高校知識(shí)圖譜的構(gòu)建與數(shù)字資源分配新融合

房棟

摘要：本文提出，知識(shí)圖譜系統(tǒng)通過(guò)大數(shù)據(jù)和可視化技術(shù)，建立以關(guān)鍵詞為中心的知識(shí)體系，能讓資源以結(jié)構(gòu)化、可視化的方式呈現(xiàn)，讓知識(shí)的獲取更加快速、準(zhǔn)確。同時(shí)，在移動(dòng)互聯(lián)時(shí)代為學(xué)校的數(shù)字資源建設(shè)、管理、服務(wù)提供了一個(gè)獲取、存儲(chǔ)、組織、管理、更新和展示的有效手段。

關(guān)鍵詞：知識(shí)圖譜；大數(shù)據(jù)；數(shù)字資源；可視化

中圖分類號(hào)：G434 文獻(xiàn)標(biāo)識(shí)碼：A 論文編號(hào)：1674-2117（2018）15/16-0164-04

引言

當(dāng)今的信息化社會(huì)，從商業(yè)經(jīng)濟(jì)運(yùn)行到科研醫(yī)療創(chuàng)新，從政府管理到互聯(lián)網(wǎng)服務(wù)支持，各個(gè)領(lǐng)域都爆炸式產(chǎn)生巨量的數(shù)據(jù)，谷歌公司每天要處理超過(guò)24拍字節(jié)的數(shù)據(jù)，谷歌子公司YOUTUBE每月接待多達(dá)8億的訪客，平均每一秒鐘就有一段長(zhǎng)度在一小時(shí)以上的視頻上傳，F(xiàn)ACEBOO每天更新的照片量超過(guò)1000萬(wàn)張，每天人們?cè)诰W(wǎng)站上點(diǎn)贊或評(píng)論次數(shù)大約有三十億次，TEITTER上的信息量幾乎每年翻一倍，每天都會(huì)發(fā)布超過(guò)4億條微博，這些數(shù)據(jù)支撐了社會(huì)各方面的運(yùn)行，也成為人類發(fā)展進(jìn)步歷程的寶貴財(cái)富積累。2015年，一個(gè)名為AlphaGo的計(jì)算機(jī)程序橫空出世，在短短25個(gè)月的時(shí)間里斬落了中日韓的圍棋頂尖高手，不斷地挑戰(zhàn)人類對(duì)圍棋的認(rèn)知。從這些事例可以看出，知識(shí)圖譜、大數(shù)據(jù)和深度學(xué)習(xí)成為推動(dòng)人工智能發(fā)展的核心驅(qū)動(dòng)力。高校作為人類社會(huì)知識(shí)創(chuàng)造、記錄和傳承的智力機(jī)構(gòu)，聚集了大量的科研和教學(xué)數(shù)據(jù)資源，因此，高校可利用人工智能技術(shù)整合校內(nèi)外數(shù)字?jǐn)?shù)據(jù)資源，構(gòu)建基于校本特色的知識(shí)圖譜，為學(xué)校的智力支持構(gòu)建一個(gè)智能、高效的知識(shí)組織方式，形成信息技術(shù)與資源的新融合，幫助師生更加快速而準(zhǔn)確地查找自己需要的信息。

數(shù)字資源分配中知識(shí)圖譜的構(gòu)建價(jià)值

谷歌公司于2012年首先提出知識(shí)圖譜的概念，表示將在其搜索結(jié)果中加入知識(shí)圖譜的功能，同年5月推出谷歌知識(shí)圖譜，強(qiáng)化其搜索引擎的搜索結(jié)果，標(biāo)志著大規(guī)模知識(shí)在互聯(lián)網(wǎng)語(yǔ)義搜索中的成功應(yīng)用。知識(shí)圖譜力求通過(guò)將知識(shí)進(jìn)行更加有序、有機(jī)的組織，對(duì)用戶提供更加智能的訪問(wèn)接口，使用戶可以更加快速、準(zhǔn)確地訪問(wèn)自己需要的知識(shí)信息，并進(jìn)行一定的知識(shí)挖掘和智能決策。近年來(lái)在機(jī)構(gòu)知識(shí)庫(kù)和互聯(lián)網(wǎng)搜索引擎等方面，學(xué)者和機(jī)構(gòu)紛紛在知識(shí)圖譜上深入研究，希望以更加清晰、動(dòng)態(tài)的方式展現(xiàn)各種概念之間的聯(lián)系，實(shí)現(xiàn)知識(shí)的智能獲取和管理。有調(diào)查數(shù)據(jù)顯示，Google在2015年時(shí)完成KG知識(shí)圖譜系統(tǒng)的構(gòu)建，實(shí)體超過(guò)5億個(gè)，實(shí)體關(guān)系信息達(dá)到35億條；微軟公司在2016年構(gòu)建的知識(shí)圖譜系統(tǒng)Probase已經(jīng)擁有總量超過(guò)千萬(wàn)級(jí)的概念，核心概念數(shù)達(dá)到了270萬(wàn)個(gè)；上海交通大學(xué)是國(guó)內(nèi)最早構(gòu)建知識(shí)庫(kù)的單位，建設(shè)的shizhi.me系統(tǒng)通過(guò)提供關(guān)聯(lián)開(kāi)放數(shù)據(jù)進(jìn)行知識(shí)庫(kù)服務(wù)；中國(guó)科學(xué)院后來(lái)建設(shè)了國(guó)內(nèi)規(guī)模最大的知識(shí)庫(kù)CAS-IR，累計(jì)采集和保存超過(guò)44萬(wàn)個(gè)科研成果供搜索下載；國(guó)內(nèi)知名的搜索引擎百度公司推出的“知心”、數(shù)字資源知識(shí)服務(wù)供應(yīng)商維普資訊公司推出的“智立方”和超星公司推出的“發(fā)現(xiàn)系統(tǒng)”都是利用知識(shí)圖譜技術(shù)搭建的知識(shí)服務(wù)平臺(tái)。與以往的搜索引擎相比，知識(shí)圖譜系統(tǒng)通過(guò)大數(shù)據(jù)和可視化，讓知識(shí)更加快速、準(zhǔn)確和智能地獲取，使數(shù)據(jù)以結(jié)構(gòu)化、可視化的方式呈現(xiàn)，同時(shí)建立以關(guān)鍵詞為中心的知識(shí)體系，直觀地展示數(shù)據(jù)間的相互關(guān)系。

數(shù)字資源知識(shí)圖譜的數(shù)據(jù)基礎(chǔ)

知識(shí)圖譜的構(gòu)建基礎(chǔ)是龐大的數(shù)據(jù)，高校擁有大量的數(shù)字資源供科研和學(xué)習(xí)用，數(shù)字資源作為當(dāng)今資源重要的存在形式，存儲(chǔ)于光盤(pán)、硬盤(pán)、閃存等非紙質(zhì)介質(zhì)載體中，并通過(guò)網(wǎng)絡(luò)通信、計(jì)算機(jī)或移動(dòng)終端再現(xiàn)出來(lái)，數(shù)字資源有動(dòng)態(tài)的也有靜態(tài)的，具體呈現(xiàn)為文字、視頻、音頻、動(dòng)畫(huà)等多種形式。為數(shù)字資源構(gòu)建知識(shí)圖譜系統(tǒng)，需要突破不同數(shù)據(jù)庫(kù)的限制，通過(guò)提升搜索能力來(lái)實(shí)現(xiàn)更快速更精準(zhǔn)的知識(shí)查找，為此就必須對(duì)繁雜的結(jié)構(gòu)化數(shù)字資源數(shù)據(jù)進(jìn)行包括數(shù)據(jù)標(biāo)記格式標(biāo)準(zhǔn)和數(shù)字資源描述標(biāo)準(zhǔn)建設(shè)。

1.格式規(guī)范

通過(guò)規(guī)范不同類型數(shù)字資源的標(biāo)準(zhǔn)文件格式，實(shí)現(xiàn)數(shù)字資源在不同計(jì)算機(jī)系統(tǒng)間無(wú)障礙交換，格式規(guī)范有文本格式標(biāo)準(zhǔn)（如TXT、WORD、PDF）、圖形格式標(biāo)準(zhǔn)（如JPEG、TIFF、GIF）、音頻格式標(biāo)準(zhǔn)（如WAV、APE、MP3）、結(jié)構(gòu)信息標(biāo)準(zhǔn)（如SGML）等。其中SGML通用標(biāo)記語(yǔ)言、HTML超文本標(biāo)記語(yǔ)言與XML可擴(kuò)展標(biāo)記語(yǔ)言作為元數(shù)據(jù)編碼語(yǔ)言，是用于數(shù)字資源組織標(biāo)準(zhǔn)化的典型語(yǔ)言，所有數(shù)據(jù)庫(kù)都需要參照標(biāo)準(zhǔn)進(jìn)行各自的規(guī)范。數(shù)據(jù)標(biāo)記格式標(biāo)準(zhǔn)的制定是數(shù)字資源組織標(biāo)準(zhǔn)化的必要保證。

2.描述規(guī)范

數(shù)字資源的數(shù)據(jù)庫(kù)以字段為單位，需對(duì)每個(gè)數(shù)字資源的屬性進(jìn)行標(biāo)準(zhǔn)化描述，如標(biāo)題、作者、單位、關(guān)鍵詞等。描述方法主要有元數(shù)據(jù)規(guī)范和著錄規(guī)范兩種，元數(shù)據(jù)規(guī)范提供框架體系和行為方法來(lái)描述數(shù)字資源的基本特征，使用通用編碼將來(lái)源各異的數(shù)字資源歸納到一個(gè)標(biāo)準(zhǔn)元數(shù)據(jù)體系中；著錄規(guī)范提供了對(duì)數(shù)字資源描述的著錄規(guī)則，按規(guī)則對(duì)數(shù)字資源著錄項(xiàng)目、著錄順序、著錄用的符號(hào)、各個(gè)著錄項(xiàng)目的著錄方法以及參考文獻(xiàn)在正文中的標(biāo)注等內(nèi)容進(jìn)行描述，從而實(shí)現(xiàn)數(shù)字資源的共享。

數(shù)字資源知識(shí)圖譜的構(gòu)建模式（如下圖）

數(shù)字資源知識(shí)圖譜以Nodejs為開(kāi)發(fā)平臺(tái)，異步、時(shí)間驅(qū)動(dòng)模型和非阻塞式的IO處理使得系統(tǒng)在相對(duì)低資源消耗下仍具備出眾的負(fù)載能力。系統(tǒng)采用B/S架構(gòu)，用戶可隨時(shí)查詢和瀏覽信息。系統(tǒng)結(jié)構(gòu)分為客戶層、服務(wù)層、數(shù)據(jù)處理層和數(shù)據(jù)存儲(chǔ)層，采用分層設(shè)計(jì)，可降低耦合性提高維護(hù)性?？蛻魧有杩紤]用戶的使用體驗(yàn)，實(shí)現(xiàn)系統(tǒng)的交互和可視化呈現(xiàn)，滿足知識(shí)點(diǎn)的伸縮、移動(dòng)和保存功能。服務(wù)層需解析用戶請(qǐng)求，獲取Post參數(shù)，訪問(wèn)不同數(shù)據(jù)集合以JSON格式回傳驗(yàn)證。數(shù)據(jù)處理層包含數(shù)據(jù)爬取和數(shù)據(jù)解析兩個(gè)模塊，數(shù)據(jù)爬取因數(shù)據(jù)源中URL數(shù)據(jù)量巨大，應(yīng)采用多線程的廣度優(yōu)先的爬蟲(chóng)策略，數(shù)據(jù)解析則是為了得到結(jié)構(gòu)清晰統(tǒng)一的數(shù)據(jù)，因HTML網(wǎng)頁(yè)語(yǔ)言規(guī)范化程度低，需要對(duì)數(shù)據(jù)進(jìn)行容錯(cuò)、過(guò)濾和提取等操作，將其轉(zhuǎn)化為DOM樹(shù)進(jìn)行封裝和抽象化。數(shù)據(jù)存儲(chǔ)層需要建立校本知識(shí)數(shù)據(jù)庫(kù)以提高圖譜繪制的實(shí)效性，選用NoSQL類型的MongoDB能夠隨時(shí)存儲(chǔ)自定義的數(shù)據(jù)格式，具有較高的易擴(kuò)展性和讀寫(xiě)性能。

系統(tǒng)構(gòu)建所需數(shù)據(jù)資源主要來(lái)自兩個(gè)方面：一類是校本已有的結(jié)構(gòu)化和半結(jié)構(gòu)化異構(gòu)語(yǔ)義資源，一類是互聯(lián)網(wǎng)空間中，開(kāi)放的、共享的海量非結(jié)構(gòu)化異構(gòu)資源。

對(duì)于校本資源知識(shí)圖譜的構(gòu)建需要重視知識(shí)的表達(dá)和組織工作，需要服從于數(shù)字資源知識(shí)系統(tǒng)整體的需求定位和框架，目前采用面向師生用戶對(duì)象的思想來(lái)搭建知識(shí)表示框架，將教學(xué)課件、教學(xué)案例、研究報(bào)告、制度流程等數(shù)據(jù)庫(kù)知識(shí)拆解成實(shí)體、實(shí)體屬性和實(shí)體之間的關(guān)系三個(gè)要素，基于現(xiàn)有存儲(chǔ)的校內(nèi)知識(shí)數(shù)據(jù)，將其格式和描述進(jìn)行規(guī)范，經(jīng)過(guò)分類和序化，結(jié)合系統(tǒng)的分析等深度學(xué)習(xí)功能，對(duì)知識(shí)系統(tǒng)中的實(shí)體和關(guān)系進(jìn)行表示學(xué)習(xí)，將知識(shí)中蘊(yùn)含的語(yǔ)義信息表示為稠密低維實(shí)值向量，從而實(shí)現(xiàn)在低維空間中高效計(jì)算實(shí)體和關(guān)系的語(yǔ)義聯(lián)系，實(shí)現(xiàn)結(jié)構(gòu)化校本資源數(shù)據(jù)的處理，從而幫助師生實(shí)現(xiàn)知識(shí)獲取、融合和推理的目的。

購(gòu)買(mǎi)的數(shù)據(jù)庫(kù)的數(shù)據(jù)結(jié)構(gòu)整齊、順序存儲(chǔ)，便于重新組織，所以可聯(lián)系供應(yīng)商按照知識(shí)圖譜構(gòu)建中實(shí)體、實(shí)體屬性和實(shí)體之間的關(guān)系三個(gè)要素制定開(kāi)放獲取資源統(tǒng)一接口協(xié)議來(lái)獲取結(jié)構(gòu)化數(shù)據(jù)和擴(kuò)充其他數(shù)據(jù)?？山梃b與OA相關(guān)的重要標(biāo)準(zhǔn)，如解決開(kāi)放獲取系統(tǒng)之間數(shù)據(jù)互通問(wèn)題的OAI協(xié)議、支持全文檢索的OAI-PMH協(xié)議、解決開(kāi)放獲取版權(quán)問(wèn)題的創(chuàng)作共同署名許可等標(biāo)準(zhǔn)。

通過(guò)知識(shí)交換和互聯(lián)網(wǎng)平臺(tái)爬取的共享數(shù)據(jù)往往呈現(xiàn)出結(jié)構(gòu)不一致、規(guī)范化程度低等問(wèn)題?；ヂ?lián)網(wǎng)平臺(tái)網(wǎng)頁(yè)共享數(shù)據(jù)作為知識(shí)圖譜最大的數(shù)量來(lái)源，通過(guò)爬取來(lái)獲得。針對(duì)百科類的網(wǎng)頁(yè)包含了許多結(jié)構(gòu)化的信息，標(biāo)題、分類標(biāo)簽、分類系統(tǒng)、信息模塊、摘要等都作為固定條目出現(xiàn)，可以將其結(jié)構(gòu)化處理，還有大量的其他普通類網(wǎng)頁(yè)也是知識(shí)圖譜構(gòu)建的重要數(shù)據(jù)來(lái)源，因大量的冗余信息和不可信信息，所以需要建立構(gòu)造一個(gè)面向網(wǎng)站的包裝器，利用網(wǎng)站的相似性對(duì)代表性網(wǎng)頁(yè)進(jìn)行標(biāo)注，利用模式學(xué)習(xí)算法實(shí)現(xiàn)對(duì)網(wǎng)站中知識(shí)的自動(dòng)化抽取，這種方法也需通過(guò)手動(dòng)調(diào)整和添加適當(dāng)?shù)哪Ｊ絹?lái)彌補(bǔ)數(shù)據(jù)挖掘質(zhì)量。

基于知識(shí)圖譜的數(shù)字資源分配新模式

1.知識(shí)服務(wù)的中心化

基于數(shù)字資源知識(shí)圖譜系統(tǒng)的建設(shè)從底層實(shí)現(xiàn)了“資源聚合、信息共享”，面向師生提供知識(shí)服務(wù)對(duì)學(xué)校的學(xué)習(xí)管理和資源建設(shè)都提出了更高的要求，以用戶為中心的服務(wù)理念和系統(tǒng)設(shè)計(jì)都要求我們?cè)诳蛻魬?yīng)用層建設(shè)集中統(tǒng)一的知識(shí)服務(wù)中心，這里有四個(gè)“中心”的概念：一是“資源中心”，將教學(xué)資源集中、教學(xué)工具集中、研究材料集中，將傳統(tǒng)檔案等多種資源進(jìn)行匯聚共享，將數(shù)字資源進(jìn)行分類，形成資源、學(xué)習(xí)和專題三大板塊；二是“工具中心”，整合期刊、論文、圖書(shū)、報(bào)紙、視頻、專刊等資源元數(shù)據(jù)，利用知識(shí)圖譜系統(tǒng)進(jìn)一步提升一站式檢索的高效性和精準(zhǔn)性；三是“推薦中心”，通過(guò)收集用戶在使用知識(shí)服務(wù)平臺(tái)過(guò)程中產(chǎn)生的數(shù)據(jù)基礎(chǔ)上，在個(gè)人中心里進(jìn)行關(guān)注熱點(diǎn)和研究領(lǐng)域的知識(shí)協(xié)同推薦；四是“服務(wù)中心”，收集熱門(mén)實(shí)用問(wèn)題建設(shè)知識(shí)庫(kù)，搭建以問(wèn)題形式呈現(xiàn)的智能問(wèn)答系統(tǒng)，對(duì)師生在使用過(guò)程中遇到的問(wèn)題進(jìn)行智能機(jī)器人服務(wù)，利用知識(shí)圖譜系統(tǒng)的語(yǔ)義學(xué)習(xí)功能對(duì)新產(chǎn)生的問(wèn)題和描述進(jìn)行分析，形成新的知識(shí)條目。在整個(gè)知識(shí)服務(wù)中心化的建設(shè)過(guò)程中要注意知識(shí)服務(wù)實(shí)體與虛擬的融合，將物理環(huán)境的建設(shè)與虛擬空間的建設(shè)打通，將服務(wù)從線下延伸到線上。

2.知識(shí)服務(wù)的跨平臺(tái)呈現(xiàn)

基于數(shù)字資源知識(shí)圖譜系統(tǒng)的建設(shè)，其經(jīng)梳理整合的數(shù)字資源不僅可以提高檢索質(zhì)量和效益，還可以將相關(guān)知識(shí)實(shí)體和關(guān)系描述以節(jié)點(diǎn)關(guān)系圖的方式直觀化呈現(xiàn)，這不僅打破了原有以單個(gè)數(shù)據(jù)庫(kù)為單位的信息壁壘，形成并凝聚起某領(lǐng)域?qū)W術(shù)共同體，而且適應(yīng)了用戶閱讀習(xí)慣向移動(dòng)端轉(zhuǎn)型的問(wèn)題。數(shù)字資源知識(shí)圖譜系統(tǒng)的構(gòu)建，實(shí)現(xiàn)了具有時(shí)代特征的流媒體格式多終端同時(shí)上線，無(wú)并發(fā)、使用次數(shù)和時(shí)空的限制，方便解決個(gè)性化閱讀需求的采集、專業(yè)化閱讀線索和閱讀方案的提供、社區(qū)化閱讀的交流與傳播、線上閱讀和線下閱讀的互動(dòng)以及知識(shí)的全媒體解讀與可視化呈現(xiàn)。

結(jié)束語(yǔ)

在信息大爆炸的時(shí)代，大數(shù)據(jù)、深度學(xué)習(xí)和人工智能已經(jīng)成為決勝未來(lái)的重要技術(shù)，知識(shí)圖譜作為人工智能的重要應(yīng)用，為學(xué)校的數(shù)字資源建設(shè)、管理、服務(wù)等提供了有效手段。在教育部啟動(dòng)教育信息化2.0建設(shè)的重要?dú)v史節(jié)點(diǎn)上，利用好知識(shí)圖譜系統(tǒng)，為師生用戶提供更友好和便捷的知識(shí)服務(wù)方式是助力學(xué)校優(yōu)質(zhì)校建設(shè)的重要任務(wù)。

參考文獻(xiàn)：

[1]劉靜.“互聯(lián)網(wǎng)+”時(shí)代數(shù)字資源組織標(biāo)準(zhǔn)研究[J].河南圖書(shū)館學(xué)刊，2016（9）：129-131.

[2]李濤，王次臣，李華康.知識(shí)圖譜的發(fā)展與構(gòu)建[J].南京理工大學(xué)學(xué)報(bào)，2017，41（1）：22-34.

[3]李涓子，侯磊.知識(shí)圖譜研究綜述[J]山西大學(xué)學(xué)報(bào)：自然科學(xué)版，2017，40（3）：454-459.

基金項(xiàng)目：本文系浙江省教育技術(shù)研究規(guī)劃重點(diǎn)課題“高校數(shù)字資源在移動(dòng)互聯(lián)下的再分配策略研究”（項(xiàng)目編號(hào)：JA056）研究成果。