第七讲情报分析.ppt

７.７.２预测型科技情报分析法 （3）专家和情景分析方法 专家观点和情景分析类方法注重参与者的思想，主要是利用相对标准化的程序和方法，将参与未来科学技术分析的各类专家意见综合起来，以明确对未来的判断。这两类方法由于科学而系统地综合了各领域专家对未来的分析和判断，得到了广泛的认可和应用，从政府到企业均在不同程度采用这些方法做预测分析。其中，以德尔菲方法为主的政府级大规模技术预见活动在许多国家得到了系统的开展，并在此基础上对德尔菲方法进行了一系列完善。当然，这些基于专家观点的方法也有其自身的缺点，虽然应用这些方法得到的结果比较可靠和准确，但由于这类方法的实施需要大量专家的参与，因而成本较高，耗时也较长，通常只适用于规模较大的国家级技术预见活动。 ７.７预测型情报分析 ７.７.3预测型科技情报分析特色方法 在情报学领域，文献计量指标方法和基于文本挖掘的方法是两种最常采用的预测型情报分析特色方法。其中，文献计量指标方法主要是指基于论文和专利计量指标的分析方法，如利用专利指标来描绘技术发展的生长曲线，并做外推分析。基于文本挖掘的方法主要是指基于文献的知识发现方法，如由Swanson提出的非相关文献知识发现方法等。 7.7.3预测型科技情报分析特色方法 （1）基于文献计量指标的预测分析与典型实例 文献计量指标在预测型情报分析中得到了大量的应用。由于此类方法应用起来方便快捷，可以在分析技术发现现状的基础上，迅速地对未来技术发展的态势进行预测分析，因而被广泛地应用于技术战略的制定。图7-4即是以论文和专利等情报计量指标，对DNA测序技术的发展趋势进行的预测分析结果。 图7-4 对未来论文与专利数据的预测 7.7.3预测型科技情报分析特色方法 从图7-4中可以看出，论文数量于1999年达到峰值，专利数量于2002年达到峰值，同年罗氏公司建立新的测序方法，2005年该公司推出的第二代测序仪上市。可见，在“论文－专利－产品”的创新链条中，每一步的时间间隔在三年左右。根据论文及专利的发展趋势可以预测，论文数量可能在2010年前后再次达到一个高点，随后约在2013年专利数量可能会达到高峰，并有新的突破性测序技术产生，而在三年之后，即2016年左右，具有变革性意义的新产品将可能出现。上述预测分析成果对于指导政府确定未来资助方向或企业制定技术开发战略均具有重要的参考价值。 7.7.3预测型科技情报分析特色方法 （2）基于文本挖掘的预测分析 基于文本挖掘的方法引入情报分析方法后，使得对信息资源的挖掘可以深入到文本内容的层次，为预测型情报分析带来了新的视角。一些基于文本内容的知识发现研究开始受到情报界的关注。这里简介基于非相关文献的知识发展方法和基于专利文本挖掘的预测方法。 1）非相关文献知识发现。基于非相关文献的知识发现是由芝加哥大学医学教授Swanson提出的一种分析方法。这种方法可以揭示内容特征上没有直接关系的文献间的隐含逻辑关系，为基于文献的知识发现方法开辟了新的途径。 7.7.3预测型科技情报分析特色方法 非相关文献知识发现是基于对与初始文献直接和间接相关文献的分析，该发现过程可简化为图7-5的形式，主要包括开放式发现和闭合式发现两种模式。开放式发现分为三个步骤：（1）利用初始概念A检索获得初始文献集A，利用文本挖掘获得与初始文献集A直接相关但不相交的中间文献集B；（2）利用文本挖掘从中间文献集B获得与初始文献集A间接相关但不相交，同时与中间文献集B直接相关但不相交的目标文献集C；（3）检查初始文献集A与目标文献集C之间的交叉是否为零。闭合的发现模式则分为两个步骤：（1）首先检查A 与C 的交叉是否为零；（2）然后从A、C两端开始寻找中间关联文献。通过对非相关文献知识发现的一般框架的描述可见，无论开放还是封闭的发现过程，文本挖掘都是其关键的环节。 7.7.3预测型科技情报分析特色方法 非相关文献知识发现方法一经提出，即得到了情报界的广泛关注。许多学者对Swanson的发现方法进行了改进： Chen提出了建立基于分散于文献内部知识片断的逻辑关联的知识整合方法；Gordon创建了基于短语的词频统计方法，并建立起中介文献的概念，将文献发现应用扩展至学科和领域之间。Stegmann等尝试利用共词分析模拟知识发现过程，寻找从来源文献到目标文献的路径和规律。Yildiz和Pratt将基于知识发现方法与统计方法结合在一起提高发现效率。Kostoff将时序因素引入Swanson方法，给该方法赋予了描绘科学研究进程的新应用价值。国内一些学者也开展了一些实践性研究。张晗、崔雷利用该方法对科研机构潜在的合作方法？进行了挖掘；张云秋从领域、数据源、发现过程中的关键技术及发现结构评价几个方面对基于非相关文献的知识发现系统进行了详细的比较研究，并对初始集构建、中间集质量