網(wǎng)絡(luò)環(huán)境下知識組織方式研究

劉素軍

(黃河水利職業(yè)技術(shù)學(xué)院，河南 開封 475004)

0 引言

知識組織是人們對雜亂繽紛的信息資源進行有序化存儲、快速檢索并利用的經(jīng)典方式。 自古至今，分門別類是人們認識事物的有效方式，人們對分門別類的方法不斷總結(jié)、完善，最后形成了具有一定規(guī)則的體系結(jié)構(gòu)，我們稱之為信息組織工具。 如中國圖書館分類法[1]、漢語主題詞表[2]就是傳統(tǒng)信息組織工具的代表。 隨著時代的變遷，這些工具自身結(jié)構(gòu)、描述手段發(fā)生了變化，而且其被使用的方式、對象也發(fā)生了很大的變化，特別是互聯(lián)網(wǎng)誕生以來，由于網(wǎng)絡(luò)信息的海量增長，出現(xiàn)了信息收集難、組織難的問題。 網(wǎng)民出于對網(wǎng)絡(luò)智能化的要求，呼喚一種“理解用戶意圖”的互聯(lián)網(wǎng)檢索工具出現(xiàn)。這些均對傳統(tǒng)的知識組織工具提出了前所未有的挑戰(zhàn)。 為了應(yīng)對這些挑戰(zhàn)，許多專家學(xué)者對這些工具做了大量的研究和改進。 目前，按照信息組織方式的自動化、智能化程度，信息組織工具可分為人工化、程序化、智能化三種類型。 本文試對這三種類型更替演變過程進行分析、論述，以求理清知識組織工具發(fā)展的脈絡(luò)和趨勢。

1 網(wǎng)絡(luò)信息的人工化知識組織方式

1.1 人工化知識組織方式的工作原理和運用代表

人工化知識組織方式就是依靠工作人員手工操作，并嚴格按照分類法、主題詞表等知識組織工具的結(jié)構(gòu)體系、著錄規(guī)則對收集來的網(wǎng)絡(luò)信息資源進行組織，形成主題目錄和索引結(jié)果的知識組織活動。 這些活動成果是各種網(wǎng)絡(luò)發(fā)布系統(tǒng)制作、運行的基礎(chǔ)。 比如，門戶網(wǎng)站各級網(wǎng)頁的導(dǎo)航目錄的設(shè)計制作，就是由專門的網(wǎng)站編輯人員和信息分類人員等專業(yè)人員，根據(jù)一定的規(guī)則，花費大量的心血來完成的。 這些規(guī)則有成熟的主題詞表、分類法或者是兩者綜合的規(guī)則，也有網(wǎng)站制作者或者程序員們自己設(shè)計的一套規(guī)則。 這樣，大多數(shù)網(wǎng)站目錄都是形成樹形結(jié)構(gòu)和星星結(jié)構(gòu)的網(wǎng)站內(nèi)容地圖。 越是大型的網(wǎng)站，其信息資源組織越復(fù)雜，耗費的人工越巨大，比如，sohu、sina 等知名網(wǎng)站的導(dǎo)航目錄組織過程均是如此。

早期網(wǎng)絡(luò)搜索引擎也是依靠人工對網(wǎng)絡(luò)信息進行分類、索引和摘要的，或者是靠信息發(fā)布者向搜索引擎進行登記，選擇主題分類、提供關(guān)鍵詞和摘要，并報告自己信息站點的地址的[3]。早期的雅虎網(wǎng)頁目錄（Yahoo!Directory）是這方面的典型代表。

在圖書館由手工操作向計算機自動化操作轉(zhuǎn)變階段，許多圖書館的紙質(zhì)目錄和索引卡片被計算機的電子目錄和計算機檢索所代替。但是,這些電子目錄的形成也是由圖書館的編目人員按照分類法、主題詞表在一定的文獻管理系統(tǒng)里一條一條地錄入的，耗費了圖書館工作人員很大的精力。 這些起初在圖書館內(nèi)部網(wǎng)上檢索的目錄隨著圖書館接入廣域網(wǎng)，也得以在網(wǎng)上發(fā)布，使得用戶能夠在任何地方通過訪問互聯(lián)網(wǎng)，檢索圖書館目錄。這就是狹義的數(shù)字圖書館原型。人工化知識組織原理如圖1 所示：

1.2 人工化組織方式的特點

網(wǎng)絡(luò)信息人工組織方式有如下一些特點：（1） 耗費大量人力，卻不能滿足網(wǎng)絡(luò)信息快速增長的需要，有時不得不放棄。 比如Yahoo！ directory 最終放棄人工對目錄的維護和管理。 （2）對工作人員專業(yè)性要求很強，他們必須熟悉分類法、主題詞表體系及其相關(guān)著錄規(guī)則，這種條件不是每個人都具備的。（3）人工化組織顯示出速度慢、效率低的弊端。（4）人工化知識組織盡管能夠?qū)W(wǎng)絡(luò)信息進行準確標引，但局限于所用的知識組織工具，并不能符合所有用戶使用互聯(lián)網(wǎng)的習(xí)慣。

2 網(wǎng)絡(luò)信息的程序化知識組織方式

面對互聯(lián)網(wǎng)的迅速發(fā)展，特別是由于Web2.0 的技術(shù)應(yīng)用，人人可以參與網(wǎng)絡(luò)信息的創(chuàng)作，使得網(wǎng)絡(luò)信息多態(tài)化、海量化，進而出現(xiàn)網(wǎng)絡(luò)信息雜亂繽紛、“信息垃圾”“信息相對匱乏”并存的現(xiàn)象。 人工化組織方式由于自身特點而不能適應(yīng)網(wǎng)絡(luò)數(shù)字化資源組織的需要。 人們呼吁采用一種既節(jié)省人力、效率又高的知識組織方式來整理這些無序而量大的網(wǎng)絡(luò)信息。 于是，隨著全文檢索技術(shù)的出現(xiàn)，以第二代搜索引擎為代表的網(wǎng)絡(luò)信息組織檢索工具誕生了。

圖1 人工化知識組織原理圖Fig.1 Principle of artificialization knowledge organization

2.1 搜索引擎定義及工作原理

（網(wǎng)絡(luò)） 搜索引擎是一種根據(jù)一定的策略運用的特定計算機程序。 它自動從互聯(lián)網(wǎng)上搜集網(wǎng)絡(luò)信息，對信息進行組織和整理以后，為用戶提供檢索服務(wù)，將用戶檢索到的信息進行排序、聚合后展示給用戶的系統(tǒng)[4]。 搜索引擎的工作原理可以簡單地概括為：搜集網(wǎng)站鏈接、簡單分類、形成索引數(shù)據(jù)庫，用戶輸入檢索表達式，系統(tǒng)按照一定算法排序，輸出排序結(jié)果給用戶。

2.2 搜索引擎的組成模塊及工作要點

搜索引擎一般由五個模塊程序組成,分別是：搜索器、分析器、索引器、檢索器和用戶接口。 其中由搜索器完成信息采集工作，由分析器和索引器完成索引工作，并形成索引數(shù)據(jù)庫，由用戶接口和檢索器共同完成搜索工作[5]。

（1）信息采集（Web crawling）。信息采集的工作由搜索器完成。 搜索引擎利用稱為網(wǎng)絡(luò)爬蟲（crawlers）、網(wǎng)絡(luò)蜘蛛（spide r）或者叫做網(wǎng)絡(luò)機器人（robots）的自動搜索程序來遍歷網(wǎng)頁上的超級鏈接。 這些“機器人”從網(wǎng)頁初始的網(wǎng)頁集合出發(fā)，利用超級鏈接的 “跳躍性”，不斷從一個網(wǎng)頁轉(zhuǎn)到另一個網(wǎng)頁，從一個站點移動到另一個站點，最終“走遍”指定范圍內(nèi)的整個Web 空間，將采集到的網(wǎng)頁添加到網(wǎng)頁數(shù)據(jù)庫中。 就這樣，在一定周期內(nèi)完成庫內(nèi)網(wǎng)頁集合的更新，并追加具有新內(nèi)容的網(wǎng)頁，形成更大的網(wǎng)頁集合。

（2）索引（Indexing）。 搜索引擎整理信息的過程稱為“建立索引”。 搜索引擎不僅要保存搜集起來的信息，還要將它們按照一定的規(guī)則進行編排。 索引規(guī)則是決定搜索引擎組織網(wǎng)絡(luò)信息資源效率和檢全率、檢準率的關(guān)鍵因素。 但是這些規(guī)則顯得過于簡單，它們大多是采用后控詞表來類分網(wǎng)絡(luò)信息的，這些詞表詞匯經(jīng)過規(guī)范化，不僅數(shù)量有限，而且詞匯之間缺乏有效的關(guān)聯(lián)，面對采集來的海量網(wǎng)絡(luò)信息，只能是簡單地歸類保存。 這很容易造成檢索不準、不全，不能滿足用戶日益精準的知識需求。

（3）檢索（Searching）。檢索是建立索引的逆過程。當用戶向搜索引擎發(fā)出查詢，搜索引擎接受查詢并向用戶返回資料時，有的系統(tǒng)在返回結(jié)果之前按照網(wǎng)頁內(nèi)容與檢索表達的概念的相關(guān)度進行了計算和評估，并據(jù)此進行排序，將相關(guān)度大的放在前面、相關(guān)度小的放在后面。 也有的系統(tǒng)在用戶查詢之前已經(jīng)計算了各個網(wǎng)頁的網(wǎng)頁等級（PageRank），返回查詢結(jié)果時，將網(wǎng)頁等級大的放在前面、網(wǎng)頁等級小的放在后面。 由于不同搜索引擎有不同的排序規(guī)則，因此，會出現(xiàn)在不同的搜索引擎中進行相同關(guān)鍵詞搜索、輸出結(jié)果順序卻不同的現(xiàn)象。 這3 個模塊的工作過程如圖2 所示。

圖2 第二代搜索引擎程序化知識組織方式及檢索過程圖Fig.2 Programming knowledge organization pattern and retrieval process of 2nd search engine

2.3 搜索引擎工作原理的優(yōu)缺點分析

搜索引擎采用自動化的程序（Robot 、spider）有效地解決了海量網(wǎng)絡(luò)信息的收集、存儲、組織問題，并采用簡單的詞匯輔助檢索，對檢索結(jié)果進行排序，適應(yīng)了信息大眾使用自然語言進行信息檢索的需求，這是其優(yōu)點。 其缺點是由于其采用的分類體系包含的受控詞匯集合小，且詞匯間的關(guān)聯(lián)性不強，這樣就造成搜索引擎缺乏對概念和語義的理解，特別是對自然語言處理能力差、對用戶檢索行為的分析不足、不能提供個性化檢索服務(wù)等問題。 因此，搜索引擎屬于程序化的標引集合和需求集合簡單關(guān)鍵詞匹配的知識組織和檢索工具。

3 網(wǎng)絡(luò)信息的智能化知識組織方式

人們對第二代搜索引擎的檢索效果做出分析后認為：它不能理解用戶真正意圖的原因，是由搜索引擎的自動化程序生成的索引目錄庫中沒有足夠的詞匯來與檢索表達式中的詞匯相匹配，進而造成了缺乏對概念、知識的理解。 那么，只有解決了這個問題，才能提高搜索引擎對用戶意圖的理解能力、提高檢索效率。 如何解決這些問題，成為圖書情報界專家思考的問題。

王軍教授認為：全面發(fā)展網(wǎng)絡(luò)環(huán)境下的知識組織工具和自動組織方法有兩條路線：第一，對傳統(tǒng)的知識組織工具和方法進行改造，使之適應(yīng)網(wǎng)絡(luò)環(huán)境下信息資源組織的需要。第二，發(fā)展新的知識組織工具和方法，例如大眾分類法、本體法（ontology）等[6]。 他在其專著中選擇了第一條路線，并進行了試驗，取得了很好的效果。

有的學(xué)者進一步總結(jié)經(jīng)驗，認為未來的知識組織方式要達到下列要求，才能滿足用戶對網(wǎng)絡(luò)信息進行組織、存儲、檢索利用的需求。 （1）知識組織工具數(shù)字化，能被計算機理解、交換。 （2）具有大量的、網(wǎng)絡(luò)資源需要的詞匯庫和詞匯關(guān)系庫。 （3）能夠把產(chǎn)生的新詞匯自我豐富到詞匯庫中。 （4）具有自動搜集、確定信息和知識源并自動標引的功能。

能夠同時滿足這4 項條件的知識組織工具，就是具有智能的知識組織工具。 借此工具開展的知識組織工作的方式，就是智能化的知識組織方式。

3.1 智能化知識組織方式的技術(shù)方法

3.1.1 簡約知識組織系統(tǒng)（SKOS）

簡約知識組織系統(tǒng) （Simple Knowledge Organiz ation System，SKOS）是實現(xiàn)知識組織系統(tǒng)（簡稱KOS）的一種形式化的語義置標語言，這種語言遵守簡單資源描述框架（簡稱RDF）的規(guī)則要求。 其中，圖書、情報、檔案領(lǐng)域的情報檢索語言，如敘詞表、分類法及術(shù)語詞典、受控詞表等，這些都可以構(gòu)成SKOS 的置標對象。 由于SKOS 基于RDF，一方面，它為表達這些知識組織系統(tǒng)的結(jié)構(gòu)和內(nèi)容提供了靈活的框架，提供了整合描述置標對象各種元數(shù)據(jù)的機制，從而能夠?qū)崿F(xiàn)計算機的有效處理和人對資源的明確理解；另一方面，它也能夠使傳統(tǒng)知識組織系統(tǒng)運行于語義網(wǎng)環(huán)境中，與語義網(wǎng)內(nèi)的其他資源（如Linked Data）相互鏈接，從而實現(xiàn)更大范圍的語義互操作和數(shù)據(jù)共享。 簡約知識組織系統(tǒng)，稱其“簡約”，主要是與語義描述和轉(zhuǎn)換機制更為復(fù)雜的網(wǎng)絡(luò)本體語言（簡稱OWL）等相比較而言的[7]。

SKOS 主要用于簡單類型的網(wǎng)絡(luò)知識系統(tǒng)，它的詞匯一般局限于特定領(lǐng)域，如地理信息領(lǐng)域、檔案、古籍文獻的知識組織。典型的應(yīng)用有：UKAT(英國檔案敘詞表)，它是專門為英國檔案部門編制的敘詞表，共包含19698 個詞匯，所有詞匯被劃分8 大類、83 個小類，且UKAT 網(wǎng)站提供免費的下載服務(wù)，供各個檔案館下載使用。我國王軍教授開發(fā)的KVision 知識組織系統(tǒng)是參考了stanford 書目本體、DC 抽象數(shù)據(jù)模型而形成的，主要功能是為傳統(tǒng)書目資源和網(wǎng)絡(luò)信息資源提供知識組織和知識服務(wù)功能。在KVision 網(wǎng)站上，還可以了解到最新的研究進展。

3.1.2 自動標引技術(shù)

自動標引 （automatic indexing） 又稱計算機輔助標引（Computer Aided Indexing），指利用計算機系統(tǒng)模仿人的標引活動，從擬存儲、檢索的事實情報或文獻（題目、文摘、正文）中自動抽取檢索標志并自動生成情報檢索所需的索引符號的過程。 1957年，美國IBM 公司的H.P.盧恩發(fā)表了基于詞頻統(tǒng)計的文獻自動標引方法的論文，開啟了自動標引的研究。 從那時到現(xiàn)在，對自動標引的研究經(jīng)歷了興起、繁榮、平靜、振興階段，形成了統(tǒng)計分析法、語言分析法、人工智能法、混合法等幾大技術(shù)體系[8]。 其工作流程如圖3 所示。

圖3 自動標引工作圖Fig.3 Automatic indexing working process

相對于手工標引，自動標引克服了手工標引難以克服的缺點，具有很大優(yōu)勢。 與熟練標引人員相比，盡管自動標引的準確性不如手工標引，但在其他指標方面，自動標引具有處理能力強、處理速度快、成本低、一致性好，穩(wěn)定性好、不受人員的情緒和狀態(tài)影響等無可比擬的優(yōu)勢。

3.2 運用智能化知識組織工具的網(wǎng)路信息系統(tǒng)的代表

運用智能化知識組織工具的網(wǎng)絡(luò)系統(tǒng)，有代表性的主要有以下兩種。

3.2.1 智能搜索引擎

智能搜索引擎是第三代搜索引擎，代表著網(wǎng)絡(luò)搜索引擎的最高水平。 智能搜索引擎引入了智能化的知識組織工具，能夠?qū)ζ渌鸭木W(wǎng)絡(luò)信息資源進行概念、知識層面的自動化組織，然后，在用戶檢索的時候，又能從概念及其概念關(guān)系方面進行恰當?shù)臋z索，滿足用戶的真正意圖。 智能檢索可以從兩個層面上進行理解:（1）搜索引擎檢索技術(shù)的智能化。 智能檢索將信息檢索從目前基于關(guān)鍵詞層面提高到基于知識(或概念)層面,對知識有一定的理解和處理能力,能夠運用分詞技術(shù)、同義詞技術(shù)、概念搜索、短語識別以及機器翻譯等技術(shù)。智能搜索引擎具有信息服務(wù)智能化、人性化的特征,允許檢索者采用自然語言進行信息的檢索,為他們提供更方便、更確切的搜索服務(wù)。（2）搜索引擎面向檢索者的智能化。智能化的搜索引擎應(yīng)該能夠通過分析檢索者的檢索和瀏覽行為來學(xué)習(xí)檢索者的需求,利用搜索引擎的現(xiàn)有服務(wù)方式，有選擇地為檢索者提供個性化的檢索服務(wù)[9]。

3.2.2 數(shù)字圖書館

數(shù)字圖書館是完全適應(yīng)于互聯(lián)網(wǎng)的，即互聯(lián)網(wǎng)的有價值資源完全是以數(shù)字圖書館的形式、技術(shù)組織與檢索的。 它的資源范圍更廣、數(shù)量更大。 國內(nèi)外眾多的數(shù)字圖書館資源庫像是鑲嵌在紛雜的互聯(lián)網(wǎng)信息中的璀璨明珠。 數(shù)字圖書館之所以大行其道，一是由于其收藏了價值較高的信息資源，二是其資源都是經(jīng)過整理而有序的，三是它有非常強大的多種途徑的跨庫檢索途徑和能力。

利用現(xiàn)代計算機技術(shù)構(gòu)建領(lǐng)域內(nèi)智能化知識組織工具，數(shù)字圖書館進行概念檢索、知識利用的關(guān)鍵，是數(shù)字圖書館智能化的重要標志。李秀麗,徐躍權(quán)構(gòu)建的數(shù)字圖書館知識利用過程模型如圖4 所示：

圖4 數(shù)字圖書館知識組織工作方式圖Fig.4 Digital library knowledge organization pattern

這個流程圖對當代數(shù)字圖書館工作過程進行了準確的描述，其過程包括知識發(fā)現(xiàn)、知識評價、知識檢索、知識利用和知識的描述與創(chuàng)新等[10]。 其中的知識發(fā)現(xiàn)和知識檢索是模型的核心部分，這兩部分充分體現(xiàn)了知識組織在數(shù)字圖書館中的關(guān)鍵作用。

3.3 智能化知識組織工具的不足

由于智能化知識組織工具的構(gòu)建存在技術(shù)復(fù)雜、方法多樣的問題，且處于起步階段，因而目前僅能構(gòu)建某一領(lǐng)域的智能化知識組織工具，這也是其適應(yīng)面狹窄、概念理解不夠的根本原因。 只有創(chuàng)造出具有通用領(lǐng)域概念模型的智能化知識組織工具，才能順應(yīng)網(wǎng)路信息的發(fā)展趨勢，推動網(wǎng)路信息資源組織工作的發(fā)展。

4 結(jié)語

綜上所述，可以認為，在傳統(tǒng)知識組織工具在網(wǎng)絡(luò)信息知識中仍然發(fā)揮組織作用的同時，許多學(xué)者也在改造傳統(tǒng)知識組織工具、 開發(fā)新的網(wǎng)絡(luò)組織工具方面做了大量工作，取得了很多成果。 目前，知識組織工具呈現(xiàn)出一種逐漸擺脫人力向自動化和智能化方向發(fā)展的趨勢。 先進的計算機技術(shù)是構(gòu)建智能化知識組織工具的基礎(chǔ)；人們對網(wǎng)絡(luò)信息資源服務(wù)不斷增長的需求是開發(fā)知識組織工具的動力。 目前還需要把這些成果系統(tǒng)化，并使之完善，還要為其盡快投入實際應(yīng)用做大量的研究工作。

[1] 公民何健.語義網(wǎng)[DB/OL].[2013-01-03].http://baike.baidu.com/view/854337htm#5.

[2] 王蘭成.數(shù)字圖書館技術(shù)-信息集成與信息檢索[M].北京：國防工業(yè)出版社.2007:14.

[3] 走一步算兩步. 搜索引擎 [DB/OL].[2012-10-10].http://baike.baidu.com/view/1154.htm#2.

[4] 陳丹，郭偉青.信息搜索引擎綜述及系統(tǒng)架構(gòu)設(shè)計[J].商場現(xiàn)代化，2008.01（3）:28.

[5] 王軍.數(shù)字圖書館的知識組織系統(tǒng)——從理論到實踐[M].北京：北京大學(xué)出版社.2009：2-3.

[6] 段榮婷.基于簡約知識組織系統(tǒng)的《中國檔案主題詞表》語義網(wǎng)絡(luò)化應(yīng)用研究[J].檔案學(xué)通訊，2011(2):72-75.

[7] 余春.自動標引研究進展[J].圖書館學(xué)研究，2012(04):18-22.

[8] 傅欣.第三代搜索引擎的智能化趨勢研究[J].現(xiàn)代圖書情報技術(shù),2002(6):28-30.

[9] 李秀麗,徐躍權(quán).數(shù)字圖書館知識利用策略研究[J].圖書館學(xué)研究：理論版，2011(3):31-37.