學術大數據智能技術賦能科技期刊編輯的探索

摘要：隨著中國數字出版業的蓬勃發展，來自科學研究成果的學術大數據正受到越來越多的關注。編輯作為科技期刊出版的主要參與者，也應與時俱進，開拓大數據思維。目前，國際上已有眾多研究者利用人工智能方法針對學術大數據開展了深入的理論和應用研究，產生了許多值得借鑒的實例，對推動科技期刊出版業的數智化轉型起到了積極作用。文章從科技期刊編輯的日常工作出發，在充分調研的基礎上，總結當前學術數據挖掘領域相關的最新研究成果，及其在選題分析、約稿、學術不端審查、送審、期刊宣傳及論文推送等方面的最新應用，并基于此對人工智能時代科技期刊編輯順應出版業發展所應具備的思維模式進行探討。

關鍵詞：學術大數據；數據挖掘；科技出版；期刊編輯

中圖分類號：G237.5 文獻標志碼：A 文章編號：1674-8883（2022）01-0017-03

一、引言

近年來，互聯網技術的飛速發展使人們可以十分便利地通過網絡獲取各種各樣的信息，也為各行各業積累了龐大的數據。目前，大數據人工智能技術已經與許多傳統行業和科研領域進行了深入的交叉融合，并在國內外取得了諸多令人矚目的科技成果。事實上，科技期刊出版領域的數智化轉型依然方興未艾。2020年6月30日，中央全面深化改革委員會第十四次會議審議通過了《關于加快推進媒體深度融合發展的指導意見》，在基礎建設水平不斷提高及政策支持和引導的大背景之下，國內科技論文新媒體如雨后春筍般蓬勃發展，為用戶提供了更加便捷、多元化、個性化、碎片化的科研信息及知識服務。

因此，越來越多的研究者及科技期刊選擇以數字出版的方式發布科研成果。僅以國內在線學術數據庫——中國知網為例，截至2019年底，其共收錄來自世界70多個國家或地區的文獻共計2.8億余篇，這些海量的“學術大數據”正日益受到關注。國際上已有眾多研究者利用人工智能方法對學術大數據開展了理論和應用研究，并已獲得了豐碩的成果。在大數據人工智能時代已然到來的今天，編輯作為科技期刊出版行業的重要參與者，需要及時拓展自身的思維模式，主動了解并熟悉基于學術大數據的最新智能技術和應用成果，將大數據思維引入日常工作中，對科技期刊出版業的數智化轉型起到積極作用。

筆者在充分調研國內外相關文獻的基礎上，從科技期刊編輯的日常工作內容為出發點，總結并探討學術大數據及數據挖掘技術在科技期刊出版業中的最新研究成果，以及具有借鑒意義的應用實例，進而對人工智能時代科技期刊產業發展所面臨的機遇提出了自身的思考，以期為編輯同仁提供一定的參考和借鑒。

文章將編輯工作分為出版前、出版中及出版后三個階段，并基于此詳細梳理目前學術大數據智能技術在科技出版領域的最新研究成果，以及值得借鑒的具體應用實例。

二、出版前階段：行業熱點分析、選題策劃及約稿、組稿

全媒體背景下的科技期刊作為發布最新研究成果的平臺，其選題和專題策劃必須緊緊圍繞最新的研究熱點加以開展，既要堅持需求導向，又要秉持精品意識[1]。在進行具體的選題策劃工作之前，詳細分析相關領域的研究現狀及熱點方向十分必要。如今，學術大數據挖掘技術為行業調研及選題策劃提供了新的途徑。舉例來說，近年提出的線性判別分析方法是數據挖掘領域中一種經典的非監督文本主題建模方法，其可從大規模文本數據中提取出潛在的主題信息。線性判別分析方法自提出以來，已在諸多科研領域得到了廣泛的應用，并針對不同領域的數據特性進行了多方面改進，其建模效果也得到了顯著提升。利用線性判別分析方法對不同年度的學術大數據進行建模，可以快速獲得精煉后的論文主題，并動態追蹤研究，從而為編輯確定備選選題提供幫助和參考。

在確定選題后，如何找到專精于選題行業且具有足夠學術影響力的專家進行約稿從而獲得優質稿源，是打造精品科技期刊品牌的又一關鍵環節。在此階段，約稿對象的研究方向與選題內容的契合度往往比其權威度的優先級更高，在短時間內找到盡可能多的與選題方向相關的研究者就成為該階段的迫切的需求。在數據挖掘領域，解決該問題的方法主要聚焦于利用研究者歷史學術發表情況（如學術論文、專利、基金申請書等）進行關鍵內容的語義匹配。近年來許多學術平臺均為研究者提供了“學者主頁”這一功能，如谷歌學術、百度學術等。基于這一功能，研究者可以及時整理、更新、追蹤自己發表的論文和相關引用情況。利用這些“學者主頁”數據，可以構建完整的專家數據庫，不僅包括專家姓名、職稱、所屬單位，還能夠通過其發表的論文內容對學者的研究方向進行匹配，并對其學術影響力進行評估。基于以上方法可快速得到研究方向與選題最匹配，且學術影響力最大的約稿候選人名單，該結果可為編輯部的約稿工作提供參考。

目前，一些機構和單位已開發了可輔助編輯進行選題策劃、組稿約稿的基于人工智能技術的相關產品。例如，由清華大學開發的學術挖掘系統、由陳·扎克伯格慈善倡議機構發布的元宇宙系統[2]，以及由美國斯坦福大學圖書館及Yewno公司共同開發的Yewno系統等[3]。以上產品的發布，使科技期刊編輯工作中的選題策劃、組稿及約稿階段，從傳統的以主觀經驗為導向轉為以數據為基礎的、更具有前瞻性及客觀性的過程。同時，這些產品在自動分析海量數據后能夠快速推測出更具有話題性的選題和合適的約稿對象，大大提高了該階段的工作效率。

三、出版中階段：學術不端檢測及外審專家遴選

在科技論文的初審階段，編輯的一項重要工作即檢查來稿內容是否符合查重要求。我國利用人工智能開展學術成果查重的探索起步相對較早。中國知網于2008年推出的學術不端文獻檢測系統是國內較知名的學術不端行為檢測產品，其主要基于語義分析的自適應多階指紋分析技術判斷論文之間是否存在相似的表述、公式和表格等[4]。

隨著學術不端檢測系統在出版業中的廣泛應用，全文抄襲或主要內容原文抄襲的現象已較為少見。然而，有的稿件依然存在錯誤引用、描述不當、惡意篡改和洗稿等“隱性”學術不端現象。近年來，針對這類問題，研究者們提出了基于跨段落語義匹配、學術引用異常檢測等學術大數據挖掘方法，這些方法尚處在測試和探索階段。

目前，國內許多學術網站正積極地優化查重技術，嘗試利用機器學習技術分析論文的結構，自動識別論文的研究對象、方法和結論等，并對這些內容自動進行相關性分析，甚至對論文的創新性進行評價。相信在不久的將來，基于人工智能的學術不端檢測系統將為科技期刊編輯提供更全面和完善的服務，進一步增強編輯輔助工作的便捷性和可靠性。

為保證科技期刊的質量，編輯在出版的各個環節均須嚴格把關。外審主要由論文相關領域的審稿專家完成，是綜合評定稿件內容是否達到出版要求的重要步驟，外審專家給出的審稿意見是決定稿件能否發表的主要參考標準之一。

因此，選擇可對稿件提出科學、公正審稿意見的外審專家就顯得尤為重要。與過去相比，現代科學研究的協作性越來越強，學者之間的合作或利益關系也越來越復雜和密切，僅排除同單位具有明顯相關性的專家作為審稿者往往也無法保證審稿意見的客觀性。學術數據挖掘領域中的“合作網絡及學術社區發現”問題及相關方法可為上述困境提供一種解決思路。

具體而言，通過論文共同作者數據可構建以作者合作關系為基礎的“學術合作網絡”，在該網絡中節點為論文作者，若任意兩節點之間存在一條邊，則代表兩者之間存在合作關系。基于該網絡和圖數據挖掘中的“社區發現”技術，可發現作者之間的隱性合作屬性，從而自動發現潛在的學術利益沖突。在編輯選擇外審專家時，如以該結果為參考，可最大限度保證審稿專家的中立性和客觀性。

目前，國外的投審稿平臺所提供的基于人工智能和學術數據挖掘的審稿人推薦和篩選服務的實例較多。例如，丹麥人工智能技術公司UNSILO開發的審稿人推薦系統已在科睿唯安投審稿平臺上投入使用。在我國科技期刊出版領域，盡管基于人工智能和學術數據挖掘推薦及篩選審稿專家的實例還鮮有報道，但以人工智能技術輔助學術同行評議在我國科學基金評審領域卻早有應用：國家自然科學基金委員會早在2012年起就開始了相關探索，系統采用自然語言處理技術分析學術論文數據庫及研究者個人主頁，通過語義分析比較基金申請書與相關專家的研究方向是否相符，以此為參考遴選出最適合的評選人。數據表明，該系統的指派效率約為人工的285倍，且專家評審的認真度有明顯提高[5]。

四、出版后階段：宣傳和推廣

在當期論文出版后，從中選取研究內容獨具創新性、內容和質量俱佳的論文并進行大力推廣，一方面可以提高期刊自身的影響力，另一方面也可體現期刊的學術“品位”以及緊跟領域前沿問題的出版導向，從而吸引更多高質量的獨創性論文投稿。在這方面，以往常規的做法往往包括設定專欄和主題、將當期“主打”論文排在前列或將其設定為“封面論文”等。

在引入學術大數據智能技術前，通常由主編或責任編輯以稿件的審稿意見為主要參考，并根據自身經驗選擇學術聲望較高的作者撰寫的論文作為當期的“主打”論文。這種方式存在片面性，且無法完全杜絕主觀因素的影響。利用前述的學術大數據的“熱點分析”應用實例，可在選擇“主打”論文階段為候選論文的題材提供借鑒。

此外，目前學術大數據領域中的一些應用可通過論文引用關系構建論文引用和作者引用網絡，并基于該網絡和圖數據挖掘中的鏈接分析算法，如網頁排名算法、基于超鏈接的主題搜索算法等，計算論文和作者的影響力指數。該指數與傳統的下載量、簡單引用統計等不同，其可從傳播學理論的角度來評估論文和作者的影響力。該指數能夠幫助期刊定期遴選特色論文、熱門論文以及相關作者，從而為期刊宣傳、內容傳播和擴大影響力等提供新的思路和途徑。

與上述相對“被動”的期刊宣傳方式相比，向研究者推送最新出版的學術成果供其參考則屬于更加“主動”的宣傳策略。然而，如果投送內容不夠精準，不僅會被部分接收者當作“垃圾信息”屏蔽，長此以往對期刊自身的品牌建設也是不利的。

當下，隨著新一輪科技和產業革命的不斷發展，新興的交叉學科也展現出新的活力[6]。這些交叉學科的研究者對推送服務的精確度往往具有較高的要求。通過精準的信息投送宣傳最新出版的科研成果，并助力于新興交叉學科的蓬勃發展，成為全媒體時代擺在科技期刊編輯面前的又一重要課題。

在學術大數據領域，基于前述“學者主頁”中的學術成果與期刊論文關鍵詞的語義匹配，可以為相關學者實現個性化的論文推薦，以實現“千人千面、萬人萬面”的定制化期刊內容推廣和精準宣發。國家新聞出版署出版融合發展（武漢）重點實驗室打造的國家開放科學計劃，即是基于人工智能技術實現內容精準推送的典型實例。其通過建立編輯和讀者的雙向互動關系，更精確地將相關內容推送給最有需求的讀者。

此外，上海大學期刊社主辦的《應用科學學報》也將數據挖掘和精準匹配技術用于期刊內容的推送過程中，取得了較好的效果，并顯著提高了期刊的影響力[7]。

五、人工智能賦能下的科技期刊編輯思維模式

傳統的科技出版工作非常依賴編輯本身的主觀經驗性，如專家庫和相關選題的調研、積累及整理等，均需要編輯通過人工的方式進行。同時，編輯工作涉及的流程及環節也較為瑣碎，數據之間的聯系也未能打通。因此，傳統編輯工作往往以流程推動為主，常常“遇見問題，解決問題”，屬于滯后式的工作模式。近年來，大數據、人工智能技術的不斷發展和完善給科技期刊出版業帶來了全新的機遇，也使編輯人員自身的工作和思維模式發生了變革。

具體而言，依托上文介紹的學術數據挖掘相關技術，未來編輯出版工作將逐漸轉化為客觀科學的大數據智能化驅動模式。利用大數據技術將編輯各流程完整打通，可實現前瞻式的編輯出版工作流程，如科技期刊專輯的選題，作者、審者關系的維護，宣傳媒體的投放及選擇等，均可以做到未雨綢繆。

六、結語

在全媒體時代已然到來的當下，人工智能和大數據技術的發展也為出版業帶來了機遇和挑戰。在此背景下，科技期刊編輯應適應變化、擁抱變化，積極將數據挖掘技術應用于日常工作中，充分發揮人工智能對科技期刊出版業的賦能作用，并逐步嘗試使用大數據思維審視出版流程中的每個環節。文章在充分調研的基礎上，總結了目前學術大數據智能技術在科技出版行業的最新科研成果及應用實例，進而對人工智能時代科技期刊編輯順應出版業發展所應具備的思維模式進行了探討。

參考文獻：

[1] 游小秀，栗延文，蔣亞寶.科技期刊新媒體精品選題策劃[J].編輯學報，2020，32（6）：84-87，96.

[2] 劉銀娣.學術出版領域的人工智能應用：現狀、挑戰與應對[J].科技與出版，2019，38（1）：64-68.

[3] 劉暢，姜京梅，范瑜晛.人工智能在科技期刊選題策劃中的應用與應對策略[J].中國科技期刊研究，2020，31（8）：909-914.

[4] 曾玲，張輝潔，冉明會，等.人工智能時代科技期刊對學術不端問題的研究進展[J].中國科技期刊研究，2020，31（3）：270-275.

[5] 江虎軍，郝艷妮，徐巖英，等.國家自然科學基金項目同行評議的智能化探討[J].中國科學基金，2019，33（2）：149-153.

[6] 劉穎，姜紅，季景玉，等.科技期刊引領新興交叉學科發展模式的探究：以我國中醫藥類期刊與網絡藥理學互動發展模式為例[J].編輯學報，2020，32（2）：99-102.

[7] 劉平，楊志輝.人工智能構建科技期刊智慧出版模式[J].中國科技期刊研究，2019，30（5）：462-468.

作者簡介 趙雯佳，碩士，編輯，研究方向：大數據技術與地震學、編輯出版學等領域的交叉應用。