认知情报学：大数据背景下情报分析的新机遇.docx

《认知情报学：大数据背景下情报分析的新机遇.docx》由会员分享，可在线阅读，更多相关《认知情报学：大数据背景下情报分析的新机遇.docx（17页珍藏版）》请在第一文库网上搜索。

1、认知情报学：大数据背景下情报分析的新机遇情报分析是大数据时代情报研究中非常重要的一环。图书馆正在从信息时代向数据时代进行过渡，并伴随着资源的全面数字化、富媒体化以及开放共享政策的不断完善，爆炸式增长的数据资源为传统的情报分析提出了极其严峻的挑战，新的情报分析手段亟待解决，从数据时代到计算时代的转变已经悄然提上议程1。21世纪情报学的发展，离不开多学科的交叉融合，唯有在理论与实践不断的碰撞中，才能为情报学提供创新型的发展思路与更为广阔的发展前景。国外提出的“认知情报学”，正是对于情报学在当代与其他学科进行创新性融合实践的解决方案。1认知科学提出背景1.1 背景学科介绍1.1.1 认知、认知科学、

2、认知计算认知是一种心理活动，或是一种获取知识，理解思想、经验与感觉的过程2。认知包含像是知识、注意、记忆、判断、评价、推理、计算、解决问题、决策制定以及理解和语言的生产等一系列过程。在认知过程中，利用已经存在的知识来推理出新的知识3。认知科学(Cognitive Science)是一门交叉学科的科学研究，其主要以现代科学的手段来研究心智及其处理过程，即探索人类的智力如何产生以及人脑信息的处理过程。在认知科学领域，认知科学家们关注语言、感知、记忆、注意力、推理和情感，并为了研究上述内容将一些诸如语言学、心理学、计算机科学、人工智能、哲学、神经科学、人类学等学科的知识运用其中4。到目前为止,在学术

3、界与工业界还没有对于认知计算(CognitiveComputing)广泛认同与接受的定义5-7。认识计算最早追溯到模拟人脑的计算机系统的人工智能，20世纪90年代后，研究人员开始用认知计算一词来表明可以教计算机像人脑一样去进行思考而不仅仅是开发一种人工系统8。通常对于认知计算的理解是指计算机通过使用硬件或者软件来模仿人大脑的功能，来辅助进行决策制定9。一般来说，认知计算描述了基于人工智能的科学学科和信号处理的技术平台。这些平台包括一系列诸如机器学习、推理、自然语言处理、语音识别和图像识别、人机交互等多种技术。一个认知计算系统通常会包含以下几个特征：适应性10、互动性、辅助功能、上下文理解能力1

4、1。1.1 . 2情报学、情报分析 情报学(Informatics)最初创建于1956年，是由德国的计算机学家KSteinbuch提出，情报学一词由“information”与“automatic”组成，描述了信息自动交互的过程。一般认为，情报研究包括情报收集、情报分析、情报处理与情报传播这四个阶段，其中，情报分析是情报研究过程中的非常重要的阶段。情报分析亦称信息分析，是根据社会用户的特定需求，以现代信息技术和软科学研究方法为主要手段，以社会信息的采集、选择、评价、分析和综合等系列化加工为基本过程，形成新的、可增值的情报产品，为不同层次科学进行决策服务的社会化智能活动12。情报分析是一个涵盖领

5、域非常广的交叉学科，它涉及众多领域,例如，计算机科学、信息系统、信息技术与统计学等。近年来，随着计算机技术的飞速发展，更多使用数字化的方式来处理信息，情报分析的研究也逐渐偏向信息技术方向。随着人工智能的发展，一些诸如情感计算、社会计算、认知计算等领域，也正在与情报分析进行交叉融合。本文重点分析认知计算与情报分析在新时代碰撞出的火花一一认知情报学(Cognitive Informatics, CI) o1.2 大数据与学科融合背景下认知情报学的提出大数据时代，海量、高速、多样的数据为情报学提出了更为严峻的考验。如何从海量数据中获取有效的信息，如何处理类型更加多样的富媒体化数据，如何对组织更加复杂

6、的信息进行分析，如何有效地从庞杂的数据中抽取出知识，都是情报分析的难点。而认知计算的四大特性一一辅助、理解、决策、发现，不仅为大数据提供了新的解决方案，同时也为情报分析带来了新的可能。认知计算一般包含的技术与应用与人工智能密切相关，而人工智能正是认知计算的基础，例如，机器学习、深度学习、推理、自然语言处理、图像处理、语音处理、人机交互、特征提取、知识抽取、知识挖掘、数据可视化等。早在20世纪末，这些应用已经扩展到了情报学中辅助情报分析工作。实际上在情报科学的许多研究领域都在借鉴认知计算的技术,或者说是人工智能的一些技术来为之服务。如基于语义的信息组织、知识抽取、知识挖掘、知识发现和智能情报检索

7、等，均希望能够从人的认知角度去组织与管理信息，或从信息资源中挖掘出具有认知价值的知识等8。许多情报分析研究也在不断地吸取认知计算领域的研究成果，例如，在情报学中的引文数据分析借鉴了认知计算中的关联数据分析来为之服务，在数字图书馆的个性化服务中也借鉴了认知计算的自适应页面展示的思想来为不同类型的用户展示出不同的页面内容，认知计算中的专家系统也被应用到了情报服务中来辅助用户进行更好的决策。认知计算虽然早被应用到了情报分析过程中去，但其作为一个独立的概念出现，标志一个新领域的诞生却是在21世纪初。2022年,美国的IEEE召开了第一届认知情报学国际年会，正式提出“认知情报学”这一概念与研究领域13。

8、认知情报学是对计算机科学、情报学、认知科学和智能科学的跨学科研究，其研究大脑和自然智能的内部信息处理机制和过程，以及在认知计算中的工程应用14。认知情报学作为一个多学科交叉的研究领域，主要解决一些由许多研究领域共享的问题，例如，计算智能、现代情报学、计算机科学、人工智能、认知科学、认知计算等研究领域。2认知情报学相关研究在国外，认知情报学已经逐渐受到包括政府、研究机构、研究人员等的日益重视，成为认知科学的一个重要研究领域与研究热点。但目前在国内，还并未形成像在国外一样稳定且有力的研究力量，还处于初步发展阶段，并且还未直接提出如国外一般明确的认知情报学的概念，并未将其作为独立的领域进行专门研究，

9、只是在若干研究中，提出了与认知计算融合的概念。故此处只展开国外对认知情报学研究的论述，国内的研究暂且不表。此外，还总结了国外研究中对于认知情报学的理论框架。1.1 国外认知情报学研究历史从早年开始，各国政府就对认知计算表现出浓厚的热情与支持。2022年，美国国家科学基金会(NSF)和美国商务部(D0C)共同资助的“聚合四大技术，提高人类性能”计划中，认知科学便名列其中，被视为是21世纪四大前沿技术，处于最优先发展的地位。同时，早期欧盟资助的聚合技术及其对社会科学与人文科学的影响(C0NTECS)项目也强调了认知科学的重要性8。国外早在21世纪初就将认知计算与情报学进行了成功的交叉融合。IEEE

10、认知情报学国际学术会议(ICCI)从2022年的第一届认知情报学会议开始，迄今已经举办16届，促进了认知情报学涉及的相关领域及其技术的发展。从ICCI会议名称的变化，我们能清楚地了解到认知情报学领域的变化，20222022年，会议名称一直是认知情报学国际会议(ICCI),从2022年至今，会议正式更名为认知情报学和认知计算国际学术会议(ICCI*CC),认知计算已经作为其中的重点被单独列出作为会议的名称。其中，2022 年 ICCI*CC 的会议主题为 aCognitive Computation,Learning, and Big Data Systems,正式提出了将认知计算应用到大数据系

11、统中去,解决大数据系统在处理数据时面临的诸如生产速度极快、规则与逻辑难以识别等问题，重点探讨了诸如语义化处理、自动推理、大数据的认知基础等问,1.2 认知情报学理论框架研究目前国外关于认知情报学的理论框架包含以下4个领域的内容：自然智能、抽象智能、符号数学与认知计算14。认知情报学通过模拟基础的智能形式，抽象出来并进行数学建模，最后进行认知计算。整个框架从物理世界到抽象世界、从认知到计算，层层递进，模拟了人类知识发现、知识推理的过程。1）自然智能基础理论主要研究了在认知情报学中涉及的人类本身就存在的智能，主要包含以下经典理论：信息物质能量IME模型、大脑的分层参考LRMB模型、实体属性关系OA

12、R模型、自然智能NI模型。2）抽象智能是将自然智能的概念更加抽象化，从底层研究神经、认知、功能与逻辑。抽象智能通过建立通用的数学模型来表征如何将信息转化为行动与知识。抽象智能解释了不同形式智能的基础的运行处理机制，研究了学习、思考、推理等过程。经典的抽象智能模型有通用抽象智能模型（Generic Abstract Intelligence Mode, GA IM） 15等。3）符号数学是利用数学来对现实世界中抽象出来的一些实体、关系、感知信息、逻辑概念、知识等进行建模，用数字化的形式将物理世界表征为抽象世界，为下一步进行认知计算提供计算基础。4）认知计算模拟了大脑处理信息的过程，对用符号数学建

13、立好的数学模型进行处理。认知计算一般包含如下技术：推理、自然语言处理、语音识别和图像识别、人机交互等多种技术。整个流程如图1所示。图1认知情报学理论基础3认知情报学对情报学的支撑下面分别从理论、技术两个角度来探讨认知情报学对情报分析的支撑。认知计算是认知情报学的核心基础，故在探讨时，会涉及利用认知计算的一些理论与技术，来表征认知情报学的一些特征。3. 1情报理论支撑许多情报学家从认知科学的角度对情报科学的相关理论进行过研究和探索，并形成了一些基于认知科学的情报科学理论8。在描述认知情报学理论支撑时，从认知计算的三个能力领域发现、决策与交流16来机行分析。1）发现。发现是认知能力的体现。认知计算

14、的发现的能力与情报学范式中的“认知观范式”联系紧密。认知观范式的主要观点是情报的接受与传递需要与用户的知识结构发生作用，并以知识结构的改变和完善为目的，基本上描述了认知过程中的知识发现过程。在情报学诸多流派中，认知科学与情报学的属性结构学派的联系尤为密切。属性结构学派的情报学家布鲁克斯认为情报学的基本任务是探索和组织客观知识，并提出了著名的布鲁克斯方程式K(S) + I-K(s+s),阐明了情报与知识之间的关系，并将情报定义为“是使人原有的知识结构发生变化的那一小部分知识” 17。在认知过程中，强调利用已经存在的知识来推理出新的知识，正是描述的知识发现过程，与认知情报学中涉及的认知科学部分不谋

15、而合。另外,该学派的另一位著名的情报学家贝尔金使情报学和认知科学的关系不断得到继续深化和体系化。他从认知观的角度提出了情报的概念,提出知识非常态状态(ASK),即用户之所以有情报需求，是认识到自己存在知识的非常态以至于无法解决某种问题，也无法正确描述需要什么来解决非常态，因此情报检索的目的就在于描述、理解和解决知识的非常态17。知识非常态状态本质也是一种寻求知识发现的过程。2)决策。认知计算的决策能力是基于事实的，并且可以随着新知识的获取而不断更新迭代，并做出无偏见的决策。认知计算的决策能力，与情报学的竞争情报服务范式密切相关。竞争情报服务主要指的是人们通过合乎规范的方式进行信息收集、信息分析和信息服务。其主要提供的服务包含咨询服务、决策信息服务、情报分析服务等。竞争服务范式的服务对象是决策咨询、商业决策、战略决策等情报需求，这与认知计算的能力领域中“决策”相对应。目前，认知计算系统更多地扮演一种顾问角色，向真人用