認知情報學：大數(shù)據(jù)背景下情報分析的新機遇

情報分析是大數(shù)據(jù)時代情報研究中非常重要的一環(huán)。圖書館正在從信息時代向數(shù)據(jù)時代進行過渡，并伴隨著資源的全面數(shù)字化、富媒體化以及開放共享政策的不斷完善，爆炸式增長的數(shù)據(jù)資源為傳統(tǒng)的情報分析提出了極其嚴峻的挑戰(zhàn)，新的情報分析手段亟待解決，從數(shù)據(jù)時代到計算時代的轉變已經(jīng)悄然提上議程[1]。21世紀情報學的發(fā)展，離不開多學科的交叉融合，唯有在理論與實踐不斷的碰撞中，才能為情報學提供創(chuàng)新型的發(fā)展思路與更為廣闊的發(fā)展前景。國外提出的“認知情報學”，正是對于情報學在當代與其他學科進行創(chuàng)新性融合實踐的解決方案。

1 認知科學提出背景

1.1 背景學科介紹

1.1.1 認知、認知科學、認知計算 認知是一種心理活動，或是一種獲取知識，理解思想、經(jīng)驗與感覺的過程[2]。認知包含像是知識、注意、記憶、判斷、評價、推理、計算、解決問題、決策制定以及理解和語言的生產(chǎn)等一系列過程。在認知過程中，利用已經(jīng)存在的知識來推理出新的知識[3]。

認知科學(Cognitive Science)是一門交叉學科的科學研究，其主要以現(xiàn)代科學的手段來研究心智及其處理過程，即探索人類的智力如何產(chǎn)生以及人腦信息的處理過程。在認知科學領域，認知科學家們關注語言、感知、記憶、注意力、推理和情感，并為了研究上述內容將一些諸如語言學、心理學、計算機科學、人工智能、哲學、神經(jīng)科學、人類學等學科的知識運用其中[4]。

到目前為止，在學術界與工業(yè)界還沒有對于認知計算(Cognitive Computing)廣泛認同與接受的定義[5-7]。認識計算最早追溯到模擬人腦的計算機系統(tǒng)的人工智能，20世紀90年代后，研究人員開始用認知計算一詞來表明可以教計算機像人腦一樣去進行思考而不僅僅是開發(fā)一種人工系統(tǒng)[8]。通常對于認知計算的理解是指計算機通過使用硬件或者軟件來模仿人大腦的功能，來輔助進行決策制定[9]。

一般來說，認知計算描述了基于人工智能的科學學科和信號處理的技術平臺。這些平臺包括一系列諸如機器學習、推理、自然語言處理、語音識別和圖像識別、人機交互等多種技術。一個認知計算系統(tǒng)通常會包含以下幾個特征：適應性[10]、互動性、輔助功能、上下文理解能力[11]。

1.1.2 情報學、情報分析 情報學(Informatics)最初創(chuàng)建于1956年，是由德國的計算機學家K.Steinbuch提出，情報學一詞由“information”與“automatic”組成，描述了信息自動交互的過程。一般認為，情報研究包括情報收集、情報分析、情報處理與情報傳播這四個階段，其中，情報分析是情報研究過程中的非常重要的階段。

情報分析亦稱信息分析，是根據(jù)社會用戶的特定需求，以現(xiàn)代信息技術和軟科學研究方法為主要手段，以社會信息的采集、選擇、評價、分析和綜合等系列化加工為基本過程，形成新的、可增值的情報產(chǎn)品，為不同層次科學進行決策服務的社會化智能活動[12]。

情報分析是一個涵蓋領域非常廣的交叉學科，它涉及眾多領域，例如，計算機科學、信息系統(tǒng)、信息技術與統(tǒng)計學等。近年來，隨著計算機技術的飛速發(fā)展，更多使用數(shù)字化的方式來處理信息，情報分析的研究也逐漸偏向信息技術方向。隨著人工智能的發(fā)展，一些諸如情感計算、社會計算、認知計算等領域，也正在與情報分析進行交叉融合。本文重點分析認知計算與情報分析在新時代碰撞出的火花——認知情報學(Cognitive Informatics，CI)。

1.2 大數(shù)據(jù)與學科融合背景下認知情報學的提出

大數(shù)據(jù)時代，海量、高速、多樣的數(shù)據(jù)為情報學提出了更為嚴峻的考驗。如何從海量數(shù)據(jù)中獲取有效的信息，如何處理類型更加多樣的富媒體化數(shù)據(jù)，如何對組織更加復雜的信息進行分析，如何有效地從龐雜的數(shù)據(jù)中抽取出知識，都是情報分析的難點。而認知計算的四大特性——輔助、理解、決策、發(fā)現(xiàn)，不僅為大數(shù)據(jù)提供了新的解決方案，同時也為情報分析帶來了新的可能。

認知計算一般包含的技術與應用與人工智能密切相關，而人工智能正是認知計算的基礎，例如，機器學習、深度學習、推理、自然語言處理、圖像處理、語音處理、人機交互、特征提取、知識抽取、知識挖掘、數(shù)據(jù)可視化等。早在20世紀末，這些應用已經(jīng)擴展到了情報學中輔助情報分析工作。

實際上在情報科學的許多研究領域都在借鑒認知計算的技術，或者說是人工智能的一些技術來為之服務。如基于語義的信息組織、知識抽取、知識挖掘、知識發(fā)現(xiàn)和智能情報檢索等，均希望能夠從人的認知角度去組織與管理信息，或從信息資源中挖掘出具有認知價值的知識等[8]。許多情報分析研究也在不斷地吸取認知計算領域的研究成果，例如，在情報學中的引文數(shù)據(jù)分析借鑒了認知計算中的關聯(lián)數(shù)據(jù)分析來為之服務，在數(shù)字圖書館的個性化服務中也借鑒了認知計算的自適應頁面展示的思想來為不同類型的用戶展示出不同的頁面內容，認知計算中的專家系統(tǒng)也被應用到了情報服務中來輔助用戶進行更好的決策。

認知計算雖然早被應用到了情報分析過程中去，但其作為一個獨立的概念出現(xiàn)，標志一個新領域的誕生卻是在21世紀初。2002年，美國的IEEE召開了第一屆認知情報學國際年會，正式提出“認知情報學”這一概念與研究領域[13]。

認知情報學是對計算機科學、情報學、認知科學和智能科學的跨學科研究，其研究大腦和自然智能的內部信息處理機制和過程，以及在認知計算中的工程應用[14]。認知情報學作為一個多學科交叉的研究領域，主要解決一些由許多研究領域共享的問題，例如，計算智能、現(xiàn)代情報學、計算機科學、人工智能、認知科學、認知計算等研究領域。

2 認知情報學相關研究

在國外，認知情報學已經(jīng)逐漸受到包括政府、研究機構、研究人員等的日益重視，成為認知科學的一個重要研究領域與研究熱點。但目前在國內，還并未形成像在國外一樣穩(wěn)定且有力的研究力量，還處于初步發(fā)展階段，并且還未直接提出如國外一般明確的認知情報學的概念，并未將其作為獨立的領域進行專門研究，只是在若干研究中，提出了與認知計算融合的概念。故此處只展開國外對認知情報學研究的論述，國內的研究暫且不表。此外，還總結了國外研究中對于認知情報學的理論框架。

2.1 國外認知情報學研究歷史

從早年開始，各國政府就對認知計算表現(xiàn)出濃厚的熱情與支持。2002年，美國國家科學基金會(NSF)和美國商務部(DOC)共同資助的“聚合四大技術，提高人類性能”計劃中，認知科學便名列其中，被視為是21世紀四大前沿技術，處于最優(yōu)先發(fā)展的地位。同時，早期歐盟資助的聚合技術及其對社會科學與人文科學的影響(CONTECS)項目也強調了認知科學的重要性[8]。

國外早在21世紀初就將認知計算與情報學進行了成功的交叉融合。IEEE認知情報學國際學術會議(ICCI)從2002年的第一屆認知情報學會議開始，迄今已經(jīng)舉辦16屆，促進了認知情報學涉及的相關領域及其技術的發(fā)展。

從ICCI會議名稱的變化，我們能清楚地了解到認知情報學領域的變化，2002—2010年，會議名稱一直是認知情報學國際會議(ICCI)，從2011年至今，會議正式更名為認知情報學和認知計算國際學術會議(ICCI*CC)，認知計算已經(jīng)作為其中的重點被單獨列出作為會議的名稱。

其中，2016年ICCI*CC的會議主題為“Cognitive Computation，Learning，and Big Data Systems”，正式提出了將認知計算應用到大數(shù)據(jù)系統(tǒng)中去，解決大數(shù)據(jù)系統(tǒng)在處理數(shù)據(jù)時面臨的諸如生產(chǎn)速度極快、規(guī)則與邏輯難以識別等問題，重點探討了諸如語義化處理、自動推理、大數(shù)據(jù)的認知基礎等問題。

2.2 認知情報學理論框架研究

目前國外關于認知情報學的理論框架包含以下4個領域的內容：自然智能、抽象智能、符號數(shù)學與認知計算[14]。認知情報學通過模擬基礎的智能形式，抽象出來并進行數(shù)學建模，最后進行認知計算。整個框架從物理世界到抽象世界、從認知到計算，層層遞進，模擬了人類知識發(fā)現(xiàn)、知識推理的過程。

1)自然智能基礎理論主要研究了在認知情報學中涉及的人類本身就存在的智能，主要包含以下經(jīng)典理論：信息物質能量IME模型、大腦的分層參考LRMB模型、實體屬性關系OAR模型、自然智能NI模型。

2)抽象智能是將自然智能的概念更加抽象化，從底層研究神經(jīng)、認知、功能與邏輯。抽象智能通過建立通用的數(shù)學模型來表征如何將信息轉化為行動與知識。抽象智能解釋了不同形式智能的基礎的運行處理機制，研究了學習、思考、推理等過程。經(jīng)典的抽象智能模型有通用抽象智能模型(Generic Abstract Intelligence Mode，GAIM)[15]等。

3)符號數(shù)學是利用數(shù)學來對現(xiàn)實世界中抽象出來的一些實體、關系、感知信息、邏輯概念、知識等進行建模，用數(shù)字化的形式將物理世界表征為抽象世界，為下一步進行認知計算提供計算基礎。

4)認知計算模擬了大腦處理信息的過程，對用符號數(shù)學建立好的數(shù)學模型進行處理。認知計算一般包含如下技術：推理、自然語言處理、語音識別和圖像識別、人機交互等多種技術。

整個流程如圖1所示。

圖1 認知情報學理論基礎

3 認知情報學對情報學的支撐

下面分別從理論、技術兩個角度來探討認知情報學對情報分析的支撐。認知計算是認知情報學的核心基礎，故在探討時，會涉及利用認知計算的一些理論與技術，來表征認知情報學的一些特征。

3.1 情報理論支撐

許多情報學家從認知科學的角度對情報科學的相關理論進行過研究和探索，并形成了一些基于認知科學的情報科學理論[8]。在描述認知情報學理論支撐時，從認知計算的三個能力領域發(fā)現(xiàn)、決策與交流[16]來機行分析。

1)發(fā)現(xiàn)。發(fā)現(xiàn)是認知能力的體現(xiàn)。認知計算的發(fā)現(xiàn)的能力與情報學范式中的“認知觀范式”聯(lián)系緊密。認知觀范式的主要觀點是情報的接受與傳遞需要與用戶的知識結構發(fā)生作用，并以知識結構的改變和完善為目的，基本上描述了認知過程中的知識發(fā)現(xiàn)過程。在情報學諸多流派中，認知科學與情報學的屬性結構學派的聯(lián)系尤為密切。

屬性結構學派的情報學家布魯克斯認為情報學的基本任務是探索和組織客觀知識，并提出了著名的布魯克斯方程式K(S)+ΔI→K(s+Δs)，闡明了情報與知識之間的關系，并將情報定義為“是使人原有的知識結構發(fā)生變化的那一小部分知識”[17]。在認知過程中，強調利用已經(jīng)存在的知識來推理出新的知識，正是描述的知識發(fā)現(xiàn)過程，與認知情報學中涉及的認知科學部分不謀而合。另外，該學派的另一位著名的情報學家貝爾金使情報學和認知科學的關系不斷得到繼續(xù)深化和體系化。他從認知觀的角度提出了情報的概念，提出知識非常態(tài)狀態(tài)(ASK)，即用戶之所以有情報需求，是認識到自己存在知識的非常態(tài)以至于無法解決某種問題，也無法正確描述需要什么來解決非常態(tài)，因此情報檢索的目的就在于描述、理解和解決知識的非常態(tài)[17]。知識非常態(tài)狀態(tài)本質也是一種尋求知識發(fā)現(xiàn)的過程。

2)決策。認知計算的決策能力是基于事實的，并且可以隨著新知識的獲取而不斷更新迭代，并做出無偏見的決策。認知計算的決策能力，與情報學的競爭情報服務范式密切相關。競爭情報服務主要指的是人們通過合乎規(guī)范的方式進行信息收集、信息分析和信息服務。其主要提供的服務包含咨詢服務、決策信息服務、情報分析服務等。

競爭服務范式的服務對象是決策咨詢、商業(yè)決策、戰(zhàn)略決策等情報需求，這與認知計算的能力領域中“決策”相對應。目前，認知計算系統(tǒng)更多地扮演一種顧問角色，向真人用戶提供一組選項，而最終決策由真人用戶給出。認知計算的“決策”能力可以為競爭情報服務提供決策支持。

3)交流。認知計算的交流能力是指，認知計算可以通過學習海量的、復雜多樣的數(shù)據(jù)來發(fā)現(xiàn)其中的規(guī)則，并實時地為人們提供這些信息，其可以通過專家級的援助與理解能力，從根本上改變人和系統(tǒng)交互的方式[16]。通過深入的領域洞察并及時、自然、有輔助作用地呈現(xiàn)信息給用戶。

認知計算的交流能力與情報學的學術信息服務范式聯(lián)系緊密。學術信息服務范式主要指通過學術信息服務、圖書館信息服務、學科信息服務來輔助科學交流。在該范式下，涉及的領域諸如數(shù)字圖書館自動化與服務、知識化服務等，認知計算都能為之提供良好的人機交互支撐。

3.2 情報技術支撐

認知計算三個能力的實現(xiàn)，離不開5個要素：學習、個性化交互、可擴展性、多種數(shù)據(jù)類型處理以及無處不在的服務[16]。這5個要素與情報學的技術緊密相關，是情報學的支撐技術。

談及情報學利用到的技術，首先會先涉及情報學所涵蓋的服務。一般情報服務主要涵蓋如下幾個方面：自動收集不同信息源的信息、對收集到的信息進行深入分析與挖掘、情報檢索、將有價值的信息向用戶進行個性化情報服務等。這些服務通常會涉及自然語言處理、實體識別、語義檢索、個性化推薦、數(shù)據(jù)挖掘、社會網(wǎng)絡分析、數(shù)據(jù)庫、模式識別等技術。

認知計算學習要素的實現(xiàn)，主要會涉及情報領域自動收集的不同信息源的信息，同時還涉及知識發(fā)現(xiàn)等相關技術；個性化交互要素的實現(xiàn)，與情報學中為不同用戶進行個性化推薦技術緊密相關；可擴展性要素的實現(xiàn)，同時也為大數(shù)據(jù)環(huán)境下信息海量增長為情報學的知識發(fā)現(xiàn)帶來種種困難提供了新的可能的解決方案；多種數(shù)據(jù)類型的處理，也與情報領域積極擴展自然語言處理之外的、更加復雜的數(shù)據(jù)的嘗試相聯(lián)系，未來可以為情報學在相關類型數(shù)據(jù)處理上進行技術支撐，例如，情報領域現(xiàn)在對圖像處理也展開了積極的探索，傳統(tǒng)文本中不能分析的電路圖等進行有效分析與利用，已經(jīng)比較成功的嘗試可以抽取其中的電路元件進行分析，構建電路設計元知識表示[18]；無處不在的服務，與信息服務中的數(shù)字圖書館、科技情報服務中隨時隨地遠程實驗追蹤與控制[19]等技術服務相輔相成。

4 認知情報學為情報分析帶來新機遇

大數(shù)據(jù)時代的到來，席卷了所有的行業(yè)，情報領域自然也不能例外。變革賦予情報領域的卻不僅僅是陣痛，還有陣痛之后更為明晰的洞見與思考，以及對于情報分析未來走向更為明確的設計。

大數(shù)據(jù)為情報分析帶來了許多非常有價值的內容，比如，數(shù)據(jù)變得越來越容易獲取與透明化程度越來越高、能夠更好地通過大量的瀏覽記錄來發(fā)現(xiàn)用戶需求、更好地為用戶提供個性化服務、更好地輔助用戶進行決策、能夠催生出許多新的服務模式與產(chǎn)品、可以進行實時數(shù)據(jù)分析、促進數(shù)據(jù)驅動的發(fā)現(xiàn)與創(chuàng)新[20-21]。但是，與此同時，大數(shù)據(jù)的“4V”特征同時也為情報分析帶來了一些挑戰(zhàn)。

4.1 大數(shù)據(jù)時代情報分析面臨的挑戰(zhàn)

情報分析在大數(shù)據(jù)時代進入了飛速發(fā)展期，科技出版物每年的增長率大概在9%左右，每9年左右科技產(chǎn)出大概就會翻倍[22]。大數(shù)據(jù)的研究價值可以媲美“石油”，但如何進行挖掘與開采其價值，一直都是難點。

海量數(shù)據(jù)將會為情報分析提供前所未有的有價值的信息，但與此同時，如何對龐雜的數(shù)據(jù)進行分析，發(fā)掘看似“雜亂無章”的數(shù)據(jù)之間的關聯(lián)，也是難點之一，當前情報分析中僅有極小的一部分數(shù)據(jù)被整合、分析、利用并且發(fā)掘出其中內涵與價值，大部分數(shù)據(jù)仍是尚未開發(fā)利用的。

大數(shù)據(jù)同時還具有“高速”的特征，即其生產(chǎn)速度極快，而傳統(tǒng)的情報分析很大程度上是不能做到完全自動分析的，必須要有人工的參與才能進行，如何將情報分析過程實現(xiàn)完全自動化，也是大數(shù)據(jù)對于情報分析提出的嚴峻挑戰(zhàn)。

大數(shù)據(jù)的“多樣性”表征除了以前在情報分析的利用較多的結構化數(shù)據(jù)外，非結構化數(shù)據(jù)也在其中占有相當大的比例。事實上，近年生產(chǎn)出來的數(shù)據(jù)大部分都是非結構化的數(shù)據(jù)，例如文本、音頻、視頻等富媒體數(shù)據(jù)，是未來情報分析中非常重要且不可忽視的部分，將其他的富媒體化數(shù)據(jù)納入情報分析的范疇，將會極大地豐富情報分析的內容與提高情報分析質量，但與此同時，這些非結構化的數(shù)據(jù)對情報分析工作提出了極大的挑戰(zhàn)。

最后就是數(shù)據(jù)的質量問題，當前幾乎所有領域中的數(shù)據(jù)都充斥著大量的沖突數(shù)據(jù)與噪聲數(shù)據(jù)，會很大程度上干擾專業(yè)人員做出正確的情報分析。傳統(tǒng)的情報分析在收集完數(shù)據(jù)之后，需要人工判斷信息的真實與否，而大數(shù)據(jù)時代，如此海量的數(shù)據(jù)已經(jīng)不是人力可及，必須借助計算機進行自動判斷與分析才能滿足時代對于情報分析的要求。

4.2 認知情報學為情報分析帶來新機遇、新應用場景

數(shù)據(jù)時代猶如海浪一般席卷而來，從數(shù)據(jù)到信息、到知識、到智慧、到解決方案的整個過程的活動[1]需要計算能力的不斷推動。認知情報學為知識發(fā)現(xiàn)與決策方案的制定提供了極具前景的解決方案，加速從數(shù)據(jù)到知識再到行動的轉化過程，推動數(shù)據(jù)時代邁向計算時代。

4.2.1 大數(shù)據(jù)情報分析的解決方案 大數(shù)據(jù)蘊含著巨大有價值的信息的同時，其數(shù)據(jù)量之大、數(shù)據(jù)類型之廣、生產(chǎn)速度之快、數(shù)據(jù)質量之痛，都為從業(yè)人員提出了不少難題，只有層層盤剝、深入大數(shù)據(jù)背后的礦藏，才會提取出其中最有價值的資源。

對于目前情報分析僅僅分析利用了一部分數(shù)據(jù)而很大一部分的數(shù)據(jù)被閑置并沒有被開發(fā)利用、發(fā)掘其內涵價值的問題，認知計算為其提供了一個新的解決方案，認知計算是主要設計來整合與分析大的數(shù)據(jù)集的[23]，為情報分析中的海量數(shù)據(jù)提供了解決思路。對于大數(shù)據(jù)產(chǎn)生速度極快的、傳統(tǒng)的人工參與的情報分析已經(jīng)不足以滿足大量數(shù)據(jù)的分析需求，認知計算通過創(chuàng)建特定的應用場景，通過不斷的人機互動以及與環(huán)境之間的互動，通過學習、推理和分析做出恰當決策來模擬人類的思維處理過程，可以快速對短時間內生產(chǎn)出來的大規(guī)模數(shù)據(jù)進行處理分析，并且可以無偏倚地對之進行評價。例如，在生命科學領域，由于生產(chǎn)速度極快，每年文獻約提高9%，每9年文獻即可翻一番[23]，在該領域可以依托認知計算的分析、推理能力，對科技文獻中的例如藥物、疾病等實體，利用已有的知識，通過文章的描述自動推理出新的藥物、疾病的關系，提高新藥的問世效率以及疾病的攻關速度。

針對各類富媒體化數(shù)據(jù)情報分析難以滿足的問題，認知計算可以理解科技論文等非結構化數(shù)據(jù)，并且將結構化數(shù)據(jù)與非結構化數(shù)據(jù)結合處理[23]，為數(shù)字圖書館向各種數(shù)據(jù)類型拓展業(yè)務，例如音頻、視頻、圖像等數(shù)據(jù)的處理，提供了新的可能。其可以支撐數(shù)字圖書館向真正的多媒體化的圖書館進行轉型，未來的圖書館在其支撐下，可以包含更加豐富多樣化的資源，諸如名師講課視頻、音頻等，并對視頻、音頻等自動分析處理，可以直接對其中的內容進行跨數(shù)據(jù)類型的檢索。比方說，可以根據(jù)通過文字直接檢索出視頻中與之相關的一小段內容或者與文字描述相關的圖片。

4.2.2 重新定義知識發(fā)現(xiàn) 在情報分析方面，傳統(tǒng)的基于數(shù)據(jù)計算的數(shù)據(jù)挖掘技術正向基于內容的知識發(fā)現(xiàn)技術發(fā)展[8]。但在基于內容的知識發(fā)現(xiàn)實現(xiàn)過程中，捕捉非結構化數(shù)據(jù)中蘊含的深層含義一直是一大難點。以科技領域為例，自然語言處理會面臨的困難重重，例如，不同行業(yè)、不同學科、不同語言、不同的術語表示方式，等等，一直是自然語言處理的難點?？梢越柚J知計算在某個特定領域訓練，學習相應的語言、術語、該領域中的思維模式以及通過與專家的交互來輔助理解該領域的知識。例如，IBM在醫(yī)療領域，通過認知計算向醫(yī)生提供專家級的輔助能力，幫助醫(yī)生精準、迅速地識別癌癥，給癌癥病人盡可能多的治療時間，延長病人生命。

認知計算在實現(xiàn)自動知識發(fā)現(xiàn)的過程中，含有細粒度實體的知識圖譜的創(chuàng)建是實現(xiàn)特定領域知識發(fā)現(xiàn)非常重要的一環(huán)?，F(xiàn)在各個領域都有成功的領域知識圖譜的創(chuàng)建，例如生物領域Smartfigures知識圖譜[24]、地理領域的CrowdGeoKG知識圖譜[25]、醫(yī)學領域的KnowLife知識圖譜[26]。除此之外，還有各大數(shù)據(jù)出版社，如Springer、Elsevier等，推出內容更加豐富的知識圖譜，這些知識圖譜中包含了更細粒度的實體，如期刊論文、論文附屬數(shù)據(jù)、數(shù)據(jù)集、圖書、參考文獻、專利、臨床實驗、機構、會議、作者、主題領域、資助項目、下載閱讀數(shù)量以及對應的軟件工具等[1]內容。

抽取出離散的知識要素后，可以在其上進行關系抽取，實現(xiàn)自動的知識發(fā)現(xiàn)。例如，從文獻中抽取蛋白質的相互作用[27]，抽取藥物與其不良反應[28]，抽取公司之間的合作、競爭關系[29]等。在其上建立應用，可以輔助用戶的日常工作，如加速新藥的問世、識別潛在的合作競爭關系來確立本公司的經(jīng)營管理方案等。

除了對于論文中細粒度實體間關系的知識自動發(fā)現(xiàn)，還可以對整個篇章知識結構進行知識發(fā)現(xiàn)，幫助用戶迅速發(fā)現(xiàn)文章的脈絡，包括研究目的、方法、手段、工具、結論等[30]，高效地利用科技文獻，加快知識獲取過程。

4.2.3 新型的人機交互環(huán)境 在人機交互方面，認知計算可以輔助情報分析在為用戶進行服務時提供非常好的解決方案，通過專家級的援助與理解能力，直接將解決方案嵌入到用戶的搜索、瀏覽等行為中去，與用戶進行深度交互，為用戶提供更加高效的、舒適的專家服務來輔助用戶做出更好的決策。目前已有人機推理網(wǎng)絡(HuMaINs)[31]的探索，通過機器無偏倚的認知能力來輔助人類去規(guī)避非理智的決策。人機推理網(wǎng)絡可以應用于網(wǎng)絡教育，通過個性化的定制方案，為不同的用戶提供根據(jù)用戶水平自動調整教學難度以及教學目標的教學內容；還可以應用于醫(yī)學健康領域，將醫(yī)生納入循環(huán)中，共同為患者的治療方案做出決策；此外，在科學發(fā)現(xiàn)中，可以利用人機推理系統(tǒng)，突破以往的需要人為設定好數(shù)據(jù)以及技術的限制，將人與機器同時納入解決問題的循環(huán)中去，在交互中共同去探尋復雜問題的解決方案。

除此之外，問答式服務、無人化服務方式也日益提上日程，成為新的服務模式。認知計算良好的推理與學習能力為深度理解人們的問題以及提供更為“?！薄熬钡拇鸢柑峁┝丝赡苄浴Ｔ谖磥?，應用于圖書館的自動問答機器人將會代替人工成為主流，更好的分析理解能力與龐大的知識庫會使圖書館自動問答機器人在服務質量上不遜于人工服務，并且還可以結合射頻識別技術、物聯(lián)網(wǎng)、無人機駕駛等技術，實現(xiàn)精準地定位服務以及自動書架取書等服務。

5 結束語

認知計算通過模擬人類的思維來進行感知、推理與應激反應，已經(jīng)逐漸被各領域所關注并且嘗試使用。認知計算有著處理各種類型的數(shù)據(jù)、理解數(shù)據(jù)、評估數(shù)據(jù)并且可以從數(shù)據(jù)中學習出潛在的、未知的、新穎的洞見[23]的能力，可以加速科研工作者的科研過程，在情報分析領域有著自己獨特的優(yōu)勢，可以完善傳統(tǒng)情報分析技術在大數(shù)據(jù)時代的不足。但目前國內對于認知情報學的研究剛剛起步，還不成熟，并未提出明確的概念，將認知計算與情報分析交叉融合進行實踐的探索還并不成熟。認知計算會大大加快將信息轉化為知識與行動的過程，為情報分析面臨的當前信息環(huán)境迅猛的變革提供新的解決方案，為整個行業(yè)的服務業(yè)態(tài)探索提供新的思路。