導語：如何才能寫好一篇網絡安全輿情分析，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：大數據 網絡輿情 數據抓取 數據存儲 輿情分析

中圖分類號：G206 文獻標識碼：A 文章編號：1674-098X（2017）01（c）-0108-02

S著新興媒體的發展，互聯網輿情已經在社會發展中扮演著重要的角色，它已不僅僅局限于個別范圍的使用和拓展，而是演變為全民互動型的參與和討論，所以如何在眾多信息中獲取最全面的輿情數據，并將輿情數據以最快的速度和最靈活的方式展現出來，使輿情在可控的范圍內實現最大的社會和商業價值，顯得尤為重要。

1 網絡輿情

網絡輿情不同于傳統輿情，傳統輿情是民意理論中的一個概念，是民意的一種綜合反映。該文所提到的網絡輿情，是未經任何中介包裝和驗證，直接于網上的社會輿情，并以互聯網為載體，以輿論事件為核心，集民眾情感、態度、意見、建議、傳播互動和影響力于一身的集合。

因為網絡輿情的傳播介質是網絡，網絡既具有公開性又具有隱蔽性，同時需要事件、網民、網民情感，以及通過網絡介質的傳播和互動，所以在既公開又隱蔽的環境中，從眾多的信息中捕獲并抽取出復雜的網民情緒和態度非常重要。

2 輿情捕獲

由于輿情具有自由性、交互性、多元性、偏差性和突發性，所以如何從眾多輿情中獲取實時數據并服務于大眾，是新興媒體所面臨的嚴峻挑戰和考驗。

2.1 關鍵詞確定

在互聯網上傳播的信息可以用海量來形容，如果針對輿情盲目進行檢索，猶如大海撈針，不僅得不到我們想要的數據，還會浪費大量的人力、物力和財力來投入到數據的分析中。所以如何在海量的信息中獲取用戶想要的數據，“關鍵詞”就顯得非常重要，它不僅可以讓我們精確地捕獲到想要的數據，而且還可以減少臟數據的捕獲，大大縮短了輿情分析的時間，提升了輿情分析的反應速率，下面就介紹幾種關鍵詞確定的方法。

（1）定制關鍵詞。關鍵詞的確定可以從輿情分析的發出者來反向提出，輿情分析的發出者一定是希望從網絡輿情中得到某種相關信息，那么我們可以從需求提出者和需求分析者的角度來確定關鍵詞，即關鍵詞由用戶提出，并通過需求分析將用戶的表述發展為定制詞語，并將其定義為用戶定制關鍵詞。根據用戶定制的關鍵詞來捕獲數據，是最直接明了的數據捕獲方式。

（2）熱門輿情關鍵詞。很多網站如百度、搜狐、Facebook、新浪等幾乎所有的交互網站都會有熱門指數，我們可以借助這些網站自身攜帶的熱門指數，來確定關鍵詞。因為通過熱門輿情關鍵詞來捕獲數據，一定是網站熱門數據，這樣不僅可以節省我們分析確定關鍵詞的時間，而且還可以用最短的時間獲取最多的分析數據，提高大數據在輿情分析中的反應速率。

（3）熱搜輿情關鍵詞。熱搜輿情關鍵詞不同于熱門關鍵詞，由于輿情具有廣泛傳播性，很多人參與到輿情探討中，都是通過網絡搜索并定位的，所以熱搜關鍵詞就是根據搜索引擎的熱搜排行榜，來確定輿情關鍵詞，通過熱搜排行榜，我們可以第一時間知道并了解網民想要了解的輿論事件。

（4）參考輿情網站。想要找到網絡事件的發展狀況和原由，最簡單也是最直接的方式，就是找到輿情的網站，很多網站就是網絡輿情事件的源泉。

2.2 數據抓取

當我們通過各種方式獲取并確定了關鍵詞之后，如何把關鍵詞變成我們想要的精確數據，就顯得非常重要。我們可以通過網絡爬蟲技術來獲取輿情數據。

當前主流的數據抓取模式主要包含4個主要部分：網絡爬蟲技術（Spider）、數據處理技術（Data Process）、爬取URL隊列（URL Queue）和數據。爬蟲主要是從互聯網上捕捉網頁內容，并從中抽取出需要的內容。數據處理：對爬蟲抓取的內容進行處理。URL隊列：為爬蟲提供需要抓取數據網站的URL。數據包含3個方面：（1）Site URL：需要抓取數據網站的URL信息；（2）Spider Data：爬蟲從網頁中抽取出來的數據；（3）Dp Data：經過dp處理之后的數據。

2.3 數據存儲

因為網絡輿情具有及時更新和海量的特性，所以我們如何將抓取到的數據實時保存起來，是非常關鍵的，它決定了最后輿情分析的全面性和精確性。一般通過IT技術可以將數據存儲到數據庫中，下面介紹一下當前主流的3種數據庫及其區別。

Oracle數據文件都是采用二進制編碼的文件，而且它可以對SQL在執行過程中的解析和優化指定統一標準，其中包括RBO、CBO以及HTNT規則，這些都會使在Oracle數據庫中執行的SQL擁有極大的優化自由，同時也對CPU、內存、IO資源方面進行優化。

MySQL最大的特點應該屬自由選擇存儲引擎。它的每一個表都是一個文件，都可以選擇合適的存儲引擎。但由于它的存儲引擎是開放式的插件引擎，所以文件的一致性大大降低，并且在SQL優化方面，也會有一些不可避免的瓶頸，例如多表關聯、子查詢優化、統計函數等都是它的弱項，并且MySQL只支持極簡單的HINT。

SQL Server的數據架構基本是縱向劃分，分為：Protocol Layer、Relational Engine、Storage Engine、SQLOS。SQL執行都是逐層，其中Relational Engine中的優化器，是基于成本的，其工作過程跟Oracle是非常相似的。同時它也支持豐富的HINT，包括：連接提示、查詢提示、表提示。

雖然，這3個數據庫各具特色，但是，如果對數據安全、存儲等特性沒有特殊要求，通常我們會選取MySQL數據庫，因為開源而且操作相對簡單。

3 輿情分析

如果說輿情數據的抓取和存儲目的是在數據獲取方面下工夫，那么輿情分析就是通過比較、論證等方法把數據通過圖形報表等更加簡潔的方式呈獻給用戶。

每一個輿情事件的本身都有自己的特點，分析設計人員可以根據不同的特點選擇輿情分析的方法或報表。通常輿情分析方法有連續接近法、舉例說明法、比較分析法和流程圖法等。通常圖形報表也有很多種，如趨勢圖、比例餅圖、百分比柱圖、流程圖、表格等，分析設計人員根據輿情的特點選擇合適的圖形呈獻給用戶。

4 結語

通過大數據相關技術對輿情進行全方位收集、存儲和分析的過程中，我們既不修飾、篡改輿情事件的真實性，也不隱藏輿情事件的丑陋性，大數據的智能捕獲分析，只是將網絡輿情更加清晰形象地呈現給用戶，使用戶在第一時間獲取民眾態度，掌握民眾意見或建議，并根據輿情報告的精準分析反饋，及時對輿情事件做出相應的政策，調整相關的策略，實現商業和政治利益最大化，創造更多的社會價值，并使網絡輿情健康良性發展。

參考文獻

[1] 王博.大數據時代網絡輿情與社會治理研究[D].云南財經大學，2016.

[2] 楊旭東.網絡輿情監控系統關鍵技術研究[J].信息網絡安全，2016（9）：251-256.

篇2

1.1網絡信息安全事件頻繁發生，給社會造成了嚴重損失

在科學技術快速發展的環境下，計算機網絡技術的發展步伐不斷加快，為人們的生產、生活帶來了極大的便利，但是隨之而來的網絡信息安全問題的威脅也在不斷加大，一些釣魚網站、黑客、木馬、間諜軟件、網絡漏洞攻擊等各種形式的網絡信息安全問題經常出現。隨著社會各界對網絡與信息安全問題認識的不斷提升，網絡信息安全問題越來越得到人們的重視，根據相關部門的統計，2005年一年內我國相關部門接受的國內外網絡安全事件已經超過了12萬件，使我國計算機用戶造成了巨大的損失。

1.2高校網絡與信息安全實驗教學的要求

高校是國家培訓專門技術人才的重要機構，也是社會專業人才的主要來源，當前我國高校網絡技術和網絡安全實驗教學硬件已經不能滿足現階段網絡技術和網絡安全實驗教學的需求。因此為了適應新形勢下網絡與信息安全的需求，高校應該不斷加大對網絡技術和網絡信息安全實驗的建設，提升網絡信息安全實驗的硬件條件，從而更好地滿足新形勢下高校網絡與信息安全對實驗的需求，提升學生網絡信息安全的實踐能力，滿足社會發展對網絡信息安全人才的需求。

2、關于網絡與信息安全教學實驗室建設原則的分析

2.1遵循層次性原則，滿足不同層次網絡與信息安全課程實驗的需求

網絡信息安全關系到國家安全和社會發展，涉及面十分廣闊。但是，不同層次和不同專業的學生對網絡與信息安全專業技能和理論需求都不相同。因此，網絡安全實驗室的構建要充分滿足不同層次的學生需求，讓更多層次的學生受益。

2.2提升網絡安全實驗室的可擴充性，滿足時展的需求

網絡信息技術的發展十分迅速，因此，高校網絡信息安全實驗室建設，應充分考慮這一點，實驗室平臺要滿足升級、更新的需求，要跟得上時展的步伐。實驗室的構建要保證實驗室能夠具有較強的可擴充性，從而保證高校網絡與信息安全實驗教學能夠滿足信息安全技術的發展趨勢，體現高校網絡與信息安全實驗教學的時代性特征。

2.3保證實驗室軟硬件設備先進性和實用性

網絡信息安全技術是以網絡通訊協議為技術基礎而構建的。而當前使用的基于IPv4的IP網絡正處于向IPv6轉變和過渡的過程中。這次轉變極大地提升了網絡信息的安全性，同時也為網絡計算機提供了大量的IPv6地址。針對這一系列變化，高校在網絡信息安全實驗室建設時，要充分考慮到實驗室設備與IPv6協議的兼容性。網絡信息安全實驗室建設，要在為學生提供良好實驗環境的基礎上，考慮學生將來的就業需求，因此，實驗室軟硬件設備必須要具有較強的先進性和實用性，從而保證實驗室能夠發揮出更大的效用。

3、關于高校網絡安全實驗室項目設計的分析

3.1網絡信息安全實驗室應滿足高級實驗的需求

對于網絡信息安全專業的學生來講，他們在掌握常規的實驗基礎上還應該具備較高的網絡信息安全技術和相關的實驗能力。當前高級的實驗和技術主要包括：VPN技術和相關配置、數字證書發放的實驗、身份認證實驗等等。數字證書發放實驗就是使用服務器網絡中的CA證書服務器，實現對實驗小組發放數字證書。通過這個實驗幫助學生有效掌握公鑰密碼運行機制以及相關技術，提升學生對數字證書的理解和使用能力。在進行數字證書認證的過程中，以發放的數字證書作為身份的依據，完成對網絡服務的訪問。服務器為使用者提供相關服務之前，需要具有合法的身份才能夠獲得系統提供的有效服務。

3.2建設網絡平臺

建設網絡平臺是高校網絡與信息安全教學實驗室建設的第一步，高校在建設過程中，要在原有的實驗室基礎上補充一些網絡信息安全設備，包括每個試驗臺布置一臺防火墻，一臺IDS，在核心處布置一臺安全隔離網閘、一臺UTM、一臺APM應用安全管理系統；高校實驗室建設人員在已經補充好的網絡信息安全設備上，設置安全管理平臺，并對設備日志進行審計和分析，以便更好的對網絡安全設備進行控制和管理。同時，每個試驗臺可以根據情況防止IPS入侵防護系統和安全隔離網閘。

3.3為學生提供網絡安全創新實驗的平臺

信息安全方面的知識學習具有很強的實踐性，因此，信息安全專業課程的學習對信息安全實驗室的要求很高。而當前我國高校的網絡信息安全教學基本都是停留在理論層面，對學生實踐能力培養的關注相對較少，學校的網絡安全實驗室條件很差，實踐課程很難高效開展，導致網絡信息安全實驗教學環節之后，學生的實踐能力較差，無法滿足社會對網絡信息安全的需求。因此，配備一個合格的網絡安全實驗室具有極其深遠的意義。高校的網絡信息安全實驗室在完成一般實驗教學的基礎上，還可為更高層次學生提供創新實驗的機會和平臺，讓學生在現有軟硬件條件的基礎上，對當前的軟件進行創新和改進，優化軟件的效果，提升學生的網絡信息安全創新能力。

3.4全面模塊化的網絡安全實驗室解決方案

模塊化的網絡安全實驗室解決方案把防火墻設備，WEB應用安全設備，非法信息檢測設備，輿情分析系統，作為一個安全有效的防御整體，架設到高校信息安全專業的實驗室中，使師生全面地對網絡安全的多樣性，復雜性從理論上和實際操作中得到了全方位的了解。一方面使學生畢業后真正走向網絡安全方向的學生不會再和現行的網絡攻擊和威脅脫節，不會單獨依靠簡單膚淺的理論知識對繁瑣復雜多樣的攻擊摸不到頭腦，另一方面可以讓學生和研究人員可以深入地了解網絡安全問題，加深對網絡原理、協議的理解，同時最重要的是在整個網絡安全實驗室中，實驗者通過學習可以很清楚地了解如何進行有效的網絡安全設計，避免網絡風險的發生以及在網絡安全事件發生的第一時間，如何有效地解決安全問題。

參考文獻：

[1] 張衛東，李暉，尹鈺.網絡安全實驗教學方法的研究[J]_實驗室研究與探索，2007（12）

[2] 容治.計算機網絡教學實驗環境存在的問題和改革探討[J].科技信息（科學教研），2007（21）

[3] 陳峰，沈雅婕，馮朝輝。高校網絡與信息安全教學實驗室建設研究[J】.網絡安全技術與應用，2007（07）

作者簡介：

篇3

關鍵詞：高校校園；網絡輿情；預警；應對

中圖分類號：G647 文獻標識碼：A 收稿日期：2016-04-28

一、高校校園網絡輿情的現狀

高校校園網絡輿情具有特定的傳播方式，它主要是通過微信、微博、論壇等平臺進行的，針對某些特定發生事件的意見表達。高校網絡輿情由于涉及的常常是與高校師生切身利益相關的事件，因此更容易產生群體效應。

二、高校校園網絡輿情的結構

高校網絡輿情分主體、客體和媒介三部分。

高校校園的輿情主體是指高校校園網絡輿情的參與者。主要指通過高校校園網絡發表意見、看法和提出建議的高校師生。雖然大部分師生只以看客身份出現，只有少部分才是高校校園網絡輿情的制造者和傳播者，但熱點新聞、校園突發事件一旦出現，尤其涉及師生切身利益的事件，若得不到合理解決，便會很快在各類網絡平臺中發酵，甚至一發不可收拾，影響大學生的思想行為。

高校校園網絡輿情客體是指引發高校校園網絡輿情的信息和事件，主要表現在以下幾個方面。

一是國內外熱點新聞事件。如2016年3月16日世界知識產權組織公報，2015年國際專利申請數量創下新紀錄，共達21.8萬件。美國仍是申請量最大的國家，而中國增長最快，華為技術有限公司則在企業界蟬聯首位。高校大學生對這一事件十分關注，對知識產權這一熱點詞匯搜索排名一度上升，充分反映了高校大學生知識產權意識的上升。

二是校內外突發事件。主要指涉及高校師生的突發性事故、公共衛生事件及社會治安事件。如火災、食物中毒或不健康飲食、學生受傷、重疾等。

三是與師生利益密切相關的事件。如師生的評定優秀、考試作弊、學術腐敗等。這些事件一經網絡傳播，特別容易引起其他師生的轉發和評論，形成網絡輿情。

三、高校校園網絡輿情的特點

高校校園網絡輿情有著開放、迅速、多樣、隱藏、不明確及難以控制等特點。

現今高校網絡輿情成為全民都可參與的活動。只要有互聯網，有移動通信設備，網民就可以自由地表達對高校事件的看法。網絡有實時性，它不受地域和時間的限制，連接互聯網就可提供實時動態信息。新媒體的迅速報道，可縮短信息傳播的距離，加快輿情形成的進度。誰都可依托網絡將實時關注的新聞焦點通過發帖、跟帖、分享朋友圈等方式表明自己的立場和觀點，一起互動，這種互動如果成為大眾普遍關注的焦點，很快就會引發輿情。高校輿情的內容多樣，人們可以通過互聯網隱藏自己在現實中的身份，這種自由使個人的網絡言論到處傳播，若動機不純，會造成消極影響。大家很難預料哪個事件將成為熱點，也幾乎無法預料事件的發展進程。高校網絡輿情事先幾乎無預兆，卻可能在短時間內造成強大的網絡輿論。

四、高校校園網絡輿情的預警

1.高校網絡輿情預警現狀

當前預警意識偏低。我國部分高校在面對網絡危機時預警意識不夠，認為不會出現太惡劣的結果。即使處理時也只是簡單地敷衍一下，在爆發危機時也往往采用隱瞞等不恰當的方式應對公眾，很容易使公眾對高校失去信任，如果影響擴大，則進而影響到高校的口碑及招生就業等。

學院網絡輿情管理不到位。目前，高校輿情管理效率低下，源于高校對網絡輿情預警不太重視，處理問題時沒有完善的策略，導致高校輿情管理延遲甚至錯誤處理。高校管理輿情的過程中，預判不準確，決策時也會拖延，不能當機立斷，沒有解決措施。有些高校在處理這方面問題能力不足，出現問題時選擇逃避和漠視，任由問題惡化。

學生道德意識較弱。大學生的人生觀價值觀還不太明確，在獲取信息時缺乏是非判斷，加上從眾心理，會導致道德意識薄弱。而大學生群體大，很多謠傳的信息都會選擇大學生作為受眾，從而將信息擴大，引起不良后果。

溝通渠道不暢通。許多網絡危機可以通過學生與高校之間的溝通化解，然而當大學生不能理解學校的管理工作，高校管理者又不能得知學生的心聲時，雙方會產生誤解，導致矛盾升級。這時大學生就會利用網絡的渠道將實情夸大，導致高校的聲譽受損。

2.高校網絡輿情預警機制的建立

出于對網絡輿情預警現狀的考慮，我們可以通過下面幾方面來建立預警機制。

一要強化危機意識。高校應意識到網絡輿情預警的重要，并制訂相應的應對措施，而且當輿情爆發時高校應積極應對而不是逃避或置之不管。危機意識的建立是重點，高校應充分重視網絡輿情預警機制的建立，將網絡輿情管理工作做到位，加強對網絡輿情的管理。

二是完善高校輿情管理。高校應建立有效的輿情管理機構，要切實落實任務和工作。高校網絡輿情管理人員對將要出現的問題要有一定的敏感性，搜集信息后，要將信息進行整合和處理，判斷信息的真假，及時把結果上報給上級； 在信息處理方面，應將問題進行整合，并且提出相對應的解決措施，這樣當問題爆發時就能夠及時拿出方案進行處理； 預警工作要做到嚴格無誤，落實到人，對存在潛在危機的信息，高校輿情預警人員應及時向當事人提出警告。

三是強化學生預警意識。學生具有預警意識不僅是為了維護自己的切身利益，同時也是保護學校的網絡安全。大學生應有一定的判斷能力，遇到虛假信息，應及時上報給高校的有關部門。高校應該時常開設相應講座，引導大學生獲取有效的信息，并且識別虛假信息。

四是拓展溝通渠道。學生跟高校之間應溝通想法和看法。學校要給提供大學生可溝通的渠道，可以通過校長信箱、班級座談會、學生社團等了解學生的內心想法。學生也應該不隱瞞、不夸張，將自己的意見告訴學校。以上方式既可以大大化解學生與高校之間的矛盾，也可降低網絡輿情危機發生的幾率。

五、高校應對校園網絡輿情的方法

網絡輿情的產生具有突發性，要求高校有迅速的反應速度和應急措施。針對事件的實際發展情況，分析事情嚴重與否，即刻啟動應急預案，讓事件的發展可以合理掌控。在處理網絡輿情過程中，要分階段進行。處理過程中，要做到公開、公正和透明。在處理信息過程中，要實時公布處理結果，讓學生了解學校的態度。同時在事件處理過程中，要協調各方面的力量，特別是與事件當事人的有效溝通交流。再者，要處理好與媒體的關系，學校有專門的對外發言機構，應統一說法，避免信息傳達混亂；應表明學校立場，要積極引導媒體進行正面和全面報道。同時，要把握好輿情處理的節奏。網絡輿情的發展會隨時間不斷變化，學校要根據輿情發展的狀況及時調整策略，對內形成統一意見，以維護學校的正面形象。積極應對社會質疑，及時阻斷各種網絡傳言，在傳統媒體和新媒體平臺做好公關，要注意管控好網絡信息的傳播渠道。在處理事件過程中，各部門應積極配合，形成協同合作的應急處理機制。

參考文獻：

篇4

關鍵詞：移動網絡；醫院；青年職工；思想教育

移動網絡是隨著網絡科學技術的發展而衍生出的新上網方式[1]。根據2016年1月中國互聯網絡信息中心（CNNIC）的第37次《中國互聯網絡發展狀況統計報告》，截至2015年12月，我國網民中使用手機上網的人群占比由2014年12月的85.8%提升至90.1%，手機成為網民的主要上網終端[2]。移動網絡的快速發展改變了人們的生活、生產、思維和信息傳播方式[3]。青年作為一個特殊的群體，感知新生事物的動力及能力都很強，傳統思想教育工作方式、方法已經不能滿足其需要。本研究對北京市4家三甲醫院的青年職工開展問卷調查，旨在掌握其使用移動網絡現狀和對思想教育工作的看法，為運用移動網絡開展醫院青年職工思想教育工作提供參考。

1對象與方法

1.1對象

本研究采取橫斷面描述性研究設計，以方便抽樣方法選取北京市4家三甲醫院的青年職工為調查對象，共220人。研究對象納入標準：（1）醫院在職青年職工；（2）年齡≤35周歲；（3）自愿參與本研究。

1.2方法

本研究采用問卷調查法。調查內容分為5部分34個題目，主要包括：被調查者一般資料，醫院青年職工移動網絡使用情況，醫院青年職工對思想教育工作的認識，移動網絡信息技術在醫院青年職工思想教育工作中的應用情況以及運用移動網絡信息技術做好醫院青年職工思想教育工作的對策。共發放問卷220份，回收有效問卷212份，有效回收率96.3%。采用SPSS19.0軟件進行數據錄入及統計分析。

2結果

2.1被調查者一般資料

從統計結果看，4家醫院的212名青年職工年齡21~35歲，平均年齡（28.38±3.81）歲；工作年限1~17年，平均（6.61±4.16）年；男性39人（占18.4%），女性173人（占81.6%）；醫生占14.6%，護士占57.1%；已婚者占53.3%；多數人具有本科及以上學歷，本科學歷占51.4%，碩士及以上學歷占15.1%；初級職稱者占75.0%（見表1）。

2.2醫院青年職工移動網絡使用情況

調查結果顯示，醫院青年職工使用手機等移動終端上網的比例達到100.0%，其中81.1%的人使用移動網絡的頻率為每天4次或以上，67.9%的人每天平均使用時間在2小時以上；使用最多的應用是微信，占97.6%，遠超微博、QQ、網頁等；使用地點主要是在家中（90.6%）、單位（67.0%）、街上（56.1%）等，在乘車時（75.9%）、等候時（81.6%）、睡前或早起時（60.4%）也會選擇使用手機等移動終端上網；上網時關注最多的內容為影視、娛樂（72.2%），最為關注的網絡群體為生活中的朋友、同學（92.9%，見表2）。

2.3醫院青年職工對本院思想教育工作的認識

調查結果顯示，22.6%和20.3%的青年職工對醫院思想教育工作題材不太感興趣或沒有感覺，17.5%和42.9%的青年職工從來沒有或很少在使用手機等移動終端上網時收到醫院的思想教育方面的信息，認為開展思想教育工作最好的平臺為微信公眾平臺的占75.9%，82.1%的人認為應重點進行醫德醫風教育，85.8%的人認為思想教育工作者應該具備運用移動網絡技術開展工作的能力，53.8%的人認為醫院對移動網絡信息平臺建設的重視力度不夠（見表3）。

3討論與建議

3.1轉變觀念，形成利用移動網絡技術開展醫院青年職工思想

教育工作的新思路思想教育工作是醫院整體工作的重要組成部分，其目的在于為醫院各項工作的順利開展提供強大的政治保障和精神動力、智力支持[4]。本次調查中，17.5%和42.9%的青年從來沒有或很少在使用手機等移動終端上網時收到醫院的思想教育方面的信息，22.6%的青年職工對醫院的思想教育工作題材不太感興趣，20.3%的人認為沒有感覺，只有25.0%的人認為目前的思想教育工作方法很豐富。所以思想教育工作者需要轉變工作思路，結合醫院和青年職工實際情況，加大對移動網絡的重視力度，調整網絡戰略步伐，形成利用移動網絡技術開展思想教育工作的新思路和新理論體系，加強醫德醫風教育，帶動社會效益與經濟效益的整體提升。

3.2因勢利導，打造思想教育工作的移動網絡平臺

作為移動通信和傳統互聯網融合的產物[5]，移動網絡既具有移動通信的靈活性，又能充分利用傳統互聯網的開放性、共享性和互動性。移動網絡無時不在、無處不在的特點充分擴展了醫院思想教育工作的時間和空間，有效豐富了教育內容，提高了教育實效性[6]。調查中，青年職工認為開展思想教育工作最好的平臺是微信公眾平臺（75.9%）和官方微博（52.4%），超越了書籍、報刊等傳統方式。所以有必要進一步加強移動網絡平臺建設，特別是醫院思想教育工作的微信公眾平臺、微博等。根據調研有針對性地開展思想教育工作，重點進行醫德醫風教育（82.1%）、愛國主義和國際主義教育（64.2%）。遵循理論聯系實際、表揚激勵、樹立典型、教育性與娛樂性相結合及思想教育工作與業務工作相結合原則，提高思想教育工作的有效性。

3.3注重思想教育工作者自身能力的提升

移動網絡時代的到來，使醫院思想教育工作的方法、環境、內容等都發生了巨大變化，對思想教育工作者的專業素質、信息技術應用能力提出了嚴峻挑戰。85.8%的醫院青年職工認為思想教育工作者應該具備運用移動網絡技術開展工作的能力,認為應該具備簡單、基本的移動網絡技術與深入、先進的移動網絡技術的人各占一半。思想教育工作者不僅要不斷提高自身專業素質，還要不斷提高運用移動網絡能力，利用移動網絡的即時性、平等性、交互性等特點創新思想教育工作方法，增強思想教育工作的吸引力和科學性，以適應新時期思想教育工作發展需要。另外，醫院青年職工專業性極強，只有培養出既熟悉思想政治專業知識和醫療衛生專業知識，又能熟練運用移動網絡的復合型工作者，才有助于提高醫院青年職工思想教育工作的有效性。

3.4加強引導，提高青年職工對不良信息的辨別能力和運用移動網絡能力

移動網絡是一把“雙刃劍”，在幫助醫院青年職工開闊視野、增長知識、提高學習和工作效率的同時，也容易使其迷失自我、價值觀混亂、學習能力下降、心理受傷害、影響正常生活[7]。因此，思想教育工作者要幫助醫院青年職工收集有意義的信息，提高其對正面信息的捕捉、分析、判斷和吸收能力，引導醫院青年職工樹立正確的價值觀，提高網商（IEQ）[8]。醫院青年職工思想活躍，易于接受新鮮事物，喜歡將自己的想法用最時尚和獨特的方式表達出來。移動網絡具有信息量大、傳播迅速等優勢，醫院青年職工可以利用其優勢積極主動地傳播弘揚社會主義核心價值觀、體現愛國主義和民族精神、健康科普等的內容，如制作微信海報或健康科普帖等，提升全民健康意識和健康水平。移動網絡使醫院青年職工從被動教育轉為主動學習，實現從醫院整體到青年個人、從知識技術水平到社會價值和效益的提升與進步。

篇5

關鍵詞：大數據 情報分析 競爭情報 商務智能 生物醫學 政府治理 軍事情報

中圖分類號： G250.2 文獻標識碼： A 文章編號： 1003-6938（2014）05-0007-06

Intelligence Analysis in Different Domains and Its Development under the Environment of Big Data

Abstract Big data has caught the attention of five domains： competitive intelligence， business management， bioinformatics， government governance and military intelligence. In order to understand the differences between different domains of intelligence analysis， this article reviews the current status of the conception and practice on intelligence analysis across five domains， reveals the characteristics of intelligence analysis， and then illustrates the development of intelligence analysis across five domains under the big data environment， and points out the effects of big data for intelligence analysis.

Key words big data; intelligence analysis; competitive intelligence; business intelligence; bioinformatics; government governance; military intelligence

1 前言

不同研究領域有其自身的研究對象、理論源流、學術習慣以及概念框架體系，它們會深刻影響各領域對同一術語的界定和理解。如競爭情報、商業管理、生物醫學、政府治理及軍事情報等領域不僅都會涉及“情報分析”這一概念，而且都是圍繞著情報分析而開展相關研究工作的。但是，這些領域中的情報分析的內涵與外延、實施情報分析的過程等均有其自身的特點，不可一概而論。本文的目的，是分析競爭情報、商業管理、生物醫學、政府治理及軍事情報等五個領域中“情報分析”概念與實踐的特點，以及大數據環境下這些領域中情報分析的發展動向，揭示情報分析的學科差異，為建立統一的情報分析方法體系提供理論素材。

2 不同領域的情報分析及其在大數據環境下的發展

信息與情報是不同概念，情報是對信息進行深度加工或從各種文本中挖掘的知識，可以是一種產品、活動、組織，或是一組知識的專門表達形式[1-2];生成情報所采取的分析方法與執行過程稱為情報分析研究。對于競爭情報、商業管理、生物醫學、政府治理及軍事情報等學科領域而言，它們的產生與發展與情報分析研究在具體問題域中的應用有著直接、密切的關系，盡管這五個領域對情報分析的概念理解及實踐特點不盡相同，但情報分析都是這些領域知識的核心內容，也是支持該領域研究的關鍵，而且，在大數據環境下，大數據理念與方法正在對這五個領域產生著深刻的影響。這是本文選取競爭情報、商業管理、生物醫學、政府治理及軍事情報等領域作為研究對象的重要原因。

2.1 競爭情報領域

“競爭情報”（Competitive Intelligence，CI）是企業用來提高競爭優勢的情報分析工作，它通過感知外部環境變化、競爭對手的技術跟蹤等手段，建立一個關于競爭對手或外部環境的預警系統，并支持決策服務，使企業在激烈的競爭中維持優勢地位[3-5]。由此可見，CI是對外部競爭環境進行全面監控的過程，是一種“知己知彼”的交互分析過程。與其他領域的情報分析相比，通過CI分析所得到的情報更具有目的性、針對性及對抗性等特征，同時對自身跟對手的差距、潛在的機會等問題給出了解答。

企業進行CI活動時，合法性是開展整個活動的基礎，即CI活動必須遵守法律或商業道德規范。競爭對手或市場的相關信息主要是通過公開信息來源（如出版資料、科研報告、互聯網、新聞、數據庫、政策法規等）獲得，其它在不違法的前提下所能獲得的非公開發表的信息（如通過第三方獲取的信息、錄用對手公司的離職人員所獲得信息、人際網絡等灰色信息等）也是CI的重要信息來源[3][6]。也就是說，CI主要的信息來源是基于“文本型式”的科技文獻、網絡信息、政府信息、新聞、政策研究、產品信息等類型，并結合灰色信息來提高CI分析的有效性及真實性。從分析方法來看，因外部競爭環境復雜性與競爭對手多樣性而產生出多種CI方法，常見如定標比超、SWOT、專利分析、五力分析、財務分析等方法[5];此外，利[7]根據五力分析與SWOT分析拓展出基于競爭要素的CI四維分析框架。在技術工具方面，分析人員可選擇數據挖掘、文本挖掘、網絡挖掘、可視化技術、信息抽取、一般統計分析、軟件等方法或工具[8]，將數據或信息轉化為“可操作的情報”（Actionable Intelligence），再根據企業的不同需求（如管理決策、營運能力、市場監控等）形成各種情報產品（如每月情報通訊、咨詢報告、競爭對手文檔、形勢分析等），提供企業作為戰略行動依據、危機預警判斷、商業談判等重大決策參考。

大數據環境下，公開信息來源越來越多樣化，考驗著企業的情報獲取與分析能力，特別是企業對外部環境變化的及時感知與動態應變能力， CI在企業戰略預警與危機管理等方面發揮著越來越重要的作用[9]。從當前的研究與實踐來看，CI 面臨著“全信息源獲取”、“分析復雜化與實時化”兩個急迫解決的問題，就前者而言，企業可以通過信息技術解決全信息源獲取的技術性問題;對后者來說，隨著企業可以獲取越來越多的異構的數據及信息，要求CI能夠處理更加復雜的分析對象，其分析方法需要結合更多智能化技術，工作流程需要結合多種方法來解決問題[10-11]，例如，除了上述常見的分析方法之外，非結構化數據處理、關聯關系分析、網絡挖掘（如輿情分析、觀點挖掘等）、實時分析及云計算等方法或技術都是企業進行CI分析的新挑戰[12]。此外，除了獲取公開信息來源之外，由社交媒體產生的社會化數據[13]，也引發了企業CI對競爭對手進行實時監控與分析的需求。總言之，從基本目的來看CI分析在大數據環境下的發展，會發現CI正從對現有競爭對手和外部環境進行分析以輔助企業保持競爭優勢，轉向對實時數據或信息進行快速分析響應，通過多種分析方法的結合做到知識發現以及構建適應外部環境的持續應變分析模式[14]，用來支持企業在競爭環境中做出高效精準決策。

2.2 商業管理領域

商業管理領域所涉及的情報分析是指“商務智能”（Business Intelligence，BI）或商業情報。BI通常被定義為由數據倉庫、ETL、聯機分析、數據挖掘、客戶關系管理、知識管理等多種技術融合而成的方法及系統，用來管理企業內的相關商業數據、專家信息及知識。不同于CI關注外部情報，BI針對企業內部的各種數據及信息進行分析，從而達到企業績效管理、客戶關系優化、監控商業活動等管理目的[15-16]。由此可見，BI是一種用來提高企業營銷管理能力的一套集成分析方法與系統，分析所得的情報被應用在解決客戶及產品的需求趨勢、潛在服務與產品的關系、銷售預測、營銷策略創新等問題。

從實踐角度看， BI的實施包括了輸入、流程及輸出等三個主要步驟：①輸入是指數據來源，BI的信息源是基于“數值型式”的業務數據、客戶相關數據、專家信息、檢索日志記錄等，或是企業內部現有數據倉庫的存儲內容。②流程是指數據處理與分析過程，在BI的實施過程中，利用ETL等技術方法將企業的各種業務數據導入數據倉庫、或是進行數據集成，并進行數據分析與挖掘，再將分析結果結合企業的戰略、運營、關鍵績效指標或模型庫等加以實踐應用，最終達到組織層次的商業績效管理、以及戰略層次的戰略規劃[17]。③輸出是指BI系統或平臺產生的各種情報產品，如產品銷售報表、客戶分析報表、產品定價方案、績效管理報表、財務報表等。從技術角度來看，Chen等人[18]認為BI分析經歷過三個演化階段：第一個階段是BI1.0，其技術基礎是結構化數據管理與數據倉庫;到了2000年的互聯網出現后，BI進入了BI2.0階段，即以網絡環境為主的商業情報分析，BI開始重視實時數據分析、集體智慧、觀點挖掘、關聯數據、網絡分析或文本挖掘等技術[19]，表明了基于企業內及結構化數據的情報分析已無法滿足決策要求了，而是需要結合更多的企業外部及非結構化數據，來挖掘用戶對企業業務開展、市場活動的想法;第三階段是BI3.0階段，它是在移動終端、RFID及情景感測等技術發展背景下產生的，對企業而言，如何高效處理這類移動性強、與位置相關、以人為中心、情境敏感的數據，將是BI分析的巨大挑戰。

大數據環境下，各種新型信息技術改變了企業的營銷決策與商業模式，也對BI的架構、功能和所要發揮的作用產生了巨大的影響。馮芷艷等人[20]從管理學角度提出大數據背景下現代企業商業管理研究的前沿課題，例如，企業應利用智能化技術等手段，挖掘提煉出社會化網絡環境中典型的行為模式、個性化行為，其中對新型數據源的實時清洗、實時挖掘、實時建模、實時輿情監測等都是值得發展的分析技術，同時，還要在精準性與實時分析之間尋求企業績效管理的平衡點。由此可以看出，企業的BI分析在大數據環境下，正從過去基于歷史數據的情報分析向“實時分析”（Real-Time Analysis）的方向轉變。具體來說，BI若要進行實時分析，必須先解決數據采集、數據分析、決策支持及信息反饋等環節中的滯后問題，Seufert及Schiefer等人[21]認為必須通過信息集成設施與商業環境集成來解決這些問題，包括以事件（Events）驅動機制替代周期性的批量處理方式來解決數據采集滯后的問題，利用聯機分析或數據挖掘來解決分析滯后的問題等等。此外，Lim等人[22]強調新型數據源對BI分析的影響，并指出現有的BI系統與大數據分析技術（如Hadoop、MapReduce）、文本挖掘（如從搜索引擎轉向企業搜索系統、從情感分析轉向觀點挖掘、從信息抽取轉向Q&A系統）、網絡分析（如鏈接挖掘、社區發現、社會化推薦）等技術進行整合，是最值得深入研究的內容。

2.3 生物醫學領域

生物醫學領域中的情報分析主要是指“生物醫學信息學”（Biomedical Informatics，BMI）[23]，它是由信息計量學、醫學信息學（Medical Informatics）與生物信息學（Bioinformatics）等多種學科融合而產生的新興領域，主要利用情報學、護理學、生物工程、統計學和計算機科學等領域的分析方法與技術來研究生物醫學問題，支持衛生保健、臨床實驗及醫學知識發現過程中的決策與服務。具體來說，BMI分析的基本目的在于了解生命的起源、進化、遺傳和發育的本質，通過相關分析方法或技術挖掘出潛藏在眾多生物信息數據庫中的新知識，輔助或直接開展基因組序列分析、基因進化分析、藥物設計、預測蛋白質分子結構與功能、基因區域預測及基因功能預測等工作[24-26]。

BMI的分析對象是生物醫學數據（Biomedical Data），包括患者的敘述性數據（如病征描述內容）、數據測量的文本數據、遺傳信息、記錄信號、圖紙或影像數據等[27]，這些素材除了可從綜合數據庫（如Web of Knowledge、Science Direct等）獲得之外，BMI領域的專業數據庫（如Genebank、EMBL、DDBJ、Swiss2Port等）、醫學中心或生物信息中心（如EBI、EMBL、NCBI、NIH等）也是主要的獲取渠道。由于生物醫學領域的數據復雜性，促使人們必須開發更新、更靈敏的計算機技術或算法來處理及分析生物醫學數據。從分析方法來看，BMI除了沿用生物醫學領域的專門分析方法（如序列對比、結構對比、功能對比預測等）之外，也借鑒了數據挖掘、文本挖掘、本體構建、知識發現等相關方法和技術[25][28-29]，借鑒相關領域的分析方法原因有二：一是幫助加快及改進生物計算分析效率，并降低人工分析及物力投入成本;二是解決遺傳語言中存在的語義鴻溝（Semantic Gap）、生物醫學本體構建及其概念分類與檢索等障礙。通過BMI分析所得到的情報產出有各種形式，如研究論文、特定主題分析報告、診斷報告書、基因表達圖譜等，其產出結果可用來解釋生命進化、人體生理與病理關系等現象，同時對疾病診斷、藥物研發或遺傳解碼等實踐應用提供了有效支持。

大數據環境下，數據分析及信息處理方法已經成為BMI分析的基礎工作，同時，大數據理念與方法，對BMI分析從“發現及關聯”轉向“組合及預測”、從系統層次的分析轉向分子層次的分析，起到了重大影響[28]。Miller[30]也認為BMI面對急速增加的生物醫學數據數量的問題，特別是下一世代的序列分析技術，將能解析出更多的基因序列，致使數據結構更加復雜化，因此需要在全基因組層面上開展多中心、大樣本、反復驗證的基因關聯研究（Genome-wide Association Studies），從而輔助科研人員對基因組或疾病做深入的科學探究。此外，BMI也開始關注生物醫學數據與網絡數據的結合，通過社會網絡分析、網絡分析或云計算等方法來鑒別、預測或追蹤藥物治療、不同地區人口的關注疾病等問題[31]。總言之，為了能支持上述BMI分析，分析前的預處理工作必須做到真正意義上的“整合”，即情報分析活動的第一步驟，對多源數據進行抽取、比對、清洗與轉換，從而提高及保證生物醫學多源數據融合的效率與質量。

2.4 政府治理領域

Web2.0與開放數據（Open Data）對政府治理產生了許多刺激作用，說明了公共數據（Public Data）開放對提高政府運作的透明度、治理效率及影響決策等的重要性。目前，政府治理領域所指的情報分析尚無公認定義，整體來說，更傾向通過“政府數據挖掘”（Government Data Mining，GDM），即通過對稅務、就業、執法、國家安全（如航空運輸、金融交易、監視等）等相關數據的深入挖掘，分離出潛藏在數據中的噪音及有價值的情報，用來提高政府治理的水平[32]。由此可見，GDM的基本目的是促進公共治理與解決社會服務問題，即強化數據-治理-服務三者之間的關聯關系，并涉及了信息公開與共享、信息增值與再利用、數據訪問與存取、數據保密、數據整合等研究課題。

GDM的分析對象是政府開放的公共數據，如，美國政府以數據共享及再利用為目標，建立了開放美國政府數據的Data.gov網站，對用戶提供多種數據集和輸出接口，以方便政府數據再利用及增值開發，并結合Data.gov與云計算，構建了面向美國所有政府部門的Apps.gov云服務門戶[33]。以美國Data.gov網站開放的數據類型為例，截至2014年7月5日，網站上共開放了110，875個數據集，涉及了企業、地球觀測、教育、地理空間等21類。從分析方法來看，數據挖掘是GDM的關鍵技術，常見如統計分析、分類、聚類、關聯規則、決策樹、神經網絡等。劉典文[34]梳理了數據挖掘在公共管理領域的各種應用，如通過孤立點分析找出詐欺行為的特征、通過聚類分析找出城市交通系統規劃及站點分布等，而電子政務、政府績效管理、公共危機管理等也是廣泛運用數據挖掘來找出更多有價值的情報。通過GDM分析得到的情報，可通過每月統計報表、問題解決方案、特定事件監測匯報等型式呈現結果，向決策者或管理者提供政府信息資源增值、信息孤島與社會服務問題解決、城市管理與監控等方面的治理支持。

大數據環境下，Yiu[35]認為大數據分析是改變政府治理與社會服務的重要方法或技術，它強化了跨部門之間的數據共享與關聯、支持組織學習與績效管理，并將管理顆粒度細化到個人，從而可廣泛地應用于各種政府服務管理，如實時信息管理、多源數據融合分析稅務詐欺、個性化服務、城市人口監控與預測等。為了解決部門條塊分割的管理碎片化及資源分配問題，陳美[36]認為可以通過建立集成各種交通數據的綜合多維交通信息體系，實現各種政府數據的綜合分析，快速解決交通事故、應對惡劣氣候對交通的不良影響、及時實施道路養護等等。王志軍[37]以北京石景山區的城市供水管網漏損應用示范點為例，以流量法、壓力法和噪音法分析該區的供水管網相關數據，找出漏損情況及匹配適合的檢漏方法，達到了精細化分析、智能化管理，并取得了節約耗能的效果。除了分析公共數據外，喻國明[38]利用數據挖掘及社會語義分析工具分析百度搜索詞，探討了中國社會的輿情現實的走勢與發展，發現社會民生、公共安全、衛生及環境生態是近年來中國社會輿論持續關注的基本問題，對于社會管理和社會協調有重要的啟示。由此可見，在大數據環境下GDM分析的發展重點在于，從公共數據或其他開放數據分析中，精準、及時掌握政府部門在各種社會服務中的運行規律，以及深刻察覺其中的治理問題，并提供以數據為支撐的決策情報與問題解決方案。

2.5 軍事情報領域

軍事情報（Military Intelligence，MI）是指是為了保障軍事斗爭，有目的地搜集敵方、我方、友方、中立方等相關方面的素材信息（包括公開信息、秘密信息、部隊及技術偵查情報、軍事戰備相關情報等），再經深入的綜合分析后得到的情報[39]。在這種情報分析中，特別強調要避免因忽視危機信號、過度過濾信息、信息交流不暢、情報政治化等因素造成的情報失察（Intelligence Failure）或情勢誤判[40]。也就是說，MI分析的基本目的在于情報保障及避免情報失察，其分析任務是面向國家安全的情報偵察探測、分析模擬、戰略研擬、決策參考等方面。

MI的分析對象依據不同標準而劃分不同類型，按真實程度可劃分真假情報;按性質可劃分軍事指揮、后勤、裝備等情報;按載體可劃分文字、聲像、實物等情報[40]。具體來說，MI是從公開與非公開數據源、軍事信息系統、衛星預警系統等各種渠道取得的基于“戰事局勢”的偵查情報、傳感數據、地理數據、照片、聲音、武器裝備等等相關素材。從分析方法來看，MI除了一般的基礎分析方法（如數學方法、文獻研究等）之外，情報素材鑒別方法（先期過濾工作）、作戰想定方法（基于軍事任務）、成果評估方法（確定軍事情報價值）都是體現軍事情報領域研究特點的專門分析方法[41]。經過MI分析得到的情報，可通過戰略分析評估報告、戰情模擬分析報告、特定目標監控報告等形式呈現內容，并支撐軍事情報單位的軍事斗爭準備，達到戰事情況監控、戰勝對手、及時預測客觀情況等各項目標。

大數據環境下，面對公開信息來源及新型網絡環境的數據過剩問題，情報人員沒有足夠時間篩選潛在的有價值情報[42]，例如，軍事情報單位得知可能在某日下午發動網絡攻擊，但這樣的情報量是不足夠的，必須具體知道何人、何時、何地及如何阻止他們，而該網絡恐怖事件即將發生，不允許情報人員花費時間分析該網絡攻擊的時間、地點與人物。又例如，2012年美國國防部高級研究計劃局推出XDATA項目，目的是開發大數據處理與分析相關的計算技術與開放源碼軟件，用來滿足國防軍事需求。但除了開發軟件工具包之外，項目更涉及了可拓展的分析與數據處理技術、可視化用戶界面技術、軟件集成研究及評價等等技術，將來可以具體應用在網絡科技、電子戰、電子防護、數據決策、大規模殺傷性武器防御、工程化彈性系統及監視偵察系統等[43]。上述例子說明，大數據環境給MI分析智能化帶來巨大的挑戰，研究的課題包括但不限于：信息情報的自動監控與關鍵信息的自動識別定位;不同來源的數據與同一事件的對應關系發現;非關鍵信息之間的隱藏關聯規則等等。

3 結語

本文梳理了競爭情報、商業管理、生物醫學、政府治理及軍事情報五個領域中情報分析的概念與實踐的特點，揭示了不同領域的情報分析的特征，以及大數據理念與技術對五個領域中的情報分析帶來的影響。為更加清楚起見，本文從基本目的、問題情景、研究任務、數據類型、數據來源、分析活動、分析技術、產出形式、結果價值以及大數據的影響等十個方面列出了不同領域情報分析的特征（見表1），期望能幫助我們更加清楚地認識情報分析的內涵和外延。

參考文獻：

[1]包昌火. 情報研究方法論[M]. 北京： 科學技術文獻出版社， 1990.

[2]Moore D T. Critical Thinking and Intelligence Analysis[M].Washington， D.C.： Joint Military Intelligence College，2010.

[3]陳峰. 競爭情報概念及相關因素分析[J]. 圖書情報知識，2003，（1）： 20-22.

[4]包昌火.加強競爭情報工作 提高我國企業競爭能力[J].中國信息導報，1998，（11）： 30-33.

[5]王知津. 競爭情報[M]. 北京： 科學技術文獻出版社， 2005.

[6]李正中，許蕾. 競爭情報行為的正當性與灰色信息收集方式的研究[J].情報學報，2000，19（1）： 77-81.

[7]利.基于要素細分的競爭情報四維分析框架[J]. 情報學報，2007，26（1）： 89-99.

[8]Bose R. Competitive intelligence process and tools for intelligence analysis[J].Industrial Management & Data Systems，2008，108（4）：510-528.

[9]包昌火，趙剛，黃英，等. 略論競爭情報的發展走向[J]. 情報學報，2004，23（3）：352-366.

[10]化柏林.網絡海量信息環境下的情報方法體系研究[J]. 情報理論與實踐，2012，35（11）：1-5.

[11]李廣建，楊林. 大數據視角下的情報研究與情報研究技術[J]. 圖書與情報，2012，（6）： 1-8.

[12]劉高勇，汪會玲，吳金紅. 大數據時代的競爭情報發展動向探析[J]. 圖書情報知識，2013，（2）：105-111.

[13]謝志航，冷洪霞，楊晶晶. 大數據背景下社會化媒體數據的情報價值探討[J]. 情報探索，2013，（10）：6-8.

[14]黃曉斌，鐘輝新. 基于大數據的企業競爭情報系統模型構建[J]. 情報雜志，2013，32（3）： 37-43.

[15]Negash S. Business intelligence[J]. Communications of the Association for Information Systems，2004，（13）：177-195.

[16]Ranjan J. Business Intelligence： Concepts， Components，Techniques and Benefits[J]. Journal of Theoretical and Applied Information Technology，2009，9（1）： 60-70.

[17]朱曉武. 商務智能的理論和應用研究綜述[J]. 計算機系統應用，2007，（1）： 114-117.

[18]Chen H C， Chiang R H L， Storey V C. Business Intelligence and Analytics： From Big Data to Big Impact[J]. MIS Quarterly，2012，36（4）：1165-1188.

[19]Trujillo J， Maté A. Business Intelligence 2.0： A General Overview[M].Aufaure M，Zimányi E，Springer Berlin Heidelberg，2012：96，98-116.

[20]馮芷艷，郭迅華，曾大軍，等. 大數據背景下商務管理研究若干前沿課題[J].管理科學學報，2013，16（1）： 1-9.

[21]Seufert A， Schiefer J. Enhanced business intelligence - supporting business processes with real-time business analytics： 16th International Workshop on Database and Expert Systems Applications[Z]. Copenhagen，Denmark： IEEE Computer Society， 2005.

[22]Lim E P， Chen H C， Chen G Q. Business Intelligence and Analytics： Research Directions[J]. ACM Transactions on Management Information Systems，2013，3（4）： 1-10.

[23]Bernstam E V， Smith J W， Johnson T R. What is biomedical informatics？[J]. Journal of Biomedical Informatics，2010，43（1）：104-110.

[24]黃科，曹家樹，吳秋云，等. 生物信息學[J].情報學報，2002， 21（4）： 491-496.

[25]陳銘. 后基因組時代的生物信息學[J]. 生物信息學， 2004，（2）：29-34.

[26]陳潤生. 當前生物信息學的重要研究任務[J]. 生物工程進展，1999，19（4）：11-14.

[27]Shortliffe E， Barnett G O. Biomedical Data： Their Acquisition，Storage，and Use[M].London：Springer， 2014：

39-66.

[28]Bellazzi R， Diomidous M， Sarkar I， et al. Data analysis and data mining current issues in biomedical informatics[J]. Methods of Information in Medicine， 2011，

50（6）： 536-544.

[29]Pardue J H， Gerthoffer W T. Knowledge acquisition， semantic text mining， and security risks in health and biomedical informatics[J]. World Journal of Biological

Chemistry，2012，（2）： 27-33.

[30]Miller K. Big Data Analytics in Biomedical Research[J]. Biomedical Computation Review，2012，（2）：14-21.

[31]Costa F F. Social networks， web-based tools and diseases： implications for biomedical research[J]. Drug Discovery Today，2013， 18（5-6）：272-281.

[32]Cate F H. Government data mining： The need for a legal framework[J]. Harvard Civil Rights-Civil Liberties Law Review，2008，43（2）：435-489.

[33]劉增明，賈一葦. 美國政府Data.gov和Apps.gov的經驗與啟示[J]. 電子政務，2011，（4）：90-95.

[34]劉典文.數據挖掘技術在公共管理領域的應用[J]. 行政論壇，2010， 17（2）： 42-46.

[35]Yiu C. The Big Data Opportunity： Making government faster， smarter and more personal[R]. London： Policy Exchange， 2012.

[36]陳美. 大數據在公共交通中的應用[J]. 圖書與情報， 2012，（6）： 22-28.

[37]王志軍.大數據時代下的城市供水管網漏損管理[J]. 中國科技產業，2014，（2）：74-75.

[38]喻國明. 大數據分析下的中國社會輿情：總體態勢與結構性特征[J]. 中國人民大學學報，2013，（5）： 2-9.

[39]周軍.試論軍事情報的概念[J].情報雜志，2004，（1）： 33-34.

[40]沈固朝. 情報失察――西方情報研究的重要課題及其對我們的啟示[J].圖書情報工作，2009，（2）：34-37.

[41]程立斌，林春應. 軍事情報研究方法體系探析[J]. 情報雜志，2007，（2）：87-89.

[42]Magnuson S. Defense， Intel Communities Wrestle With the Promise and Problems of 'Big Data' （UPDATED）[J/OL].[2014-08-20].https：///read/1G1-323351157/defense-intel-communities-wrestle-with-the-promise.