科技情報(bào)人員通常通過兩種方式獲取互聯(lián)網(wǎng)信息：一是通過搜索引擎對某一主題相關(guān)的信息進(jìn)行全面搜索；二是對所關(guān)注的領(lǐng)域積累大量有價(jià)值的網(wǎng)絡(luò)信息源，通過對這些信息源持續(xù)跟蹤而獲得領(lǐng)域動(dòng)態(tài)。第二種方式是一個(gè)長期而持續(xù)的工作，是進(jìn)行技術(shù)預(yù)警、技術(shù)熱點(diǎn)發(fā)現(xiàn)與跟蹤、技術(shù)發(fā)展趨勢預(yù)測等重要工作的基礎(chǔ)。因此，全面掌握所關(guān)注領(lǐng)域相關(guān)的互聯(lián)網(wǎng)信息源，對科技情報(bào)人員來說至關(guān)重要。

現(xiàn)狀

互聯(lián)網(wǎng)信息源是指互聯(lián)網(wǎng)上能夠提供信息的各類媒體，各種機(jī)構(gòu)、院校、企業(yè)幾乎都擁有自己的網(wǎng)站甚至社交媒體賬號(hào)，大量科技工作者通過各種社交媒體向外界發(fā)布著科技類消息，因此這些網(wǎng)站和社交媒體賬號(hào)都是科技工作人員潛在的信息源。隨著互聯(lián)網(wǎng)的發(fā)展，互聯(lián)網(wǎng)信息源的數(shù)量也不斷增長。傳統(tǒng)人工積累搜集互聯(lián)網(wǎng)信息源的方式已經(jīng)不能滿足大數(shù)據(jù)時(shí)代對科技情報(bào)工作的要求，因此必須對互聯(lián)網(wǎng)信息源的自動(dòng)發(fā)現(xiàn)技術(shù)開展研究。

互聯(lián)網(wǎng)信息源是互聯(lián)網(wǎng)數(shù)據(jù)的生產(chǎn)者，信息源種類和數(shù)量的增加以及活躍度的提高，導(dǎo)致了數(shù)據(jù)的爆炸式增長。全世界數(shù)據(jù)總量以每兩年翻一番的速度遞增，而近十年來增長Zui快的當(dāng)屬互聯(lián)網(wǎng)數(shù)據(jù)。未來的任務(wù)主要不是獲取越來越多的數(shù)據(jù)，而是數(shù)據(jù)的去冗分類、去粗取精，提高知識(shí)發(fā)現(xiàn)的產(chǎn)出率。要在不明顯增加采集成本的條件下盡可能地提高數(shù)據(jù)的質(zhì)量。這就要求在采集互聯(lián)網(wǎng)信息時(shí)盡量選擇與研究領(lǐng)域緊密相關(guān)的信息源，減少不必要的數(shù)據(jù)采集。如何獲取相關(guān)性強(qiáng)、性高、時(shí)效性強(qiáng)的信息源，并能夠及時(shí)有效地把信息源提供給科技情報(bào)研究人員，是一個(gè)重要的研究課題。

易海聚信息自動(dòng)發(fā)現(xiàn)技術(shù)應(yīng)用

相比人工搜集方法，易海聚方案中提出的信息源自動(dòng)發(fā)現(xiàn)方法具有自動(dòng)高效、覆蓋面全、對新產(chǎn)生信息源反應(yīng)快等明顯優(yōu)勢。為了提供完善的應(yīng)用服務(wù)，需要進(jìn)一步對信息源進(jìn)行標(biāo)注和分類，建立國別地區(qū)、技術(shù)領(lǐng)域、應(yīng)用范圍、所有者性質(zhì)（如個(gè)人、政府機(jī)構(gòu)、大學(xué)院所）等維度的分類體系。然后根據(jù)信息源對應(yīng)網(wǎng)站和微博的標(biāo)題、關(guān)鍵詞、摘要等描述信息，利用機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)對信息源的分類和組織，Zui后形成完備的信息源庫。結(jié)合大數(shù)據(jù)時(shí)代對科技情報(bào)工作提出的新要求，易海聚信息源自動(dòng)發(fā)現(xiàn)技術(shù)具有如下應(yīng)用場景。

（1）構(gòu)建信息源地圖，系統(tǒng)掌控全球科技信息資源

信息源地圖指的是用可視化手段對信息源的綜合展示，利用地圖、熱圖和網(wǎng)絡(luò)圖等多種形式來展現(xiàn)科技領(lǐng)域信息源的地理位置、活躍度、統(tǒng)計(jì)分布、類別、信息源間關(guān)聯(lián)交互等情況。通過一個(gè)全面、準(zhǔn)確、動(dòng)態(tài)的互聯(lián)網(wǎng)信息源地圖，決策人員和情報(bào)研究人員可以對科技信息資源進(jìn)行全局把控和分析，從更高層次上挖掘發(fā)現(xiàn)其特點(diǎn)和規(guī)律，預(yù)測其變化趨勢，具有重要戰(zhàn)略意義。

（2）實(shí)現(xiàn)信息源檢索服務(wù)，為情報(bào)研究工作提供保障

提供完善、靈活的信息源檢索服務(wù)，為情報(bào)研究人員實(shí)現(xiàn)對科技領(lǐng)域互聯(lián)網(wǎng)信息的持續(xù)跟蹤和完成各項(xiàng)應(yīng)急任務(wù)提供有力保障。其檢索形式主要有以下3種。

目錄式檢索：用戶通過分類層次目錄方式檢索庫中已存在的信息源。
關(guān)鍵字檢索：通過匹配信息源對應(yīng)的描述性信息，檢索庫中已存在的信息源。
種子檢索：當(dāng)利用以上兩種方式無法檢索到所需要的信息源時(shí)，說明庫中可能不存在該類信息源，這時(shí)用戶可以輸入已有信息源作為種子，通過服務(wù)系統(tǒng)在線挖掘獲得新信息源。
除提供以上3種基本檢索服務(wù)外，還可以開發(fā)個(gè)性訂制和相關(guān)推薦等多種形式的智能服務(wù)。

（3）全面、深度挖掘科技信息源，為科技情報(bào)大數(shù)據(jù)提供數(shù)據(jù)來源

自動(dòng)、高效、全面發(fā)現(xiàn)科技領(lǐng)域的信息源，建立標(biāo)準(zhǔn)的訪問接口，實(shí)現(xiàn)與互聯(lián)網(wǎng)海量信息采集平臺(tái)無縫連接，為成規(guī)模的互聯(lián)網(wǎng)信息資源獲取提供必要前提。依據(jù)具有高度領(lǐng)域相關(guān)性的信息源采集數(shù)據(jù)，能夠提高互聯(lián)網(wǎng)數(shù)據(jù)采集的精準(zhǔn)性和針對性，減少噪聲數(shù)據(jù)的干擾，降低帶寬、存儲(chǔ)和計(jì)算成本。

結(jié)束語

互聯(lián)網(wǎng)信息源自動(dòng)發(fā)現(xiàn)技術(shù)能夠高效發(fā)現(xiàn)大量新信息源，但較大的數(shù)量可能會(huì)使科技情報(bào)人員應(yīng)接不暇，同時(shí)無法保證每個(gè)新信息源都是真正需要的，對新信息源的二次甄別也會(huì)影響其有效利用。值得慶幸的是，易海聚大數(shù)據(jù)相關(guān)技術(shù)已經(jīng)廣泛用于互聯(lián)網(wǎng)信息的海量采集、處理和分析，大大提高了科技情報(bào)工作的效率，本文技術(shù)的直接用戶更傾向于機(jī)器，而非情報(bào)人員本身。