资源系统建设部知识库

产业情报是产业竞争发展的基石，企业战略决策的支柱。当前产业情报的采集挖掘仍面临巨大挑战：一方面，数据爆炸性增长（信息过载）、碎片化分布（多源异构）问题日益加剧，为情报精准获取和智能分析增加了难度；另一方面，固有方法模式已不适用，会耗费大量人力、时间、经济成本，亟需自动化、精准化、智能化采集挖掘工具的支持。深度学习是当前实现智能化的关键，其算法程序可以自动从数据文本中学习特征，实现关键工作流程的自动判别、抽取、分类等，极大地解放了人力，减轻了工作量。基于相关工作需求，本文研究与提出了产业情报智能化采集挖掘的总体框架，设计与实现了情报源配置、自动实时监测、主题相关度自动判别、关键词自动抽取标引、学科/上下游自动分类等关键流程的算法模型，并以产业情报大数据平台为依托进行了应用研究。最后对未来相关工作的自动化改进，如领域重要关键事件的自动识别、领域技术路线的自动挖掘与智能分析、产业情报大数据知识图谱体系的自动构建等提出了计划与展望。