科技支撑决策 S&T ort decision 知识产生方式和科技决策支撑 的重大变革 —面向大数据和开源信息的科技 态势解析与决策服务 文/王飞跃 中国科学院自动化研究所复杂系统管理与控制国家重点实验室北京100190 【摘要】文章简述了面向大数据和开源信息的科技态势解析与决策服务的理 念、概念及基本的系统框架和技术体系。主要强调科技态势及决策支持的相关 工作应借鉴情报安全信息学的最新进展,加快变革科技信息的获取、分析、转播 及影响方式,实现从科技信息向科技情报,并迅速向科技解析的转化,进而及时 和变革性地提升科学知识的产生与教育方式,以及科技决策的制定与实施手 段。本文讨论的方法亦适用于支撑经济社会其他领域的重大决策 【关键词】大数据,开源情报,科技情报,研究解析学,ACP方法 DOl:10.3969/n.1000-30452012.05001 随着 Cyberspace的兴起,网络化及其相|现,因为两者的结合,己带来人类的“智力爆 关技术的普及与深入,我们迎来了一个大数炸”并将变革性地重新界定人类智力的空 据的时代。人类社会的主流,已从利用地表间、内涵及其作用。我们必须从这一个角度 资源的农业社会历史、挖掘地下资源的工业和高度重新审视未来科技的发展因为一个 社会现实、正迈向开发数据与智力的智能社社会的科技水平是这个社会智力程度的直 会未来。 接体现,当智力发生重大变革时,科技首当 显然, Cyberspace和大数据对于人类社其冲,必将随之而变。因此,我们必须努力 会的重要性,将远大于任何一项技术的出抓住这一历史性的变革时机,用更广、更深 更新的思路来考虑面向 Cyberspace和大数 本研究得到国家自然科学基金要平行管理重点项据之科技发展方针的制定与实施,创新科技 日(71232000和中科院决策科技支持系统创新团队态势的分析与科技决策的支持方法,更好地 建设项目资助 服务国家科技体系的建设与发展,尽可能地 修改稿收到日期:2012年9月13日 中阉子院院刊■527 o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
院刊 * 本研究得到国家自然科学基金委“平行管理”重点项 目（71232006）和中科院决策科技支持系统创新团队 建设项目资助 修改稿收到日期：2012年9月13日 527 【摘 要】 文章简述了面向大数据和开源信息的科技态势解析与决策服务的理 念、概念及基本的系统框架和技术体系。主要强调科技态势及决策支持的相关 工作应借鉴情报安全信息学的最新进展，加快变革科技信息的获取、分析、转播 及影响方式，实现从科技信息向科技情报，并迅速向科技解析的转化，进而及时 和变革性地提升科学知识的产生与教育方式，以及科技决策的制定与实施手 段。本文讨论的方法亦适用于支撑经济社会其他领域的重大决策。 【关键词】 大数据，开源情报，科技情报，研究解析学，ACP方法 DOI：10.3969/j.issn.1000-3045.2012.05.001 文 / 王飞跃 中国科学院自动化研究所复杂系统管理与控制国家重点实验室 北京 100190 知识产生方式和科技决策支撑 的重大变革 ——面向大数据和开源信息的科技 态势解析与决策服务* 随着Cyberspace的兴起，网络化及其相 关技术的普及与深入，我们迎来了一个大数 据的时代。人类社会的主流，已从利用地表 资源的农业社会历史、挖掘地下资源的工业 社会现实、正迈向开发数据与智力的智能社 会未来。 显然，Cyberspace和大数据对于人类社 会的重要性，将远大于任何一项技术的出 现，因为两者的结合，已带来人类的“智力爆 炸”，并将变革性地重新界定人类智力的空 间、内涵及其作用。我们必须从这一个角度 和高度重新审视未来科技的发展，因为一个 社会的科技水平是这个社会智力程度的直 接体现，当智力发生重大变革时，科技首当 其冲，必将随之而变。因此，我们必须努力， 抓住这一历史性的变革时机，用更广、更深、 更新的思路来考虑面向 Cyberspace 和大数 据之科技发展方针的制定与实施，创新科技 态势的分析与科技决策的支持方法，更好地 服务国家科技体系的建设与发展，尽可能地 科技支撑决策 S&T Support Decision
发挥人类智力的积极作用,促进人类社会迈向一|多人认为科学无用,更无助于科举:在刻《几何原 个崭新美好的辉煌时期 本》序中,徐光启的回答是:“盖不用为用,众用所 从表象而言, Cyberspace下的大数据一般可用基”。以网络信息为主形式的开源信息,虽然被认 4V概之叫:(1)从体量( Volume)上,极大极小的数为是印刷出版发明后知识之产生与传播的又一场 据都要考虑,而且,正因为极小数据的海量汇集,革命,但其价值仍未被充分地认识,在过去相当长 成就了大数据,故大数据之大,本质在小:(2)从类的时间里,对于正式渠道的科技态势评估和决策 型( Variety)上,数据品类将极其混杂,关联度一般支持而言,基本还处于“无用状态 极低,而且在相当长的时期内非结构化数据会占然而,综观国内外相关研究近况,指导思想就 据大数据的主体:(3)从时速( Velocity)上,数据的是:无用之用,众用之基:即以开源信息为主,汇集 快速和实时化是其主要特征,但更重要的是数据海量数据,然后通过定量的方式来描述、分析、评 的全时全速覆盖,历史的、现实的、未来的、极慢判科技发展的态势,服务于科技决策。而且,评估 的、极快的数据等等:(4)从价值( Value)上,通识是科技态势的手段及工具近年来呈跳跃性发展,目 大数据意味着极高的价值,但同其体量一样,正是标要求也越来越高,正从科技信息向科技情报,进 因为极小价值的海量汇合,才铸成了大数据的高而迅速向科技解析( Academic Analytics或Re 价值,故大数据之大价值,实质在小,是典型的长 search Analytics)转化(图1) 尾效应,更是长尾效应的常态化。总之,大数据之 Descriptive:记录和描述实际系纟 Predictive:预测未来可能出现的状态 Prescriptive:设计所期望的未来状态 从本质而言,我们认为, Cyberspace背景之下 的大数据时代的实质可借用现代管理科学两位奠 ▲Ana 基人的名言概之:首先是戴明(W. Edwards den (解析) ng)所言:“除了上帝,其他任何人都必须用数据说 话”,其次是德鲁克( Peter F. Drucker)之言:“预测 Intelligence 未来最好的方法,就是去创造未来”。 Cyberspace (情报) 和大数据的出现,引发限制智力的认知、信息及资 源等要素发生重大变革,并使这两句管理的格言 Information 成为可行的技术目标。 (信息) 以此为指导,本文在已有实践的基础上,针对 面向开源信息和大数据的科技态势评估与决策支图1科技态势分析的发展趋势一一科技信息情报、解析 持,抛砖引玉,围绕下列问题展开讨论 首先是国际上科技态势与科技决策的结构性 如何变革科技信息的获取方式? 变化,即群体科学( Team Science)及相应的群体研 如何变革科技信息的分析方式? 发科学( Science of Team science, ScITs)的兴起。 如何变革科技信息的影响方式? Scits是一个跨学科交叉研究领域,专注于科学研 如何变革科技知识的产生方式? 发群体如何发起、组织、交流、从事科研活动等的 如何变革科技决策的制定、评估、实施方式?过程,其核心任务是理解认清促进或阻碍各种各 2国内外发展现状 样科技合作的情况和阶段,并加以有效管理和利 用:从确定大规模科技合作研究、培训、转化的有 400多年前,中西文化交流的先驱徐光启试图 效性,直到掌握研发群体是如何协力攻关取得靠 将西方科学引入中国,遭遇封建士大夫的阻力,许 5282012年·第27卷·第5期 o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
2012年 . 第27卷 . 第5期 科技支撑决策 S&T Support Decision 528 发挥人类智力的积极作用，促进人类社会迈向一 个崭新美好的辉煌时期。 从表象而言，Cyberspace下的大数据一般可用 4V 概之[1] ：（1）从体量（Volume）上，极大极小的数 据都要考虑，而且，正因为极小数据的海量汇集， 成就了大数据，故大数据之大，本质在小；（2）从类 型（Variety）上，数据品类将极其混杂，关联度一般 极低，而且在相当长的时期内非结构化数据会占 据大数据的主体；（3）从时速（Velocity）上，数据的 快速和实时化是其主要特征，但更重要的是数据 的全时全速覆盖，历史的、现实的、未来的、极慢 的、极快的数据等等；（4）从价值（Value）上，通识是 大数据意味着极高的价值，但同其体量一样，正是 因为极小价值的海量汇合，才铸成了大数据的高 价值，故大数据之大价值，实质在小，是典型的长 尾效应，更是长尾效应的常态化。总之，大数据之 大，本源于小。 从本质而言，我们认为，Cyberspace背景之下 的大数据时代的实质可借用现代管理科学两位奠 基人的名言概之：首先是戴明（W. Edwards Deming）所言：“除了上帝，其他任何人都必须用数据说 话”，其次是德鲁克（Peter F. Drucker）之言：“预测 未来最好的方法，就是去创造未来”。Cyberspace 和大数据的出现，引发限制智力的认知、信息及资 源等要素发生重大变革，并使这两句管理的格言 成为可行的技术目标。 以此为指导，本文在已有实践的基础上，针对 面向开源信息和大数据的科技态势评估与决策支 持，抛砖引玉，围绕下列问题展开讨论： 如何变革科技信息的获取方式？ 如何变革科技信息的分析方式？ 如何变革科技信息的影响方式？ 如何变革科技知识的产生方式？ 如何变革科技决策的制定、评估、实施方式？ 2 国内外发展现状 400多年前，中西文化交流的先驱徐光启试图 将西方科学引入中国，遭遇封建士大夫的阻力，许 多人认为科学无用，更无助于科举；在刻《几何原 本》序中，徐光启的回答是：“盖不用为用，众用所 基”。以网络信息为主形式的开源信息，虽然被认 为是印刷出版发明后知识之产生与传播的又一场 革命，但其价值仍未被充分地认识，在过去相当长 的时间里，对于正式渠道的科技态势评估和决策 支持而言，基本还处于“无用”状态。 然而，综观国内外相关研究近况，指导思想就 是：无用之用，众用之基；即以开源信息为主，汇集 海量数据，然后通过定量的方式来描述、分析、评 判科技发展的态势，服务于科技决策。而且，评估 科技态势的手段及工具近年来呈跳跃性发展，目 标要求也越来越高，正从科技信息向科技情报，进 而 迅 速 向 科 技 解 析（Academic Analytics 或 Research Analytics）转化（图1）。 首先是国际上科技态势与科技决策的结构性 变化，即群体科学（Team Science）及相应的群体研 发科学（Science of Team Science,SciTS）的兴起[2] 。 SciTS是一个跨学科交叉研究领域，专注于科学研 发群体如何发起、组织、交流、从事科研活动等的 过程，其核心任务是理解认清促进或阻碍各种各 样科技合作的情况和阶段，并加以有效管理和利 用：从确定大规模科技合作研究、培训、转化的有 效性，直到掌握研发群体是如何协力攻关取得靠 图1 科技态势分析的发展趋势——科技信息、情报、解析
面向大数据和开源信息的科技态势解析与决策服务 个人或递增式研究难以实现的突破和跨|和方法:()可以在以群体的集合为对象的 目前,推动该领域的主要团队是美国一宏观层次,以群体本身为对象的中观层次, 批跨学科交叉研究的学者,他们认为:SciS以及以群体的成员为对象的微观层次展开 是促进21世纪科学合作的一盏指路明灯研究,在不同层次上发现问题、寻找相应的 (“ A Beacon for21" Century Scientific Col-解决方案、常见模式、普遍规律和进一步的 挑战等等:(3)在各个层次和不同问题上可 国际上,学者们确认迄今为止已有180采用多种方法,如海量数据挖掘、统计学习 多篇与SiIS相关的核心文献。其中除了复杂网络、模式分类、问卷调查、背景分析、 17篇发表于194-2000年之间外,其余皆可视化等等,对群体的形成活动、过程、结 为2001年之后发表的。这一发现充分表构及功能从时间(When、地点 Where)、任 明:Ss作为一个新的领域正在兴起,关于务(What、人员(Whom)、如何(ow)和为 SeIs的研究热潮即将或已爆发。100年何wh)等方面进行研究考察。在设计、研 前,人类经历了一场由几位天才个体物理学发新型的科技态势评估和科技决策服务的 家诱发的科学风暴:百年后,我们或许正处方法和系统时,我们必须充分考虑这些因素 在另一场由群体唱主角的科技风暴之前夜,和相关模型 而 SciTS正是指引这一风暴路径的灯塔 此外,美国近年来已展开对SciS相关 美国学者对从1945-200年全世界发科技项目的大力支持。比如NSF启动了网 表的2100万篇论文进行研究,结果发现几络化支撑的发现和创新 Cyber-enabled Dis 乎所有科学分支都呈现出一个根本性和普 covery and Innovation)项目CDl,围绕:(1) 遍性的变化:在产生高影响、高引用科学成从数据到知识:(2)认识自然、人工、社会系 中 果时,群体比个体科学家越来越居优势;群|统的复杂性:3)虚拟组织等主题长期地对 体变得越来越大:群体越来越跨界超域。他|优秀的跨学科交叉研究群体进行支持,目的 们还对世界范围内发表的专利进行研究,结是在计算思维的引导下,通过大胆的跨学科 论也十分相似。学者们认为:造成这一变化交叉,诱发能够根本性改变科技水平的研究 转移的原因是我们研究的问题越来越复成果。NH对此的支持力度更大,其临床和 杂,涉及交叉学科知识,超越传统学科边转化科学基金 The Clinical and Translation- 界。因此,解决这些复杂问题必须从许多不 al Science awards, CTSAS)的主要目标就是 同的学科视角去考量,而关键与核心就是跨培育众多能将“实验室的科学发现转化成临 学科交叉的研究群体,其采用的方法多半是床治疗手段”的跨领域研究者群体。正是 多学科 Multidisciplinary))、交叉学科 Cnter-CTSAs对以美国西北大学为主的有关群体 disciplinary)、跨学科 Transdisciplinary的,之资助,才使ScS具体化成为一个正在兴 有时还是它们的综合。评估科技态势或进起且实实在在的跨学科交又研究领域 行科技决策时,必须考虑这一时代特征 2010年4月, CTSAS还资助了首届SciS国 其次,Ss的研究必定要沿着多学科、际大会。此次大会是在2006年NH癌症研 多层次、多方法的思路和框架进行,而且与究所的ScTS会议的基础上召开的,与会者 传统的方式有所不同:(1)其研究必然涉及来自许多不同的领域,极大地促进了Scs 人文社会、科学、技术和工程等领域的知识向一个独立研究领域方向的发展 中阉緝院刊【529 o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
院刊 面向大数据和开源信息的科技态势解析与决策服务 529 个人或递增式研究难以实现的突破和跨 越。目前，推动该领域的主要团队是美国一 批跨学科交叉研究的学者，他们认为：SciTS 是促进 21 世纪科学合作的一盏指路明灯 （“A Beacon for 21st Century Scientific Collaboration”）。 国际上，学者们确认迄今为止已有180 多篇与 SciTS 相关的核心文献。其中除了 17 篇发表于 1944—2000 年之间外，其余皆 为 2001 年之后发表的。这一发现充分表 明：SciTS作为一个新的领域正在兴起，关于 SciTS 的研究热潮即将或已爆发。100 年 前，人类经历了一场由几位天才个体物理学 家诱发的科学风暴；百年后，我们或许正处 在另一场由群体唱主角的科技风暴之前夜， 而SciTS正是指引这一风暴路径的灯塔。 美国学者对从1945—2008年全世界发 表的2 100万篇论文进行研究，结果发现几 乎所有科学分支都呈现出一个根本性和普 遍性的变化：在产生高影响、高引用科学成 果时，群体比个体科学家越来越居优势；群 体变得越来越大；群体越来越跨界超域。他 们还对世界范围内发表的专利进行研究，结 论也十分相似。学者们认为：造成这一变化 或转移的原因是我们研究的问题越来越复 杂，涉及交叉学科知识，超越传统学科边 界。因此，解决这些复杂问题必须从许多不 同的学科视角去考量，而关键与核心就是跨 学科交叉的研究群体，其采用的方法多半是 多学科（Multidisciplinary）、交叉学科（Interdisciplinary）、跨学科（Transdisciplinary）的， 有时还是它们的综合。评估科技态势或进 行科技决策时，必须考虑这一时代特征。 其次，SciTS的研究必定要沿着多学科、 多层次、多方法的思路和框架进行，而且与 传统的方式有所不同：（1）其研究必然涉及 人文、社会、科学、技术和工程等领域的知识 和方法；（2）可以在以群体的集合为对象的 宏观层次，以群体本身为对象的中观层次， 以及以群体的成员为对象的微观层次展开 研究，在不同层次上发现问题、寻找相应的 解决方案、常见模式、普遍规律和进一步的 挑战等等；（3）在各个层次和不同问题上可 采用多种方法，如海量数据挖掘、统计学习、 复杂网络、模式分类、问卷调查、背景分析、 可视化等等，对群体的形成、活动、过程、结 构及功能从时间（When）、地点（Where）、任 务（What）、人员（Whom）、如何（How）和为 何（Why）等方面进行研究考察。在设计、研 发新型的科技态势评估和科技决策服务的 方法和系统时，我们必须充分考虑这些因素 和相关模型。 此外，美国近年来已展开对SciTS相关 科技项目的大力支持。比如，NSF启动了网 络化支撑的发现和创新（Cyber-enabled Discovery and Innovation）项目 CDI，围绕：（1） 从数据到知识；（2）认识自然、人工、社会系 统的复杂性；（3）虚拟组织等主题长期地对 优秀的跨学科交叉研究群体进行支持，目的 是在计算思维的引导下，通过大胆的跨学科 交叉，诱发能够根本性改变科技水平的研究 成果。NIH对此的支持力度更大，其临床和 转化科学基金（The Clinical and Translational Science Awards, CTSAs）的主要目标就是 培育众多能将“实验室的科学发现转化成临 床治疗手段”的跨领域研究者群体。正是 CTSAs对以美国西北大学为主的有关群体 之资助，才使SciTS具体化成为一个正在兴 起且实实在在的跨学科交叉研究领域。 2010年4月，CTSAs还资助了首届SciTS国 际大会。此次大会是在2006年NIH癌症研 究所的SciTS会议的基础上召开的，与会者 来自许多不同的领域，极大地促进了SciTS 向一个独立研究领域方向的发展
在欧美,与 Scits直接相关的几个正在开展且|3面向大数据和开源信息的科技态势解析 较有影响的大规模群体研究项目包括:(1)构建国与决策服务 家甚至国际层面科学家网络的vVO项目,由NH 互联网和信息技术的迅猛发展,使得科研工 资助,以康奈尔大学为主的7家单位,4个群体、作者的互动和交流愈发便捷,同时开源科技情报 120位研究人员参加:(2)构建植物科学网络化基亦呈现出动态性海量性和多源异构性等特征,对 础合作设施的 pLant项目,由NSF资助,以亚利桑 开源科技情报的有效监测与分析,将有助于掌握 那大学为主的6家单位、6个群体构成核心,强调科研现状,挖掘出科研项目在开展过程中的关键 项目和环境的开放性:(3)通过网络化,虚拟化,社影响因素,构建出现代科技创新的倍增器”和科 会媒体化,构建能够使知识的产生,传播、评价维学决策的智囊团”,进而从根本上改变传统科技 护过程发生“范例转移”般革命的 LiquidPub,,由欧|的采集、传播、影响和知识的产生模式 盟第七框架下的未来与新兴技术(FET)计划支持, 因此,我们融合社会科学、情报科学、信息科 以意大利 Trento大学为主的8个机构参与,涉及出 学等学科理论提出基于ACP方法的开源情报解析 版企业、多个国家和国际学术团体。类似于 理论框架(图2),并以天网(科情信息监测)、天眼 pLant,法国也开启了Pl@ neNet I的研究。这些项目(科情信息分析与挖掘)、天鹰(科情信息管理与决 利用自然语言处理、本体建模方法、语义网技术 策支持)为指导流程(图3),构建面向大数据和开 等,针对科技知识产生过程中的人、物及出版过 源信息的科情监测与协作创新平台,即科网。在 程,以跨学科交叉群体的方式,从 SciTs的视角,正 异构、多模态的科技情报资源之上,生成科情获取 在开展扎实且有成效的工作。我们认为,这些工传感网络、科情语义网络、科研协作社会网络3个 作将在科学知识的获取、分析、影响及产生方式等 核心网络,实现智能采集、处理、分析与挖掘科技 方面诱发重大变革。 情报等功能,有效地组织并发挥研究群体的效率 中国是世界上最早开展 SciTs实际工作的国 实现科技的跨越性发展 家之一。而且,我国的管理体制更有利于群体的 科网提供以下4方面服务(图4) 组织与发展,国家自然科学基金委员会的“创新研 (1)对科技领域科情动态、研究报告、专利摘 究群体”就是一个典型案例。与IVO、 iPlan 要等资料信息一搜到底,并通过科情传感网络以 Pl@ neNet、 LiquidPub相似,我们也开始了CAN、 pLant、 Plant world和AI3.0等项 目:3。然而,我们的工作源于情 亟待解决的问题 ACP理论 人类学杜会心 报安全信息学 (ntelligence and 「社会网络, ity Informatics,ISD",起步 获取方式 社会 于社会态势的评估,并发展成为 改变情报的 计算方法 关于社会计算和平行系统的研 传播方式 究。2009年,在中科院战略规划 改变情报 心叫 局的支持下,我们开始研发“科 影响方式 网”系统,力图在科技情报的获 改 变情报的 取、科技信息的传播、科技成果的 知识产生方式 「体决人强行计认 知楼型 影响、科技知识的产生方式上实 现根本性的变化 图2基于ACP方法的开源情报解析框架 _5302012年·第27卷·第5期 o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
2012年 . 第27卷 . 第5期 科技支撑决策 S&T Support Decision 229 在欧美，与SciTS直接相关的几个正在开展且 较有影响的大规模群体研究项目包括：（1）构建国 家甚至国际层面科学家网络的VIVO项目，由NIH 资助，以康奈尔大学为主的 7 家单位、4 个群体、 120位研究人员参加；（2）构建植物科学网络化基 础合作设施的iPlant项目，由NSF资助，以亚利桑 那大学为主的 6 家单位、6 个群体构成核心，强调 项目和环境的开放性；（3）通过网络化、虚拟化、社 会媒体化，构建能够使知识的产生、传播、评价、维 护过程发生“范例转移”般革命的LiquidPub，由欧 盟第七框架下的未来与新兴技术（FET）计划支持， 以意大利Trento大学为主的8个机构参与，涉及出 版企业、多个国家和国际学术团体。类似于 iPlant，法国也开启了Pl@ntNet的研究。这些项目 利用自然语言处理、本体建模方法、语义网技术 等，针对科技知识产生过程中的人、物及出版过 程，以跨学科交叉群体的方式，从SciTS的视角，正 在开展扎实且有成效的工作。我们认为，这些工 作将在科学知识的获取、分析、影响及产生方式等 方面诱发重大变革。 中国是世界上最早开展SciTS实际工作的国 家之一。而且，我国的管理体制更有利于群体的 组织与发展，国家自然科学基金委员会的“创新研 究群体”就是一个典型案例。与 VIVO、iPlant、 Pl@ntNet、LiquidPub 相似，我们也开始了 iCAN、 cPlant、Pl@ntWorld和AI 3.0等项 目[1，2] 。然而，我们的工作源于情 报 安 全 信 息 学（Intelligence and Security Informatics, ISI）[3] ，起步 于社会态势的评估，并发展成为 关于社会计算和平行系统的研 究。2009 年，在中科院战略规划 局的支持下，我们开始研发“科 网”系统，力图在科技情报的获 取、科技信息的传播、科技成果的 影响、科技知识的产生方式上实 现根本性的变化。 3 面向大数据和开源信息的科技态势解析 与决策服务 互联网和信息技术的迅猛发展，使得科研工 作者的互动和交流愈发便捷，同时开源科技情报 亦呈现出动态性、海量性和多源异构性等特征，对 开源科技情报的有效监测与分析，将有助于掌握 科研现状，挖掘出科研项目在开展过程中的关键 影响因素，构建出现代科技创新的“倍增器”和科 学决策的“智囊团”，进而从根本上改变传统科技 的采集、传播、影响和知识的产生模式。 因此，我们融合社会科学、情报科学、信息科 学等学科理论提出基于ACP方法的开源情报解析 理论框架（图2），并以天网（科情信息监测）、天眼 （科情信息分析与挖掘）、天鹰（科情信息管理与决 策支持）为指导流程（图3），构建面向大数据和开 源信息的科情监测与协作创新平台，即科网。在 异构、多模态的科技情报资源之上，生成科情获取 传感网络、科情语义网络、科研协作社会网络3个 核心网络，实现智能采集、处理、分析与挖掘科技 情报等功能，有效地组织并发挥研究群体的效率， 实现科技的跨越性发展。 科网提供以下4方面服务（图4）： （1）对科技领域科情动态、研究报告、专利摘 要等资料信息一搜到底，并通过科情传感网络以 图2 基于ACP方法的开源情报解析框架 530
面向大数据和开源信息的科技态势解析与决策服务 供每日科技要闻日 开源科技信息相关的互联网与社会媒体 报、科技要闻专报等 个性化服务,实现可 天网工程 天眼工程 天鹰工程定义、可配置、可交 互、可快速上报的自 动采、编、分析、发布 科技领域群体 体化简报平台,也 可提供国内外每日科 技要闻简报的定制服 科技领域情报与计算实验平台 (4)整合各领域 图3面向开源信息和大数据的科技态势解析与服务流程学科科研人员关注 的信息资源,为科技 工作者和学术机构提 精准、个性化影 协产生 供个性化推荐,支持 科技情报 科技情报 科研人员学术互动, 使科研人员能够在线 「领袖及 网络群 发表学术观点,交流 体共性 科技情报 创新思想,对科研各 网络关 节点的 联信息 个阶段性产物进行信 中 社会网络 息共享、发布、版本控 息传播 制,实现快捷高效的 核心网络 点发现 协同创新 「闭源文献元数据信息开源科技情报数据 4科情监测与协调 创新平台的原型 图4科技态势解析与服务系统结构 建设及讨论 X AsKE (Application Specific Knowledge Engine)机制,自动构建领域专家资料库,有41变革科技信息的获取方式 效获取各类科技情报信息 根据中科院决策科技支持系统创新团 (2)对科技情报进行深度分析及挖掘,队正在建设中的科情监测与协调创新平台 构建科技情报领域人物、组织、机构的复杂原型系统我们按下面5个方面就其关键技 网络,分析挖掘其核心群体、关键人物,依照术和主要功能简要地描述并讨论如下 时空多维度分析科技传播态势,构建全方位 ASKE (Application Specific Knowledge 的情报分析指标体系,对科技事件、科技要 Engine,,图5)是将领域专家和丰富的互联网 闻以及科技态势进行全方位分析,以辅助科络领域资源相融合的知识库构建的有效机 研群体进行决策 制。通过该机制,与用户交互生成网络领域 3)对科技态势信息与分析结果,可提知识配置文件(KCF, Knowledge Configure 中阉緝子院院刊〖531 o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
230 院刊 及 ASKE（Application Specific Knowledge Engine）机制，自动构建领域专家资料库，有 效获取各类科技情报信息； （2）对科技情报进行深度分析及挖掘， 构建科技情报领域人物、组织、机构的复杂 网络，分析挖掘其核心群体、关键人物，依照 时空多维度分析科技传播态势，构建全方位 的情报分析指标体系，对科技事件、科技要 闻以及科技态势进行全方位分析，以辅助科 研群体进行决策； （3）对科技态势信息与分析结果，可提 供 每 日 科 技 要 闻 日 报、科技要闻专报等 个性化服务，实现可 定义、可配置、可交 互、可快速上报的自 动采、编、分析、发布 一体化简报平台，也 可提供国内外每日科 技要闻简报的定制服 务； （4）整合各领域、 各学科科研人员关注 的信息资源，为科技 工作者和学术机构提 供个性化推荐，支持 科研人员学术互动， 使科研人员能够在线 发表学术观点，交流 创新思想，对科研各 个阶段性产物进行信 息共享、发布、版本控 制，实现快捷高效的 协同创新。 4 科情监测与协调 创新平台的原型 建设及讨论 4.1 变革科技信息的获取方式 根据中科院决策科技支持系统创新团 队正在建设中的科情监测与协调创新平台 原型系统，我们按下面5个方面就其关键技 术和主要功能简要地描述并讨论如下。 ASKE（Application Specific Knowledge Engine，图5）是将领域专家和丰富的互联网 络领域资源相融合的知识库构建的有效机 制。通过该机制，与用户交互生成网络领域 知识配置文件（KCF，Knowledge Configure 图3 面向开源信息和大数据的科技态势解析与服务流程 图4 科技态势解析与服务系统结构 面向大数据和开源信息的科技态势解析与决策服务 531
域科情关注焦点信息的功能。 42变革科技信息的分析方式 互联网信息 科研事件从最初发现到广泛传播,再 到逐渐消退中的各环节,需要多层次、多粒 信息收集 度的分析方式将整体态势进行刻画。我们 提出科情监测、科情云热点、科情云数据 科情云指数的一体化分析解决方法(图 ⑦)。其中科情监测实时汇总海量科研情报 数据、科情云热点主动发现热点词簇并体 现为滚动可视化形式,科情云数据则根据 热点检错呈现相关人物、机构、成果等信 息,科情云指数则以定量的方式进行多维 热点的分析,通过上述方式可有效、全方位 跟踪科技热点事件及热点研究话题的产 图5领域专用知识引擎ASKE( Application Specific Knowledge Engine)生、发展、消亡全过程态势 构建一套可行的、有效的、易于后期计算评 Fie),准确获取领域科技文献、科技信息等数据资|估的指标体系是研究科情监测与决策支持的前提 源信息后,应用自动向量识别技术进行特征科情条件,熵的概念可以从作用结果的角度来反映科 相关实体抽取与分类,在人机结合的少量干预下情发展态势,从而有助于观察个体事件对全局局 形成分类的语义特征向量列表,然后应用有监督势的影响,科研态势解析提出了“四熵“的分析方 的统计学习方法学习语义进行科情实体间关联关法(图8)。其中,量熵是对科技开源情报信息总量 系的自动构建,最终构建科情相关领域专家知识的度量,反映互联网科技事件、科技成果网络反响 库 总体态势:情熵是对科技情报支持度的分析,反映 面向各类不同领域科情的开源情报获取与处科技人物、科技实验在网络中情绪的分布:强熵是 理的需求,我们将物理传感器概念推广到网络空 间,传感网络中应用垂直搜索 和聚焦爬虫、深度网和动态网 信息的采集、网络信息的可配 置搜索等技术,构建科研机构 任务、组织等各类不同科情传 感网络(图6),分层、分簇感知 科技要闻、文献、专利等涉及科 ACP方法 技最新动态的网络开源信息, 并且该科情网络不断扩充、丰 富,同时各个传感点根据信息 传感网 内容不同动态调整网络中的关 联与位置,以达到最快感知领 图6科情传感网络 5322012年·第27卷·第5期 o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
2012年 . 第27卷 . 第5期 科技支撑决策 S&T Support Decision 231 File），准确获取领域科技文献、科技信息等数据资 源信息后，应用自动向量识别技术进行特征科情 相关实体抽取与分类，在人机结合的少量干预下 形成分类的语义特征向量列表，然后应用有监督 的统计学习方法学习语义进行科情实体间关联关 系的自动构建，最终构建科情相关领域专家知识 库。 面向各类不同领域科情的开源情报获取与处 理的需求，我们将物理传感器概念推广到网络空 间，传感网络中应用垂直搜索 和聚焦爬虫、深度网和动态网 信息的采集、网络信息的可配 置搜索等技术，构建科研机构、 任务、组织等各类不同科情传 感网络（图 6），分层、分簇感知 科技要闻、文献、专利等涉及科 技最新动态的网络开源信息， 并且该科情网络不断扩充、丰 富，同时各个传感点根据信息 内容不同动态调整网络中的关 联与位置，以达到最快感知领 域科情关注焦点信息的功能。 4.2 变革科技信息的分析方式 科研事件从最初发现到广泛传播，再 到逐渐消退中的各环节，需要多层次、多粒 度的分析方式将整体态势进行刻画。我们 提出科情监测、科情云热点、科情云数据、 科情云指数的一体化分析解决方法（图 7）。其中科情监测实时汇总海量科研情报 数据、科情云热点主动发现热点词簇并体 现为滚动可视化形式，科情云数据则根据 热点检错呈现相关人物、机构、成果等信 息，科情云指数则以定量的方式进行多维 热点的分析，通过上述方式可有效、全方位 跟踪科技热点事件及热点研究话题的产 生、发展、消亡全过程态势。 构建一套可行的、有效的、易于后期计算评 估的指标体系是研究科情监测与决策支持的前提 条件，熵的概念可以从作用结果的角度来反映科 情发展态势，从而有助于观察个体事件对全局局 势的影响，科研态势解析提出了“四熵”的分析方 法（图8）。其中，量熵是对科技开源情报信息总量 的度量，反映互联网科技事件、科技成果网络反响 总体态势；情熵是对科技情报支持度的分析，反映 科技人物、科技实验在网络中情绪的分布；强熵是 图5 领域专用知识引擎ASKE（Application Specific Knowledge Engine） 图6 科情传感网络 532
面向大数据和开源信息的科技态势解析与决策服务 的联系紧密程度,或 科情云指数 通过在科情网络中 科情云数据 移除某些人物与机 科情云视图 构,分析其对网络的 连通性的影响,分析 青信息监测 其重要性信息,或基 于机器学习中的相 关排序算法,发掘科 实时信息 热点主动 联信息 点趋势 情网络中的关键人 物或组织 图7科技态势解析的主要任务和方法 43变革科技信息的 量熵一一科情数据量趋势分析 情熵一一科情支持度分析 影响方式 科情专题事件 分析与简报自动定 制平台通过对科情 事件的发现和追踪, 自动筛选出热度较 强熵一一科情传播强度分析 联熵一一科情机构、人物关系网络分析高的事件话题,并对 该话题事件进行分 析探测,对事件的发 中 之均 展状态、趋势等相关 信息进行推荐,以引 起用户的重视和关 图8科技态势分析的“四熵”方法 注,并提供事件报告 对网站活跃度的分析,反映不同网站在不同 自动生成工具,该工 科技事件传播中的影响力;联熵是对科情机具支持量变图、奥态图、关联图、人物、组织 构和人物关系网络的直观可视化,可以直观事件关联图的分析和自动生成,而且能添加 地呈现机构或人物中活跃人物、兴趣群体到事件专报中进行发布 等,展现领域学术研究的宏观合作态势 平台的具体工作流程如图10所示,分 科研合作网络中存在意见领袖、关键人为配置层、服务层、系统集成层3部分,包括 数据配置、分析配置、数据采集服务、数据分 员、活跃群体、兴趣网络等特性,科研合作网 络在有效抽取网络实体及其特性后,可视化 析服务、特定事件情报库和系统服务引擎等 构建不同的合作网络、兴趣网络(图9),同方面。 时采用中心性度量的方法,分析人物与组织 同时,简报平台提供领域知识的科技信 在科情网络中的关联关系,提取科情网络中息智能推荐,形成可定义、可配置、可交互 最活跃的一部分节点研究这部分节点之间可快速上报科技信息的自动采、编、分析发 布一体化系统,并根据用户的特点和类别的 中阉緝院刊【5331 o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
232 院刊 对网站活跃度的分析，反映不同网站在不同 科技事件传播中的影响力；联熵是对科情机 构和人物关系网络的直观可视化，可以直观 地呈现机构或人物中活跃人物、兴趣群体 等，展现领域学术研究的宏观合作态势。 科研合作网络中存在意见领袖、关键人 员、活跃群体、兴趣网络等特性，科研合作网 络在有效抽取网络实体及其特性后，可视化 构建不同的合作网络、兴趣网络（图 9），同 时采用中心性度量的方法，分析人物与组织 在科情网络中的关联关系，提取科情网络中 最活跃的一部分节点，研究这部分节点之间 的联系紧密程度，或 通过在科情网络中 移除某些人物与机 构，分析其对网络的 连通性的影响，分析 其重要性信息，或基 于机器学习中的相 关排序算法，发掘科 情网络中的关键人 物或组织。 4.3 变革科技信息的 影响方式 科 情 专 题 事 件 分析与简报自动定 制平台通过对科情 事件的发现和追踪， 自动筛选出热度较 高的事件话题，并对 该话题事件进行分 析探测，对事件的发 展状态、趋势等相关 信息进行推荐，以引 起用户的重视和关 注，并提供事件报告 自动生成工具，该工 具支持量变图、舆态图、关联图、人物、组织、 事件关联图的分析和自动生成，而且能添加 到事件专报中进行发布。 平台的具体工作流程如图 10 所示，分 为配置层、服务层、系统集成层3部分，包括 数据配置、分析配置、数据采集服务、数据分 析服务、特定事件情报库和系统服务引擎等 方面。 同时，简报平台提供领域知识的科技信 息智能推荐，形成可定义、可配置、可交互、 可快速上报科技信息的自动采、编、分析发 布一体化系统，并根据用户的特点和类别的 图7 科技态势解析的主要任务和方法 图8 科技态势分析的“四熵”方法 面向大数据和开源信息的科技态势解析与决策服务 533
作者合作网络图 机构合作网络图 竞争中涌现出来,更开放、更 专业、更低成本地为科技协 同创新提供新动力,极大地 辅助大规模科技合作研究、 培训、转化,从而取得个人或 递增式努力难以实现的科研 突破和跨越。 开源科技情报中蕴含着 大量的可提炼知识,对闭源 知识起到了良好的补充、对 比和验证作用,但开源科技 情报局部相关、总体无序状 图9科技文献作者与机构的社会网络示例 态,需要进行结构化地抽取 提炼,借助众包和领域专家 科情热点事件 联网科技情报库 指导相结合的方式,建立与 闭源知识对象的索引和相互 数据哭焦服冬 曾定事件衍报岸 关系,组建一个以人员、组 事件情报库 织、机构、科研成果为核心的 科情领域知识库,构建科研 事件分析结果库 搜素采集服务 人员专用的 Academicpedia, 而得到更广泛、更深层的 分析配置 系皖服务引零 知识,同时根据保密的需要 网终分析服务 上很的 将平台分为公共共享平台和 web架构引擎 闭源共享平台,以便于科研 人员之间的交流、协作,实现 科研成果的快速生产、转换 分析平台操作 自动构建 和共享(图13) 图10科情专题事件分析与简报自动定制 45变革科技决策的制定、评 不同,实现简报的个性化定制和智能推送,如图11 估、实施方式 基于ACP的科研决策支持与服务系统由“三 44变革科技知识的产生方式 步曲”组成:第一步,利用人工科技决策系统对复 面对互联网中海量的科技情报、文献知识创杂科技决策环境进行建模:第二步,利用科技决策 新素材,科研工作的发起组织、交流、成果应用等计算实验对复杂科技决策现象进行分析和评估: 过程除需要精准的分析与挖掘结果外,更需要融第三步,将实际科技决策系统与人工科技决策系 合群体智慧对知识素材进行深度加工与提炼(图统并举,通过实际与人工之间的虚实互动,以平行 12)。众包作为一种群体智慧或群体智能,使得更执行的方式对科技知识创新的运行进行有效地控 精细的知识从众多科研人员、领域专家的合作与制和管理。图14给出两系统进行平行互动的基本 _5342012年·第27卷·第5期 o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
2012年 . 第27卷 . 第5期 科技支撑决策 S&T Support Decision 不同，实现简报的个性化定制和智能推送，如图11 所示。 4.4 变革科技知识的产生方式 面对互联网中海量的科技情报、文献知识创 新素材，科研工作的发起、组织、交流、成果应用等 过程除需要精准的分析与挖掘结果外，更需要融 合群体智慧对知识素材进行深度加工与提炼（图 12）。众包作为一种群体智慧或群体智能，使得更 精细的知识从众多科研人员、领域专家的合作与 竞争中涌现出来，更开放、更 专业、更低成本地为科技协 同创新提供新动力，极大地 辅助大规模科技合作研究、 培训、转化，从而取得个人或 递增式努力难以实现的科研 突破和跨越。 开源科技情报中蕴含着 大量的可提炼知识，对闭源 知识起到了良好的补充、对 比和验证作用，但开源科技 情报局部相关、总体无序状 态，需要进行结构化地抽取 提炼，借助众包和领域专家 指导相结合的方式，建立与 闭源知识对象的索引和相互 关系，组建一个以人员、组 织、机构、科研成果为核心的 科情领域知识库，构建科研 人员专用的 Academicpedia， 从而得到更广泛、更深层的 知识，同时根据保密的需要 将平台分为公共共享平台和 闭源共享平台，以便于科研 人员之间的交流、协作，实现 科研成果的快速生产、转换 和共享（图13）。 4.5 变革科技决策的制定、评 估、实施方式 基于ACP的科研决策支持与服务系统由“三 步曲”组成：第一步，利用人工科技决策系统对复 杂科技决策环境进行建模；第二步，利用科技决策 计算实验对复杂科技决策现象进行分析和评估； 第三步，将实际科技决策系统与人工科技决策系 统并举，通过实际与人工之间的虚实互动，以平行 执行的方式对科技知识创新的运行进行有效地控 制和管理。图14给出两系统进行平行互动的基本 图9 科技文献作者与机构的社会网络示例 图10 科情专题事件分析与简报自动定制 534
面向大数据和开源信息的科技态势解析与决策服务 人工科技决策系统第 个性化定制 时间了解相关研究课题 A 的全貌:(2)实验与评 估,科研人员可在人工 智能推送 B 研究者 科技决策系统中进行科 研创新影响力计算实 料技要闻 智能推送 验、科技协同创新实验 等等实验,并对其效果 进行评判和预估:(3)控 性化定制 研究团体 制与管理,科研人员及 时获得自身科研成果的 图11科情简报个性化定制与智能推送 评估,通过人工系统与 实际系统的互动,互相 群体智慧、集成研讨 借鉴,以完成对科研决 策支持全流程的有效控 网络科技情报 制与管理。 众5展望 科研决策实验 印刷术的发明和普 及,是人类历史,特别是 知识转播和产生方式的 场重大革命,而社会 图12利用知识众包协作进行知识创新 媒体特别是互联网的出 现,是另一场更加强烈 比对、验证、补充 闭源知识 内部文献 的革命,必将引发知识 「新媒体智能抽 资料库 和信息在传播、获取、影 各类百科 众包效应 内部经验积累 知识协同 知识库 响、作用等方面的重大 论文文献 知识库 创新 「内部协同 变革,我们必须积极应 知识库 对,这就是本文讨论的 基本出发点 大数据之大,源于 (内部人员学习 培训使用) 信息的开源。随着大数 据的海量般地不断增 研成果等知识条目 加,相信不久的将来,每 图13科研情报百科知识库 个人都必须依靠特定的 深度精确的情报系统来 框架。在此框架之下,可有3种主要的运作 了解外部世界并与之互动,而不是靠简单的 模式,即:(1)学习与交流,科研人员可通过 网上搜索系统。在大数据时代,科技态势的 中阉緝子院院刊535 o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
院刊 框架。在此框架之下，可有3种主要的运作 模式，即：（1）学习与交流，科研人员可通过 人工科技决策系统第一 时间了解相关研究课题 的 全 貌 ；（2）实 验 与 评 估，科研人员可在人工 科技决策系统中进行科 研 创 新 影 响 力 计 算 实 验、科技协同创新实验 等等实验，并对其效果 进行评判和预估；（3）控 制与管理，科研人员及 时获得自身科研成果的 评估，通过人工系统与 实际系统的互动，互相 借鉴，以完成对科研决 策支持全流程的有效控 制与管理。 5 展望 印刷术的发明和普 及，是人类历史，特别是 知识转播和产生方式的 一场重大革命，而社会 媒体特别是互联网的出 现，是另一场更加强烈 的革命，必将引发知识 和信息在传播、获取、影 响、作用等方面的重大 变革，我们必须积极应 对，这就是本文讨论的 基本出发点。 大数据之大，源于 信息的开源。随着大数 据 的 海 量 般 地 不 断 增 加，相信不久的将来，每 个人都必须依靠特定的 深度精确的情报系统来 了解外部世界并与之互动，而不是靠简单的 网上搜索系统。在大数据时代，科技态势的 图13 科研情报百科知识库 图11 科情简报个性化定制与智能推送 面向大数据和开源信息的科技态势解析与决策服务 535 图12 利用知识众包协作进行知识创新
3 Wang FY From Al to SciTS: Te 1,m 实际研究人员 人工研究人员 cience and research Intelligence. IEEE Intelligent Systems, 2011, 27 (4) 实际学术组织 ACP 人工学术组织 4王飞跃复杂性与情结vs智能化与情报 实际研究机构 人工研究机构 复杂系统与智能化,2005,(2 实际科技决策系统 人工科技决策系统 Understanding Cowd-Powered Search Groups: A Social Network Perspective 况事与许传 PLOS ONE. 2012 科研工作管理 科研决策实验 科研学习 6 Lai g, Zhang Q, Wen D et al. A Prototype 与控制 与交流 of the Next Generation Journal System fo 图14基于ACP的科研决策支持与服务系统 Media based on Web 30. IEEE Transactions on Intelligent Transportation 评估必须从科技信息、科技情报向科技解析(Ac Systems,2012,13(2):1078-1087 demic Analytics)转化,其中 Descriptive Analytics7ango, Feng Z, Li X et al25 Years Collaborations at IEE 以描述现状为主, Predictive Analytics以预测趋势 为主,而 Prescriptive Analytics以规划目标为主 Intelligent Systems. IEEE Intelligent Systems, 2010, 25(6): 67-75 总之,无论是事实、可能、希望,都必须以“数据说 8 Wang F Y, Zeng D, Hendler Jet al. A Study of the Human Flesh 话”而且,最终的目的,是实现预测未来,不如创| Search Engine: Crowd-Powered Expansion of Online Knowledge 造未来”这就是我们采用ACP方法研究和开发面ECm0453 向大数据和开源信息的科技态势解析与决策服务9Wngr, Zhang Q. Liu z et al. On Social Computing Researc 系统的动机 Collaboration Patterns: A Social Network Perspective. Frontiers of 显然,本文讨论的方法亦适用于支撑经济社 Computer Science012.60:122130 会其他领域的重大决策 10 Zheng XL, KeGY, Zeng D Det al Next-Generation Team- 致谢本研究得到国家自然科学基金委“平行 Science platform for Scientific Collaboration. IEEE Intelligent 管理”重点项目(713200和中科院决策科技支m01260276 持系统创新团队建设项目资助,部分论述直接采 II LiLJ, Li X, Cheng C jet al Research Collaboration and ITS 用了作者的有关内部工作报告和未发表论文的内 Topic Evolution: 10 Years at T-ITS. IEEE Transactions on 容,特此说明 Intelligent Transportation Systems, 2010, 11(3):517-523 主要参考文献 12 Wang F Y, Lai G, Tang S M. An Application Specific Knowledge 1王飞跃科研情报与社会媒体:学术情报、会议情报、杂志情 Engine for Researches in Intelligent Transportation Systems 报中科院复杂系统与智能科学重点实验室工作报告,2008年 Proceedings of the 7th International IEEE Conference on 2王飞跃ScTS:-座21世纪科技合作的灯塔?科技导报,2011, Intelligent Transportation Syste2004 _5362012年·第27卷·第5期 o1994-2012ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
2012年 . 第27卷 . 第5期 科技支撑决策 S&T Support Decision 评估必须从科技信息、科技情报向科技解析（Academic Analytics）转化，其中 Descriptive Analytics 以描述现状为主，Predictive Analytics以预测趋势 为主，而 Prescriptive Analytics 以规划目标为主。 总之，无论是事实、可能、希望，都必须以“数据说 话”，而且，最终的目的，是实现“预测未来，不如创 造未来”，这就是我们采用ACP方法研究和开发面 向大数据和开源信息的科技态势解析与决策服务 系统的动机。 显然，本文讨论的方法亦适用于支撑经济社 会其他领域的重大决策。 致谢 本研究得到国家自然科学基金委“平行 管理”重点项目（71232006）和中科院决策科技支 持系统创新团队建设项目资助，部分论述直接采 用了作者的有关内部工作报告和未发表论文的内 容，特此说明。 主要参考文献 1 王飞跃. 科研情报与社会媒体：学术情报、会议情报、杂志情 报. 中科院复杂系统与智能科学重点实验室工作报告，2008年. 2 王飞跃. SciTS：一座21世纪科技合作的灯塔？.科技导报，2011, (12). 3 Wang F Y. From AI to SciTS: Team Science and Research Intelligence. IEEE Intelligent Systems, 2011, 27(4). 4 王飞跃. 复杂性与情结vs智能化与情报. 复杂系统与智能化，2005, (2). 5 Zhang Q, Wang F Y, Zeng D et al. Understanding Cowd-Powered Search Groups: A Social Network Perspective. PLoS ONE, 2012. 6 Lai G, Zhang Q, Wen D et al. A Prototype of the Next Generation Journal System for ITS: Academic Social Networking and Media based on Web 3.0. IEEE Transactions on Intelligent Transportation Systems, 2012, 13(2): 1 078-1 087. 7 Zhang Q, Feng Z, Li X et al. 25 Years Collaborations at IEEE Intelligent Systems. IEEE Intelligent Systems, 2010, 25(6): 67-75. 8 Wang F Y, Zeng D, Hendler J et al. A Study of the Human Flesh Search Engine: Crowd-Powered Expansion of Online Knowledge. IEEE Computer 2010, 43(8): 45-53. 9 Wang T, Zhang Q, Liu Z et al. On Social Computing Research Collaboration Patterns: A Social Network Perspective. Frontiers of Computer Science, 2012, 6(1): 122-130. 10 Zheng X L, Ke G Y, Zeng D D et al. Next-Generation TeamScience Platform for Scientific Collaboration. IEEE Intelligent Systems, 2011, 26(6): 72-76. 11 Li L J, Li X, Cheng C J et al. Research Collaboration and ITS Topic Evolution: 10 Years at T-ITS. IEEE Transactions on Intelligent Transportation Systems , 2010, 11(3):517-523. 12 Wang F Y, Lai G, Tang S M. An Application Specific Knowledge Engine for Researches in Intelligent Transportation Systems. Proceedings of the 7th International IEEE Conference on Intelligent Transportation Systems, 2004. 图14 基于ACP的科研决策支持与服务系统 536