一、研究進展情況

①研究計劃總體執(zhí)行情況及各子課題進展情況

項目總體按計劃進行，至今已完成了第一階段和第二階段的大部分工作，正在重點推進第三階段的工作。第一階段的任務為：數(shù)據(jù)收集和基礎理論研究（2013.1-2013.6）；第二階段的任務為：專項深化研究（2013.7-2015.7）。在前兩個階段工作的基礎上，正在設計原型系統(tǒng)和開發(fā)測試，同時開展實證研究（詳見后文報告）。2014年7月以來的研究內(nèi)容主要包括：基于SVR模型的中文領域術語自動抽取研究；信息覓食理論與學科導航網(wǎng)站性能優(yōu)化；搜索引擎服務質(zhì)量與用戶忠誠關系的實證研究；大數(shù)據(jù)時代科技情報服務的挑戰(zhàn)與思考；基于多維度聚合的網(wǎng)絡資源知識發(fā)現(xiàn)框架研究；基于機器學習的自動文摘研究綜述；基于關聯(lián)數(shù)據(jù)的學科網(wǎng)絡信息深度聚合框架構建；網(wǎng)絡檢索結果聚類研究綜述 ；中文網(wǎng)絡灰色文獻分布探析，等等。

2014年7月以來已發(fā)表35篇學術論文，其中英文論文8篇，中文論文27篇。

②調(diào)查研究及學術交流情況

調(diào)查研究情況。目前采集的數(shù)據(jù)和文獻資料主要用于學科本體構建、用戶行為研究、學科服務機制研究等實證研究方面。其中，2000-2015年《情報學報》數(shù)據(jù)集用于中文領域術語自動抽取研究；200多萬條查詢?nèi)罩緮?shù)據(jù)用于基于搜索日志的用戶行為分析；5萬余篇CSSCI論文題錄數(shù)據(jù)用于我國圖書情報學科知識結構的演化分析；259份問卷數(shù)據(jù)用于對搜索引擎服務質(zhì)量評價體系的研究；89份問卷訪談樣本數(shù)據(jù)用于行動者網(wǎng)絡理論視角下的CALIS運行機制研究，等等。此外，項目組成員還奔赴北京、上海等地的高校、圖書館、情報所、企業(yè)等研究機構進行實地調(diào)研和數(shù)據(jù)資料采集工作。

學術交流情況。學術會議： 2015年3月，項目主持人和骨干成員出席iSchool年會（iConeference 2015），參與了大會專題研討會和海報展示，并參加了多項學術交流活動； 2015年7月初，項目組成員赴土耳其伊斯坦布爾參加第15屆國際科學計量學與信息計量學年會并做邀請報告；2016年3月，項目組成員赴美國費城參加iConference 2016年會；2016年6月，項目組成員赴北京參加數(shù)據(jù)科學與情報學國際研討會。國際合作：2016年4月-6月間，項目組成員陸續(xù)邀請到前任國際科學計量學與信息計量學學會(ISSI)主席Prof. Dr. Ronald Rousseau、美國Indiana University的Prof. Ying Ding、美國UIUC信息學院副院長Prof. J. Stephen Downie等前來開展交流合作，圍繞信息資源的測度以分析、用戶采納和接受信息的行為、網(wǎng)絡數(shù)據(jù)挖掘等主題進行了深入的探討。

③成果宣傳推介情況

2014年7月7日，項目負責人以本項目首席專家身份在光明日報理論版發(fā)表文章《大數(shù)據(jù)時代人文社會科學如何發(fā)展》，探討學科發(fā)展尤其是人文社會科學研究在大數(shù)據(jù)時代的發(fā)展問題，并對項目成果進行宣傳推介。本文受到全國哲學社會科學規(guī)劃辦公室網(wǎng)站、光明網(wǎng)、人民網(wǎng)、求是網(wǎng)、鳳凰網(wǎng)、中國臺灣網(wǎng)等多家網(wǎng)絡媒體轉載。

2016年2月，項目首席專家在《人民日報》發(fā)表�？�理論文章，縱論“大數(shù)據(jù)使社科研究不再“望數(shù)興嘆”。文章從研究全程評價和全部研究數(shù)據(jù)資產(chǎn)化、研究資料的碎片化重組、計算化分析與可視化表現(xiàn)的結合、學科融合與數(shù)據(jù)服務發(fā)展等視角闡述如何運用大數(shù)據(jù)開啟社會科學研究新局面。文章還認為，大數(shù)據(jù)的運用還將進一步推動學術技術分析服務、數(shù)據(jù)服務的發(fā)展，傳統(tǒng)承擔文獻資料服務和普通信息服務的圖書館、情報服務機構等將向數(shù)據(jù)委托服務、計算分析服務轉型。人民日報網(wǎng)絡版、中國社會科學網(wǎng)、新華網(wǎng)、環(huán)球網(wǎng)等主流媒體均予以宣傳報道，很好地對項目的研究成果進行了宣傳推介。

此外，項目組還向國家哲學社會科學規(guī)劃辦公室遞交成果簡報1份，向《情報學報》、《圖書情報工作》、《情報科學》等期刊進行了推介，洽談專題組稿的計劃和工作安排。

④研究中存在的主要問題、改進措施，研究心得、意見建議

一些最新的研究進展和階段性成果沒有及時進行總結，并將最新進展報送規(guī)劃辦公室，在通過新聞媒體向社會大眾宣傳推廣上也存在不足。今后，課題組應繼續(xù)加強向規(guī)劃辦提供工作簡報，并利用多種有效途徑向學術網(wǎng)站、重要報刊、學術期刊等媒體推介課題研究成果，加強對研究成果的宣傳推廣。

在深層網(wǎng)絡數(shù)據(jù)的采集和價值挖掘上，遇到了一些難點，這也是本課題中比較難以應對的任務，對原型系統(tǒng)的開發(fā)也需要進一步加大人力物力。課題組將在接下來的工作階段中，繼續(xù)凝神聚力，攻堅克難，爭取在這兩個方面取得突破和進展。

二、研究成果情況

代表性成果Journal of Informetrics發(fā)文“Selecting publication keywords for domain analysis in bibliometrics: A comparison of three methods”，著重探討了文獻關鍵詞分析中一個尚未引起重視的問題，即在大量領域文獻中如何精確有效地選擇關鍵詞分析的對象。論文討論了傳統(tǒng)的TF方法，以及兩種替代方法：TF-IDF方法以及TF-KAI方法。這兩種方法考慮到了關鍵詞消歧。進一步的實證研究表明，TF-KAI方法表現(xiàn)性能最佳，它能夠保存領域專家挑選出的關鍵詞，并揭示領域內(nèi)的研究焦點。本文對關鍵詞選取的理論和實踐具有重要價值。

代表性成果Scientometrics發(fā)文“Exploring the topic hierarchy of digital library research in China using keyword networks a K-core decomposition approach”，提出一種通過構建關鍵詞網(wǎng)絡以及K核分解，自動發(fā)現(xiàn)主題層級的方法。相鄰的類團能夠根據(jù)其密度和聚類系數(shù)合并到對應層級中。對中國數(shù)字圖書館領域的關鍵詞網(wǎng)絡進行分析，發(fā)現(xiàn)了4個不同的層級�；�礎層包含17個內(nèi)部緊密相聯(lián)系的核心概念；中間層包括13個中介概念，并與基礎層中的技術概念直接相連；詳細層包含65個實體概念，并聚成13個類團；邊緣層則包含了一個局部和孤立的概念。

代表性成果《圖書與情報》發(fā)文“大數(shù)據(jù)時代科技情報服務的挑戰(zhàn)與思考”，從大數(shù)據(jù)科技環(huán)境的時代特征著手分析了大數(shù)據(jù)環(huán)境對科技情報工作的主要挑戰(zhàn)，并結合當前實踐提出了相應的對策建議。論文認為：數(shù)據(jù)處理是科技情報機構服務創(chuàng)新的動力。大數(shù)據(jù)的離散分布和開放可得、用戶信息需求向深度廣度發(fā)展以及資源服務一體化，弱化了科技情報機構的資源優(yōu)勢，提高了信息分析的難度，給科技情報機構的服務能力提出了挑戰(zhàn)。同時，也為大規(guī)模資源保障體系和信息服務模式的創(chuàng)新提供了可能。

代表性成果《情報資料工作》發(fā)文“行動者網(wǎng)絡理論視角下的CALIS運行機制”，從信息管理的視角，將行動者網(wǎng)絡理論引入CALIS運行機制的研究中，系統(tǒng)地分析目前CALIS的運行機制及現(xiàn)狀。結果表明現(xiàn)存障礙共包括經(jīng)費不足、忽略以用戶為中心的資源建設及技術。支撐不夠等七個層面，各行動者涉及的利益主要包括共建、共享及共知等七個維度。最后文章對現(xiàn)有問題給出了相應的對策，并對未來CALIS可能的發(fā)展方向進行了探索。

代表性成果《情報理論與實踐》發(fā)文“基于SVR模型的中文領域術語自動抽取研究——面向圖書情報領域”，結合語言學和統(tǒng)計方法，通過構建術語庫提取術語抽取模板來抽取候選術語。此外，還通過引入回歸的方法，將術語抽取問題轉化為對詞語成為術語的概率的預測問題。術語是本體的重要組成部分，術語自動抽取是本體自動構建的基礎，文章采用回歸的方法對未登錄詞進行概率( 某個數(shù)值( 組合) 對應的候選詞集合中術語的概率) 預測，獲得該詞可能為術語的概率。論文提出的方法最后通過實驗驗證了其有效性。

代表性成果《情報科學》發(fā)文“基于多維度聚合的網(wǎng)絡資源知識發(fā)現(xiàn)框架研究”，以網(wǎng)絡資源為研究對象，以多維度聚合為主要手段，針對網(wǎng)絡資源內(nèi)容的大數(shù)據(jù)化、動態(tài)化、多維度等特征，探索基于語義關聯(lián)的網(wǎng)絡資源深度揭示與多維度聚合，以此為基礎研究基于多維度聚合的網(wǎng)絡資源知識發(fā)現(xiàn)框架，進而研發(fā)基于多維度聚合的網(wǎng)絡資源知識發(fā)現(xiàn)技術系統(tǒng)，并結合特定領域、特定需求進行應用示范與對策研究。

代表性成果《圖書館》發(fā)文“基于關聯(lián)數(shù)據(jù)的學科網(wǎng)絡信息深度聚合框架構建”，回顧關聯(lián)數(shù)據(jù)、學科網(wǎng)絡信息深度聚合概念；分析基于關聯(lián)數(shù)據(jù)的學科網(wǎng)絡信息深度聚合框架構建的可行性，構建“聚合框架”并對學科網(wǎng)絡信息關聯(lián)數(shù)據(jù)發(fā)布工作流程進行分析；提出“聚合框架”實施應該注意的問題：如成立學科網(wǎng)絡信息關聯(lián)數(shù)據(jù)管理中心，發(fā)布中文編碼體系詞表的關聯(lián)數(shù)據(jù)，遵守關聯(lián)數(shù)據(jù)查詢的內(nèi)容協(xié)商機制，注意關聯(lián)數(shù)據(jù)訪問控制問題以及注意關聯(lián)數(shù)據(jù)更新的同步問題等。

代表性成果《情報資料工作》發(fā)文“信息覓食理論與學科導航網(wǎng)站性能優(yōu)化”，首先回顧信息覓食理論的理論基礎和基本模型;然后將信息線索劃分為文字型、像型、音頻型和視頻型四種類型,設計信息線索在學科導航網(wǎng)站中應用的五個原則;最后,構建基于信息覓食理論的學科導航網(wǎng)站性能優(yōu)化模型,選擇美國的Infomine學科導航網(wǎng)站進行案例分析。

代表性成果《現(xiàn)代圖書情報技術》發(fā)文“基于搜索日志的用戶行為分析”，利用搜索引擎日志數(shù)據(jù)對用戶查詢行為特征進行分析。采用分詞、統(tǒng)計分析、聚類分析、可視化等方法,分別從用戶的查詢串、查詢方式、查詢主題、查詢點擊行為和用戶類型5個方面對用戶使用搜索引擎時的行為特征進行分析。發(fā)現(xiàn)搜索用戶偏好使用2-5個中文名詞短語組成的查詢串;更少使用口語化查詢,不愛使用高級檢索功能;查詢用詞變得多樣化;查詢時間存在高峰低谷;再次證實存在"翹尾現(xiàn)象"。使用搜索引擎日志可以獲得用戶行為特征,并能為改善搜索引擎提供一些建議。

代表性研究成果《情報理論與實踐》發(fā)文“網(wǎng)絡檢索結果聚類研究綜述”，根據(jù)網(wǎng)絡檢索結果聚類算法的改進方向將其分為面向經(jīng)典和面向標簽的聚類算法兩類。前者的改進主要有優(yōu)化特征選擇、優(yōu)化聚類數(shù)K以及生成重疊聚類等; 后者的改進主要有優(yōu)化類計分運算、優(yōu)化類合并運算、數(shù)據(jù)結構優(yōu)化、候選標簽選擇以及基于語義的優(yōu)化等。在對相關研究進行綜述的基礎上探討了檢索結果聚類面臨的問題和未來的發(fā)展方向。

課題組供稿