目的/意义 如何通过情报认知和机器智能融合推动情报科研范式转型，实现情报研究在更高层次、更广范围、更深程度的变革，是当前情报学科亟须破解的重大命题。 方法/过程 剖析大情报的提出背景，在此基础上提出并解析大情报的概念特征，明确大情报的逻辑起点、思想指引和技术推力，进而提出大情报的科研范式，探讨大情报在当前阶段的研究方法和路径。 结果/结论 “大情报”是人类思维智慧和机器涌现智能在情报领域的具体呈现。大情报科研范式能够突破传统情报在物理边界与技术层面的双重壁垒，依托大数据、大模型技术构建统一智能基座，实现对多模态、跨领域、多主体情报进行标准化、工程化处理。

目的/意义 人工智能时代情报研究面临重大且紧迫的挑战，亟须从技术发展视角、工程化角度、理技融合维度，重新认识情报研究模式。 方法/过程 分析数智时代情报研究面临的现实难题，提出基于“系统—实验双循环”的大情报研究模式。在此基础上，构建大情报系统，设计大情报实验方法。 结果/结论 大情报研究模式依托大数据和大语言模型等新一代信息技术作为两大支柱，通过多智能体协同的大情报系统，生成情报研究的初步成果。随后，通过大情报实验来验证初步结论，并根据实验结果优化情报研究结论和大情报系统功能，最终形成科学完善的情报研究结论。

目的/意义 数智时代情报工作呈现大情报发展趋势，情报学需要在“应变”和“求变”中实现学科变革。 方法/过程 本文回顾了对情报学的起源、定位、学科范式、学科体系等基本认识，论证了大情报背景下情报学建设的必要性，探寻情报学建设定位与重点方向，并提出加强情报学建设的对策建议。 结果/结论 在大情报框架下，情报学以DIKW为脉络，重点研究信息技术如何赋能从数据到知识的高效转化，以及人的思维如何主导知识向智慧的升华。情报学需要重点关注情报数据治理、情报知识工程、情报认知、情报智能生成等学科方向，以适应大情报工作挑战与机遇。

目的/意义 构建融合DeepSeek推理线索特征的可解释交互虚假评论识别模型，提升复杂交互场景中虚假评论的识别与治理效果，以增强平台用户信任。 方法/过程 一方面，利用RoBERTa提取交互式评论文本语义特征；另一方面，基于DeepSeek-R1推理得到虚假线索文本并进行向量化表示；然后将两种特征通过交叉注意力机制进行深度融合；最后输入多标签分类层得到交互式虚假评论识别结果。 结果/结论 在交互式虚假评论识别真实数据集上进行实验，实验结果表明，模型在F1值方面提升约14.22%，显著优于对比模型；通过DeepSeek推理生成自然语言形式的虚假线索文本，能够为识别结果提供解释依据。 创新/价值 将交互式虚假评论识别任务建模为多标签文本分类问题，为虚假评论识别研究提供新的方法视角和思路；文章构建的模型在一定程度上解决了以往基于单向传递评论获取上下文信息有限、模型可解释性较差等问题，为平台进行虚假评论识别与治理提供一种切实可行的解决方案。

目的/意义 揭示提示框架对用户在对话式搜索中的搜索行为的引导机制，探讨其在实际场景中的个性化提示框架推荐策略，并为人机协同优化提供实证依据。 方法/过程 研究设计了“分析型任务”和“创造型任务”两类搜索任务，采用ChatGPT作为对话式搜索的测试平台，招募30名参与者，随机分为使用ICIO、CRISPE和QCIPSPE三种提示框架中的一组。采用组间设计，在前测与后测阶段分别收集被试在搜索任务中的系统评价指标与用户评价指标，基于两次测量结果的差异，评估不同提示框架的干预效果。 结果/结论 研究结果表明，提示框架的引入整体上提升了对话式搜索的效率与质量。其中，ICIO框架在辅助用户任务分解和提升检索深度方面表现突出，适用于分析型任务；CRISPE框架在搜索时长与结果清晰度方面表现最优，适用于即时性任务；QCIPSPE框架有效提升检索准确性并减少用户修正频率，适配“高精度”任务场景。此外，研究发现“角色化”和“情境化”成为影响用户满意度和检索效果的关键机制，用户的先验知识水平则是影响提示框架效果差异的重要原因之一。 创新/价值 不仅弥补了实践层面对对话式搜索中提示框架影响机制的认知空白，还提供了可操作性的评价指标，为提示框架设计与对话式搜索系统优化提供了经验基础与实践指导。

目的/意义 数据资产盘点作为开展数据资产入表的首要环节，是识别、发现、计量有潜在价值数据资源的重要步骤，厘清数据资产盘点的相关问题对数据资产入表工作具有推动作用。 方法/过程 聚焦数据资产盘点的争议和难点问题，剖析数据资产盘点的理论内涵，明确数据资产盘点对象和主要内容。 结果/结论 数据资产盘点以业务赋能价值、经济收益价值、社会发展价值、跨境协同价值为引领，盘点对象限定为语义完整、相对独立、业务明确的“数据”，具体包括基础数据、衍生数据、隐性数据。将这些具有明确应用场景的数据统一纳入盘点范围。其次，以满足数据资产入表的条件为目标，从组织范围确定数据的管理权益，从业务范围梳理数据的流转路径，从系统范围识别数据的技术属性。

目的/意义 应用场景是汇聚、分析和实现用户需求的具体载体，对驱动数据协同治理具有重要意义。 方法/过程 文章基于场景理论与协同治理理论，运用文献分析法等，构建了应用场景驱动的数据协同治理机制框架，对应用场景驱动数据协同治理的内涵、运行特征和实现途径进行了分析。 结果/结论 认为应用场景的驱动、迭代和创新可以加快数据协同治理机制的形成，促进主体、数据、制度、技术、平台等要素的整合，形成多要素的合理配置关系与运行方式，推进数据治理与利用过程的持续优化，从而实现数据要素的价值。主要创新结论是，应用场景、数据协同治理机制和愿景与目标之间表现为一种动态耦合关系。以服务对象满意为中心开展场景设计、牵引资源配置、推动数据融合和评估功能需求实现等，是推动数据协同治理机制持续改进和实现数据价值增值的有效途径。

目的/意义 情报学发展与时代发展有着密切联系，尤其在数智时代背景下需要重新审视传统情报链的概念及其局限性。 方法/过程 通过引入复杂系统科学中的涌现理论，分析情报链的复杂适应性，解构情报链运行过程中多主体交互、非线性传导与自组织演化等特征。通过构建情报链功能涌现行为效果层级模型，揭示了情报链功能涌现的本质是一个要素交互—结构重组—功能涌现的层级跃迁过程。从信息整合、核心转化、效能放大和外部催化4个方面阐述了情报链功能涌现的核心机制，证实情报链功能系统通过内外部的交互实现了由低层向高层的演进。 结果/结论 涌现理论视角下的情报链是具备自组织、非线性与适应性的复杂系统，其核心功能产生于情报要素的交互作用而非简单的线性叠加，最终价值是实现从零散信息到决策依据的质变。研究实现了情报价值判断从“主体预设”向“功能涌现”的转变，用跨学科方法提升了情报研究的理论深度，拓展了情报学与管理学的交叉研究范围。

目的/意义 我国于2025年出台了AIGC标识制度的专门性立法，但现有研究对此关注较少，甚至对制度必要性亦有不同见解。在此背景下，需要对AIGC标识制度的意义进行研究，并对现行法进行评价，提出优化建议。 方法/过程 采用功能论、解释论与立法论，结合AIGC泛滥的负面影响阐释制度功能，分析现有规范的不足。 结果/结论 AIGC标识制度在治理信息污染、维护版权激励、重塑社会信任、优化技术迭代等方面具有基础性作用。现行法存在位阶低且规范冲突、传播阶段控制不足、运行机制不健全等问题。对此，应当适时提升立法位阶并整合现有规范，通过主体与技术相结合、细化标识体系、标识日志等方式强化对传播阶段的治理，平衡各方主体的责任，明确规定违法后果。

目的/意义 鉴于当前政策评价均由专家通过小样本手工定性完成，文章提出基于PMC指数的政策自动评价方法，强调利用自动赋分规则计算PMC指数，以实现对大样本的客观量化评价，革新现有政策信息学方法。 方法/过程 通过构建PMC指标体系，设计基于关键词识别的自动赋分方法，在计算PMC指数后绘制曲面图，进行定量分析与综合评价。以我国2018份生物安全相关政策为例，进行应用示范，对我国生物安全政策得分分布和整体表现进行评估，剖析现行生物安全政策不足。 结果/结论 我国生物安全政策整体情况良好，政策性质、政策视角和政策规范性得分均较高，93%的政策都达到可接受水平，但是也发现激励约束和发布机构得分较低，反映我国重评价考核和行政处罚、轻约束激励的治理特色。文章提出的基于PMC指数的政策自动评价方法，为大批量政策文本评价提供一种高效的手段，丰富了政策信息学方法论。

目的/意义 在科技情报研究向深度智能化转型背景下，厘清面向复杂科技情报问题的智能解析思路，对于高效运用以大模型为代表的人工智能技术赋能科技情报研究至关重要。 方法/过程 在对人工智能赋能科技情报分析现状与复杂科技情报问题解析基本逻辑进行梳理总结的基础上，结合业务实践，通过“外化”情报专家思维过程，按照“问题界定—逻辑适配—要素解构—验证迭代”的解析流程，对解析逻辑方法进行动态组合与综合运用，提出基于大模型的复杂科技情报问题智能解析框架。 结果/结论 构建了类似思维链的复杂科技情报问题解析方法流程，提出了通过提示词工程、业务模型、上下文学习和微调开展科技情报智能解析的基本框架，为科技情报领域大模型与智能体的应用开发提供支撑。

目的/意义 为有效解决大语言模型应用过程中出现的技术悬浮现象，促进大语言模型与用户需求的深度融合，实现大语言模型的高质量发展。 方法/过程 对大语言模型技术悬浮的实践案例开展田野调查，通过对24名受访对象进行深度访谈，并对访谈数据进行编码解构，系统阐释大语言模型技术悬浮现象特征表现及影响因素。 结果/结论 大语言模型技术悬浮现象与数字鸿沟、数字失序和数字错位存在着紧密的关联，具体包括技术嵌入悬浮、认知悬浮和数字悬浮三种具体特征形态。同时，还发现信息质量、信息素养、技术可供性、技术有用性和社群影响是导致大语言模型出现技术悬浮现象的关键动因。据此提出优化信息服务、提升技术价值以及改善技术环境等解决大语言模型技术悬浮问题的对策与建议。

目的/意义 准确测量科学论文中的原始创新，对于提升国家原始创新能力、优化科研管理与决策具有重要意义。 方法/过程 在明确原始创新含义及特征的基础上，聚焦其开辟性、突破性与引领性特征，探索提出一种融合论文内外部特征的综合测量方法。其主要流程包括：基于领域特征知识的原创开辟性计算，融合局部结构熵和局部异常因子的原创突破性计算，以及结合被引频次与施引文献质量的原创引领性计算。最终采用CRITIC熵权法对三类指标赋权整合，形成原始创新综合得分。 结果/结论 阿秒科学领域的实证分析表明，这个方法能较好地测量单篇科学论文中的原始创新，可为科研管理与决策提供客观、定量的情报支持。 创新/局限 在实现可量化、可计算的原始创新测量方面具有一定的探索价值。但原创引领性指标依赖引文信息，难以及时测量最新研究成果；研究方法的可扩展性仍待进一步验证和优化。

目的/意义 人工智能开启太空经济新格局，空间计算引领数字化新纪元。在情报挖掘、知识发现领域，推动数据驱动与空间智能技术的深度融合具有重大意义。 方法/过程 基于国内外相关研究，从数据融合理论视角出发，围绕内涵边界、要素结构与技术进路，对多源异构空间数据融合的概念体系、运行逻辑以及赋能空间情报挖掘、知识发现的作用机理进行深入剖析。 结果/结论 提出空间、语义、时序的多维推理链条，助力传统情报挖掘向空间情报挖掘跃迁；多源异构空间数据融合作为知识发现的重要驱动力，主要体现在方法论创新、技术工具升级与应用场景拓展方面。 创新/价值 基于空间、语义与时序的多维推理链条，通过深度融合多源异构空间数据，将传统情报挖掘向空间情报挖掘跃迁，推动情报科学从二维迈向多维空间，并赋能知识发现的范式变革。

目的/意义 分析AI搜索在不同维度下的用户期望项目及满足优先序，为提高AI搜索的用户体验感和满意度提供理论支持和实践指导。 方法/过程 采用网络调研，提炼梳理出29个AI搜索期望项目，并划分为5个维度。基于Kano模型设计问卷并展开用户调查，通过Kano数据分析和满意度指数分析各类期望对用户满意度的影响程度。 结果/结论 AI搜索用户期望包括7个关联型、11个魅力型、4个无差异型和7个必备型，构建了AI搜索用户期望“维度*层次”模型并提出了AI搜索优化策略。 创新/局限 为AI搜索优化提供了多维度、多层次的理论框架与策略依据，但未充分探讨用户期望动态变化，未来需研究其时间演变趋势及群体差异等以完善优化参考。

目的/意义 客观准确识别技术机会对企业持续提升技术创新效率至关重要。然而，现有文献普遍存在对专利文本信息提取不精确、对创新元素的利用率低等问题。对此，提出一种结合BERTopic和生成式拓扑映射的技术机会识别方法，以提高对技术机会的精准研判。 方法/过程 首先，利用BERTopic模型对特定领域的技术专利进行主题聚类，并将主题信息转化为How-to模型，以提取相应的功能要素；其次，基于功能导向搜索方法收集类比技术领域的专利数据，并通过生成式拓扑映射技术，获得相关技术要素组合；再次，构建一个多维空间专利地图以识别潜在的技术机会；最后，以飞机机体结构装配技术为例，验证所提方法的可行性。 结果/结论 基于专利文本聚类和挖掘技术要素组合的技术机会识别方法，能够有效降低企业非理性创新的风险，并为企业高效开展具象技术创新提供科学的决策参考依据。

目的/意义 随着网络技术和人工智能的快速发展，宗教极端主义组织通过各种社交媒体平台加速渗透，其传播极端思想的行为日益隐蔽化和技术化，传统治理手段面临“发现难、溯源难、干预难”的严峻挑战。 方法/过程 以“X”平台公开账号为对象，基于开源情报技术抓取其社交关系与传播数据，结合社会网络分析（SNA）方法，量化节点中心性、传播层级和集群特征，识别关键节点。 结果/结论 结合开源情报的动态SNA方法，能有效弥补传统静态社会网络分析在时效性与动态演化刻画方面的不足。打击宗教极端主义宣传网络中的“关键节点”对于瓦解这个组织具有事半功倍的效果。面对“去中心化”的网络极端主义宣传组织应重点打击关键枢纽节点，逐步分化、瓦解组织内部小团体，利用人工智能技术干预组织内部信息交流。

目的/意义 前沿交叉领域作为科技创新的核心融汇池，正逐渐成为全球科技竞争的战略要地。在当前全球科技竞争日益激烈的背景下，各国纷纷通过抢占前沿交叉主题研发先机构建技术壁垒。这类主题通过学科知识重组催生颠覆性创新，不仅能助力突破单一领域发展瓶颈，更能形成多技术融合的产业变革势能，为国家优化科研资源配置、制定前瞻性战略提供有力支撑。因此，准确、快速地识别前沿交叉主题对于抢占科技制高点至关重要。 方法/过程 文章提出结合知识网络视角的前沿交叉主题识别方法，结合知识网络特征与文献指标特征识别前沿交叉主题。首先，利用BERTopic模型和层次聚类方法进行主题识别与聚类；其次，基于主题簇构建知识网络，并引入度中心性与中介中心性指标，量化主题簇在网络中的影响力与连接力；再次，融合网络指标与传统指标，从前沿性和交叉性两个维度构建前沿交叉主题定位指标体系；最后，以生成式人工智能领域为例进行实证研究，验证研究框架的有效性。 结果/结论 生成式人工智能领域的前沿交叉主题主要分布在技术创新、社会治理与生物医疗方面。经生物医药领域权威行业报告、文献、新闻循证，该框架能够有效识别领域前沿交叉主题，具有实际应用价值，从理论上拓宽了前沿交叉主题识别的研究思路，并在实践中为科研资源配置、技术趋势预测提供了新的视角。

目的/意义 科技视频是视频情报中的重要组成部分，是一种以科学、技术为表现对象的视频类型，它综合了视觉和听觉维度信息，在情报研究领域能够显著提升情报的完整性。随着人工智能生成内容（AIGC）的突破性发展，科技视频创作范式正经历深刻变革。 方法/过程 剖析 AIGC 在科技视频创作中的应用，为其发展提供理论与实践指引。从数据集建设、技术应用与问题反思三个维度展开研究。通过构建高质量科技视频数据集，运用数字化转换与动态网络抓取技术为AIGC模型训练提供数据；深入分析AIGC在创作前、中、后期各环节的技术路径与典型案例；同时审视AIGC应用存在的科学真实性危机、伦理隐患及责任归属模糊等问题。 结果/结论 揭示AIGC在提升创作效率、拓展艺术表现边界方面优势显著。但需以人类主体性为核心，构建“创意主导—技术执行”双轨协作框架，平衡效率与价值。未来，AIGC 与科技视频应朝着人机协同的智慧创作生态发展，在技术迭代与跨学科规范中实现效能提升与伦理坚守。

目的/意义 在科技创新驱动的背景下，准确预测新兴主题有助于把握未来科技发展趋势，对指引研究方向、优化产业布局具有重要价值。 方法/过程 针对新兴主题的产生与专利分类共现间的逻辑一致性，将新兴主题预测任务迁移至链路预测场景，设计了一种端到端的图表示学习新兴主题预测框架，并以基因工程领域专利数据对预测效果进行了验证。 结果/结论 实验结果表明，该方法能够捕捉未来新兴主题，拥有较好的稳健性和泛化能力。预测结果具备科学性，可以成为辅助新兴主题预测的有效方法路径。

目的/意义 大数据时代，危机舆情多维关联演化的机理解析已成为舆情治理的重要基础。 方法/过程 基于混合研究方法提出危机舆情大数据分析框架，设计“特征提取—机制挖掘—反向验证”三阶递进式分析模式，基于适配的深度学习方法实现数据空间危机特征的高精度提取，构建计量模型系统解析现实空间舆情演化的内在传导机理，引入QCA反向验证结论稳健性。 结果/结论 特征自动提取模型的Accuracy、Precision、Recall和F‒Measure均达0.942以上；计量模型揭示了数据空间风险信号通过激活社会认同、风险感知和保护动机等心理动因，催化愤怒和恐惧情绪反应，最终驱动现实空间舆情扩散风险的全链路传导机理，心理距离的调节效应显示了这一过程的复杂非线性和情境依赖性；QCA结果进一步证明了机制发现的全面可靠性。 创新/价值 本研究框架在特征自动提取精度、机理解析深度和结论可靠性方面实现突破，为危机舆情的精准化治理提供了理论支撑和方法参考。

目的/意义 当前社交媒体中网民意见发表及情感表达以多模态信息呈现内容，针对社交媒体多模态情感分析任务中面临的特征表示不完全及多模态间信息语义互斥的复杂性问题，挖掘多模态大语言模型在社交媒体多模态情感分析任务中的应用和性能。 方法/过程 构建基于llama3.2-vision并结合LoRA技术微调的多模态情感分析模型及基于GPT-4o并结合提示策略优化的多模态情感分析模型，在公开数据集MVSA-Single和MVSA-Multiple上通过实验评估所提出模型的有效性。 结果/结论 实验结果表明，两种方案下的情感分析模型在准确度、精确率和召回率上均显著优于基线模型。研究为生成式人工智能背景下社交媒体多模态情感分析任务提供一种新的分析视角及理论框架，对网络空间多模态情感监测及引导具有重要意义。

目的/意义 随着信息化进程的加速，企业面临的政策环境日益复杂，如何实现政策的精准匹配与个性化推荐成为亟待解决的重要问题。为提升政策匹配的准确性和效率，提出一种融合DeepSeek与Sentence-BERT的政策推荐方法。 方法/过程 通过构建企业画像，从企业类型、所属地域、所属行业和主营业务4个维度刻画企业特征；基于DeepSeek的提示词工程，从政策文本中抽取适用对象、适用地域、适用行业和适用业务等关键信息；通过引入Sentence-BERT模型进行语义嵌入，并结合多头注意力机制对齐企业与政策间的语义特征，以构建企业—政策匹配模型。 结果/结论 所构建的模型在精确率、召回率和F1得分上均表现优异，显著优于传统模型，验证了这个方法的有效性与可行性。［创新/ 局限 将DeepSeek应用于政策信息抽取任务并融合Sentence-BERT构建政策推荐框架，为政策向企业的个性化推荐提供高效的技术路径，助力企业更充分地利用政策资源。未来可进一步探索动态更新与实时推荐、多模态数据融合等方向，以提升政策推荐的实时性和全面性。