據(jù)來共同服務(wù)用戶。愛思唯爾內(nèi)容與創(chuàng)新團隊機器學(xué)習(xí)工程師迪普·卡婭（DeepKayal）表示，愛思唯爾的海量數(shù)據(jù)是一座信息的金礦，是愛思唯爾的核心競爭力所在[4。愛思唯爾企業(yè)市場業(yè)務(wù)主管吉諾·優(yōu)賽（GinoUssi）表示，研發(fā)密集型業(yè)務(wù)需要前沿數(shù)據(jù)科學(xué)技術(shù)的驅(qū)動，為了實現(xiàn)高質(zhì)量的數(shù)據(jù)分析和構(gòu)建經(jīng)過良好訓(xùn)練的AI模型，愛思唯爾的數(shù)據(jù)科學(xué)家花費大量時間獲取高質(zhì)量數(shù)據(jù)[5]。

愛思唯爾組建由領(lǐng)域?qū)＜液蛿?shù)據(jù)科學(xué)專家組成的團隊，為用戶數(shù)據(jù)管理項目提供數(shù)據(jù)技術(shù)支持，采用本體管理、文本分析和語義搜索等技術(shù)，幫助用戶查找、管理和利用數(shù)據(jù)，通過API或平面文件形式靈活交付數(shù)據(jù)集，支持用戶基于數(shù)據(jù)集開發(fā)知識圖譜、構(gòu)建預(yù)測模型、訓(xùn)練算法和神經(jīng)網(wǎng)絡(luò)，以實現(xiàn)數(shù)據(jù)驅(qū)動的業(yè)務(wù)創(chuàng)新。愛思唯爾生命科學(xué)部門數(shù)據(jù)科學(xué)業(yè)務(wù)主管馬克·希恩（MarkSheehan）表示，愛思唯爾的數(shù)據(jù)集將來自權(quán)威學(xué)術(shù)文獻信息源的數(shù)據(jù)嵌入用戶研發(fā)和業(yè)務(wù)工作流程中，研究人員可以在愛思唯爾團隊支持下快速開展由數(shù)據(jù)驅(qū)動的業(yè)務(wù)項目，實現(xiàn)基于權(quán)威數(shù)據(jù)集的數(shù)據(jù)洞察[。典型如制藥公司可以利用數(shù)據(jù)集確定優(yōu)先藥物候選方案。

2.2收購數(shù)據(jù)管理公司，利用本體技術(shù)為用戶搭建“數(shù)據(jù)屋”

2020年，愛思唯爾收購總部位于英國的賽拜特（SciBite）語義分析軟件公司。賽拜特成立于2011年，以“數(shù)據(jù)為王”為核心理念，將基礎(chǔ)數(shù)據(jù)管理作為核心業(yè)務(wù)，基于愛思唯爾在數(shù)據(jù)方面的標(biāo)準(zhǔn)開展數(shù)據(jù)管理，利用本體等前沿數(shù)據(jù)技術(shù)為用戶搭建“數(shù)據(jù)屋”（datahouse），幫助用戶從數(shù)據(jù)中獲得價值，為業(yè)務(wù)創(chuàng)新提供支持[7]。愛思唯爾收購賽拜特的舉措，旨在提升愛思唯爾的數(shù)據(jù)技術(shù)創(chuàng)新能力，利用賽拜特從語義角度進行數(shù)據(jù)分析的能力，更好地組織管理愛思唯爾的科學(xué)文獻內(nèi)容，將其轉(zhuǎn)化為便于利用的高質(zhì)量科學(xué)數(shù)據(jù)。

本體是指人為生成的、機器可識別的對知識的描述，是大數(shù)據(jù)時代實現(xiàn)科學(xué)數(shù)據(jù)管理的關(guān)鍵工具[8]。賽拜特將本體作為數(shù)據(jù)管理核心技術(shù)，在本體基礎(chǔ)上搭建業(yè)務(wù)，被愛思唯爾收購后，使用本體重新組織愛思唯爾的海量科學(xué)數(shù)據(jù)，將愛思唯爾的非結(jié)構(gòu)化內(nèi)容轉(zhuǎn)化為有序的機器可讀數(shù)據(jù)，幫助用戶“從數(shù)據(jù)中提取理解”，即從科學(xué)文獻中提取知識。賽拜特本體業(yè)務(wù)主管簡·洛馬克斯（JaneLomax）博士擁有超過20年的FAIR數(shù)據(jù)和知識本體開發(fā)經(jīng)驗，她表示，本體是對事物進行分類，能夠提供世界圖景的表征或模型，呈現(xiàn)世界上的事物以及它們之間的關(guān)系，從而更好地組織世界，她認為“現(xiàn)代科學(xué)中的文字太多了，不僅已發(fā)表的論文數(shù)量在增加，生成數(shù)據(jù)的方式也在增加，人們不可能自己處理這些信息。而本體提供了對科學(xué)語言的一致和結(jié)構(gòu)化的理解，是對科學(xué)事實的編纂”[9]。

2.3通過四個環(huán)節(jié)完成基于本體的基礎(chǔ)數(shù)據(jù)管理

創(chuàng)建本體是數(shù)據(jù)管理的關(guān)鍵環(huán)節(jié)。賽拜特通過本體管理、文本分析、數(shù)據(jù)整理和語義搜索四個環(huán)節(jié)，開發(fā)文本分析和數(shù)據(jù)強化工具，幫助用戶進行基礎(chǔ)數(shù)據(jù)整理，生成機器可讀的純凈數(shù)據(jù)、釋放非結(jié)構(gòu)化數(shù)據(jù)的價值。其中，本體管理，開發(fā)CENtree本體管理平臺，提高本體生成和編輯能力；文本分析，開發(fā)TERMite實體識別、標(biāo)記和提取引擎工具，可以在短時間內(nèi)對數(shù)百萬份文件進行數(shù)據(jù)挖掘，將數(shù)據(jù)映射到公共本體以提高互操作性；表格數(shù)據(jù)整理，根據(jù)術(shù)語標(biāo)準(zhǔn)幫助用戶注釋和清理表格數(shù)據(jù)；語義搜索，開發(fā)“賽拜特搜索”（SciBiteSearch）工具搜索多種來源數(shù)據(jù)，自動進行語義豐富和注釋，利用特定領(lǐng)域的本體回答復(fù)雜問題并建立語義關(guān)聯(lián)的文檔網(wǎng)絡(luò)，依托行業(yè)專家?guī)椭脩艚⒃~匯表和訓(xùn)練集，開發(fā)和部署深度學(xué)習(xí)模型[10]。

為了更好地理解數(shù)據(jù)，賽拜特投入大量人力進行本體構(gòu)建，將愛思唯爾擁有的各領(lǐng)域主題專家作為生產(chǎn)高質(zhì)量數(shù)據(jù)的核心主體，組建專家團隊構(gòu)建各專業(yè)領(lǐng)域本體，主要負責(zé)識別和驗證知識，將專業(yè)知識編碼到軟件中，讓人和機器使用相同的語言來“談?wù)摗笨茖W(xué)問題，從而大規(guī)模地從文獻中提取對信息的理解[11]。如生命科學(xué)領(lǐng)域本體專家團隊由計算機科學(xué)家、生物學(xué)家、哲學(xué)家等相關(guān)人員組成。賽拜特數(shù)據(jù)科學(xué)與專業(yè)服務(wù)主管喬·馬倫（JoeMullen）表示，本體作為知識域的形式表示，以便于計算的格式捕獲人類知識，以可擴展的方式利用主題專家的最新知識體系完成數(shù)據(jù)分析[12]。

3融合利用數(shù)據(jù)科學(xué)技術(shù)與人工智能技術(shù)，推動從數(shù)據(jù)向智慧的升級

人工智能技術(shù)應(yīng)用和產(chǎn)品開發(fā)依托于高質(zhì)量數(shù)據(jù)的支持，當(dāng)前各行業(yè)均面臨高質(zhì)量數(shù)據(jù)缺乏的問題?；诿磕晟a(chǎn)的大量科研出版物，愛思唯爾技術(shù)團隊利用AI和數(shù)據(jù)技術(shù)從科學(xué)文獻中提取關(guān)鍵信息，運用自然語言處理技術(shù)訓(xùn)練機器學(xué)習(xí)模型，為專業(yè)領(lǐng)域決策提供從數(shù)據(jù)中提取有洞察力的知識。愛思唯爾高級數(shù)據(jù)開發(fā)專家阿妮·塔戈拉（AnithaGolla）博士表示，傳統(tǒng)上要從文獻文本和圖片內(nèi)容中提取專業(yè)事實類信息，只能雇用一批學(xué)術(shù)專家來逐頁逐行閱讀上百萬份文獻，而愛思唯爾運用數(shù)據(jù)科學(xué)將這個過程自動化，數(shù)據(jù)技術(shù)團隊確保人們以最快最有效的方式獲取并利用科學(xué)文獻中有價值的內(nèi)容[13]。

3.1融合利用人工智能和本體技術(shù)，將科學(xué)數(shù)據(jù)作為大語言模型應(yīng)用基礎(chǔ)

雖然生成式人工智能（GenAI）浪潮已席卷全球，但數(shù)據(jù)科學(xué)的核心一基礎(chǔ)數(shù)據(jù)管理，永遠是最重要的，有序的數(shù)據(jù)可以讓用戶敏捷地開展創(chuàng)新一無論是應(yīng)用機器學(xué)習(xí)、大語言模型還是其他人工智能技術(shù)[14]。愛思唯爾利用本體技術(shù)支持人工智能開展數(shù)據(jù)分析，如利用生物醫(yī)學(xué)本體為藥物發(fā)現(xiàn)算法提供支持。賽拜特數(shù)據(jù)科學(xué)與專業(yè)服務(wù)總監(jiān)喬·馬倫表示，技術(shù)表現(xiàn)出不同程度的壽命，在這種動態(tài)環(huán)境中，不變的是數(shù)據(jù)，在大語言模型時代，愛思唯爾基于本體的數(shù)據(jù)管理能力將成為用戶利用大語言模型技術(shù)進行產(chǎn)品和業(yè)務(wù)創(chuàng)新的基礎(chǔ)[15]。2024年，愛思唯爾舉行“創(chuàng)新中的人工智能：利用數(shù)據(jù)驅(qū)動的人工智能解鎖研發(fā)”系列研討會，闡述愛思唯爾如何許可、交付和更新用于生成式人工智能的數(shù)據(jù)[16]。

在必須基于證據(jù)進行決策的領(lǐng)域，決策需要以可解釋的方式計算得出并需注明出處，考慮到基于大語言模型的生成式人工智能應(yīng)用會產(chǎn)生虛假信息，大語言模型只能是解決方案的一部分。為了提升人工智能應(yīng)用和產(chǎn)品開發(fā)效果，愛思唯爾應(yīng)用本體技術(shù)為大語言模型提供核心科學(xué)知識，基于高質(zhì)量的數(shù)據(jù)整理，支持用戶更好地利用人工智能產(chǎn)品實現(xiàn)可解釋的循證決策。賽拜特本體業(yè)務(wù)主管簡·洛馬克斯表示，本體技術(shù)比大語言模型存在的時間要長得多，本體代表已經(jīng)得到人們認同的事實，而人工智能必須將世界上的基本事實內(nèi)置其中，因此，把本體“喂給”人工智能應(yīng)用，提供已經(jīng)驗證為真的信息，可以使其輸出的內(nèi)容可解釋、可重復(fù)，幫助人們更好地理解世界[17]。遵循這樣的產(chǎn)品開發(fā)理念，2024年5月，愛思唯爾推出由本體技術(shù)驅(qū)動的人工智能搜索產(chǎn)品“賽拜特對話”（SciBiteChat），應(yīng)用基于本體的帶有檢索增強生成架構(gòu)的語義網(wǎng)，基于愛思唯爾的高質(zhì)量科學(xué)文本，通過本體中捕獲的領(lǐng)域?qū)I(yè)知識來生成高質(zhì)量數(shù)據(jù)集，將語義搜索在準(zhǔn)確和可追溯信息檢索方面的優(yōu)勢與大語言模型相結(jié)合，使得大語言模型成為一種可解釋的人工智能解決方案，將生成式AI建立在高質(zhì)量內(nèi)容之上[18]。

3.2融合利用人工智能和知識圖譜技術(shù)，以知識模型支持循證智能決策

知識圖譜作為以圖形結(jié)構(gòu)組織、存儲和表示知識的數(shù)據(jù)科學(xué)技術(shù)，是表征機器能夠處理的實體及其關(guān)系的數(shù)據(jù)結(jié)構(gòu)和語義網(wǎng)絡(luò)。愛思唯爾在基于本體構(gòu)建知識圖譜的基礎(chǔ)上，整合運用知識圖譜和大語言模型技術(shù)，充分發(fā)揮知識圖譜的數(shù)據(jù)組織與管理優(yōu)勢，在為AI和機器學(xué)習(xí)提供數(shù)據(jù)資源的同時，利用人工智能技術(shù)提升知識圖譜在知識表示與推理方面的科學(xué)性，構(gòu)建復(fù)雜知識模型，從而推動從數(shù)據(jù)向智慧的升級。

首先，愛思唯爾利用本體等數(shù)據(jù)技術(shù)，構(gòu)建能夠呈現(xiàn)數(shù)據(jù)背后復(fù)雜機制的知識圖譜。第一步是將不同數(shù)據(jù)源中的等效概念映射到本體，產(chǎn)生可由機器處理的共享詞匯表；第二步是應(yīng)用語義注釋工具掃描大量科學(xué)出版物，將科學(xué)概念規(guī)范化為唯一的實體ID，呈現(xiàn)在知識圖譜中。愛思唯爾充分發(fā)揮知識圖譜基于邏輯進行數(shù)據(jù)整理和組織的優(yōu)勢，支持用戶對實體之間的復(fù)雜關(guān)系進行搜索和可視化分析，如根據(jù)愛思唯爾生物學(xué)知識圖譜數(shù)據(jù)制作的?；鶊D，可以顯示子宮內(nèi)膜癌與藥物、蛋白質(zhì)等實體之間的關(guān)系。愛思唯爾數(shù)據(jù)科學(xué)家迪克爾·哈斯德米爾（DicleHasdemir）表示，很多領(lǐng)域的數(shù)據(jù)有限且稀疏，用戶面臨如何基于有限數(shù)據(jù)對復(fù)雜系統(tǒng)進行知識建模的挑戰(zhàn)，愛思唯爾基于研究人員發(fā)表論文時對數(shù)據(jù)和結(jié)論的解釋，利用機器理解（語義）方法從海量論文中提取解決路徑類知識，基于有限數(shù)據(jù)為知識圖譜添加機制與因果關(guān)系，提升科研人員依據(jù)知識圖譜解決復(fù)雜問題的能力。

其次，愛思唯爾整合運用知識圖譜與大語言模型，支持用戶開展由知識圖譜支持的循證決策。知識圖譜能夠捕捉事實，這對于需要進行循證決策的領(lǐng)域至關(guān)重要。鑒于開源大語言模型無法保證知識的準(zhǔn)確性，愛思唯爾將知識圖譜作為可靠數(shù)據(jù)源的優(yōu)勢，與大語言模型將自然語言查詢轉(zhuǎn)換為知識圖譜查詢工具的能力結(jié)合起來，為需要進行循證決策的領(lǐng)域提供支持。同時，利用大語言模型提升知識圖譜生成效果，通過問答界面對多個知識圖譜進行迭代查詢，使各類知識水平的用戶都能從知識圖譜中獲益。在為用戶提供定制化知識圖譜的基礎(chǔ)上，愛思唯爾基于知識圖譜應(yīng)用人工智能技術(shù)，遵循“數(shù)據(jù)一信息－知識-智慧”（DIKW）金字塔的數(shù)據(jù)管理邏輯，支持用戶從數(shù)據(jù)中提煉能夠促進業(yè)務(wù)創(chuàng)新的信息、知識與智慧[19]。

3.3成立整合數(shù)據(jù)科學(xué)與AI領(lǐng)域?qū)＜业膶嶒炇?，運用人工智能從數(shù)據(jù)中提取知識

為了更好地利用人工智能技術(shù)從數(shù)據(jù)中提取知識，2016年，愛思唯爾與阿姆斯特丹數(shù)據(jù)科學(xué)網(wǎng)絡(luò)組織（AmsterdamDataScience）簽署合作協(xié)議，共同開展數(shù)據(jù)科學(xué)技術(shù)研發(fā)[20]。愛思唯爾與阿姆斯特丹數(shù)據(jù)科學(xué)網(wǎng)絡(luò)組織的發(fā)起機構(gòu)阿姆斯特丹大學(xué)、阿姆斯特丹自由大學(xué)等機構(gòu)聯(lián)合成立AI實驗室（AILab），實驗室作為數(shù)據(jù)科學(xué)與AI知識中心，是阿姆斯特丹人工智能創(chuàng)新中心的一部分，致力于運用機器智能驅(qū)動科學(xué)發(fā)現(xiàn)。愛思唯爾數(shù)據(jù)科學(xué)和研究內(nèi)容運營業(yè)務(wù)主管喬治·察薩諾尼斯（GeorgiosTsatsaronis）與阿姆斯特丹大學(xué)算法數(shù)據(jù)科學(xué)教授保羅·格魯斯（PaulGroth）共同負責(zé)建設(shè)實驗室，人工智能創(chuàng)新中心為實驗室提供人工智能技術(shù)支持，實驗室整合AI、數(shù)據(jù)科學(xué)等領(lǐng)域?qū)＜?，基于對愛思唯爾?nèi)容和數(shù)據(jù)的深度挖掘，高效地利用人工智能從論文等非結(jié)構(gòu)化數(shù)據(jù)中識別和理解有用信息，共同解決學(xué)術(shù)與社會問題。

AI實驗室的核心任務(wù)之一是運用AI和知識圖譜技術(shù)推動科學(xué)發(fā)現(xiàn)進程，利用機器學(xué)習(xí)、自然語言處理等技術(shù)為愛思唯爾多個平臺開發(fā)知識圖譜工具、完善知識圖譜模型，以更好地呈現(xiàn)愛思唯爾ScienceDirect文獻數(shù)據(jù)庫、瑞科思（Reaxys）化學(xué)數(shù)據(jù)庫、恩智特（Entellect）藥物數(shù)據(jù)庫等平臺的內(nèi)容，為科研人員搭建能夠提供可操作知識的科研知識平臺，使知識圖譜成為科研工作的基礎(chǔ)設(shè)施。察薩諾尼斯博士認為，建立AI實驗室的目的是幫助研究人員更好地利用愛思唯爾的數(shù)據(jù)內(nèi)容，更高效地理解數(shù)據(jù)和生成假設(shè)，從研究文獻中獲取研究洞察力[21]。

3.4加大與外部技術(shù)團隊合作力度，提升數(shù)據(jù)科學(xué)和人工智能技術(shù)水平

當(dāng)前，愛思唯爾在全球擁有約9500位員工，其中約2500位是技術(shù)人員[22]，體現(xiàn)出其以技術(shù)創(chuàng)新支撐業(yè)務(wù)發(fā)展的戰(zhàn)略布局。為了提升數(shù)據(jù)技術(shù)和人工智能應(yīng)用能力，愛思唯爾持續(xù)擴大數(shù)據(jù)科學(xué)和人工智能技術(shù)人員隊伍，積極推動人工智能技術(shù)和數(shù)據(jù)技術(shù)的綜合運用，其中，多位主管是數(shù)據(jù)科學(xué)和人工智能領(lǐng)域?qū)＜遥瑩碛邢嚓P(guān)領(lǐng)域博士學(xué)位。此外，愛思唯爾積極與以大學(xué)為主體的外部技術(shù)力量合作，基于合作項目持續(xù)提升綜合運用人工智能和數(shù)據(jù)科學(xué)技術(shù)處理學(xué)術(shù)文獻的能力，提升運用算法從語義角度處理復(fù)雜學(xué)術(shù)文獻的效果，從數(shù)據(jù)中提煉信息和知識、開發(fā)解決方案，為專業(yè)領(lǐng)域提供決策支持。除了組建合作團隊，愛思唯爾還會開放機器學(xué)習(xí)在文獻信息提煉和文本挖掘方面的成果，公開標(biāo)注資源，推動數(shù)據(jù)科學(xué)技術(shù)發(fā)展。

4基于內(nèi)容和數(shù)據(jù)平臺，為專業(yè)領(lǐng)域開發(fā)分析與決策類人工智能產(chǎn)品

近年來，愛思唯爾聚焦于推動分析與決策類業(yè)務(wù)持續(xù)快速增長，使其成為整體業(yè)務(wù)增長的驅(qū)動力量。隨著人工智能技術(shù)的發(fā)展，在持續(xù)提升數(shù)據(jù)科學(xué)技術(shù)水平、增強數(shù)據(jù)管理能力的基礎(chǔ)上，愛思唯爾以數(shù)據(jù)為核心資源、以人工智能為驅(qū)動，將權(quán)威可信的同行評審內(nèi)容與人工智能的數(shù)據(jù)分析能力結(jié)合起來，第一時間將生成式人工智能等前沿技術(shù)應(yīng)用到產(chǎn)品創(chuàng)新中，為教育、科研、生命科學(xué)等專業(yè)領(lǐng)域開發(fā)分析與決策類人工智能產(chǎn)品，以基于數(shù)據(jù)生成的知識和智慧推動科學(xué)、技術(shù)和醫(yī)學(xué)發(fā)展。

4.1基于斯高帕斯（Scopus）文獻摘要與引文平臺，開發(fā)研究決策支持類人工智能產(chǎn)品

斯高帕斯摘要和引文數(shù)據(jù)庫涵蓋來自全球7000多家出版商的2.7萬多種學(xué)術(shù)期刊內(nèi)容[23]，為了幫助科研人員基于海量文獻快速準(zhǔn)確地獲得研究見解，經(jīng)過與研究界用戶共同開發(fā)和測試，愛思唯爾將斯高帕斯中經(jīng)過同行評議的內(nèi)容數(shù)據(jù)與AI技術(shù)相結(jié)合，在2024年1月推出由生成式人工智能和大語言模型技術(shù)驅(qū)動的智能搜索產(chǎn)品—ScopusAI，核心功能包括：一是為研究人員提供值得信任的研究摘要，在數(shù)秒內(nèi)將數(shù)十年的研究發(fā)現(xiàn)合成提煉為清晰的論文摘要，特別是突出文獻體現(xiàn)出來的研究空白，基于斯高帕斯經(jīng)過驗證的知識，ScopusAI將出現(xiàn)“幻覺”（AI生成的虛假信息）的風(fēng)險降至最低，生成內(nèi)容都附有相應(yīng)學(xué)術(shù)參考文獻；二是為科研人員推薦值得“進一步研究”的問題并提供原始研究鏈接，識別各領(lǐng)域的學(xué)術(shù)專家資源供研究人員開展進一步學(xué)習(xí)；三是以人類自然對話的方式回復(fù)科研人員提出的問題，并對搜索結(jié)果進行可視化呈現(xiàn)。

4.2基于ScienceDirect文獻平臺，開發(fā)文獻精準(zhǔn)推薦類人工智能產(chǎn)品

愛思唯爾數(shù)據(jù)顯示，當(dāng)前科學(xué)文獻產(chǎn)出量持續(xù)增長，呈現(xiàn)出約每17年翻倍增長的態(tài)勢，隨之而來的挑戰(zhàn)是用戶找到有用學(xué)術(shù)文獻的難度越來越大，就像在“干草堆里找一根針”，因此，ScienceDirect平臺開發(fā)機器學(xué)習(xí)應(yīng)用“精準(zhǔn)推薦”（LearningtoRank），幫助用戶從海量文獻中找到最需要的“那根針”，通過搜索超過1800萬篇論文和篇章，為用戶推薦6篇系統(tǒng)認為最符合用戶需求的文獻；推薦工具根據(jù)用戶過往搜索行為和論文特征來完成尋找過程，先根據(jù)平臺記錄的過往用戶行為進行協(xié)同過濾，再根據(jù)論文主題、引用網(wǎng)絡(luò)、出版期刊等要素從第一輪搜索結(jié)果中進行篩選，基于這樣的推薦原則對機器學(xué)習(xí)應(yīng)用進行訓(xùn)練，并將6篇文章按照推薦級別排序，根據(jù)用戶點擊數(shù)據(jù)迭代改進推薦結(jié)果[24]。新冠疫情期間，愛思唯爾研究內(nèi)容運營業(yè)務(wù)數(shù)據(jù)科學(xué)團隊開發(fā)“ScienceDirect冠狀病毒相關(guān)研究”板塊，面對研究人員、醫(yī)療專業(yè)人員、政策制定者對最新科學(xué)進展的迫切需求，運用機器學(xué)習(xí)和數(shù)據(jù)科學(xué)方法開發(fā)機器學(xué)習(xí)模型，幫助用戶在ScienceDirect平臺上搜索論文，由《柳葉刀》（TheLancet）持續(xù)為機器學(xué)習(xí)系統(tǒng)提供新的訓(xùn)練材料，力求盡可能少地遺漏有用的論文，并為不同類別用戶提供不同信息流，支持用戶合力推進研究進程[25]。4.3基于善帕思（Sherpath）護理教育平臺，開發(fā)護理教育服務(wù)類人工智能產(chǎn)品

2024年4月，依托愛思唯爾的善帕思護理教學(xué)平臺，健康業(yè)務(wù)部門推出專為美國數(shù)十萬名護理專業(yè)學(xué)生設(shè)計的生成式AI聊天工具一—善帕思AI（SherpathAI），為學(xué)生參加美國注冊護士執(zhí)照考試和臨床實踐做好準(zhǔn)備，以應(yīng)對美國護理教育面臨的挑戰(zhàn)。善帕思AI將愛思唯爾的護理教育內(nèi)容與生成式人工智能相結(jié)合，在課程、備考和臨床實踐過渡方面，為學(xué)生和護士教育工作者提供幫助，已有數(shù)百名用戶參加了分階段測試和迭代。善帕思AI的產(chǎn)品特點包括：經(jīng)過驗證的護理教育內(nèi)容、準(zhǔn)確可靠的來源引用、多樣化的多媒體教程、交互式對話和個性化響應(yīng)，以及為教師提供課程準(zhǔn)備和教學(xué)策略支持，支持用戶使用自然語言提問。愛思唯爾健康業(yè)務(wù)護理與健康教育主管布蘭特·戈登（BrentGordon）表示，他們對生成式人工智能的前景持樂觀態(tài)度，它能夠擴大個性化學(xué)習(xí)，培訓(xùn)更多為實踐做好準(zhǔn)備的護士。張伯倫大學(xué)（ChamberlainUniversity）教學(xué)主管賈內(nèi)爾·索科羅維奇（JanelleSokolowich）博士表示，善帕思AI支持教師制定替代性教學(xué)策略，其價值在于，教師知道學(xué)習(xí)資源是經(jīng)過驗證和準(zhǔn)確的[26]。

4.4基于臨床精鑰（ClinicalKey）醫(yī)療數(shù)據(jù)平臺，開發(fā)臨床決策支持類人工智產(chǎn)品

臨床醫(yī)生每天處理大量復(fù)雜病例，在醫(yī)療過程中亟須精準(zhǔn)可信的循證醫(yī)療信息。2024年1月，愛思唯爾健康業(yè)務(wù)部門與醫(yī)療領(lǐng)域人工智能技術(shù)公司開放循證（OpenEvidence）、醫(yī)療數(shù)據(jù)信息管理系統(tǒng)開發(fā)公司康恩健康（ConeHealth）、新墨西哥大學(xué)和美國各地3萬多名醫(yī)生合作，基于愛思唯爾臨床精鑰臨床決策支持平臺，將海量醫(yī)療信息語料庫與生成式AI技術(shù)相結(jié)合，開發(fā)生成式人工智能臨床決策支持工具——臨床精鑰AI（ClinicalKeyAI），在臨床治療過程中為醫(yī)生提供循證分析與決策支持；通過對大量研究成果和文獻進行總結(jié)分析，支持醫(yī)生通過自然語言界面快速獲取對于病情治療和藥物相關(guān)問題的回答，并針對合并癥、當(dāng)前用藥、年齡等患者情況進行回復(fù)，以及根據(jù)過往查詢提示后續(xù)可能出現(xiàn)的問題。愛思唯爾健康業(yè)務(wù)總裁簡·何佐夫（JanHerzhoff）博士表示，臨床精鑰AI是為時間緊迫的醫(yī)生量身定制的工具，他們需要擁有獲取各類臨床問題精確答案的路徑，這些答案應(yīng)以最新最權(quán)威的科學(xué)研究為基礎(chǔ)[27]。新墨西哥大學(xué)首席醫(yī)療信息官杜薩迪·薩拉伽姆（DusadeeSarangarm）表示，臨床精鑰AI不是要取代醫(yī)生的培訓(xùn)、直覺或?qū)I(yè)知識，而是放大專業(yè)能力的優(yōu)勢，讓世界醫(yī)學(xué)圖書館觸手可及[28]。

4.5基于瑞科思化學(xué)數(shù)據(jù)平臺，開發(fā)合成化學(xué)決策支持類人工智能產(chǎn)品

愛思唯爾瑞科思化學(xué)數(shù)據(jù)庫存儲來自超過1億份專利文獻和期刊文章的化學(xué)結(jié)構(gòu)、化學(xué)反應(yīng)等信息，為化學(xué)和藥物研發(fā)提供數(shù)據(jù)支持[29]。2024年3月，愛思唯爾與從事新藥開發(fā)相關(guān)的人工智能技術(shù)研發(fā)的艾拓思（Iktos）公司合作，將瑞科思數(shù)據(jù)庫與人工智能技術(shù)相結(jié)合，推出由人工智能驅(qū)動、服務(wù)于藥物發(fā)現(xiàn)的合成化學(xué)類分析與決策產(chǎn)品，幫助制藥公司更快識別臨床候選藥物，增強愛思唯爾基于瑞科思平臺提供化學(xué)解決方案的能力；愛思唯爾生命科學(xué)解決方案主管米瑞特·艾爾多（MiritEldor）表示，使用瑞科思數(shù)據(jù)庫高質(zhì)量數(shù)據(jù)訓(xùn)練的預(yù)測算法和預(yù)測模型，能夠在人工智能驅(qū)動下縮短藥物發(fā)現(xiàn)的時間和成本[30]。艾拓思首席執(zhí)行官雅恩·加斯頓-麥斯（YannGaston-Mathe）表示，數(shù)據(jù)是人工智能的基礎(chǔ)，通過在瑞科思數(shù)據(jù)庫基礎(chǔ)上進行訓(xùn)練，用戶可在幾分鐘內(nèi)獲得可行性較高的藥物發(fā)現(xiàn)候選路徑，最大限度地提高人工智能對藥物發(fā)現(xiàn)的推動力[31]。

4.6基于化學(xué)專利數(shù)據(jù)平臺，開發(fā)化學(xué)專利關(guān)鍵知識提取類人工智能產(chǎn)品

2022年，愛思唯爾生命科學(xué)團隊與澳大利亞皇家墨爾本理工大學(xué)的自然語言處理專家卡琳·韋斯普爾（KarinVerspoor）教授團隊合作，開展化學(xué)信息學(xué)合作項目，致力于應(yīng)用AI技術(shù)從瑞科思數(shù)據(jù)庫化學(xué)專利內(nèi)容中自動提取化學(xué)反應(yīng)信息。愛思唯爾生命科學(xué)部門數(shù)據(jù)科學(xué)專家薩貝·阿康迪（SaberAkhondi）博士表示，化學(xué)專利內(nèi)容是有價值的信息最早產(chǎn)生的地方，通常專利中的信息需要四年到六年時間才能在期刊中出版，將這些信息盡早提取并呈現(xiàn)出來，將顯著提升化學(xué)研發(fā)和藥物開發(fā)效率。團隊還舉辦了自然語言處理技能挑戰(zhàn)賽，通過公開數(shù)據(jù)集來激勵其他擅長實體識別和事件抽取的自然語言處理團隊參與比賽，共同改進自然語言處理模型[32]。

4.7在產(chǎn)品開發(fā)過程中開展有道德的AI實踐，使產(chǎn)品成為人類的“助理”

愛思唯爾制定AI倫理政策（AIEthicsPolicy），在將人工智能技術(shù)嵌入產(chǎn)品時，秉持“負責(zé)任的人工智能原則”和“隱私原則”[33]，確保遵守數(shù)據(jù)隱私與安全標(biāo)準(zhǔn)，實現(xiàn)對AI技術(shù)合乎道德的運用，讓用戶可以充分信任AI產(chǎn)品所使用的信息。以斯高帕斯AI為例，產(chǎn)品開發(fā)采用愛思唯爾私有大語言模型，這意味著沒有數(shù)據(jù)交換，愛思唯爾的數(shù)據(jù)不供公開模型使用和訓(xùn)練，以此更好地保護數(shù)據(jù)出版商和作者隱私。愛思唯爾特別強調(diào)，盡管斯高帕斯AI全力做到基于斯高柏斯的數(shù)據(jù)生成可信任內(nèi)容，但仍有可能偶爾出現(xiàn)誤差生成不正確或存在潛在誤導(dǎo)信息的內(nèi)容，甚至是被認定帶有偏見或侵犯性的內(nèi)容，因此，希望用戶將斯高帕斯AI作為支持性的研究助理，不應(yīng)該僅依賴斯高帕斯AI的生成結(jié)果來獲取知識而不開展獨立研究[34]。愛思唯爾分析產(chǎn)品和數(shù)據(jù)平臺主管馬克西姆·可汗（MaximKhan）表示，愛思唯爾致力于與科學(xué)共同體中的各類主體合作并負責(zé)任地使用人工智能，共同創(chuàng)建高質(zhì)量數(shù)據(jù)以支持分析決策[35]。

5結(jié)語

數(shù)據(jù)是人工智能的基礎(chǔ)，數(shù)據(jù)技術(shù)水平?jīng)Q定著人工智能產(chǎn)品的質(zhì)量。從傳統(tǒng)出版商轉(zhuǎn)型為數(shù)據(jù)和技術(shù)驅(qū)動的科學(xué)信息與數(shù)據(jù)分析類解決方案提供商，愛思唯爾以高質(zhì)量數(shù)據(jù)管理技術(shù)賦能人工智能產(chǎn)品開發(fā)的能力發(fā)揮了關(guān)鍵作用，即利用前沿數(shù)據(jù)管理技術(shù)激活數(shù)據(jù)要素價值，從海量文獻數(shù)據(jù)中提取科學(xué)知識，為用戶提供智能化分析與決策服務(wù)，實現(xiàn)數(shù)據(jù)和人工智能的完美結(jié)合。

當(dāng)前，我國學(xué)術(shù)出版機構(gòu)也在積極探索如何將人工智能特別是生成式人工智能技術(shù)嵌入知識生產(chǎn)傳播與服務(wù)流程中，但面臨著數(shù)據(jù)科學(xué)技術(shù)和人工智能技術(shù)創(chuàng)新應(yīng)用方面的雙重能力不足?；谝陨涎芯浚ㄗh我國學(xué)術(shù)出版機構(gòu)基于自身情況對愛思唯爾的實踐邏輯和路徑加以創(chuàng)新性借鑒，抓住國家正在大力推進人工智能和數(shù)據(jù)產(chǎn)業(yè)高質(zhì)量發(fā)展的政策機遇，面向人工智能應(yīng)用和產(chǎn)品開發(fā)對高質(zhì)量數(shù)據(jù)資源的迫切需要，立足各專業(yè)領(lǐng)域用戶關(guān)鍵難題，以學(xué)術(shù)出版機構(gòu)持續(xù)更新的權(quán)威可信循證內(nèi)容為基礎(chǔ)，加快提升數(shù)據(jù)技術(shù)創(chuàng)新能力，積極利用數(shù)據(jù)科學(xué)、人工智能等前沿技術(shù)進行產(chǎn)品服務(wù)和業(yè)務(wù)模式創(chuàng)新，將高質(zhì)量內(nèi)容優(yōu)勢轉(zhuǎn)化為高質(zhì)量數(shù)據(jù)優(yōu)勢，將數(shù)據(jù)優(yōu)勢轉(zhuǎn)化為知識生產(chǎn)和決策服務(wù)優(yōu)勢；開發(fā)基于可信數(shù)據(jù)的分析與決策類人工智能產(chǎn)品，逐步轉(zhuǎn)型為解決方案類產(chǎn)品提供商，使智能分析與決策服務(wù)類業(yè)務(wù)成為推動學(xué)術(shù)出版機構(gòu)可持續(xù)發(fā)展的核心業(yè)務(wù)，從而在“數(shù)據(jù) + 人工智能”雙重驅(qū)動下加快推進學(xué)術(shù)出版業(yè)從數(shù)字化向數(shù)據(jù)化、智能化轉(zhuǎn)型升級，培育出版業(yè)新質(zhì)生產(chǎn)力。

注釋

[1] RELX2024Annual Report[EB/OL].[2025-02-30].https：//www.relx.com/～/media/Files/R/RELX-Group/ documents/reports/annual-reports/relx-2024-annual-report.pdf

[2]國家發(fā)展改革委等部門關(guān)于促進數(shù)據(jù)產(chǎn)業(yè)高質(zhì)量發(fā)展的指導(dǎo)意見[EB/OL].[2025-01-03].https ∵ //www. gov.cn/zhengce/zhengceku/202412/content_6995430.htm

[3]

[5]

[6]

[17] Elsevier introduces authoritative scientific Datasets to fuel innovationand businesscritical decisions in lifesciences，chemicalsand other research-intensive industries[EB/OL].[2024- 05-30].https：//www.elsevier.com/about/press-releases/elsevier-introduces-authoritative-scientificdatasets-to-fuel-innovation-and

[4] 5 reasons to pay attention to machine learning[EB/OL].[2024-04-15].https ∵ //www.elsevier.com/ connect/archive/5-reasons-to-pay-attention-to-machine-learning

[7]

[11]

[14] Today’s innovations are built on organized data[EB/OL].[2024-04-20].https ∵ //www. elsevier.com/connect/todays-innovations-are-built-on-organized-data

[8] 何為本體——本體如何作用于生命科學(xué)領(lǐng)域的數(shù)據(jù)管理[EB/OL].[2024-04-10].https：//news.sohu.com/ a/583526091_120728294

[9]Harnessing ontologies for pharma ∵ Dr Jane Lomax on the synergy of Al and scientific expertise[EB/OL].[2024-04-29].https ∵ //www.elsevier.com/connect/harnessing-ontologies-forpharma-dr-jane-lomax-on-the-synergy-of-ai-and-scientific-expertise

[10]解鎖科學(xué)數(shù)據(jù)的技術(shù)[EB/OL].[2024-05-13].https ∵ //www.elsevier.com/zh-cn/products/scibite

[12]

[15] Are ontologies stillrelevant in the age of LLMs？[EB/OL].[2024-05-20].https：//scibite.com/ news/are-ontologies-still-relevant-in-the-age-of-llms

[13] Howwe’re using Al to boost productivity for chemistry researchers[EB/OL].[2024-04-08].https ：// www.elsevier.com/connect/how-were-using-ai-to-boost-productivity-for-chemistry-researchers

[16] The perils，pitfalls and promise of generative Al for Ramp;D[EB/OL].[2024-04-16].https ∵ //webinars. elsevier.com/elsevier/The-perils-and-pitfals-of-generative-Artificial-Intelligence-for-R-D

[18] Elsevier Introduces SciBite Chat a transformative Al-Powered Semantic Search Tool for Life Sciences[EB/OL].[2024-05-20].https：//www.elsevier.com/about/pres-releases/elsevier-introducesscibite-chat-a-transformative-ai-powered-semantic-search

[19] How knowledge graphs can supercharge drug repurposing[EB/OL].[2024-05-19].https：//www. elsevier.com/connect/how-knowledge-graphs-can-supercharge-drug-repurposing

[20]Amsterdam Data Science and Elsevier Sign Long-Term Collaboration Agreement to Boost Local Data Science Scene[EB/OL].[2025-02-11].https：//www.prnewswire.com/news-releases/amsterdamdata-science-and-elsevier-sign-long-term-colaboration-agreement-to-boost-local-data-sciencescene-599428271.html

[21] How Al and knowledge graphs can make your research easier[EB/OL].[2024-05-11].https ：// www.elsevier.com/connect/how-ai-and-knowledge-graphs-can-make-your-research-easier [22] ClinicalKey Al Wins“Al Innovation Award”in 8th Annual MedTech Breakthrough Awards Program[EB/OL].[2024-06-11].https：//www.elsevier.com/about/press-releases/clinicalkey-ai-winsai-innovation-award

[23]Launch of Scopus Al to Help Researchers Navigate the World of Research[EB/OL].[2025-03-12]. https：//www.elsevier.com/about/pres-releases/launch-of-scopus-ai-to-help-researchers-navigatethe-world-of-research

[24] How we help researchers find that needle[EB/OL].[2024-05-16].https：//www.elsevier.com/ connect/how-we-help-researchers-find-that-needle

[25] Behind the scenes of your ScienceDirect COvID search[EB/OL].[2024-05-21].https：//www. elsevier.com/connect/behind-the-scenes-of-your-sciencedirect-covid-search

[26] Elsevier Health introduces Sherpath Al to address challenges facing US nursing education[EB/ OL].[2024-06-20].https：//www.elsevier.com/about/press-releases/elsevier-health-introducessherpath-ai-to-address-challenges-facing-us

[27] Elsevier Health partners with OpenEvidence todeliver trusted evidence-based clinical content poweredby responsible Alto support physicians’clinical decisions[EB/OL].[2024-06-05].https：//www. elsevier.com/about/pres-releases/elsevier-health-partners-with-openevidence-to-deliver-trustedevidence-based

[28]Elsevier Health launches ClinicalKeyAl，themost advanced GenAl-powered clinical decision support tool for clinicians[EB/OL].[2024-06-21].htps：//www.elsevier.com/about/press-releases/ elsevier-health-launches-clinicalkey-ai-the-most-advanced-gen-ai-powered

[29][32] Unlocking the powerof chemistrypatentswithAl[EB/OL].[2024-05-25].https：//www.elsevier. com/connect/unlocking-the-power-of-chemistry-patents-with-ai

[30][31] Elsevier and Iktospartner to deliveranAl-driven synthetic chemistry platform for drug discovery[EB/OL].[2024-04-10].https：//www.elsevier.com/about/press-releases/elsevier-and-iktospartner-to-deliver-an-ai-driven-synthetic-chemistry

[33] Discover theAl breakthroughs in the Elsevier Al Lab[EB/OL].[2024-04-30].https：//www.toolify.ai/ ai-news/discover-the-ai-breakthroughs-in-the-elsevier-ai-lab-84131

[34]Scopus Al： Trusted content.Powered byresponsible Al[EB/OL].[2024-04-21].https：//www.elsevier. com/products/scopus/scopus-ai

[35]Elsevier takes Scopus to the Next Level with Generative Al[EB/OL].[2024-05-13].https：//www. elsevier.com/about/press-releases/research-and-journals/elsevier-takes-scopus-to-the-next-levelwith-generative-ai

（收稿日期：2024-09-21；修回日期：2025-04-20）