新技術環境下的智庫情報服務創新研究

黃曉斌 張明鑫

摘? ?要：隨著5G技術、區塊鏈技術、大數據、人工智能和物聯網等技術的發展，智庫機構積極借助新興信息技術創新情報工作流程和情報服務方法，對于提升智庫影響力和傳播力而言具有重要意義。文章探討了新技術的發展給傳統智庫機構帶來的挑戰，提出了新技術環境下的智庫情報服務創新體系，指出：①智庫應當積極應用大數據技術、物聯網技術和人工智能等新興信息技術，提升智庫的數據驅動發現情報研究需求的能力;②采用大數據技術挖掘分析海量數據資源;③利用專家系統提升決策的效率;④基于區塊鏈技術構建智庫信息資源協同與共享平臺;⑤借助移動互聯網和智能可穿戴設備為專家的研究活動提供支撐;⑥基于用戶畫像為用戶推送智庫研究成果等。

關鍵詞：智庫;情報服務;5G;區塊鏈;大數據;物聯網;人工智能

Abstract With the development of 5G， big data， AI， internet of things and block chain， innovation of the information services of think tank with the help of new technology is of great importance to improve the influence of think tank. This paper explores the challenges of think tank in the new technological environment and puts forward some new information services based on AI and other new technologies. These new information services are as follows： Think tank should ①actively apply emerging information technologies such as big data technology， Internet of things technology and artificial intelligence to improve their ability of data-driven discovery of information research needs;②extract and analyze massive data resources with big data technology;③use expert system to improve the efficiency of decision;④build the information resource collaboration and sharing platform of think tank based on block chain Technology;⑤support experts' research activities with mobile Internet and intelligent wearable devices; and ⑥push think tank research results for users based on user profile.

Key words think tank; information services; 5G; AI; big data; internet of things; block chain

1? ?引言

智庫，又稱“頭腦庫”或“智囊團”，在為黨和國家資政建言、引導社會輿論、提供情報信息服務和開啟民智等方面發揮了重要的作用。智庫的生命力在于其思想觀點的影響力，而智庫思想觀點的影響力來源于智庫思想觀點的傳播力[1]。因此，為了保持持續不斷的生命力并增強智庫機構的影響力，智庫機構需要不斷提升研究成果的質量水平，并積極借助各類信息傳播方式和研究成果發布平臺來傳播自身的研究成果。然而，隨著大數據、5G通訊、區塊鏈和人工智能等新興信息技術的發展，海量數據資源的非結構化和異構式分布、新媒體傳播方式的興起等均給傳統智庫的數據搜集、數據分析和研究成果的傳播與發布方式等帶來了挑戰。對于智庫機構而言，在新的技術環境下，為了保證研究成果的質量并提升研究成果的傳播力和影響力，智庫機構需要積極借助新興信息技術，整合傳統情報工作流程并創新情報服務方式，才能適應新技術環境所帶來的各種挑戰。

因此，智庫機構如何利用大數據思維與技術實現數據驅動的情報研究需求挖掘，將多源、海量、異構數據整合為智庫項目研究所需的資源，進而提高決策的質量和水平？如何通過物聯網技術為智庫研究專家提供基于情境感知的知識服務？如何利用人工智能技術建立專家系統，實現更加精準高效的問題求解和決策咨詢？為了回答以上問題，本研究探討了新技術環境下傳統智庫的情報工作流程與服務方式面臨的挑戰，并提出了新技術環境下智庫的情報服務創新對策，旨在為新技術環境下智庫機構的發展提供一定的參考和借鑒。

2? ?新興信息技術環境下傳統智庫情報服務面臨的挑戰

大數據、物聯網、人工智能、5G通訊以及區塊鏈等信息技術的迅速發展，深刻影響了智庫情報服務的資源環境和技術環境。從智庫情報研究的整個流程來看，新技術給智庫機構的需求識別、數據搜集、數據分析、政策研究、研究成果的發布宣傳以及信息資源共享等全過程均帶來了嚴峻的挑戰。

2.1? ? 數據驅動能力亟待提升

新技術環境下，智庫機構數據驅動挖掘情報研究需求的能力較弱。傳統智庫的情報研究需求主要來源于委托命題和自主選題[2]。委托命題是指政府在制定和頒布涉及社會公共利益的政策時，委托特定的智庫機構，就指定的研究題目展開調研、分析和評價，形成研究報告，為政府提供決策咨詢服務。自主選題是指智庫機構自主選擇相關研究課題，形成研究成果并向社會公眾進行宣傳。因此，傳統智庫在確定情報研究需求的過程中，更多依賴的是政府選題或智庫專家的個人經驗和對社會熱點的定性把握程度，缺少定量數據挖掘與分析的過程。

然而，隨著經濟社會的深入發展，涉及重大公共利益的社會熱點事件日趨復雜、瞬息萬變，僅依賴智庫專家的個人經驗難以準確深入地把握情報研究需求。而大數據技術等新興信息技術的出現，一方面使得基于大數據挖掘的智庫環境掃描以及智庫情報研究需求的識別成為可能，但另一方面也對智庫機構的數據驅動能力提出了挑戰。這表明，新技術環境下，智庫情報研究問題的確定，不僅需要智庫專家的智慧和經驗，同時也需要數據驅動過程的支撐。

2.2? ? ?面向更加復雜多樣的海量數據

隨著大數據和物聯網等技術的發展、海量的非結構化的數據資源，如各類型的文本、數值、音頻、視頻以及用戶生成內容等逐漸成為智庫情報研究的重要信息來源。與高度結構化和系統化的傳統文獻信息資源不同，大數據具有非結構化、時效性強、規模龐大和價值密度低等特點，因此如何對大數據進行整序并從中挖掘出有價值的信息成為了智庫情報研究過程中的重要挑戰。

2.3? ? 科研管理工具智能化水平較低

智庫專家從事的是腦力勞動，所產生的成果以思想觀點為主，而思想觀點的產生離不開各種科研管理工具，如文獻管理軟件EndNote、社會科學數據分析軟件SPSS和辦公軟件WPS等。目前智庫研究人員所使用的主要科研工具包括文獻數據庫（如WOS、CNKI）、辦公軟件（Word，Excel）和數據分析軟件（SPSS，Tableau）等[3]。然而，新技術環境下，海量的非結構化數據資源和智庫研究問題的復雜性等，均對傳統智庫的科研管理工具提出了更高的要求。由于傳統智庫科研管理工具處理的數據量較小、處理效率較低且較難實現多人協同處理和協同辦公的功能，在大數據、人工智能和物聯網等新興信息技術快速發展的背景下，提升智庫專家科研管理工具的智能化水平和數據處理效率，為智庫專家的研究過程提供智能化服務，是傳統智庫科研管理工具變革的重要方向。

2.4? ? 傳統智庫研究周期較長

智庫研究以特定領域的現實問題為導向，在信息搜集和信息分析的基礎之上形成科學結論，進而為重大公共問題制定方案和政策。然而，傳統智庫從研究問題的確定、信息搜集、信息分析到政策研究全過程的周期往往較長;隨著互聯網的不斷發展，新環境下的現實問題，尤其是網絡突發熱點事件等具有明顯的復雜性和時效性的特點。因此，只有積極借助新興信息技術，縮短智庫情報研究的周期并迅速形成解決方案與調控政策，才能更好地把握突發熱點事件發展動向、引導網絡輿論和加強社會調控。

2.5? ? 研究成果發布渠道單一

智庫的研究成果需要借助一定的傳播渠道和傳播平臺進行傳播，才能起到影響政府決策和社會服務的重要作用。智庫的研究成果主要通過主流媒體，如報紙發表專欄文章，出版專著圖書和接受電視采訪等方式進行傳播，其發布渠道較為單一，網絡影響力和傳播范圍有限。然而，隨著移動互聯網和5G通訊技術的發展，微博、微信和短視頻等新媒體傳播方式逐漸興起;與傳統的主流媒體傳播相比，新媒體傳播方式不僅傳播范圍更大、傳播影響力更強且傳播速度更快，而且在互動體驗上也明顯優于主流媒體。因此，新技術環境下，傳統智庫機構單一的傳播渠道一定程度上阻礙了智庫研究成果的傳播和擴散。

2.6? ? 信息資源協同共享能力較弱

智庫機構通過自建館藏或數據庫的形式實現對調研數據和項目研究成果數據的存儲和管理。然而，大數據的出現以及大數據技術的發展，使得單一智庫機構的數據存儲與管理能力在大數據時代下受到了嚴峻挑戰;同時，新環境下，涉及經濟、社會、科技領域和網絡空間安全的問題日趨復雜，跨智庫的交流與合作的重要性日益凸顯。因此，大數據環境下，加強智庫機構間的數據信息資源共享，進而實現智庫信息資源的分布式存儲與管理，對于促進智庫間的交流合作并積極應對大數據時代的挑戰而言，具有重要意義。

3? ?新技術環境下的智庫情報服務體系

新興信息技術在給智庫的情報服務方式帶來挑戰的同時，也為智庫機構的情報服務創新提供了機遇。本研究結合新技術環境下智庫情報服務面臨的各種挑戰，從智庫情報需求挖掘、數據搜集、數據分析、政策研究、成果發布與宣傳和信息資源共享的全過程出發，分別從技術層、資源層和業務層三個層次提出了新技術環境下的智庫情報服務體系（見圖1）。

3.1? ? 數據驅動的智庫情報研究需求挖掘

確定研究問題以及明確情報研究需求，是智庫研究的首要環節，也是影響后續智庫情報工作與情報服務的重要因素。傳統智庫情報研究問題的確定，更多依賴的是專家的經驗智慧和對社會熱點的定性把握程度，缺少數據挖掘和數據分析的支撐。隨著大數據和互聯網的不斷發展，互聯網上海量的數據信息資源成為了實時反映社情民意和社會發展動態的重要信息來源。如國家統計局的各類統計數據，為研究國家經濟、社會和文化發展現狀提供了數據支持;用戶在各類型社交媒體上所生成的評論、轉發和分享內容等，是研究網民觀點態度的重要基礎;專利數據庫是研究國家科學技術的發展狀況以及科技創新的重要工具。與此同時，物聯網所生成的數據資源，也為數據驅動的智庫情報需求挖掘提供了可能。物聯網技術的推廣和普及，使得安裝在不同實體上的傳感器能夠實時采集任何實體的位置、溫度和外形等信息，然后通過現代通訊技術的方式將信息傳輸到互聯網絡。物聯網技術使智庫機構能夠超越空間限制，實現對不同實體的智能化感知、識別和管理，從而減輕智庫研究人員實地調研走訪獲取數據的負擔。

大數據為數據驅動的智庫情報需求挖掘提供了數據來源，而大數據技術和人工智能技術等則為數據驅動的智庫情報需求挖掘奠定了技術基礎。借助于大數據采集技術、大數據過濾技術、大數據挖掘與分析技術和人工智能中的自然語言處理等技術，智庫機構通過建立輿情與大數據分析平臺的方式，實現對門戶網站、社交媒體UGC、新聞網站以及物聯網設備所生成的實時數據的自動爬取、自動采集、過濾和挖掘出情報研究需求的過程。與此同時，5G通訊技術能夠為數據的采集和傳輸提供更快的速率，一定程度上減少了數據傳輸過程中的延遲;同時，由于更快的數據傳輸和處理速率，智庫輿情與大數據分析平臺能夠實現實時并發處理多個數據采集任務，從而進一步提升智庫機構的大數據處理能力。

在大數據自動采集、自動過濾和自動分析的基礎之上，智庫機構實現了網絡輿情追蹤和社會熱點事件的挖掘，并結合大數據自動挖掘與分析的結果，提煉出研究問題和情報研究需求，最終實現數據驅動的智庫情報研究需求挖掘和識別。然后，根據情報研究需求的特點，從專家庫中挑選合適的智庫研究專家并進一步擬定研究方案，為后續的智庫研究奠定基礎。

3.2? ? 基于大數據技術的數據采集與分析

數據的采集與分析，是智庫情報研究的重要環節。傳統智庫的數據搜集來源主要有[4]：（1）調查數據。智庫研究員采用問卷調查、走訪、觀察和訪談等方式，深入了解社會公眾的現狀或者利益相關群體的訴求;（2）自建數據庫。智庫機構在長期的發展過程中，形成了大量的調查數據和項目數據;智庫通過自建數據庫的方式對機構自身的各類型數據和研究報告進行組織和整理，其內部數據也是智庫研究的重要信息來源;（3）商業數據庫。智庫機構與其他的數據庫商進行合作，購買的商業數據庫也是智庫研究的數據來源;（4）圖書館館藏文獻。圖書館的文獻信息資源為智庫研究提供了重要的信息來源。在數據搜集的方法上，主要依賴人工調查、手工檢索和圖書館的文獻傳遞等服務，數據搜集的效率低、速度慢且搜集所花費的時間成本和人力成本較大。

大數據技術，尤其是大數據采集和大數據挖掘等技術的發展，為智庫機構從互聯網上海量的數據信息資源中挖掘出與智庫研究相關的信息提供了可能。各類型的以文本、圖片、音頻和視頻等形式存在的網絡信息資源是智庫研究的重要信息來源;尤其是隨著社交媒體的不斷發展，網民所發布的評論和觀點等，即用戶生成內容（UGC）的挖掘與分析在網絡輿情監測和社會熱點事件挖掘方面扮演著十分重要的角色。借助于大數據采集和大數據挖掘技術，物聯網所形成的數據也將成為智庫情報研究中的重要數據來源，從而進一步拓寬智庫情報研究的數據搜集渠道。與此同時，借助于關聯規則、神經網絡和聚類算法等大數據挖掘算法，智庫機構能夠從搜集的海量數據信息資源中識別出數據之間的規律，形成針對特定事物的知識或者情報，進而為特定決策提供支撐。

如以蘭德公司為例，蘭德公司十分重視大數據技術在智庫研究過程中的重要作用，積極將大數據技術融入傳統的雙驅動參與型服務模式之中[5]。一方面，蘭德公司充分利用在長期情報研究過程中形成的各類型調查數據、項目數據和研究成果數據等自有數據資源或購買數據資源;另一方面，通過積極搭建大數據采集與分析平臺，利用大數據采集技術爬取網絡數據，并對數據資源進行篩選和整序，利用大數據平臺的元數據管理功能對所有的數據資源進行規范描述和統一管理。然后，使用關聯規則和神經網絡等大數據挖掘算法，從智庫數據庫中挖掘出有價值的信息，并以可視化的形式生成各類型的圖表，展示給客戶和社會公眾（見圖2）。

然而，在大數據采集和挖掘的過程中，需要重點關注以下關鍵環節：（1）數據脫敏（Data Masking）。大數據采集和基于物聯網技術獲取不同個體的實時傳感數據的過程中，或會產生一定的隱私安全問題。加強個人隱私保護，除了完善國家和企業的隱私法規或隱私政策以外，在隱私保護的技術層面，還可以使用數據脫敏技術來降低大數據挖掘過程中的隱私泄露風險。數據脫敏又被稱為數據變形，是指基于給定的規則，對敏感數據進行處理，使得具有相應權限的管理員或用戶才能獲取該敏感信息的一種保護機制[6];（2）數據安全。大數據中存在的非法信息、有害信息或干擾信息等，是影響數據質量的重要因素;同時，大數據傳輸過程中的數據傳輸安全也是影響大數據采集和大數據挖掘的關鍵環節。因此，提升智庫情報數據搜集過程中的數據安全性，一方面需要借助于大數據過濾技術，自動識別和剔除非法信息或有害信息，另一方面需要使用加密傳輸等技術，提高數據傳輸過程的安全系數;（3）數據整序。大數據具有數據規模龐大和數據類型復雜多樣等特點，而基于元數據的大數據管理，能夠實現對復雜多樣的海量數據的統一描述、管理與控制，從而實現對不同類型和格式的大數據的有效管理。

3.3? ? 基于人工智能的專家系統

智庫機構借助于大數據技術所形成的針對特定事物或社會現象的知識與情報，是智庫政策研究的重要基礎。大數據挖掘與分析技術側重于從海量的數據信息資源中挖掘出數據之間的內在規律和聯系，強調從數據呈現的規律中分析事物現狀、挖掘對象之間的相關關系或因果關系，并基于已有的數據規律預測事物未來的發展趨勢。因此，大數據挖掘技術著重解決的是“是什么”以及“為什么”的問題，而智庫研究的核心在于形成研究政策或方案，為主體的決策提供政策支持或方案，即側重于解決“怎么做”的問題。傳統智庫機構的政策研究過程主要依賴于專家的智慧與經驗;從獲得數據、分析數據再到政策研究和形成方案，往往需要較長的研究周期。

人工智能技術和決策支持系統等技術的發展，使得由計算機模擬人類專家決策的過程成為了可能。基于人工智能的專家系統，匯聚了某領域專家提供的經驗與知識，建立知識庫和規則庫，借助該領域專家提供的經驗與知識對特定問題進行推理和判斷，從而實現模擬專家決策的過程[7]。可見，專家系統是一種模擬人類專家解決領域復雜問題的計算機程序系統（簡化版專家系統見圖3）。簡言之，這一系統主要包括知識庫和推理機兩部分，知識庫匯聚了領域內的專家的經驗與知識，而推理機則負責結合專家的知識對現有問題做出判斷和決策。

專家系統一共經歷了5個發展階段，包括基于規則的專家系統、基于框架的專家系統、基于案例的專家系統、基于模型的專家系統和基于網絡的專家系統。其中，基于規則的專家系統需要真正的權威專家參與討論推理規則，能夠較好地模擬領域內專家的推理與判斷的過程，因此基于規則的專家系統是目前使用較為廣泛的一種專家系統[8]。運用基于規則的專家系統的構建思路，構建智庫專家系統（見圖4）。

智庫專家系統主要包括情報參數輸入模塊、知識獲取模塊、知識管理模塊、知識庫、推理機、解釋機和人機界面等組成部分。情報參數輸入模塊負責將大數據挖掘與分析所獲得情報數據進行匯總，并輸入到專家系統之中;知識獲取模塊與知識管理模塊負責對領域內專家的經驗與知識進行搜集、完善、修改、整理和組織;知識庫存放的是經過規范化整理專家的經驗與知識;推理機按照一定的規則和算法，利用知識庫的經驗、知識與規則，對問題進行計算和求解;解釋機負責對推理過程和結果進行說明。運用專家系統對獲取的知識或情報進行推理和判斷，獲得決策結果之后，以文字或圖表的形式呈現至人機界面，交給智庫研究專家進行審閱，結合專家的智慧與經驗，對決策結果的合理性、科學性和可行性等進行評估，最終獲得解決方案并由相關專家撰寫研究成果。

因此，與傳統的智庫研究專家的決策支持和政策研究過程相比，使用基于人工智能的專家決策支持系統，一定程度上能夠提升專家決策支持的效率，縮短政策研究的周期，從而使得智庫政策研究成果能夠迅速響應社會需求。

3.4? ? 基于移動互聯網和智能可穿戴設備的研究過程支持

專家系統對情報參數進行推理和計算之后，所得到的結果需要進一步結合專家的智慧與經驗，形成智庫研究成果。智庫專家在形成研究成果的過程中，往往需要一定的科研管理工具或研究輔助工具，用于支持研究過程。新技術環境下，智庫科研管理工具不僅需要具備基本的辦公軟件功能，同時還需要具有較好的協同處理能力、數據處理能力和針對專家研究過程的智慧服務。隨著移動互聯網和物聯網等技術的發展，智能可穿戴設備和移動互聯網深度融合，結合專家個人數據和專家日常研究過程中的外在環境數據，使得為專家的研究活動提供支撐成為可能。新技術環境下，將移動互聯網和智能可穿戴設備融入專家的智庫研究過程之中，有利于提升專家研究過程的效率和智能化水平。

使用手機、便攜式電腦等移動終端設備和智能手表等可穿戴設備，搜集專家的人口特征數據、研究成果數據以及智能穿戴設備采集的情景數據，利用無線網絡傳輸的方式進行加密傳輸，為專家的研究過程提供基于情景和具有較強針對性的服務：

（1）移動協同辦公。移動互聯網環境下，智庫專家使用各類型的移動終端設備實現與其他智庫研究專家的協同互動，包括：①即時通訊。通過移動應用APP提供的專家即時通訊功能，專家與專家之間可以及時就智庫研究過程中的問題進行交流與溝通，提升研究過程的效率和時效性;②協同辦公。智庫研究專家可以借助平臺提供的多人協同辦公等功能，實現專家與專家之間的協同辦公，提升智庫研究的效率和質量;③群組研討與視頻會議。除此之外，智庫專家還可以借助于平臺的群組討論功能和多人視頻會議功能，使得智庫研究的過程不再受到時空限制。

（2）智能推送。與此同時，借助于各類型的智能可穿戴設備，如智能眼鏡和智能手表等，搜集專家研究過程中的頁面注視軌跡，抓取關鍵頁面內容等信息，并結合專家的個人數據（如近期研究方向、研究動態），為專家提供具有針對性的信息資源服務，滿足專家的研究需求，一定程度上有利于提升服務的個性化和智能化水平。

（3）數據采集記錄。借助于各類型的可穿戴設備，如智能手表、智能眼鏡和智能手環，對專家實地調研走訪以及研究過程中的圖片、視頻和音頻等信息進行實時采集和記錄。同時，智能可穿戴設備本身具備移動存儲的能力，能夠暫時對重要數據進行保存，從而提升了專家研究活動過程中數據搜集與數據保存的能力。

（4）跨媒體數據共享。手機等移動終端和不同可穿戴設備之間支持跨媒體的數據共享和格式轉換，從而實現研究數據的跨媒體備份，大大增強了數據保存的安全性，同時也為專家的研究活動提供了便利。

（5）云存儲與計算服務。各類型的移動終端支持云端存儲，專家可以隨時借助無線網絡將可穿戴設備中存儲的數據通過無線傳輸的方式上傳至云端，同時也能夠隨時下載云端存儲的數據;同時支持通過移動終端的方式調用云端的數據挖掘與分析功能，無需在本地進行數據分析與挖掘，從而減輕了移動端運行的負擔。

（6）虛擬投影。通過無線網絡接入移動互聯網，智能手表和智能眼鏡等可穿戴設備能夠提供全息視頻通話、界面投影和虛擬鍵盤等虛擬投影功能，從而使得專家隨時隨地均能借助智能穿戴設備的投影功能展示觀點和研究成果。

3.5? ? 基于區塊鏈技術的信息資源協同與共享平臺

新技術環境下，建立智庫研究成果協同與共享平臺，加強智庫研究成果的聚合與共享，是促進智庫機構間的合作與交流并積極應對新技術環境下的各種挑戰的重要方式。智庫機構之間通過建立一個具有接入、存儲、管理和共享功能的跨地域、跨系統的信息資源聚合與共享平臺，將智庫機構長期發展過程中形成的項目數據、研究成果以及其他信息資源等進行匯聚和整合，從而實現智庫間的資源聚合和服務共享。然而，不同機構個體之間的信息資源共享實踐中，往往存在著數據格式不一致、相互信任困難、數據可追溯性差、數據安全風險系數高、數據交換滯后和資源共享服務協同性較差等問題[9]。隨著區塊鏈技術的不斷發展，其在信息資源存儲與信息資源共享等領域的應用前景逐漸受到了一部分學者的重視，為解決傳統智庫信息資源協同與共享平臺建設過程中的諸多問題提供了契機。區塊鏈技術所特有的安全可靠和可追溯性等特點，能夠有效解決信息資源協同共享過程中存在的信任困難和數據安全性較差等問題，同時，區塊鏈中的所有參與者均具有平等的地位，其去中心化的特點實現了真正意義上的信息資源共建共享，從而有利于提升智庫機構之間的協同共享能力，促進機構之間的交流合作。

運用區塊鏈技術搭建智庫信息資源協同與共享平臺，首先，基于區塊鏈技術的基本思想，在平臺的技術架構上，主要包括網絡層、數據層、共識層、合約層和應用層5個層次。（1）網絡層：區塊鏈網絡系統采用P2P網絡來組織系統中的每個節點，保證每個節點都以平等地位相互連接，共同具有維護和管理整個網絡系統的職責，從而使得系統呈現去中心化和開放式的特點;（2）數據層：區塊鏈網絡中的數據區塊由區塊頭和區塊兩部分構成，區塊頭包括上一區塊的Hash值、難度目標和隨機數等，區塊部分起存儲數據的作用;各個區塊按照生成的時間先后順序串聯起來，進而形成了鏈式數據結構;（3）共識層：共識層采用Pow和Pos等多種共識機制，在生成節點或更新數據的過程中保證節點數據的有效性和節點的安全性，從而能夠在分布式系統中就節點數據的驗證等方面迅速達成共識[10];（4）合約層：合約層封裝區塊鏈系統的各類腳本代碼、算法 以及由此生成的更為復雜的智能合約[10]。通過使用智能合約技術，實現區塊鏈系統的自動運行和任務處理，進而使得區塊鏈系統能夠適用于宏觀金融和復雜社會系統平臺的構建;（5）應用層：基于底層的區塊鏈關鍵技術，針對不同的需求和目標，實現不同的功能，如資源共享、分布式存儲和賬戶管理等。

在智庫信息資源協同與共享平臺的功能架構上，各個智庫機構之間按照區塊鏈的公有鏈組織模式進行組織，即在該系統中無官方管理機構和中心服務器，各個智庫機構按照系統規則自由接入網絡并基于共識機制開展工作。然后，基于區塊鏈底層的技術架構，構建出6個核心的應用系統，包括注冊管理系統、資源管理系統、資源存儲系統、資源服務系統、資源傳輸系統和資源安全系統。6個核心的應用系統為機構用戶提供機構認證、智庫業務協同、機構資源共享和資源分布式存儲等功能，為個人用戶提供資源發現、資源統一檢索、信息資源聚合和訂閱推送等服務。

3.6? ? 基于用戶畫像的個性化推薦服務

通過建立智庫信息資源聚合與共享平臺，智庫機構實現了不同類型智庫研究成果的聚合，同時也為社會公眾提供了一個獲取和利用智庫機構最新成果的重要渠道。然而，新技術環境下，為了增強智庫機構的傳播力和影響力，智庫更應當借助各種研究成果發布渠道，主動開展個性化的推送服務，向社會公眾推送更具精準性和形式多樣性的研究成果。

傳統智庫注重建立研究成果的發布與展示平臺，用于定期更新和宣傳機構最新的研究成果和研究動態，其信息傳遞模式具有明顯的多向被動式傳遞的特征，且較少根據某一類型用戶的特征，為其提供個性化的信息服務。隨著各類型新媒體傳播方式的興起以及社交媒體的普及和推廣，互聯網上海量的用戶生成內容為智庫機構挖掘和識別用戶的興趣、愛好和行為習慣等，并根據用戶的個性化特征為其提供精準的信息服務奠定了基礎。

首先，智庫機構借助于大數據技術，從海量的社交媒體數據中搜集與用戶有關的動態數據與靜態數據。其中，靜態數據是指用戶相對穩定的信息，主要包括人口屬性等方面數據，如性別、年齡和地域等;動態數據是指用戶不斷變化的行為數據，即用戶在互聯網上的行為操作對應的數據，包括瀏覽、點擊和下載等。其次，采用特定的聚類算法、關聯規則和神經網絡等大數據挖掘算法，發現數據背后的用戶規律，并基于數據背后的規律構建出核心用戶或目標用戶的畫像，包括用戶的主要人口屬性、任務屬性和信息需求等。最后，基于用戶建模構建的用戶畫像，智庫機構可以進一步根據目標用戶的個性化需求特征，對研究成果聚合平臺中的信息資源進行編輯加工，采用可視化效果強、易理解和易傳播的形式展現研究成果，并借助于個性化推薦算法將研究成果推送至目標用戶的使用場景之中，使得研究成果從內容到形式上，均契合目標用戶的個性化需求特征。

4? ?結語

新的技術不僅為智庫的發展帶來了挑戰，同時也為智庫機構的創新帶來了機遇，智庫機構如何抓住新興信息技術帶來的機遇并化解挑戰，將成為未來智庫機構需要重點關注的問題。本研究首先探討了大數據、人工智能、物聯網和5G通訊技術等新興信息技術的發展給智庫情報工作流程和情報服務帶來的挑戰，提出新技術環境下，傳統智庫存在著數據驅動發現情報研究需求的能力較弱等問題;然后從技術層、業務層和資源層三個層次，提出了新技術環境下的智庫情報服務創新對策，強調智庫機構應當集中整合新興信息技術，創新智庫情報工作流程和情報服務方法以適應新技術環境下的各種挑戰。新技術環境下，為了增強智庫的生命力和研究成果的影響力，智庫機構需要在確定情報研究需求、數據搜集、數據分析、政策研究、研究成果發布與宣傳和信息資源共享的全過程融合新興信息技術，創新情報服務，尤其需要加強信息資源聚合與共享平臺建設和個性化推薦服務建設，努力提升智庫研究成果的易理解性和可讀性，創新智庫研究成果呈現方式和傳播方式等。