张 嶷

（悉尼科技大学澳大利亚人工智能研究所，悉尼NSW 2007）

从数据（Data）到信息（Information），再到知识（Knowledge）与情报（Intelligence），这条看似简单的链条，囊括了大数据框架下“数据驱动”的要义，也贯穿了数据科学的始终。以机器学习为代表的人工智能技术的飞速发展，为数据科学打开了新视野，带来了新方法。如何高效准确地发现知识、提炼情报，成为信息管理与图情领域的重要课题。《学科信息学与学科知识发现》一书由理论出发，介绍学科信息学体系；以数据为着眼点，剖析并归纳科技数据特征；立足于技术，探究学科知识发现的工具与方法；回归应用，挖掘新兴学科技术情报与创新机会。本文为读《学科信息学与学科知识发现》所悟所感，探讨当前应用于知识发现的文献计量学方法，以智能文献计量学为核心，强调其与人工智能技术的交互、整合与再创新，并剖析这一新兴技术趋势的应用优势及缺陷，浅谈其发展前景。

1 文献计量学

现代文献计量学源自Derek Price博士对科学活动模式的观测。早期的文献计量学强调用于分析图书的数学与统计学方法，而伴随着20世纪90年代以来信息技术的迅速发展与数据形式及规模的爆炸式增长，文献计量学的分析对象从图书扩展到包含学术论文、专利、技术报告以及项目申请书等在内的广义的科技文献数据。同时，科学活动的载体不再局限于科技文献，广泛的科技数据、大数据时代所兴起的社交媒体数据以及蕴含科学活动模式的一切信息资源纷纷进入文献计量学的研究范畴，至此文献计量学、科学计量学（Scientometrics）与信息计量学（Informetrics）相互融合，分析方法逐步趋同。……