前言：中文期刊网精心挑选了人工智能发展分析报告范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
人工智能发展分析报告范文1
工作中存在的不足网络舆情监测工作是指网络信息工作的部门或人员在特定时期或者在特定的事件中对公众在互联网上发表的言论和意见进行监视、收集、分析、整理及预测的行为，这些言论被称为网络舆情。
当前的网络舆情监测工作平台主要是基于信息采集、整合技术和智能处理技术，通过对互联网海量信息的自动抓取、自动分类聚类、主题检测、专题聚焦，实现对用户的网络舆情监测，并由相关部门形成舆情工作报告、舆情信息简报等，为舆论引导提供可靠的分析依据。
进入大数据时代，网络舆论呈现的新特点，促使网络舆情监测工作暴露出诸多不足之处，这为网络舆情监测工作带来了诸多挑战。
网络舆论信息格局发生变化，舆情分析质量亟待提高。据人民网权威的《2016年中国互联网舆情分析报告》显示，在2016年，伴随着移动互联网应用不断向社会各层面渗透，网络舆论的格局发生了很大变化，如网民结构与社会人口结构趋同，网民产生代际更新导致网络流行议题和文化热点发生转换，微博、微信平台化，专业自媒体步入兴盛等。在这样的变局下，网络舆情监测工作面临着新的挑战。然而，有些部门的舆情信息收集工作仍然停留在报刊、门户网站、BBS、微博等开源信息的收集阶段，并未将新闻客户端、微信、直播等平台打通，难以保证舆情信息分析的全面性以及舆情热度指标的准确性。《2016年中国互联网舆情分析报告》还对近五年来参与当年最具网络关注度的20个舆情热点事件讨论的320万微博用户样本进行了分析，发现关注新闻事件和聚焦热点话题的网民发生了代际交替，在性别方面，女性的比例明显上升；在地域上，三、四线城市用户增长迅猛。受众层面发生的这些变化，也将在舆情监测工作中体现出来。然而在目前的舆情监测工作中，相关信息部门的舆情信息报送在内容上只是就事论事、停留在现象层面，对受众的成分、热点事件的社会背景以及事件背后所反映出来的社会问题没有进行细致深入的研究分析；在形式上，网络舆情监测工作的报送还停留在工作动态报告或者事件日志等形式的报送上。这样就造成了网络舆情信息的价值作用降低、服务能力减弱的问题。
热点事件话语体系不可控，舆情预警能力亟待增强。纵观近年来发生的热点公共突发事件，可以发现，在以大数据为基础的社交平台上，公众的话语体系呈现出了一些全新特征，如舆论主体的匿名性、参与渠道的多元化、生成议题的自发性、交流观点的无界性、汇集意见的实时性、发展趋势的不确定性等。这些特征与舆论话语体系在传统媒体的呈现完全不同，网络舆论热点事件话语体系的不可控性大大增强。
在社交媒体平台上，自媒体呈现出来的话语体系最为庞杂。许多舆情信息不仅包含结构化数据，还涉及大量非结构化数据，若对其准确性、真实性逐一核查，既耗费人力又耗费时间。就内容而言，较多负面、虚假舆情具有较强的隐蔽性，单纯以关键词或主题词进行搜索容易产生误判、遗漏。话语体系的不可控性增加了舆情监测工作的难度，这要求工作人员必须具备过硬的专业敏感性以及较强的网络操作技能。但是目前大多数舆情监测工作部门的信息工作人员缺乏专业化的训练，舆情信息工作水平参差不齐。就舆情监测平台系统来说，对于舆情信息的跟踪分析灵敏度较低，在有些热点事件的处理上没有按照公共突发事件的分类标准进行准确的分级，从而导致网络舆情信息的分析判断力体现不出其应有的情报价值，预警能力也随之削弱。
舆情监测的技术体系落后，人机不协调问题亟待解决。网络舆论的实时性及其发展的不确定性要求网络舆情监测必须迅速、及时，但很多单位部门的舆情监测平台的方法技术体系滞后，部分单位采用了网络监控系统、有害信息过滤系统等方式进行网络舆情监测，而有些单位为了节省舆情监测设备的成本，甚至将网络舆情监测工作依托于人工网页搜索及浏览的“人工盯梢”方式上，这成为监测工作的一大阻碍，监测工作出现疏忽错判也在所难免。排除资金、人力等客观因素，现阶段的网络舆情监测工作中技术方法体系的不足主要归因于“人机不协调”。机器与人工的协同分工模式不成熟、机器的辅助力量不够，导致人工智能技术在预测监测体系中分析情感、预测走势、检查效果等方面应用还稍显粗浅、机械，而在需要人工进行的高级维度分析、提出应对策略等层面，机器的应用又显得粗糙以及同质化。
人工智能为网络舆情监测带来的三大变革
网络舆情监测要适应大数据时代人工智能的要求，就必须顺势而为，积极进行变革，主要包括网络舆情监测技术体系的变革、网络舆情监测研究范式的变革以及网络舆情监测管理思维的变革三个方面。
网络舆情监测技术体系的变革。将人工智能技术应用于网络舆情是为了更好地对舆情进行分析研判，通过直观、简明的方式描述网络舆情信息的产生，进一步推导信息传播主体的态度倾向性、情绪感染性以及初衷、意图等，从而预测网络舆情信息的发展趋势。
如果说在“小数据”环境下，网络舆情监测工作还可以依托于“人工盯梢”的方式来完成，那么在“大数据”环境下，当数据的量级达到了EB甚至ZB级别后，以人工监测来把握舆情脉络已成为不可能完成的任务。而那些隐含在网络舆情信息中的观点、态度及情绪的表达，更难以从泛滥成灾的信息碎片中被真正发掘出来。加之海量信息的不共享所带来的“信息盲区”，更使得舆情信息分析不够严谨，易偏离实际，而这些问题都需要依托搭建智能化的网络舆情监管平台来解决。在平台上可以通过三种人工智能技术实现数据分析与人工智能研判相结合，再借助如眼动仪、脑电仪等受众检验仪器对网络舆情信息进行综合化分析。三种主要的人工智能技术主要包括：一是Web挖掘技术，该技术把互联网与数据挖掘技术结合起来，对网络上结构化数据如文字言论，以及非结构化的数据如视音频、图像等信息进行采集，完成信息前期处理的第一步；二是语义识别技术，该技术是利用采集到的信息，通过对语句中的关键词进行词义推断处理以及句子语法结构的分析，从而将复杂信息简单化，这是对采集的信息数据做进一步识别推断的过程；三是TFDF信息聚类技术，该技术主要提升数据信息的分析和分类速度，使网络舆情监测工作的处理更加及时，反应更加灵敏，提高采取措施的时效性。
人工智能技术的介入将有利于对信息进行挖掘、采集、分类、整理，从而找寻出最核心的关键性数据。在此基础上，还可以运用人工神经网络预测模型，对网络舆情的性质、发展趋势进行正确描述，并提出相应的对策。
网络舆情监测研究范式的变革。人工智能和大数据对网络舆情监测工作及其研究产生了颇为深刻的影响，舆情监测的研究范式从多角度发生了转向。
第一，舆情监测工作视角的转向：从单一化到多元化。在社交媒体平台上，受众的角色首先发生了转向，由信息的被动接收者转变为信息的参与者和传播者。这一转向给网络舆情监测工作带来了新的挑战，当受众是单纯的信息接收方时，网络信息的可控性强，舆情监测工作形式单一，把关相对容易。而受众角色发生变化以后，网络信息传播的不可控性大大增加，信息传播速度加快，信息传播呈现多元化特征，把关难度增加，网络舆情监测工作也从单一转向多元化，还需要对信息进行疏导、研判处理。
第二，研究视角的转向：从内容研究转向“内容+关系”研究。传统的网络舆情信息研究最重视的是受众借助网络进行的话语表达，其研究视角主要集中在内容层面。随着人工智能技术的介入，这一单向视角将发生转变，潜藏在内容层面背后的网络受众心理、行为、动机、诉求等多方面因素都将被关注到。借助人工智能技术及大数据分析技术，网络舆情信息的研究视角将透过内容层面深入到关系层面，转向对网络受众社会心理描绘、社会关系呈现、社会话语表达等多维度的研究。
第三，研究重点的转向：由舆情监测转向舆情预测。当前的网络舆情监测工作主要通过对当下网络舆情的动态信息进行随机采样来收集、整理、分析，更多的是关注已经发生的事件在过去及当下的动向，对未来的发展预测难以兼顾。而借助人工神经网络预测模型，通过自然语言处理、模式识别及机器学习等人工智能技术，可以对网络舆情的性质、发展趋势进行正确描述，再结合大数据分析处理整群数据来实现预测功能。比如，著名的搜索引擎公司谷歌通过关注用户搜索中的“流感”关键词来预测实际流感发生的时间，往往可以提前两三个周对流感的爆发进行预报及预防。
网络舆情监测管理思维的变革。在以人工智能技术为支撑的网络舆情监测平台出现之前，相关舆情监测部门的管理者往往由一人或几人的小团队组成，在监测信息数据量级不大的情况下，这种小作坊式单打独斗、面面俱到的舆情监控管理思维可以基本满足需求。但是随着人工智能技术的发展及大数据时代的到来，这种小作坊式的舆情监测体系面临瓦解。当前，商业化运营的软件监测团队多达几百家，这些监测软件服务商通过开发相应的舆情监测软件为政府部门、企业主体以及科研院所提供服务，进行简单的舆情信息数据采集及分类处理工作。在数据开源的情况下，这些软件服务商的竞争逐渐由粗放型、低层次化向数据处理的优化、人机互动、机器算法的精进等层面转变。
在以上变化的基础上，舆情监测的管理思维也必须转向，组建一支人员分工明确、高度聚合集约的舆情分析团队势在必行。舆情管理的思维变革依托于人工智能监控系统改变团队的组织结构及管理方式，通过智能化的舆情监测系统代替低效的人工操作，其专业性要求颇高，而最佳处理模式就是专业化团队加人工智能技术。按照这样的管理思维，未来舆情监测团队的分工将更加明确，行业内部集约聚合程度将进一步提高，行业有机化程度也将逐步增强。
人工智能发展分析报告范文2
关键词 网络文化安全；网络舆情；预警；智能分析
中图分类号TP393 文献标识码A 文章编号 1674-6708（2011）57-0213-02
0 引言
随着计算机网络技术及其应用的迅速发展，以数字内容为标志、以互联网为主要载体、以开放、多元、虚拟、交互为特征的网络文化，成为文化传播的主要形式之一。互联网在为人们提供大量的有用信息，给学习、生活带来便利的同时，也带来制造和传播不良甚至非法网络信息等新问题。在 Internet 普及的过程中，网民们积极参与网络讨论、自由表达个人观点、自主传播思想文化，从而形成网络舆情，网络舆情是社会舆情的直接反映。由于网络的开放性和虚拟性，决定了网络舆情具有直接性、突发性和偏差性等特点[1]。网络舆情的广泛传播常常导致现实社会有关事件的放大升级，甚至对事件的发展和结果产生巨大的影响力。针对网络文化中存在的安全威胁，实现对网络文化内容的有效监管，加强对网络舆情的及时监测和有效引导，成为当前亟待解决的问题。
1 网络文化安全预警系统模型构建方法
要保障网络文化安全，实现全面、准确、及时地掌握网络舆情，必须依靠科学的方法体系，运用信息化手段，构建网络文化安全监管系统，网络文化安全预警系统是其重要组成部分。
首先必须明确网络文化安全预警系统的性质和类型，采用科学的研究方法才能建立符合需求的应用模型，进而实现系统安全、可靠、有效的应用目标。
Internet安全对象不是一般的系统，而是开放、人在其中、与社会系统紧密耦合的复杂巨系统， Internet安全过程不是一般工程化的过程，而是一个时时处处有人参与的、自适应的、不断演化的、不断涌现出新的整体特性的过程[2]。因此，在建立网络文化安全预警系统时是由人、机和环境构成的人机系统，应采用“人网结合、人机结合”的模式，运用钱学森提出的综合集成方法[3]，将各行专家的经验、知识与先进的数据挖掘、检测与阻断、模式识别、趋势分析等处理技术结合起来，充分发挥各自优势，建立基于“专家群体+数据信息+计算机技术+专家经验知识”的系统应用模型。图1为运用综合集成方法构建网络文化安全预警系统的理想参考模型。
2 网络文化安全预警系统总体框架
互联网技术的发展日新月异，威胁网络文化安全的网络犯罪日益趋向智能化、技术化，要保障网络文化安全，必须综合运用互联网技术、信息处理技术、人工智能技术及数据挖掘等技术。运用综合集成方法构建的网络文化安全预警系统模型分为支撑层、数据层、分析层和应用层四个层次，具体框架如图2所示。
3 网络文化安全预警系统模型分析
3.1 支撑层
支撑层由Internet和计算机软硬件平台构成，利用互联网技术，为系统上层提供海量数据源和信息处理平台。
3.2 数据层
数据层实现信息采集的功能，利用网络爬虫对互联网信息进行实时监控和采集，并进行有效的过滤和存储，建立网络舆情信息库。
信息采集是网络舆情分析的基础，采用纵向横向结合的采集方式，满足实时网络信息和互动信息源定点提取的需要。定向采集保证监控的深度和实时性，主要实现对新闻、论坛、评论、博客等设定站点板块的信息采集。全网采集主要通过搜索引擎进行广度采集，保证监控的覆盖面。对采集到的信息需要进行必要的预处理，如格式转换、数据清理、主题提取、相关性判断等，最后形成格式化信息，存储在数据库中。
3.3 分析层
分析层作为系统模型的核心层，主要利用人工智能和数据挖掘等技术实现对舆情信息的智能分析，生成舆情分析报告提交给决策机构实现智能辅助决策。
1）自动摘要
自动摘要是通过智能手段为文档自动形成摘要的技术，是进行信息抽取的重要形式，融合了数据挖掘和机器学习技术[4]。用户无需查看全部文档内容，通过该智能摘要即可快速了解文档核心内容，提高信息利用效率。主要采用基于统计与基于理解的方法，对舆情信息中各类主题、各类倾向形成自动摘要。
2）热点发现
根据舆情信息出处的权威度、评论数量、发言时间密集程度等参数，识别出给定时间段内的热门话题，利用关键字布控和语义分析，识别敏感话题。
3）主题跟踪
由于主题具有实时动态性，所以主题跟踪是一个动态学习过程。针对热点话题，实时地进行信息跟踪，分析网络上新发表的新闻文章和论坛帖子，关注话题是否与已有主题相同或类似。
4）趋势分析
通过对某个主题在不同的时间段内被关注的程度进行跟踪，可以获取舆情随时间的发展变化趋势或规律，以及地域信息分布，从而提供阶段性的分析，实现对舆情环境的监控和预警，进行适时控制和疏导。
5）倾向性分析
对每个主题，将各种信息进行自动聚合并利用文本聚类和观点挖掘技术对信息阐述的观点、主旨进行倾向性分析，判别信息的发展趋势，从而明确公众对相关热点事件所持的态度和倾向，以便帮助政府职能部门及时了解社情民意，做出及时反馈。
6）舆情分析报告
将智能分析的结果形成简报、报告、图表等智能舆情报告，为相关职能部门快速、全面掌握网络舆情爆发点和事态发展趋势，做出正确舆论引导，提供可信的分析依据。
3.4 应用层
应用层是人机交互层，一方面用户可以通过一定的软件环境对舆情信息的采集及舆情分析过程加以指导；另一方面则将舆情分析结果以直观、简洁的形式展现给用户，便于用户深入理解舆情信息，同时，提供信息检索功能，用户可以针对系统预设关键词进行定制查询，并能够根据指定条件对热点话题、关键信息及倾向性进行查询，采用多种检索方式，可以有效提高信息检索的准确率。
更为重要的是，应用层将结合智能决策系统实现对舆情信息的智能决策。针对热点信息与突发事件进行监测分析，构建趋势预测模型，根据知识库存储的先验专家知识进行推理判断，形成最终的舆情分析结果，进而实现舆情预警。同时，对每次舆情预警进行必要的评价，优化预测模型的参数，调整和完善知识库存储的知识，使预测意见更接近实际情况，提高舆情分析的准确率。
4 结论
本文针对Internet安全对象的特点，运用综合集成方法构建了网络文化安全预警系统模型。该模型采用纵向横向相结合的采集方式，保证了对互联网海量信息监测的深度、广度和实时性，运行人工智能、数据挖掘等技术和智能决策系统对舆情信息进行智能分析和智能决策，发现网络热点问题并实时跟踪，从而实现对网络文化安全态势的预报和对危机的快速反应，通过舆情评价模块将有助于完善系统模型，提高预警的准确率。
参考文献
[1]张虹.基于统计分析和知识挖掘的网络舆情管理决策平台研究[J].科技信息，2011(7)：495，502.
[2]何德全.互联网时代信息安全的新思维[J].科学中国人，2003(1)：14-15.
人工智能发展分析报告范文3
论文摘要：随着数据库技术和人工智能技术的不断进步，数据挖掘技术逐步发展起来，作为当前计算机信息技术中的一项较为新兴的技术，综合运用了数理统计、模式识别、计算智能、人工智能等多项先进技术，主要是从大量的数据中来发现和挖掘一些隐含的有价值的知识，从大型的数据库数据中挖掘一些人们比较感兴趣的知识，本文主要讲了数据挖掘技术的概念、数据挖掘技术在保护设备故障信息中的实现方法以及数据挖掘技术保护设备故障信息管理的基本功能等问题。
数据挖掘技术作为当前计算机信息技术中的一项较为新兴的技术，综合运用了数理统计、模式识别、计算智能、人工智能等多项先进技术，主要是从大量的数据中来发现和挖掘一些隐含的有价值的知识，也就是从大型的数据库数据中挖掘一些人们比较感兴趣的知识，这些被提取的知识通常会表现为模式、规律、规则和概念，将数据挖掘的所有对象定义成数据库或者是文件系统以及其他的一些组织在一起的数据集合，数据挖掘技术也是现在智能理论系统的重要研究内容，已经开始被应用于行政管理、医学、金融、商业、工业等不同的领域当中，在保护设备故障信息管理方面发挥出了积极的作用。
一、数据挖掘技术的概念
随着数据库技术和人工智能技术的不断进步，数据挖掘技术逐步发展起来，主要是指从大量的数据中发现和挖掘一些隐含的有价值的有用信息和知识，这些被提取的知识通常会表现为模式、规律、规则和概念，将数据挖掘的所有对象定义成数据库或者是文件系统以及其他的一些组织在一起的数据集合，当前数据挖掘技术已经逐渐被应用于了医药业、保险业、制造业、电信业、银行业、市场营销等不同的领域，随着计算技术、网络技术以及信息技术的不断进步，在故障诊断过程中所采集到的数据可以被广泛地存储在不同的数据库当中，如果依然采用传统的数据处理方法来对这些海量的信息数据进行分析处理，不仅会浪费大量的实践而且也很难挖掘到有效的信息数据，同时，尽管智能诊断以及专家系统等方式在故障的诊断过程中已经被得到了广泛的应用，但是这些方法却仍然存在着很多推理困难、知识瓶颈等一些尚未完全被解决的问题，采用数据挖掘技术就可以比较有效地来解决这些难题，在故障诊断的过程中发挥其独特的优势。从不同的角度进行分析，数据挖掘技术可以分为不同的方法，就目前的发展现状来看，常用的数据挖掘技术方法主要有遗传算法、粗集方法、神经网络方法以及决策树方法等。
二、数据挖掘技术在保护设备故障信息中的实现方法
1.基本原理。在设备出现故障时采用数据挖掘技术对设备进行一系列的故障诊断，也就是说根据这一设备的运行记录，对其运行的趋势进行预测，并对其可能存在的运行状态进行分类，故障诊断的实质就是一种模式识别方式，对机器设备的故障进行诊断的过程也就是该模式匹配和获取的过程。
2.对故障诊断的数据挖掘方法建模。针对机械故障的诊断来说，首先就应当获取一些关于本机组的一些运行参数，既要包括机器在正常运行以及平稳工作时的信息数据，也应当包括机器在出现故障时的一些信息数据，在现场的监控系统中往往就会存在着相应的正常工作状态下以及出现故障时的不同运行参数，而数据挖掘的任务就是从这些杂乱无章的信息样本库中找出其中所隐藏着的内在规律，并且从中提取各自故障的不同特征，在对故障的模式进行划分时，我们通常可以借助概率统计的方式，在对故障模式进行识别时可以采用较为成熟的关联规则理论，实现变量之间的关联关系，并最终得到分类所需要用到的一些规则，从而最终达到分类的目的，依据这些规则，就可以对一些新来的数据进行判断，而且可以准确地对故障进行分类，找出故障所产生的原因和解决故障的正确方法。
三、数据挖掘技术保护设备故障信息管理的基本功能
1.数据传输功能。数据挖掘技术保护设备故障信息管理与分析系统的主要数据来源就是故障信息的分站系统，而分站系统中的数据是各个子站的一个数据汇总，而保护设备故障信息管理与分析系统所采用的获取数据的主要方式就是一些专门的通信程序构建起系统与分站之间的联系，将分站上的一些汇总数据传输到故障信息系统的数据库中，分析系统所具有的数据传输功能，在进行数据的处理时又能做到不影响原先分站数据库的正常运行，并且具备抗干扰能力强、计算效率高的优点。
2.数据的分析功能。系统在正常运行时，会从故障信息子站或者是分站采集相关的数据并且对这些采集到的数据进行分析整理，最终得到有用的数据信息，利用数据挖掘技术对庞大的故障数据进行分析、分类以及整理，能够有效地找出有用的信息，归并一些冗余的信息，对信息进行有效地存储和分类。另外，数据挖掘技术还具有信息查询的功能，可以进行不同条件下的查询，例如按时间段、报告类型、设备型号以及单位等进行查询，实现查询后的备份转存等，根据故障信息系统所提供高的数据信息以及本系统库中所保存的一些整定阻抗值，可以通过逻辑判断生产继电保护动作的分析报告，主要包括对故障过程的简述、故障切除情况以及保护动作情况等，可以便于继电保护人员直观的对保护装置的动作情况进行分析。
四、结语
随着企业自动化程度的不断提高以及数据库技术的迅速发展，很多企业在一些重要的设备方面都安装了监测系统，对设备运行过程中的一些重要参数和数据进行采集，采用数据挖掘技术可以有效地解决设备故障诊断中的一些知识获取瓶颈，将数据挖掘系统充分应用到监控系统中，有效解决故障诊断中的一些困难，事实证明，将数据挖掘技术应用到故障诊断中是非常有效的，也是值得研究和学习的新型技术手段。
参考文献
[1]李勋，龚庆武，杨群瑛，罗思需，李社勇.基于数据挖掘技术的保护设备故障信息管理与分析系统[J].电力自动化设备，2011，9
[2]李建业，刘志远，蔡乾，赵洪波.基于Web的故障信息系统[J].电力信息化，2007，S1
人工智能发展分析报告范文4
根据原国家新闻出版广电总局的年度新闻出版产业分析报告，2016年期刊总印数比前一年降低6.3%，总印张降低9.4%；与2016年相比，2017年期刊出版总印数降低7.6%，总印张降低10.1%；与2017年相比，2018年期刊出版总印数降低8.0%，总印张降低7.3%。反观数字出版，2016年数字出版总收入5720.85亿元，2017年数字出版总收入7071.93亿元，2018年数字出版总收入8330.78亿元。可以预见，随着时间的推移，数字出版在期刊领域也将承担越来越重要的角色。由于数字出版的发展和技术发展密不可分，本文尝试从技术的角度分析数字出版态势，并进一步探讨我国科技期刊的发展态势以及新技术可能为数字出版带来的变化。
一、数字出版领域和新技术领域关键词
在数字出版方面，本文研究了2019年数字出版会议和期刊编辑领域的论文来探讨数字出版领域的关键词。在技术方面，本文通过调研互联网的发展了解了新技术的关键词。1．数字出版领域的关键词。2019年，重要的数字出版会议主办方主要有中国期刊协会和中国新闻出版研究院。会议报告题目关于数字出版的关键词有：数字产业、生态、经济模式、数据、移动、互联网、信息技术、5G、AR+、人工智能/AI/机器人、平台、云计算、新媒体、大数据、创新产品、智慧产品、知识付费、微课程、全媒体、在线、智库、阅读、精准、IP、传播、数字出版、知识服务、融合发展、出版未来、人才等。在期刊调研方面，本文调研了期刊和编辑出版领域的重要期刊——《中国科技期刊研究》《科技与出版》《编辑学报》等，分析了2019年刊发的文章。这些文章涉及数字出版领域的关键词主要有：媒体融合、5G、AR、移动出版、xml/html、共媒体云和自媒体库、人工智能、平台、产品、APP、在线、新媒体、区块链、知识图谱、知识服务、社区服务、精准推送、全媒体、智慧媒体、数字出版、造船、有声阅读、赋能、书刊互动、转型、智库、知识付费、编辑出版工具等。从上述关键词我们可以分析出，在数字出版方面，期刊和技术方分别都在哪些方面开展了工作，期刊在数字出版方面的融合可以从哪些方面突破。图1是从2019年度相关会议和期刊论文调研得出的与数字出版相关的关键词。从中可以看出，数字出版会议和相关报告更多地从技术层面出发，考虑技术、产品和运营。数字出版相关论文更多地从编辑出版角度进行分析，涉及期刊出版各环节。关键词方面两者有所重叠，也有所不同。例如，数字出版相关论文较少关注5G、产品，更多关注和专业以及学术研究息息相关的数据（尤其是科学数据）、知识服务、编辑业务和人才队伍；而数字出版会议和相关报告则相对较多地关注5G、IP运营等技术或者产品。双方均关注融合发展、数字出版、人工智能、新媒体等。专业技术团队和编辑出版团队已经在一定程度上融合，但是双方的发力点还是有所不同。因此，若要促进科技期刊融合发展，编辑出版方需要更好地表述自己的需求，技术方也需要更深入地做好需求调研，更好地按照期刊的思路研发产品，如此建设的系统和平台才能更好满足期刊出版的需求。上述调研也给数字出版的研究带来启发。一方面，研究数字出版可从期刊编辑工作流程出发，研究各个环节中哪些环节可以利用数字化提高工作效率，或者整个工作流程中有哪些困难需要机器帮助解决；或从现有数字出版的实际态势出发，研究同行在做哪些工作。另一方面，可研究新技术的特点，即研究其可能给数字出版领域带来哪些变化。2．新技术关键词。那么，我们需要关注哪些新技术呢？哪些新技术能代表新一代互联网的发展呢？2019年第六届世界互联网大会在浙江乌镇召开，会议的主题是“智能互联开放合作——携手共建网络空间命运共同体”。会上公布了15项代表性领先的科技成果，它们的主要关键词是人工智能、机器、分布式、共享、智慧、自适应、5G等，这些关键词也说明了新一代互联网技术的重点发展方向，是近几年技术领域的重点。我们可以看出，随着互联网的发展，尤其是和数字出版息息相关的新技术，是5G、大数据、云计算、人工智能、物联网、区块链、虚拟现实技术等。另外，还有和数字出版领域紧密结合的碎片化技术、语义技术、新媒体技术（微信公众号、小程序、短视频等）。下面我们逐一分析这些技术的特点，以便后续进一步探讨它们在数字出版方面的应用。5G是下一代信息社会建设的基础设施，它的特点是高速率、大容量、低延时、低功耗，这些特点使得更多资源可以部署到云上，单位时间可以传输更多的内容或者整合更大量的数据；使得虚拟现实、万物互联等成为可能；也使得智慧城市、智慧社区等得以实现。从期刊出版的角度来说，5G将可能改变知识内容、平台、存储、流通、渠道、服务、消费、终端呈现等的方式，对行业带来深度的变革。大数据技术包括数据分析技术、事件处理技术、数据流通技术。我们可以从数据采集与处理、数据挖掘与分析、数据存储与管理、数据展现与应用方面去思考期刊出版相关数据的采集、处理、重新聚合、呈现形式等，思考大数据技术可能为数字出版带来哪些新的应用。我们可以从分布式存储方面考虑期刊相关数据库的架构、设计以及分布式关系模型；可以从数据流通角度考虑期刊数据传输的质量、安全等；可以从数量巨大、来源分散、格式多样的数据中发现新知识、创造新价值、提升新能力，从而考虑新一代数字出版服务业态。云计算是一种基于互联网的超级计算模式，云计算的计算速度甚至达到每秒10万亿次，可以将繁多的系统以及云资源连接在一起以提供各种服务。云计算的特点是可以有效兼容各种不同种类的硬件和软件，支持资源以及新业务的动态扩展，具有高可扩展性；支持多业务体系按需服务，按需配备计算能力和资源；使用数据多副本容错和计算节点同构可互换等措施来提高可靠性；使用户突破时间和空间的限制享受虚拟现实的服务；支持海量信息处理以便提供超大规模服务等［1］。云计算技术逐渐成熟，将使得对运算能力要求高的产品得以运用，使得对运算能力要求高的服务得以实现，使得跨空间、跨时间的虚拟服务成为现实，使得跨平台、跨数据库的资源得以快速整合。人工智能产业在大数据、深度学习算法、计算能力三大要素的推动下逐渐成熟，人工智能研究让计算机模拟人的思考过程以及智能行为，如学习、问题求解、自动推理、智能检索、思考、规划等，其相关的技术包括机器人、语言识别、图像识别、自然语言处理等［2］。期刊可以思考，现阶段或者未来在数字出版中，哪些环节可以用计算机或者机器人来实现，思考利用计算机和机器人可以帮助我们实现哪些人工难以完成的工作。物联网作为信息通信技术的典型代表，其技术和应用的普及以及逐渐成熟，将推动人类社会进入万物互联的新时代，可穿戴设备、智能家居、自动驾驶汽车、智能机器人等新设备将接入互联网。这使得未来学术出版物的产品、终端等呈现多样化。根据物联网的特点可以更多地思考学术出版的产品以及终端。区块链技术的特点是去中心化、分布式和安全。期刊可以从这三个特点考虑在这方面有要求的产品和环节。虚拟现实技术包括VR（虚拟现实技术）、AR（增强现实技术）和MR（混合现实技术）。VR是利用电脑模拟产生虚拟世界，让使用者如同身临其境一般，是纯虚拟数字画面。AR是通过电脑技术将虚拟的信息应用到真实世界，真实的环境和虚拟的物体实时地叠加到同一个画面或空间，是虚拟数字画面和裸眼现实。MR包括增强现实和虚拟现实，指的是结合数字化的现实世界和虚拟世界而产生的新可视化环境，MR是数字化现实加虚拟数字画面。虚拟现实的特点将使得学术传播更加真实、直观、多方位、多角度。和期刊紧密结合的语义技术、碎片化技术、新媒体技术、视频技术等，这些期刊界比较熟悉，这里不再赘述。
二、我国科技期刊数字出版状况
根据《中国科技期刊发展蓝皮书（2017）》统计，我国科技期刊中，5020种期刊共有1375个主管单位、4381个出版单位。平均每个出版单位出版1.15本期刊，仅出版1种期刊的出版单位就有4205家［3］。我们可以看出，我国期刊众多，但是小而散，这些小而散的科技期刊很难有比较强的经济实力单独开展数字出版的转型。尤其是和国际大出版商相比，我国科技期刊的数字出版还落后很多。进行国际合作的英文学术期刊，充分利用国际数字出版平台，在一些流程中实现数字化，是众多国内英文科技期刊的选择。即使如此，我国科技期刊一直坚持不懈地利用一切可利用的资源逐步摸索出自己的数字化发展之路。在科技期刊数字出版过程中，期刊出版人体验了如图2（1）到（5）所示的媒体传播发展过程。尤其是近几年，科技期刊媒体融合技术和产品日新月异，科技期刊、期刊集群、超大规模刊群均在数字出版和媒体融合方面做了大量探索，并取得一定的成绩。图2媒体传播的发展1．期刊的数字出版我国科技期刊在数字出版方面侧重于期刊出版全流程的数字化以及为学科服务。目前，我国科技期刊出版流程中很多环节已经实现了数字化、融媒体发展。科技期刊数字出版的重点是采编审校、出版、学术传播和知识服务等环节。在出版方面，我国很多科技期刊除出版整期外，还做优先出版、预出版，也有期刊支持已经提交预印本库的文章，还有期刊平台支持连续文章出版。相当数量的科技期刊实现了xml制作、html展示、全媒体出版，并实现一次制作多元，还支持读者针对文章内容、图、表等进行交流和评论，甚至记笔记、翻译和分享。我国有100多家期刊加入双语出版，使得中文期刊的文章被翻译后得以在海外传播。也有期刊打造多媒体栏目，有的视频，通过多媒体的方式为读者直观地呈现原始的研究成果和重大发现。在学术传播方面，期刊也是百花齐放。有的通过论文改编或者写文章评论的方式在其他平台进行学术推广；有的充分利用各种数据库、社交平台、学术传播平台、学术媒体进行学术传播，例如《中国科学数据》的平台可以直接对接ResearchGate传播期刊论文；有的开通微信、微博、博客等进行学术社交；有的做精准推送；有的增加在线的微视频、音频等内容；有的充分利用新媒体领域的短视频平台，如今日头条、九州云播等开展专业领域的学术推广活动。在知识服务方面充分发挥学科特色，如将研究区域嵌入地图，进行线上线下推送相关专业信息、科普信息等；或者充分利用淘宝、抖音、快手等平台展示专业内容或科普内容。2．期刊集群的数字出版期刊集群侧重为所属期刊提供各种单刊不易实现的服务，降低刊均成本。例如，学科刊群比单个期刊容易整合更多学科资源，为本学科提供更丰富的服务，并且还能为所属期刊提供多种出版服务，进行整体学术推广，相比单刊有更大的学术影响力。近些年有众多声音指出，我国科技期刊很难与国际大出版商同台竞争的原因是我国期刊小散弱，因此呼吁我国期刊规模化发展和集群化发展。这些年也确实形成了一系列的期刊集群，并逐年扩大，如中华医学会医学期刊集群、科学出版社期刊群、高等教育出版社期刊集群、清华大学出版社期刊群、浙江大学出版社期刊群、中国光学期刊群、中国地理资源期刊集群等。这些期刊群均建设了自己的网站，并获得了一定的资金支持。在资源整合方面，如中国材料期刊网实现了期刊资源的集成，除此之外还整合了图书、专利、专家、会议等学科资源，并增加了虚拟专辑、会议系统等。中国煤炭网有期刊库、专题库、专家库、视频库以及煤炭视听板块（专家报告、特别访谈、煤炭科普、会议活动等），整合了行业资源。在平台建设方面，清华大学出版社期刊集群平台实现了预出版、OA出版等，还制定TUP-JATS的xml标准。浙江大学出版社期刊中心实现了全流程的数字化期刊集群平台建设，平台集投审稿、内容、运营推广、读者服务于一体，打通底层数据，实现多终端访问。中华医学会建设CAMJATS标准，采用统一的标准处理期刊相关数据，曾中标国家数字复合出版工程的试点单位和示范单位，并升级采编平台以及出版平台，进一步进行资源整合，实现采、编、审、排、加工、多形态、富媒体出版、移动出版、质量管理、新媒体学术推广、期刊销售、会议服务等一体化、现代化的出版和服务体系。高等教育出版社实现采编、运营管理、数字化生产、数字化平台建设、市场营销与海外合作的体系化发展。在学术推广方面，国内的期刊集群化平台常对接一些学术评价和学术推广平台，例如Almetric、TrendMD、Kudos、PubMed、CSCD、百度学术等。在知识服务方面，国内的学科期刊集群通常整合该学科的各种学术资源，为该学科研究人员提供知识服务，或者为期刊、编辑等提供行业服务。例如中国激光杂志社提供协同会议系统、DOI注册、编辑加工等行业服务，该集群通过举办会议聚拢专家资源和学术资源，同时也为光学领域提供服务［4］。3．超大期刊集群的数字出版国内的超大期刊集群，有知网、万方、维普、龙源、超星等，特点是能更好地利用大数据资源和技术为期刊出版的上游、期刊出版环节以及期刊出版的下游提供服务。下面以知网为例叙述超大期刊群的数字出版。知网整合了我国95%以上的中文学术资源，拥有我国最大最全的中文学术资源库，也拥有我国最广最全的读者群。知网在期刊上游环节，为作者以及研究人员提供的服务有：如何查资料、如何申请课题、怎么做实验、怎么做科研等信息；读者可通过中国知网、CNKISCHOLAR、全球学术快报、CNKI知识元搜索（碎片化地搜索图、表、概念、数字……）等检索学术论文、基金、碎片化资源、全媒体资源等；可以通过庞大的学者成果库、学者圈子等获取专家信息，进行学术社交；可以通过研究型学习平台获取或者管理自己关注的学术资源；可以通过大数据研究平台利用统计数据获取学术热点等信息。在期刊全流程出版环节，编辑可以利用选题策划、学术热点、期刊按需出版中的用户分析等模块进行选题策划，利用采编排发一体化出版系统（包括学术不端检测、文章创新性检测、
人工智能发展分析报告范文5
然而，这位萌妹子成为“微信红人”后却问题不断。5月30日，部分小冰公号在对话时出现了“无应答”“答非所问”“重复回答”等故障。研发方就此致歉，称为公测期准备的10万个小冰账号于上线首日被抢注一空，同时与小冰聊天的用户超过百万，导致拥堵。另一方面，也有“部分小冰被腾讯微信系统误判为SPAM账号”，即垃圾账号的原因。
5月31日，认证为“微软必应项目经理”的新浪微博公号称“企鹅有时候不让我说话”。次日，微软宣布，“腾讯公司在未做任何说明的情况下，突然开始大规模杀死在各个聊天群组之中的小冰账号。”被视作“奇兵”的小冰，仅三天即告夭折，而其在声明中使用的“屠刀”等措辞，将这次纷争升格为了战争。
微软方面指责腾讯以微信出现假冒账号为借口，封杀了全部真正的小冰。并称在上线伊始，双方就建立了沟通渠道，“我们建议可采用任何形式的合作，双方的沟通本来正在进行”。腾讯公司则声称，接到了大量用户询问，担心这款产品的运营方式是否会泄露用户聊天内容。“经查证后发现该产品涉及模拟用户操作、诱导用户拉群、批量注册垃圾账号等影响平台规则和用户体验的违规行为”。但腾讯亦称仍在与微软沟通。 双方谈判随后终告失败。微软在近几天内迅速与易信、米聊合作，让小冰在上述平台“复活”。此外，微软还称将与触宝结合，担当用户生活服务私人助手；并与奇虎360公司达成“战略合作”，预期在“人工智能、移动互联等方面展开深度技术合作”。而腾讯方面亦在开发自己的语音智能产品。
围绕语音智能的一场大战似已拉开序幕。 一度“失聪”
在2011年Siri随iPhone 4s面世之前，无论是语音应用还是人工智能领域，这样的“热闹”都还不可想象。
就算是中国语音应用第一品牌科大讯飞股份有限公司（下称科大讯飞），语音支撑软件在2010年实现营业收入也仅6400万元。业界公认该公司占据语音应用60%以上市场份额，换言之，市场总量不过1亿元，且主要是基于语音合成业务。海通证券分析师陈美凤测算，由语音识别业务带来的营业收入不到语音支撑软件收入的10%。
语音应用主要分为三大部分，语音识别、语音合成和声纹识别，其中声纹识别技术目前尚未真正形成市场。如果说将Siri及其同类产品看作一个“人”的话，语音识别可以视作他的耳朵，而语音合成则是“嘴巴”。
让机器人“说话”更容易。早期的语音合成可以简单理解为“录音+重放”。首先邀请一名阅读者录制较常出现的词句。而后在“说话”时，将文本切割为短句、词语甚至是发音片断，与录音资料进行匹配后播放。但这种做法有时会令语句听起来相对生硬，甚或较难理解，因此自上世纪80年代以来，对语音合成技术的改进主要是针对自然度和音质。这一技术在公交、地铁等公共广播系统应用已久，智能手机出现后也被广泛用于读书、读报软件。
一度成为语音应用瓶颈的是语音识别技术。上海智臻网络科技有限公司（下称智臻科技）先后推出的MSN聊天机器人、海宝机器人曾经风靡一时。公司董事长袁辉称，在2004年首次开发MSN机器人时，也曾考虑过让它能“听说读写”，但最终仍仅定位为文字机器人，原因是当时的语音识别技术不成熟，“识别率只有60%，甚至更低”。
早在上世纪90年代就已经出现了商用的中文语音听写系统，用于将人口述的语句转换为文字存储，省却双手打字之累。当时的这类系统必须经过使用者的“训练”才能勉强“听懂”这个人的话，其他人使用则又要再度训练，且对发音、语速都有较高要求。火了一段时间后很快沉寂。
杨宁平2003年回国创业时，国内都谈不上有语音识别市场。当时在美国等一些国家，语音识别技术已经被用于一些企业的呼叫中心，代替人工接线员，但在国内，企业“机器听懂人话”的反应普遍都是“怎么可能”？杨宁平创立上海基立讯科技有限公司（下称基立讯）初期，长年靠其他电话业务勉强维持。
要让机器“听”懂人话，首先要将语音信号转换为机器能够识别的频谱，将其与系统中已有的声学模型进行比对，从而确认发音。虽然每个人说话的时候音量、声调、频率各不相同，但相同的发音转换为频谱后，仍会拥有共同的几项特征。这些特征就是识别不同发音的关键。比如，“方（fang第一声）”“风（feng，第一声）”“分”（fen，第一声）”“粉（fen，第三声），排除声母发音后，不同的韵母和声调会显示不同的特征。
在对发音进行识别的过程中，系统已有的声学模型至关重要。除了要有准确性，还要尽量包容每个人不同的口音。早期建立这一模型的方法，是由使用者本人进行“训练”，通过招募志愿者阅读指定文字收集语音语料建立“说话人无关模型”。但是志愿者量不够大，这导致模型的准确性和包容度皆不足。
上海交通大学电子信息与电器工程学院特别研究员俞凯认为，互联网尤其是云计算技术的应用，是搜集语料的最大助力。“现在一些开放的语音识别平台，像谷歌、百度、搜狗有上千万人在用，能够收集上亿数据。真正的说话人无关模型就是互联网普及后出现的。”
提高识别率的方法还有模糊匹配、领域限制等。对机器而言，发音并不等于文字。例如，发音“feng”，究竟是“锋利”的“锋”，还是“山峰”的“峰”，或是其他同音字，还需要再进一步与语言模型进行比对，找出最接近的一组显示出来。“以往主要是截取一些短语、短句，但是语料丰富、技术发展后，会用一串发音去比对，因此反而是较长的语句识别准确率更高。”杨宁平介绍。
然而，无论研究者将已有技术一步一步改进得多么细致，语音识别在本世纪初都只是一个十分狭小的领域，企业大多较小甚至微小。当时基立讯所有成员一共三人，如今的行业巨头科大讯飞也只是个十多人的“草台班子”。研究者亦多集中于中国科学院自动化所、声学所，及北大、清华和中国科技大学三大院校。他们能够接到的语音识别业务也都十分有限，要么是在大型项目中分一杯羹，要么就是一些试验性的“创新项目”，难称保本，遑论盈利。 拯救者Siri
市场的拯救者Siri在2011年出现了。它将语音技术与人工智能相融合，激发了技术控们的热情。百度、搜狗等搜索引擎纷纷推出语音搜索功能，腾讯则是语音输入法，长虹、联想等则将其引入了智能电视、智能手机等各类家电。
资本热情在2012年爆发。科大讯飞迎接各大机构的密集调研，动辄六七十人集体前往，市盈率也由70倍升至90倍。成立于2012年6月的北京云知声信息技术有限公司更是在成立500天后就获得了高达1亿元的A轮融资，创造了当年这一领域的最高融资记录。
但在袁辉看来，Siri并不等同于语音技术。这款机器人之所以受到追捧，固然是因为“听”“说”能力更像一个“人”。但要像人一样“陪聊”，仅仅会听说远远不够，更重要的是“大脑”。很多人认为Siri是智能语音，但它实际上是机器人，只是以语音形式来互动。科大讯飞像美国的Nuance，而小i就是中国的Siri。智臻科技成立于2001年，小i是其主打的智能机器人品牌。Nuance是一家语音识别技术研发机构，也是Siri的语音转换引擎的提供商。
袁辉自认为，2003年至2011年，其所在公司一直是全球最大的虚拟机器人提供商和运营商。但直到三年前Siri推出，公司方实现盈利。此前则几经艰难，甚至一度靠私人借高利贷维持。
与以往的聊天机器人相比，Siri及类似产品确实显得更加“智能”。此前的一些聊天机器人运用的是关键词抓取技术，根据关键词进行反应。如一句话中出现了“天气”，即便使用者只是无意中提及这个词，得到的回答就是当地当天的天气。经常被逗乐的还有不能判断否定句，如输入“我爱你”和“我爱你才怪”，得到的回答都是“我爱你”。
这源自机器人对语义理解不足。智臻科技资深市场顾问梅莉介绍，仅在银行信用卡系统中，该公司收集到的余额查询表达方式就有200多种，包括“查询余额”这样出现频率较高的，也有“老子还有多少银子”等。只有让机器理解各类千奇百怪的表述和具备逻辑能力，才能真正可以让机器用自然语言交流。
更大的问题在于降噪。车载语音导航设备一度被认为是语音技术应用的一大增长点。然而实际应用中，行驶过程中产生的噪音，往往令机器难以识别语句的语音，导致无法进一步实现交流。这种情况在智能家居领域相对好些，但要识别哪些话是人们的普通交谈，哪些话是对机器人“说”的，难度则又进一层。 解困
Siri之后，机器人的耳朵和大脑都变得越来越“智能”，现在如何让语音智能“有用”成为挑战。
即使有了苹果公司的支持，Siri的“无所不知”之路也难称顺利。多数使用者尝鲜后很快厌倦了Siri，并不真正用这个“助理”查询天气、交通等，也不使用它的语音拨号等内置应用，Siri的“所知”也十分有限，它更像是一个纯娱乐性的聊天机器人。问题是，聊天无法产生价值，换言之就是“没用”。
要让语音智能“有用”，智臻科技找到的出路是客服。小i被广泛用于金融、通讯领域的短信和网络客服，以及社保、财政、街道等政府部门自动问答系统。这种做法的好处是，将服务范围限制在一定领域内，从而提高语音、语言和语义识别的正确率。相较通用语音识别引擎85%的正确率，此类服务的正确率则都在90%以上甚至更高。
招商银行信用卡微信机器人是最受欢迎的七大微信公号之一，其识别正确率目前已达98%。用户在添加这个账号后，可以像真人一样和机器人对话，获得常见问题的回答。用户在绑定信用卡后，则可以查询自己的账单、还款金额和积分等信息，还可以办理分期付款等简单业务，复杂业务亦可由系统直接跳转至手机银行办理。
小i也被用于短信客服系统。一般的短信自助客服系统须经过早已设计好的路径，操作复杂，耗时较长。如要进行余额查询，往往需要经过服务语言、服务大类、服务小类、服务细目的层层选择，而相对智能化的自助客服系统则能直接将客户引至操作层。据称这样做可令招行节省约5000万元短信费用。
智臻科技项目负责人孟庆国估算，银行业每通客服电话的成本大约是5元（包含人员工资、通信费、水电、座席硬件设备等）。2012年招行卡中心客服的人工话务量超过6000万通，若微信的智能互动和自助服务能节省10%的话务量，则招行信用卡中心一年节省的费用大概是3000万元。
IT研究和顾问咨询公司Gartner在2011年的分析报告中就曾指出，截至2011年，全球大约有36家智能机器人系统服务商。在其调查的19家服务商中，收入大于500万美元的近三分之一。Gartner预计，2014年全球1000强公司中至少有20%会采用智能机器人系统来提高服务水平。
人工智能发展分析报告范文6
关键词：网络会计 智能 会计信息失真 会计信息挖掘
随着基于webservices（网络服务）的网络应用体系结构的进一步的发展，人工智能技术在网络财务应用和商业智能中的作用日益加大，神经网络、遗传算法、数据聚类分析给会计信息挖掘提供了新的技术支持，同时也要求网络会计更加智能化，以便适应网络经济的发展。（intelligentagent）智能是系统科学中人工智能的一部分，它指软件和硬件组合能代替它的使用者完成特定的工作。会计智能可代表实体如会计用户、会计应用系统或其它会计核算程序自主地运行。它可与会计用户、会计信息系统或其它进行通信以执行自己的任务，先进的会计可与其它会计合作承担单个会计无法完成的任务，移动还可根据需要从一个会计信息系统移到另一个会计信息系统中。
一、利用会计智能提高网络会计信息的真实性
会计信息是社会经济有效运行的重要基本元素，真实性是对会计信息质量最基本的要求，社会经济的良性运转要求会计信息能够与它所反映的客观事实相符。而会计信息失真是我国目前经济运行中存在的严重问题。利用会计智能主要能从以下几个方面来提高网络会计信息的真实性。
1.增强会计人员的信息安全意识，消除会计信息源失真。会计人员的人为错误是会计信息失真的一个主要方面，由于缺乏对人为错误有力的监控，会计人员中的故意行为很难察觉。智能可利用多维信息记录各种网络会计数据处理中人的行为，以备日后查证。对会计信息操作的人员进行严格权限动态分配，对不同会计人员在不同权限下会计信息的使用进行记录，保证会计信息源的有效性。因智能有一定的自学习能力，可让会计智能学习最新的会计法规和初步的会计实践知识，许多核算、报表任务可交付会计智能自主完成。这样，一方面可保证数出一门，同时可将会计人员的精力投入原始会计数据的审核、安全管理上，提高会计信息的原始精度，另一方面，可减少中间会计人员对会计信息的处理，降低人为会计信息误差。
2.组织智能移动审计进行网络审计，降低会计舞弊行为。审计部门可不定时期编制移动审计智能程序，先将其注册到审计部门的服务器上，然后将其通过会计网络发送到待审地区或部门，由审计智能自动对当地待审部门的财务信息进行远程审计，并可将审计结果和特定的会计信息带回审计部门。对于需要多部门配合的审计，可编制多个智能，设定它们的活动路线、自身会计属性、业务流程规则等信息，智能能够根据不同的会计流程通过网络在不同的实际会计业务发生地点之间进行流动，根据不同地点、不同部门的相关会计信息自动完成相应的查账、审计处理，将结果带回审计部门以所需的格式再现，这一切活动不需要人的参与，真正体现了网络会计的自由性、快捷性、精确性。智能可深入会计信息源的计算机中，利用实际会计信息环境对相应的会计部门的资产负债表、利润表、现金流量表进行初审，这样，一方面减轻了多时段审计的压力，同时这样审查可在不预先告知待审部门的情况下通过网络瞬间即可完成。这种方式因为剔除了人的干扰，增强了审计的真实性、无差别性。同时利用会计智能能深入到许多深层次的会计信息，更有利于对大的会计舞弊行为的查处。
二、利用会计智能拓展会计信息披露服务
会计信息服务是最广大的会计信息用户群接触相关信息的首要渠道，会计信息的多方位披露是众多用户对网络会计提出的一个新的要求，利用会计智能可在以下方面拓展会计信息的披露服务。
1.提高会计信息披露效率。
（1）对会计信息自动进行信息披露分类管理。管理复杂和经常变化的会计分类代码和数据限制条件使得会计信息披露服务效率低下，利用会计智能使会计分类代码和限制条件的维护简便快捷和正确，保证会计分类代码和限制条件在管理和维护时的同步性和一致性。
（2）对会计信息披露自动进行索引管理。为提高会计用户的需求，网络会计中需建立不同层次，不同类别的索引以提高会计信息查询速度，但会计信息索引管理却很麻烦，一般由系统管理员和会计分析员人工设定，利用智能可由计算机自动管理会计信息索引，只要预先设定初步的会计知识和索引方案，系统会自主地对相关索引进行建立、调度，并随会计的发展对索引进行重构、维护。
（3）会计用户自动进行会计信息披露导航服务。利用会计智能告诉用户所需要的会计信息资源在哪里，对会计信息进行挖掘，并向用户提交相关信息超链接集。
2.满足会计信息披露多样化。
（1）个性化会计信息过滤。网络会计中有时候有大量无效的会计信息在网络中流动，不但增加了会计信息系统的网络传输负担，同时增加了会计信息的查询成本。会计智能可按照用户指定的条件，从流向会计用户的大量会计信息中筛选符合条件的信息，并以不同级别、索引呈现给会计用户，并且在不同的时域期间可对会计信息用户的喜好进行学习，逐步适应会计人员的要求。
（2）多样化会计信息披露形式。会计用户可自定义自己所需要的会计报表格式，利用智能可以将会计计算和会计报表格式以xml再现于用户的浏览器中，由于xml是将数据和数据表现形式实行独立，不同的会计用户和会计研究人员都能够获得各自满意的会计信息披露表。
（3）多样化的会计信息披露层次。会计信息使用者要求获得全面正确反映企业的财务状况和经营成果的会计信息，不论对企业有利的会计财务状况，还是对企业不利的会计信息，均应予以披露，从而使公众对企业的财务状况有一个全面的了解。利用智能可在相关审计部门协助下根据用户的不同级别给于不同层次的会计信息披露。
三、用智能进行会计信息挖掘，加大网络会计信息的深层次分析
网络会计的发展要求会计信息系统不仅仅是个独立核算系统，更重要的是要能进行财务分析。而目前网络会计能够使用的大都是基础会计信息，但随着会计信息量的突增，会计信息的如何有效使用成为网络会计中的核心问题之一。由于会计信息量很大，单纯地靠目前的会计模型来对动态会计数据进行试验，通过试验再来探求新的会计活动趋势、量化会计活动的偏差，其工作量和计算量太大，成本也很高。这使得网络会计信息的深层次挖掘无法有效实现，无法对决策提供较好的支持。
网络会计构建者可先构建面向会计主题的会计数据仓库，将基本会计事实库规范化，争取保证会计事实库的完整性。依据不同的会计人员的角色设置不同的会计智能，该将具备相应的会计人员的基本会计知识，将部分会计专家的会计相关模型进行分类并将建立会计专家知识库，会计智能能根据不同的会计要求自动访问会计专家知识库，获取初步的相应的会计模型类，然后将相关度高的会计信息抽取到会计数据集中，并在实际的会计数据集环境中进行会计应用模型精化处理和模型的动态拟合。将预测的结果发给信息决策部门，同时将预测误差结果刷入会计模型纠错库，为下一轮动态会计模型处理做准备。这样可摒弃大规模的会计信息人工抽样，实现初步可调试的会计分析报告，达到优化的网络会计计算分析。
会计信息库的构建者以关联规则、神经网络、贝叶斯统计为依据，可建立会计信息挖掘机制，让智能会计实现网络会计信息的切片、钻取、旋转，提高会计信息的多维度视图分析。对数据分析量较大的会计研究课题，可编制专用智能会计进行专门的会计信息筛选、报表格式转换，并可就初建模型选派特定的智能进行自动测试，获得可能的最佳会计模型的拟和度。在综合利用会计智能技术上可实现对会计信息的半结构化和非结构化分析，以会计专家智能为核心，以会计数据为基础，自动提供会计信息的相关性和聚类分析，帮助实现会计信息（olap）在线联机分析处理。
四、用面向智能的敏捷开发方法研发网络会计软件
“会计信息化”的实现需要大量网络化的会计软件作为支撑，而会计软件的研发和应用是会计信息化的“前沿阵地”。会计软件和会计实际业务处理的不一致现象是目前我国会计软件发展的最大问题。利用智能技术可建立会计软件研发的“敏捷”方法，提高会计业务处理的“柔性”，加速会计软件的开发进度和软件的现实使用效率。对部分网络会计子系统可使用“需求驱动”的方法，提高会计软件模块的复用率，以cmm（能力成熟模型）为基准，建立严格的网络会计软件项目需求计划，加强会计软件的过程控制（psp），提高网络会计软件的质量。
加快网络会计的推广与应用是当前提高会计效率的有效途径，因此，要加大对会计智能的研究与应用可极大提升网络会计的质量，弥补网络会计的部分不足，有效防止会计信息失真，提高网络会计系统的管理水平。
参考文献：
