胡堯強(qiáng)

摘要：文本信息作為情報(bào)分析的重要載體，對(duì)我國(guó)情報(bào)技術(shù)的發(fā)展具有非常重要的影響?；诖耍疚木歪槍?duì)情報(bào)技術(shù)中文本信息分析的相關(guān)內(nèi)容進(jìn)行了深入的探究，旨在推動(dòng)我國(guó)情報(bào)學(xué)的全面發(fā)展。

關(guān)鍵詞：文本信息;情報(bào)技術(shù);研究

一、簡(jiǎn)述文本信息分析的概念及重要意義

文本信息分析的具體含義，主要是指運(yùn)用模型理論對(duì)文本信息實(shí)施統(tǒng)計(jì)、分析、理解、轉(zhuǎn)換與生成的過(guò)程?！?】通過(guò)對(duì)情報(bào)信息來(lái)源的具體分析，我們可以從中了解到情報(bào)來(lái)源的主要渠道是通過(guò)十大文獻(xiàn)源及其他相關(guān)資料來(lái)獲取的，這其中包含期刊論文、會(huì)議論文、政府出版物以及產(chǎn)品樣本等，這些文獻(xiàn)資料中蘊(yùn)含著情報(bào)工作所需要的大量信息資料。

文獻(xiàn)信息作為情報(bào)研究工作中極為重要的處理對(duì)象，其通常是以文本形式呈現(xiàn)出來(lái)的，對(duì)文本信息分析的處理流程主要是以檢索為基礎(chǔ)的序化以及信息、知識(shí)和情報(bào)之間的轉(zhuǎn)化，文本信息分析的主要目標(biāo)是能夠更方便快捷的找出情報(bào)工作所需的信息資料，并運(yùn)用相關(guān)知識(shí)對(duì)信息實(shí)施分析處理，由此得出最終的情報(bào)信息。

伴隨科技水平的不斷發(fā)展，推動(dòng)了文本信息分析工作的信息化管理，同時(shí)也對(duì)情報(bào)專(zhuān)家提出了更為嚴(yán)格的要求，如何靈活的運(yùn)用現(xiàn)代化信息技術(shù)來(lái)對(duì)文本信息進(jìn)行收集與整合，從而準(zhǔn)確快速的找出文本信息中有價(jià)值的情報(bào)資料，是每個(gè)情報(bào)專(zhuān)家需要迫切解決的一大問(wèn)題。

二、基于本文信息分析的情報(bào)技術(shù)探究

從語(yǔ)言層面探究文本信息分析的處理過(guò)程

文本信息主要是借助自然語(yǔ)言來(lái)描述與展現(xiàn)的，而文本信息分析從處理單位的層面出發(fā)，可以分為詞語(yǔ)分析、句子分析、語(yǔ)段分析以及篇章分析，從分析的層面出發(fā)，文本信息則可以劃分為語(yǔ)音分析、語(yǔ)法分析、語(yǔ)形分析、語(yǔ)用分析以及語(yǔ)義分析。對(duì)此，我們可以從以下幾點(diǎn)進(jìn)行詳細(xì)研究：

（一）語(yǔ)法角度探究

通過(guò)對(duì)文字信息語(yǔ)法實(shí)施研究分析后，就可以進(jìn)行針對(duì)性的信息抽取，通過(guò)對(duì)信息抽取技術(shù)的靈活運(yùn)用，就可以順利的展開(kāi)后續(xù)工作，如信息庫(kù)的建設(shè)、列表式搜索、跨語(yǔ)言信息檢索以及輔助審稿等。語(yǔ)法分析主要是針對(duì)句子進(jìn)行分析，其主要包含句子內(nèi)部結(jié)構(gòu)分析和句子相似度匹配分析。針對(duì)相似句子的判斷依據(jù)主要是從詞形相似度、句型結(jié)構(gòu)相似度以及詞序相似度等方面進(jìn)行考量的，并以此為基礎(chǔ)，構(gòu)建出相關(guān)的向量空間法、依存結(jié)構(gòu)法以及編輯距離法。

（二）語(yǔ)義角度探究

通過(guò)對(duì)文字信息語(yǔ)義實(shí)施研究分析后，就可以進(jìn)行針對(duì)性的知識(shí)抽取，知識(shí)抽取是以知識(shí)工程實(shí)施的，在構(gòu)建具體的知識(shí)庫(kù)后，便可以進(jìn)行后續(xù)的精細(xì)式知識(shí)組織、知識(shí)推理以及知識(shí)連接等具體工作。語(yǔ)義分析的相關(guān)概念主要體現(xiàn)在以詞法分析和語(yǔ)法分析為前提標(biāo)準(zhǔn)，通過(guò)對(duì)知識(shí)庫(kù)中語(yǔ)義知識(shí)的合理運(yùn)用，將語(yǔ)法結(jié)構(gòu)描述轉(zhuǎn)化為以邏輯和概念等知識(shí)表示為基礎(chǔ)的語(yǔ)義表示，通過(guò)對(duì)領(lǐng)域知識(shí)的靈活運(yùn)用將句子的語(yǔ)義加以分析整理，并在此基礎(chǔ)上用過(guò)判斷及推理的方式，展開(kāi)后續(xù)的知識(shí)抽取與發(fā)現(xiàn)、觀點(diǎn)與流派搜索等實(shí)際工作?！?】

（三）語(yǔ)用角度探究

在經(jīng)過(guò)具體的語(yǔ)用研究分析之后，就可以展開(kāi)后續(xù)的風(fēng)格型搜索、學(xué)者自動(dòng)評(píng)價(jià)以及意見(jiàn)挖掘等高級(jí)處理。就目前而言，大部分科學(xué)評(píng)價(jià)都是通過(guò)論文、項(xiàng)目、著作以及專(zhuān)利等信息資料實(shí)施統(tǒng)計(jì)的。而學(xué)位論文的網(wǎng)絡(luò)評(píng)價(jià)，則是從學(xué)術(shù)作風(fēng)及學(xué)術(shù)品德等角度來(lái)進(jìn)行具體的評(píng)價(jià)工作的。

（四）詞法角度探究

文本信息的詞法主要包體現(xiàn)在自動(dòng)分詞、詞性標(biāo)注以及詞頻統(tǒng)計(jì)等方面，通過(guò)對(duì)數(shù)據(jù)適時(shí)預(yù)處理后，盡可以進(jìn)行抽取特征詞構(gòu)建矩陣向量，借助向量空間模型、支持向量機(jī)以及潛在語(yǔ)義標(biāo)引等模型加以計(jì)算，從而實(shí)現(xiàn)分類(lèi)、聚類(lèi)與共詞分析等目的。

三、從智能層面探究文本信息分析的處理方法

在進(jìn)行具體的文本信息處理工作時(shí)，我們不能忽視情報(bào)與智能之間存在的關(guān)聯(lián)性，處理的過(guò)程離不開(kāi)智能，而處理的目標(biāo)則是為了獲取有價(jià)值的情報(bào)信息，情報(bào)學(xué)的核心目的在于如何加強(qiáng)對(duì)智能的科學(xué)運(yùn)用。因此，情報(bào)學(xué)的發(fā)展進(jìn)步是無(wú)法脫離智能而獨(dú)立進(jìn)行的。人工智能與計(jì)算機(jī)定性相關(guān)的較為常見(jiàn)的處理方法主要包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、模糊決策樹(shù)、潛在語(yǔ)義分析等。下面我們就針對(duì)文本信息分析的幾種智能處理方法進(jìn)行了詳細(xì)的研究。

（一）決策樹(shù)

決策樹(shù)是以實(shí)例為基點(diǎn)的歸納學(xué)習(xí)算法，它可以針對(duì)一組無(wú)規(guī)則、無(wú)次序的事例推理出決策樹(shù)表示方式的分類(lèi)規(guī)則。通過(guò)自頂向下的遞歸方式，將決策樹(shù)內(nèi)部節(jié)點(diǎn)的屬性值進(jìn)行比較，并依據(jù)不同的屬性值來(lái)對(duì)該節(jié)點(diǎn)向下的分支加以判斷，在決策樹(shù)的葉節(jié)點(diǎn)得出最終結(jié)論。決策樹(shù)被廣泛運(yùn)用于文本分類(lèi)、數(shù)據(jù)挖掘、機(jī)器翻譯和知識(shí)發(fā)現(xiàn)等技術(shù)領(lǐng)域。

（二）支持向量機(jī)

支持向量機(jī)主要是由貝爾實(shí)驗(yàn)室研究小組所提出的一個(gè)技術(shù)理論，它是以計(jì)算學(xué)習(xí)理論的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則為基礎(chǔ)的，可以有效的解決線性不可分的問(wèn)題。在實(shí)際的分類(lèi)問(wèn)題中，支持向量機(jī)技術(shù)原理主要體現(xiàn)在通過(guò)在高維空間中尋找一個(gè)超平面作為兩類(lèi)的分割，以此來(lái)保障錯(cuò)誤分割率控制在最小值。支持向量機(jī)主要應(yīng)用于文本分類(lèi)和數(shù)據(jù)挖掘等技術(shù)領(lǐng)域。

（三）貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)作為一種圖形模式，其主要作用是用來(lái)表示變量間的連接概率的，它能夠準(zhǔn)確的發(fā)現(xiàn)數(shù)據(jù)之間的內(nèi)部關(guān)系。貝葉斯理論明確了信任函數(shù)在數(shù)學(xué)中的計(jì)算方法，其具備相對(duì)穩(wěn)定的數(shù)學(xué)基礎(chǔ)，與此同時(shí)它還展現(xiàn)了信任度跟隨證據(jù)而變化的增量學(xué)習(xí)特征。貝葉斯可應(yīng)用于文本分類(lèi)、態(tài)勢(shì)估計(jì)以及熱點(diǎn)監(jiān)測(cè)等技術(shù)領(lǐng)域?！?】

（四）遺傳算法

遺傳算法，主要是基于某一隨機(jī)而生的抑或特定的初識(shí)群體出發(fā)，依據(jù)一定的操作準(zhǔn)則，如選擇、復(fù)制、變異以及交叉等，在逐步的迭代計(jì)算后，依據(jù)不同個(gè)體的適應(yīng)度值，實(shí)現(xiàn)優(yōu)勝劣汰。遺傳算法的特點(diǎn)主要體現(xiàn)在直接對(duì)結(jié)構(gòu)對(duì)象實(shí)施操作，不存在求導(dǎo)與函數(shù)連續(xù)性的具體限定，具備內(nèi)在的隱并行性及良好的全局尋優(yōu)性能，通過(guò)對(duì)概率化尋優(yōu)方式的巧妙運(yùn)用，可以自動(dòng)獲取搜索環(huán)節(jié)中的相關(guān)知識(shí)并以此來(lái)對(duì)優(yōu)化過(guò)程進(jìn)行指導(dǎo)。遺傳算法從數(shù)學(xué)層面來(lái)看，屬于一種概率性搜索算法，而從工程學(xué)層面來(lái)看，則屬于一種自適應(yīng)的迭代尋優(yōu)過(guò)程。遺傳算法主要被應(yīng)用于情報(bào)采集、文獻(xiàn)聚類(lèi)、知識(shí)工程以及信息抽取等技術(shù)領(lǐng)域。

（五）神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)的技術(shù)原理主要是模仿人腦神經(jīng)網(wǎng)絡(luò)的具體結(jié)構(gòu)和某部分工作機(jī)制，運(yùn)用多種神經(jīng)元構(gòu)建網(wǎng)絡(luò)，最終實(shí)現(xiàn)大規(guī)模并行計(jì)算的求解方法。每個(gè)神經(jīng)元的輸出都連接著另一個(gè)神經(jīng)元的輸入。神經(jīng)元的輸出值是通過(guò)神經(jīng)元輸入與閾值的加權(quán)函數(shù)來(lái)共同計(jì)算得出的。神經(jīng)網(wǎng)絡(luò)主要應(yīng)用于文本分類(lèi)、智能檢索、文本聚類(lèi)、自動(dòng)分詞以及數(shù)據(jù)挖掘等技術(shù)領(lǐng)域。

結(jié)語(yǔ)：

綜上所述，文本信息作為情報(bào)分析的重要來(lái)源，對(duì)情報(bào)學(xué)的整體發(fā)展具有非常重要的價(jià)值。因此，相關(guān)部門(mén)應(yīng)具備與時(shí)俱進(jìn)的發(fā)展眼光，結(jié)合先進(jìn)的現(xiàn)代化技術(shù)，來(lái)不斷完善與創(chuàng)新情報(bào)分析的相關(guān)技術(shù)，實(shí)現(xiàn)情報(bào)技術(shù)領(lǐng)域的不斷突破。

參考文獻(xiàn)：

[1]遲玉琢.2018年我國(guó)情報(bào)學(xué)研究進(jìn)展[J].山東圖書(shū)館學(xué)刊，2019（04）：24-31+54.

[2]張?jiān)?，楊建?從學(xué)科交叉視角看國(guó)內(nèi)情報(bào)學(xué)的學(xué)科地位與發(fā)展思考[J].情報(bào)理論與實(shí)踐，2019，42（04）：18-23.

[3]王鵬.“互聯(lián)網(wǎng)+”環(huán)境下的科技情報(bào)發(fā)展趨勢(shì)及團(tuán)隊(duì)建設(shè)[J].競(jìng)爭(zhēng)情報(bào)，2018，14（03）：23-28.