一种基于知识元迁移的ESI研究前沿知识演进分析方法

孙 震，冷伏海

（1. 山东理工大学信息管理研究院，淄博 255000；2. 中国科学院科技战略咨询研究院，北京 100190）

1 引 言

大数据所引发的“ 数据洪流（data deluge） ”使得数据泛滥成为当前时代的特点，数据泛滥背后的 “知识匮乏” 现象严重影响着各行业的数据应用。其对科研领域的冲击更为强烈，这是由于科学数据资源的利用往往不在于大数据的表层加工，而是对大数据中萃取的 “有价值” 知识的挖掘和应用。例如，科研人员面对海量科技文献的选题或调研时，其目的常常在于聚焦特定选题的核心文献集合，挖掘与该主题密切相关、并反映前沿方向的领域知识。美国早在2012 年便提出了 “大数据研发计划（Big Data R&D Initiative） ”[1]，旨在提高从大型复杂数据集中提取知识和见解（extract knowl‐edge and insights） 的能力。 中国工业和信息化部2014 年出版的《大数据白皮书》 中也曾提到，大数据分析技术需要将海量的、复杂的、多源的数据转化为机器可识别的具有明确语义的信息，进而从中提取有用的知识。

在此背景下，传统的科技情报工作有必要面向学科用户的领域 “问题需求”，开展基于专业领域的知识挖掘、处理、分析和利用的 “精准知识服务”。2007 年，时任中国科学技术信息研究所所长贺德方[2]就曾提出，科技情报工作应发挥支撑科研活动和战略决策的作用，帮助科技工作者更加方便地获取知识。2016 年，科技部副部长李萌[3]发文指出，信息技术与大数据的融合应用，已将科技情报研究工作转变为一种基于海量数据的知识分析和知识发现的过程。……