[目的/意义]面对AI进步与ChatGPT类大模型发展为情报领域带来的前所未有之变革,文章多方面分析国内外生成式AI大模型执行情报领域典型任务的有效性与可靠性,为高效利用其能力助力情报工作提供参考.[方法/过程]文章结合情报领域多方面工作内容设计问题,分别在Gpt-3.5-Turbo与ChatGLM-6B大语言模型上进行测试、对照与提示工程探索,采用专家打分法进行测评,详细分析评价大语言模型的9项能力水平.[结果/结论]大语言模型在执行多数典型情报任务上都展现出了较强能力,运用好提示工程能大幅提升大语言模型的优势能力,结合外部工具可以有效弥补大语言模型自身的短板,充分挖掘大语言模型潜力将带来情报工作效率的巨大提升.

[目的/意义]本研究将知识图谱构建视角深入到论文内具有核心价值的创新内容,在论文创新内容的知识图谱构建与应用上进行探索,以便从创新视角发挥学术论文的功能,提高其利用效率.[方法/过程]综合运用词频分析以及互信息和左右信息熵等语义分析方法形成关键对象分析这一知识图谱构建的预处理环节,以此为本体的初步构建提供重要参考,同时结合ALBERT深度学习模型进行知识实体识别,采用SmartKG+Mon-goDB构建知识图谱并探讨其应用.[结果/结论]本研究所采用的关键对象分析环节可以有效地挖掘出具体领域的关键范畴,本研究所构建的知识图谱有助于实现学术论文创新内容的揭示和利用,并为进一步的知识融合创造便利条件.

[目的/意义]对学术论文创新点进行识别、组织并用于检索,不仅有利于提高科研效率,促进知识发现与创新,同时也有助于丰富科技论文创新性监测的途径,达到促进科学研究创新的目的.[方法/过程]本研究以情报学期刊论文为例,利用深度学习方法识别学术论文中的创新句,实现学术论文创新内容的多粒度关联.并以多粒度关联成果为数据基础,通过构建创新点检索系统的方式提供创新点检索入口.[结果/结论]本研究探索的方法可以进行更细粒度的论文创新点的识别和组织,为创新情报检索、创新知识发现、学术论文创新性评价提供一定的基础,对科技创新有所贡献.

1引言 日新月异的新技术、新环境给情报学和情报工作带来了诸多的机遇和挑战,传统的情报学思想、理论、方法、技术与情报工作等都面临巨大的变革.如何在新时代更加凸显情报本质、掌握情报技术、立足情报创新,是每一位情报学人和工作者需要思考的问题. 2020年12月5日至8日,"2020中国情报学年会暨情报学与情报工作发展论坛"在广州隆重召开.