本發(fā)明涉及一種基于網(wǎng)絡的學科情報數(shù)據(jù)采集分析系統(tǒng)及其方法，具體地說，是一種能夠從多個信息源網(wǎng)站獲取、處理、分析和展示學科情報數(shù)據(jù)的系統(tǒng)及其方法，適用于醫(yī)院和科研院所的學科建設和發(fā)展規(guī)劃。

背景技術(shù)：

1、隨著社會的進步和科技的發(fā)展，醫(yī)學領域的學科建設和發(fā)展面臨著越來越多的挑戰(zhàn)和機遇，如何提升醫(yī)院的學科水平和競爭力，成為醫(yī)院管理者和學者關(guān)注的重要問題。為了有效地進行學科建設和發(fā)展，需要對學科的現(xiàn)狀、趨勢、優(yōu)勢、劣勢等進行全面、準確、及時的了解和分析，同時需要分析和對比行業(yè)中優(yōu)秀學科畫像，以便制定合理的學科規(guī)劃和發(fā)展策略。然而，目前的學科情報數(shù)據(jù)分散在多個不同的信息源網(wǎng)站上，如醫(yī)院綜合排名和?？婆琶W(wǎng)站、專業(yè)委員會網(wǎng)站、學術(shù)刊物論文數(shù)據(jù)庫等，這些網(wǎng)站的內(nèi)容更新頻率、格式、結(jié)構(gòu)、質(zhì)量等各不相同，給數(shù)據(jù)的獲取、處理、分析和展示帶來了很大的困難和挑戰(zhàn)。因此，急需一種能夠從多個信息源網(wǎng)站獲取、處理、分析和展示學科情報數(shù)據(jù)的系統(tǒng)及其方法，以滿足醫(yī)院的學科建設和發(fā)展的需求。

2、對比文件cn106776755a公開了一種面向?qū)ο笫降那閳蠊芾硐到y(tǒng)，其包括云數(shù)據(jù)平臺、情報過濾模塊、情報去冗模塊、情報分類模塊、資料庫、情報分析模塊、情報編輯模塊、情報庫、情報推送模塊、監(jiān)控主機及手持移動終端；該情報管理系統(tǒng)面向普通施工作業(yè)人員，通過在作業(yè)人員外出作業(yè)之前，由專業(yè)技術(shù)人員完成情報搜索和情報編輯過程，獲得最優(yōu)的操作方法和過程并將其傳送到作業(yè)人員的手持移動終端，使得作業(yè)人員不需要具有任何圖書情報專業(yè)知識，也使得作業(yè)人員可將手持移動終端攜帶至網(wǎng)絡不發(fā)達的地區(qū)使用，此外，情報推送模塊根據(jù)用戶的偏好定期推送傾向性的情報，使得技術(shù)人員可及時了解行業(yè)相關(guān)的最新情報信息。該文件面向文化水平較低的普通施工作業(yè)人員，專業(yè)技術(shù)人員在外出作業(yè)之前完成情報搜索和編輯，將最優(yōu)操作方法傳送至作業(yè)人員的手持移動終端，使得作業(yè)人員無需具備圖書情報專業(yè)知識。該專利未詳細描述采集的具體內(nèi)容，但強調(diào)了專業(yè)技術(shù)人員在外出作業(yè)之前完成情報搜索和編輯。該專利強調(diào)由專業(yè)技術(shù)人員在外出作業(yè)之前完成情報搜索和編輯，并將最優(yōu)操作方法傳送至作業(yè)人員的手持移動終端。該專利未詳細描述分析的具體手段，但提到由專業(yè)技術(shù)人員完成情報搜索和編輯。

3、對比文件cn115994693a一種基于學科評估報告的可視化分析系統(tǒng)，包括數(shù)據(jù)可視化模塊，數(shù)據(jù)可視化模塊通過網(wǎng)絡傳輸節(jié)點與數(shù)據(jù)預處理模塊實現(xiàn)連接，同時數(shù)據(jù)可視化模塊與客戶端模塊相連接，且客戶端模塊包括后臺管理客戶端以及學科評價客戶端。本發(fā)明借助功能強大的可視化數(shù)據(jù)分析平臺，可輔助人工操作將數(shù)據(jù)進行關(guān)聯(lián)分析，對網(wǎng)絡數(shù)據(jù)、文本數(shù)據(jù)、多維數(shù)據(jù)以及時間序列數(shù)據(jù)進行分析，并做出完整的分析圖表，圖表中包含所有事件的相關(guān)信息，也完整展示數(shù)據(jù)分析的過程和數(shù)據(jù)鏈走向，供相關(guān)人員調(diào)閱。此對比文件的目的是為了解決現(xiàn)有技術(shù)中存在數(shù)據(jù)結(jié)構(gòu)有可能不統(tǒng)一，通常以人工分析為主，加上分析過程的非結(jié)構(gòu)性和不確定性，所以不易形成固定的分析流程或模式，很難將數(shù)據(jù)調(diào)入應用系統(tǒng)中進行分析挖掘的缺點，而提出的一種基于學科評估報告的可視化分析系統(tǒng)，該文件中未指明學科評估報告的含義。且文件cn115994693a描述的系統(tǒng)對數(shù)據(jù)沒有針對性，更通用而泛化；無法對數(shù)據(jù)進行準備處理。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種基于網(wǎng)絡的學科情報數(shù)據(jù)采集分析系統(tǒng)及其方法，該系統(tǒng)能夠從多個網(wǎng)絡信息源網(wǎng)站獲取、處理、分析和展示學科情報數(shù)據(jù)，包括學科建設現(xiàn)況、業(yè)內(nèi)頂尖人才和行業(yè)重點資訊等，該方法能夠?qū)崿F(xiàn)對學科情報數(shù)據(jù)的有效獲取、處理、分析和展示，為醫(yī)院的學科建設和發(fā)展提供量化的決策支持。

2、為了實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

3、一種基于網(wǎng)絡的學科情報數(shù)據(jù)采集分析系統(tǒng)，包括以下內(nèi)容：

4、包含數(shù)據(jù)采集模塊、數(shù)據(jù)存儲模塊、數(shù)據(jù)預處理模塊、數(shù)據(jù)處理模塊、數(shù)據(jù)分析模塊、數(shù)據(jù)展示模塊、云端服務主機及顯示終端，其中，所述各模塊緊密連接，以確保高效而無縫的信息流，所述數(shù)據(jù)存儲模塊存儲不同階段的數(shù)據(jù)，包含數(shù)據(jù)湖模塊、情報數(shù)據(jù)庫模塊和統(tǒng)計分析結(jié)果庫模塊，所述數(shù)據(jù)采集模塊負責從各種網(wǎng)絡資源或者其他外部數(shù)據(jù)源中采集學科情報原始數(shù)據(jù)，所述數(shù)據(jù)采集模塊和所述數(shù)據(jù)湖模塊緊密相連，所述數(shù)據(jù)采集模塊將采集的原始情報數(shù)據(jù)按照數(shù)據(jù)源格式完整地存儲到數(shù)據(jù)湖模塊中，所述數(shù)據(jù)湖模塊與數(shù)據(jù)預處理模塊緊密相連，所述預處理模塊包含三個子模塊，分別是數(shù)據(jù)抽取子模塊、數(shù)據(jù)清洗子模塊和數(shù)據(jù)轉(zhuǎn)換子模塊，所述數(shù)據(jù)抽取子模塊從所述數(shù)據(jù)湖模塊中自動抽取情報數(shù)據(jù)，所述抽取子模塊輸出的數(shù)據(jù)流入所述數(shù)據(jù)清洗子模塊，所述數(shù)據(jù)清洗子模塊對抽取來的數(shù)據(jù)進行清洗，以確保數(shù)據(jù)的質(zhì)量，所述清洗過程包括數(shù)據(jù)格式檢查、數(shù)據(jù)去噪和數(shù)據(jù)標準化等，所述清洗過的數(shù)據(jù)輸入到所述數(shù)據(jù)轉(zhuǎn)換子模塊，所述數(shù)據(jù)轉(zhuǎn)換子模塊對清洗后的數(shù)據(jù)進行轉(zhuǎn)換，數(shù)據(jù)轉(zhuǎn)換包括但不限于數(shù)據(jù)特征提取和數(shù)據(jù)格式轉(zhuǎn)換，所述數(shù)據(jù)轉(zhuǎn)換子模塊轉(zhuǎn)換的數(shù)據(jù)流入所述情報數(shù)據(jù)存儲模塊，成為情報數(shù)據(jù)庫初始版本，所述情報數(shù)據(jù)存儲模塊與所述情報數(shù)據(jù)處理模塊緊密相連，所述情報數(shù)據(jù)處理模塊包含情報數(shù)據(jù)歸納融合算法子模塊、數(shù)據(jù)補充子模塊和數(shù)據(jù)驗證子模塊，所述情報數(shù)據(jù)歸納融合算法子模塊從所述情報數(shù)據(jù)庫初始版本中提取分析所需要的數(shù)據(jù)進行多維融合處理，所述情報數(shù)據(jù)歸納融合算法子模塊輸出的數(shù)據(jù)可以由所述數(shù)據(jù)補充子模塊進行數(shù)據(jù)補充，以獲得分析所需要的完整數(shù)據(jù)，所述數(shù)據(jù)補充子模塊既可以從所述情報數(shù)據(jù)初始版本中進行選擇添加，也可以從外部導入，所述數(shù)據(jù)整合子模塊和數(shù)據(jù)補充子模塊輸出的數(shù)據(jù)需要經(jīng)過所述數(shù)據(jù)驗證子模塊進行質(zhì)量確認，所述數(shù)據(jù)驗證子模塊的輸出結(jié)果流入所述情報數(shù)據(jù)存儲模塊，成為情報數(shù)據(jù)最終版本，所述情報數(shù)據(jù)庫初始版本和情報數(shù)據(jù)庫最終版本都需要和所述元數(shù)據(jù)子模塊關(guān)聯(lián)，所述元數(shù)據(jù)子模塊定義和管理元數(shù)據(jù)，元數(shù)據(jù)可以描述情報信息對象的屬性、內(nèi)容、主題、來源、格式、時間和空間等信息，所述情報數(shù)據(jù)庫初始版本和情報數(shù)據(jù)庫最終版本都需要和所述備份子模塊相連以進行數(shù)據(jù)備份，所述情報數(shù)據(jù)庫最終版本輸入到所述數(shù)據(jù)統(tǒng)計分析模塊，所述數(shù)據(jù)統(tǒng)計分析模塊對所述情報數(shù)據(jù)庫最終版本進行深度分析和統(tǒng)計，提供對學科領域的全面洞察和關(guān)鍵信息的提取，所述數(shù)據(jù)統(tǒng)計分析模塊與所述數(shù)據(jù)展示模塊緊密相連，所述數(shù)據(jù)展示模塊展示所述數(shù)據(jù)統(tǒng)計分析模塊的統(tǒng)計分析結(jié)果，所述數(shù)據(jù)展示模塊以圖形化或其他易于理解的形式呈現(xiàn)數(shù)據(jù)分析結(jié)果。所述所有模塊連接所述云端服務主機，所述云端服務主機作為系統(tǒng)的基礎架構(gòu)，連接所有所述模塊，提供數(shù)據(jù)存儲和計算服務，整體的系統(tǒng)協(xié)調(diào)和任務調(diào)度，處理用戶請求，所述顯示終端，提供用戶與系統(tǒng)交互的界面，允許用戶查詢，配置參數(shù)和查看數(shù)據(jù)分析結(jié)果，所述顯示終端與所述服務主機相連接，通過用戶輸入觸發(fā)系統(tǒng)的各個模塊執(zhí)行相應的任務。

5、具體包括如下模塊：

6、(1)數(shù)據(jù)采集模塊，用于從預設的信息源網(wǎng)站采集學科情報數(shù)據(jù)，包括醫(yī)院綜合排名和?？婆琶麛?shù)據(jù)、專家信息數(shù)據(jù)和行業(yè)重點資訊數(shù)據(jù)，也可以通過網(wǎng)絡訪問的各類公開權(quán)威網(wǎng)站或者授權(quán)訪問的網(wǎng)站，所述權(quán)威網(wǎng)站提供可以權(quán)威的政策指南、行業(yè)咨詢資訊、醫(yī)院權(quán)威排名、行業(yè)人才信息、科研成果、運營績效等數(shù)據(jù)。采集方式可以是全量采集或增量采集，采集頻率可以根據(jù)實際需求進行設置，如實時采集、定時采集等。

7、(2)數(shù)據(jù)湖子模塊，用于有效存儲和管理從數(shù)據(jù)采集模塊獲取的原始學科情報數(shù)據(jù)，支持多樣數(shù)據(jù)格式，包括文本、圖像、視頻等。與元數(shù)據(jù)子模塊緊密關(guān)聯(lián)，管理學科情報數(shù)據(jù)的元數(shù)據(jù)，包括數(shù)據(jù)來源、采集時間、格式等信息。

8、(3)數(shù)據(jù)預處理模塊，是數(shù)據(jù)采集后的進行首次數(shù)據(jù)處理的模塊，將根據(jù)學科情報系統(tǒng)要求，將相關(guān)的數(shù)據(jù)正確的抽取并存儲起來，包含：

9、(3.1)數(shù)據(jù)抽?。和ㄟ^自定義的規(guī)則，識別從爬取的數(shù)據(jù)中與學科情報相關(guān)的內(nèi)容。通過自然語言處理以及ocr(optical?character?recognition，光學字符識別)等方式解析爬取的數(shù)據(jù)，利用文本解析技術(shù)、正則表達式或基于規(guī)則的方法，提取所需數(shù)據(jù)字段，如醫(yī)院名稱、排名、得分、專家姓名、所屬醫(yī)院、職稱、職位、學科方向、資訊標題、發(fā)布日期、摘要等，使用關(guān)鍵詞、特定模式或結(jié)構(gòu)來過濾和提取醫(yī)院綜合排名、?？婆琶?、專家信息和行業(yè)資訊等數(shù)據(jù)。

10、(3.2)數(shù)據(jù)清洗：清洗和處理從不同來源獲取的數(shù)據(jù)，確保數(shù)據(jù)質(zhì)量和一致性。處理缺失值、異常值和重復項，保證數(shù)據(jù)的完整性和準確性。標準化數(shù)據(jù)格式和命名規(guī)范，以便后續(xù)的分析和處理。

11、(3.3)數(shù)據(jù)轉(zhuǎn)換：將清洗后的數(shù)據(jù)進行轉(zhuǎn)換和整合，使其適應系統(tǒng)的統(tǒng)一數(shù)據(jù)模型。進行數(shù)據(jù)結(jié)構(gòu)的調(diào)整、合并和聚合，以便于分析和查詢。可能涉及數(shù)據(jù)類型轉(zhuǎn)換、編碼轉(zhuǎn)換或日期時間格式標準化等操作。

12、(4)數(shù)據(jù)存儲模塊包含五個子模塊，分別是數(shù)據(jù)湖子模塊、情報數(shù)據(jù)庫子模塊、統(tǒng)計分析結(jié)果數(shù)據(jù)庫子模塊、元數(shù)據(jù)子模塊和備份子模塊。

13、(4.1)元數(shù)據(jù)管理模塊：

14、元數(shù)據(jù)管理模塊是數(shù)據(jù)存儲模塊的重要組成部分，負責定義和管理與學科情報數(shù)據(jù)相關(guān)的元數(shù)據(jù)。所述元數(shù)據(jù)用于描述情報數(shù)據(jù)的屬性和特征，它提供有關(guān)情報數(shù)據(jù)的詳細信息，這包括描述情報信息對象的屬性、內(nèi)容、主題、來源、格式、時間和空間等關(guān)鍵信息。元數(shù)據(jù)管理模塊與情報數(shù)據(jù)庫初始版本和情報數(shù)據(jù)庫最終版本緊密關(guān)聯(lián)，確保數(shù)據(jù)的完整性和可追溯性。

15、(4.2)情報數(shù)據(jù)庫模塊

16、包含情報數(shù)據(jù)庫初始版本，所述情報數(shù)據(jù)庫初始版本模塊接收從數(shù)據(jù)轉(zhuǎn)換子模塊輸出的清洗和轉(zhuǎn)換后的學科情報數(shù)據(jù)。該模塊存儲轉(zhuǎn)換后的數(shù)據(jù)，成為情報數(shù)據(jù)庫的初始版本。情報數(shù)據(jù)庫初始版本與元數(shù)據(jù)管理模塊關(guān)聯(lián)，以確保每類信息都有相應的元數(shù)據(jù)，便于后續(xù)的檢索和管理。

17、包含情報數(shù)據(jù)庫最終版本，所述情報數(shù)據(jù)庫最終版本模塊接收從數(shù)據(jù)驗證子模塊輸出的通過質(zhì)量確認的學科情報數(shù)據(jù)。這是系統(tǒng)中經(jīng)過數(shù)據(jù)歸納融合處理、補充和驗證后的最終版本。與元數(shù)據(jù)管理模塊關(guān)聯(lián)，情報數(shù)據(jù)庫最終版本的數(shù)據(jù)需要經(jīng)過全面驗證和審查，確保數(shù)據(jù)的高質(zhì)量和可信度。

18、(4.3)備份子模塊：

19、備份子模塊與情報數(shù)據(jù)庫初始版本和情報數(shù)據(jù)庫最終版本相連，負責定期進行數(shù)據(jù)備份，以應對潛在的數(shù)據(jù)丟失風險。通過備份子模塊，系統(tǒng)能夠在意外情況下迅速恢復數(shù)據(jù)，保障學科情報數(shù)據(jù)的安全性和可靠性。這個模塊確保在任何時候都能夠訪問到可用的、完整的情報數(shù)據(jù)庫版本。

20、(5)數(shù)據(jù)處理模塊，用于對獲取的學科情報數(shù)據(jù)進行歸納融合、補充和驗證，包括：

21、(5.1)情報數(shù)據(jù)歸納融合算法模塊，包含數(shù)據(jù)映射處理、歸納融合處理和數(shù)據(jù)提取，用于對提取的學科情報數(shù)據(jù)進行內(nèi)容整合，將來自不同信息源網(wǎng)站的數(shù)據(jù)進行比對、去重、合并等操作，形成統(tǒng)一的數(shù)據(jù)格式和結(jié)構(gòu)；

22、以下是數(shù)據(jù)處理模塊的主要特征：

23、學科情報數(shù)據(jù)采集歸納融合算法：數(shù)據(jù)統(tǒng)計分析模塊集成了先進的分析算法和方法，包括數(shù)據(jù)挖掘、機器學習、統(tǒng)計分析等，以深度挖掘情報數(shù)據(jù)庫最終版本中的潛在信息和趨勢。

24、具體如下：

25、情報數(shù)據(jù)歸納融合算法包括數(shù)據(jù)映射階段、歸納融合階段和提取階段；

26、所述映射階段具體包括：

27、(1)數(shù)據(jù)源注冊：創(chuàng)建一個數(shù)據(jù)源列表，包含各類型數(shù)據(jù)的url(統(tǒng)一資源定位符，uniform?resource?locator)、更新頻率、數(shù)據(jù)格式的元信息；

28、(2)map任務分配：為每個數(shù)據(jù)源分配一個map任務，任務負責定期訪問數(shù)據(jù)源，調(diào)用網(wǎng)絡爬蟲技術(shù)或api接口拉取數(shù)據(jù)；

29、(3)map任務對原始數(shù)據(jù)進行初步映射，包括：數(shù)據(jù)標識：為每條原始數(shù)據(jù)分配唯一標識符，元數(shù)據(jù)標注：記錄數(shù)據(jù)來源、采集時間的元數(shù)據(jù)，格式轉(zhuǎn)換：將數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的中間格式；

30、局部存儲：每個map任務在本地暫時存儲映射后的數(shù)據(jù)，準備進入下一階段；

31、所述歸納融合階段具體包括：

32、(1)數(shù)據(jù)分片：將map階段產(chǎn)生的數(shù)據(jù)按邏輯分片，準備進入merge階段。

33、(2)任務調(diào)度：為每個分片啟動一個merge(數(shù)據(jù)融合)任務，負責處理該分片內(nèi)的所有數(shù)據(jù)；

34、(3)數(shù)據(jù)去重與合并：在每個分片內(nèi)，對數(shù)據(jù)進行去重處理，確保唯一性，合并相同記錄；

35、(4)數(shù)據(jù)清洗：執(zhí)行數(shù)據(jù)清洗，確保數(shù)據(jù)質(zhì)量；

36、(5)數(shù)據(jù)轉(zhuǎn)換：對清洗后的數(shù)據(jù)進行必要的轉(zhuǎn)換，為后續(xù)分析做準備；

37、所述提取階段具體包括：

38、(1)二次map任務：在數(shù)據(jù)融合后，可部署一個二次map任務，對數(shù)據(jù)進行深度映射，專注于信息提?。?/p>

39、(2)信息提取規(guī)則：定義一套信息提取規(guī)則，用于識別和提取關(guān)鍵信息；

40、(3)特征映射：每個map任務根據(jù)規(guī)則，將數(shù)據(jù)映射為特定的分析特征；

41、(5.2)補充子模塊，用于對提取和整合的學科情報數(shù)據(jù)進行內(nèi)容補充，通過訪問其他數(shù)據(jù)源，如醫(yī)院的官方網(wǎng)站、學術(shù)刊物論文數(shù)據(jù)庫等，獲取更多的數(shù)據(jù)，如專家的詳細信息、醫(yī)院的研究成果、學術(shù)論文等，并將補充的數(shù)據(jù)與原有的數(shù)據(jù)進行關(guān)聯(lián)；

42、(5.3)驗證子模塊，用于對提取、整合和補充的學科情報數(shù)據(jù)進行內(nèi)容驗證，通過對數(shù)據(jù)的一致性、準確性、完整性、時效性等進行檢查和比對，確保數(shù)據(jù)的質(zhì)量和可靠性；

43、(6)數(shù)據(jù)統(tǒng)計分析模塊負責對情報數(shù)據(jù)庫最終版本進行深度分析和統(tǒng)計，以提供對學科領域的全面洞察和關(guān)鍵信息的提取。

44、關(guān)鍵指標提?。涸撃K能夠提取學科領域的關(guān)鍵性能指標，例如醫(yī)院排名趨勢、專家活躍度、行業(yè)關(guān)鍵資訊等，以提供全面的學科情報洞察。

45、定制化分析報告：數(shù)據(jù)統(tǒng)計分析模塊生成定制化的分析報告，包括圖表、趨勢分析、關(guān)聯(lián)性分析等，以滿足用戶對學科情報的多樣化需求。

46、實時分析和監(jiān)控：該模塊支持實時數(shù)據(jù)分析和監(jiān)控，使用戶能夠迅速獲取最新信息，及時調(diào)整決策和戰(zhàn)略。

47、統(tǒng)計分析的結(jié)果存儲到數(shù)據(jù)存儲模塊中的統(tǒng)計分析結(jié)果數(shù)據(jù)庫中。

48、(7)數(shù)據(jù)展示模塊，用于將分析結(jié)果以可視化的形式展示，包括：

49、(7.1)圖表子模塊，用于將分析結(jié)果以圖表的形式展示，包括但不限于柱狀圖、折線圖、餅圖、雷達圖、散點圖等，根據(jù)不同的分析目的和數(shù)據(jù)特征，選擇合適的圖表類型，以直觀和美觀的方式呈現(xiàn)數(shù)據(jù)的分布、變化、關(guān)系、比例等；

50、(7.2)報告子模塊，用于將分析結(jié)果以報告的形式展示，包括但不限于文本、圖片、表格、公式等，根據(jù)不同的分析目的和數(shù)據(jù)特征，選擇合適的報告格式，以清晰和規(guī)范的方式呈現(xiàn)數(shù)據(jù)的概述、細節(jié)、結(jié)論、建議等；

51、進一步地，本發(fā)明應用場景包括以下內(nèi)容：

52、(1)醫(yī)院管理：輔助醫(yī)院管理者進行學科建設規(guī)劃、資源配置、人才引進、績效考核等。

53、(2)科研決策：為科研人員提供學科發(fā)展趨勢、專家學者信息、行業(yè)最新動態(tài)等參考，輔助科研決策。

54、(3)人才培養(yǎng)：為醫(yī)學生提供學科發(fā)展方向、專家學者研究領域等信息，幫助員工明確學習目標、規(guī)劃職業(yè)發(fā)展。

55、進一步地，數(shù)據(jù)采集模塊采集的數(shù)據(jù)源包括政策指南、行業(yè)咨詢、醫(yī)院權(quán)威排名、醫(yī)院官網(wǎng)、行業(yè)人才信息以及醫(yī)院科研、臨床以及績效數(shù)據(jù)，能提供學科情報分析所需要的完整數(shù)據(jù)。

56、進一步地，所述數(shù)據(jù)清洗子模塊包括數(shù)據(jù)格式檢查、數(shù)據(jù)去噪和數(shù)據(jù)標準化。

57、進一步地，所述數(shù)據(jù)轉(zhuǎn)換子模塊包括數(shù)據(jù)特征提取和數(shù)據(jù)格式轉(zhuǎn)換。

58、進一步地，所述抽取子模塊，能夠從獲取的各種格式的原始情報信息中，通過自然語言處理以及ocr(optical?character?recognition，光學字符識別)等方式，抽取出格式化的情報信息，其特征在于，系統(tǒng)具有動態(tài)性，系統(tǒng)能夠適應不斷變化的數(shù)據(jù)環(huán)境和用戶需求，確保抽取的情報數(shù)據(jù)的準確性。

59、進一步地，采集的原始情報數(shù)據(jù)在經(jīng)過抽取、清洗和轉(zhuǎn)換后，形成的情報數(shù)據(jù)庫初始版本，經(jīng)過進一步的情報數(shù)據(jù)歸納融合，數(shù)據(jù)補充和數(shù)據(jù)驗證，形成情報數(shù)據(jù)庫的最終版本，其特征在于，從情報數(shù)據(jù)庫初版到情報數(shù)據(jù)庫的最終版本可以按照逐個主題、時間等維度進行，每個維度的數(shù)據(jù)也可以進行迭代更新，這里的主題可以是排名、人才、聲譽、創(chuàng)新、科研等。

60、本發(fā)明中，數(shù)據(jù)的處理分成了四個階段，第一個階段用來采集原始情報數(shù)據(jù)，存儲在數(shù)據(jù)湖中，第二個階段對數(shù)據(jù)湖中的數(shù)據(jù)進行清洗，輸出的結(jié)果存儲到情報數(shù)據(jù)庫中，第三個階段對清洗的結(jié)果進行歸納融合處理，輸出準確完整的情報知識，第四個階段對情報數(shù)據(jù)進行大數(shù)據(jù)統(tǒng)計分析，將統(tǒng)計分析的結(jié)果存儲到統(tǒng)計分析庫中。對建立的學科情報數(shù)據(jù)進行大數(shù)據(jù)分析，建立起學科畫像，并且可以從多個維度學科分析學科發(fā)展進行分析，為醫(yī)院制定科學的學科建設規(guī)劃提供依據(jù)，系統(tǒng)提供多層次、多維度的數(shù)據(jù)展示，以便用戶從不同角度深入了解數(shù)據(jù)，圖表、可視化工具和報告等形式都可以用于呈現(xiàn)復雜的分析結(jié)果。

61、本發(fā)明用戶群體包括醫(yī)院和科研院所的高級管理人員、研究人員、學者或者需要深度數(shù)據(jù)分析的專業(yè)用戶，系統(tǒng)可能提供更高級的智能分析和決策支持；在采集的數(shù)據(jù)更加明確，主要針對學科建設相關(guān)的數(shù)據(jù)進行采集，數(shù)據(jù)包括但不限于政策指南、行業(yè)咨詢、醫(yī)院權(quán)威排名、醫(yī)院官網(wǎng)、行業(yè)人才信息以及醫(yī)院科研、臨床以及績效數(shù)據(jù)等；強調(diào)系統(tǒng)在數(shù)據(jù)處理階段的智能化，通過學科情報數(shù)據(jù)歸納融合算法能夠更全面、深入地處理大量的學科情報數(shù)據(jù)；使用更高級的數(shù)據(jù)分析手段，如機器學習算法、深度學習等，以提供更深刻的見解和智能決策支持；在數(shù)據(jù)展示方面更注重多層次、多維度的呈現(xiàn)，通過圖表、可視化工具等方式向用戶提供更直觀的分析結(jié)果。

62、本發(fā)明的有益效果是：

63、(1)本發(fā)明通過數(shù)據(jù)歸納融合算法能夠?qū)崿F(xiàn)對學科建設現(xiàn)況、業(yè)內(nèi)頂尖人才和行業(yè)重點資訊的全面、準確、及時的收集、分析和展示，為醫(yī)院的學科建設和發(fā)展提供有力的支撐和指導；

64、(2)本發(fā)明能夠從多個信息源網(wǎng)站獲取、處理、分析和展示學科情報數(shù)據(jù)，克服了現(xiàn)有技術(shù)的局限性和不足，提高了數(shù)據(jù)的覆蓋率和質(zhì)量；

65、(3)本發(fā)明通過數(shù)據(jù)歸納融合算法能夠?qū)W科情報數(shù)據(jù)大數(shù)據(jù)分析，提供了多維度和多角度的數(shù)據(jù)分析結(jié)果，增強了數(shù)據(jù)的價值和意義；

66、(4)本發(fā)明能夠?qū)⒎治鼋Y(jié)果以可視化的形式展示，提高了數(shù)據(jù)的可讀性和可理解性，方便了用戶的查看和使用；

67、(5)本發(fā)明能夠?qū)@取的學科情報數(shù)據(jù)和分析結(jié)果存儲在本地知識庫中，保證了數(shù)據(jù)的安全性。