网络科技信息情报价值评价方法综述

2020-11-30张贺

无线互联科技 2020年16期

张贺

(商丘市科技情报研究所，河南商丘 476000)

0 引言

现阶段各个行业的科技交流和信息传播都离不开网络，网络在人们生产和生活中占据的地位也越来越重要。尤其是在科研领域，网络是实现对外信息发布的重要渠道，比如一些科研活动、科技战略、科技成果等都需要借助网络来宣布。情报机构一项非常重要的任务就是在网络科技信息支持下，实现对科技动态的实时监测，并对其所制定的战略决策进行分析，确保从繁多的网络科技信息资源中发现有高情报价值的信息资源。因此，情报机构如何提高自身探索情报价值信息资源的工作效率是工作人员关注的重点。相关资料显示，网络科技信息情报价值归属于网络信息资源评价研究，借助科学有效的评价方法可以选择并评估众多网络信息。

1 信息计量学为基础的评价方法

1.1 定量评价方法

对网络资源相关信息进行自动搜集并整理的统计方法为定量评价方法，定量评价方法是按数量来进行统计分析的，具有较强的客观性。定量评价方法在早期选用的指标较为简单，存在访问量波动性大、耗费人力和时间较多等问题。此外，访问量的大小与网络资源情报价值并不是高度相符的，恶意刷访问量的情况也会存在。定量评价方法作为一种数学分析方法，带有一定的科学性、系统性、规范性以及客观性，应用该方法得出的评价结果更具说服力[1]。

1.2 定性评价方法

定性评价方法就是结合评价目的和评价服务对象自身需求，以此为依据构建相应的规范和准则，确立评价标准、构建评价体系的评价方法。定性评价方法中不少研究学者是基于不同角度做出不同假设来制定网络信息资源评价指标的。这些指标的获取存在高度的间接性，受外部特征衍生指标的影响，难以实现对网络科技信息资源情报价值更为准确的判断。此外，定性指标中主观色彩较强，所产生的分析结果差异性较大，因此，说服力和科学性均较低。

1.3 综合评价方法

定性和定量评价方法都带有一定的不足，因此，不少学者开始将两者结合在一起形成综合评价方法。综合评价方法可以将定性评价方法中成熟、细致、全面的优势体现出来，又能落实定量评价方法中规范、客观、科学、系统的优势，以此满足网络信息综合完整性的评价需求。张智雄等[2]对网络科技信息的特点进行了分析，总结出了情报来源、情报主题对象、情报类型以及情报科技相关度等有关指标，并进一步细化上述指标，将其分为31个二级指标，既包括定性指标，又包括定量指标。细化后的指标可以综合评价资源外在属性和资源内容特征等内容，实现对网络科技信息价值的判断。这两名学者的研究对后人产生了深远的影响。陆宝益在参考了国内外学者的研究资料后，也一直认为网络科技信息情报价值的评价需要将定量指标和定性指标结合在一起，在构建评价指标体系时，不仅要具备定性指标，还要具备定量指标，如网络信息资源的外部特征、网页格式、外观设计、读者对象、引文等。综合评价法与定性和定量评价方相比，结合了以上两种方法的优点，可以有效克服定性评价方法中主观性强、客观性及可操作性差等问题，因此，评价效果是非常理想的[2]。

2 个性化信息搜索评价方法

个性化信息搜索可以结合用户的兴趣、偏好以及特殊目的等优化检索结果，此种信息搜索方法便于用户在最短时间内发现自己所需要的信息资源。Price首次提出了准确性和特殊性均较高的信息组织和检索方法，此种组织和检索方法是面向各个领域内专家的。此种算法下，结合不同类型的信息将特定领域的文档分成不同部分，这些不同部分被称作语义组件。一个或者多个语义组件中相关信息文档片段则被称为语义组件实例，将语义组件和语义组件实例结合在一起可以进一步优化检索结果，最终形成一种特殊的检索引擎，该检索引擎主要是面向领域的专家们[3]。Danoud等则为所有的检索会话构建了加权图，加权图可以对用户兴趣模型进行描述。一旦用户需要检索新的内容，则可以结合用户的兴趣模型将检索出来的结果重新排序，并在同一个会话用户模型中纳入相应的检索词。TSoi对用户定制的网页检索排序算法进行了研究，该算法允许用户调用他们自己感兴趣的页面实例。此外，该算法还对用户制定了一些限制规则，比如页面j的重要性远远低于页面i；站点B页面的重要性远远低于站点A页面；页面i的重要程度与PageRank算法计算出来的重要程度相比，前者比后者多出两倍。

上述算法一旦被调用，可以满足特定用户的信息需求。Han则充分挖掘了用户某些特定的查询习惯、搜索引擎访问的页面以及访问频率等内容，在对用户感兴趣的资源进行全面了解的基础上，依照用户的偏好构建了模型，由此满足了用户个性化检索信息的需求。个性化搜索是建立在用户行为和偏好上的，此种搜索评价模式在一定程度上可以解决传统搜索引擎带来的“认知过载”等问题，但是要想在网络科技信息情报价值评价中更好地应用，还需进一步改进。在对用户兴趣、偏好以及检索信息等进行充分挖掘的基础上构建模型，并对检索出来的结果结合用户兴趣进行排序，此种检索方法是对传统检索方法的进一步优化。但是优化后的检索方法具有较强的特殊性，是依据用户具体场景而设置的专门算法，因此，该算法的移植性较差，难以实现对战略情报人情报关注的建模。此外，情报价值较高的资源并不都是与用户关键词匹配度高的资源，还需要情报人员进一步挖掘数据资源的语义，对其进行深层次解析，才能进一步提升情报资源信息判断的准确性[4]。

3 信息过滤评价方法

解决网络信息过载最有效的技术就是信息搜索和信息过滤。两种技术具有高度的相似性，但不同的是，信息搜索技术需要按照信息的重要性进行排序，信息过滤则不会。信息过滤技术主要有两类，分别是协同过滤和内容过滤。网络科技信息情报价值评价方法中信息过滤占据非常重要的地位。

(1)在信息过滤系统中融入了网页内容、质量以及用户的喜好，并构建了信息过滤模型。(2)领域本体纳入了过滤模型，该模型适用于逻辑性推理较为复杂的语义层次，是对传统过滤技术的改进。(3)将用户兴趣模型进一步分解，将其分解成多个子模型和兴趣片段，其中，不同子模型代表的用户喜好、背景、任务以及情绪等是不一样的。多个子模型组成了用户兴趣模型，可结合用户的兴趣及其社会背景等选择性地过滤信息。(4)敏感性信息在过滤时要考虑的内容较多，如敏感信息彼此组合产生的相互作用，因此，在信息过滤上提出了敏感词组合信息的概念，目的是将过滤敏感信息的作用进一步增强。(5)在过滤敏感信息问题上将核算法纳入其中，在理论上可以明显提升敏感信息过滤的有效性。(6)为了提高信息过滤的效能，可以立足于页面特征来考虑，页面特征是指词本身的长度、融合次出现的频率、文本中词的属性以及具备的语法特征。在此基础上，在特征模型构建上融入了训练集中的特性，确保了信息过滤的有效性。(7)在处理词时纳入用户兴趣模型，在处理过程中可以找出该次的同义词并在信息过滤时将其过滤出去。用户兴趣模型中的词是非常重要的，代表了用户对所推荐资源的接受程度。此外，在信息过滤的过程中，也可以结合网页中该词出现的具体位置，对其赋予不同的权值。现阶段不少领域的专家将用户反馈机制融入了信息过滤，可以将用户的信息过滤结果反馈出来，但是此种方法并不适合所有的用户。