数智时代情报分析中算法分类、演进及应用研究

[目的/意义]数智时代随着算法广泛应用于情报分析中,揭示当前情报分析中算法使用的现状不但能帮助情报学领域学者把握学术研究热点,还能指导更多研究者更好地利用算法来解决情报分析过程中的实际问题。[方法/过程]重点梳理近10年情报学领域5本核心期刊与情报分析算法相关文献,尝试梳理数智时代应用于情报分析中的算法分类,并从算法演进、算法应用角度全方位展示这些算法的特征。[结果/结论]从演进来看,近10年情报学领域应用算法的论文持续上升,而LDA是情报分析中运用最多的算法,自2020年起BERT算法呈现出新生演进特征;从应用来看,突发事件下的网络舆情、专利分析等应用呈现出不断细化、继承演进的趋势;图书馆、图书情报、电子商务、物流信息等应用逐渐衰退,取而代之的是数字人文、智慧图书馆、颠覆性技术等。

计算型情报分析的进展

大数据理念和方法的不断应用,使情报分析在理论和实践上逐渐从定量化分析向计算化分析发展。本文将迄今为止的计算型情报分析的发展历程划分为三个阶段:经验计数分析阶段、精确计量分析阶段、计算型分析阶段,并分别从分析对象、代表成果、主要贡献、主要特征、方法与工具等维度对各阶段进行论述;对情报思维、计算思维、社会计算科学进行辨析,提出了计算型情报分析的主要研究目的和研究内容,并对计算型情报分析的三个主要内容--计算型情报分析模型、计算型情报分析算法、计算型情报分析框架和系统最新的研究进展和研究趋势进行系统的论述和分析。

基于梯度显著度的情报分析BERT算法可视化解释研究

[目的/意义]随着预训练模型不断展现出的惊人能力,越来越多研究者将BERT引入到情报分析领域,并且呈现出从单一BERT模型向融合BERT模型方向演进的趋势,但预训练语言模型预测结果不可解释的问题给算法在情报分析领域的通用化带来一定程度的风险。[方法/过程]以情报分析广泛应用到的BERT算法为例,利用显著度理论,通过计算BERT内部隐层状态值的Token Embeddings显著度,进而探寻影响最终分类结果的关键因素,最终以团队数据安全政策分类情报分析项目为例,通过可视化方式深入剖析情报分析BERT算法可解释性。[结果/结论]基于梯度显著度的可视化解释模型清晰的窥探BERT算法每一层运行状态,并且通过对错分样本重新标注使得验证集的准确率由原来的96.74%提升至97.78%,这也说明该方法应用于政策文本分类任务中能有效指导数据集的标注,并能够为情报分析领域更广泛的应用该模型提供借鉴思路。

基于数据挖掘的公开网络失联算法情报分析研究

作为我国军事情报分析的重要组成部分,其基于数据挖掘的公开网络失联算法情报分析不仅关系着我国失联情报的分析与研研究,而且对与我国军事的数据挖掘进步与发展也具有重要作用。基于此,本文以基于数据挖掘的公开网络失联算法情报分析作为研究对象。

一种基于聚类的情报分析程序的设计与实现

聚类是一种根据数据相似度对海量数据进行"无监督"分类的信息处理技术。针对当前公安情报工作"数据丰富,知识贫乏"的现状,本文提出了一种基于聚类DBSCAN算法的情报分析程序,以某地市"两抢一盗"案件数据样本为例,测试了该程序在治安防范实践中的有效性,并与数字地图相结合,为预防多发性刑事案件提供了可视化的决策支持。