<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[《情报工程》编辑部 -->情报技术]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于案例推理的应急处置建议生成]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202504001&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义] 构建实现情境特征与事理规则融合的案例表征体系，突破传统案例推理方法在方案重用方面的局限，为应急决策领域提供更具针对性和可解释性的智能支持。[方法/过程]在基于案例的推理框架下，将突发事件知识图谱与事件原因图谱相结合，构建突发事件案例库；在案例检索与重用阶段，基于图谱和语义相似度匹配历史案例，采用图谱增强的检索增强生成机制将案例知识作为大语言模型补充上下文，生成针对目标突发事件的致因推断、风险分析及应急处置建议。[结果/结论] 研究提出的框架能有效支持多维度案例匹配与决策推理，为突发事件应急决策提供兼具情境适配性与规律可解释性的解决方案。]]></description>
<pubDate>2025/12/5 15:32:43</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[安璐，杨楚嫣]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202504001&flag=1]]></guid><cfi:id>15</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向实体识别的航空情报领域语料库构建方法]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202504002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]航空情报服务是航空运行信息的重要来源，覆盖大量相关领域知识与专业词汇，当前航空情报领域尚无公开语料库，面向实体识别展开语料库构建技术的研究有助于航空情报的数字化转型。[方法/过程]以航空情报汇编资料入手，参照AIXM 对航空实体及属性关系的定义，在领域本体框架构建的基础上建立航空情报领域实体标注体系、制定标注规范，并展开批量实体标注与一致性检验工作，形成面向实体识别任务的航空情报领域语料库。针对实体识别任务，采用BiLSTM-CRF 模型融入领域简缩字词典，对自建语料库质量进行检验。[局限]当前研究多采用机场类航空情报数据，一定程度上限制了实体识别模型的进一步优化和语料库规模的扩展。[结果/结论]融合简缩字词
典后的模型准确率、召回率、F 值分别提高了4.18%、2.70%、3.42%，实验结果表明，该方法能够提升航空情报语料库中的命名实体的识别效率，为后续航空情报信息的实体识别和大规模语料库构建提供支撑。]]></description>
<pubDate>2025/12/5 15:32:43</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[赖欣，张恒嫣，唐凯，梁译丹]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202504002&flag=1]]></guid><cfi:id>14</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[科技成果的知识图谱构建及推广模式研究]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202504003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]挖掘各科技成果之间转化的知识关联、探究科技成果应用的路径及特征，提出科技成果推广新模式，对实现科技成果的交叉应用、促进科技成果的示范性推广具有理论和实践意义。[方法/过程]对新一代信息技术领域中发布的科技成果进行知识分类、编码及关系定义，构建科技成果知识图谱，实现科技成果转化的知识关联可视化；通过科技成果知识关联分析，并结合实际应用案例，提出科技成果“应用―中介―推广”模式，推动科技成果向不同领域扩散，进而促进各方对科技成果的创新应用。[局限]研究数据主要基于新一代信息技术领域范围内的科技成果，具有一定的局限性。[结果/结论]不同行业领域的科技成果存在交叉转化，科技成果应用的相关主体均存在双向关联，未来有望实现科技成果在不同领域的交叉创新、应用和推广。]]></description>
<pubDate>2025/12/5 15:32:43</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[孟佳琪，支凤稳，陈永彬，郑彦宁]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202504003&flag=1]]></guid><cfi:id>13</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[城镇燃气数字化智能预警系统建设研究]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202504004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]我国城镇燃气安全面临城市化加速与政策升级的双重挑战，传统预警体系存在感知不足、数据割裂、响应滞后等问题。[方法/过程]构建“全面感知、智能分析、主动预警”的数字化预警系统，采用感知接入、数据治理、智能预警等六层架构，覆盖高后果区泄漏、管网监测等场景，并给出实施建议。在此基础上，识别系统中的关键情报要素，如多源数据感知网络、知识图谱构建、风险推理机制与跨部门联动策略，进一步增强系统的智能化与协同化能力。[结果/结论]通过企业主导、政府引导、分阶段试点、分级推广、政企协同，完善技术研发与标准体系，系统对接“城市生命线”平台，有效降低风险，提升燃气安全保障能力，为城市韧性治理提供技术支撑。]]></description>
<pubDate>2025/12/5 15:32:43</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[伍爱群，王超群]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202504004&flag=1]]></guid><cfi:id>12</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于三元世界理论的自然灾害事件知识组织研究]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503001&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]自然灾害危及人民生存与社会发展，构建自然灾害事件本体以进行知识组织研究，对于优化自然灾害事件应急管理工作具有重要意义。[方法/过程]在系统回顾与梳理自然灾害事件、本体、三元世界等相关概念、理论与既有研究的基础上，采用斯坦福大学本体构建“七步法”并复用 Event 通用事件语义模型，设计出自然灾害事件本体，以湖南省 2022 年 6 月汛灾与 10 月新田县森林火灾事件为实例，利用 Protégé 软件进行本体可视化构建。[结果/结论]所构建的自然灾害事件本体能够厘清事件要素及要素间关系，通过实例应用，结合三元世界理论提出自然灾害事件知识组织及应急管理的优化策略。]]></description>
<pubDate>2025/12/1 15:33:34</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[赵慕园]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503001&flag=1]]></guid><cfi:id>11</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于大语言模型多模态融合驱动的图书分类优化方法研究]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]探索基于多模态数据的大语言模型图书分类方法，解决传统图书分类方法存在的瓶颈。[方法/过程]构建单模态数据集和多模态数据集，通过小样本学习策略构建提示语，对比测试GPT-4 和DeepSeek 模型图书分类结果。建立人工编目团队参照系，进行4 次实验，每次实验通过5 组对照量化模型效能。[ 结果/ 结论] 单模态分类中，DeepSeek 平均准确率（80.69%）显著高于GPT-4（64.20%），提示语信息增加使DeepSeek 准确率提升，GPT-4 因信息冗余出现性能波动。多模态场景下，DeepSeek在精确率（94.5%）、召回率（84.0%）及F1 值（88.9%）上全面优于GPT-4，资深编目员与DeepSeek 协同准确率达99.0% 以上。大语言模型通过多模态协同表征与动态知识蒸馏机制，显著优化图书分类效能。]]></description>
<pubDate>2025/12/1 15:33:34</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[潘雪峰，陈洁，王超]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503002&flag=1]]></guid><cfi:id>10</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于局部线性自编码的政策文本挖掘方法研究]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义] 在政策文本数据量激增和结构日益复杂的背景下，针对政策文本复杂度高、领域性强、术语专业的特点，当前基于全局特征表示的方法在语义细节捕捉与跨领域泛化方面存在不足。[方法/过程]从局部视角出发，提出一种基于局部线性自编码的政策文本挖掘方法，通过提取局部平滑的政策文本低维表示来改善政策聚类和分类效果。首先利用BERT 表示的余弦距离确定局部政策文本近邻，然后通过联合最小化局部政策文本近邻的加权均方误差和重构误差来训练自动编码器。[局限]主要针对中文政策数据，对于不同语言政策数据适用性存在局限。[结果/结论]相较于对比方法，所提方法在谱聚类达到85.78，提升了10%，在SVM分类算法方面平均值提高到86.88%，提升了7.5%。结果表明，该方法可以为政策文本提供更具辨识力的低维表示，从而提升政策聚类、分类任务效果。]]></description>
<pubDate>2025/12/1 15:33:34</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[魏超，赵伟，王弋波，吴欣雨]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503003&flag=1]]></guid><cfi:id>9</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于循证视角的高质量临床研究论文自动识别方法的进展与启示]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]生物医学文献的快速增长为临床医生跟踪最新知识、检索高质量证据带来挑战。采用人工智能技术识别高质量临床研究，将显著促进有效证据的获取与更新。[方法/过程]首先界定了临床研究及其论文质量的相关概念，随后围绕高质量临床研究论文的识别技术体系，从金标准、具体识别技术等方面对相关研究成果进行了系统梳理，最后总结当前研究现状，指出存在的问题，并对未来发展提出相应启示。[结果/结论]建议未来进一步开发覆盖外科领域和最新临床研究的金标准数据集，拓展构建非英语语种高质量临床研究的自动识别模型，并完善识别高质量临床研究的人工智能方法。]]></description>
<pubDate>2025/12/1 15:33:34</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[胥美美]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503004&flag=1]]></guid><cfi:id>8</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[算法意识研究回顾：内涵、类型与用户行为]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503005&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]回顾算法意识相关研究，探讨算法意识内涵、类型与用户行为，构建算法意识理论分析框架，为提升用户算法意识、增强用户权益保障以及促进算法技术的健康发展提供理论指导。[方法/过程]以中国知网和Web of Science 核心合集为数据源，收集算法意识相关文献，运用扎根文献综述法对遴选出的339 篇中英文文献进行分析，归纳出4种算法意识类型和3类算法意识影响下的用户行为。[结果/结论]用户算法意识类型包括算法感知、算法决策感知、算法厌恶与欣赏以及算法偏见感知，指导用户进行适应性交互、防御性应对和抵抗性干预3类行为。]]></description>
<pubDate>2025/12/1 15:33:34</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[李庆霜，孟玺]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503005&flag=1]]></guid><cfi:id>7</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于大语言模型的实体关系抽取研究综述]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503006&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]针对实体关系抽取这一文本挖掘和信息抽取的核心任务，探讨其在文本建模中自动识别实体间语义关系的应用与挑战。传统技术在少样本场景下效果受限，无法满足复杂任务需求。近年来，基于大语言模型（LLMs）的实体关系抽取技术因其强大的泛化能力和低监督数据依赖，成为研究的前沿。[方法/过程]系统综述了大语言模型在实体关系抽取中的应用，涵盖命名实体识别、关系抽取及实体关系联合抽取三大任务。重点分析了模型的应用框架、关键技术和在不同任务中的表现。同时，结合现有研究，展望了实体关系抽取的数据增强等领域的发展潜力。[结果/结论]大语言模型在实体关系抽取中展现了强大的性能，尤其在低资源场景下显著降低了对标注数据的依赖，拓宽了技术的适用范围。]]></description>
<pubDate>2025/12/1 15:33:34</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[王展，漆桂林，高影繁，王莉军，周禹安，梅书睿]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503006&flag=1]]></guid><cfi:id>6</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向开源情报的实体链接技术研究综述]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503007&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]开源情报已成为核心研究论题，其战略价值在于为决策者在复杂环境下提供关键信息支持，以辅助制定最优决策。[方法/过程]详细阐述开源情报实体链接各模块运行流程，整理实体链接技术发展脉络，并结合最新科技产物DeepSeek 探讨其对开源情报实体链接领域的影响。[ 结果/ 结论] 通过梳理表明现有技术理论上能有效解决开源情报实体链接问题，但随着时代发展，多模态、小样本等问题接踵而至，因此仍需全新实体链接相关技术破旧立新。]]></description>
<pubDate>2025/12/1 15:33:34</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[韩雪，陈秋琼，戴耀，胡佳荣]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202503007&flag=1]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于知识图谱的知识产权竞争情报文本语义过滤模型]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202602001&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]为满足知识产权竞争情报实际工作中以某主题为核心过滤所有语义相关文本的任务需要，解决长短文本间语义过滤不精准的问题。[方法/过程]本文构建了一个基于知识图谱的知识产权竞争情报文本语义过滤模型。通过知识产权竞争情报领域知识图谱对查询主题和候选文档分别进行实体链接，并通过知识图谱的嵌入表示方法将其分别表示为实体向量集合，最后通过晚交互的神经网络计算两者的相似度，依据相似度对候选文本排序完成过滤任务。[结果/结论]本文在自主构建的知识产权领域竞争情报知识图谱和语义过滤任务数据集上进行了系统地实验，结果表明本模型的平均倒数排名可达到9.41，且排名前十的文档平均召回率高达84.25%，上述各项指标均优于对比算法。本文模型能够克服实际任务中长短文本的差异，充分利用知识图谱的语义信息，在知识产权领域竞争情报文本语义过滤任务中具备可行性和准确性，能够满足现实工作的需求。]]></description>
<pubDate>2026/6/12 10:55:18</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[孙利娟，韩宜书，吴旭]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202602001&flag=1]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于深度学习的谣言检测研究]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202602002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]网络时代下社交媒体使用更加广泛，互联网谣言随之大量涌现，给社会和公众带来诸多不利影响。如何准确、及时地发现谣言，学术界进行了大量研究和探索。传统谣言检测方法提取数据特征较为单一，而深度学习预测方法能够处理更复杂的特征结构，成为谣言检测的研究热点。[方法/过程]文章对基于深度学习模型的谣言检测方法进行综述，详细介绍了深度学习架构循环神经网络、卷积神经网络、图卷积神经网络、注意力机制以及混合神经网络。其次，总结了现有文献中常用的国内外公共数据集。再次，根据前人的模型实验对谣言检测模型的性能和优劣、改进方向进行了分析。最后，探讨了深度学习谣言检测领域未来的研究方向。[局限] 未深入对各类模型的超参数和使用场景分析进行研究，后续需要进一步总结。[结果/结论]对近年来各类深度模型在谣言检测方面的应用进行了系统梳理，帮助研究者快速了解研究范围和重点，为后续选择合适的模型提供一定参考。]]></description>
<pubDate>2026/6/12 10:55:18</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[常芳瑞，王增光，贾萧丽，王子琪，袁学旺]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202602002&flag=1]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[传播过程理论视域下反转网络舆情生成机理研究]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202602003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]反转网络舆情频发易消解受众理性，透支政府和媒体公信力，探究反转网络舆情生成机理，有助于提高政府对反转网络舆情的引导和管控能力。[方法/过程]基于传播过程理论，建立反转网络舆情生成的影响因素分析框架，运用必要性分析方法和模糊集定性比较分析方法探索首发主体权威度、参与主体利益诉求、信息传播热度、信息内容敏感度、信息报道量、权威媒体参与度、传播形式七个因素的“协同联动效应”，识别影响反转网络舆情生成的必要条件和条件组态路径，揭示其生成机理。[结果/结论]结果表明利益诉求不仅是反转网络舆情生成的必要条件，且具有超高等效应，限制作用较大；反转网络舆情生成机理可归纳为信源对于信息受众的共鸣效应、信息对于信息受众的定势效应、信道对于信息受众的泡沫效应的联合作用。]]></description>
<pubDate>2026/6/12 10:55:18</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[陈荣，赵冰燕，黄玲芳]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202602003&flag=1]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[智能情报赋能科技统筹工作的应用研究]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202602004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[目的/意义]科技统筹是实现国家科技现代化的重要抓手，在深化科技体制改革、支撑科技自立自强方面发挥着重要作用。[方法/过程]本文概述了当前科技统筹工作的宏观背景，强调了科技统筹工作的定位、作用和意义。本文分析了智能情报、科技统筹的概念界定及相关研究现状。结合问题导向、需求导向、目标导向、结果导向，本文构建了涵盖趋势预判与战略规划、全局调控与综合协调、资源优化与效能整合、实施落地与执行管控、价值兑现与创新应用、绩效督查与动态反馈六个方面的科技统筹工作体系。针对科技服务场景变化下科技统筹工作对智能情报提出的新型保障需求，归纳为预测、监测、评价三类，详细分析了智能情报在科技统筹各方面的应用需求和保障效果。[结果/结论]本文在当前研究的基础上，展望了未来科技统筹的发展前景、发展方向和工作重点。]]></description>
<pubDate>2026/6/12 10:55:18</pubDate>
<category><![CDATA[情报技术]]></category>
<author><![CDATA[徐晨阳，寇亚东，王东]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202602004&flag=1]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>