前言：尋找寫作靈感？中文期刊網用心挑選的學術期刊的數字化傳播，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

人工智能(ArtificialIntelligence)是研究、開發用于模擬、延伸和擴展人的智能行為的綜合性學科［1］。人工智能正在改變數字媒介，為學術期刊的數字化傳播帶來新的知識譜系和更富個性化的內容，并使得跨平臺共享成為可能，其優勢主要是信息與受眾間圍繞信息內涵和外延的交互性增強。人工智能技術有助于解決中國學術期刊在傳播過程中普遍存在的受眾定位不清、傳播形式缺乏吸引力、與受眾互動不足、用戶黏性和活躍度較低等問題。學界對人工智能技術在學術期刊傳播中的應用已有初步探討。主流的研究視角是概述性地討論人工智能在期刊傳播中的作用，例如:劉闖［2］指出人工智能可以積極分析用戶需求，通過對用戶靜態/動態屬性的分析構建知識圖譜，從而優化用戶瀏覽效果;陳鴻等［3］指出人工智能對期刊發展可起到政治支持、技術支持、觀念支持和行為支持的作用;向颯［4］指出人工智能可加速學術出版的流程再造，實現選題策劃便捷化、生產印刷按需化、營銷發行精準化和知識服務智能化等愿景。部分學者分析了人工智能在期刊傳播中的應用困境，如范軍等［5］和劉平等［6］認為阻礙人工智能與出版業融合的關鍵因素有弱智能限制出版自動化、專業出版人才建設乏力、版權和責任風險大、生產方式觸及倫理法律邊界。還有學者分析了人工智能時代期刊傳播的發展趨勢，如張耀銘［7］指出建設國家級數字化學術傳播平臺是學術期刊傳播轉型的關鍵進路。海外學者的研究以2010年為界，此前的研究聚焦于知識管理和專家系統，以對基礎理論和概念的探討為主，此后更多關注集群優化算法。在人工智能領域論文的數量上，美國是主力軍，中國位居第二，印度和歐洲國家緊跟其后［8］，全球人工智能研究排名前10的國家占該領域全球出版份額的74．32%［9］。Wade等［10］指出通過人機交互所發現的用戶意圖，能讓學術服務商更深入地了解研究人員在尋找什么;學術出版商可使用學術知識API(AcademicKnowledgeAPIs)來理解學術用戶搜索的內容，并從微軟學術圖(MicrosoftAcademicGraph)軟件中發掘更多相關信息。他們同時指出，由于技術過于復雜且靈活性不足，語義Web方法(SemanticWebapproach)發展緩慢。總體來看，學界對人工智能在學術期刊傳播中的應用已從理論和實踐方面展開了探討，但仍存在以下不足:(1)大部分研究是概述性地討論人工智能對出版業態整體的影響，而專門探討人工智能應用于學術期刊傳播的研究很欠缺;(2)在少有的探討人工智能與學術期刊傳播融合的研究中，鮮有學者提出流程如何嵌合、平臺如何運行的系統性設想;(3)幾乎沒有學者結合我國的具體案例，剖析人工智能在學術期刊傳播中應用的難點和對策。本研究基于人工智能在出版業應用的現狀，解析人工智能在中國學術期刊傳播中應用的優勢和存在的問題，勾勒基于人工智能技術的中國學術期刊傳播平臺，并結合方正出版大數據平臺，探討本研究設想的平臺的創新性、可能遇到的瓶頸和對策，以期填補當前學界同類研究較少的空缺。

1人工智能應用于學術期刊傳播的現狀與問題

學術期刊的數字化傳播能掌握受眾特征，將傳播主體與受眾匹配，增強傳播效果。當前，中國學術期刊傳播中需解決的關鍵問題即提升傳播效果。

1．1人工智能在學術期刊傳播中應用的現狀

在學術期刊出版領域，人工智能已開始發揮重要作用，主要表現在4個方面。(1)辨別洗稿式論文抄襲。例如，對于形容詞替換、語序調換等修改語句類的抄襲，可利用自然語言處理技術(NaturalLanguageProcessing)識別近義詞，并基于時間遞歸神經網絡技術(LongShort-TermMemory)的記憶特征，識別被改動的語句結構。(2)發掘學術資源和潛在審稿專家。如，美國非盈利機構泰德(TED)旗下的話題分析工具彩虹人工智能(iRis．AI)，通過對用戶輸入的語段或論文摘要進行機器學習(MachineLearning)，從中提取包含語義背景的關鍵詞，并基于此為用戶推薦與被檢索話題高度相關的資訊和論文。(3)辨別論文數據的可信度，輔助編輯制訂用稿決策。如，通過掃描論文的關鍵信息點(實驗環境、統計方法等)，甄別數據篡改的可能。(4)通過算法自動向潛在讀者推送學術資源。如，國際學術出版推廣工具趨勢(TrendMD)能實現論文跨平臺自動推薦，不僅增強了期刊的顯示度，還能精準定位目標讀者群，已被愛思唯爾(Elsevier)、電氣和電子工程師協會(InstituteofElectricalandElectronicsEngineers，IEEE)等采用。具體到學術期刊傳播流程，許多國際出版集團已實現與人工智能技術的融合。如，施普林格－自然(SpringerNature)的關聯開放數據平臺科研圖譜(SciGraph)借助NPG本體(NPGOntologies)進行語義建模，通過數據融合、知識發現、內容計算和語義圖形數據集，提升論文在傳播過程中的可獲得性，為編輯、學者、會議組織者提供知識服務和數據工具［11］;愛思唯爾收購了伯克利電子出版社(Bepress)的標志性產品———基于云的機構存儲庫平臺數字共享(DigitalCommons)，該平臺具備提供存儲庫、元數據結構、訪問接口和跨機構聚合與發現等功能，有助于愛思唯爾掌握更多論文引證、論文傳播效果方面的數據［12］。部分中國出版商也已運用人工智能技術提升學術期刊的傳播效果。如，世紀超星公司推出的域出版平臺，它具備學術期刊數據庫搭建、移動出版、社交共享等功能，能通過智能畫像了解用戶特征，用算法實現動態精準推送，通過智能社交增強用戶間的聯系［13］。

1．2人工智能在學術期刊傳播中應用的優勢

實現論文呈現多媒體化，優化內容分發，增強傳播效果。一方面，學術期刊可通過智能語音和知識圖譜技術，用適配多種設備的方式對論文進行再加工，增強論文的可讀性，為論文增添音頻和視頻傳播形式;另一方面，采用人工智能技術對用戶研究領域、教育背景、閱讀喜好、閱讀完成度進行分析，可優化內容聚合和分發機制，解決信息過載與用戶個性化需求間的矛盾。如，數據搜集公司圖譜(Graphiq)已開發出語義搜索引擎知識圖譜(KnowledgeGraph)，它允許用戶根據話題展開搜索，獲得相關主題的數據集，還能生成與報道內容匹配的可視化圖表［14］。辨別讀者觀點，評價和反饋傳播效果。一方面，采用人工智能技術對用戶閱讀時長、用戶社交分享等信息進行解析，可了解論文影響讀者的具體方面和程度;另一方面，通過自然語言理解(NaturalLanguageUnderstanding)、語音識別、深度神經網絡(DeepNeuralNetworks，DNN)等技術，學術期刊能從讀者在社交媒體上對論文的評價中，辨別讀者觀點，掌握比論文瀏覽量、下載量和被引頻次更精準的學術反響。如，威盛電子研發的人工智能平臺“歐拉密”，其能實現對90%的語言的語義理解，從而實現提問、信息記憶、知識輔助理解和歧義消除等功能［15］。

1．3人工智能應用于中國學術期刊傳播時存在的問題

人工智能技術與中國學術期刊傳播的融合程度不足。國內學術期刊數字化傳播的主要平臺集中在移動App和社交媒體的嵌套程序中，文獻聚合類App幾乎被寡頭壟斷且功能有限，而各刊的主頁網站大多僅承擔投審稿和簡單的宣傳功能，各刊的微信公眾號也大多未能做到細分傳播，缺乏與用戶的深度交互。相較于海外學術期刊數字化傳播的實踐，國內學術期刊的數字化傳播存在傳播渠道較窄、數據挖掘深度不足、分發不夠精準、交互體驗不佳、智能化程度較低、用戶活躍度不高等問題。智能化傳播離不開元數據的可獲得性，而數據庫出版商共享信息的難度大，亟須建設共享性的學術期刊傳播平臺。在期刊傳播過程中，智能檢索、用戶畫像和語音識別等技術是基于大量元數據來開展的，這些元數據不僅包含學術資源、會議信息等公開數據，還包含用戶身份、用戶檢索記錄等隱私數據。雖然人工智能技術可跨平臺獲取部分公開信息，但隱私信息往往難以獲得。一方面，當前中國學術期刊各自為政的問題較突出，許多編輯部往往只出版幾種甚至一種期刊，合作共享信息的難度大;另一方面，中國學術服務市場中，中國知網、世紀超星、萬方數據等占領絕大部分市場份額，其盈利性質和競爭關系決定了他們很難共享信息。因此，需要建設學界共享的學術期刊傳播平臺。共享性平臺的高用戶黏性需要海量過刊資源作為支撐，而部分學術期刊尚未與中國知網解除獨家合作協議。近年來，提升學術期刊影響力成為刊界熱議的話題。與數據庫出版商廣泛合作、數字化傳播、開放獲取(OpenAccess，OA)等方式成為主流期刊的共同選擇。2015年，世紀超星公司啟動學術期刊域出版平臺后，許多期刊先后與中國知網解除了獨家合作協議，開始與各數據庫出版商廣泛合作，以拓寬傳播渠道。為順應刊界提升刊文可見度的需求，維普數據庫也開辟了針對期刊、讀者的雙向免費合作模式。然而，仍有部分期刊尤其是自負盈虧的期刊尚未與中國知網解除獨家合作協議，這意味著其協議期內的過刊暫不能提供給其他數據庫。該問題的主要癥結在于企業性質的編輯部需依靠發行收入維持運轉。雖然平臺并不要求成員期刊實現嚴格意義上的OA出版，它允許成員期刊通過發行紙刊創收，其成員期刊的出版成本也不一定以論文出版費的形式由作者預付，但與中國知網獨家合作的發行收入是非獨家合作的數倍，因此，在期刊轉變為非獨家合作的情況下，平臺如何彌補成員期刊發行上的損失，需深入考量。

2運用人工智能技術的學術期刊傳播平臺的設想

要充分發揮人工智能的作用，提升中國學術期刊的傳播效果，需建構學界共享的學術期刊傳播平臺。本研究設計的集群式大型出版平臺(圖1)，能服務于從內容開發到提供增值服務的全流程。

2．1平臺的流程設計

在流程前端，當學術論文入庫后，平臺將進行內容二次開發和管理。首先，平臺為每篇文獻的知識單元、作者信息、引文信息等元數據貼上智能標簽，把文獻內容碎片化后按知識類別歸入子集。然后，平臺根據論文內容向編輯部搜集或自動生成講解視頻，生成二維碼附于論文首頁。最后，平臺一方面通過全文免費下載增加用戶基數，擴大論文傳播范圍;另一方面通過知識梳理實現對論文價值的二次開發，提供系列付費增值服務，實現平臺盈利?；谡撐闹黝}和關鍵詞，平臺聚合相近主題的文獻，重組后形成專題域;對于學界高度關注的議題，平臺將按專題提供精細、豐富的周邊產品，如，圍繞專題的付費問答知識庫、論點溯源知識庫等，為學者科研助力。在完成內容開發和管理后，平臺根據用戶的研究領域、所在單位和科研團隊，自動生成符合用戶喜好的定制化內容，充分開發學術出版的長尾市場。在流程中端，平臺采取參與+訂閱的內容分發機制。首先，根據用戶的閱讀行為，發現用戶閱讀完成度高的時間段;然后，結合跨平臺合作采集的用戶社交信息，用思考式設備洞察用戶的深層需求，形成智能化的內容分發規則，在用戶閱讀頻率高的時段推送該時段用戶閱讀最頻繁的內容。用戶可通過讀書筆記、論文評析等方式在平臺內分享資源或跨平臺分享到社交媒體，還可把書單共享給科研團隊。除常規的內容分發外，平臺還為用戶提供基于文獻的知識增值服務。一方面，平臺通過追蹤用戶研究領域、所在單位和在研項目的最新成果，第一時間向用戶提供相關資訊;另一方面，平臺通過算法實現文獻的徹底透明化，剖析論文研究方法并搜索數據源，為付費用戶提供深度解析;此外，平臺還通過機器人程序(Bots)提供圍繞專題的交互學習模塊。在流程后端，平臺用經驗和代幣激勵用戶參與，促進優質內容流轉。首先，平臺為用戶搭建社群中心，連接期刊編輯部、作者和讀者，為建設學術共同體助力。然后，平臺根據用戶的學緣背景、科研項目等信息，為用戶推薦并協助用戶創建學術社群。用戶既可在平臺內創建自己的學術博客，亦可加入各種社群。每個學術社群均有獨立的主頁，用于展示社群成員的科研動態。此外，平臺還通過對用戶檢索字段、各社群活動的大數據分析，捕捉學術動態，發現學術熱點，預測前瞻性選題，生成報告供付費用戶查閱。最后，平臺下設問答區和評價區，問答區提供票選議題、付費咨詢、交互研討等服務，評價區提供學術評價、學術監督等服務。除了線上服務外，平臺還為學術共同體組織線下學術交流。平臺在創設初期即向提供過刊資源的編輯部發放等價代幣作為經濟補償，代幣可用于購買平臺增值服務，如期刊發展報告、數字內容制作等;在后期運營過程中，平臺向參與互動的編輯部、作者和讀者發放代幣作為獎勵，這3類用戶參與學術評價、學術監督、付費咨詢和線下交流等活動均可獲得經驗和代幣獎勵。經驗值用于提升用戶等級，高級別的用戶參與互動能獲得更多代幣。代幣是平臺結算的交易媒介，它在平臺創始之初由平臺建設者出資發行，在平臺順利運轉后作為對社群有貢獻的行為的價值證明，激勵各方參與互動，提升平臺的用戶黏性。

2．2平臺的功能與預期效果

在內容開發方面:(1)平臺根據文獻主題和涉及的知識單元，自動檢索匯集相關學術資源，便于讀者理解論文;(2)平臺對原始文獻進行機器學習，將知識點單元化梳理歸類并智能標引，形成對文獻的二次開發;(3)平臺一方面通過全文免費下載促進論文傳播和知識流動，另一方面通過向用戶提供付費下載的增值服務產品，實現盈利;(4)平臺針對小眾選題，提供限量學術產品(Limited-EditionAcademicProducts)，這類產品能讓平臺適應學術出版領域用戶需求精細、針對性強、個體差異大的特點。人工智能賦予平臺的這些功能將增強學術期刊傳播的趣味性和交互性，保障用戶基數和盈利能力。在內容聚合方面:針對用戶研究領域細分的特點，平臺利用內容通路，推行基于用戶需求和社交關系的個性化內容聚合機制。在用戶洞察方面，平臺通過用戶授權、與社交媒體合作獲得隱私數據，通過概念提取、人物關系梳理、情緒分析等方式量化文本，推測用戶的潛在需求，再通過場景耦合技術滿足用戶喜好，可實現“一對少”式出版(One-to-FewPublishing)，這尤其適合小眾學科的文獻傳播。綜上，人工智能賦予平臺聚焦長尾市場的能力，使平臺比國內現有學術聚合App更具分眾化的優勢。在內容分發方面:(1)平臺通過對用戶閱讀習慣、閱讀完成度的分時段統計，在不同時間段向用戶推送不同主題的資訊，如，平臺根據用戶的入睡和起床時間，提前半小時推送用戶喜愛的學術資訊;(2)平臺為用戶提供“文獻+”服務，根據用戶閱讀完成度高的文獻主題，智能推薦同主題或同作者的論文，以及該領域熱度高的新文獻和經典文獻;(3)平臺為用戶提供“期刊+”服務，向用戶推薦其研究領域的期刊征文信息和期刊目錄摘要;(4)平臺為用戶提供“項目+”服務，根據用戶在研項目和所在單位，推送小同行的最新成果;(5)平臺還借助腦機交互(Brain-MachineInterface)技術，通過4D壓感平臺監測用戶腦電波，捕獲高頻信號并將其轉換為計算機語言，從而解放用戶的雙手。總之，平臺采用多種人工智能技術優化用戶閱讀體驗，提升傳播精度。在增值服務方面:(1)平臺通過算法分析文獻的創新點，解析文章觀點的傳承與發展脈絡，實現文獻徹底透明化;(2)平臺通過數據挖掘，捕捉學術會議資訊并追蹤會議動態，向期刊編輯部提供參會人員信息、會議新聞，輔助編輯約稿;(3)平臺通過解析論文的研究方法和研究思路，輔助編輯和審稿專家辨別數據真偽，并向讀者提供學術監督的渠道;(4)平臺為用戶提供從科研輔導到學術認證等付費服務，如，項目申報指導、專題學習計劃，在細分學科中提供納米學位(Nanodegree)等;(5)平臺還通過對用戶行為的分析，為用戶推薦高效的作息時間，當追蹤到用戶的新學術成果時，提亮網頁背景色以示慶祝。總之，平臺不僅實現傳播過程中論文價值的增值，還推出系列專業化的服務產品為科研助力。在社群建設方面:平臺根據用戶的研究領域、學緣背景、所在單位和城市，建立關聯度高、同質性強的學術共同體。(1)平臺設置問答區，供讀者與作者交流，在該功能區內，讀者可票選感興趣的議題，眾籌創建“采訪房間”，邀請名家互動;(2)平臺設置評價區，通過語音交互(VoiceInterfaces)和自然語言理解技術，實現讀者對論文的便捷評價;(3)平臺設置后臺信息處理區，通過數據挖掘分析學術熱點，預測學術前沿，實現傳播對選題策劃的反哺;(4)平臺還通過組織線下學術沙龍、編研見面會等活動，促進學術共同體的交流。綜上，平臺不僅能豐富期刊傳播途徑，還有助于構建良好的學術交流環境。

2．3平臺的科學性和可行性

(1)政府投入力度增加，行業標準趨于完善，試點應用逐步推開，這為構建平臺打下人力、財力和技術基礎。在2018年國資預算中，中央財政向中央文化企業注資15億元，支持方向包括“人工智能+文化產業”“區塊鏈+文化產業”等新技術和新模式［16］。在行業標準方面:2014年，《中國出版物在線信息交換》(ChinaOnlineInformationExchangeforPublications，CNONIX)國家標準正式，該標準可提供出版物產品信息深層次開發、利用、管理的數字化解決方案，實現出版物產品信息“一次加工，全程共享”，為構建出版發行大數據應用體系奠定了基礎［17］;2016年，“中國標準關聯標識符”(ChinaStandardLinkIdentifier，ISLI)正式，為自動識別技術、二維碼融合等提供了技術支撐;2018年5月，CNONIX國家標準應用示范單位新增29家;2018年9月，《出版業AR技術應用規范》行業標準征求意見完成，進入送審階段;2018年10月，21家出版發行單位成為ISLI國家標準應用試點單位［16］。(2)人工智能已在出版領域實現文獻識別與開發管理、用戶需求追蹤和內容優化分發等功能，這為平臺前端和中端流程的順利運行提供了技術支撐。比如，斯坦福大學研發的知識發現工具“耶諾”(Yewno)，它通過對知識的搜索發現知識間的關聯，幫助用戶發現跨學科知識的內在關聯性，并能讓垂直的知識圖譜形成獨立的出版物;它還通過語義算法等技術把出版物分解為獨立的內容，形成細粒度高的知識結構，便于用戶搜索和使用［18］。斯普林格與法蘭克福大學合作開發了名為貝塔作家(BetaWriter)的先進算法，該算法使用聚類程序將源文檔排列成連貫的章節，然后創建簡潔的論文摘要，便于讀者進一步研究［6］。在我國，百分點公司已開發出基于大數據操作系統的AI產品，如智能標簽工廠、智能交互分析引擎等，能通過智能標簽勾勒知識實體關系，把用戶需求轉化為底層數據，并用語音把分析結果呈現給用戶，還能從語音數據中提取用戶的基本信息和對產品的評價［19］。(3)人工智能已在學術傳播領域實現人機互動，提供學術增值服務，這保障了平臺中、后端功能的技術可行性。如，百科全書機器人司南君，它存儲了《中國大百科全書》的全部信息，能實現人機互動問答［5］。自適應學習引擎松鼠AI能細分知識點，通過貝葉斯網絡+推斷+知識追蹤的方式，針對性地輔導用戶知識薄弱的環節，提高學習效率。泰勒－弗朗西斯集團與專利/學術論文在線搜索服務商UNSILO合作開發了NLP技術，它能從學術文本中提取主題和概念，根據用戶閱讀內容進行推薦，使用戶更容易發現新研究［20］。(4)人工智能技術可實現論文內容可視化、立體化，并根據市場需求定制印刷服務，這為平臺優化閱讀體驗、開發學術長尾市場提供了可能。如，以“可看、可聽、有深度、有溫度”為宗旨的視頻醫學期刊《中華心血管病雜志(網絡版)》運用人工智能技術，用視頻的方式呈現學術論文，實現了閱讀場景立體化［6］;咪咕閱讀已實現多場景、多角色的智能配音，能借助全息成像、增強現實等技術為讀者帶來高品質的閱讀體驗;由高斯(中國)推出的“?印e家智能化印機管理平臺”，它集數據采集、遠程控制、智能提醒功能為一體，通過互聯網把生成的電子文件傳到世界各地，再用AI分析處理，幫助企業靈活安排印刷量，還能在圖書內容上提供定制化服務［21］。(5)平臺通過發放代幣激勵各方參與互動，提升用戶黏性。平臺提供專業性強、比較優勢明顯的付費增值服務，能將讀者、作者中的免費用戶轉化為付費用戶。除了付費獲取增值服務的快速途徑外，閑暇時間充裕的免費用戶亦可通過積極參與平臺的學術互動獲得獎勵性代幣，用于結算增值服務費。為平臺提供過刊資源的編輯部亦可用平臺補償的代幣購買期刊發展報告等增值服務。綜上，平臺一方面通過全文免費下載匯集人氣，通過增值服務實現盈利，另一方面通過代幣激勵用戶的參與行為。《2017—2018年中國數字出版產業年度報告》指出，“數據和技術將推動產業升級，洞悉用戶需求變得尤為重要，面向不同用戶，以不同的觸達渠道和應用場景滿足多元化用戶需求。算法、繪制用戶畫像和海量數據處理技術在數字出版業務流程中的應用將愈發普遍”。國家政策支持、行業標準成熟、AI技術發展、業界高度關注，為構建平臺打下基礎，平臺有望在運營初期呈現良好的預期效果。

3結合實例分析平臺的創新性、可能遇到的困難及對策

通過對比國內領先的學術AI平臺，可以發現本研究設計的平臺在應用對象和效果、功能豐富性等方面具有創新性和先進性，但同時也可能遇到成本高、界面設計和數據存儲難度大等問題。

3．1所設計平臺與“方正出版大數據平臺”相比的創新性

北大方正集團于2012年開始研發人工智能學術出版產品，是國內學術出版界運用AI技術的領頭羊。本研究設想的學術期刊傳播平臺與方正電子當前主推的出版大數據平臺(以下簡稱“方正平臺”)在設計初衷、關鍵技術和業務產品上有一定的相似性，如，兩者的宗旨都是為出版全流程服務;兩者所用的關鍵技術都包含自然語言理解、情感分析、機器學習、深度學習、讀者畫像、內容畫像;兩者都能實現用大數據輔助選題策劃、XML排版、智能編校、內容動態封裝等功能。但兩者在運行原理、應用對象和效果、功能豐富性上有較多不同。在運行原理方面，方正平臺是先從電商平臺、閱讀平臺、社交媒體上獲取元數據，再進行模型計算和數據處理。這種運行機制的優勢是節省了自建學術資源數據庫的高額成本，使開發平臺更簡單快速，但劣勢是，在傳統銷售模式下，方正公司很難從出版分銷商處獲得讀者數據［22］，出版企業的ERP(EnterpriseResourcePlanning)系統不一定能支持平臺運行，閉源的排版軟件與其數字出版流程也較難契合［23］。而本研究設計的學術期刊傳播平臺是先建設大型學術資源數據庫，再分解元數據。相比之下，本研究設計的平臺在學術資源的可獲得性、學術信息的全面性、數據挖掘技術的有效性上，具有明顯優勢。在應用對象和效果方面，方正平臺的“知識體系自動構建”系統主要為出版社服務。它先通過文本關鍵詞抽取、新詞發現算法，輔助出版社實現領域詞表的詞匯來源建設，然后，利用領域詞表的自動解析技術，幫助出版社完成專業詞匯積累。方正平臺推出的基于二維碼和AR的圖書增值服務，以及數字資源制作服務，旨在應用于圖書增值場景和教學服務場景［24］。而本文設計的平臺對知識片段的拆解、梳理與開發不僅服務于出版社，還服務于作者和讀者等學術共同體。而且，由于平臺自建庫中有學術論文、用戶注冊和使用信息等數據，因此，相較于方正平臺，本平臺的知識分解與匯集能力更強，運行速度更快，推出的學術周邊產品針對性更強，品種更全，更符合學術出版領域用戶需求異質性大的特點。在平臺功能方面，除了兩者兼具的熱點追蹤、精準營銷和傳播分析等功能外，本研究設計的平臺在學術服務、社群建設方面具有方正平臺不具備的功能，尤其是在學術問答、學術評價和學術監督等領域，方正平臺尚未涉及?？傊?，方正平臺主要著力于把出版內容數字化、多媒體化，旨在為出版社選題、編校和排版提供智能化服務;而本研究設計的平臺除了能提升用戶閱讀體驗、捕捉學術動態和預測前沿選題外，在知識拆解、人機交互、學術增值服務、建設學術共同體方面，具有顯著的先進性和創新性。

3．2平臺建構過程中可能遇到的瓶頸及應對策略

平臺架構龐大、功能豐富，給工程師與用戶均帶來挑戰，建議做好需求分析，廣泛征集業界意見。(1)在平臺建設和調試過程中，由于系統工程師和網絡架構工程師對學術出版了解不深入，因此，可能難以理解用戶需求，導致平臺功能難以完全實現，而刊界精通人工智能的出版專業人才較缺乏［25］;(2)平臺豐富的人機交互功能和多元化的業務產品對界面友好性、操作易用性提出了較高的要求，一旦界面過于復雜，用戶可能難以適應甚至失去興趣。這一瓶頸可在用戶需求分析和用戶反饋階段前瞻地予以解決。平臺一方面可聘請對學術出版和計算機科學兼有涉獵的需求分析工程師，以加深系統工程師和網絡架構工程師對平臺的認知;另一方面可向業界征集志愿者參與平臺開發與調試，促進平臺完善。為調和平臺對傳統數據庫出版商盈利模式帶來的沖擊，建議參考我國專利制度中的知識生產與傳播體系，在搭建共享性學術期刊傳播平臺的同時，允許傳統數據庫出版商憑借其掌握的博碩士論文、年鑒、圖書、音像等數據資源，參照湯森路透、戴芬(Delphion)等國際出版商和專利信息服務商的先進經驗，開發具有比較優勢的個性化學術產品，集成和提升其服務功能，使其與公共屬性的數據平臺錯位發展［26］，二者共同服務于不同用戶的個性化需求。建設平臺自帶的學術資源庫成本高、耗時長，需要國家政策扶持、業界積極響應。中國科協對其旗下科技期刊的調查發現:在中國實現OA出版最大的困難是編輯部普遍不具備進一步開發網站、開發個性化服務的能力，缺乏經濟支持［27］。雖然建設學術期刊傳播平臺自帶的學術資源庫并不要求成員期刊實現嚴格意義上的OA出版，但其最基礎的環節是建設過刊庫，這需要期刊編輯部積極提供過刊數據、接受新的合作模式。為解決該問題，一方面，平臺為提供過刊資源的成員期刊發放代幣，抵扣其購買影響因子報告等增值服務的費用，以彌補其在發行方面的經濟損失;為成員期刊的作者提供免交論文出版費的替代方案，即作者可用參與平臺互動獲得的代幣抵扣出版費(如參與平臺后端付費咨詢的答疑，提供規定數量的學術會議信息，擔任學術評價和學術監督員等)。另一方面，期刊編輯部可效仿愛思唯爾，提供OA與訂閱組合的多種模式，結合平臺提供的備選方案，同時滿足愿意付費出版的作者和傾向于免費出版的作者的需求。最后，建議中國政府參考歐洲開放獲取S計劃，通過公共財政、學會和慈善機構的支持，為平臺建設和運營提供經費。平臺建構和運行過程中會產生大量跟蹤數據和調試信息的文本，這對平臺的數據存儲能力帶來挑戰，可考慮用區塊鏈(Blockchain)的去中心化存儲技術予以解決。傳統的中心化存儲方式需要海量服務器，且成本高、數據傳輸速度慢、安全性較低，面臨的隱私泄露和數據丟失風險較大。為解決上述問題，平臺可采用星際文件系統(Inter－PlanetaryFileSystem，IPFS)，根據文件或數據的哈希指紋尋址鏈接來交換數據，實現網絡去中心化，同時，使用去中心化存儲項目Filecoin幫助IPFS節點存儲、備份和提供內容，讓創建網絡價值的參與者獲得利益補償，從而實現去中心化的分布式存儲，解決平臺運行過程中面臨的數據存儲和隱私安全問題。

4結語

在學術期刊傳播領域，人工智能可識別用戶需求，優化內容分發，提升傳播效果，評價和反饋傳播效果，但在中國學術期刊傳播實踐中，尚存在與AI融合程度不高、數據庫出版商利益調和難度大、元數據獲取難等問題。本研究設計的基于人工智能技術的學術期刊傳播平臺，在內容開發、內容聚合、內容分發、增值服務與社群建設上具有科學性和技術可行性，與國內領軍學術出版AI平臺相比，具有一定的創新性和先進性，但平臺也面臨著界面設計、運營成本、業界支持度、數據存儲等方面的困難，需要國家政策支持和業界積極配合。本研究設想的學術期刊傳播平臺屬于學理層面的探討，在實踐中的應用效果還有待檢驗。未來的研究可在此基礎上，進一步探討平臺的運行細節、盈利能力和所需的關鍵技術。中國已進入智慧創造未來的新時代，人工智能已在內容生成、內容推送和讀者交互等方面為學術出版注入新的活力。未來的學術期刊傳播很可能是算法主導的，刊界能否實現從內容提供者到信息解決方案提供者的角色轉換，將有可能是決定傳播轉型進程的關鍵。