时间： 11月25日（周二）下午14:00-15:30

地点：国家治理大数据和人工智能创新平台（教一1301）大研讨室

主讲人简介

霍朝光

副教授，硕士研究生导师，中国人民大学图书馆副馆长(挂职)，中国人民大学“杰出学者”青年学者，青年情报科学家奖获得者，中国人民大学数字人文研究院、智能信息分析中心、人工智能治理研究院等研究员，在IP&M、Physica A、中国图书馆学报、情报学报等SSCI/CSSCI期刊发表论文60余篇，出版学术专著2部，主持国家自然科学基金面上项目、青年项目等，参与国家自科重点支持项目、国家社科重大与重点项目等10余项，担任国家自然科学基金委管理科学部、教育部全国研究生教育评估等通讯评审专家，以及IP&M、情报学报、管理学报等二十余本期刊通讯评审专家，主要从事科技情报、政策信息学、大模型与图机器学习等研究。

内容概要

凡事预则立，不预则废。如何基于海量科学文献数据，建模量化表征科学的演化模式以及科研行为的演化规律，预估科学未来发展趋势及创新路径，为学者开展新的或跨学科研究提供推荐指导，已经成为现代科学攻关和全球科研竞技的重要命题。在科学复杂系统理论和万物皆可“图”思想的指导下，着重从科学影响力预测、科学行为预测、学科主题预测三个方面构建科学预测内容理论体系、方法思路、模型算法、数据特征等，以及相应的跨学科主题链路预测模型、学者跨学科合作推荐模型、跨学科引文推荐方法、学者跨学科选题推荐模型等以及相关实证探索。

与此同时，在大数据时代，对海量的政策文本进行深度挖掘和有效利用是政策信息学攻关的重要方向。鉴于传统的方法主要依靠人工阅读和分析，不仅智能化水平有限、效率较低、成本较高，而且难以全面覆盖和深入理解庞大的文本内容，本团队构建了政策工具自动分类方法、政策渊源类别体系和提取方法、政策反讽评论自动识别方法、政策PMC自动评价方法等，并通过增量训练+有监督微调等训练方式，依据团队多年累积的40多万份中央政策文件标注数据，训练了政策大模型（PolicyLLM）。