开展面向情报任务的提示素养能力与培育路径研究，旨在提升生成式AI环境下的人机协同效率。

从情报学视角界定提示素养概念，提出涵盖任务分解与提示适配、提示设计与策略优化、提示合规、生成核实与评估、交互反馈与提示迭代的五维能力框架，并据此设计包括认知基础、实践转化、技能强化、反馈优化四个阶段的培育路径。

五维能力在情报思维的指导下形成闭环，四阶段实现从认知到内化的递进，有助于培养适应人工智能时代的复合型情报人才。

学术话语权是国家文化软实力的重要体现，研究学者学术话语权，丰富和完善学者学术话语权评价理论和指标体系，有助于国家学术话语权提升。

本文融合传统文献指标与Altmetrics指标，构建学者学术话语权综合评价体系。以Web of Science基因编辑领域数据为例，从学者学术话语影响力和社交话语引导力两维度出发，采用集成因子分析、熵权法、TOPSIS及二维评价法等方法进行实证分析。

研究表明，融合Altmetrics指标的综合评价体系具有一定的可信性，其中“篇均被引”和“Patent Mentions”是影响学者学术话语权的关键指标，且社交媒体和百度百科等传播平台能有效提高学者学术话语权。

多主体协同参与是构建安全可信的生成式人工智能服务生态的关键。本文通过探究GAI服务用户隐私保护情景中相关主体策略行为与影响因素，拓宽了随机演化博弈理论的研究情景，加深了对GAI服务用户隐私泄露动态机制的理解，丰富了GAI隐私保护领域的理论与方法，并为推动GAI服务用户隐私保护实践提供了启示。

基于演化博弈理论及随机过程，构造时变用户隐私泄露风险函数，构建具有GAI服务场景特殊性的“用户—GAI服务提供者—政府”三方随机演化博弈模型，借鉴Itô随机微分方程理论和数值仿真分析三方主体行为策略的稳定性和演化规律。

研究发现：①三方初始意愿影响后续系统演化方向和演化速度，且仅在用户和政府均持有较高初始意愿时，GAI服务提供者才可能选择积极保护策略并使系统演化至理想状态。②随机扰动强度越大，三方博弈主体演化至稳定策略的波动性和不确定性越高，且GAI服务提供者对不确定因素更为敏感。③GAI服务市场优胜者和市场参与者均能在三方高初始意愿条件下收敛至理想状态的稳定策略，而市场生存者难以演化至理想状态；相较于通用型GAI服务提供者，垂直型GAI服务提供者策略具有更快的正向收敛速度。④政府增加对GAI服务提供者的罚金并提供适中奖励，会提高其积极保护隐私概率，进而降低其泄露隐私概率，而政府降低对用户不实举报惩罚力度，虽可提升用户披露隐私概率，但若对服务提供者的罚金过低，则无法促使其采取积极保护策略；政府增加用户维权赔偿或减少维权成本，均能推动其积极披露隐私。

针对北洋政府文书资源因语言复杂性、多样性及标注数据缺乏导致的命名实体识别难题，本文提出一种适应低资源场景基于大语言模型的命名实体识别框架，为近代历史文献的结构化挖掘与知识重组提供方法支撑。

该框架融合检索增强生成与高效参数微调，利用Faiss向量检索构建上下文样例动态选取机制，通过LoRA策略对大语言模型进行领域知识注入。最后，在自建语料库上，系统评估深度学习基准模型与不同采样策略下的大语言模型性能。

结果表明，结合相似度样例选择与LoRA微调的Qwen3-4B模型效果最优，总体F1值达0.857，实现对北洋政府文书的精准实体识别，验证了大模型在低资源历史文书处理中的实用性与可扩展性。

针对本草典籍知识图谱实体对齐任务中图谱异构、术语易混淆及高质量标注稀缺等挑战，提出融合生成对抗网络与模糊语义辨识的实体对齐模型GAFL-Align，旨在实现多源知识自动化融合。

该模型通过BERT与图注意力网络融合实体语义与拓扑结构，利用生成对抗网络进行领域自适应以消除异构引发的特征分布差异，采用模糊边界负采样策略强化对易混淆术语的细粒度辨识，并结合迭代自训练机制利用高置信度结果扩充样本，有效降低对人工标注的依赖。

实验表明，该模型在自建数据集上的核心指标均优于基线方法。在此基础上构建的多源融合图谱实现了典籍间知识的互补与增值，为本草典籍知识自动化融合提供了有力的技术支撑。

老年人的老化感知对促进其心理健康与主观幸福感具有重要意义，从人智交互情境中拟物化示能性设计的表征与操作双维度，探究其对老化感知的调节效应，为提升科技适老及构建认知友好的智能体提供理论支撑。

采用2（表征层面拟物化：类机器外形/类动物外形）×2（操作层面拟物化：灯光反馈交互/眨眼反馈交互）两因素组间设计实验，考察表征与操作双维度拟物化示能性对老年人老化感知的影响，以及掌控感和自我效能感在其中的链式中介作用机制。

类动物外形的监控设备显著提升老年人老化感知水平，配合眨眼反馈交互效果最佳；掌控感和自我效能感在拟物化表征与操作组合和老化感知间发挥链式中介作用；操作与表征一致性可降低老年人认知成本，提升交互体验。揭示了拟物化示能性对老年用户认知适配的优势，为人智交互中的适老化设计提供了表征与操作的双维度设计启示。研究发现的链式中介机制丰富了人智交互影响老化感知的理论框架。

通过多元主题关联关系挖掘技术主题间潜在关系，融合多元关系补充潜在信息，挖掘前沿交叉技术主题演化潜在路径。

基于专利技术引文与合作关系，提出技术主题强化关系与新增关系，利用熵权法融合多元关系，结合主题聚类与相似度计算，测度技术路径强弱关系，识别技术主题演化路径。

以“石墨烯传感”领域进行实证，识别出包含生物分子分离纯化与感测、葡萄糖检测与控制、光电化学传感等技术主题的3条潜在主路径，验证了本文方法的有效性与可行性。研究表明，多元关系融合利用对主题演化研究具有较好补充效果；主题词可在语义层面反映出主题间关系走向；技术主题间弱关系的增叠有助于挖掘技术主题演化潜在主路径。

本研究旨在揭示综述论文的潜在同行评议功能，深化其在学术传播与科研评价中的作用认识。

首先回顾了相关文献中关于综述论文引用行为的研究，重点关注综述论文可能具有的“筛选性引用”倾向。其次，基于Web of Science数据库，选取天体物理学、计算机科学理论与方法及重症监护学3个领域2000—2002年发表的40 436篇论文，选取被综述引用频次、首次及末次引用时间等变量，并结合多项控制因素，采用负二项回归分析综述引用特征与论文学术影响的关系。

结果显示，被综述引用的论文被引频次显著更高，且引用次数越多、首次引用时间越早、引用持续时间越长，其学术表现越佳。综述引用不仅体现了知识整合功能，也发挥了类似同行评议的隐性筛选作用，为构建多元化科研评价指标提供了新视角。

科学问题是科学研究的起点，决定了科学研究的深度、广度及其影响。探索一种从海量的科技文献中自动生成科学问题的方法对提高科研选题效率具有重要意义。

本文提出了一种利用大语言模型从科技文献中自动生成科学问题的方法（AGMSQ）。首先，将科学问题划分为描述性、解释性、方法性、评价性和规范性五类；其次，根据科学问题的类型和结构，设计输入要素组合，由“未来工作句子”（FWS）中提取的关键要素三元组和领域扩展搜索主题构成；最后，利用参数微调的大语言模型ChatGPT-4、ChatGPT-3.5、Claude3 Sonnet和Gemini Pro根据输入要素组合生成科学问题。

利用自然语言处理领域的FWS数据集进行方法性问题的生成，根据专家评估的结果，模型生成的科学问题在清晰度、原创性、可行性、价值上均有良好的表现，其中Claude3 Sonnet生成效果最好。研究证明了大语言模型在科学问题生成方面的能力，为科学问题自动生成的研究提供了新思路。

从新兴研究主题早期特征和弱信号的特性出发，通过多源数据的弱信号分析方法实现新兴研究主题的早期识别。

首先，采用专利、临床、新闻和论文四类数据，利用BERTopic模型获取主题，构建新兴度综合指标识别新兴研究主题；其次，基于主题可见度和主题扩散度，构建主题涌现图、主题分配图，识别弱信号新兴研究主题，并在多源数据交叉验证下，测度其潜在影响力；最后，使用干细胞领域开展实证分析。

实证发现，本文识别的弱信号新兴研究主题较其他类型主题更符合权威报告、权威期刊论文、专业学术指南的技术方向，具有较强的跨领域影响力。本文构建的基于多源数据弱信号分析的早期新兴研究主题识别方法，可以实现新兴研究主题的早期识别，且通过多源数据整合提升了识别的准确性与覆盖度。