基于語義關聯(lián)的高校圖書情報檔案數(shù)字資源整合研究?

譚靜

（天津城建大學圖書館，天津 300384）

基于語義關聯(lián)的高校圖書情報檔案數(shù)字資源整合研究?

譚靜

（天津城建大學圖書館，天津 300384）

分析了資源整合的內(nèi)涵及作用，介紹了基于語義關聯(lián)的海量數(shù)字資源整合方法。詳述了高校圖書、情報、檔案資源整合的前提條件，主要包括：高校圖書、情報、檔案知識資源的數(shù)字化存貯，工作流程的革新化改造和高校組織之間基于協(xié)議的知識聯(lián)盟。最后，重點論述了基于語義關聯(lián)的圖書、情報、檔案數(shù)字資源整合模式。

語義關聯(lián) 數(shù)字資源 資源整合模式

信息社會的到來使得數(shù)字圖書館的服務模式發(fā)生了巨大轉(zhuǎn)變，更加專注于深度挖掘知識的內(nèi)容和關聯(lián)性。隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，數(shù)字資源的增長速度也在不斷加快，數(shù)字圖書館的知識資源也逐漸虛擬化，由此改變了用戶的使用習慣和交流方式[1]。為了將分散的數(shù)字資源進行整合，數(shù)字圖書館嘗試構(gòu)建基于語義關聯(lián)的數(shù)字資源整合模型，從而進一步提高數(shù)字圖書館的知識服務效果。具體來講，數(shù)字資源整合技術(shù)就是利用相關技術(shù)將異構(gòu)的數(shù)字資源進行整合，并通過后期的加工和排序處理將數(shù)字資源形成一個統(tǒng)一的整體，并將數(shù)字資源的規(guī)律性和知識性表現(xiàn)出來。筆者所研究的基于語義關聯(lián)的數(shù)字資源知識整合技術(shù)，就是利用語義處理相關技術(shù)，分析隱藏在數(shù)字資源中的知識，挖掘出語義關聯(lián)性，然后利用聚類和重構(gòu)的方式將基于語義關聯(lián)的數(shù)字資源整合為一個有機整體，從而為用戶展現(xiàn)出豐富的知識關聯(lián)性。

1 資源整合的內(nèi)涵及作用

資源整合技術(shù)就是根據(jù)特定需要將具有一定關聯(lián)性的數(shù)字對象、個體以及相應的功能進行重組、融合以及聚類處理，從而形成為同一種類的數(shù)字資源體系[2]。一般將描述資源的規(guī)范稱為元數(shù)據(jù)規(guī)范，而用于描述數(shù)字資源整合的規(guī)范又稱為數(shù)字資源整合的元數(shù)據(jù)規(guī)范。元數(shù)據(jù)規(guī)范已經(jīng)成為基于語義關聯(lián)的數(shù)字資源管理系統(tǒng)的重要規(guī)范，甚至可以直接將該規(guī)范認定為各種數(shù)字資源的統(tǒng)一規(guī)定。寬泛地講，數(shù)字資源的整合描述在分布式資源檢索、資源定位以及基于異構(gòu)系統(tǒng)的相互操作等方面有著積極的作用。

1.1 分布式信息檢索

在分布式數(shù)字資源環(huán)境下，為了更好地滿足用戶關于信息系統(tǒng)的資源檢索需求，本研究根據(jù)數(shù)字資源開發(fā)原則為不同領域的數(shù)據(jù)資源以及不同網(wǎng)絡檢索技術(shù)提供數(shù)字整合描述，這也是在分布式數(shù)字資源中知識發(fā)現(xiàn)的重要方式。與此同時，針對數(shù)字資源進行有效描述不僅可以將異構(gòu)數(shù)字資源的聯(lián)合范圍擴大，從而形成一種有機整體，而且還可以為用戶提供資源整合工具和相互操作機制，以此擴大影響范圍，并進一步提高信息檢索水平。

1.2 異構(gòu)信息系統(tǒng)間的互操作

與關于資源對象的描述不同，關于資源整合的描述具有顯著的分布式特點，而且層次性特征也十分明顯，描述的對象可以存儲在不同的物理空間，甚至可以存儲在不同的信息系統(tǒng)之中，因此關于這些描述對象的數(shù)據(jù)存儲結(jié)構(gòu)、存在方式以及檢索模式都是異構(gòu)的。此外，基于資源對象的動態(tài)描述規(guī)范還能夠幫助實現(xiàn)異構(gòu)資源對象的無縫鏈接，從而為整個異構(gòu)信息系統(tǒng)的相互聯(lián)系提供支持。

2 基于語義關聯(lián)的海量數(shù)字資源整合方法

2.1 海量數(shù)字資源采集、描述與整合機制

海量數(shù)字資源的來源方式多種多樣，存在的類型也繁多復雜，已經(jīng)呈現(xiàn)出分布式的特點。針對數(shù)字資源的采集方式應該結(jié)合自身的分布特點進行，利用合適的數(shù)字資源采集工具，并且制定相應的數(shù)字資源采集方案。具體來講，可以在數(shù)據(jù)庫資源中利用轉(zhuǎn)化和抽取技術(shù)以及分檔分析軟件，來提取異構(gòu)數(shù)字資源的特征向量，并進行必要的語義標引[3]。數(shù)字資源的采集方式可以按照由近到遠的方式，也就是首先采集日期較近的數(shù)字資源，然后對日期較晚的數(shù)字資源采用回溯的方式，從而保證較新的數(shù)字資源優(yōu)先被采集和整理。當然，在具體描述數(shù)字資源之前，還要根據(jù)元數(shù)據(jù)模塊進行語義描述，從而讓異構(gòu)的數(shù)字資源更容易被計算機識別。在語義整合階段，還可以利用已經(jīng)存在的先驗數(shù)字資源進行語義分類處理，接著分析數(shù)字資源的內(nèi)容差異和語義相似度，然后將較為相似的數(shù)字資源整合為一個整體；或者參照基于領域本體的映射關系進行數(shù)字資源重組，進一步揭示數(shù)字資源的內(nèi)在語義關聯(lián)，從而將隱藏的知識資源進行深度整合。

2.2 以引證與概念為基礎的知識整合方式

引證關系反映出數(shù)字資源的流通情況，而且是一種單向流通。通過引證關系可以挖掘出數(shù)字資源的語義關聯(lián)性，比較常用的方法主要以引證耦合以及引證路徑為基礎構(gòu)建通用模型，從而實現(xiàn)關于數(shù)字資源的語義分級和整理處理[4]。如果數(shù)字資源之間存在直接的引證關系，就可以直接在引證聯(lián)系網(wǎng)中搜索相似的數(shù)字資源，并進行多維度分析和評估。如果數(shù)字資源之間存在間接的引證關系，就需要利用分析引證方法來分析關聯(lián)的強度，進一步確定數(shù)字資源之間的關聯(lián)性，為資源的深度整合提供支持。此外，還可以利用數(shù)字資源的概念聯(lián)系進行資源整合，可以借助語義表達方式的不同來區(qū)分數(shù)字資源，利用不同的語義單元探討其關聯(lián)性；還能夠根據(jù)不同類型的數(shù)字資源關系和映射方式，并結(jié)合用戶的資源需求特征，利用語義關聯(lián)和概念關系來挖掘數(shù)字資源中的內(nèi)在規(guī)律性。針對知識組織系統(tǒng)，可以根據(jù)知識粒度來分析語義關聯(lián)，并在應用過程中挖掘不同知識粒度的語義關聯(lián)性，從而得到在不同知識粒度條件下的知識整合效果。

3 高校圖書情報檔案資源整合的前提

3.1 高校圖書情報檔案知識資源的數(shù)字化存貯

一體化方式的知識組織、知識編碼以及知識挖掘的主要對象不僅包括了在線網(wǎng)絡信息，而且還包括數(shù)字化圖書、檔案和情報信息等[5]。數(shù)字資源的來源主要分為兩個部分，其一為文檔文獻形式的數(shù)字資源，該類型在整個資源中占有的比例較大；其二為視聽形式的數(shù)字資源。比如文檔文獻形式的數(shù)字資源主要包括以檔案、情報以及圖書數(shù)字化形式進行存儲，還包括經(jīng)過數(shù)字化存儲的紙質(zhì)文獻?；谖墨I文檔的數(shù)字化存儲方式主要有兩種方式：第一種為構(gòu)建基于圖像的存儲方式，第二種為構(gòu)建基于文本的存儲方式。值得注意的是，第一種存儲方式占用的物理空間較大，成本較高，不利于長遠的存儲規(guī)劃；第二種存儲方式需要人工進行數(shù)字化，也就是將文獻的資料，主要是圖像、文字以及數(shù)據(jù)表格等以Word、PDF、TXT或者GIF格式進行存儲。如果需要數(shù)字化的圖像、文字或者數(shù)據(jù)無法用人工輸入的方式完成，就可以利用復制或者掃描的方式將數(shù)字資源進行存儲；如果需要處理視聽類數(shù)字化資源，就需要利用相關設備和技術(shù)進行轉(zhuǎn)錄、降噪以及壓縮處理，并最終實現(xiàn)以MP3和AIV等格式進行存儲。

3.2 高校圖書情報檔案工作流程的革新化改造

一體化過程本身就是一種科技創(chuàng)新活動，是將圖書類、檔案類以及情報類資源進行結(jié)構(gòu)調(diào)整和整合處理，而且要求這些工作流程與創(chuàng)新機制相一致。高校工作業(yè)務再造思想是進行一體化科學充足的重要參考依據(jù)，也就是強調(diào)整體性工作與業(yè)務分工的相互連接，減少多余重復的構(gòu)建過程，重視基于決策的業(yè)務建設，從而實現(xiàn)從職能管理到業(yè)務流程管理的轉(zhuǎn)變，堅持效能最優(yōu)以及性能最強的宗旨，進一步保證每個工作環(huán)節(jié)的增值最大化[6]。根據(jù)上述的高校工作業(yè)務員再造思想倡導的宗旨，并結(jié)合一體化結(jié)構(gòu)組織原則，設計了一體化業(yè)務流程圖，如圖1所示。

3.3 高校組織之間基于協(xié)議的知識聯(lián)盟

知識聯(lián)盟主要指社會各界的組織機構(gòu)以及單位系統(tǒng)為了更好地分享知識資源，加快知識交流以及實現(xiàn)知識創(chuàng)新，而利用各種協(xié)議和契約鏈接為一個團體，從而達到知識優(yōu)勢互補的目的。高校的知識聯(lián)盟的主要鏈接方式為知識共享協(xié)議或者知識交換契約。通過知識聯(lián)盟渠道，一體化機構(gòu)可以直接從外界的高校知識環(huán)境中交換獲得本校所需的文獻資源，比如圖書資料、檔案資料以及情報資料等，從而更好地充實本校的知識體系。一體化機構(gòu)還可以利用知識聯(lián)盟的知識集約性，改進機構(gòu)的知識吸收能力，加強資源結(jié)構(gòu)調(diào)整能力以及追蹤能力等，從而為知識整合提供便利條件。

4 基于語義關聯(lián)的圖書情報檔案數(shù)字資源整合模式

若要實現(xiàn)基于語義關聯(lián)的圖書、檔案以及情報等數(shù)字資源的整合，必須要處理好數(shù)據(jù)共享問題以及知識互操作問題等。為了保證向用戶提供一個統(tǒng)一、高效的知識發(fā)現(xiàn)機制，筆者嘗試將OAI-PMH協(xié)議應用到以圖書、檔案以及情報等數(shù)字資源為主要內(nèi)容的系統(tǒng)中，并將數(shù)字資源中的元數(shù)據(jù)進行集成，從而構(gòu)建一個基于語義關聯(lián)并且為用戶提供統(tǒng)一、高效的知識服務整合模式[7]。具體來講，本研究將語義關聯(lián)的應用程序接口定義為HTTP格式，經(jīng)過格式擴展后還能以Slash或者Hash格式轉(zhuǎn)發(fā)。利用語義關聯(lián)技術(shù)可以針對數(shù)字資源訪問模式進行統(tǒng)一的標準化，也就是用戶或者代理機構(gòu)無需了解語義關聯(lián)發(fā)布網(wǎng)站的運行模式、體系架構(gòu)以及存儲方式等內(nèi)容，只需利用SPARQL技術(shù)根據(jù)Web服務器的IP地址進行訪問即可。需要注意的是，基于圖書、檔案以及情報等資源的元數(shù)據(jù)存在兩個方面的問題：（1）OAI-PMH協(xié)議只為用戶提供基于Identifier等參數(shù)規(guī)定范圍的收集服務，目前還不允許用戶自行設定收集參數(shù)，比如用戶不能按照作者或者資料語種收集，但這恰好是用戶所熟悉的收集方式。（2）在基于OAI的數(shù)據(jù)庫中，每個元數(shù)據(jù)條目都有唯一的標識符，但是這個標識符并不能直接被HTTP識別，因而無法利用元數(shù)據(jù)條目直接收集數(shù)字資源。

因此，如果要利用語義關聯(lián)技術(shù)實現(xiàn)關于圖書、情報以及檔案等數(shù)字資源的整合，首先要針對OAI-PMH元數(shù)據(jù)進行語義關聯(lián)處理，也就是將OAI的數(shù)據(jù)庫的元數(shù)據(jù)轉(zhuǎn)化為具有語義關聯(lián)性，從而幫助解決用戶在收集元數(shù)據(jù)時遇到的技術(shù)障礙。

4.1 OAI-PMH元數(shù)據(jù)的語義關聯(lián)化

如果要實現(xiàn)基于OAI-PMH元數(shù)據(jù)的語義關聯(lián)性處理，就需要參照語義關聯(lián)的原則進行，以此來確定關于URL的分配方式、關聯(lián)規(guī)則以及相應的關聯(lián)信息生成方案等。接著根據(jù)OAI的存儲特點利用基于URL收集技術(shù)來收集元數(shù)據(jù)，并把收集結(jié)果存儲在本地的元數(shù)據(jù)庫中，然后借助D2R等工具根據(jù)收集結(jié)果生成相應的映射文件，從而讓存儲在本地元數(shù)據(jù)庫中的數(shù)據(jù)具有語義關聯(lián)性。根據(jù)上述的原理，圖書、情報以及檔案等資源都可以將OAI-PMH類型元數(shù)據(jù)轉(zhuǎn)化為具有語義關聯(lián)性，然后利用URL就可以直接訪問元數(shù)據(jù)資源，當然用戶還可以參照SPARQL協(xié)議設定數(shù)據(jù)查詢條件，從而實現(xiàn)針對元數(shù)據(jù)的有效檢索。值得注意的是，一定要針對圖書、情報以及檔案等資源構(gòu)建專門的OAI數(shù)據(jù)庫，資源需要按照元數(shù)據(jù)的標準統(tǒng)一進行存儲，只有這樣才能夠真正實現(xiàn)關于圖書、情報以及檔案等資源的語義關聯(lián)處理。

4.2 基于語義關聯(lián)的圖書情報檔案數(shù)字資源整合模式

在關聯(lián)開放數(shù)據(jù)項目的推進下，現(xiàn)在已經(jīng)有超過140億的傳統(tǒng)數(shù)據(jù)轉(zhuǎn)換為具有語義關聯(lián)的數(shù)據(jù)。語義關聯(lián)技術(shù)讓圖書、情報以及檔案等數(shù)字資源的相互交流和共享更加便利。現(xiàn)階段，大部分的政府機構(gòu)和組織機構(gòu)已經(jīng)認識到數(shù)字資源整合的重要性，并有意識地利用語義關聯(lián)技術(shù)來實現(xiàn)數(shù)字資源整合的目的。當然，圖書、情報以及檔案等資源需要將資源之間的語義關聯(lián)性數(shù)據(jù)存儲起來，因此數(shù)據(jù)存儲服務機構(gòu)(比如云端服務提供商)將在數(shù)字資源整合服務占有更加重要的地位。

隨著圖書、情報以及檔案等數(shù)字資源的數(shù)據(jù)量不斷增長，急需針對這些數(shù)字資源進行整合，而利用語義關聯(lián)技術(shù)以及相應的Web應用框架機制，并通過URL將不同類型數(shù)據(jù)資源進行語義關聯(lián)，筆者根據(jù)用戶和系統(tǒng)功能需要嘗試設計一種基于語義關聯(lián)的圖書、情報以及檔案等數(shù)字資源整合模式，具體如圖2所示。

從圖2中不難看出，基于語義關聯(lián)的圖書、情報以及檔案等數(shù)字資源的整合模式主要分為數(shù)據(jù)應用層、數(shù)據(jù)關聯(lián)層以及數(shù)據(jù)發(fā)布層等。具體來講，數(shù)據(jù)應用層的服務對象為SPARQL以及語義關聯(lián)等相似的網(wǎng)絡應用。例如國外數(shù)字圖書館已經(jīng)嘗試開發(fā)資源的語義檢索服務，該服務可以根據(jù)檢索詞關聯(lián)到更多的信息，如關聯(lián)出題名、摘要以及作者等信息，從而為用戶提供更有價值的檢索信息；數(shù)據(jù)關聯(lián)層的服務對象為圖書、情報以及檔案等數(shù)字資源內(nèi)部存在關聯(lián)性，比如一個作者可以有多部著作，一部電影可以有多個制作人等，可以利用RDF技術(shù)將這些聯(lián)系進行關聯(lián)，形成一個關聯(lián)數(shù)據(jù)網(wǎng)絡，不同的資源利用關聯(lián)數(shù)據(jù)進行鏈接；數(shù)據(jù)發(fā)布層的服務對象為圖書、情報以及檔案等數(shù)字資源，主要以圖像、音頻、視頻以及檔案類資源為代表，設計人員可以將這些數(shù)據(jù)按照語義關聯(lián)的原則進行處理并上傳到網(wǎng)絡中，從而讓用戶可以方便地進行學習和交流。需要注意的是，與傳統(tǒng)的圖書、情報以及檔案等數(shù)字資源不同，在基于語義關聯(lián)的整合模式下的資源都是按照語義關聯(lián)原則進行描述的。

5 結(jié)語

筆者嘗試利用語義關聯(lián)技術(shù)來處理圖書、情報以及檔案等數(shù)字資源，借助于語義關聯(lián)的鏈接性針對數(shù)字資源進行有效的組織和整合，還能夠進行數(shù)字資源的深層聯(lián)系挖掘和展示，并在互聯(lián)網(wǎng)平臺上為用戶提供統(tǒng)一、高效的數(shù)字資源整合服務。如今人們對于信息的需求愈加強烈，借助于先進的信息處理技術(shù)進行數(shù)字資源整合符合其發(fā)展要求，而語義關聯(lián)技術(shù)則為數(shù)字資源整合起到了非常重要的推動作用。

[1]丁楠，潘有能.基于關聯(lián)數(shù)據(jù)的圖書館信息聚合研究[J].圖書與情報，2011(6):50-53.

[2]李琳.關聯(lián)數(shù)據(jù)在圖書館界的應用與挑戰(zhàn)[J].圖書與情報，2011(4):58-61.

[3]劉瑜.當代圖書館信息資源整合的若干模式[J].圖書館雜志，2010(3):8-41.

[4]樓白宇.公共圖書館圖書檔案情報一體化數(shù)字網(wǎng)站的實踐效應[J].蘭臺世界，2013(4)：99-100.

[5]賀德方，曾建勛.基于語義的館藏資源深度聚合研究[J].中國圖書館學報，2012(7):79-86.

[6]肖希明，田蓉.國外公共數(shù)字文化資源整合的現(xiàn)狀與發(fā)展趨勢[J].國家圖書館學刊，2014(5)：48-56．

[7]徐翠艷.網(wǎng)絡環(huán)境下圖書、情報、檔案一體化建設研究[D].鄭州：鄭州大學，2013．

譚 靜 女，1978年生。學士，館員。研究方向：高校圖書情報、檔案管理。

G250.73

2016-09-29；責編：姚雪梅。）

*本文系2014年天津市教育委員會高等學校人文社會科學研究項目“高校圖書、情報、檔案一體化管理模式研究”（項目編號:20142155）成果。