价值链协同视角下的智能出版与智能阅读

徐丽芳?田峥峥

【关  键  词】人工智能;智能出版;智能阅读;价值链;协同数字出版

【作者单位】徐丽芳，武汉大学数字出版研究所，中宣部“可信数字版权生态与标准重点实验室”;田峥峥，武汉大学信息管理学院出版科学系。

【基金项目】文化名家暨“四个一批”人才工程项目“中国科技出版国际传播战略研究”中期成果。

【中图分类号】G230.7 【文献标识码】A 【DOI】10.16491/j.cnki.cn45-1216/g2.2021.13.001

随着互联网、物联网、大数据、云计算等信息技术的发展，以深度神经网络为代表的人工智能技术开始飞速发展。“Artificial Intelligence”（AI）由美国计算机科学家约翰·麦卡锡（John McCarthy）在1956年8月的达特茅斯会议上正式提出。AI试图把握智能的实质，并让机器能够做出类似人类智能的反应。自20世纪70年代代表AI由理论研究走向实际应用的专家系统出现以来[1]，其在各行各业已有不同程度和范围的应用。在医疗领域，它推动了就诊流程、医学诊断、药物研发等工作和流程的智能化，如利用人工智能系统诊断皮肤癌已经达到专业医生水平;在法律领域，它帮助实现法律条文及判决书智能检索、类案智能推送等;在金融领域，它带来无人银行、智能客服与智能风控等服务。而在出版领域，AI催生了“智能出版”“智能阅读”等新型出版与阅读模式，正在重塑传统出版价值链及其价值增值环节。

一、价值链视角下的智能出版与智能阅读

从传统出版价值链角度来看，阅读是出版的消费环节。而智能技术背景下，智能出版与智能阅读在新价值链中呈现互融、互动的一体化态势，于是实现两者的协同发展成为一个十分必要和紧迫，也更为复杂的问题。

1.智能出版与智能阅读

纵观人类出版与阅读发展史可以发现，每一次技术变迁都带来了出版与阅读构成要素、发展模式、实践路径等或缓慢或剧烈的变革。因此，或可从技术逻辑出发来理解智能出版与智能阅读。在供给端“出版”一侧，智能技术的发展与渐趋成熟在机器参与内容创作、大数据辅助选题决策、自动编校以及定向推广和传播等方面为出版提供支撑，改变了传统出版的内部景观与外在形式，使出版流程、产品与服务呈现自动化、系统化乃至智能化的特点。在需求端“阅读”一侧，智能技术的不断革新与累积性发展赋予机器某种程度的“智能”并使之成为新阅读主体;与此同时，机器强大的计算能力不断拓展人类阅读能力和水平的边界。值得注意的是，智能阅读的直接主体是能够处理大信息量、高复杂度内容，拥有一定智能水平的机器——计算机，而不是人类。

机器并非第一次参与出版，但是，以往无论是用纸张复制文字以实现文字产品高速生产与传播的印刷机，还是复制电子信号推动音像制品传播的录像机、录音机等，抑或复制数字信号使文化大众化达到新水平的早期计算机与互联网，机器所发挥的作用多可借助德国哲学家瓦尔特·本雅明（Walter Benjamin）所提出的“机械复制”（Mechanical Reproduction）来概括。机器也用于出版活动的管理，如以系统化管理思想为指导，借助计算机为出版企业决策层和员工提供决策手段的企业资源计划系统（Enterprise Resource Planning， ERP）[2]，以及人机（计算机）集成的能进行信息收集、传递、储存、加工、维护和使用并利用计算机辅助人类决策的管理信息系统（Management Information System， MIS）等[3]。但是，无论机械复制还是辅助管理决策，机器的每一次启动和运行都需要得到人类的指令。如今，由于智能技术已进入自动模仿人类思维的机器学习阶段[4]，拥有智能的机器能够在出版活动中进行某种程度的“创造”。因此，所谓智能出版，即应用人工智能技术使出版业务、管理和决策等活动更加智能化的新型出版业态[5-6]。所谓智能阅读，即应用人工智能技术（的机器）从任意编码系统解读所掌握数据、信息所含意义的过程。在2018年由斯坦福大学发起的文本阅读理解挑战赛中，微软亚洲研究院和阿里巴巴所开发的人工智能阅读产品的测试成绩甚至超过了人类选手的得分。但是，无论智能出版还是智能阅读，当前无疑还处在智能化发展的初期阶段。

智能出版与智能阅读都是人工智能技术应用于相应活动后的产物，因此两者具备一些共性特点。首先，其直接主体都是具备一定智能水平的机器或程序;其次，迄今为止两者应用一系列相似的人工智能技术，并遵循一套类似的底层运行逻辑。目前，这些人工智能技术主要包括使机器能够使用人类语言交流的自然语言处理技术;帮助机器表示、存储所掌握信息的知识表示技术;使机器运用所存储信息回答问题甚至得出新结论的自动推理技术;作为人工智能核心技术与实现手段、赋能机器适应新情况，并可进行检测和预测活动的机器学习技术[7]。而当下人工智能主要的运行逻辑是依托神经网络等新技术，模拟人脑运行机制让机器对大量数据进行挖掘与分析，从中总结特征与规律，以进一步掌握智能行为方式并不断迭代。这也被称为深度学习（Deep Learning），它作为当前新一波的人工智能潮流[8]，有力地推进着各领域智能化的步伐。

2.价值链分析

无论是早期的企业价值链理论，还是后来国际分工现象所催生的全球价值链理论，其核心观点都在于：一个产品的生产过程，可以划分为多个增值环节，其中创造价值、决定企业经营成败和效益的可以是位于上游的产品研发、创意设计，也可以是中游的产品制造、质量控制，或是下游的品牌推广、售后服务等[9]。

那么，智能出版和智能阅读在价值链中是何关系？在传统出版价值链中，阅读作为消费环节虽然是价值实现的重要指标，但是对企业而言并不产生价值增值，因此并不在以出版社为代表的出版企业价值链、以印刷商为代表的复制企业价值链、以书店为代表的发行企业价值链之中。或者说，阅读作为消费者价值链的重要环节，虽然牵引或者推动着出版行业、企业的价值鏈运行，但本身并非后者的组成部分。但是，智能技术引入出版和阅读后使得两者的关系发生了变化。人类的生产器官主要包括体力与智力两种要素，机器的生产器官也与此类似：动能自动化标志着机器“体力”器官的发育成熟;人工智能标志着其“智力”器官也开始发育并走向成熟[10]。在智能技术背景下，机器部分地成为出版和阅读的主体。而且，智能阅读几乎渗入每一个智能出版的价值增值环节，并作为后者的必要条件之一而存在;尤其在创作环节，智能阅读可谓机器创作的先决条件;同时，智能阅读作为新增的智能出版增值环节，提供独立的产品或工具，帮助人类读者更高效地阅读。这意味着，智能阅读成了智能出版价值链的有机构成要素甚至独立价值增值环节（见图1）。

最近的千年之交，已经运行、演化了1500余年的印刷出版系统达到了其历史发展的巅峰并开始走向衰落。所谓日中则昃，月盈则食，天地盈虚，与时消息（出自《易·丰》）。而印刷出版系统面对人类社会新一轮信息爆炸左右支绌的窘状，则早在20世纪40年代中期计算机问世开启全世界范围内的第一次信息革命时就已注定。以图书出版和消费为例，年度出书品种飞涨、单品种印量持续下降、图书库存高企、人均年度图书阅读量却徘徊不前——这在很多国家成为普遍的现象。这种种并非孤立的混乱现象，是在信息传播技术冲击下，全球出版业乃至整个内容产业旧系统、旧范式开始崩解而新系统、新范式尚未建立之时的征象。用协同学（Synergetics）的观点来看，人类的出版系统已经远离平衡态;当下和未来，整个系统必须通过与外部物质、能量的交换，以及内部的协同作用，来重新达成时空结构和功能上的有序性。协同论的创始人，联邦德国斯图加特大学教授、著名物理学家赫尔曼·哈肯（Hermann Haken）认为，当一个系统的子系统之间关联运动比较弱，无规则独立运动占据主导地位时，整个系统就会处于无序状态;一旦关联运动占据主导地位，整个系统便会出现由关联运动决定的协同运动，从而呈现宏观有序的结构。其中，子系统之间的关联被看作“使一切事物有条不紊地组织起来的无形之手”[11]，也被称为决定系统有序结构的“序参数”[12]。而AI技术，很可能是出版系统重归平衡态的序参数之一。在生产环节，面临海量、多元、异构数据和信息，需要借助AI搜索、序化组织和分析信息，发现潜藏的规律和规则，以促进出版业务、管理、决策的高效运行，从而出版附加值更高的出版物;在阅读环节，面临信息过载压力的读者同样需要利用AI技术、产品或服务来规避无效阅读、提高阅读效率。结果是，各业务环节和阅读作为出版的子系统，由于部分地拥有共同主体（智能计算机）并共享相似的底层运算逻辑，它们之间就有了连接、协同的可能性;而要消化并利用AI，以创造最大价值为目标重塑传统出版价值链，进而实现整个出版业态的智能化升级，则各智能化价值增值环节的协同就成为迫切需要解决的问题。就智能阅读和智能出版两者而言，主要通过两种途径来实现前述目标：一是智能阅读深度嵌入出版价值链各环节发挥基础作用;二是智能阅读延伸出版价值链，成为其新增的价值增值环节。

二、智能阅读：价值链的渗透

从智能出版价值链来看，智能阅读作为基础要素几乎已嵌入、渗透于每一个价值增值环节。其在每个环节中的作用也许不易觉察，更没有被冠以“智能与阅读”之名;但是，这些“隐而不显”“有实无名”的活动，其实质是智能阅读，即机器对数据、信息、内容及其所含意义的掌握、解读——以此为基础，出版各环节的智能化才有可能实现。其中，协同发展主要表现为智能阅读嵌入智能出版各环节，以帮助实现流程与所提供产品或服务智能化的过程。

1.选题策划环节

选题策划位于出版价值链的前端，在把控出版方向与保证出版质量等方面发挥着重要作用。传统选题策划多依赖编辑的个人经验、知识储备与预见能力等，具有明显的个人主观倾向。因此，许多原本可以畅销的选题，很可能因为编辑偏好等因素被忽视，如《哈利·波特与魔法石》曾被12家出版商拒絕，《暮光之城》在出版前也遭到14次拒稿，《飘》更是被连拒38次。

基于大数据的智能技术一定程度上可减轻编辑主观性带来的不良影响：通过收集并分析读者个人数据，从中得出读者偏好，描绘读者期望阅读的图书，并据此展开选题策划;或通过阅读以往海量畅销出版物、近期社会热点事件、产业政策文件等，总结当下最有可能畅销的主题、风格、基调等，进而策划符合读者喜好、市场趋势和政策引导的选题。2016年美国出版《畅销书密码》一书。作者朱迪·阿彻（Jodie Archer）和马修·L·乔克斯（Matthew L Jockers）用名为“畅销零距离”的算法让机器“阅读”过去30年间出版的20000个小说文本后，得出影响小说畅销的2799个通行元素。阿彻和乔克斯坦承，这“会让部分人很开心，部分人很气恼，还有不少人持怀疑态度”[13]。但是，《卫报》的评论仍然认为：“这可能彻底改变出版业。”[14]

2.内容创作环节

智能阅读是智能化内容创作的重要前提：一方面，机器智能阅读后的结果将成为辅助人类作者创作的工具;另一方面，海量“阅读”和在此基础上的有效分析也是机器创作的先决条件。

此环节中的智能阅读极度依赖深度学习技术。这也是目前机器学习研究中的热点。传统机器学习的效果很大程度上取决于人工设计数据表示和输入特征的有效性;而深度学习则试图通过建立深度神经网络来自动完成数据表示和特征提取工作，且强调最终提取出不同程度与维度的有效表示以提高对数据的解释力[15]。同时，机器也掌握了一些角色设置与情节推进的技巧，从而既为人类写作提供参考，又支撑机器创作。如为图书出版、电影和电视行业提供服务的平台StoryFit在应用深度学习技术后，从文本中提取大量故事关键特征，并量化情绪、语气和性格等要素，为人类作者提供丰富数据[16]，帮助其完成内容创作。此外，机器在“阅读”大量内容的基础上，也已具备文本生成能力。谷歌大脑（Google Brain）便是通过阅读、学习、吸收上万部小说中遣词造句的精华，来生成流利与熟练的句子[17]。目前，机器不但能够撰写简单的新闻报道，还能够创作诗歌、小说等文学作品。如微软小冰写作的被称为“人类史上首部人工智能灵思诗集”的《阳光失了玻璃窗》[18];又如，由机器创作的《电脑写小说的那一天》《真爱》等。

3.内容编校环节

智能技术下的编校环节同以往相比也发生了变化。20世纪末出现的“工智通”“黑马”等自动校稿软件能够识别错字、漏字、标点错误等问题，但很难有效识别数字符号、图表公式等专业领域问题[19]，也无法在上下文语境中处理语句问题。人工智能由于赋予了机器自然语言处理和深度学习的能力，机器在“阅读”“学习”大量文本内容、语料库、词库以及规则库后，可拥有较强的语义分析和词汇联系能力，因而能够更智能地实现机器自动查错与纠错。另外在学术出版领域，当前许多判定抄袭、剽窃的算法都是逐字匹配的。比如抄袭者换用同义词、近义词便可以规避被判定为抄袭的风险，但拥有语义分析与词汇联系能力的机器可以识别整个句子或段落的组成部分，从而更好地判定是否为抄袭[4]。

4.内容推广和传播环节

仅2019年我国便出版了22.5万种新版图书，加上重印书，年出书品种达到50.6万种[20]。在这样规模的图书市场上，读者往往难以找到最合适的图书，图书也很难找到合适的读者。但智能阅读可以帮助更好地解决这个问题，实现“为人找书”“为书找人”的平衡。智能化的机器“阅读”图书后，会对图书文本进行处理，随后从中提炼关键元素;再借助大数据分析读者个人信息，将读者从群体中剥离出来，成为单个具有异质性需求的“颗粒”，然后在此基础上实现图书与读者的精准匹配，帮助出版商实现“我所给的正是你想要的”这一目标[21]。比如为媒体和出版行业提供推广服务的人工智能平台英特罗格（Intellogo）通过机器对内容的“阅读”，判定内容主题、类型、情感等，同时结合读者行为数据，预测读者需求并为其推荐内容。Intellogo创始人尼尔·巴尔萨泽（Neil Balthaser）坚信：“平台能够为传统和獨立出版商提供洞察内容的新视角和图书销售的新机会。”[22]

三、智能阅读：价值链的延伸

信息自互联网产生以来就呈现爆炸式增长态势，预计到2035年全球数据产生量将达到2142 ZB[23]。这使得人们在生活、学习和工作中普遍面临信息过载的压力。在大众出版领域，内容平台往往向用户提供基于智能阅读的服务，主要表现为内容的个性化推荐。在教育出版和泛知识服务领域，在信息推送之外还发展出智能问答系统、智能导师等新兴产品和解决方案。而在科技出版领域，智能阅读的需求尤甚，仅2010—2020年，美国便发表了421万篇论文，排在第2位的中国发表了302万篇论文[24]。如此浩繁的文献，不只是数量，其复杂程度与逻辑关联也都远在个人的处理和解读能力之外，仅依靠人类自身已无法完全了解、吸收哪怕是单个学科领域的信息和知识。于是，“遥读（Distant Reading，又译作“远距离阅读”“远读”）”“策略性阅读（Strategic Reading）”等新智能阅读形态应运而生，并作为独立的增值环节延伸了科技出版价值链。

1.遥读

斯坦福大学弗兰科·莫雷蒂（Franco Moretti）教授于2000年在《关于世界文学的猜想》中提出遥读概念。他对遥读的定义是：“通过聚合和分析大量数据来理解文学，而不是研读特定的文本。”[25]现在，遥读通常指在面对信息量大、复杂度高的文本内容时，利用机器计算、聚类、分析文本，从中检索和提取代表文本主题的词句、短语以得到文章主题的快速阅读方法。遥读不需要人类读者来阅读文本;阅读实际上被“外包”给了机器[26];通过机器阅读归纳人工无法总结出的模式特征与规律，帮助人类读者提高信息获取和处理效率。尽管遥读被一些研究者指为会在一定程度上导致文字被机械化切割，并粗暴地重组为自动聚类的短信流和维基词条一般的快读素材[27]，忽视甚至破坏文本的完整性，但是，它仍然预示了广阔的应用前景。

遥读使个人得以消化体量庞大的文本内容，并对这些内容有一个宏观和全局层面的把握。莫雷蒂利用计算机分析1740—1850年出版的7000本英国小说标题，发现随时间推移，标题越来越短，由此提出“短标题有何吸引力？”“作者为何逐渐需要采用更短的标题？”等问题，结果发现这与图书数量增加导致的市场竞争加剧密切相关。如果没有以计算机为主体的遥读，这些研究问题可能永远不会被提出，更遑论得到研究发现。此外，约旦国王学院专设了一门遥读课程，让学生使用Wolfram语言对大规模文本进行计算分析，从中总结出可能存在的特征与规律。而由欧盟“地平线2020”计划所资助的欧洲文学史遥读项目（Distant Reading for European Literary History）通过分析大量文学文本，创建欧洲文学文本集语料库;开发适合欧洲多语言文学传统的文本分析方法;基于以上资源和方法，重新评估文学史中的关键定义和概念，甚至帮助作者改变欧洲文学史的写作方式。事实上，遥读已经超越其所起源的文学领域，进入历史、历史地理、考古学等更广阔的学科研究领域，成为数字人文中极有价值的研究手段。如莱比锡大学和贝鲁特美国大学的两位学者创建了名为“中世纪地名可视化”（Visualizing Medieval Places）的项目，他们以中世纪法语文本语料库为基础，将其中所提及的地名投射到地图上，以实现文本中地理空间信息的可视化（见图2）。又如，佐治亚理工学院数字人文实验室对文献中托马斯·杰斐逊（Thomas Jefferson）的社会网络关系进行分析并进行了可视化表示（见图3）。

2.策略性阅读

2009年，伊利诺伊大学厄巴纳—香槟分校信息科学学院的艾伦·雷尼尔（Allen Renear）教授和卡罗尔·帕尔默（Carol Palmer）教授在《科学》杂志上发表《策略性阅读、本体和科学出版的未来》一文，探讨科学研究中的策略性阅读，即学者同时对多篇论文进行搜索、筛选、浏览、链接、注释和分析内容片段，以高效收集信息的行为[29-30]。这并非是新出现的阅读活动。专业读者在阅读过程中往往采取一系列策略，根据阅读目的和具体任务随时调整阅读，与文本互动并建构意义。但是，以往这种策略性阅读多以人工方式展开，而雷尼尔和帕墨则强调它必须依靠机器进行，借助机器的强大计算能力以及文本挖掘、语义分析等技术从大量文献中找到符合需求的信息，目的是帮助学者避免不必要的阅读。

PubMed、WOS、CiteSeer、Scopus、谷歌学术等数字索引、检索和导航资源的主要功能之一就是帮助研究者无须阅读单篇文章就可利用大量相关信息;而在许多学科领域，正在广泛地构建、开发和应用学科相关的本体和科学数据，两者结合而生的策略性阅读，将会引发更加快速、更加间接的文献阅读和使用行为。策略性阅读功能的实现，需要出版商或图书馆将之作为一个功能插件嵌入应用程序，或者作为独立的工具或产品提供给学者使用。如Textpresso，这是一个基于本体的生物科学文献文本挖掘系统，其在已有基因本体（Gene Ontology， GO）的基础上构建了33个类别的生物本体[31]。对于机器阅读文献后从中提取的题名、摘要、引言等纯文本信息，Textpresso根据所构建本体用XML进行标注;再与所提取出的作者、机构、参考文献、文献链接等信息共同存入数据库中，从而实现强调语义的知识检索，提高文献检索的查全率和查准率，帮助学者减轻阅读负担。又如iHOP同样是提供文献挖掘服务的系统，通过机器对数百万个PubMed文档的阅读，自动提取关键句，以基因和蛋白质作为连接句子的中介建立起信息网络，将其中的文档转换为配备强大导航功能的信息资源[32]。研究人员输入基因或蛋白质名称，iHOP便可显示所有相关文章，极大节省了学者搜寻文献的时间。未来随着文本挖掘、自然语义处理等技术水平的提高，借助本体的策略性阅读工具必然会更加完善。

四、结语

技术的更迭总会引起出版领域的变革。造纸术和印刷术使知识大范围传播成为可能，促使在场听读和朗读行为隐退，使默读行为广为流行。而印刷文化默读的孤独性和理性思考，有助于建构“理性的自主的自我”，或者说，发挥人类理性主体建构功能[33]。电子技术让出版告别铅与火，走向光与电[19]，人类社会的出版和阅读行为有了前所未有的变化。智能技术介入出版领域后，智能出版与智能阅读产生，传统出版价值链被重塑：一方面，智能阅读深深地嵌入智能出版价值链中，并在几乎每一个价值增值环节发挥作用;另一方面，智能阅读作为独立的增值环节延展了出版价值链，使出版商在内容产品交付形态和解决方案上有了更大的余地。无疑地，智能阅读是实现智能出版的重要前提，而两者在价值链中紧密、错综的交融关系使得协同发展变得尤为紧迫和重要。所谓协同，即两个或两个以上不同主体、事物通過协调或合作方式共同完成某一目标的过程[34]。这种协同，既是智能阅读与智能出版增值环节合作实现智能化的协同，又是智能阅读融入并延展智能出版价值链的协同，最终指向为整条出版价值链创造最大化价值这一共同目标。

|参考文献|

[1]王君，廖华杰，宋泽生，等. 浅析人工智能技术在5G时代的发展与应用[J]. 科技与创新，2021（7）：172-173+175.

[2]张晓静. 人力资源管理在事业单位中的应用探究[C]//北京科学技术情报学会. 创新发展与情报服务. 北京：北京科学技术情报学会，2019：5.

[3] 柳克勋，金光熙. 工业工程实用手册[M]. 北京：冶金工业出版社，1993.

[4]赵树旺，付佳. 人工智能在美国出版业中的应用、问题与启示[J]. 出版发行研究，2019（10）：81-85.

[5]胡玉玺，王雨薇，程海威. 智能出版：智媒时代传统出版业务的转型升级方向[J]. 科技与出版，2020（11）：56-63.

[6] 张新新. 智能出版：现代出版技术原理与应用[M]. 北京：人民出版社，2021.

[7]STUART J. RUSSELL， PETER NORVIG. 人工智能：一种现代的方法[M]. 殷建平，祝恩，刘越，等，译，北京：清华大学出版社，2013.

[8]孙克，鲁泽霖. 人工智能在电子商务中的应用发展趋势研究[J]. 贵州社会科学，2019（9）：136-143.

[9]什么是价值链[EB/OL]. （2019-10-24）[2021-07-15]. http：//tjsmep. ezweb2-2. 35. com/qiyechengchangzaz

hi-131732-18894-item-86719. html.

[10]刘方喜. 当机器成为艺术生产主体：人工智能引发文论生产工艺学转向[J]. 江海学刊，2019（3）：119-128.

[11]赫尔曼·哈肯. 协同学：大自然构成的奥秘[M]. 凌复华，译. 上海：上海译文出版社，2005.

[12]郭治安，等. 协同学入门[M]. 成都：四川人民出版社，1988.

[13]畅销书“密码”[EB/OL]. （2016-09-12）[2021-07-

15]. http：//ent. chinadaily. com. cn/2016-09/12/content_2677

3976. htm.

[14]KELTON REID. How the Author of “The Bestseller Code” Jodie Archer Writes： Part One[EB/OL]. （2016-11-07）[2021-07-15]. https：//rainmaker. fm/audio/writer/jodie-archer-file-one/.

[15]奚雪峰，周国栋. 面向自然语言处理的深度学习研究[J]. 自动化学报，2016（10）：1445-1465.

[16]MOLLY FLATT. StoryFit offers AI insights to drive publishers decisions about books[EB/OL]. （2019-04-17）[2021-07-15]. https：//www. thebookseller. com/futurebook/storyfit-offers-ai-insights-drive-publishers-decisions-about-books-992766.

[17]李祖平. 穿透灵魂：深阅读与智能出版传播研究[M]. 北京：科学技术文献出版社，2019.

[18]宋伟，刘禹希，王金金. 智能出版：开启后数字出版新业态[J]. 传媒观察，2018（8）：24-29.

[19]范军，陈川. AI出版：新一代人工智能在出版行业的融合创新[J]. 中国编辑，2019（5）：64-71.

[20]2019年新闻出版产业分析报告[EB/OL]. （2020-11-04）[2021-07-15]. https：//www. chinaxwcb. com/uploads/1/file/public/202011/20201104095548_wwrm2mol4a. pdf.

[21]黄晓新. 5G时代数字阅读智能化变革[J]. 中国出版，2020（4）：16-20.

[22]GUEST CONTRIBUTOR. Curation， Discovery， and Marketability： Intellogo Provides Tools for Self-Publishing Platforms[EB/OL]. （2016-01-07）[2021-07-15]. https：//publishingperspectives. com/2016/01/intellogo-tools-for-self-publishing-platforms/.

[23]大数据白皮书（2020年）[EB/OL]. （2020-12-31）[2021-07-15]. https：//pdf. dfcfw. com/pdf/H3_AP202012311

445567246_1. pdf？1609409589000. pdf.

[24]中国科学技术信息研究所. 中国科技论文统计结果[EB/OL]. （2020-12-29）[2021-07-15]. http：//conference.

istic. ac. cn/userfiles/2/files/page/20201230/1609336361628046806. pdf.

[25] KATHRYN SCHULZ. Whatis distant reading？[EB/OL]. （2011-06-26）[2021-07-15]. https：//www. nytimes. com/2011/06/26/books/review/the-mechanic-muse-what-is-distant-reading. html.

[26]VAN DE VEN I. Creative Reading in the Information Age： Paradoxes of Close and Distant Reading[J]. The Journal of Creative Behavior， 2019（2）：156-164.

[27]劉石，李飞跃. 大数据技术与传统文献学的现代转型[J]. 中国社会科学，2021（2）：63-81+205-206.

[28]J?NICKE S， et al. On Close and Distant Reading in Digital Humanities： A Survey and Future Challenges[C]//The Eurographics Association. Eurographics Conference on Visualization （EuroVis） – STARs 2015. Italy： The Eurographics Association. 2015： 83-103.

[29]RENEAR A H， PALMER C L. Strategic reading， ontologies， and the future of scientific publishing[J]. Science， 2009（325）： 828-832.

[30]RENEAR A H， PALMER C L. Strategic reading and scientific discourse[J]. Science， 2009：1.

[31]M?LLER H M， et al. Textpresso： an ontology-based information retrieval and extraction system for biological literature[J]. PLoS biology， 2004（11）：e309.

[32]HOFFMANN R， VALENCIA A. A gene network for navigating the literature[J]. Nature genetics， 2004（7）：664-664.

[33]周宪. 从“沉浸式”到“浏览式”阅读的转向[J]. 中国社会科学，2016（11）：143-163+208.

[34]尹萍. 跨境电商供应链协同评价研究[D]. 镇江：江苏科技大学，2018.