图书情报领域人工智能的研究热点及发展趋势

2020-11-26张拨群

电子技术与软件工程 2020年7期

张拨群

（太原理工大学山西省太原市 030024）

人工智能主要是针对人类智能理论、技术以及应用系统加以模拟、延伸和拓展的新型技术学科。随着人工智能技术研究与应用的成熟化发展，对于其在各行业、各领域中的优化利用已经成为现代社会热议的焦点。如何将人工智能充分融入到图书情报领域研究，为人们提供更为优质的服务，值得我们深思。

1 研究起源与发展

自改革开放以来，我国社会经济经历了一个跨越式发展阶段，各行业发展十分迅速，然而与西方发达国家相比，我国在图情领域的研究还不够深入，对于人工智能技术的融合效果还有待提升。我国人工智能在图情领域应用的起源和发展过程主要包括三个时期：

1.1 起始时期

与发达国家相比，我国图情领域关于人工智能技术的研究起步较晚，开始于上世纪80年代初，但出于科学技术以及研究经验方面的制约，直至上世纪末发展过程十分缓慢。这个时期由于可借鉴经验较少，研究人员所开展的各项研究活动大都集中于将人工智能应用于信息搜索等方面，并且大部分研究主要停留于理论层面，只有少部分研究人员组织过相关实验。有研究人员就理论角度分析自然语言加工过程的的复杂性，推崇将人工智能融入到其中；分析在全文搜索中对自然语言处理应用的相关问题，并针对标引和分析检索等处理方式做出总结。

1.2 发展时期

步入新世纪的前十年，国内科学技术的高速发展给图情领域发展带来的新的契机，人们更为关注对人工智能技术的优化利用，相关文献数量及研究深度持续上升，主要研究方向集中于实践层面对神经网络与机器学习的应用。有研究人员尝试通过BP 神经网络的引入针对竞争情报搜索过程的成本预测，并使其与线性回归分析法之间展开对比，从而说明BP神经网络实际预测精准程度更高。此外，图情领域有关机器学习方面的研究内容则聚焦于信息检索和分类等方面，有人在对人工智能与信息理论加以综合分析与研究的基础之上，探索通过机器学习得到检索知识的方法，并获得相应的检索模型。

1.3 成长时期

从2011年开始，信息技术的高速发展为图情领域对人工智能技术的应用提供了更好的技术支撑及制度保障，进入到快速成长时期，这一时期相关研究大幅增多，而研究方向也趋向于纵深化发展。以机器学习技术为基础在相关领域进行持续延伸，逐渐朝着智慧服务和数据挖掘等多个层次发展，各项研究活动也更加关注于实践层面的应用。而深度学习的发展，使人工智能所面临的传统机器学习方法方面的问题得以改善，实现了其在图情方面研究深度与广度上的进一步拓展。有人提出以深度学习技术研究为依托，创建期刊同质化发展模型，分析当前国内学术发展进程中所呈现出期刊同质化的问题，继而依据实证研究方式证明了此模型的可行性与有效性。此外，在电子商务领域对Web 数据挖掘技术的应用，使其服务过程展现出更好的个性化与智能化特征。

2 研究热点

进入21 世纪以后，电子产品已经成为人们日常生活中的重要工具，通过人工智能为人类提供优质服务业成为各行业的研究重点，其在图情领域中的研究热点主要体现在以下几个方面：

2.1 人工智能助力网络舆情分析

在网络舆情分析工作中对人工智能技术应用的研究重点在于舆情传播规律、情感分析、监测以及预警等各个方面。有人通过语义关联分析配合使用可视化分析软件，研究学术网舆情信息的网络环境传播规律，为网络舆情传播研究形成一种新颖的研究角度与分析方法；提出网络舆情监测模型，从而实现对于网络当中各类舆情热点问题的精确预测与查找，继而利用仿真实验实现对模型效能的验证与分析；就认知情感层面出发，针对感情规则加以构建，通过深度学习建模与分析，实现事件的分类处理，其实验结果表明分析效果要好于传统模型。

2.2 人工智能对智能搜索与推荐服务的影响

比如在文化遗产领域，有人将视觉搜索应用于数字图书馆，并对其进行描述与分析，涉及相应基本原理、服务模块以及体系框架等方面；针对人工智能和信息推荐二者之间的深度融合与发展进行研究，使信息智能获取能够完成全新业务链构建与发展；因为对图书馆服务所面对的用户实际兴趣点会受时间、频率等诸多因素的协同影响，可通过本体相似度以及时间衰减为核心获得相应的推荐算法，这一算法具有良好的实效性与普适性。

2.3 人工智能应用于社交网络数据分析

对社交网络当中各类用户所发布的评论进行分析，研究其相应属性与特征，随后采取Python 语言针对文本情感进行量化分析，相比于机器学习算法分析相比，其准确性呈现出大幅度提高。随着网络社交技术与服务的逐步发展，其所产出的海量复杂化数据信息在一定程度上造成对用户个性需求的覆盖，为通过对社交网络数据的分析达到对用户喜好精准预测的效果，有研究人员提出用户喜好识别及预测模型，并验证其具有良好的实效性。

3 发展趋势

虽然我国目前在图情领域对人工智能技术的研究与应用已然获得一定成效，但仍有很大的发展空间，依然需要广大科研人员抓准社会发展潮流，对其开展更为深入的研究。目前的发展趋势主要体现在以下几个方面：

3.1 视觉及语义搜索

近些年来，人们对于网络工具的应用频率越来越高，导致与图像及视频相关的各类资源数量迅速增长，这也导致视觉资源成为一种最为重要的可视信息单元，在视觉资源检索研究与应用中对人工智能技术的融入将会变成情报学领域研发的全新内容，这也将成为今后的重要发展趋势。除此之外，语义搜索属于网络信息检索中另外一个具有良好新颖性的研究领域。今后的研究活动将集中于两个方面：

（1）在针对视觉及语义搜索构建相应的框架或者模型构建时，需要综合考量多方面、多层次特征，比如高层语义特征、底层视觉特征等，继而与机器学习与深度学习技术进行充分融合，促进实际搜索质量、效率以及精准程度的进一步提升；

（2）因为网络搜索整体性能的优化，可以将网络中的各类数据作为基础，通过深度学习与机器学习等应用技术，能够针对既有视觉搜索模型进行科学改良与优化，促进其检索准确性的提升。通过计算机视觉技术对文本或者图像数据进行检测，同时产出自动标签，能够改善信息检索的整体效率，对检索模型精准性提升具有良好的促进作用。

3.2 智慧图书馆服务

智慧图书馆属于现代图书馆革新与发展的大趋势，而在其中融入人工智能技术也成为目前图情领域主要的研究方向。在对智慧图书馆进行建设的过程中，需要从以下两个方面入手：

（1）建立智能管理体系。以人工管理与信息管理为基础，使人工智能技术和图书馆内部信息资源之间进行有效融合，以建立新型检索与借阅管理系统，从而实现各类相关资源的智能化整合；

（2）供给个性化推荐服务。通过对读者图书查阅记录的收集与综合分析，结合各种新型应用技术与算法，获取广大图书馆用户的个性化需求，采取更具新颖化、个性化特征的形式为人们提供资讯服务。

此外，还可以结合计算机视觉以及智能语音等新型技术，针对各类资源进行有效连接，以构建智能系统，为广大图书馆用户供给更具精准性、实效性以及智能性的推荐服务。

3.3 社交网络数据信息挖掘和分析

信息时代的到来和智能化技术的发展，使各类数据信息的增长速度大幅提升，加之社交网络所具有的特殊性，大部分现有数据信息处理技术已经不能有效满足人们对于数据信息存储、调用以及可视化等方面的需求。这也让广大科学研究人员深刻意识到社交网络数据信息挖掘过程中人工智能技术的关键作用。需要关注以下两个方面：

（1）针对社交网络发展过程中所产出的海量数据信息进行可视化处理。通过自然语言处理等方式实现对海量数据信息开展语义分析及处理，随后结合数据聚类、认知可视化等相关技术方法让信息内容呈现出更高的交互性与可视性特征；

（2）以复杂网络分析法为依托，构建起与之相应的预测算法，研究社交媒体数据传播范围、主要热点和社会影响力等。

3.4 对隐私和安全的影响

由于人脸识别、指纹识别以及机器学习等现代高新科技的成熟化发展，加之网络空间与场景的逐渐丰富，使个人数据的收集与分享更加便捷，用户身份编号过程更加简单，比如对用户信用记录、日常生活活动轨迹等各类信息进行存储、分析和记录。与此同时，会带来一定个人信息泄露风险，并且其途径与实际程度很难通过网络实现有效追踪。所以，如何实现对人工智能技术的优化利用，从而有效保护个人信息，成为日后主要的研究方向之一：

（1）在将人工智能作为主体技术支撑的现代智慧医院中，针对患者电子病历、数据调取与使用权限等，要开展有关个人隐私保护与监管机制的研究；

（2）从某种程度上讲，在处理人机交互关系的过程中对人工智能技术的应用，会导致其关系出现一定变化，用户和系统之间的交互会显得日益频繁，人们可以在虚拟与真实之间进行随意切换，而这也会导致诸多潜在风险的浮现。一些非法人员可能会利用人工智能更新自己的欺诈方法，以非法方式获得相关权限或信息，继而开展各项欺诈活动。因此，要积极构建起将模糊逻辑为依托的模型，从而实现对信息安全风险的有效防范。

在逐步推动我国图情领域对人工智能技术深入应用的过程中，还要将政策元素、人文元素等充分融入到治理机制当中，继而在多个领域切实反映出图情学科特有的优势。除此之外，要促进各相关学科间的交叉与融合，加强金融行业、医疗卫生行业、旅游行业以及社会人文等各领域对现代计算机技术方式的应用。要积极结合工程化发展思维，使图情领域中的人工智能研究跟现代工程领域、制造领域实现有效融合，实现对图情学科研究方式的丰富化发展。以图情学科的深入研究为基础，充分融入多种现代科学技术，优化现代人才培养体系，培养出更多创新型人才。