在当前的大数据环境下，情报学方法与技术不断出现新变化、产生新内容、呈现新特点。因此，确定被广泛承认的情报学学科基本内核，变得非常困难；探索已有理论和方法的新变化，需要新的技术手段加以辅助；归纳提取不同领域与应用场景中所使用的情报学方法与技术共性，需要新的思路。

在此背景下，本书希望通过系统梳理本学科相关方法与技术，并在此基础上构建大数据时代情报学研究方法与技术体系，从而为情报学学科建设与发展、情报学教育体系与教育人才培养提供一定的依据。此外，将情报学研究方法与技术体系与情报工作相结合，还可以为情报工作未来发展提供基础。

本书是苏新宁教授主持的国家社会科学基金重大项目（项目批准号：17ZDA291）“情报学学科建设与情报工作未来发展路径研究”的研究成果之一。本书首先对现有的情报学理论与方法进行调研，人工梳理情报学研究方法，得到情报学一般研究方法（一级类目）与情报学专门研究方法（一级类目）；然后借助自然语言处理与机器学习方法对情报学领域的研究方法语料库进行学习和抽取，得到情报学研究方法实体，在此基础上，依据聚类方法辅助构建情报学研究方法与技术体系，并开发情报学研究方法知识库与检索系统；最后针对特定场景下的情报学研究方法体系问题进行了探索。

全书分为3个部分，共12章。第一部分主要通过人工梳理得到第一层次的情报学研究方法体系，该部分主要包括第1至第4章。第二部分通过自然语言处理与机器学习方法自动生成第一层次体系下的情报学研究方法体系，该部分包括第5至第9章。第三部分研究了特定场景下的情报学研究方法体系构建问题，包括第10至第12章。