搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
面向领域知识发现的学科信息学理论与应用研究
0.00     定价 ¥ 385.00
图书来源: 浙江图书馆(由JD配书)
此书还可采购25本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787030753847
  • 作      者:
    张志强,等
  • 出 版 社 :
    科学出版社
  • 出版日期:
    2023-06-01
收藏
内容介绍
学科信息学是数据密集型科研范式时代面向领域知识发现的多学科交叉性和战略支撑性学科体系。学科信息学理论方法体系的构建完善与知识发现应用研究,是发展学科信息学和促进学科领域知识发现的学科要务。《面向领域知识发现的学科信息学理论与应用研究》包括概论篇、理论方法篇、应用实践篇和技术方法篇等4个部分共14章,旨在对学科信息学的*新整体发展予以全景式系统性论述和对领域知识发现的深入应用研究。《面向领域知识发现的学科信息学理论与应用研究》从宏观层面概述了学科信息学的发展进展和趋势,遴选普遍性和工具性学科信息学方向及典型专门领域学科信息学,全面深入系统阐述这些学科信息学领域的理论方法与应用发展,开展了这些学科信息学领域知识发现的深入应用研究,梳理介绍了学科领域知识发现全流程所涉及的大数据分析前沿技术和方法进展等。《面向领域知识发现的学科信息学理论与应用研究》构建了基础性和工具性学科信息学的系统性理论方法体系,提供了相应学科信息学领域知识发现研究的深度应用研究案例,为面向领域知识发现的学科信息学理论方法与应用研究提供了系统性知识体系和支撑性学术思想基础。
展开
精彩书评
学科信息学
展开
精彩书摘

概论篇
  第1章面向领域知识发现的学科信息学发展与展望
  数据密集型科学新范式时代,科学创新呈现出“大数据”加“大计算”促进“大发现”的科学发展新趋势,学科信息学(Subject Informatics)在数据密集型科学新范式时代应运而生、迅猛发展。学科信息学是一门基于学科领域大数据体系分析而开展学科领域知识发现的科学创新的前沿交叉性学科,对其理论方法体系的构建完善与知识发现应用研究是发展和促进学科领域知识发现的学科要务。
  本章旨在对学科信息学的内涵、领域知识发现全流程、数据驱动的领域知识新规律和新特点进行系统归纳和梳理。首先,在介绍大数据概念的兴起与发展演进的基础上,阐述面向学科领域大数据分析与知识发现的学科信息学的发展,分析学科信息学的研究背景、概念内涵、研究对象、研究方法与研究目标;其次,阐述基于学科大数据的学科领域知识发现全流程,解读专门学科数据库、关键技术与方法等;最后,对近年来普遍性和工具性学科信息学以及典型专门领域学科信息学的新发展进行梳理,并对其应用前景进行再展望,以洞察学科信息学在领域知识发现与科技创新中的重要作用和未来发展趋势。
  1.1引言
  大数据学科的产生和发展已经成为21世纪的鲜明时代特征,科技领域更是进入基于大数据知识发现的新时代。21世纪大数据时代的到来已经催生和正在不断催生着科技发展和经济社会进步的新纪元。就科学发展而言,20世纪末科学界提出e-Science概念,预示着信息技术必然在21世纪的科技合作和跨学科研究中扮演重要角色。无疑,e-Science的产生与发展,是伴生于数字信息技术的快速迭代发展和颠覆性应用,这为数据密集型科学研究新范式的兴起和确立提供了坚实的技术支撑发展环境条件,以及科学研究必须的不断膨胀的数据分析对象。进入21世纪后,随着数字信息技术的突破性发展和在众多科技领域的深度广泛地应用,众多科技领域发展的一个鲜明特征是大数据化——科技数据成爆发式增长。科技领域发展的大数据化,导致科技创新的研究模式发生深度变革,科学研究的“数据密集型”范式或者“数据驱动型”范式日益确立。各学科领域在数字信息技术的引领和支撑下,不断建成新型的大科学装置、专门数据库、数据分析平台等,进一步催生学科领域多源异构数据的高速产生并累积,导致对科技领域大数据体系的科学数据知识管理和知识分析成为重要趋势并产生战略需求,全面催生科学研究领域科研模式的数字化知识发现重大变革。科技发展全面进入大数据分析催生科学创新发现的新时代。
  科学数据分析和知识发现需要大力发展聚焦学科大数据分析与知识发现的学科信息学。20多年来,科技专业领域的专门学科信息学快速发展,不仅生物医学信息学、化学信息学等提出较早的典型代表性学科信息学快速发展,一系列新兴专门领域学科信息学还在不断被提出和发展,全面助力各学科领域的科研创新和知识发现。进一步地,学术界陆续明确提出文献信息学、网络信息学、专利信息学、政策信息学、奖项信息学、传播信息学等具有代表意义的普遍性和工具性学科信息学,成为支撑专门领域学科信息学和学科领域科技创新研究及知识发现的基础性学科和一般方法论工具。一方面,各个学科领域都有其数据全生命周期管理、数据分析与知识发现的学科依赖性,以及与学科依赖性相关的学科信息学研究方向,故学科信息学的家族逐渐演化为一个不断增加的庞大学科体系。另一方面,在学科领域大数据体系迅猛发展、学科领域数据信息分析与知识发现需求不断增长等背景下,学科领域的大数据分析与知识发现研究工作需要不断规范化、学术化、学科化和科学化,亟待以学科信息学的理论方法来建构有关学科领域的大数据分析和知识发现研究的学科概念、理念方法等框架体系。基于此,张志强和范少萍(2015)提出“学科信息学”(Subject Informatics)这一全新概念,并系统梳理了学科信息学的缘起、内涵、研究内容等,对于完善学科信息学理论体系,促进发展学科领域知识发现研究等具有重大意义。
  随着大科学装置和数据信息技术等的快速迭代发展,科技领域的大数据体量持续膨胀并呈现巨量化特征,数据处理方法和技术手段也必须先进和必然先进,特别是随着机器学习技术方法和工具的深入发展,深度神经网络学习模型快速兴起,赋予大数据分析新的活力和新的可能。这预示着基于数据密集型研究范式的学科领域数据分析和知识发现有着广阔发展和应用前景。近十多年来,随着各种学科信息学方面的科技论文发表、新科技期刊创刊出版、科技著作出版、学科领域数据库建设和知识发现平台及工具研发等呈井喷式发展就是最好的证明。因此,聚焦学科领域大数据体系分析和新知识发现的不断发展的学科信息学将成为科技研究创新和知识发现的利器。聚焦已有相关研究,学术界主要对学科信息学的下位概念如生物医学信息学、化学信息学的研究现状与未来趋势等进行梳理与总结,对学科信息学这一概念内涵与外延的界定尚不清晰,对学科信息学研究进展和发展前瞻尚未系统归纳。本书以2015年《论学科信息学的兴起与发展》为研究基础,鉴于该概念提出至今7年有余,学科信息学本身已取得认可和显著发展,而且各种专门领域学科信息学也正处于蓬勃发展之际,如材料信息学、化学信息学等发展势头正猛,有大量高价值科研成果产出。在此之际,对学科信息学发展与趋向进行再展望是有必要且有价值的。本书研究的创新之处在于:从专门领域学科信息学、普遍性和工具性学科信息学两个视角对学科信息学的概念进行进一步界定;对基于学科大数据的学科知识发现全流程进行总结,重点对各专门学科领域经典数据库进行梳理;分别对普遍性和工具性学科信息学、典型专门领域学科信息学研究进展进行归纳;基于上述分析,对学科信息学未来发展进行再展望。
  1.2学科信息学研究范畴
  1.2.1从大数据到学科信息学
  大数据浪潮是人类进入数字智能时代的必然产物和根本趋势。“大数据”一词,最早可以追溯到未来学家阿尔文 托夫勒于1980年出版的《第三次浪潮》一书,在该书中他指出,以计算机为基础的数据处理有可能成为第三次浪潮的支柱产业,并盛赞“大数据”为“第三次浪潮的华彩乐章”(Toffler,1980)。为应对正在生成的海量数据的挑战,2008年Nature杂志出版“大数据”(Big Data)专刊,2011年Science杂志出版“数据处理”(Dealing with Data)专刊,均对大数据发展前景及所面临挑战进行探讨。世界领先的管理咨询公司麦肯锡全球研究院(McKinsey Global Institute,MGI)作为最早注意到大数据发展前景的科技机构,于2011年发布《大数据:创新、竞争和生产力的下一个前沿》(Big data:The next frontier for innovation,competition,and productivity)报告(Manyika et al.,2011),其在报告中指出只要有正确的政策和推动因素赋能,大数据将成为竞争的关键基础,并将支持新一轮的生产力增长、创新及消费者剩余浪潮。根据国际数据公司(International Data Corporation,IDC)的报告显示,2013~2020年,全球数据量从4.4ZB呈指数增长至44ZB,预计至2025年数据体量将达到163ZB(Reinsel et al.,2017)。近年来全球数据的增加趋势表明,全球大数据量的增加速度将超过人类的预期。
  与大数据膨胀浪潮相伴,围绕大数据领域国家战略权益争夺的国际战略竞争快速演进。自2012年美国联邦政府出台《大数据研究与发展倡议》以来(Obama White House,2012),世界科技强国纷纷出台一系列数据战略。如,美国2016年2月发布《陆军数据战略》(DoD,2016),2016年5月发布《联邦大数据研究与发展战略计划》(NITRD,2016),2019年12月发布《联邦数据战略及2020年行动计划》(Federal Data Strategy,2019),2020年10月发布《国防部数据战略》(DoD,2020)。英国于2020年分别发布《国家数据战略》(Department for Digital,Culture,Media & Sport,2020),《2020年科技战略》(Ministry of Defense,2020)。德国于2020年6月确定自主云基础设施发展路线图(GAIA-X,2020)。欧盟2018年5月出台《通用数据保护条例》(GDPR,2018),2018年11月出台《非个人数据自由流动条例》(European Commission,2018),2020年2月发布《欧洲数据战略》(European Commission,2020)。日本于2017年发布《官民数据活用推进基本计划》,以及2020年的《创建尖端数字化国家宣言》等。可以看到,各国(国际组织)着眼于将数据作为国家战略资产,着力发展数字经济,利用数据驱动科研创新,从而强化国家竞争优势。
  数据成为发展与创新的“永动机”。美国《外交》杂志2021年5~6月合刊上题为《数据就是力量》(Matthew and David,2021)的文章称,数据现在处于全球贸易的中心,在2008年全球金融和经济危机之后,国际商品和服务贸易的增长进入平稳期,取而代之的是跨境数据流动呈现爆炸式增长,以带宽来衡量,2008~2020年,跨境数据流动增长了约112倍。全球经济变成了一台数据永动机:它消耗数据、处理数据并产生越来越多的数据。数据成为创新的一个越来越必要的投入,成为国际贸易的一个急剧扩展的要素,成为企业成功的一个重要组成部分,成为国家安全的一个重要方面,谁掌握了数据,谁就占据了令人难以置信的优势。而在全球数据持续扩张膨胀、国际数据战略竞争日益激烈的大趋势下,目前国际社会却缺乏有关数据治理的全球框架和规则,未来有关全球数据治理体系的竞争将成为国际竞争的关键领域之一。
  数据密集型科学研究能力成为科学创新的核心能力。科学大数据时代,数据驱动的科学发现成为科学创新的新范式。在大数据浪潮汹涌的时代,开展科学研究的科学大数据也在蓬勃发展,在科学大数据的驱动下,科学研究在经历了实验归纳、模型推演、仿真模拟等三大传统科学范式之后,已进入到以数据密集型科学发现为主要特征的科学研究第四范式时代,即科学研究从以计算为中心转向以数据为中心,科学大数据的分析能力成为新的科学研究与科学发现能力,催生了广泛领域学科信息学的兴起和快速发展,决定着科学知识发现与知识创造的走向,决定着科学技术的未来发展。
  学科信息学是大数据时代学科发展的必然结果。自20世纪90年代以来,各学科领域借助先进的传感器和观测技术生成大量数据,或从大规模数据库中快速搜索和发现知识,以数据分析为导向的专门学科知识发现快速发展,使得每个学科均出现二元发展态势,被称为“X-信息学”(X-Informatics)。其中X指任何学科领域,如生物、天文、物理;信息学指为实现学科知识发现而组织、描述、访问、整合、挖掘和分析多源异质数据的学科(Borne,2010)。


展开
目录
目录
前言
概论篇
第1章面向领域知识发现的学科信息学发展与展望3
1.1引言3
1.2学科信息学研究范畴5
1.3基于学科大数据的学科知识发现全流程18
1.4普遍性和工具性学科信息学研究方向29
1.5典型专门领域学科信息学研究进展31
1.6学科信息学发展再展望38
参考文献42
理论方法篇
第2章政策信息学与政策领域知识发现51
2.1引言51
2.2政策信息学发展概述52
2.3政策信息学的理论方法56
2.4政策信息学知识发现研究现状64
2.5政策信息学应用的一个重点领域——科技政策领域67
2.6面向科技政策领域的知识分析与发现研究75
2.7政策信息学发展展望90
参考文献93
第3章专利信息学与专利大数据分析和知识发现101
3.1引言102
3.2专利信息学的发展背景与学科内涵102
3.3专利信息学的研究内容108
3.4专利大数据分析与知识发现的一般流程109
3.5专利大数据分析与知识发现的数据平台、方法技术和软件工具113
3.6专利信息学发展的部分亮点事件119
3.7专利信息学应用案例1:国际跨国专利所有权活动网络结构及演化规律研究123
3.8专利信息学应用案例2:国际技术贸易格局演化规律研究137
3.9专利信息学发展前瞻151
参考文献152
第4章网络信息学与网络大数据知识库挖掘和知识发现158
4.1引言158
4.2网络信息学兴起159
4.3网络信息学的数据源及方法工具165
4.4网络大数据知识库数据挖掘与知识发现研究进展181
4.5网络信息学发展总结与前瞻202
参考文献207
第5章传播信息学与传播领域知识发现220
5.1引言220
5.2传播信息学的理论建构222
5.3传播信息学的技术方法228
5.4传播信息学的研究内容235
5.5传播信息学发展的关键问题248
5.6应用案例:国际知名智库社交媒体传播规律分析与知识发现250
参考文献265
第6章文献信息学与文献数据挖掘和知识发现272
6.1引言273
6.2文献信息学发展概述274
6.3文献信息学的概念内涵280
6.4文献信息学的相关理论与基础282
6.5文献信息学数据挖掘与知识发现287
6.6文献信息学的发展与展望307
参考文献314
第7章生物医学信息学发展及其领域知识发现324
7.1引言325
7.2生物医学信息学理论325
7.3生物医学信息学*新进展331
7.4生物医学信息学在真实世界数据知识发现的研究进展337
7.5生物医学文本知识发现研究进展及成果339
7.6生物医学信息学发展展望349
参考文献352
应用实践篇
第8章科学学大数据分析与知识发现361
8.1引言361
8.2科学学大数据分析概述362
8.3理论方法与数据工具363
8.4研究方向与进展366
8.5科学学大数据分析与知识发现研究展望374
参考文献376
第9章诺贝尔科学奖领域大数据挖掘与知识发现379
9.1引言380
9.2奖项信息学及诺贝尔科学奖数据挖掘与知识发现381
9.3诺贝尔科学奖数据挖掘与知识发现研究现状383
9.4诺贝尔科学奖领域数据挖掘和知识发现存在的问题392
9.5诺贝尔科学奖领域数据挖掘与知识发现数据准备395
9.6诺贝尔科学奖领域数据挖掘与知识发现403
9.7总结与展望436
参考文献440
第10章科技领域国际权*奖项数据分析及科学规律发现443
10.1引言443
10.2学科信息学、科技奖项数据挖掘与知识发现445
10.3国际权*科学奖项发展概述446
10.4国际科技奖项大数据分析与知识发现研究进展455
10.5代表性领域国际权*奖项选择与数据挖掘和知识分析457
10.6代表性领域国际权*科学奖项定量分析与科学规律发现477
10.7总结与展望484
参考文献485
技术方法篇
第11章数据驱动的知识发现技术发展前沿与展望493
11.1引言493
11.2知识发现技术的概念内涵494
11.3知识发现技术的面向对象498
11.4知识发现的数据处理技术502
11.5知识发现的数据分析技术506
11.6知识发现的软件工具511
11.7知识发现的应用领域案例516
11.8总结与展望522
参考文献522
第12章专利大数据知识发现方法前沿进展525
12.1引言526
12.2专利大数据知识发现方法研究之一:技术路线图527
12.3专利大数据知识发现方法研究之二:智能专利诉讼方法533
12.4专利大数据知识发现方法研究之三:信息抽取方法542
12.5总结与展望547
参考文献549
第13章知识图谱技术及其在医学领域的应用进展553
13.1引言553
13.2知识图谱技术及其应用发展概述554
13.3医学知识图谱的构建556
13.4知识图谱技术在医学领域的主要应用560
13.5展望与结论569
参考文献569
第14章粮食安全大数据智能分析与决策系统574
14.1引言574
14.2数据驱动的粮食安全分析研究575
14.3粮食安全多维数据分析与智能决策系统研究582
14.4粮食安全多维数据分析与智能决策系统(KEDS)关键技术588
14.5关键技术粮食安全多维数据分析与智能决策系统(KEDS)的应用591
14.6结论与展望598
参考文献599
附录典型数据库与分析工具604
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证