面向技術創(chuàng)新的企業(yè)智能情報服務平臺構建

馮向梅 顧方 魯瑛 周群芳 王俊松 肖甲宏

（1. 中國化工信息中心有限公司情報資訊事業(yè)部，北京 100029；2. 寶武集團（寶鋼）中央研究院，上海 200126）

鑒于日益復雜多變的信息環(huán)境和信息服務競爭不斷加劇的狀況，加之面臨貿(mào)易沖突升級的國際局面，以及提升自主創(chuàng)新能力的迫切需求，科技創(chuàng)新成為企業(yè)降本增效和增強核心競爭力的關鍵，受到企業(yè)廣泛重視。同時，國家密集出臺多項科技創(chuàng)新政策，支持和鼓勵企業(yè)科技創(chuàng)新戰(zhàn)略方案的實施。

技術創(chuàng)新作為推動科技創(chuàng)新發(fā)展的關鍵舉措，不僅能夠?qū)崿F(xiàn)關鍵技術、核心技術、“卡脖子”技術攻關，大力提升企業(yè)自主創(chuàng)新能力，提升產(chǎn)業(yè)鏈現(xiàn)代化水平，掌握競爭和發(fā)展的主動權，還能夠與競爭企業(yè)保持信息對稱[1]，盡快將技術成果轉(zhuǎn)化為產(chǎn)業(yè)競爭優(yōu)勢。因此，如何開展技術創(chuàng)新成為每個企業(yè)發(fā)展科技創(chuàng)新要思考的關鍵命題，而提供全面、準確、及時、可靠的技術情報服務是開展技術創(chuàng)新的必要條件。

本文以需求為導向，通過梳理目前國內(nèi)外企業(yè)情報服務平臺建設現(xiàn)狀，分析新形勢下企業(yè)開展情報服務的需求，以此研發(fā)面向技術創(chuàng)新的企業(yè)智能情報服務平臺。通過海量異構數(shù)據(jù)的匯聚和整合，基于多源數(shù)據(jù)融合技術、文本挖掘技術、機器學習技術，不僅實現(xiàn)領域技術識別、領域技術評估、領域技術關系挖掘等面向技術生命周期的一站式管理，而且能夠?qū)崿F(xiàn)機構、專家等優(yōu)勢資源的多維分析，從而為企業(yè)技術情報研究提供高效工具，為企業(yè)技術布局提供戰(zhàn)略決策支撐。

1 技術創(chuàng)新的概念界定

技術創(chuàng)新的思想可追溯于熊彼特的創(chuàng)新理論[2]，之后眾多學者從行為、經(jīng)濟、產(chǎn)品、時序等角度對技術創(chuàng)新的概念進行表述。從狹義角度講，技術創(chuàng)新是指人們在新產(chǎn)品開發(fā)或老產(chǎn)品改進中重新組織生產(chǎn)條件和要素，創(chuàng)造性地運用不同的方法、工藝、工具或裝備的過程，并取得顯著經(jīng)濟效益或具有潛在長遠的經(jīng)濟效益，通常包括產(chǎn)品創(chuàng)新和過程（工藝）創(chuàng)新等。從廣義角度講，技術創(chuàng)新是指人們在生產(chǎn)實踐活動中重新組織生產(chǎn)條件和要素，創(chuàng)造性地運用其在科學實驗和生產(chǎn)活動過程中所積累知識、經(jīng)驗和技能的過程，并取得顯著的經(jīng)濟效益或具有潛在長遠的經(jīng)濟效益，通常包括產(chǎn)品創(chuàng)新、過程（工藝）創(chuàng)新、市場創(chuàng)新、組織創(chuàng)新和制度創(chuàng)新等。

錢旭潮等[3]認為企業(yè)技術創(chuàng)新經(jīng)歷了微創(chuàng)新、集成創(chuàng)新、延伸創(chuàng)新和持續(xù)創(chuàng)新階段。微創(chuàng)新是零件層面，是指企業(yè)能夠進行簡單的單項技術創(chuàng)新，大大提高了該零部件的性能、質(zhì)量，或生產(chǎn)效率。集成創(chuàng)新是產(chǎn)品層面，是指基于多項微創(chuàng)新，發(fā)明一個新產(chǎn)品或改進現(xiàn)有產(chǎn)品的核心技術。延伸創(chuàng)新是系統(tǒng)層面，是指在產(chǎn)品的基礎上加入衍生產(chǎn)品或服務形成一個整體。持續(xù)創(chuàng)新是領域?qū)用妫侵钙髽I(yè)能夠繼續(xù)保持領域或行業(yè)內(nèi)的技術領先，主導或參與行業(yè)標準制定，是技術的領跑者。

因此，無論是從定義內(nèi)涵還是從發(fā)展階段來說，都需要對現(xiàn)有市場、產(chǎn)品、競爭對手所研發(fā)的技術情況進行全面系統(tǒng)的梳理和掌握，對世情、行情、市情有精準快速了解，從而為企業(yè)技術研發(fā)、技術創(chuàng)新和戰(zhàn)略部署提供支撐依據(jù)。

2 企業(yè)技術情報服務相關研究

通過文獻調(diào)研發(fā)現(xiàn)，目前企業(yè)技術情報服務相關研究主要圍繞技術情報的服務方法、服務平臺、服務內(nèi)容3個方面展開。

技術情報服務方法研究主要采用以下3種方法：①以德爾菲法[4-6]為主，側重于國家級或重點領域的技術預見研究；②采用機器學習、文本挖掘等智能算法對技術情報進行分析，如許學國等[7]采用機器學習方法對新能源汽車核心技術識別，周源等[8]采用機器學習方法對機器人領域的新興技術進行識別，王秀紅等[9]基于BERTLDA對農(nóng)業(yè)機器人的關鍵技術進行識別；③采用智能算法、評價模型等多種組合方法對技術情報進行分析，如TF-IDF和多指標評價模型[10]、LDA主題模型和ROST[11]、知識聚類和鏈路預測方法[12]等。

技術情報服務平臺研究主要集中在風電、電力、軌道交通等領域。魯嘯等[13]以風電企業(yè)技術情報平臺建設為例，針對資源利用不足、工作管理不便、溝通成本較大、成果共享范圍窄等現(xiàn)存問題，設置動態(tài)信息、資料庫、資源導航、情報需求、情報團隊等欄目，用于服務內(nèi)部技術創(chuàng)新。劉民[14]充分利用元數(shù)據(jù)資源整合、知識發(fā)現(xiàn)、可視化圖譜等技術，構建電力企業(yè)競爭情報服務平臺，提出SNS個人知識管理、綜合趨勢分析、機構內(nèi)部評估分析、情報挖掘服務、可視化圖譜、人才評估分析、調(diào)研輔助等創(chuàng)新服務。李子林等[15]充分利用海量多源異構數(shù)據(jù)歸集、基于智能算法的科技資源深度組織等技術，滿足我國軌道交通行業(yè)科技情報服務存在整合海量多源異構數(shù)據(jù)、實現(xiàn)數(shù)據(jù)驅(qū)動科研熱點研判、提供聚焦領域知識細分的專題定制以及搭建行業(yè)高端知識交流社群等發(fā)展需求。

技術情報服務內(nèi)容研究主要圍繞技術生命周期展開，具體包括以下3類。①不同技術類型的識別，如婁巖等[16]利用專利文獻和技術的關聯(lián)關系進行替代性技術識別；吳菲菲等[17]從創(chuàng)新性和學科交叉性角度構建前沿技術探測模型；黃魯成等[18]基于專利分析的客觀分析方法為基礎構建了顛覆性技術識別框架；此外，還有學者對新興技術[19-20]、前沿技術[21]、核心技術[22]、關鍵技術[11，23]等方面展開研究。②技術跟蹤和監(jiān)測，如崔怡雯等[24]提出面向顛覆性創(chuàng)新的領域技術監(jiān)測分類體系。③技術預見或技術預測，既有日本、韓國等開展的國家級技術預見，也有面向智能制造[25]、生物醫(yī)藥[26]、全球能源[27]等不同科技領域的技術預測等。

由此看出，目前企業(yè)技術情報服務呈現(xiàn)以下特點：第一，大數(shù)據(jù)、文本挖掘、可視化等智能技術已成為技術情報服務平臺建設的必要手段；第二，海量異構資源的整合成為技術情報服務平臺建設的必要基礎；第三，技術情報服務平臺的研發(fā)、應用和推廣還有待深入。雖然目前技術情報服務內(nèi)容研究較為豐富，但技術情報服務平臺（或系統(tǒng)）的研發(fā)并不多見，且大多涉及概念模型、系統(tǒng)架構、模塊功能等設計層面，對技術識別的關鍵技術及技術關系揭示、技術類型評價等細節(jié)內(nèi)容涉及較少，有待于領域技術識別、技術預見等模塊和功能的進一步研發(fā)和應用推廣。

3 面向技術創(chuàng)新的企業(yè)技術情報服務需求分析

經(jīng)文獻調(diào)研發(fā)現(xiàn)，企業(yè)技術情報服務在分析內(nèi)容、分析算法、分析內(nèi)容等方面已有較多研究成果，但仍存在分析結論不便于管理與共享、用戶使用不夠便捷、技術分析缺乏連續(xù)性等不足。因此，構建靈活、精準、智能、專業(yè)的企業(yè)技術情報服務平臺成為企業(yè)持續(xù)技術創(chuàng)新的基礎和必需。

3.1 基于多源數(shù)據(jù)、智能集成的平臺結構

企業(yè)的業(yè)務場景復雜，且技術載體日益多元，為了避免決策結果偏差，保障結果全面準確和科學可信，需要海量多源異構數(shù)據(jù)作為支撐。針對海量異構的資源需求，傳統(tǒng)人工上傳的方式已不能滿足數(shù)據(jù)采集的需要，因此需要借助智能工具實現(xiàn)高效的多源數(shù)據(jù)智能采集和集成，對平臺結構方面的需求主要集中在以下3個方面。第一，多源數(shù)據(jù)的智能爬取。通過研發(fā)網(wǎng)絡爬蟲工具，實現(xiàn)對特定互聯(lián)網(wǎng)資源的動態(tài)監(jiān)測和實施抓取。第二，數(shù)據(jù)質(zhì)量智能檢查。通過制定規(guī)則，以機器自動檢測為主，實現(xiàn)對數(shù)據(jù)完整性等質(zhì)量指標進行核查。第三，多源數(shù)據(jù)的智能集成。企業(yè)底層資源的大數(shù)據(jù)尚未實現(xiàn)統(tǒng)一的組織和管理，海量的數(shù)據(jù)資源增加了用戶獲取細粒度知識的難度，不同的數(shù)據(jù)標準也導致了“數(shù)據(jù)孤島”的存在，嚴重影響了企業(yè)大數(shù)據(jù)資源價值的有效過濾、發(fā)現(xiàn)和挖掘。通過制定統(tǒng)一的數(shù)據(jù)模型和元數(shù)據(jù)，規(guī)范和約束多源數(shù)據(jù)的數(shù)據(jù)結構，并采用數(shù)據(jù)結構自適應技術，實現(xiàn)多源異構數(shù)據(jù)的數(shù)據(jù)匯聚和集成，從而為情報服務的開展提供底層數(shù)據(jù)的智能化支撐。

3.2 基于領域技術研判的平臺功能

傳統(tǒng)基于人工對領域技術進行研判的工作，已不能適應大數(shù)據(jù)環(huán)境下的情報服務需求。第一，海量數(shù)據(jù)及信息處理已經(jīng)超出人工處理的范疇，且人工對領域技術進行研判，不僅費時費力，而且最終結果不便于溯源和管理；第二，由于缺乏客觀數(shù)據(jù)的支撐，專家存在主觀認知偏差和知識盲區(qū)，由人工進行領域技術研判易產(chǎn)生偏差，不夠全面；第三，面對不同技術類型的研判，由人工來處理加工，難以分析數(shù)據(jù)之間的語義關系，對數(shù)據(jù)分析的深度不夠，容易造成結果的不準確；第四，線下開展的技術識別、跟蹤工作，缺少統(tǒng)一平臺進行展示和呈現(xiàn)，不便于共享。

面向不同業(yè)務和決策需求，采用文本挖掘、機器學習、知識發(fā)現(xiàn)等技術，基于海量數(shù)據(jù)對領域內(nèi)的關鍵技術、核心技術、前沿技術、顛覆性技術等不同技術類型進行識別、評價和研判，全面分析領域內(nèi)技術及其之間的關聯(lián)，進一步發(fā)掘隱藏在軟件數(shù)據(jù)背后的潛在和有價值的信息[28]，實時動態(tài)展示不同技術主題變化趨勢，把握領域技術發(fā)展走勢，是企業(yè)技術創(chuàng)新的核心內(nèi)容。

3.3 基于用戶參與、精準智能的平臺服務

企業(yè)情報用戶的需求不僅呈現(xiàn)出多樣化、多層面、個性化、專業(yè)化等特點，還需要以自治的、個性化服務的方式來滿足需求，因此需要對傳統(tǒng)“機械式”情報服務方式進行改革，在情報服務過程中強調(diào)用戶全程參與的原則，從需求驅(qū)動到反饋設計都強調(diào)用戶參與，逐步建立聯(lián)動機制，從而滿足用戶的個性化情報需求。

置身于信息爆炸和信息冗余的環(huán)境，“千人一面”的情報服務方式難以適應多樣化的情報需求，因此迫切需要建立大數(shù)據(jù)驅(qū)動的精準智能服務體系，研發(fā)多元情報產(chǎn)品，拓展情報服務模式，實現(xiàn)即時的個性化響應，將情報有效傳達到用戶，實現(xiàn)點對點的情報服務，滿足情報用戶的個性化服務訴求。此外，目前用戶需要的是融合多種服務方式的情報服務，是一種具有“前瞻性”的情報服務需求，這就需要采用智能技術和智能工具，深度加工底層數(shù)據(jù)，識別和挖掘底層數(shù)據(jù)之間的語義關聯(lián)，充分利用企業(yè)的靜態(tài)和動態(tài)資源，為提供多樣化的、深度的、精準的情報服務奠定基礎。而且，現(xiàn)有的通用工具雖然也能夠?qū)σ欢〝?shù)量的數(shù)據(jù)進行語義分析和加工，但面對專業(yè)領域內(nèi)的數(shù)據(jù)，輸出結果存在不能夠解讀、不夠準確等弊端，因此需要提供專業(yè)化的情報服務，以滿足用戶的情報需求。

4 面向技術創(chuàng)新的企業(yè)智能情報服務平臺研發(fā)

4.1 企業(yè)智能情報服務平臺的信息生態(tài)圈

信息生態(tài)管理是智能情報服務實施的關鍵環(huán)節(jié)[29]。企業(yè)智能情報服務平臺的信息生態(tài)圈（見圖1）從內(nèi)到外由信息主體鏈、信息本體鏈和信息環(huán)境鏈組成。

圖1 企業(yè)智能情報服務平臺的信息生態(tài)圈

（1）信息主體鏈。信息主體鏈是由信息生產(chǎn)者、分解者、傳遞者、消費者4類信息主體形成的一個完整的閉環(huán)循環(huán)系統(tǒng)。信息生產(chǎn)者主要是指數(shù)據(jù)服務商，負責信息的采集和生產(chǎn)；信息分解者和傳遞者主要包括情報服務人員，需要具備情報分析、預測、服務專業(yè)技術，負責將信息進行組織、序化、加工，并且依據(jù)用戶需求，篩選、集成和傳遞信息；信息消費者主要是指用戶，對信息服務成果進行利用和評價。但這些信息主體的角色并不單一和固化，例如數(shù)據(jù)服務商還可以作為信息傳遞者擔負信息組織、集成職責，為企業(yè)智能情報服務提供有力支撐。用戶是智能情報服務的需求方，同時他們在平臺中也充當專家角色，將自身知識和經(jīng)驗外化從而貢獻知識成果，又可作為信息的生產(chǎn)者和傳遞者。

（2）信息本體鏈。信息本體鏈涵蓋的是各類數(shù)據(jù)資源，主要包括文獻資源、內(nèi)部數(shù)據(jù)、行為數(shù)據(jù)、服務數(shù)據(jù)等。文獻資源優(yōu)選高質(zhì)量權威數(shù)據(jù)源，覆蓋期刊、會議、學位論文、項目、報告等多種類型，為提供高水平的智能情報服務奠定豐富的數(shù)據(jù)基礎；服務數(shù)據(jù)包括用戶評價反饋、機構專家名單等；行為數(shù)據(jù)是指用戶在平臺上留下的行為數(shù)據(jù)，如用戶訪問日志、瀏覽時間、瀏覽次數(shù)等；對服務數(shù)據(jù)和行為數(shù)據(jù)的分析和利用，便于準確把握用戶的情報需求，為個性化的情報服務提供依據(jù)；內(nèi)部數(shù)據(jù)是由企業(yè)內(nèi)部創(chuàng)造的數(shù)據(jù)，包括模型指標數(shù)據(jù)、技術點版本管理、技術點點評數(shù)據(jù)、領域詞典等，作為智能情報服務正常開展的基礎和保障。

（3）信息環(huán)境鏈。企業(yè)內(nèi)外部環(huán)境和信息技術構成該企業(yè)智能情報服務的信息環(huán)境鏈。內(nèi)部環(huán)境是情報服務有序進行的基礎，信息技術是系統(tǒng)的技術支撐，外部環(huán)境是情報服務合法運轉(zhuǎn)的保障和約束。

內(nèi)部環(huán)境是保障情報服務有序運轉(zhuǎn)的基礎設施、網(wǎng)絡設備、服務平臺、管理制度等，它們?yōu)樾畔①Y源的采集、加工處理、存儲、數(shù)據(jù)分析、成果發(fā)布等一系列工作提供基礎保障和支撐，內(nèi)部環(huán)境直接影響企業(yè)智能情報服務的服務質(zhì)量、服務方式、服務流程和服務情境。

外部環(huán)境是對系統(tǒng)內(nèi)部活動能夠產(chǎn)生影響的要素，主要包括宏觀的信息政策、信息法律、信息文化和倫理等，是情報交流、應用、分享、傳播的合法性保障和約束，能夠保障情報服務創(chuàng)新，保持健康良性的發(fā)展方向。

信息技術是保障信息流轉(zhuǎn)及信息生態(tài)鏈的合理流動，用于開發(fā)、交流、管理、利用信息資源，使得信息傳遞得到擴大并延伸的技術方法、傳播方法和傳遞途徑。智能技術的迅猛發(fā)展為面向技術創(chuàng)新的企業(yè)智能情報服務提供了前所未有的機遇，提升了機構智能情報服務能力，拓展了機構智能情報服務的深度，改善了情報服務方式和質(zhì)量[30]。

4.2 企業(yè)智能情報服務平臺的框架設計

本文基于信息生態(tài)理論構建企業(yè)智能情報服務平臺的信息生態(tài)圈，并以此為基礎，以用戶需求為導向，研發(fā)面向技術創(chuàng)新的企業(yè)智能情報服務平臺。搭建的企業(yè)智能情報服務平臺框架（見圖2）主要包括基礎設施層、數(shù)據(jù)資源層和服務應用層3個層次，它們對應于智能情報服務平臺信息生態(tài)圈中的信息環(huán)境、信息本體和信息主體3個部分：①基礎設施層是智能服務的物質(zhì)基礎和技術支撐；②數(shù)據(jù)資源層為創(chuàng)新服務提供文獻資源等核心資源，以及文本智能解析、自動分類、主題建模、圖譜構建、關聯(lián)挖掘等數(shù)據(jù)處理技術；③服務應用層是智能服務的頂層交互端口，為用戶提供大數(shù)據(jù)驅(qū)動的各類技術發(fā)現(xiàn)、技術監(jiān)測、優(yōu)勢資源分析、個性化服務等技術情報服務。該平臺既是為用戶提供個性化服務的情報平臺，也是智能的用戶自助服務平臺。

圖2 企業(yè)智能情報服務平臺框架

多層次的結構設計保證了平臺在大數(shù)據(jù)環(huán)境下具有較強的適應性和可擴展性，通過信息環(huán)境、信息本體、信息主體等組成部分的重新綜合和分層，可以揭示各要素在上下業(yè)務流程中的關聯(lián)。一方面，用戶可以在滿足需求的驅(qū)動下訪問情報資源，信息基礎設施將獲取、感知、識別和上傳用戶在訪問資源時產(chǎn)生的服務數(shù)據(jù)、文獻資源和行為數(shù)據(jù)等。情報服務人員可以利用數(shù)據(jù)挖掘、機器學習、人工神經(jīng)網(wǎng)絡等數(shù)據(jù)處理技術對上述數(shù)據(jù)進行管理、組織和分析，實現(xiàn)不同的情報服務，底層資源數(shù)據(jù)和服務數(shù)據(jù)的結合有助于用戶作出高效準確的決策，實現(xiàn)數(shù)據(jù)驅(qū)動決策功能。深入分析底層數(shù)據(jù)資源還可以幫助用戶實現(xiàn)知識整合和知識發(fā)現(xiàn)，提供發(fā)現(xiàn)隱性知識關聯(lián)的服務功能。服務數(shù)據(jù)和用戶行為數(shù)據(jù)有助于情報服務人員預測用戶的個人需求，并提供準確的知識推薦服務。

大數(shù)據(jù)驅(qū)動下面向技術創(chuàng)新的企業(yè)智能情報服務，能夠幫助用戶實現(xiàn)從掌握知識、創(chuàng)新知識到獲得智慧的過程。在此基礎上，用戶在需求驅(qū)動下，將更加積極地參與創(chuàng)建本地內(nèi)容，實現(xiàn)對高質(zhì)量數(shù)據(jù)的沉淀。同時情報服務人員將進一步根據(jù)服務數(shù)據(jù)、業(yè)務數(shù)據(jù)、用戶行為數(shù)據(jù)等，提供精準、專業(yè)的知識推薦，從而形成企業(yè)智能情報服務的循環(huán)發(fā)展生態(tài)鏈。

4.2.1 基礎設施層

大數(shù)據(jù)的獲取、存儲、管理、組織、分析和應用依賴于穩(wěn)定的基礎設施支持，基礎設施層為企業(yè)智能情報服務的開展提供了一個必要的支撐環(huán)境，實現(xiàn)了大數(shù)據(jù)驅(qū)動下的智能服務。設施包括一系列硬件感知的IT基礎設施設備、存儲設備、網(wǎng)絡設備、監(jiān)視器等。完善的數(shù)據(jù)感知識別系統(tǒng)具有紙質(zhì)信息資源、數(shù)字信息資源等信息的深度感知、測量和捕獲功能，能夠?qū)崟r對大數(shù)據(jù)的全面感知、智能識別和實時上傳。實現(xiàn)大數(shù)據(jù)驅(qū)動的企業(yè)智能情報服務，還需要結合一系列智能技術來支持大數(shù)據(jù)處理，從海量數(shù)據(jù)中實現(xiàn)聚類分析、統(tǒng)計分析、語義分析、預測分析、知識關聯(lián)分析等功能。如大數(shù)據(jù)、云計算技術、區(qū)塊鏈技術為數(shù)據(jù)資源存儲、各類異構資源的整合提供了解決方案；用戶畫像、個性化推薦和主動推送技術可以精準把握用戶需求，實現(xiàn)主動知識服務；人工智能和機器學習技術能夠?qū)崿F(xiàn)知識萃取、技術挖掘、關系推理等功能，為企業(yè)智能情報服務開展提供技術支撐和保障。

4.2.2 數(shù)據(jù)資源層

數(shù)據(jù)資源層負責底層數(shù)據(jù)的管理和分析，基于底層算力，綜合運用文本智能解析、自動分類、主題建模、圖譜構建、關聯(lián)挖掘等智能分析方法，對文獻資源、內(nèi)部數(shù)據(jù)、行為數(shù)據(jù)、服務數(shù)據(jù)等數(shù)據(jù)資源進行深度加工、關聯(lián)分析和重復利用，提升底層資源豐度和價值，探索用戶行為模式，為面向技術創(chuàng)新的多個應用場景賦能。

4.2.3 服務應用層

服務應用層是整個系統(tǒng)的頂層交互端口，直接面向用戶，通過多元化的產(chǎn)品形式，為用戶提供智能情報服務。數(shù)據(jù)應用主要體現(xiàn)在大數(shù)據(jù)驅(qū)動的智能服務生態(tài)鏈的發(fā)展上，依賴于數(shù)據(jù)、情報服務人員、用戶、平臺、環(huán)境等生態(tài)要素的互動[31]。平臺為智能情報服務的開展提供了環(huán)境和數(shù)據(jù)，情報服務人員通過標準或規(guī)則，對海量數(shù)據(jù)進行序化、組織和整合，充分挖掘數(shù)據(jù)價值，作為提供智能情報服務的前提。用戶在獲得情報服務的基礎上，可開展更高層次的知識創(chuàng)新活動，產(chǎn)生數(shù)據(jù)將進一步豐富底層數(shù)據(jù)，推動智能情報服務的開展和實施。

情報服務人員主要為企業(yè)用戶提供4種技術創(chuàng)新情報服務：技術監(jiān)測、技術發(fā)現(xiàn)、優(yōu)勢資源分析和個性化服務。技術監(jiān)測服務主要是實時關注與領域技術相關的政策更新、行業(yè)發(fā)展、企業(yè)競爭、技術變革動態(tài)、周邊動態(tài)等國內(nèi)外資訊，并能夠?qū)χ攸c主題提供檢測預警。技術發(fā)現(xiàn)服務主要是能夠?qū)︻I域內(nèi)的前沿技術、新興技術、顛覆性技術、關鍵技術等不同技術類型進行識別，同時也能夠?qū)夹g發(fā)展趨勢、技術間關系進行研判和推斷。優(yōu)勢資源分析是指篩選出領域內(nèi)或區(qū)域內(nèi)的優(yōu)勢技術、頭部機構、TOP專家等資源，并進行可視化呈現(xiàn)。個性化服務是指用戶可以定制感興趣的主題，利用平臺數(shù)據(jù)處理功能直接智能分析，全程零代碼操作，能夠快速獲取分析結果。

4.3 企業(yè)智能情報服務平臺的關鍵技術

4.3.1 多源數(shù)據(jù)整合技術

大數(shù)據(jù)環(huán)境下，技術相關數(shù)據(jù)涉及期刊、會議、專利、項目、資訊、科技報告、標準等多種文獻類型，數(shù)據(jù)類型涉及字符串型、文本型、數(shù)值型等，數(shù)據(jù)結構龐雜。服務于不同企業(yè)的個性化情報服務系統(tǒng)間缺乏統(tǒng)一的元數(shù)據(jù)標準，相同屬性的元數(shù)據(jù)存在差異和不一致性，機械的數(shù)據(jù)整合會造成偏差，影響數(shù)據(jù)質(zhì)量，因此明確各類數(shù)據(jù)的業(yè)務含義、數(shù)據(jù)元含義、數(shù)據(jù)項屬性等內(nèi)容，建立數(shù)據(jù)字段間的映射關系，并且根據(jù)業(yè)務含義，建立不同層次的主題域，明確不同層次主題域中的字段數(shù)量，從而建立統(tǒng)一的數(shù)據(jù)模型，便于數(shù)據(jù)流轉(zhuǎn)和集成。

多源數(shù)據(jù)整合遵循如下步驟。首先，按照資源類型創(chuàng)建資源類型模型，并賦予唯一的資源類型ID。其次，針對每個資源類型ID，采用動態(tài)數(shù)據(jù)存儲技術，自動感知和識別錄入數(shù)據(jù)的字段名稱、數(shù)據(jù)類型、長度范圍。最后，對已入庫的數(shù)據(jù)進行自動巡檢，重點關注同一資源類型ID內(nèi)，數(shù)據(jù)字段是否重復；制定去重規(guī)則，檢查同一資源類型ID內(nèi)，數(shù)據(jù)是否冗余，如存在數(shù)據(jù)重復，則刪除重復數(shù)據(jù)。

4.3.2 主題聚類技術

文本主題聚類可以協(xié)助發(fā)現(xiàn)文本中蘊含的主題，是進行領域技術挖掘和識別的基礎，常用的主題聚類方法有潛在語義索引（Latent Semantic Indexing，LSI）、隱含狄利克雷分布（Latent Dirichlet Allocation，LDA）等主題模型。本平臺以LDA主題模型為基礎，在文本預處理、主題模型構建等方面進行改良，不僅提高了計算效率，而且操作簡單易行，分析結果的準確性大大提升。

文本預處理階段，建立句子級的句法切分框架，通過建立多個基于語法規(guī)則的上下文無關文法（Context Free Grammers，CFG），完成對英文文本分詞操作。目前對英文文本語句拆分經(jīng)常使用的是依據(jù)空格，或者使用CFG框架進行切分，這樣容易造成短語的分裂，從而降低單詞的語義內(nèi)涵，而本平臺使用的根據(jù)語句特點建立的語法規(guī)則CFG，不僅能使得單詞的語義得到最大程度的保留，而且簡單便于操作，占用內(nèi)存小，容易實現(xiàn)工程化推廣應用。

主題模型階段，主題數(shù)、迭代次數(shù)、文檔-主題先驗參數(shù)α和主題-單詞先驗參數(shù)β的設置自動化，免除憑借人工經(jīng)驗的賦值，大大提升主題識別的準確性，降低了操作難度，為后續(xù)不同技術類型的識別和挖掘奠定堅實客觀基礎。主題數(shù)取困惑度曲線的峰值；迭代次數(shù)與主題數(shù)成正比，迭代次數(shù)I與主題數(shù)量K存在以下關系：當K≤10，I=3000；當K＞10，I=3000+（K－10）×300。先驗參數(shù)α和先驗參數(shù)β的設置與迭代算法相關：如果迭代算法采用的是EM方法，參數(shù)α值為（50/k）+1；參數(shù)β值=1.1；如果迭代算法采用的是貝葉斯方法，參數(shù)α值?。?.0/k），參數(shù)β取值為（1.0/k）。

4.3.3 關系發(fā)現(xiàn)技術

通過對技術間關系的發(fā)現(xiàn)，增加對技術信息的深度語義揭示，是進行技術情報利用的關鍵環(huán)節(jié)。投入產(chǎn)出的APL（Average Propagation Length）模型方法認為，利用不同技術領域之間的引用關系，可測量某項技術對技術網(wǎng)絡的影響，眾多學者已將APL模型應用于突出多個科技領域的核心知識間的聯(lián)系，本平臺在姜照華等[32]發(fā)表的用于熱點和技術突破機會的APL模型的基礎上，將APL模型和基于注意力機制的雙向長短時記憶（Bi-directional Long Short-Term Memory，BiLSTM）關系抽取算法相結合，用于技術關系發(fā)現(xiàn)。首先采用Attention+BilSTM算法對技術點間的關系進行識別，然后根據(jù)APL模型計算兩兩技術點間關系大小，最后對關系大小設定閾值，篩選出領域技術突破機會。

4.4 企業(yè)智能情報服務平臺的核心功能

作為以識別和追蹤技術發(fā)展前沿及其走勢為目的的企業(yè)級科技發(fā)展戰(zhàn)略決策支持工具，面向技術創(chuàng)新的企業(yè)智能情報分析平臺主要實現(xiàn)以下5個方面的功能。

4.4.1 領域技術識別與評估

面對海量的文獻資源，傳統(tǒng)的僅通過專家判別的人工技術點識別方法已經(jīng)不能滿足當前機構對技術點精準、快速的識別需求，而機器學習和文本挖掘的大數(shù)據(jù)分析方法為這種需求提供了有效的解決方案。平臺著重分析前沿技術、新興技術、關鍵技術等不同技術類型特征，研發(fā)多樣的智能算法和構建模型群，從中篩選最佳實現(xiàn)算法和評估模型指標，達到識別和評估領域技術的目的。利用本平臺對煉鋼領域相關英文文獻進行技術掃描，通過系統(tǒng)內(nèi)嵌的前沿技術評估模型，選取技術創(chuàng)新性、技術成熟度、技術影響力3個指標，得到煉鋼領域技術識別及評估結果（見表1）。各指標計算采用功效系數(shù)法，值域設置區(qū)間為（0～100），模型總分的計算規(guī)則為（技術創(chuàng)新性指標得分+技術成熟度指標得分+技術影響力指標得分）/3。本平臺不僅直觀呈現(xiàn)了直接還原鐵技術、焦爐煤氣噴吹、TRT發(fā)電技術、水淬高爐渣技術、轉(zhuǎn)爐煉鋼終點控制等技術在技術創(chuàng)新性、技術成熟度和技術影響力上的分別得分及模型總分，而且還能夠獲取綜合維度和每個維度的TOP技術，從而協(xié)助研判技術的前沿性。

表1 煉鋼領域前沿技術識別及評估結果

4.4.2 領域技術關系發(fā)現(xiàn)

為企業(yè)技術創(chuàng)新提供有價值的情報，不僅需要提供領域技術的名稱，還應盡可能提供技術的研發(fā)路徑。為了提供全面、精準的決策支撐情報，本平臺對領域技術間的關系進行識別和挖掘，通過計算技術間的相似度，不僅能夠了解技術間的關聯(lián)程度，而且還能夠為技術突破機會的發(fā)現(xiàn)提供預見和指導。以煉鋼領域為例，本平臺可提供煉鋼領域技術間關系圖（見圖3），節(jié)點大小表示對應領域的熱度，連線粗細表示關系大小。圖3中設置閾值為0.6，煉鋼領域熱度TOP5依次為復合吹煉技術、直接還原煉鐵技術、氫冶煉、轉(zhuǎn)爐雙渣工藝、焦爐煤氣噴吹。領域間技術突破機會TOP5為復合吹煉技術與轉(zhuǎn)爐雙渣工藝、鐵水預處理與直接還原煉鐵技術、鐵水預處理與氫冶煉、轉(zhuǎn)爐與濺渣護爐技術、復合吹煉技術與干熄焦技術。

圖3 煉鋼領域技術間關系圖

4.4.3 重點企業(yè)研發(fā)布局挖掘與追蹤

企業(yè)進行技術創(chuàng)新不僅要了解行業(yè)和領域的技術前沿，而且還要對典型企業(yè)的技術動態(tài)和布局進行識別和追蹤，從而能夠知己知彼，有助于明確研發(fā)方向和戰(zhàn)略部署。以典型企業(yè)為核心，通過網(wǎng)絡爬蟲技術、科學文獻計量、自動分類、數(shù)據(jù)可視化分析、知識圖譜分析等技術實現(xiàn)企業(yè)技術布局、技術關系的展示，并且能夠?qū)夹g相關的資訊、政策、專利、期刊、項目等信息進行持續(xù)監(jiān)測和一站式集成，分析呈現(xiàn)技術熱點和技術發(fā)展趨勢，全方位提供企業(yè)技術情報畫像。通過本平臺可對鋼鐵領域頭部企業(yè)韓國浦項制鐵公司（POSCO）的技術布局、發(fā)文趨勢、技術動態(tài)等信息一目了然地展示和呈現(xiàn)。

4.4.4 用戶自助智能服務

將情報分析中常用的工具和模型，如語義分析、自動分類、主題聚類等情報工具虛擬化，可以幫助有需求的用戶在平臺上自助實現(xiàn)對特定主題的個性化、按需分析。

用戶可以將自己感興趣的主題，通過確定主題詞，采用直接搜索或自助式上傳的方式，獲取目標數(shù)據(jù)。用戶可以在Web端通過零代碼，實現(xiàn)對底層資源自動分類、主題聚類、實體識別、關系抽取、關鍵詞抽取等數(shù)據(jù)分析，從而快速、準確、客觀地了解到關于特定主題的技術體系，對不同技術類型的評估，以及在該主題領域中的優(yōu)勢資源，實現(xiàn)對該領域技術全方位的洞察。

4.4.5 “一站式”科技情報決策平臺

“一站式”科技情報決策平臺可從多個方面進行理解。第一，對于單個用戶來說，用戶通過該平臺可以完成從數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)據(jù)處理與加工、數(shù)據(jù)動態(tài)追蹤、分析報告下載等全鏈條情報服務；第二，對于企業(yè)來說，不同用戶可以登錄該平臺，協(xié)同共享特定領域的技術情報分析成果，從而確保技術情報信息來源的統(tǒng)一性；第三，通過該平臺，可以實現(xiàn)對不同領域主題技術體系的管理，以及洞察技術體系結構演變，便于企業(yè)的知識管理。該平臺可以打通上下游，促進創(chuàng)新主體跨領域、跨行業(yè)協(xié)同創(chuàng)新，突破資源能力限制，提高創(chuàng)新績效。

5 結語

技術情報是支撐企業(yè)創(chuàng)新發(fā)展的重要資源，而面向技術創(chuàng)新的企業(yè)智能情報分析平臺的搭建對于企業(yè)高效開展技術情報有重要價值。本文設計并成功開發(fā)了面向技術創(chuàng)新的企業(yè)智能情報分析平臺，以此作為科技發(fā)展態(tài)勢及前沿技術趨勢分析的工具，為科技發(fā)展戰(zhàn)略和科技政策的制定提供決策支持。該平臺通過高效獲取和融合不同來源、不同格式的信息，運用文本聚類技術、自動分類技術，深入挖掘領域技術主題，以及技術主題領域的優(yōu)勢資源，結合國家、時間等維度的變化，重點分析每個技術點的研究熱點、研究趨勢，為分析科技發(fā)展的宏觀走勢，以及對科技、經(jīng)濟和社會產(chǎn)生影響的科技發(fā)展前沿趨勢提供支撐。當然，隨著科技發(fā)展和技術進步，根據(jù)用戶需求，技術情報平臺功能在實際使用過程中還需要不斷完善與拓展，智能情報服務仍需不斷升級。