機(jī)構(gòu)知識庫: 學(xué)術(shù)信息服務(wù)新途徑

文/程艷旗 趙亞萍

機(jī)構(gòu)知識庫從資源內(nèi)容和服務(wù)對象上均不同于文獻(xiàn)數(shù)據(jù)庫，是專屬于特定機(jī)構(gòu)的知識資源中心，因此其個性化程度更高，一切以特定機(jī)構(gòu)的需求為基準(zhǔn)。

機(jī)構(gòu)知識庫是大學(xué)或研究機(jī)構(gòu)通過網(wǎng)絡(luò)來收集、保存、管理、檢索和利用其學(xué)術(shù)資源的數(shù)據(jù)庫。它具有學(xué)術(shù)傳播、電子出版、長期保存、知識管理、促進(jìn)教育、科研評價、共享利用等功能。

經(jīng)過多年探索與實踐，機(jī)構(gòu)知識庫表現(xiàn)出了強(qiáng)大的生命力。然而資源內(nèi)容建設(shè)成為當(dāng)前機(jī)構(gòu)知識庫可持續(xù)發(fā)展中遇到的最大困難，據(jù)CALIS在2011年6月對全國大學(xué)機(jī)構(gòu)知識庫建設(shè)單位調(diào)查顯示，68.35%的機(jī)構(gòu)庫內(nèi)容建設(shè)受困于人力和時效，美國MIRACLE項目調(diào)查研究發(fā)現(xiàn)缺乏校內(nèi)特定類型資源的呈繳制度、供稿者不了解自己能從IR中得到什么好處、使員工確信IR并不違背目前的出版模式、以及供稿者擔(dān)心數(shù)字資料的知識產(chǎn)權(quán)是機(jī)構(gòu)知識庫建設(shè)的重要制約因素。機(jī)構(gòu)知識庫具有文獻(xiàn)數(shù)據(jù)庫相似的特征，包括收集、保存、管理、檢索和利用，但是在資源內(nèi)容建設(shè)機(jī)制上卻存在著巨大的差異，文獻(xiàn)數(shù)據(jù)庫已經(jīng)形成了從資源采集到資源出售的商業(yè)模式，其文獻(xiàn)資源內(nèi)容有專門的管理隊伍，機(jī)構(gòu)知識庫資源內(nèi)容建設(shè)缺少這樣的隊伍，為此需要探索促進(jìn)機(jī)構(gòu)知識庫內(nèi)容建設(shè)的途徑。文章將從機(jī)構(gòu)知識庫定位、機(jī)構(gòu)知識庫系統(tǒng)建設(shè)、機(jī)制建設(shè)等方面給出促進(jìn)機(jī)構(gòu)知識庫內(nèi)容建設(shè)的對策。

個性化機(jī)構(gòu)知識庫定義

機(jī)構(gòu)知識庫從資源內(nèi)容和服務(wù)對象上均不同于文獻(xiàn)數(shù)據(jù)庫，是專屬于特定機(jī)構(gòu)的知識資源中心，因此其個性化程度更高，一切以特定機(jī)構(gòu)的需求為基準(zhǔn)。以浙江大學(xué)為例，浙江大學(xué)從2008年開始機(jī)構(gòu)知識庫建設(shè)，其目標(biāo)是建立一個基于全校學(xué)科體系的、信息權(quán)威、內(nèi)容完整、組織有序、開放存取的學(xué)術(shù)資源網(wǎng)絡(luò)平臺，最大限度地采集、整合并保存全校師生、研究團(tuán)隊和機(jī)構(gòu)的各類型學(xué)術(shù)成果資源，實現(xiàn)對資源的永久保存、廣泛傳播和開發(fā)利用，促進(jìn)知識共享與知識再創(chuàng)新，為校內(nèi)用戶創(chuàng)建一個多層次、多途徑、功能豐富的知識資源服務(wù)體系。可以發(fā)現(xiàn)，浙江大學(xué)機(jī)構(gòu)知識庫具有三方面功能：1.師生原創(chuàng)性知識資源的長期有效保存；2.多維度展示學(xué)術(shù)形象，提供全面了解機(jī)構(gòu)的窗口，服務(wù)于學(xué)校招生、人才引進(jìn)、科研合作；3.構(gòu)建新的學(xué)術(shù)傳播與交流模式，促進(jìn)學(xué)術(shù)團(tuán)隊內(nèi)部和外部之間的知識交流與共享。

圖1 個性化機(jī)構(gòu)知識庫數(shù)據(jù)模型

系統(tǒng)設(shè)計服務(wù)于資源內(nèi)容建設(shè)

目前，國內(nèi)外大學(xué)機(jī)構(gòu)知識庫系統(tǒng)多采用DSpace系統(tǒng)實現(xiàn)，據(jù)OpenDOAR網(wǎng)站統(tǒng)計，DSpace軟件使用比例高達(dá)59%。然而對照個性化機(jī)構(gòu)知識庫功能需求，僅用DSpace軟件無法滿足要求，尤其是多維度展示、統(tǒng)計、交流等方面，因此需要定制開發(fā)。

庫結(jié)構(gòu)模型設(shè)計

在DSpace系統(tǒng)里數(shù)字資源通過知識庫(Community)、合集(Collection)、條目(Item)、資源集(Bundle)和資源實體(Bitstream)等對象得到持久保存，實現(xiàn)資源的屬主管理和呈現(xiàn)管理，在DSpace系統(tǒng)每個資源實體只能屬于一個合集，但是可以呈現(xiàn)在多個合集，即滿足資源惟一性要求，這個邏輯關(guān)系符合資源的實際管理關(guān)系。通過引入專家實體（Expert）和機(jī)構(gòu)/團(tuán)隊實體（Team）用于存放機(jī)構(gòu)及其專家，這樣就可以確定資源與機(jī)構(gòu)、專家之間的歸屬關(guān)系，資源通過知識庫歸入機(jī)構(gòu)，機(jī)構(gòu)擁有專家，專家通過條目關(guān)聯(lián)到資源，資源在機(jī)構(gòu)頁面呈現(xiàn)在專家名下。個性化機(jī)構(gòu)知識庫系統(tǒng)數(shù)據(jù)結(jié)構(gòu)模型如圖1所示。在浙江大學(xué)機(jī)構(gòu)知識庫實施中，其機(jī)構(gòu)/團(tuán)隊表信息和專家表信息分別通過學(xué)校的基本信息數(shù)據(jù)庫獲取，其中機(jī)構(gòu)信息來自于學(xué)校機(jī)構(gòu)編碼管理系統(tǒng)，專家信息來自于學(xué)校統(tǒng)一身份認(rèn)證系統(tǒng)，學(xué)校的基本信息數(shù)據(jù)變動能實時地反映到機(jī)構(gòu)知識庫中。

資源歸屬關(guān)系確定即資源與機(jī)構(gòu)、資源與專家這兩者關(guān)系的確定，在這里通過狀態(tài)庫和關(guān)聯(lián)表進(jìn)行處理，將資源狀態(tài)庫設(shè)置為臨時庫和正式庫，在資源未確定歸屬關(guān)系的情況下資源將進(jìn)入臨時庫，臨時庫里的資源通過規(guī)則匹配與用戶認(rèn)領(lǐng)的方式進(jìn)入正式庫。規(guī)則匹配通過資源屬性與人員身份的關(guān)聯(lián)關(guān)系得以確認(rèn)，由于存在同名情況，對于匹配規(guī)則不能確定的資源配以信息推送的方式將確認(rèn)信息主動發(fā)送給用戶，用戶通過查看資源信息對比，點擊操作完成認(rèn)領(lǐng)。根據(jù)實際運行，由于同機(jī)構(gòu)同名用戶非常有限，因此涉及到的資源認(rèn)領(lǐng)工作量非常少，因英文名字簡寫的原因，相對而言英文資源較中文資源認(rèn)領(lǐng)工作量會多一些，但總體工作量在用戶可接受范圍之內(nèi)。

表1 資源正式入庫匹配規(guī)則

資源入庫設(shè)計

庫資源建設(shè)包括資源采集和資源入庫兩部分，有學(xué)者對機(jī)構(gòu)知識庫的存儲率比較研究結(jié)果顯示，一到兩年內(nèi)，如果沒有強(qiáng)制性要求，機(jī)構(gòu)知識庫自愿進(jìn)行自存儲的論文數(shù)量只有15%，而強(qiáng)制要求自存儲的數(shù)量為100%。無論是自存儲還是強(qiáng)制存儲，總體上傳統(tǒng)的資源采集和資源入庫將會產(chǎn)生巨大的工作量，如何利用技術(shù)減輕工作量，從機(jī)制上解決資源建設(shè)的人力和時效是機(jī)構(gòu)知識庫建設(shè)中需要解決的首要問題。浙江大學(xué)機(jī)構(gòu)知識庫的資源建設(shè)采用多元方式得以解決，在先期以整合為主，將已有數(shù)字資源進(jìn)行回溯，以節(jié)約師生資源提交時間；后期以師生自存儲模式為主，解決時效問題。

通過調(diào)研，浙江大學(xué)機(jī)構(gòu)知識庫的回溯資源已經(jīng)存在于學(xué)?？蒲泄芾怼⒔虅?wù)管理等業(yè)務(wù)系統(tǒng)和數(shù)據(jù)庫商的文獻(xiàn)數(shù)據(jù)庫中，如果采用自存儲讓教師再一次錄入數(shù)據(jù)，將會引起教師的極大反感，不利于推進(jìn)建設(shè)。數(shù)據(jù)集成技術(shù)(ETL)是通過數(shù)據(jù)庫技術(shù)解決系統(tǒng)間數(shù)據(jù)共享的成熟技術(shù)，該技術(shù)能解決遺留數(shù)據(jù)集成還能解決實時數(shù)據(jù)集成。而文獻(xiàn)數(shù)據(jù)庫中的數(shù)據(jù)通過與數(shù)據(jù)庫提供商協(xié)商獲取專用接口和頁面分析技術(shù)實現(xiàn)，關(guān)于頁面分析技術(shù)讀者也可以參考文獻(xiàn)。通過近3個月的回溯，學(xué)校已經(jīng)采集和清洗了近30萬條資源數(shù)據(jù)，極大地減輕了師生的數(shù)據(jù)整理工作。

將30萬條資源逐條入庫的工作量將是巨大的，因此必須借助技術(shù)解決資源的批量入庫。我們采用模式匹配的方式將Excel文件、數(shù)據(jù)庫表里的數(shù)據(jù)批量導(dǎo)入機(jī)構(gòu)知識庫，考慮到程序執(zhí)行性能，降低計算復(fù)雜度，我們采用了簡化的匹配規(guī)則，部分匹配規(guī)則如表1所示。由于該匹配規(guī)則相對于資源歸屬判定并非足夠嚴(yán)格，為此在用戶個人信息空間里增加了將資源剔出正式庫的操作，以確保資源歸屬的正確性。

師生自存儲模式的實現(xiàn)不僅體現(xiàn)在機(jī)構(gòu)知識庫系統(tǒng)提供資源上傳功能，更主要的是通過向全校發(fā)布資源存取開放接口，以嵌入到其他信息系統(tǒng)的業(yè)務(wù)層實現(xiàn)。學(xué)術(shù)團(tuán)隊知識管理系統(tǒng)是浙江大學(xué)面向?qū)W術(shù)團(tuán)隊內(nèi)部信息管理而開發(fā)的系統(tǒng)，對科研團(tuán)隊的人員、設(shè)備資產(chǎn)、文獻(xiàn)資源、科研項目等信息進(jìn)行管理。團(tuán)隊知識管理系統(tǒng)調(diào)用資源存取開放接口，提供統(tǒng)一的資源訪問界面，師生在學(xué)術(shù)團(tuán)隊知識管理系統(tǒng)中訪問的資源實際上存儲在機(jī)構(gòu)知識庫，當(dāng)師生上傳資源時，資源被統(tǒng)一保存在機(jī)構(gòu)知識庫中。通過學(xué)術(shù)團(tuán)隊知識管理系統(tǒng)與資源存取開放接口的整合，師生自存儲模式在浙江大學(xué)的兩個團(tuán)隊中得以應(yīng)用，其中一個團(tuán)隊通過導(dǎo)師制定的強(qiáng)制存儲制度，以團(tuán)隊成員自我上傳方式確保了該團(tuán)隊的學(xué)術(shù)資源得以及時提交、發(fā)布；另一個團(tuán)隊則以配備專職科研秘書的方式，由科研秘書統(tǒng)一管理的方式解決了資源提交、發(fā)布。團(tuán)隊出于規(guī)范管理，促進(jìn)內(nèi)部交流和提升整體形象的角度，對于這樣的自存儲模式非常認(rèn)同。通過系統(tǒng)之間業(yè)務(wù)邏輯層的整合，機(jī)構(gòu)知識庫的資源建設(shè)與學(xué)術(shù)團(tuán)隊日常工作融為一體，資源得以永久保存卻不增加師生的工作量。機(jī)構(gòu)知識庫資源存取開放接口由資源的增、刪、改、查及其組合操作組成，如表2所示。

表2 資源存取開放接口

資源利用促進(jìn)資源內(nèi)容建設(shè)

基于機(jī)構(gòu)知識庫提供更多的資源利用服務(wù)符合師生對知識資源服務(wù)體系的訴求，更是促進(jìn)機(jī)構(gòu)知識庫資源建設(shè)的動力所在。資源開發(fā)利用須滿足師生的信息發(fā)現(xiàn)、信息獲取、學(xué)術(shù)交流為需求，在當(dāng)前數(shù)字資源極度冗余、多種系統(tǒng)交叉并存的情況下，個性化機(jī)構(gòu)知識庫應(yīng)該為資源整合、系統(tǒng)交互提供接口支持，從而減輕師生信息發(fā)現(xiàn)、信息獲取成本，為學(xué)術(shù)交流提供更多新服務(wù)。

瀏覽和檢索是用戶獲取信息的主要途徑，傳統(tǒng)的信息瀏覽方式以信息分類為基礎(chǔ)，用戶獲取信息的路徑較長，搜索引擎的出現(xiàn)改善了用戶獲取信息的途徑，然而搜索引擎對信息的處理以分詞為基礎(chǔ)，通過用戶輸入的關(guān)鍵詞與分詞表進(jìn)行匹配并輔以一定的算法實現(xiàn)信息提取，這樣的信息獲取缺乏結(jié)構(gòu)和語義，用戶獲取信息的精確性、相關(guān)性、完整性并不理想。關(guān)聯(lián)數(shù)據(jù)（Linked Data）技術(shù)的出現(xiàn)為資源深度整合提供了支持，關(guān)聯(lián)數(shù)據(jù)是萬維網(wǎng)的發(fā)明人蒂姆·伯納斯-李（Tim Berners-Lee）提出的一種萬維網(wǎng)數(shù)據(jù)發(fā)布方式，它一般采用資源描述框架（RDF）建立數(shù)據(jù)模型，利用統(tǒng)一資源標(biāo)識符（URI）標(biāo)識數(shù)據(jù)實體。關(guān)聯(lián)數(shù)據(jù)可以將數(shù)字資源進(jìn)行關(guān)聯(lián)，用戶可以很方便地通過這種關(guān)聯(lián)訪問相關(guān)資源，包括人、機(jī)構(gòu)、書籍、學(xué)術(shù)文獻(xiàn)、課件、多媒體、統(tǒng)計數(shù)據(jù)、評論等等。

傳統(tǒng)的機(jī)構(gòu)知識庫以數(shù)字資產(chǎn)永久保存為主要目標(biāo)，缺少知識交流和溝通的支持。Web2.0技術(shù)以用戶參與為典型特征，Web2.0技術(shù)與DSpace系統(tǒng)的工作流結(jié)合，可以實現(xiàn)用戶對數(shù)字資產(chǎn)提供評論、推薦、知識標(biāo)簽等功能，為用戶知識交流和溝通提供支持，用戶交流內(nèi)容為數(shù)字資源的多維度標(biāo)識與展示提供必要的關(guān)聯(lián)數(shù)據(jù)，實現(xiàn)知識和信息的關(guān)聯(lián)。

機(jī)構(gòu)知識庫建設(shè)將能促進(jìn)更多優(yōu)秀的個性化學(xué)科服務(wù)提供

利用企業(yè)服務(wù)總線（ESB），由機(jī)構(gòu)知識庫提供Web service 接口，可以實現(xiàn)機(jī)構(gòu)知識庫與其他業(yè)務(wù)系統(tǒng)之間的流程交互，為學(xué)術(shù)信息環(huán)境提供新服務(wù)。如機(jī)構(gòu)知識庫與科研管理系統(tǒng)交互，實現(xiàn)學(xué)術(shù)論文認(rèn)領(lǐng)，科研管理部門提供的論文認(rèn)領(lǐng)信息通過機(jī)構(gòu)知識庫資源入庫流程分發(fā)到用戶個人，對于無法確定個人的論文以E-mail等主動提醒的形式發(fā)送給相關(guān)用戶，經(jīng)用戶對比、點擊操作完成認(rèn)領(lǐng)。

由于在實施中充分考慮了學(xué)校師生的學(xué)術(shù)信息服務(wù)需求，浙江大學(xué)機(jī)構(gòu)知識庫從2009年正式上線以來，網(wǎng)站訪問量已突破150萬人次。技術(shù)上的開放接口較好地支持了機(jī)構(gòu)知識庫系統(tǒng)與其他系統(tǒng)之間的互聯(lián)互通，為其初步奠定了數(shù)字資源中心的地位，也為學(xué)校構(gòu)建學(xué)術(shù)信息環(huán)境提供了良好的基礎(chǔ)，促進(jìn)了學(xué)科信息服務(wù)的完善與創(chuàng)建。未來浙江大學(xué)機(jī)構(gòu)知識庫系統(tǒng)建設(shè)將能促進(jìn)更多優(yōu)秀的個性化學(xué)科服務(wù)提供。高?？梢愿鶕?jù)自身定位和IT技術(shù)支持能力情況，選擇合適的解決方案，共同致力于為師生提供優(yōu)質(zhì)的學(xué)術(shù)信息環(huán)境，更多實現(xiàn)方案供參考。