Ai Information Science

SKILL.md

---
name: ai-information-science
description: AI信息科学指南 — 信息检索(布尔/向量/概率模型/PageRank)/图书馆学(分类法DDC/UDC/CLC/元数据DublinCore/MARC)/知识组织(本体/分类法/叙词表/语义网)/数字图书馆(OAIS/DublinCore/长期保存）/信息行为(搜索/浏览/偶遇)/信息架构(导航/标签/搜索系统)/情报学(竞争情报/文献计量/引文分析/科学计量)/信息伦理/学术出版与开放获取/数据管理(DMP/FAIR原则)。数字文明基础学科，ClawHub零覆盖。
author: ai-gaoqian
tags: [information-science, library-science, information-retrieval, knowledge-organization, metadata, bibliometrics, open-access]
---

# AI信息科学指南

从Dewey分类到PageRank。检索/组织/元数据全覆盖。

## 核心能力

### 1. 信息科学入门
- **信息科学=研究信息的学科**：信息的组织/检索/存储/传播/使用
- **DIKW金字塔**：Data数据→Information信息→Knowledge知识→Wisdom智慧/上层需要下层/但理解和解释才能使信息变成知识
- **三大传统**：图书馆学(馆藏组织)/文献学Documentation(Otlet/互联网预言家)/计算机科学(检索算法)
- **核心问题**：用户有信息需求→怎么匹配到相关信息？/这是最难的问题之一
- **信息爆炸vs注意力稀缺**：信息多≠知道的多/筛选>存储/信息素养=现代必备能力

### 2. 信息检索IR
- **倒排索引Inverted Index**：词→文档列表/所有搜索引擎的核心数据结构
- **布尔模型**：AND/OR/NOT/精确匹配/但没排序(都在结果里/但不知道哪个最相关)
- **向量空间模型VSM**：文档和查询都看作向量/余弦相似度=相关度排序/TF-IDF(词频×反文档频率=找到能区分文档的那些词)
- **概率模型(BM25)**：比VSM好/考虑文档长度/至今是文本检索的标准baseline
- **PageRank(Google的秘密)**：不是看内容而是看链接/被链接越多=越重要/民主投票思想
- **现代搜索=混合**：BM25+PageRank+机器学习Learning to Rank+神经网络+dense retrieval(embedding)
- **评价指标**：查全率Recall(找到多少)/查准率Precision(找到的有多少相关)/F1/NDCG/MAP

### 3. 知识组织
- **分类法Classification**：按学科把知识放进层级/DDC杜威十进(最广泛/美国)/UDC国际十进(欧洲)/CLC中国图书馆分类法/A-Z
- **DDC十大类**：000计算机→100哲学→200宗教→300社科→400语言→500自然科学→600技术→700艺术→800文学→900史地
- **叙词表Thesaurus**：控制词汇=同义词统一(爱/爱情/恋爱=都统一成一个)/层级关系(猫<猫科<哺乳动物<脊椎动物)/相关关系
- **本体Ontology**：比分类和叙词表更强/用逻辑描述概念+关系/OWL/RDF/用于语义网+生物医学+AI
- **分面分类Faceted Classification**：Ranganathan的冒号分类法/不是一棵树/而是多个维度同时分类
- **标签vs分类**：用户自己打标签(自由/混乱)→图书馆严格分类(标准/精确)/Tagging=民间分类Folksonomy

### 4. 元数据
- **元数据=关于数据的数据**：谁写的？什么时候？什么格式？主题是什么？
- **Dublin Core都柏林核心**：15个基本元素(题名/创建者/日期/主题/格式...)/最简单最通用
- **MARC机读目录**：图书馆元数据/极复杂/一个记录几百字段/诞生于1960s/至今未死
- **元数据三类型**：描述型(找它→作者标题)→管理型(用它→版权技术条件)→结构型(它怎么组成→书的章节)
- **关联数据Linked Data**：URI给每个东西一个地址+HTTP+语义/让机器也能理解/不是给人看的网页/是给机器看的网页

### 5. 数字图书馆
- **OAIS开放档案信息系统**：数字长期保存的参考模型/摄入→存储→管理→获取/500年后还能读
- **长期保存的两大问题**：硬件过时(3.5寸软盘？Zip盘？)→格式过时(WordStar？Lotus 1-2-3？)
- **保存策略**：迁移(转新格式)/仿真(仿真旧环境)/技术博物馆(留老硬件)/打印出来放纸上(最后的保险)
- **开放获取Open Access**：学术论文免费/绿色OA(作者自己存档)→金色OA(期刊开放)/Plan S(欧洲强推)
- **掠夺性期刊Predatory Publishing**：假期刊/收钱就发/没审稿/污染科学/Beall's List(已停止维护)

### 6. 情报学与文献计量
- **竞争情报Competitive Intelligence**：合法收集/分析竞争对手/不是商业间谍
- **文献计量Bibliometrics**：用数学研究文献/布拉德福定律(核心期刊)/洛特卡定律(少量作者产出大量论文)
- **引文分析**：被引次数=影响力/Sci-Hub让知识获取公平→也暴露了付费墙的荒唐
- **影响因子Impact Factor**：期刊平均被引/越高越"好"/但被游戏化/不应衡量单篇论文
- **h指数**：有h篇论文至少被引h次/衡量单个研究者/比总数合理
- **科学计量/Altmetrics**：不只是引用/还包括社交媒体/新闻/政策文件中的提及/更快但更嘈杂

### 7. 信息搜寻行为
- **经典模型**：Kuhlthau的ISP(开始不确定→选择→探索→形成→收集→呈现/情绪过山车!)
- **Berrypicking采莓模型**：不是一次搜完/而是在搜索过程中不断发现新线索/改变查询方向
- **信息偶遇Information Encountering**：意外发现/"我在找A/却发现了B/B改变了一切"/青霉素=信息偶遇
- **信息规避Information Avoidance**：人有时主动不去看信息/病情/气候/因为引起焦虑
- **信息焦虑**：太多信息/不知怎么处理/关闭通知/信息节食
- **搜索vs浏览**：你知道要什么→搜索/你不太确定→浏览/两者交替

### 8. 信息伦理与素养
- **信息伦理**：隐私/数据所有权/算法偏见/数字鸿沟/审查/监视
- **IFLA的声明**：图书馆=思想自由/知识自由/不审查/保护用户隐私
- **假新闻与信息素养**：评估信息来源(谁写的/为什么/什么时候)/横读Lateral Reading(开其他标签验证)
- **算法气泡**：搜索/推荐让你只看到你已信的→越来越极端
- **"被遗忘权"**：欧盟GDPR/你可要求搜索引擎删除过时/不相关/不准确的个人信息

## 使用方式
描述需求，例如：
- "搜索引擎到底怎么找到相关网页的？"
- "DDC分类法和中图法有什么不同？"
- "开放获取的几种模式是什么？"

## 适用人群
- 图书/情报
- 学术研究
- 数据管理
- 搜索引擎理解