大數(shù)據(jù)技術(shù)在科技情報(bào)研究工作中的應(yīng)用分析

周萍，王壯思，萬冬陽

（91054部隊(duì)，北京，102442）

1 科技情報(bào)研究工作的現(xiàn)狀分析

科技情報(bào)研究工作是根據(jù)現(xiàn)代化建設(shè)、軍事需求、國民經(jīng)濟(jì)和科學(xué)技術(shù)發(fā)展需要，運(yùn)用科學(xué)的方法和現(xiàn)代信息技術(shù)手段，對與裝備建設(shè)有關(guān)的國內(nèi)外科技信息進(jìn)行搜集、加工處理、分析和開展深入研究，進(jìn)而為裝備建設(shè)的宏觀決策提供數(shù)據(jù)支撐和信息服務(wù)?？萍记閳?bào)研究是圍繞數(shù)據(jù)開展的科學(xué)研究工作，數(shù)據(jù)是情報(bào)研究工作最寶貴的資源[1]。

隨著大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)以及互聯(lián)網(wǎng)新媒體等信息技術(shù)的發(fā)展，可獲取的數(shù)據(jù)信息量呈爆發(fā)式增長，這給科技情報(bào)工作的帶來了快速發(fā)展的機(jī)遇。同時(shí)，在數(shù)據(jù)量呈指數(shù)增長，數(shù)據(jù)類型多樣復(fù)雜的背景下，需要從海量數(shù)據(jù)中挖掘出有用的信息來開展情報(bào)研究工作，也是對科技情報(bào)工作新的挑戰(zhàn)。

2 大數(shù)據(jù)技術(shù)對科技情報(bào)研究工作的影響

2.1 拓寬了情報(bào)信息的數(shù)據(jù)來源

以往的情報(bào)研究工作中，處理和分析的對象多為結(jié)構(gòu)化數(shù)據(jù)。隨著信息時(shí)代的到來，從互聯(lián)網(wǎng)上收集的數(shù)據(jù)中常是文本、視頻、音頻、圖片等半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，這類數(shù)據(jù)不支持常規(guī)的數(shù)據(jù)檢索，在數(shù)據(jù)的操作、處理和分析上有難度。大數(shù)據(jù)技術(shù)可實(shí)現(xiàn)對大量非結(jié)構(gòu)化數(shù)據(jù)的識別、清洗、整理、篩選，并最終將多源異構(gòu)數(shù)據(jù)統(tǒng)一為結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)，從而能夠進(jìn)行后續(xù)的數(shù)據(jù)分析和處理環(huán)節(jié)。通過大數(shù)據(jù)技術(shù)豐富數(shù)據(jù)來源和數(shù)據(jù)類型，極大的拓寬了情報(bào)研究工作的基礎(chǔ)數(shù)據(jù)。

2.2 提升了情報(bào)工作的數(shù)據(jù)處理速度

以往的情報(bào)研究工作受機(jī)器的性能限制，數(shù)據(jù)分析和處理耗時(shí)長，處理精度不高。大數(shù)據(jù)技術(shù)具有分布式集群處理能力，極大的提高了系統(tǒng)的計(jì)算和存儲能力，具有實(shí)時(shí)計(jì)算、離線數(shù)據(jù)計(jì)算、批處理、流數(shù)據(jù)處理能力，實(shí)現(xiàn)TB級數(shù)據(jù)秒處理的指標(biāo)。

2.3 提高了情報(bào)研究工作的科學(xué)性

以往的情報(bào)研究工作中，由于情報(bào)數(shù)據(jù)獲取渠道難，相關(guān)數(shù)據(jù)少，在形成情報(bào)研究結(jié)果時(shí)常常需要情報(bào)人員結(jié)合個(gè)人經(jīng)驗(yàn)進(jìn)行分析，導(dǎo)致最終形成的研究報(bào)告客觀性不夠。大數(shù)據(jù)技術(shù)提供了可靠的數(shù)據(jù)存儲方式，可以對海量情報(bào)數(shù)據(jù)和相關(guān)數(shù)據(jù)進(jìn)行保存，同時(shí)大數(shù)據(jù)技術(shù)的數(shù)據(jù)挖掘工具，通過信息跟蹤、比較驗(yàn)證等方式來提升情報(bào)質(zhì)量，分析數(shù)據(jù)間關(guān)聯(lián)度，建立情報(bào)信息的完整脈絡(luò)，有效地避免了個(gè)人偏好等人為因素等人為因素的影響，增強(qiáng)了情報(bào)數(shù)據(jù)的系統(tǒng)性、科學(xué)性和客觀性[2]。

3 大數(shù)據(jù)技術(shù)在科技情報(bào)研究工作中應(yīng)用分析

3.1 情報(bào)數(shù)據(jù)采集

科技情報(bào)研究工作主要包括接收任務(wù)、進(jìn)行情報(bào)數(shù)據(jù)采集、情報(bào)數(shù)據(jù)的預(yù)處理、情報(bào)數(shù)據(jù)分析和挖掘、情報(bào)研究結(jié)果展示等環(huán)節(jié)，下面分別從這幾個(gè)環(huán)節(jié)介紹大數(shù)據(jù)技術(shù)在情報(bào)研究工作中的應(yīng)用，具體的數(shù)據(jù)流轉(zhuǎn)如下圖所示。

圖1 情報(bào)研究工作中數(shù)據(jù)流轉(zhuǎn)圖

3.2 情報(bào)數(shù)據(jù)采集

情報(bào)數(shù)據(jù)的采集是從各個(gè)情報(bào)來源渠道通過不同技術(shù)手段來收集情報(bào)數(shù)據(jù)并進(jìn)行匯總。從采集情報(bào)的數(shù)據(jù)渠道來說，可分為內(nèi)部渠道和互聯(lián)網(wǎng)渠道。內(nèi)部渠道是指自建的各類信息資源數(shù)據(jù)庫，集中訂閱或采購的期刊、文獻(xiàn)資料、內(nèi)部積累形成的各種研究報(bào)告工作手冊等。通過內(nèi)部渠道進(jìn)行情報(bào)數(shù)據(jù)采集手段主要是人工錄入，數(shù)據(jù)庫導(dǎo)入等。

從互聯(lián)網(wǎng)渠道進(jìn)行數(shù)據(jù)采集是指國內(nèi)外各類網(wǎng)站廣泛收集情報(bào)數(shù)據(jù)，由于互聯(lián)網(wǎng)數(shù)據(jù)量巨大，傳統(tǒng)技術(shù)手段難以支撐采集工作，所以需要利用大數(shù)據(jù)技術(shù)手段。大數(shù)據(jù)技術(shù)中網(wǎng)絡(luò)爬蟲等數(shù)據(jù)采集工具可以高效、快速的進(jìn)行情報(bào)數(shù)據(jù)的采集。網(wǎng)絡(luò)爬蟲軟件可以根據(jù)預(yù)設(shè)的關(guān)鍵詞和規(guī)則進(jìn)行搜索，并對目標(biāo)網(wǎng)站的內(nèi)容更新進(jìn)行實(shí)時(shí)監(jiān)測和下載[3]。

3.3 情報(bào)數(shù)據(jù)預(yù)處理（清洗和加工）

互聯(lián)網(wǎng)上雖然數(shù)據(jù)量巨大，但充斥著大量的重復(fù)、冗余、錯(cuò)誤的信息，因此采集到的初始情報(bào)數(shù)據(jù)包含大量無用的信息，為提高后續(xù)數(shù)據(jù)處理的正確性，需要對采集到的初始情報(bào)數(shù)據(jù)包進(jìn)行數(shù)據(jù)預(yù)處理操作。

首先通過數(shù)據(jù)清洗、過濾等相關(guān)技術(shù)，去除情報(bào)信息數(shù)據(jù)包中重復(fù)、無用、毀壞的數(shù)據(jù)，，提高情報(bào)信息的有效性和可信度。然后對篩選過的情報(bào)數(shù)據(jù)包進(jìn)行加工?；ヂ?lián)網(wǎng)中存儲著大量的文字、圖像、音視頻等非結(jié)構(gòu)化數(shù)據(jù)，在數(shù)據(jù)加工階段，需要按照數(shù)據(jù)標(biāo)準(zhǔn)化規(guī)范統(tǒng)一各類多源異構(gòu)數(shù)據(jù)源。通過大數(shù)據(jù)技術(shù)將不同來源、不同結(jié)構(gòu)、甚至存在語義沖突的數(shù)據(jù)包進(jìn)行加工處理，將異構(gòu)的數(shù)據(jù)轉(zhuǎn)換為具備統(tǒng)一語法和語義的通用數(shù)據(jù)模型。

在預(yù)處理階段還需要利用大數(shù)據(jù)技術(shù)建立一個(gè)可靠的、持久化存儲的數(shù)據(jù)中心，數(shù)據(jù)中心包括科技情報(bào)研究工作的所有過程和結(jié)果數(shù)據(jù)庫。大數(shù)據(jù)技術(shù)中，大批量非結(jié)構(gòu)化數(shù)據(jù)的持久化存儲主要依托于文件系統(tǒng)HDFS，對于結(jié)構(gòu)化數(shù)據(jù)的訪問和管理，少部分結(jié)構(gòu)化數(shù)據(jù)存放在傳統(tǒng)關(guān)系型數(shù)據(jù)庫MySQL中，大存儲量可應(yīng)用分布式列存儲數(shù)據(jù)庫HBase來完成。為了加快數(shù)據(jù)處理速度，還可以引入高性能Redis數(shù)據(jù)庫用于存儲內(nèi)存數(shù)據(jù)。

3.4 情報(bào)數(shù)據(jù)分析和挖掘

情報(bào)數(shù)據(jù)分析和挖掘是科技情報(bào)研究的核心工作，通過對采集到的情報(bào)數(shù)據(jù)進(jìn)行科學(xué)分析，建立數(shù)據(jù)間相關(guān)性，梳理情報(bào)數(shù)據(jù)的脈絡(luò)，挖掘潛在情報(bào)信息，最終形成高價(jià)值的情報(bào)研究報(bào)告。在以往科技情報(bào)研究工作中，情報(bào)人員需要對情報(bào)數(shù)據(jù)進(jìn)行分析處理，然后結(jié)合自身的經(jīng)驗(yàn)積累，進(jìn)行綜合分析，最終形成專題報(bào)告。由于數(shù)據(jù)量不充足，情報(bào)數(shù)據(jù)分析和處理的往往停留在初步分析和淺層挖掘，同時(shí)，受情報(bào)人員知識素養(yǎng)的主觀因素影響，形成的研究結(jié)果的客觀性和綜合性還有待加強(qiáng)。

在情報(bào)數(shù)據(jù)分析和挖掘過程中，大數(shù)據(jù)技術(shù)中自然語言處理、信息關(guān)聯(lián)、智能分析等相關(guān)技術(shù)，采用定量的科學(xué)分析方法，通過構(gòu)建知識圖譜、建立學(xué)習(xí)模型，結(jié)合數(shù)理統(tǒng)計(jì)的理論，模擬專家思維過程，實(shí)現(xiàn)對情報(bào)數(shù)據(jù)的關(guān)聯(lián)分析和深度挖掘。而大數(shù)據(jù)技術(shù)中數(shù)據(jù)融合算法可將多源異構(gòu)數(shù)據(jù)進(jìn)行融合，運(yùn)用社會網(wǎng)絡(luò)分析法、機(jī)器學(xué)習(xí)等技術(shù)對情報(bào)數(shù)據(jù)進(jìn)行分析建模，反映情報(bào)數(shù)據(jù)的脈絡(luò)，推斷情報(bào)數(shù)據(jù)的規(guī)律和發(fā)展趨勢。

3.5 數(shù)據(jù)展示和決策支持

科技情報(bào)研究工作最終要形成對特定技術(shù)領(lǐng)域相關(guān)技術(shù)情報(bào)工作的研究報(bào)告，而數(shù)據(jù)展示可以將研究報(bào)告的關(guān)鍵指標(biāo)數(shù)據(jù)以圖形化形式直觀的表達(dá)出來，讓用戶能迅速掌握情報(bào)研究報(bào)告的核心內(nèi)容。以往的科技情報(bào)研究工作，可通過常規(guī)圖表繪制形式對研究結(jié)果進(jìn)行展示。隨著互聯(lián)網(wǎng)上科技情報(bào)數(shù)據(jù)量的猛增，研究報(bào)告中的數(shù)據(jù)集也相應(yīng)增長，常規(guī)圖表難以支撐大批量的報(bào)告數(shù)據(jù)的展示。而大數(shù)據(jù)技術(shù)中數(shù)據(jù)可視化技術(shù)，可對復(fù)雜多元的報(bào)告數(shù)據(jù)在很短的時(shí)間內(nèi)實(shí)現(xiàn)從抽象到可視化結(jié)構(gòu)的映射，通過數(shù)據(jù)聚合等操作，可以實(shí)現(xiàn)多種數(shù)據(jù)檢索方式，實(shí)現(xiàn)情報(bào)數(shù)據(jù)自定義范圍的可視化展示。

在提供決策支持方面，大數(shù)據(jù)技術(shù)支持對情報(bào)數(shù)據(jù)的動(dòng)態(tài)跟蹤，對情報(bào)數(shù)據(jù)進(jìn)行實(shí)時(shí)統(tǒng)計(jì)，通過定量分析與建設(shè)的方法，描繪情報(bào)數(shù)據(jù)的形成軌跡和趨勢走向圖，進(jìn)行科學(xué)可靠的預(yù)測，為決策層提供數(shù)據(jù)支撐。

4 啟示和策略

4.1 提供主動(dòng)推送的情報(bào)信息服務(wù)

由于科研任務(wù)繁重，科技情報(bào)研究的日常工作中經(jīng)常會承擔(dān)臨時(shí)性任務(wù)，通常要求在短時(shí)間內(nèi)要形成情報(bào)研究報(bào)告，這使得科技情報(bào)工作容易處于需求牽引的被動(dòng)狀態(tài)，不能開展前瞻性、主動(dòng)性的情報(bào)研究，長期下去容易導(dǎo)致情報(bào)研究工作的價(jià)值不能有效發(fā)揮。因此有必要轉(zhuǎn)變服務(wù)理念，創(chuàng)新情報(bào)研究工作模式，從被動(dòng)的接受需求轉(zhuǎn)變?yōu)橹鲃?dòng)推送信息服務(wù)，通過深挖頂層需求，選取關(guān)鍵技術(shù)領(lǐng)域進(jìn)行長期、主動(dòng)的跟蹤和積累，形成多元化情報(bào)研究成果，提供具有精準(zhǔn)性、創(chuàng)新性、前沿性的信息服務(wù)，充分發(fā)揮科技情報(bào)對戰(zhàn)略決策及科研創(chuàng)新的牽引和支撐作用。

4.2 建立科技情報(bào)信息資源共享平臺

在以往的科技情報(bào)研究工作中，由于缺乏有效的資源共享機(jī)制，情報(bào)研究工作的相關(guān)資料和研究報(bào)告還是處于分散管理的狀態(tài)，無法及時(shí)有效的傳遞已有信息資源，這會導(dǎo)致科技情報(bào)研究工作重復(fù)、耗時(shí)費(fèi)力、效率較低，造成了信息資源的浪費(fèi)。因此，有必要整合已有信息資源，建立科技情報(bào)信息資源共享平臺，通過搭建數(shù)據(jù)服務(wù)中心實(shí)現(xiàn)不同技術(shù)領(lǐng)域資源統(tǒng)一歸口管理，如專題資源庫，動(dòng)態(tài)資訊庫等，確保情報(bào)資源的充分利用和深度共享。

4.3 完善情報(bào)工作的安全保密措施

大數(shù)據(jù)技術(shù)背景下，容易獲取數(shù)據(jù)，另一方面也容易被獲取數(shù)據(jù)。在科技情報(bào)研究工作中要重點(diǎn)從技術(shù)防范上入手，深度學(xué)習(xí)和應(yīng)用大數(shù)據(jù)各方面技術(shù)，比如通過應(yīng)用“反爬蟲”技術(shù)來防止技術(shù)數(shù)據(jù)被竊取。從物理安全和技術(shù)安全兩方面保障研究工作的開展，在安全保密的基礎(chǔ)上形成資源共享的信息安全環(huán)境。