第二步：数据源的自动分类。为实现大规模数据源的自动分类功能，首先需要对数据源进行功能结构识别。本文提出借鉴陆伟等的研究方法，利用词汇特征和机器学习的方法对数据源的功能结构自动分类[32]，基于数据源的类型词汇特征、数据源要素分布及词汇特征，结合神经网络分类器训练的方法，实现对数据源按照领域专题、产业技术、产业专题、情报报告、机构数据库等类别的自动分类。

第三步：目标任务抽取模型。为了高效地实现科技情报自动感知功能，需要对分类后的数据源实现基于用户要求的目标任务抽取。该模型是对RNN(循环神经网络)的改善，在处理过程中，采用卷积和Bi-LSTM-CRF循环神经网络模型对分类后的数据源进行抽取，Bi-LSTM(双向长短时记忆模型)能有效地解决RNN中梯度消失和梯度爆炸问题[33]，模型以词向量、句子特征向量和知识元素特征向量的卷积作为输入，输出层结合CRF(条件随机场)获取到全局优序列标注预测[34]。该模型将基于目标任务的分类数据源抽取表示成多元组的形式，对数据源中主体、对象、事项、性质和依据等元素进行表示与链接[35]。

2.3模块2：情境感知系统

情境感知系统由各种情境因素构成，科技情报感知过程需要结合一定的情境，情境内容会对感知结果产生一些具有针对性的影响，在情境条件的加持下感知结果会更加贴合用户的需求，不同的用户适配不同的情境内容，所以每次进行科技情报感知时都需要针对指定用户进行重新评估。情境感知系统在整个情报感知过程中具有举足轻重的作用，有时一些科技情报感知结果的产生就会因为忽视外部情境而出现严重的偏差，使科技情报工作缺失了最重要的准确性特征，相反，善于结合外部情境，就可以更加准确地掌握事态的方向，得出更加贴切的感知结果，更好地发挥情报工作的前瞻作用。

2.4情境感知系统实现方案

情境感知系统的设计使命就是采用科学的方法和手段采集特定情境下的数据，并将这些数据进行有效的融合。情境感知计算由Schilit等于1994年最先提出[36]，随着科学技术的不断发展，情境感知技术的研究也不断进步，情境感知的应用使用现有技术，利用情境信息，智能判断用户日常行为及目的。情境感知技术源于泛在计算的研究。简单来说就是通过传感器及其相关的技术使计算机设备能够“感知”到当前的情境，并相应地调整它们的行为，是以无干扰的方式为智能决策支持识别和应用感知的关键技术[37]。

由情境感知的定义可知，一个完整的情境感知系统包含情境提供、情境处理以及应用服务三部分。所以本文提出的适用于科技情报感知过程的情境感知系统见图2，通过传感器进行情境信息的提取，传感器终端获取到相关信息，同时将这些信息转换为数字信号，数字信号通过嵌入式系统进行处理和判断[38]；对提取到的情境感知信息进行有效的组合并协调执行，将计算资源分布并且嵌入到情境感知数据库中，方便AI代理根据用户需求获得合理服务。

图2 情境感知系统

2.5模块3：需求/反馈机制

需求/反馈机制主要是用来刻画人工智能与用户之间的互动关系，作为科技情报感知过程的核心部分，整个科技情报自动感知过程数据、信息、产品的流动几乎都发生在这一环节，这一环节的核心技术是人工智能技术，创新举措在于引入了AI代理代替了繁琐的人类劳动，AI代理可以智能化地处理多项事务，例如：教育、医疗健康、金融、自驾、安防、个人助理，等等，引入人工智能技术后的科技情报感知过程可以高效、准确、及时地进行情报工作，避免人工的消耗，降低决策制定的偶然性，提高数据分析处理效率。用户是整个科技情报感知过程的主角，用户把自身当前的科技情报产品需求传递给AI代理，AI根据用户需求对来自内、外部感知数据库的数据进行分析整合，整个数据感知环节全部经由AI代理来完成，用户所需要的情报产品也通过其反馈给用户。情报感知产品是AI代理在完成用户需求后，根据用户的产品需求情况，综合外部感知数据库等多方面条件因素，对用户未来的科技情报产品需求而做出的一个预测，情报感知产品会在后续时刻推送给用户，方便用户更好地把握科技情报工作未来发展趋势，推动科技情报工作的可持续发展。

基于人工智能的科技情报感知过程实现了科技情报需求自动感知功能，传统的情报感知过程多是依赖于情报人员的决策能力，需要情报人员主动地综合运用各种数据分析处理方法进行评估后得出情报感知结果，这个过程是在完成用户需求后进行的后续的处理过程，而人工智能的运用使得科技情报感知过程变成了一个自动生成情报感知产品并将其推送反馈给用户的过程，变原来的主动为自发，更加适应情报3.0时代的需求，推进我国科技创新和科学决策服务发展。

文章来源：《地质科技通报》 网址: http://www.dzkjqbzz.cn/qikandaodu/2020/1001/400.html

上一篇：基于Python的科技情报智能化识别检索系统的研
下一篇：基于人工智能的科技情报需求自动感知研究<sup