随着社会信息化水平的提高,大量蕴含社会政治、经济信息的新闻事件、报刊会议或政商通报等数据可以通过开源渠道便利地获取。然而不同于传统针对性收集的结构化数据,这些开源数据往往具有海量、多源、异构的特点并以碎片化数据的形式呈现。如何有效过滤低质无关信息,深度挖掘内在关联内容,获取碎片化数据中的高价值信息是大数据时代情报研究的重要课题。在此背景下本文提出了面向碎片化数据的分析处理框架,包括开源情报分析中碎片化数据的采集处理、组织管理和关联发现等各环节,并针对多源异构数据缺乏统一规范描述其内容、关联数据难以发现等问题,通过碎片化数据的元数据抽取、基于实体共现关系增强知识图谱和融合知识的碎片化数据表示学习三个方面的工作实现碎片化数据的关联分析。具体来说,首先将碎片化数据中提及的实体序列作为描述其主题及内容的元数据。实体是承载文本信息内容的重要元素,碎片化数据文本中承载的内容往往由实体及其相互间的关系组成,通过抽取实体作为元数据可以便于程序理解其内容。其次,根据碎片化数据中实体共现关系增强外部知识图谱。外部知识图谱可以为分析过程引入图谱中的先验知识,但其范围局限于图谱包含的内容而忽略了碎片化数据自身携带的信息,利用高频共现实体对增强外部知识图谱可以实现引入外部知识时利用到碎片化数据本身蕴含信息的效果。第三,结合碎片化数据的文本和增强图谱得到其融合知识表示向量。本文中使用注意力机制获得碎片化数据中不同实体的影响权重,以此为基础得到其知识表示向量,通过全连接网络将知识表示向量同文本表示向量融合后得到其融合知识表示向量,依托该融合知识表示向量开展关联信息发现。最后,设计并开展实验测试碎片化数据分析技术的性能、效果,评估算法的可行性与有效性,验证了碎片化数据分析方法能够实现碎片化数据关联发现的效果。