基于情报中间件思想的情报工作融合模式研究

摘 要： ［目的／ 意义］ 大数据时代背景下， 复杂信息环境对情报工作带来了极大的挑战， 建立快速、直接的情报传递体系是情报工作的必然要求。［方法／ 过程］ 本文提出了面临大数据挑战而萌生的新情报工作融合模式———情报中间件思想指导下的情报工作模式。通过辨析情报中间件与计算机中间件、云计算中间件、物联网中间件等的异同， 明确了情报中间件的概念内涵与功能， 并列举了情报中间件思想下的情报服务流程和实证研究，初步证实了该思想的可行性。［结果／ 结论］ 研究表明， 情报中间件能够通过凝聚分散的学术研究成果进而提升情报工作效率。

关键词： 复杂信息环境； 情报传递； 情报工作融合； 情报中间件； 情报服务流程

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０２．００６

〔中图分类号〕Ｇ２５０． ２ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２５） ０２－００６２－１０

当今世界正逢百年未有之大变局， 国际局势波谲云诡， 不确定性与不稳定性持续增加， 情报工作作为国家安全和社会稳定的重要保障， 面临着复杂的国际环境［１］ 。与此同时， 大数据、人工智能等新兴技术的层出不穷与广泛应用， 使得情报工作直面互联网中的海量、不完备、多源异构、低价值密度、迷雾等复杂信息环境［２］ 。在此背景下， 传统的情报工作模式已经无法完全适应当前的快速变化和高度不确定性工作环境， 情报工作亟需具有更快的感知响应力、更强的融合处理力、更精的甄别研判力和更准的预判分析力［３］ 的工作模式。

中间件（Ｍｉｄｄｌｅ Ｗａｒｅ）技术为提高情报工作效率与精准度提供了一些参考。中间件是伴随计算机网络技术发展而产生的介于应用系统和软件之间的一类软件或服务程序， 它能够促成不同系统、应用之间的资源、功能共享［４］ 。中间件技术指开发中间件所使用的技术手段， 目前， 中间件技术已经成为一种用来解决不同对象之间互联互通问题的核心思想，被广泛地应用于数据库、云计算与物联网等领域。本文汲取中间件技术思想提出情报中间件（Ｉｎｆｏｒｍａ⁃ｔｉｏｎ Ｍｉｄｄｌｅｗａｒｅ， ＩＭ） 概念， 用以解决如何将情报价值准确高效地向人类传达的问题。情报中间件既是对中间件技术内涵的拓展与深化， 也是一种全面支撑当前复杂环境下情报分析工作的新思想。

１ 相关研究

１． １ 情报工作模式变迁

情报工作具有鲜明的时代特征［５］ ， 不同的时代背景有不同的情报工作模式。情报１． ０ 时代， 信息来源以纸媒文献为主， 数据量有限， 信息技术落后，情报工作模式主要以手工型和个人单干型为主［６］ ， 这种模式在信息量较小、数据相对可靠的情况下能够有效运作。但随着信息时代的到来， 受益于信息技术和互联网的发展， 情报数据源大幅扩展， 信息分析技术不断进步， 该类情报工作模式的工作效率和适应性存在明显不足， 情报工作模式逐渐向情报２． ０ 时代过渡。情报２． ０ 时代的情报工作模式呈现以现代化手段辅助集体协作分析特征［６］ 。在该模式下， 自动化分析工具和情报分析系统被广泛使用，情报工作由多部门、多专业人员协作完成， 情报工作相对高效、准确与灵活， 更好地适应了信息化和大数据时代背景下的情报需求。随着大数据时代的持续高速发展， 社会迈入人工智能时代， 数据资源极度丰富， 智能化分析技术日臻成熟， 情报工作模式跨入情报３． ０ 时代［７］ 。情报３． ０ 时代的情报工作以多算法、多参数、高度智能化、实时处理、人机协同等为显著特征。以深度学习、机器学习为代表的人工智能技术大幅提高了情报工作的效率、准确性、洞察力与快速反应能力， 为情报工作者应对情报３． ０ 时代复杂多变的情报环境提供了有力的保障。但是， 大数据、人工智能等技术的发展给情报工作带来诸多机遇的同时， 也给情报工作带来了不小的挑战， 如数据噪声、异构、过载、迷雾等问题， 这些问题使得数据价值挖掘难度加深。尤其是近年来随着生成式人工智能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ＧｅｎｅｒａｔｅｄＣｏｎｔｅｎｔ， ＡＩＧＣ）的高速发展， 社会进入人工智能２． ０时代［８］ ， 该时期的情报工作充分利用大数据、云计算、人工智能技术， 呈现数智化特征。ＡＩＧＣ 使情报资料的获取模式由分散检索转变为问答式获取［９］ ，数据收集更加全面便捷［１０］ ， 数据分析更加智能化。但是由于数据增强、迁移学习、深度伪造技术等的反复叠加应用， 数据价值被稀释， 数据质量难以保证［１１］ ， 情报工作环境变得更加复杂。

１． ２ 情报中间件思想萌芽

面对当前复杂的情报工作环境， 传统的情报工作模式已经无法完全胜任“耳目、尖兵、参谋” 的情报工作使命， 一些专家学者开始寻求破局之法。李梦婷等［１２］ 基于中间件思想， 将态势感知理论引入国家科技竞争情报系统， 提出包含科技竞争情报态势觉察、理解与投射的国家科技竞争情报态势感知系统模型， 将科技数据价值通过该系统传达给相关决策者。姜永常等［１３］ 通过领域情境本体的概念格解构及其与环境资源的“六何” 感知关联重构， 构建了以用户为中心的情境感知系统， 通过情境感知中间件对用户感知活动进行人机交互认知能力分析，保障情境内外生态系统结构和谐共生， 赋能用户情境感知决策能力。丁晓蔚［１４］ 提出， 构建基于大数据情报分析的全面风险情报体系， 探索通过金融情报中间件将传统金融风险防控模式升级为大数据的、可信的、实时的、前瞻性的、预警性的模式。刘逸伦等［１０］ 搭建了ＡＩＧＣ 赋能的科技情报智能服务框架模型， 该模型的智慧应用层本质上是通过科技情报专用知识语料库进行大规模数据训练的生成式人工智能， 内含情报中间件思想， 通过ＡＩＧＣ 技术屏蔽用户的情报挖掘工作， 强化用户情报价值服务感知体验。

以上是情报中间件思想的部分萌芽， 并逐渐将这一理念运用在理论与实践当中。学界也越来越意识到人工智能时代将情报价值传输给人类的重要性，含有情报中间件思想的“情境感知” “态势感知”“价值服务” 等相关研究也逐渐增多。同时， ＡＩＧＣ技术在情报工作中的应用也体现出了中间件的思想。但是这些研究都没有对“情报中间件” 给予明确的定义与探讨。随着人工智能２ ．０ 时代的开启， 大数据分析、数据科学、人工智能等新兴学科迅猛发展， 许多传统学科面临被淹没的风险， 情报学作为专门研究数据、信息和知识组织与利用的学科［２］ 首当其冲。情报学作为一门独立的学科， 既要顺势发展， 也要坚守好自己的阵地［１５］ ， 必须主动创新， 提出独立的学术概念和研究框架， 以整合多学科研究成果， 促进知识共享和创新突破， 避免被新兴学科浪潮所淹没。因此， 本文提出情报中间件概念， 以期增强情报学在数据研究中的独立性， 同时提出基于情报中间件思想的情报工作融合模式， 以适应当前复杂多变的情报工作环境。

２ 中间件概念及其应用辨析

２． １ 中间件的内涵与功能

若要界定情报中间件， 便绕不开目前关于中间件的概念。计算机网络技术的发展催生出中间件技术， 其内涵在学界尚未达成统一。但当前获得广泛认可的定义是： 中间件是介于应用系统和软件之间的一类软件， 它使用系统软件所提供的基础服务或功能， 衔接网络上应用系统的各个部分或不同的应用， 能够达到资源共享、功能共享的目的［４］ 。中间件为异质计算环境中的服务和资源提供统一的观察结果， 能够使用户察觉不到应用程序所使用的各种资源上的差异。具体而言， 中间件技术屏蔽了底层操作系统的复杂性， 使开发人员面对一个单一且统一的开发环境， 将精力集中于自己的业务上， 不必再为程序在不同系统软件上的移植而重复工作， 从而达到减少技术负担的目的［１６］ 。简单来讲， 中间件的作用是通过屏蔽各种复杂的技术细节使技术问题简单化。通常， 服务于计算机软硬件互操作的中间件都属于计算机中间件［１６］ ， 其工作环境没有脱离计算机网络。

２． ２ 云计算中间件

云计算中间件主要指面向云计算的中间件， 其主要任务是对云计算涉及的各类网络信息资源进行有效管理， 并为云计算应用提供高效可信的开发、部署和运行的支撑环境［１７］ 。云计算中间件技术中包含的一些数据服务技术， 如数据库中间件等， 本质上属于计算机中间件技术。但是必须强调的是， 从计算资源管理角度来看， 云计算是利用虚拟化技术将大量资源集合在一个被命名为“云” 的资源池内，用户通过对“云” 端的资源进行取用而形成的一种网络应用模式［１７］ 。虚拟化是云计算最为显著的特点， 也是其与传统网络应用模式的最大不同点。虚拟化突破了时间、空间的限制， 使得云计算具有高灵活性、高扩展性和高性能比等特性。因此， 云计算中间件的一大任务就是将计算机空间的数据资源与“云” 端资源相连接， 其工作环境已经“由实入虚”， 即在计算机网络与虚拟云之间起到连接作用。

２．"３ 物联网中间件

物联网中间件是指面向物联网服务的中间件，其主要目的是实现物理空间中的物品、信息空间中的计算资源与社会空间中的用户之间的互联互通［１８］ 。物联网系统的体系结构由“物端—网端—云端” 三大部分组成［１８］ ， 其中物端由处于互联网边缘的万物资源构成， 网端是将物端资源与云端资源互联的网络， 云端是由为万物互联提供各种云计算与服务的云端资源构成。物联网中间件在“物端” 需要将物理世界中的实体信息传递给计算机网络或者直接传递给云端以支撑物联网服务； 在“网端” 需要建立物端资源与云端资源相互连接的通道， 即云计算中间件服务内容； 在“云端” 需要提供面向物联网服务的云服务， 如数据融合、存储等功能， 即计算机中间件服务内容。由此可见， 物联网中间件起到“虚实结合” 的作用， 使物理世界、计算机网络与虚拟云相互连接。

２． ４ 情报中间件

当今处于信息极其丰富的时代， 同时也处于信息环境极其复杂的时代， 大数据为情报分析工作带来了便利的同时， 也给信息利用带来了极大的障碍，目前尚未得到充分解决的问题之一便是如何将信息价值有效地传达给人类。中间件技术思想为解决这个问题提供了一些思路， 情报中间件概念应运而生。但是将中间件思想引入情报分析工作中必须结合情报分析工作自身特点而展开， 不能照搬计算机中间件技术。

对于情报分析工作而言， 其中的一些环节如数据获取、数据预处理、数据分析等已经离不开计算机， 因此在情报分析工作中， 依然不能摒弃计算机中间件的使用。不同的是， 计算机中间件是在计算机系统、应用之间产生作用， 没有脱离计算机网络，而情报分析工作的终端是人， 计算机分析结果需要传递给人， 不但需要考虑计算机网络内的不同工作的连接， 还要特别注意计算机网络空间中的数据价值与现实空间中的人之间的连接。同时， 考虑到这两部分的互联互通需求的中间件才能称为情报中间件。因此， 可以将情报中间件视为情报与人之间的桥梁。

２． ５ 应用中间件概念辨析

如前所述， 在中间件思想下， 诞生了各类应用中间件， 它们的基本思想都为中间件思想， 但是概念内涵却略有差别， 其概念辨析如表１ 所示。可以看出， 各类应用中间件所体现的思想都是“中间”的基本意， 即处于两类事物之间， 不同的是不同的应用中间件两端的事物特点大相径庭。计算机中间件作用于计算机网络内部， 云计算中间件作用于计算机网络与云端之间以及云资源池内部， 物联网中间件则是在计算机技术与云计算技术发展起来后逐渐壮大的概念， 因此， 汲取了计算机中间件与云计算中间件相关技术， 并且发展出了联系物理世界与计算机网络、虚拟云的功能， 其共同点是传输的实体都是数据。而情报中间件作用于产生数据价值交换的地方， 包含了计算机网络、云端、物理世界与人之间的数据价值交流节点， 传输的实体为数据价值， 是对数据进行价值挖掘过后的知识。

整体上看， 计算机中间件技术是当前所有中间技术的基础， 云计算中间件和物联网中间件以及情报中间件是中间件技术的延伸。云计算中间件拓展了计算机中间件的工作环境， 将在计算机网络中实现的中间件功能延伸到了云端， 并且增加了计算机网络资源到云端资源相互连接的中间件技术。物联网中间件延续了一部分云计算中间件功能， 又额外增加了物理实体与计算机网络、云端相互连接的中间件技术。情报中间件则是对现有中间件传递实体的重塑， 其内涵与外延不能被现有中间件概念完全表示， 因此， 有必要提出“情报中间件” 概念来表示情报工作中的“中间件” 思想。综上所述， 将各类中间件的关系归纳如图１ 所示。其中， 计算机中间件、云计算中间件、物联网中间件三者概念范围互有交集， 两两之间互有交集， 各自亦有不同的专属概念范围。而情报中间件概念范围与以上三者皆有交集， 与以上三者两两之间的交集有交集， 与以上三者之间的交集亦有交集， 同时亦有自己独属的概念范围。

３ 情报中间件功能与其思想下的情报工作

３． １ 情报中间件的功能

情报中间件是为了填补人与数据价值之间的距离鸿沟而产生的概念。顾名思义， 情报中间件是一类提供情报与人之间沟通交流的协议或服务， 其是连接数据价值与人之间的桥梁， 处于人与有价值的数据之间， 将数据价值转化为情报并传递给人。总的作用是为处于自己上层的众多大数据分析结果提供聚合环境， 并且通过简洁的可视化环境， 帮助用户直观地感受数据特征、理解数据价值。情报中间件通过屏蔽数据价值之间的异质性、精炼数据价值、信息价值聚类等方式实现数据价值向人类的高效传输。

既然情报中间件的“桥梁” 作用是将数据价值传达给人， 因此其需要满足一些功能才能实现这个作用。如图２ 所示， 在价值获取端， 其需要满足中间件的一般功能， 即实现屏蔽各种复杂的数据价值挖掘细节， 直接将单一的数据价值汇聚在情报中间件内部。这些单一的数据价值是通过信息链（事实—数据—信息—知识—情报） 或ＤＩＫＷ 链（Ｄａｔａ—Ｉｎ⁃ｆｏｒｍａｔｉｏｎ—Ｋｎｏｗｌｅｄｇｅ—Ｗｉｓｄｏｍ）等大数据分析加工而产生［１９］ 。在情报中间件内部， 其需要将各种单一价值的数据关联融合形成更全面、准确的情报。然后将情报传递给人类。因此， 按照对数据的操作上， 其可承担价值获取、价值聚合和价值传递三大类功能。

３． １． １ 价值获取

价值获取是指获取通过其他技术、方法挖掘出的数据价值。情报分析与大数据分析的重要区别在于情报分析格外重视关键信息的准确无误， 而确保信息准确无误的方法之一便是多源数据交叉验证，只有更全面的数据融合， 才能提供更客观更准确的分析结果［２０］ 。当面对复杂情报分析任务时， 单一的数据价值往往不能够形成精准情报， 需要从多角度搜集有价值的信息。图３ 为以企业竞争情报中间件为例说明情报中间件价值获取功能。面对企业竞争对手识别任务时， 有研究从用户情感数据［２１］ 、用户行为数据［２２］ 、用户关系［２３］ 等市场视角入手， 也有人从专利数据［２４］ 、专家经验［２５］ 、财务数据［２６］ 等行业角度入手， 还有研究融合两种视角进行综合分析［２７］ 。但是无论是哪一种研究， 都会存在盲点， 不能兼顾潜在竞争对手的全方位、多层次信息。此外，除了可供大数据分析的开源数据外， 还存在诸如企业高层社会关系、企业主近期社交活动等散乱半开源信息可以影响企业下一步战略方向， 这类信息很可能是影响企业战略方向的“关键少数” 信息， 却很难被现有研究纳入竞争对手识别体系中。在情报中间件思想下， 这些分散的研究结果都会被集中于情报中间件内， 经过价值聚合功能进行多源交叉验证， 以便形成竞争对手的全景画像， 从而达到更加精准的竞争对手识别目的。

若要达到情报中间件价值获取功能， 情报中间件就必须有能够兼容各种形式的数据价值呈现方式的方法， 该功能可以借助情报构件（ＩｎｔｅｌｌｉｇｅｎｃｅＣｏｍｐｏｎｅｎｔ）、数据库中间件（Ｄａｔａｂａｓｅ Ｍｉｄｄｌｅｗａｒｅ）、物联网（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ， ＩｏＴ）中间件等技术实现。其中， 情报构件技术是将情报产品、情报技能等以构件的形式进行封装的技术［２８］ ， 可以使得已有数据价值产品得以以一定的标准接入情报中间件中。数据库中间件技术是应用程序和数据库之间的代理，可以用来衔接大数据实时分析结果与情报中间件，使情报中间件具有实时情报更新功能并且防止情报中间件过载崩溃。ＩｏＴ 中间件可以实现连接物理世界和虚拟世界的目的［１８］ ， 如使用无线射频识别技术（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ， ＲＦＩＤ）将物理世界的实体录入计算机系统中。使用该技术可以辅助情报中间件收集少数散乱、异构异质信息等。

３． １． ２ 价值聚合

价值聚合是指融合已获取的数据价值并形成情报的功能。当获得各类有价值的数据后， 情报中间件以这些数据的价值为数据源进行进一步的信息交叉验证与价值挖掘以提纯数据价值， 精炼出情报，如图４ 所示。

该环节执行的基本功能属于基本情报分析工作范畴， 且此时数据范畴已经由大数据样本转变为小数据样本， 既可以借助传统的情报分析方法如德尔菲法、比例与综合等， 也可以借助神经网络分析、机器学习等非传统分析方法进行分析， 同时可以结合态势感知理论等对情报分析结果进行优化。态势感知理论是国际人因工程（Ｈｕｍａｎ Ｆａｃｔｏｒ）研究领域率先提出的概念， 指环境／ 系统观察者在一定时间和空间内对环境中各组成要素的感知、理解， 进而预知这些组成要素的随后变化状况［２９］ 。态势感知理论可以使情报中间件具有察觉、理解、投射数据价值的作用。

３． １． ３ 价值传递

价值传递是指将情报传递给人， 是情报中间件的最终目的。价值聚合后形成的情报需要传达给人，以便人根据情报进行决策或向用户提供信息服务。

该功能的实现可以借助人机交互方面的研究，如交互界面、交互设备、交互模态、交互模式等［３０］ 。交互界面是人机交互的窗口， 可以使情报中间件展示情报。交互设备指人与虚拟世界的交互媒介， 恰当的交互媒介能够辅助人类更加充分理解情报价值。交互模态是指情报的呈现状态， 如可以为文字、图表、全息投影、动画演示等。交互模式指人与机器的交流方式， 如指令响应、智能服务、人机问答等。不同的人机交互技术能够产生不同的情报传递体验， 依照自我决定理论［３１］ ， 积极的人机交互体验能够增强用户对信息系统的黏性。因此， 良好的用户体验能够促进情报中间件的使用黏性。

除了借助人机交互领域研究成果外， 在本学科研究范围内， 还可以结合情境感知理论对人机交互体验进行优化。情境感知是一种发现情境、采集情境、利用情境的新型服务模式［３２］ ， 其可以“映射”人类认知， 使人与情报深度融合， 感知情报价值，促进情报中间件的价值传递效果。

３． ２ 基于情报中间件思想的情报工作融合模式

基于情报中间件思想的情报工作融合模式是一种充分发挥中间件思想， 并结合情报工作特点而形成的情报分析工作新模式。其利用中间件技术进行数据价值采集与集成、价值挖掘与获取， 并且通过情报中间件技术进行情报价值聚合与传递。该工作模式旨在提升情报工作的感知响应力、融合处理力、信息完备性、过程灵活性与结果准确性， 以应对复杂多变的情报环境。在整个工作模式中， 情报中间件思想在其中起到了主要作用。首先， 由单一渠道生产的多源异构且有价值的分析结果通过情报中间件中传统应用中间件被集成在由情报中间件思想建立的情报分析工作平台上； 其次， 价值交叉验证、深度价值挖掘、价值传递等功能需要借助相应的情报中间件实现； 最后， 整个情报工作过程由情报分析人员控制各环节的数据价值流通， 情报中间件为情报与人之间沟通交流提供桥梁。

该情报工作融合模式的工作流程与其他情报流程整体上相同， 所不同的是， 该模式不直接由原始数据生产情报， 而是从多渠道直接采集有价值的信息， 并且经过交叉验证后作为数据源进行深度价值挖掘以完成价值聚合， 之后再凝练出情报产品， 进行价值传递。在该思维模式下， 情报工作人员可以只关注有价值的数据， 对数据价值进行价值挖掘，加工出的情报更具准确性。并且由情报中间件的功能内涵不难看出， 基于情报中间件思想的情报工作模式具有强大的情报融合处理能力， 并且随时可以经由情报分析人员进行干预， 保持快速的响应能力与准确性。

传统情报工作， 无论是情报１． ０ 时代的纸媒手工型， 还是情报３． ０ 时代的数智辅助型， 其工作起始点都从原始数据收集开始， 到情报结束。而基于情报中间件思想的情报工作融合模式将传统情报工作模式中的结果（情报）视为有价值的数据， 并以此为始， 进一步加工出情报。如图５ 所示， 传统情报工作模式中， 由单一数据集或者多源数据集分别生产出情报产品， 而这些情报产品往往不是基于完备数据生产。假设关于某事物的完备数据为数据集１到Ｎ， 则情报１ 由数据集１ 生产， 遗漏了数据集２到数据集Ｎ， 而情报２ 由数据集１、２、３ 生产， 虽然相较于情报１ 增加了数据集， 但是依然会遗漏数据集４ 到Ｎ。而新情报工作模式直接由传统情报工作所得出的情报开始， 在其基础上进一步精炼， 所包含的数据比传统的情报工作模式中的更为全面准确， 价值更高。

４ 情报中间件服务流程与实证研究

我国情报学与情报工作经过长期发展已经形成了Ｉｎｔｅｌｌｉｇｅｎｃｅ 和Ｉｎｆｏｒｍａｔｉｏｎ 两种情报观， 其中Ｉｎｔｅｌ⁃ｌｉｇｅｎｃｅ 情报观以竞争情报为主要代表， Ｉｎｆｏｒｍａｔｉｏｎ情报观以图书情报为主要阵地［３３］ 。新的情报工作模式应该具备对两种情报工作范式的兼容性， 因此，本研究分别从两类情报工作范式中各选一例来举证基于情报中间件思想的情报工作融合模式的可行性。

４． １ 基于情报中间件的企业竞争情报服务流程

在Ｉｎｔｅｌｌｉｇｅｎｃｅ 研究范式中， 选取当前主要研究领域之一的企业竞争情报工作［３３］ 进行例证。根据情报中间件的内涵及其在数据与人之间的逻辑关系，结合情报中间件的功能， 提出基于情报中间件企业竞争情报服务流程， 如图６ 所示。

数据要素是数字经济发展的核心引擎、关键动力与核心资源。数据要素的价值生产体现了信息链或ＤＩＫＷ 链的一般规律。如图６ 所示， 数据要素与价值挖掘方法的不同选择可以生产出各种各样数据分析结果。在一般研究中， 这些数据分析结果已经被认为是情报产品或者可以直接提供情报服务。而实际上， 这些由单一渠道数据价值挖掘过程生产出的数据价值自然不能代表某数据要素的全部价值。在基于情报中间件的数据要素价值释放过程中， 首先要做的是直接获取单一渠道数据分析结果， 并以此类有价值的数据分析结果为数据源进行进一步分析； 其次， 在获取众多有价值的数据分析结果后，会通过标准化方法将从各处获取到的价值进行标准化处理， 以便进一步进行价值聚合； 第三， 在价值聚合环节， 通过多种方法对获取到的价值进行对比分析， 交叉验证， 以生产考虑全面的情报产品； 最后， 通过可视化手段传递给情报用户。在基于情报中间件的企业竞争服务流程中， 用户不需要去观察海量、多源、异构、低价值密度的原始数据， 只需要关注已经通过不同角度、不同方法进行过价值挖掘的有价值的资源。简单来讲， 基于情报中间件的企业竞争情报服务流程可以使用户的精力放在多源情报资源而非多源数据资源上。

４．"２ 基于情报中间件思想的智能书目系统构建研究

在Ｉｎｆｏｒｍａｔｉｏｎ 研究范式中， 选取最基本、也是我国情报学与情报工作起源阵地之一的图书情报工作［３４］ 进行例证。由于无论在Ｉｎｆｏｒｍａｔｉｏｎ 范式下， 还是在Ｉｎｔｅｌｌｉｇｅｎｃｅ 范式下， 基于情报中间件思想的情报服务流程不存在明显差别， 因此本节不再赘述，转而直接介绍在该思想指导下进行的实践案例———基于用户数据驱动的智能书目系统构建［３５］ 。基于此，研究成果的发明专利申请《一种能够提供个性化服务的书目系统》目前已进入实质审查阶段， 其运行界面如图７ 所示。

该系统以南京大学图书馆约２８ 万本馆藏书籍为数据源， 实现了图书目录动态组编、基于书目的学科脉络演化分析、知识地图、图书个性化推荐、以用户为中心的图书智能检索策略、基于读者画像的智能导读系统、用户知识背景测评、用户关联网络、图书关联网络等单一书目价值挖掘， 并且成功汇聚在该系统中。同时为其他书目数据源、知识挖掘成果预留接口以便持续完善基于书目的价值挖掘与情报服务。该系统可视为情报中间件思想指导下图书情报工作的一次成功尝试。

５ 情报中间件研究展望

计算机中间件、云计算中间件、物联网中间件分别在计算机系统、云平台和物联网系统中发挥作用， 遵循以往中间件技术的发展路径， 作为中间件概念的延伸， 情报中间件自然应该有相应的平台与技术支撑， 因此， 关于情报中间件平台与技术的研究成为落实情报中间件思想的重要抓手。对于每种类型的情报服务， 如对于舆情监控、金融风险防控、国家安全情报监控、竞争对手识别等， 都应该有一个相应的情报中间件平台。不同的情报任务具有不同的情报需求， 与之对应的情报技术自然也不尽相同， 因此关于情报中间件技术的研究也需要同步发展。具体而言， 未来关于情报中间件的研究还需要重视以下方面：

５． １ 情报中间件系统架构设计研究

情报中间件系统是实现基于情报中间件思想的情报工作融合模式的重中之重， 因此情报中间件系统架构设计成为主要研究方向之一。面对复杂的信息环境， 情报中间件平台的研究涉及多学科交叉融合， 需要综合考虑技术实现、系统性能、应用场景等方面。在技术实现上， 应该充分汲取当前其他应用中间件的研究结果， 并结合情报工作特征， 遵循系统化、模块化和构件化［３０］ 的设计思路以实现系统扩展和功能集成； 在系统性能上， 研究分布式中间件架构， 以支持实时大规模数据处理和高并发需求，提升情报工作系统的感知响应力［３］ ； 在应用场景上，要针对特定情报领域开发针对性的情报中间件解决方案， 并研究情报中间件跨平台应用支持， 提升情报中间件系统的适应性和灵活性。

５． ２ 情报中间件功能实现研究

不仅情报中间件系统架构有诸多研究机会， 关于情报中间件的功能实现亦有许多亟待解决的问题。由于在该思想下， 呼吁多方将研究成果集成在一个平台以进行深入价值挖掘， 进而提供更加精准的情报服务， 所以在数据整合与管理、价值分析与挖掘、价值感知与传递、信息安全与共享等方面面临不小的挑战。在数据整合与管理上， 需要研究如何高效收集和预处理多源异构的初始情报以确保数据质量和一致性， 增强系统的融合处理能力， 同时还需要探索数据存储方案以优化数据管理和查询性能； 在价值分析与挖掘上， 需要研究基于机器学习和人工智能的分析工具， 支持复杂数据价值去重、交叉验证、聚合和深度挖掘， 提升决策的精准性和效率，增强甄别研判能力； 在价值感知与传递上， 需要结合情境感知［１３］ 、态势感知［１２］ 、ＡＩＧＣ［９］ 等技术提升情报中间件系统对环境的感应能力， 以增强人机交互体验和预判分析能力； 在信息安全与共享上， 需要研究如何保障数据所有者的数据权益与隐私， 同时需要探索高效的信息共享机制［２８］ ， 激励跨部门、跨组织的信息交换和协作， 提高情报工作的协同性。

６ 总 结

人工智能时代， 情报工作的挑战与机遇并存，将中间件思想引入情报工作中， 发展情报中间件研究， 是应对人工智能时代情报分析工作挑战、充分发挥情报“耳目、尖兵、参谋” 作用的有效途径。本文对情报中间件概念内涵及功能进行了阐释， 认为情报中间件是一类提供情报与用户之间沟通交流的协议或服务， 具有将数据价值转化为情报并传递给人的功能。该概念将其他中间件的传递实体由数据提升为情报， 是对中间件概念的进一步拓展。

首先， 辨析了情报中间件与计算机中间件、云计算中间件、物联网中间件等应用中间件概念的异同， 使情报中间件与其他中间件区分开来； 其次，介绍了情报中间件的功能与基于情报中间件思想的情报工作融合模式， 并通过示例展示了情报中间件服务流程与实证研究， 初步验证了在情报中间件思想指导下进行情报工作的可行性； 最后， 指出了情报中间件研究的机遇与挑战， 像物联网中间件使物联网工业化落地成为现实一样， 对于情报中间件的理论与实践探索将为情报工作研究提供“由虚向实”的契机， 使得分散的情报研究成果有了向协同融合的情报工作模式转变的突破口。

参考文献

［１］ 赵志耘． 论复杂信息环境下的科技情报卓智赋能［Ｊ］． 情报学报， ２０２２， ４１ （１２）： １２２９－１２３７．

［２］ 马费成， 张瑞， 李志元． 大数据对情报学研究的影响［ Ｊ］． 图书情报知识， ２０１８， （５）： ４－９．

［３］ 赵相安， 雷帅， 汤珊红， 等． 复杂信息环境下国防科技情报工作发展研究［Ｊ］． 情报学报， ２０２２， ４１ （１２）： １２４８－１２５４．

［４］ 周园春， 李淼， 张建， 等． 中间件技术综述［Ｊ］． 计算机工程与应用， ２００２， ３８ （１５）： ８０－８２．

［５］ 张婧， 吴晨生， 李辉， 等． 新时代我国情报工作面临的机遇与挑战［Ｊ］． 情报杂志， ２０１９， ３８ （１１）： １１－１４．

［６］ 王晋， 李辉， 尹明理， 等． 科技情报工作的目标定位、核心与时代工作重点［Ｊ］． 情报理论与实践， ２０１８， ４１ （４）： １３－１５， １２．

［７］ 吴晨生， 李辉， 付宏， 等． 情报服务迈向３． ０ 时代［ Ｊ］． 情报理论与实践， ２０１５， ３８ （９）： １－７．

［８］ Ｐａｎ Ｙ． Ｈｅａｄｉｎｇ Ｔｏｗａｒｄ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ２． ０ ［Ｊ］． Ｅｎｇｉｎｅｅｒ⁃ｉｎｇ， ２０１６， ２ （４）： ４０９－４１３．

［９］ 李荣， 吴晨生， 董洁， 等． ＣｈａｔＧＰＴ 对开源情报工作的影响及对策［Ｊ］． 情报理论与实践， ２０２３， ４６ （５）： １－５．

［１０］ 刘逸伦， 黄微， 张晓君， 等． ＡＩＧＣ 赋能的科技情报智能服务：特征、场景与框架［Ｊ］． 现代情报， ２０２３， ４３ （１２）： ８８－９９．

［１１］ 张国庆， 肖延辉， 田华伟， 等． ＴＣＰＥＤ 路径下生成式人工智能对情报工作的影响———以ＣｈａｔＧＰＴ 为例［Ｊ］． 情报杂志， ２０２４， ４３（６）： ７９－８８．

［１２］ 李梦婷， 石进， 李明． 国家科技竞争情报态势感知研究［ Ｊ］．情报杂志， ２０２１， ４０ （９）： ５２－５７．

［１３］ 姜永常， 满小莉， 王红露． 情境感知系统中基于概念格集成实现情境本体协同构建特性、原则与方法［Ｊ］． 情报学报， ２０２２，４１ （６）： ５５８－５７３．

［１４］ 丁晓蔚． 互联网金融全面风险情报体系构建研究———金融情报学的视角［Ｊ］． 情报学报， ２０２２， ４１ （１２）： １２８０－１２９３．

［１５］ 王知津． 大数据时代情报学和情报工作的“ 变” 与“ 不变”［Ｊ］． 情报理论与实践， ２０１９， ４２ （７）： １－１０．

［１６］ Ｊｅｐｓｅｎ Ｓ Ｃ， Ｓｉｅｗｅｒｔｓｅｎ Ｂ， Ｗｏｒｍ Ｔ， ｅｔ ａｌ． Ａ Ｒｅｃｏｎｆｉｇｕｒａｂｌｅ Ｉｎ⁃ｄｕｓｔｒｙ ４． ０ Ｍｉｄｄｌｅｗａｒｅ Ｓｏｆｔｗａｒｅ Ａｒｃｈｉｔｅｃｔｕｒｅ ［ Ｃ］ ／ ／ ＩＥＥＥ ２０ｔｈＩｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｏｆｔｗａｒｅ Ａｒｃｈｉｔｅｃｔｕｒｅ（ ＩＣＳＡ）， ２０２３：４３－５３．

［１７］ Ｙａｎｇ Ｊ Ｈ， Ｚｈａｎｇ Ｌ Ｊ， Ｗａｎｇ Ｘ Ａ． Ｏｎ Ｃｌｏｕｄ Ｃｏｍｐｕｔｉｎｇ ＭｉｄｄｌｅｗａｒｅＡｒｃｈｉｔｅｃｔｕｒｅ ［Ｃ］ ／ ／１０ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｐ２Ｐ， Ｐａｒａｌｌｅｌ，Ｇｒｉｄ， Ｃｌｏｕｄ ａｎｄ Ｉｎｔｅｒｎｅｔ Ｃｏｍｐｕｔｉｎｇ ３ＰＧＣＩＣ， ２０１５： ８３２－８３５．

［１８］ Ｒａｚｚａｑｕｅ Ｍ Ａ， Ｍｉｌｏｊｅｖｉｃ－Ｊｅｖｒｉｃ Ｍ， Ｐａｌａｄｅ Ａ， ｅｔ ａｌ． Ｍｉｄｄｌｅｗａｒｅｆｏｒ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ： Ａ Ｓｕｒｖｅｙ ［Ｊ］． ＩＥＥＥ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ Ｊｏｕｒ⁃ｎａｌ， ２０１６， ３ （１）： ７０－９５．

［１９］ 叶继元， 成颖． 情报的概念及其与信息链、ＤＩＫＷ 链的关系探讨［Ｊ］． 中国图书馆学报， ２０２２， ４８ （４）： ３９－５１．

［２０］ 李广建， 化柏林． 大数据分析与情报分析关系辨析［ Ｊ］． 中国图书馆学报， ２０１４， ４０ （５）： １４－２２．

［２１］ Ｌｉｕ Ｙ， Ｊｉａｎｇ Ｃ， Ｚｈａｏ Ｈ． Ａｓｓｅｓｓｉｎｇ Ｐｒｏｄｕｃｔ Ｃｏｍｐｅｔｉｔｉｖｅ Ａｄｖａｎ⁃ｔａｇｅｓ ｆｒｏｍ ｔｈｅ Ｐｅｒｓｐｅｃｔｉｖｅ ｏｆ Ｃｕｓｔｏｍｅｒｓ ｂｙ Ｍｉｎｉｎｇ Ｕｓｅｒ－ｇｅｎｅｒａｔｅｄＣｏｎｔｅｎｔ ｏｎ Ｓｏｃｉａｌ Ｍｅｄｉａ ［ Ｊ］． Ｄｅｃｉｓｉｏｎ Ｓｕｐｐｏｒｔ Ｓｙｓｔｅｍｓ， ２０１９，１２３： １１３０７９．

［２２］ 宋新平， 吕国栋， 申彦， 等． 大数据环境下基于ＳＯＭ 神经网络的竞争对手识别方法研究［Ｊ］． 情报理论与实践， ２０２２， ４５（５）： １０７－１１２， １０６．

［２３］ 宋新平， 吕国栋， 杜念， 等． 大数据下中小企业竞争情报网络信息源使用行为研究［Ｊ］． 现代情报， ２０２１， ４１ （１）： ８８－９３，１１０．

［２４］ Ｙｏｏｎ Ｊ， Ｐａｒｋ Ｈ， Ｋｉｍ Ｋ． Ｉｄｅｎｔｉｆｙｉｎｇ Ｔｅｃｈｎｏｌｏｇｉｃａｌ ＣｏｍｐｅｔｉｔｉｏｎＴｒｅｎｄｓ ｆｏｒ Ｒ＆Ｄ Ｐｌａｎｎｉｎｇ Ｕｓｉｎｇ Ｄｙｎａｍｉｃ Ｐａｔｅｎｔ Ｍａｐｓ： ＳＡＯ－ｂａｓｅｄＣｏｎｔｅｎｔ Ａｎａｌｙｓｉｓ ［Ｊ］． Ｓｃｉｅｎｔｏｍｅｔｒｉｃｓ， ２０１３， ９４： ３１３－３３１．

［２５］ 高道斌， 吴红， 张彪， 等． 基于改进技术相似度计算的竞争对手辨别研究［Ｊ］． 情报杂志， ２０２２， ４１ （８）： ５３－６１．

［２６］ Ｔｅｋｅｒ Ｓ， Ｔｅｋｅｒ Ｄ， Ｇüｎｅｒ Ａ． Ｆｉｎａｎｃｉａｌ Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ Ｔｏｐ ２０ Ａｉｒ⁃ｌｉｎｅｓ ［ Ｊ］． Ｐｒｏｃｅｄíａ－Ｓｏｃｉａｌ ａｎｄ Ｂｅｈａｖｉｏｒａｌ Ｓｃｉｅｎｃｅｓ， ２０１６， ２３５：６０３－６１０．

［２７］ 许鑫， 朱奕帆， 姚占雷． 数据驱动的企业多层竞争网络构建与态势分析［Ｊ］． 情报学报， ２０１８， ３７ （８）： ８３６－８４４．

［２８］ 蔡鸿宇， 徐宗煌， 张伟， 等． 基于区块链思维的情报构件资源共享机制研究［Ｊ］． 情报杂志， ２０２４， ４３ （１）： １７６－１８２．

［２９］ Ｅｎｄｓｌｅｙ Ｍ Ｒ． Ｄｅｓｉｇｎ ａｎｄ Ｅｖａｌｕａｔｉｏｎ ｆｏｒ Ｓｉｔｕａｔｉｏｎ Ａｗａｒｅｎｅｓｓ Ｅｎ⁃ｈａｎｃｅｍｅｎｔ ［Ｊ］． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｈｕｍａｎ Ｆａｃｔｏｒｓ Ｓｏｃｉｅｔｙ ＡｎｎｕａｌＭｅｅｔｉｎｇ， １９８８， ３２ （２）： ９７－１０１．

［３０］ 汪雅君， 刘亦卓， 臧建国， 等． 情报分析构件化研究［Ｊ］． 情报杂志， ２０２２， ４１ （３）： ４７－５４．

［３１］ 王水， 袁勤俭． 自我决定理论及其在信息系统研究领域的应用与展望［Ｊ］． 现代情报， ２０２３， ４３ （５）： １４６－１５５．

［３２］ 王海涛， 宋丽华． 情景感知： 基本概念、关键技术与应用系统［Ｊ］． 数据与计算发展前沿， ２０２２， ４ （３）： １１０－１２３．

［３３］ 沈固朝． 两种情报观： Ｉｎｆｏｒｍａｔｉｏｎ 还是Ｉｎｔｅｌｌｉｇｅｎｃｅ？———在情报学和情报工作中引入“Ｉｎｔｅｌｌｉｇｅｎｃｅ” 的思考［ Ｊ］． 术语标准化与信息技术， ２００９， （１）： ２２－３０．

［３４］ 苏新宁． 中国特色情报学学科体系、学术体系、话语体系论纲［Ｊ］． 中国图书馆学报， ２０２１， ４７ （４）： １６－２７．

［３５］ 彭贤哲， 石进， 李明． 基于用户数据驱动的智能书目系统构建［Ｊ］． 图书馆建设， ２０２４， （１）： １０８－１２０．

（责任编辑： 郭沫含）

基金项目： 国家社会科学基金项目“面向国家安全的科技情报态势感知研究” （ 项目编号： ２１ＢＴＱ０１２）； ２０２１ 年江苏省重点研发计划（社会发展） “人工智能精准匹配‘通督调神’ 不同针刺组方治疗失眠症的临床研究” （项目编号： ＢＥ２０２１７５１）。