基于大数据的国防科技情报知识管理体系

江红玲

(中国电子科学研究院，北京　100041)



综述

基于大数据的国防科技情报知识管理体系

江红玲

(中国电子科学研究院，北京100041)

摘要：随着知识经济和大数据时代的到来，国防科技情报的分析和管理呈现出多样化、个性化、智能化等特点，具有单一领域转向全领域、新兴数据源蓬勃发展、多数据源综合利用、情报分析智能化和严谨化的发展趋势。本文以知识管理为核心，综合大数据相关技术，构建大数据环境下的国防科技情报知识管理体系，针对国防科技情报知识的获取和挖掘、知识存储、知识扩散、知识利用和创新，分别构建了国防科技情报知识挖掘系统、知识存储系统、知识扩散系统、知识利用和创新系统，以期实现国防科技情报知识的高效管理和利用。

关键词：大数据；知识管理；国防科技情报；知识创新中图分类号：E25

文献标识码：A

文章编号：1673-5692(2016)03-245-05

0引言

知识在未来经济发展中，将会发挥越来越重要的作用。国防科技情报分析和管理，也必将趋向以知识管理为核心的方向发展。知识，是国防科技情报研究和管理的最终产品。科技的发展和经济决策，要求能够快速、准确获取国防科技情报，并进行全面、智能分析，实现高效扩散和流转，最大程度地实现知识的高效利用和知识创新。

随着信息技术飞速发展和信息化时代的来临，国防科技情报数据量呈现指数级增长，情报研究和知识管理，也随着数据量的井喷式增长，而发生着深刻变化。在大数据时代，海量的科技情报数据使得情报分析人员，已经无法完全靠人工查看的方式进行情报分析和研究，迫切需要构建适应大数据时代特征的科技情报系统，需要利用新的信息化技术，对海量数据进行目标导向性的知识挖掘和可视化表征，对获取的科技情报知识进行高效存储管理，为情报知识的扩散、利用和知识创新提供支撑[1]。

1大数据时代下科技情报知识管理面临的新环境

2001年，D. Laney最先提出大数据具有“3V”特征：数量(Volume)、速度(Velocity)、种类(Variety)，分别表示大数据时代数据量巨大，数据种类繁多，数据产生速度快的特点，对数据处理和分析速度要求更高[2]。

大数据环境下的国防科技情报工作，可以将大数据定义为5V特征：数量(Volume)、速度(Velocity)、种类(Variety)、可视化(Visualization)、价值(Value)，分别表示大数据时代国防科技情报数据海量化、情报数据形式多样化、情报产生和情报分析快速化、情报知识可视化、情报价值化的特点[3]。科技情报的5V特性，对国防科技情报的研究和知识的管理，提供了新的机遇。

大数据时代，国防科技情报呈现出多样化特征。传统的科技情报研究和管理，主要是对万方数据、CNKI数据库、NSTL科技文献数据库、Derwent专利数据库、维普科技期刊数据库等结构化数据库的情报数据进行分析，而在大数据时代，各种非结构化数据越来越多，并且在科技情报分析中发挥越来越重要的作用[4]。

大数据时代，国防科技情报知识管理呈现出个性化服务的趋势。大数据技术的发展，可以精确把握专家及科研机构等科技主体的行为模式和需求，可以根据用户的需求，提供个人化、个性化、精确化和智能化的情报推送服务，建设更加高效的全新的国防科技情报知识管理模式[5]。

综合国内外已有的大数据在科技情报知识管理中的应用研究，总结出未来的国防科技情报知识管理的趋势为：情报研究由单一领域转向全领域研究；多种数据源综合利用；强化新型信息资源的分析；情报研究的严谨性更加突出；情报研究呈现智能化。

(1)情报研究由单一领域转向全领域研究

目前，科技情报研究和知识管理，已经从方法上和内容上，均由单一的领域，向多领域、全领域扩展。在科技情报研究方法上，国防科技情报研究中，数据挖掘、人工智能、可视化技术、云计算技术等，已经广泛应用于科技情报领域。在科技情报分析内容上，将不仅局限于情报相关的领域问题的分析，将会结合更大的情景和场景，进行全面的、多方位、多角度的分析。在国防科技情报分析时，由于各种原因，获取的科技情报信息一般是不完整的，甚至带有欺骗性。如果仅仅根据获取的有限情报，仅结合本领域内的信息进行研究，将会导致情报知识的不准确。因此，需要结合各种外部情报信息，综合分析研究。

(2)多种数据源综合利用

在信息技术飞速发展过程中，国防科技情报研究，也发生着显著变化。首先，国防科技情报研究变得越来越复杂。在大数据环境下，国防科技情报，已经不再局限于国防科技相关部门，而是涉及到社会生活的众多领域。以单一数据源的情报研究，已经不能满足国防科技情报研究需求，需采集、获取多种数据源情报信息综合分析。其次，各种不同的数据源的情报信息具有不同的特性，因此，需要综合不同数据源情报信息的特点。再次，科技情报研究结果，需要保证研究结果准确、可靠、科学、全面。

因此，国防科技情报研究，需要综合利用网络大数据、各类信号数据、图像数据、文本数据等，并辅助侦察数据，从不同的数据源获取、收集科技情报数据，并综合评估分析。

(3)强化新型信息资源的分析

伴随着网络技术的发展，各种新型的数据源蓬勃发展，如各种新媒体、各种专业机构知识库等。国防科技情报的收集、采集，将更多地依赖于各种新数据源。目前网络已有的各类科技报道、期刊文章、学术资料、专业文献等，均包含有丰富的科技情报。同时网络新兴媒体包含有更加丰富的各类情报信息。比如，从专业机构的知识库中，可以分析出其研究思路、技术现状、存在的技术不足和难点等。但是，目前网络大数据、专业机构知识库等新数据资源，信息量很大，种类繁多，需要强大的大数据分析和管理能力，才能有效的实现国防科技情报研究的需求。

(4)情报研究的严谨性更加突出

科技情报研究专业性强，需要依靠情报分析人员，根据其自身的专业知识、经验知识等，构建情报认知框架，分析不同情报数据，得出情报分析研究结果。在情报分析过程中，不同的分析人员掌握的专业知识不同、水平不同，每个人的经验知识也差距较大，导致科技情报分析存在很大的不确定性。因此，未来的科技情报研究趋势之一，将会是最大限度地减少情报研究中的不确定性，提高情报分析的结果准确性。在目前海量的科技情报数据和众多的情报数据源条件下，科技情报分析需要加强严谨性。

(5)情报研究呈现智能化

现代科技情报信息，呈现出全领域、多数据源特点，情报数据时刻变化万千，国防科技情报研究工作需要能够迅速采集、获取各种数据源国防科技情报，统合不同领域知识和不同数据源数据，及时进行分析、研究，获取有用的情报知识。数据挖掘技术、人工智能等，已经被深入应用于国防科技情报研究领域。目前，大数据环境下的情报研究，将利用统计数学工具、数据挖掘、数据集成、大数据分析与可视化等技术，分析海量科技情报数据，将数据转换为知识。情报研究工作的智能化发展，不仅可以将情报研究从繁琐的体力劳动中解放出来，同时显著提高了情报研究工作的质量、效率。智能化分析技术，可以对不同数据源的情报数据，进行关联性分析，拓展国防科技情报研究的深度和广度，提取出更多有用的知识。

2大数据技术在国防科技情报知识管理中的应用

在新的信息技术飞速发展的今天，国防科技情报研究工作迫切需要大数据技术，实现对国防科技情报的知识管理，从而实现对知识的高速获取、智能分析等。

国防科技情报知识管理系统，需要包括情报知识输入、情报知识成长、反竞争、情报知识输出四个功能。其中，情报知识成长过程，包括科技情报知识的挖掘、知识存储、知识扩散、知识利用和创新。因此，本文根据国防科技情报知识管理系统的功能需求，将详细讨论、建立国防科技情报知识挖掘系统、知识存储系统、知识扩散系统、知识利用和创新系统。

2.1国防科技情报知识挖掘系统

国防科技情报知识挖掘旨在根据需求目标，利用数据库技术、先进检索技术、大数据分析技术、智能识别算法等，从海量的科技情报中，收集、分析所需的相关科技信息。

国防科技情报的知识挖掘系统，需要遵循如下原则：(1)匹配性原则，即为在海量的科技情报信息中，寻找到与需求最匹配的知识；(2)效率性原则，即以最快的时间找到所需的信息，降低情报知识挖掘时间，提高国防科技情报知识流转速度；(3)归一化原则，即为将国防科技情报信息进行标准化，实现更加方便、快捷、高效的知识管理；(4)协调性原则，即情报分析、知识挖掘阶段，需要与其他环节进行信息交流、传输等，能够与其他系统协调工作，流畅运转。

本章提出的国防科技情报知识挖掘系统工作流程如图1所示，主要包含以下几个步骤：

·确定知识挖掘的标准；

·知识的描述和分类；

·建立知识挖掘网络；

·评价知识挖掘的有效性。

图1　国防科技情报知识挖掘系统流程图

由系统流程图可知，国防科技情报知识挖掘系统首先将输入的科技数据，按照不同的特点、方法进行标准化，然后将标准化后的科技信息，分为一般知识、核心知识、其他知识等几类；其次研究科技信息知识挖掘算法和识别技术，如建立知识地图，并建立科技信息知识挖掘网络和搜索系统。最后，设计科技信息知识挖掘评价方法，对该知识挖掘系统性能进行评价。

2.2国防科技情报知识存储系统

国防科技情报知识存储系统，是将通过知识挖掘系统获取、收集、整理的科技情报信息，存入设计的数据库中，形成国防科技情报的知识库，实现快捷、高效的检索和应用。但是国防科技情报由于其自身的特殊性，因此，其对知识存储系统提出了新的要求，可以实现编码的存储和非编码的知识存储。

根据目前国防科技情报数量巨大的特点，本文提出的国防科技情报知识存储系统的流程如图2所示，主要包括以下几个步骤。

·分析知识形态；

·确定知识类型；

·存储技术分析；

·建立知识库，进行知识关联；

·形成知识定位存储网络。

图2　国防科技情报知识存储系统流程图

对获取的情报知识，首先要进行知识形态划分，分为显性知识、隐性知识；根据划分好的知识形态，研究院所等可根据专业领域、专业知识等角度，结合自身从事的科学研究工作实践，对科技情报知识进行专业分类，可以分为文档型知识、样本型知识、符号型知识、经验型知识、数量型知识等。根据分类后的知识，利用计算机技术，结合大数据存储、云平台技术等，建立科技情报知识数据库，如文档数据库、关系数据库、对象数据库、经验数据库、样本数据库等。利用数据库管理技术，对科技情报知识进行管理，实现科技情报知识的高效利用。图3所示为国防科技情报知识存储系统的结构图。

图3　国防科技情报知识存储系统结构

2.3国防科技情报知识扩散系统

国防科技情报知识扩散，需要将获取的情报知识在组织内部尽可能的扩散，以利于对知识的消化、吸收，加快情报知识的更新、流转速度，提高情报知识的利用效率。国防科技情报扩散系统需要遵循一定的原则：(1)精确性和保密性相统一的原则，即将情报知识扩散给最需要、最可靠的对象，同时要保证在知识扩散过程中，不会失去控制，导致知识扩散泛滥；(2)全面性和效率性相统一原则，即需要对知识进行全面的规划，使知识可以以高效的方式，在适当范围内扩散；(3)归一化原则，即对知识扩散速度、扩散空间、扩散效果、扩散评价进行标准化、统一化管理。

本文提出的情报知识存储系统的流程如图4所示，主要包括以下几个步骤：

·扩散影响因素评价；

·选择扩散源；

·建立扩散渠道；

·确定扩散接收单元；

·扩散效果评价与应用。

图4　国防科技情报知识扩散系统结构

2.4国防科技情报知识利用和创新系统

国防科技情报知识利用和创新，是知识管理的最终目的，知识挖掘系统、知识存储系统、知识扩散系统等，均是为实现知识的利用和创新提供保障和支撑。在该阶段，知识将形成产品或者转化为新的技术和理念。知识创新是产生新的概念、新的思想，生成新的知识。

设计国防科技情报知识利用和创新系统时，需要遵循如下原则：(1)全局性原则，即站在全局性角度，以体系价值为基础；(2)整合性原则，即有效的整合、利用不同类型、不同层次的知识，将各部分的知识综合为一个整体，最大化利用知识；(3)创造性原则，即在知识管理的任何阶段，都应该鼓励提倡进行知识创新；(4)实用性原则，即在科技情报知识利用和创新过程中，需要立足于实际的需求，能产生实际的效益。

图5所示为情报知识利用和创新系统的流程，主要包括以下几个步骤：

·知识利用；

·利用能力评价；

·利用效果评价；

·创新流程；

·新知识库产生；

图5　国防科技情报知识利用和创新系统流程图

3结语

随着信息技术的发展，科技情报知识也呈现出爆炸式的增长，仅仅拥有知识的数量大，已经不再是优势。如何能够更好地实现科技情报知识的管理，能高效地使用知识，并能进行知识创新，才是国防科技情报知识管理的核心工作。

本文结合国防科技情报知识自身所具有的独特性，提出了基于大数据的国防科技情报知识管理方法，建立国防科技情报知识挖掘系统、国防科技情报知识存储系统、国防科技情报知识扩散系统、国防科技情报知识利用和创新系统，实现对国防科技情报知识的高效管理。

参考文献：

[1]李广建，杨林. 大数据视角下的情报研究与情报研究技术[J]. 图书与情报，2012(6)：1-8.

[2]刘如，吴晨生，李梦辉. 大数据时代科技情报工作的机遇与变革[J]. 情报理论与实践，2015，38(6)：35-39.

[3]张春磊，杨小牛. 大数据分析(BDA)及其在情报领域的应用[J]. 中国电子科学研究院学报，2013，8(1)：18-22.

[4]许儒林，孙志坚，孟庆兴. 试论新环境下情报研究的科学技术性[J]. 理论与探索，2010，33(1)：20-23.

[5]徐磊. 大数据基础上的社会认知[J]. 中国电子科学研究院学报，2013，8(1)：23-26.

Research on Knowledge Management System for Defense Science and Technology Intelligence in Big Data Environment

JIANG Hong-ling

(China Academy of Electronic and Information Technology, Beijing 100041，China)

Abstract:At the advent of big data and knowledge economic era, the characterizations of the Knowledge Management for defense science and technology intelligence are diversification, personalization and intelligence. The developing trends of Knowledge Management for defense science and technology intelligence are that the information research trends to multiple fields, multiple data sources and new data source are investigated, much more intelligent research technologies are used and the results are considered to be more rigorous. In this paper, a new knowledge management system for defense science and technology intelligence, including knowledge mining system, knowledge storage system, knowledge diffusion system, knowledge utilization and innovation system, is designed by using big data analysis methods to implement efficient management and utilization.

Key words:Big data; Knowledge Management; Defense Science and Technology Intelligence; Knowledge Innovation

doi:10.3969/j.issn.1673-5692.2016.03.006

收稿日期：2016-05-10

修订日期：2016-06-04

作者简介

江红玲(1985—)，女，安徽人，硕士，主要研究方向为企业管理、科技信息管理；

E-mail：jianghongling123@163.com