基于知識發(fā)現(xiàn)的高校圖書館機構(gòu)知識庫模型的建立

王芙蓉

（山西傳媒學(xué)院圖書館，山西 晉中 030619）

基于知識發(fā)現(xiàn)的高校圖書館機構(gòu)知識庫模型的建立

王芙蓉

（山西傳媒學(xué)院圖書館，山西 晉中 030619）

機構(gòu)知識庫是學(xué)術(shù)機構(gòu)將成員產(chǎn)生的學(xué)術(shù)資料進行收集、保存、管理，以開放和共享為目的，實現(xiàn)資源的永久保存和傳播。介紹了機構(gòu)知識庫的概念和高校圖書館建立機構(gòu)知識庫的必要性及原則。為了避免數(shù)據(jù)冗余，便于深層次數(shù)據(jù)挖掘，以題錄實體和機構(gòu)實體為元數(shù)據(jù)，構(gòu)建了基于知識發(fā)現(xiàn)的三層架構(gòu)的機構(gòu)知識庫模型，并闡述了該模型的實現(xiàn)過程。

機構(gòu)知識庫 高校圖書館 數(shù)據(jù)挖掘 知識發(fā)現(xiàn) 題錄

1 機構(gòu)知識庫的概念

機構(gòu)知識庫（IR，Institutional Repository）又稱為“機構(gòu)典藏庫”“機構(gòu)存儲庫”“機構(gòu)倉儲庫”等，美國網(wǎng)絡(luò)信息聯(lián)盟（Coalition of Networked Information）執(zhí)行總監(jiān)Clifford Lynch［1］定義機構(gòu)知識庫為“高校的機構(gòu)知識庫是高校為其成員提供的一套服務(wù)系統(tǒng)，用于管理和傳播高校各個部門及其成員創(chuàng)作的數(shù)字化資料”。因此機構(gòu)知識庫就是學(xué)術(shù)機構(gòu)利用計算機技術(shù)，將成員產(chǎn)生的學(xué)術(shù)資源進行收集、規(guī)范、組織、存儲，形成可以運用計算機保存、管理、檢索的數(shù)字資源，以開放和共享為目的，實現(xiàn)資源的永久保存和傳播。國外機構(gòu)知識庫的建設(shè)已成為學(xué)術(shù)機構(gòu)的一項基礎(chǔ)教育設(shè)施，而在我國機構(gòu)知識庫建設(shè)比較落后，具有代表性的是廈門大學(xué)建設(shè)的學(xué)術(shù)典藏庫以及香港大學(xué)的機構(gòu)知識庫。

機構(gòu)知識庫中收納的學(xué)術(shù)資料包括公開發(fā)表和未公開發(fā)表的各種形式的學(xué)術(shù)成果，這些學(xué)術(shù)資料包括論文、專著、專利、研究報告、課件、實驗報告等，以及所有格式的圖像、視頻資料、音頻資料、文本、藝術(shù)作品等。學(xué)術(shù)資料的收集是機構(gòu)知識庫建設(shè)中一項繁重的任務(wù)，建立合理的征收制度，提高機構(gòu)知識庫的文獻(xiàn)資源服務(wù)質(zhì)量，吸引更多的教師使用機構(gòu)知識庫，從而激發(fā)教師主動提交學(xué)術(shù)成果，擴大收錄范圍和形式。對公開發(fā)表的學(xué)術(shù)資料可以運用轉(zhuǎn)換工具直接將現(xiàn)有數(shù)據(jù)庫導(dǎo)入機構(gòu)知識庫中，未公開發(fā)表的灰色文獻(xiàn)可以運用個人自主提交的方法導(dǎo)入機構(gòu)知識庫。

2 高校圖書館建立機構(gòu)知識庫的必要性

機構(gòu)知識庫收錄各種內(nèi)容、不同格式的文獻(xiàn)資源，尤其收錄諸如實驗報告、預(yù)印本文獻(xiàn)、測試數(shù)據(jù)等灰色文獻(xiàn)，這些資源也具有很高的學(xué)術(shù)價值。機構(gòu)知識庫可以存儲成員產(chǎn)生的學(xué)術(shù)資料，以便得到很好的保存利用，同時成員可以通過機構(gòu)知識庫進行學(xué)術(shù)交流，拓展視野，提升科研能力。機構(gòu)知識庫也成為高校與高校之間進行學(xué)術(shù)交流的橋梁。

圖書館重要功能之一是對文獻(xiàn)資料進行收集、加工、保存并傳播文化資源。因此，圖書館在文獻(xiàn)資源收集整理方面具有豐富的工作經(jīng)驗、完善的工作流程以及相關(guān)技術(shù)人員。另一方面，數(shù)字圖書館與機構(gòu)知識庫在服務(wù)目的上是統(tǒng)一的，在信息技術(shù)平臺上是相似的，例如元數(shù)據(jù)倉庫的建設(shè)、中間件技術(shù)、信息交換協(xié)議、RSS技術(shù)、智能代理等，運用這些技術(shù)可以建立相關(guān)的數(shù)據(jù)資源系統(tǒng)以及對分布式系統(tǒng)進行集成，從而實現(xiàn)對文獻(xiàn)資源的有效整合以及跨庫、跨平臺的精確檢索。

3 機構(gòu)知識庫構(gòu)建原則

3.1 數(shù)據(jù)資源應(yīng)不斷更新、完善

機構(gòu)知識庫中收集的數(shù)據(jù)資源應(yīng)充分體現(xiàn)學(xué)校教學(xué)科研的方向、特色以及水平，對學(xué)校成員產(chǎn)生的學(xué)術(shù)成果進行收集、過濾、整理、評價、入庫，從而不斷更新知識庫，同時，要對知識庫中的數(shù)據(jù)進行備份。機構(gòu)知識庫建設(shè)是一個長期、可持續(xù)、不斷完善的過程，應(yīng)堅持“開放存取”（Open Access）的服務(wù)理念。

3.2 具有統(tǒng)一標(biāo)準(zhǔn)的元數(shù)據(jù)

元數(shù)據(jù)的存儲是機構(gòu)知識庫建設(shè)的基礎(chǔ)，良好的元數(shù)據(jù)格式為機構(gòu)知識庫的二次開發(fā)與數(shù)據(jù)挖掘打下了堅實的基礎(chǔ)。目前，我國大多數(shù)高校是使用軟件工具（NoteExpress、DSpace）將數(shù)據(jù)管理系統(tǒng)（高校自建數(shù)據(jù)庫、商業(yè)數(shù)據(jù)庫）批量導(dǎo)入到機構(gòu)知識庫中，知識庫中的數(shù)據(jù)標(biāo)準(zhǔn)不一、關(guān)聯(lián)準(zhǔn)確性差，不利于對機構(gòu)知識庫進行深層數(shù)據(jù)挖掘，這是機構(gòu)知識庫發(fā)展過程中面臨的一個重要問題。因此，具有統(tǒng)一標(biāo)準(zhǔn)的元數(shù)據(jù)格式是機構(gòu)知識庫底層資源整合中至關(guān)重要的問題。

3.3 保護版權(quán)，合法使用文獻(xiàn)資源

機構(gòu)知識庫中的文獻(xiàn)資源按照所有權(quán)可以分為3類：機構(gòu)所有、提交者所有、其他權(quán)利人所有［2］。所有權(quán)屬于學(xué)術(shù)機構(gòu)的文獻(xiàn)資源一般不會產(chǎn)生版權(quán)糾紛問題。對于提交者具有所有權(quán)的文獻(xiàn)資源，高校應(yīng)與提交者達(dá)成協(xié)議，獲得使用權(quán)利。對于其他個人或組織具有所有權(quán)的文獻(xiàn)，高校應(yīng)依據(jù)相關(guān)法律規(guī)定，制定合理的收繳與使用制度。

4 基于知識發(fā)現(xiàn)的圖書館機構(gòu)知識庫模型的建立

知識發(fā)現(xiàn)（Knowledge Discovery in Database，KDD）是指從數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他資源庫中運用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)數(shù)據(jù)之間潛在的關(guān)聯(lián)、規(guī)則、趨勢等，并將數(shù)據(jù)及其關(guān)系轉(zhuǎn)換為知識模式，通過對模式進行評價，得到對用戶有用的知識，并通過可視化界面展示出來。

知識發(fā)現(xiàn)過程可分為：搜集數(shù)據(jù)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、知識評價與表示4個步驟。①搜集數(shù)據(jù)：根據(jù)目標(biāo)搜集有關(guān)數(shù)據(jù)建立數(shù)據(jù)庫，筆者所討論的數(shù)據(jù)搜集對象是數(shù)據(jù)資源系統(tǒng)和個人灰色資源，此時建立的數(shù)據(jù)庫沒有統(tǒng)一標(biāo)準(zhǔn)的元數(shù)據(jù)模型。②數(shù)據(jù)預(yù)處理：由于上一階段所建立的數(shù)據(jù)庫沒有統(tǒng)一標(biāo)準(zhǔn)格式、關(guān)聯(lián)不精準(zhǔn)、存在冗余數(shù)據(jù)，因此需要對數(shù)據(jù)進行加工、轉(zhuǎn)換。本文設(shè)計的機構(gòu)實體模型，能夠消除冗余數(shù)據(jù)，并保證數(shù)據(jù)完整性與一致性，建立有利于挖掘算法的數(shù)據(jù)庫。③數(shù)據(jù)挖掘：采用挖掘算法對數(shù)據(jù)庫進行挖掘。④知識評價與表示：對上一階段數(shù)據(jù)挖掘產(chǎn)生的數(shù)據(jù)集合運用可視化的方法表示出來，并運用可信度與興趣度對知識模式進行分析，去除冗余模式，更新或修改知識庫內(nèi)容，使知識庫處于不斷更新狀態(tài)，決策支持達(dá)到最優(yōu)。

圖1 基于知識發(fā)現(xiàn)的機構(gòu)知識庫模型流程

機構(gòu)知識庫的建設(shè)在技術(shù)上是以現(xiàn)有的數(shù)字圖書館信息平臺為基礎(chǔ)，在管理上是以圖書館文獻(xiàn)資源管理模式為基礎(chǔ)。用戶可以通過機構(gòu)知識庫提交、獲取、共享學(xué)術(shù)資源，為用戶提供一個面向不同知識服務(wù)、開放的人性化平臺。筆者設(shè)計的機構(gòu)知識庫模型總體架構(gòu)分為3層：數(shù)據(jù)處理層、知識發(fā)現(xiàn)層、知識表示層，這3層是相互聯(lián)系、相輔相成的整體，其流程如圖1所示。

4.1 數(shù)據(jù)處理層

數(shù)據(jù)處理層是將原始數(shù)據(jù)經(jīng)過數(shù)據(jù)預(yù)處理得到可以進行數(shù)據(jù)挖掘的具有統(tǒng)一標(biāo)準(zhǔn)的數(shù)據(jù)庫，可以對該數(shù)據(jù)庫進行數(shù)據(jù)挖掘。機構(gòu)知識庫中的源數(shù)據(jù)包括兩個部分：數(shù)據(jù)資源系統(tǒng)和個人灰色資源。數(shù)據(jù)資源系統(tǒng)按照內(nèi)容主要包括高?？蒲邢到y(tǒng)數(shù)據(jù)庫、學(xué)位論文數(shù)據(jù)庫、外購數(shù)據(jù)庫、學(xué)生作品庫等。個人灰色資源是指學(xué)者自己保存，未經(jīng)發(fā)表的文獻(xiàn)資料。數(shù)據(jù)管理系統(tǒng)通過NoteExpress工具將數(shù)據(jù)完整無損地導(dǎo)入到數(shù)據(jù)庫中，個人灰色資源通過自主存檔技術(shù)將數(shù)據(jù)導(dǎo)入到數(shù)據(jù)庫中。

由于從不同數(shù)據(jù)管理系統(tǒng)中導(dǎo)出的題錄數(shù)據(jù)的表達(dá)、格式、分類體系不同，表達(dá)各異的同一個體會被識別成不同的個體，從而產(chǎn)生冗余數(shù)據(jù)和不完整數(shù)據(jù)。例如：學(xué)者、機構(gòu)、主題等實體在不同數(shù)據(jù)庫管理系統(tǒng)中有不同的名稱和寫法，這樣的實體導(dǎo)入到數(shù)據(jù)庫中會被識別為不同的實體；不同的數(shù)據(jù)管理系統(tǒng)依據(jù)不同的學(xué)科分類體系，例如中文數(shù)據(jù)庫普遍使用《中國圖書館分類法》《中國科學(xué)院圖書館圖書分類法》［3］，外文數(shù)據(jù)庫普遍采用《杜威十進分類法》《國際十進分類法》，因此筆者設(shè)計了機構(gòu)實體關(guān)系模型，用戶看到和使用的是機構(gòu)實體的數(shù)據(jù)。該模型與題錄實體一并作為元數(shù)據(jù)來存儲機構(gòu)知識庫文獻(xiàn)資源，支持?jǐn)?shù)據(jù)挖掘與知識發(fā)現(xiàn)。題錄實體如圖2所示，機構(gòu)實體如圖3所示。

圖2 題錄實體

圖3 機構(gòu)實體

題錄實體具有主題詞、標(biāo)引詞、作者、文獻(xiàn)來源等屬性，題錄實體數(shù)據(jù)來源于對題錄數(shù)據(jù)的預(yù)處理，即對不同來源題錄數(shù)據(jù)的抽取。機構(gòu)實體具有機構(gòu)名稱、地址、學(xué)者、主題、學(xué)科等屬性，機構(gòu)實體數(shù)據(jù)來源于與學(xué)校信息中心的對接，同時由教學(xué)秘書或?qū)W科館員人工關(guān)聯(lián)題錄實體與機構(gòu)實體的對應(yīng)關(guān)系。

該模型可以將半結(jié)構(gòu)化的文本信息轉(zhuǎn)換為具有統(tǒng)一標(biāo)準(zhǔn)的結(jié)構(gòu)化關(guān)系數(shù)據(jù)模型，才能進行更深層次的數(shù)據(jù)挖掘來支持用戶的個性化需求和決策。該模型的另一個優(yōu)點是易擴充，增加了系統(tǒng)的穩(wěn)定性和可移植性，減少開發(fā)人員工作量。例如：學(xué)者變換了所在單位機構(gòu)，只需在機構(gòu)實體中做修改，題錄實體不需變動。又如：題錄實體中若有眾多表達(dá)不同的數(shù)據(jù)，不會對機構(gòu)實體產(chǎn)生影響。

4.2 知識發(fā)現(xiàn)層

知識發(fā)現(xiàn)層是機構(gòu)知識庫平臺的核心，采用數(shù)據(jù)挖掘算法，并通過知識表示與評價得到面向不同專題的知識庫。運用關(guān)聯(lián)分析、分類分析、聚類分析、回歸分析、序列模式、特征分析等挖掘算法從數(shù)據(jù)庫中挖掘出數(shù)據(jù)之間潛在的關(guān)聯(lián)、規(guī)則、趨勢等關(guān)系，并結(jié)合智能代理、中間件技術(shù)、數(shù)據(jù)庫技術(shù)等，將文獻(xiàn)資源進行選擇、重組、整理、開發(fā)，從數(shù)據(jù)庫中發(fā)現(xiàn)新的模式、知識和規(guī)則，并用可視化的方法將新知識表示出來。

經(jīng)過數(shù)據(jù)挖掘得到的新知識很可能與常識或某一領(lǐng)域的知識不相容、重復(fù)，通過知識評價模塊，根據(jù)興趣度值去掉重復(fù)和矛盾的知識，同時根據(jù)知識的可信度修改或更新已有的知識，最終實現(xiàn)文獻(xiàn)資源的整合化、專題化，構(gòu)建出具有不同學(xué)術(shù)特征的知識庫。依據(jù)前面的步驟不斷提取新知識并進行測試，從而更新、擴充知識庫，使知識庫的學(xué)術(shù)價值達(dá)到最優(yōu)。本文在知識發(fā)現(xiàn)層中通過數(shù)據(jù)挖掘與知識評價最終構(gòu)建的知識庫有：特色知識庫、學(xué)科知識庫、學(xué)科導(dǎo)航庫、專家知識庫，這4個知識庫構(gòu)成了機構(gòu)知識庫在知識體系層面的數(shù)據(jù)基礎(chǔ)，運用JSP、XML、HTML等信息網(wǎng)絡(luò)技術(shù)，同時以上述4個知識庫為數(shù)據(jù)基礎(chǔ)，設(shè)計知識表示層。

特色知識庫的內(nèi)容代表學(xué)校學(xué)術(shù)研究的發(fā)展方向，重點、特色專業(yè)的學(xué)術(shù)成果，在一定程度上反應(yīng)出學(xué)校的科研實力。學(xué)科知識庫是按照學(xué)科類別組織文獻(xiàn)資源，能夠為用戶更加快捷、準(zhǔn)確地提供所需學(xué)科專業(yè)的知識服務(wù)。學(xué)科導(dǎo)航庫是將文獻(xiàn)資源按照學(xué)科類別建立分類目錄式資源體系，通過導(dǎo)航可以提高文獻(xiàn)資源的查準(zhǔn)率與查全率。專家知識庫是專家學(xué)者長年所積累的學(xué)術(shù)經(jīng)驗、成果、智能的集合，是學(xué)科知識的精華，專家知識庫的內(nèi)容應(yīng)擴展到全體教師，通過數(shù)據(jù)挖掘?qū)⒏弋a(chǎn)和活躍學(xué)者的學(xué)術(shù)成果組織起來，從而擴大專家知識庫的覆蓋范圍以及學(xué)術(shù)影響力，為學(xué)?？蒲刑峁└尤妗?quán)威的決策支持。

4.3 知識表示層

知識表示層是用戶與機構(gòu)知識庫系統(tǒng)交流的平臺。根據(jù)用戶的不同需求，經(jīng)過知識發(fā)現(xiàn)產(chǎn)生不同的新知識模式，用戶的參與在知識庫內(nèi)容的擴充和更新方面起著至關(guān)重要的作用。本文從邏輯結(jié)構(gòu)上將知識表示層分為4個模塊：個性化服務(wù)模塊、參考咨詢模塊、知識交流與服務(wù)模塊、知識檢索模塊。

個性化服務(wù)模塊是讓用戶感覺在“自己的機構(gòu)知識庫”中查閱文獻(xiàn)資源，一方面對于用戶新提交的論文，根據(jù)高頻主題詞、投稿刊物等信息，通過知識發(fā)現(xiàn)得到用戶感興趣的最新學(xué)術(shù)動態(tài)；另一方面，根據(jù)用戶經(jīng)常檢索的關(guān)鍵詞，通過知識發(fā)現(xiàn)技術(shù)得到用戶所需的相關(guān)信息，通過郵件、微信等方式主動推送給用戶。同時，該模塊能向用戶提供個性化定制服務(wù)，包括信息資源定制和網(wǎng)頁版面設(shè)計定制，根據(jù)不同需求生成定制的動態(tài)網(wǎng)頁。

參考咨詢模塊是圖書館員與用戶交流的平臺，圖書館員根據(jù)用戶在利用文獻(xiàn)資源、尋找知識、情報等方面中遇到的問題提供幫助。用戶可以在個人學(xué)術(shù)資源上傳方法、文獻(xiàn)要求、文獻(xiàn)資源檢索、機構(gòu)知識庫使用方法等方面進行咨詢。圖書館應(yīng)配備專業(yè)學(xué)科館員進行實時與非實時解答。

知識交流與服務(wù)模塊是用戶提交論文并參與知識交流的渠道。用戶通過身份認(rèn)證后登陸該模塊并提交學(xué)術(shù)資源，經(jīng)學(xué)科館員審核后方可提交到數(shù)據(jù)處理層，采用系統(tǒng)設(shè)定的元數(shù)據(jù)格式存儲和管理資源，在知識發(fā)現(xiàn)層運用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)新的知識模式，從而將用戶的學(xué)術(shù)成果以知識模式的形式存儲到知識庫，使得隱形知識顯性化，便于用戶進行學(xué)術(shù)資源的交流。另一方面，通過用戶提交學(xué)術(shù)資源，增加了知識庫的內(nèi)容，提高了知識庫的服務(wù)能力。

知識檢索模塊提供用戶檢索所需信息的窗口，在該模塊中可以設(shè)定按照文獻(xiàn)類型、文獻(xiàn)來源、學(xué)科、機構(gòu)、語種、年份、學(xué)者、主題等檢索條件進行基本信息檢索。同時也可以在該檢索頁面中根據(jù)主題、關(guān)鍵詞、篇名、發(fā)表時間、文獻(xiàn)來源、作者、跨庫檢索等具體的檢索條件進行高級檢索。該模塊運用本體理念從語義、概念層面上進行檢索，避免字面的機械匹配，提高計算機理解用戶查詢需求的能力，實現(xiàn)更好的人機交互。

5 結(jié)語

通過設(shè)計機構(gòu)實體，消除不同數(shù)據(jù)管理系統(tǒng)中題錄數(shù)據(jù)產(chǎn)生的冗余與不完整信息，從而建立有利于數(shù)據(jù)挖掘的具有統(tǒng)一標(biāo)準(zhǔn)的關(guān)系數(shù)據(jù)庫。筆者設(shè)計了基于知識發(fā)現(xiàn)的3層架構(gòu)的機構(gòu)知識庫模型：數(shù)據(jù)處理層、知識發(fā)現(xiàn)層、知識表示層，并闡述了機構(gòu)知識庫模型的實現(xiàn)技術(shù)以及功能模塊。該機構(gòu)知識庫模型以用戶需求為中心，讓用戶感覺在“自己的機構(gòu)知識庫”中查找所需資料。通過用戶的需求指導(dǎo)知識發(fā)現(xiàn)過程，創(chuàng)建新的知識模式，更新機構(gòu)知識庫內(nèi)容。隨著用戶需求的變化，在知識表示層可以增加新的功能模塊。機構(gòu)知識庫包含文獻(xiàn)資源種類、數(shù)量繁多，如何在已有知識庫基礎(chǔ)上進行基于知識庫的知識發(fā)現(xiàn)，建立多維度知識元，能夠在現(xiàn)有機構(gòu)知識庫基礎(chǔ)上進行更深層次的知識發(fā)現(xiàn)，建立更加科學(xué)化、人性化的機構(gòu)知識庫，這是今后努力研究的方向。

［1］ Lynch C A.Institutional repositories：essential infrastruc?ture for scholarship in the digitalage ARL，no.226，pp.1-7 ［EB/OL］.［2008-10-27］.http：//www arl.org/newsltr/226/ir. htm l.

［2］于佳亮，吳新年，賈彥龍.機構(gòu)知識庫資源建設(shè)中的產(chǎn)權(quán)策略研究［J］.情報理論與實踐，2008（3）：353-355.

［3］周婕，等.基于文獻(xiàn)數(shù)據(jù)規(guī)律的機構(gòu)知識庫關(guān)鍵技術(shù)研究［J］.情報資料工作，2015（1）：68-69.

［4］馮研，王馨.國內(nèi)圖書館數(shù)據(jù)挖掘技術(shù)實踐應(yīng)用進展分析［J］.圖書館學(xué)研究，2011（10）：3-4.

［5］陳學(xué)進.Web結(jié)構(gòu)挖掘研究［D］.合肥：合肥工業(yè)大學(xué)，2006.

王芙蓉 女，1984年生。碩士，館員。

G258.6

2016-05-11；責(zé)編：王天泥。）