【摘 要】目的：利用大数据和人工智能优化编辑工作，提高工作效率和出版质量。方法:总结了现阶段大数据与人工智能在综合性学术期刊编辑工作中的实际应用情况。结果：大数据和人工智能已渗透到综合性学术期刊的各个工作环节，传统的期刊编辑模式已悄然发生了变化。结论：编辑人员必须适应大数据时代的发展需求，顺应新技术的发展趋势，与时俱进，加强信息检索与分析能力，提高大数据的使用与分析能力，以积极主动姿态迎向大数据时代，积极寻求综合类学术期刊的创新发展思路。
【关键词】大数据；人工智能；综合性学术期刊；编辑工作
2017年，国务院发布的《新一代人工智能发展规划》明确指出：把人工智能发展放在国家战略层面系统布局，推动我国经济社会各领域从数字化、网络化向智能化加速跃升[1]，人工智能进入了迅猛发展阶段，已渗透到各行各业，出版行业也置身于其中，面临人工智能带来的机遇和挑战。“机器人”写新闻在美国已成为常态，这个“机器人”实际上是一个写作软件，即计算机学会深度学习和分析大数据后在创作领域的应用。近年来国内多家媒体推出了人工智能新闻写作，比如新华社的“快笔小新”和腾讯的新闻机器人[2]。《2016——2017中国数字出版产业年度报告》指出人工智能技术将再造出版流程，出版流程将实现智能化。内容相对简单的幼儿启蒙教育书、书法、摄影作品、绘画、教辅等类图书的编辑工作较简单，基本上可以由人工智能完成编辑[3]。目前大数据和人工智能的使用也已渗透到学术期刊的初审、审稿、选题、编辑、排版、校对等各个工作环节，传统的期刊编辑模式已悄然发生了变化。
本文总结了现阶段大数据与人工智能在综合性学术期刊编辑工作中的实际应用情况，探讨如何利用大数据和人工智能优化编辑工作，提高工作效率和出版质量。
1 大数据与人工智能的定义
大数据又称巨量资料或大资料，人们把这些不能用传统流程或工具进行处理、分析的信息数据和采集它们的工具、平台、分析系统一起称为“大数据”[4]。大数据具有“从海量数据中发现规律和趋势”的功能。
人工智能亦称机器智能，是计算机学科的一个重要分支，是指由人制造出来的机器所表现出来的智能，即使电脑或机器具有人的判断、学习、推论等智慧行为，用以完成人的工作，通常所说的人工智能是指通过普通计算机程序来呈现人类智能的技术。
人工智能技术包括大数据、云计算和智能算法三大要素，现在主流的人工智能算法用的都是深度学习，深度学习就是从数据中提取知识（大数据＋结构化＋算法＝人工智能）[5]。
2 大数据在综合性学术期刊中的应用
笔者所在的《海洋科学》期刊属于综合性学术期刊，内容包罗万象，涵盖海洋的所有学科，简单地分为生物和非生物学科。生物学科又细分为鱼虾贝藻等学科，其中的鱼类学科又可再细分为遗传育种、养殖、营养等分枝；非生物学科又分为物理、地质、化学等学科。知识是无限的，编辑的知识体系是不完整的，掌握的知识和信息是有限的，由于岗位设置限制，《海洋科学》的责任编辑一人分管多个学科，对不同学科中专业性强的学术成果的品鉴问题，以往是根据编辑多年积累的学识、经验和直觉，随着计算机与网络的高速发展，现在可以利用数据库、期刊采编系统中的大数据来完成对各个学科稿件学术价值的鉴定。
2.1 大数据在选题策划中的应用
选题策划是指针对学术热点、难点、新点，结合读者和社会的需要，对学科领域中的前瞻性、理论性、技术性难题进行筛选并制订报道计划，增加读者关注度，提升刊物的影响力[6]。如何在各领域选择适合自已刊物的稿件，是非常重要和有难度的。目前，我们可以依据数据库中的大数据，提取高被引论文、零被引论文数据，归纳总结出热点专业及领域，或者通过文献计量分析法得知选题方向。大数据具有“从海量数据中发现规律和趋势”的功能，有助于编辑进行选题策划[7]。
2.1.1 分析高被引和零被引论文
被引率能科学地反映论文影响力和学科热点，因此被引论文数量成为衡量学科影响力的重要指标之一，高被引论文代表论文学科影响力较高，零被引说明论文学科的影响力不高。笔者2017年在中国知网中检索了《海洋科学》1994—2013年发表的论文源数据，对零被引论文做了统计和研究，发现论文的被引用率与选题有直接的关系。编辑部应依此判断学科影响力，制定具有一定创新的选题，保证稿源的学术价值[6]。
2.1.2 文献计量分析法
文献计量法是利用数据库检索，通过客观数据进行共词分析、共被引分析、耦合分析等，再经过聚类分析研究热点，了解学科发展动态和学科前沿、热点，找到领域热点做为选题范围，为科技期刊专题提供精准的决策依据[8]。
此外，中国知网数据库“大数据研究平台”中的“学术热点”模块的检索结果包括科研热点的主题、相关国家课题数量、主要研究人员和研究机构数量等信息也可以用来把握选题方向[7]。
2.2 大数据在送审工作中应用
笔者所在的《海洋科学》属于综合性学术期刊，内容涵盖几十个学科，送审工作可以利用国内外海洋各学科审稿专家信息大数据进行精准送审。笔者目前分管多个学科的编辑加工工作，送审时对期刊采编系统内专家的信息进行搜索（图1），找到目前正在该领域从事研究工作的专家进行审稿。如果遇到更细分的学科稿件，而采编系统内没有合适的审稿专家，可以通过中国知网等数据库（图2）检索文献作者，找到通信作者，再到有关网站核实其研究领域及联系方式等，最后再将其加入期刊采编系统审稿专家队伍，完成精准的送审，从而保证刊物学术质量。
图1 勤云采编系统
图2 数据库检索
2.3 大数据在组稿工作中的应用
有了正确的选题，还需要合适的作者完成选题。作者是期刊发展的重要资源，因此稳定的、高水平的作者队伍是期刊发展的支撑和关键。随着期刊的连续出版，期刊会积累大量国内外作者信息，由此可以建立作者数据库[9]。目前，国内各类科技期刊基本上都配备了采编系统，作者投稿必须通过采编系统才能完成，因此，采编系统在完成投稿工作的同时为期刊积累了庞大的作者队伍信息数据，编辑部可以充分利用采编系统进行分析、挖掘，对适合自已刊物的作者进行精准组稿。
由图2可见，通过中国知网等各大数据库也可以检索到国内外科研人员情况及其研究动向，因此，编辑可以改变以往的组稿方式，主动通过大数据，有的放矢地选择最合适的作者进行精准约稿[7]。
3 人工智能在综合类学术期刊中的应用
3.1 人工智能在初审工作中的应用
在投稿环节，编辑人员会根据自已的学科知识对稿件进行初步鉴定是否存在抄袭和具有发表价值。综合性学术期刊内容覆盖许多学科，比如《海洋科学》期刊涵盖几十个学科，只要涉及海洋都属于投稿范围，期刊主管对所有学科稿件进行第一次把关筛选，限于个人知识体系的不完整，会把握不准。大数据时代人工智能软件可以完全替代人工鉴别，一定程度上弱化了人的作用，由“经验判断”向“数据分析”转变[7]，精准得对投稿进行自动查重，然后决定是否进入送专家外审环节。中国知网数据库具备论文查重功能，编辑人员将论文上传至中国知网数据库，数据库将会自动查重，给出重复率及重复处等数据。采编系统也具备人工智能查重功能。所以通过人工智能可防止科研论文的抄袭，促使科研人员提稿学术道德，从而保证期刊的学术质量。
3.2 人工智能在排版工作中的应用
近年来，数字化跨媒体技术的应用改变了排版环境，对专业排版软件要求越来越高，提出了排版软件智能化的要求[10]，国内使用的智能排版软件主要有Word，Latex，XML等，笔者目前利用Word软件进行编排校一体化，此工作模式是使用模版及里面的样式对版面进行人工智能操作，人机协同，在对论文进行编辑加工的同时，点击智能化样式就能完成排版工作，最后期刊再整体利用XML软件转为HTML文件，从而实现了各种网站及全媒体的全文阅读，实现全流程的数字化出版。XML也是一款智能化排版软件，但其需要添加许多程序命令，需要专业人员进行排版工作，因此笔者认为利用Word软件进行编排校一体化的工作模式是目前最可行的，可以避免重复劳动，不用被动得排队等待出版社安排自已刊物的排版工作，从而减少出版环节，缩短出版时间[11]。
3.3 人工智能在校对工作中的应用
在科技期刊校对工作中，参考文献的校对工作是非常繁琐的。中国知网研发的腾云期刊协同采编系统将大量数据带入参考文献对比库，系统可以自动对比参考文献信息，审核参考文献的准确性和格式的完整性，并能发现引文序号的错误，极大地提高了校对工作效率[7]。
目前三才科技研发了参考文献辅助编校系统（NoteFirst参考文献编校系统），该系统能自动发现、修改参考文献中的格式和数据错误，该系统在Word中使用、一健操作、使用便捷[12]。
周丽在编辑Word稿件时，整理出平时检验不常用的数据单位的Excel文档，在校对数据单位时，就可以调用Excel检验数据单位信息，使这部分工作人工智能化，较传统编辑校对模式更加快速和准确[13]。
4 结论
综上可以看出，大数据和人工智能已渗透到综合性学术期刊的初审、审稿、选题、编辑、排版、校对等各个工作环节，传统的期刊编辑模式已悄然发生了变化，已从以人工为主的机械重复劳动中得到解放，转向到人机协同的人工智能化的编辑模式，人工智能技术正在从根本上改变出版行业工作流程，促进出版专业快速转型升级，我们编辑人员必须适应大数据时代的发展需求，顺应新技术的发展趋势，与时俱进，加强信息检索与分析能力，提高大数据的使用与分析能力，在出版各个环节更新思维模式，以积极主动姿态迎向大数据时代，积极寻求综合类学术期刊的创新发展思路。
参考文献
[1]武菲菲.人工智能技术与出版行业的融合应用[J].出版广角,2018(1):26-28.
[2]桑昀.人工智能与图书出版融合发展研究[J].科技与出版,2017(9):94-97.
[3]市场网猎IEC.这些编辑最有可能被人工智能编辑取代[EB/OL].[2018-04-24].http://www.sohu.com/a/204879776_593097.
[4]田丁.大数据时代科技期刊的未来形态[J].中国科技期刊研究,2014,25(2):232-236.
[5]向飒.人工智能对学术出版流程的再造及知识服务提升[J].中国科技期刊研究,2018,29(11):1091-1096.
[6]谭雪静.《海洋科学》零被引论文分析[J].编辑学报,2017,29(1):93-95.
[7]周洁.利用大数据优化科技期刊出版流程的实践与思考[J].中国科技期刊研究,2018,29(2):144-147.
[8]谭雪静.文献计量分析法定位海洋科学类期刊的专题方向[J].新闻传播,2019(2):22-24.
[9]乌丽娜.大数据时代传统出版编辑工作的转型应对策略研究[J].内蒙古财经大学学报,2018,16(5):143-145.
[10]李文毅,王强.智能化排版软件的发展[J].印刷技术,2003(25):46.
[11]谭雪静.利用XML技术完善编排校一体化出版模式[J].中国科技期刊研究,2018,29(7):711-714.
[12]多家期刊社正式使用NoteFirst参考文献辅助编校系统[EB/OL].编辑之家,第298期.(2019-09-12).http://www.editorhome.cn/editorweekly/20509/374569d1-e5f4-4ae7-ac4b-8cfd4588194a.aspx.
[13]周丽,曾蕴林,张耀元,等.时代科技期刊编辑模式的改变[J].天津科技,2019,46(3):89-90.
