本书是国家社科一般项目“基于深度学习的学科领域网络学术情报发现研究”（18BTQ065）的结题成果，以大数据环境下网络信息资源的深层次开发和服务为立足点，探索基于数据驱动和基于知识驱动的情报分析方法，在引入本体、知识图谱、深度神经网络模型的相关理论和方法的基础上，依据“基于领域本体的非结构化文本主题采集和组织”“基于知识元及其间链接模型的细粒度知识聚合平台构建”“注入领域知识的领域命名实体识别”及“基于领域知识图谱的探索式搜索系统构建”等四个关键环节实现研究。

鉴于深度学习的实际应用价值，本书通过探讨深度学习技术在网络学术情报发现领域的应用，将传统的情报学理论和当前科学发展的前沿融为一体，采用“理论基础研究→关键技术突破→研究成果应用”三个层次递进的研究思路，既立足于全局，又落实到具体实践，对大数据环境下情报源采集与甄选、知识表示与整序、情报分析与服务的新方式方法进行深入研究，希望通过学术情报发现系统将内容和形式各异的资源融会贯通成一个完整的知识网络，帮助用户和信息服务机构建立信息的全局概念。