大數(shù)據(jù)時(shí)代知識(shí)圖譜分析

耿江濤 匡增意 駱清霞

【摘 ?要】大數(shù)據(jù)技術(shù)的發(fā)展，催生了Google以語(yǔ)義網(wǎng)和領(lǐng)域本體為其關(guān)鍵技術(shù)的大規(guī)模語(yǔ)義網(wǎng)絡(luò)知識(shí)庫(kù)——知識(shí)圖譜（Knowledge Graph）的誕生和發(fā)展，不但在計(jì)算機(jī)科學(xué)領(lǐng)域發(fā)揮重大作用，且日益應(yīng)用到其他領(lǐng)域。同時(shí)，在圖書(shū)情報(bào)領(lǐng)域基于引文分析可視化、知識(shí)地圖和知識(shí)網(wǎng)絡(luò)等研究產(chǎn)生的科學(xué)知識(shí)圖譜（Mapping Knowledge Domain）也在近二十年間得到了長(zhǎng)足的發(fā)展。隨著研究領(lǐng)域的融合，有必要分析兩者的研究?jī)?nèi)涵，厘清兩者的關(guān)系，在知識(shí)管理方面優(yōu)勢(shì)互補(bǔ)，發(fā)揮更大的作用。

【關(guān)鍵詞】科學(xué)知識(shí)圖譜; Google知識(shí)圖譜; 語(yǔ)義網(wǎng); 大數(shù)據(jù)

引言

就中文字面而言，知識(shí)圖譜的研究既有在圖書(shū)情報(bào)領(lǐng)域廣泛使用的科學(xué)知識(shí)圖譜，又有在計(jì)算機(jī)科學(xué)領(lǐng)域的Google知識(shí)圖譜。雖然兩者在發(fā)展過(guò)程中都簡(jiǎn)稱(chēng)為知識(shí)圖譜，但其英文內(nèi)涵、使用技術(shù)及應(yīng)用都有本質(zhì)的不同。

科學(xué)知識(shí)圖譜是在圖書(shū)情報(bào)領(lǐng)域基于引文分析可視化、知識(shí)地圖和知識(shí)網(wǎng)絡(luò)等研究產(chǎn)生的，采用可視化的圖譜，形象地展示所研究學(xué)科的框架、歷史、現(xiàn)狀和未來(lái)。

Google知識(shí)圖譜是在計(jì)算機(jī)科學(xué)領(lǐng)域，人工智能的深度學(xué)習(xí)技術(shù)賦能傳統(tǒng)語(yǔ)義網(wǎng)（Semantic Web）的研究，通過(guò)構(gòu)建本體（Ontology）建構(gòu)大規(guī)模語(yǔ)義網(wǎng)絡(luò)知識(shí)庫(kù)，并對(duì)相關(guān)信息進(jìn)行可視化研究，是大數(shù)據(jù)時(shí)代知識(shí)管理的必然產(chǎn)物。

1.科學(xué)知識(shí)圖譜概述

科學(xué)知識(shí)圖譜通過(guò)文獻(xiàn)分析及可視化技術(shù)，繪制文獻(xiàn)計(jì)量圖（Bibliometric mapping）及文獻(xiàn)地圖（Literature mapping），以科學(xué)地圖（Science mapping）表現(xiàn)形式，緊扣英文Mapping地圖和向?qū)У膬?nèi)涵，特別易于展現(xiàn)學(xué)科的結(jié)構(gòu)、歷史沿革和發(fā)展趨勢(shì)、以及研究前沿等內(nèi)容。

1.1基本概念

從知識(shí)管理的視角而言，科學(xué)知識(shí)圖譜是以學(xué)科文獻(xiàn)為研究對(duì)象，用“圖”（可視化圖形）和“譜”（結(jié)構(gòu)化的譜系）的方式展示學(xué)科的發(fā)展與結(jié)構(gòu)。

1.2知識(shí)可視化

知識(shí)有語(yǔ)言、文字、圖像等多種表達(dá)形式，但人類(lèi)對(duì)視覺(jué)圖形則有更強(qiáng)的理解和識(shí)記能力，百聞不如一見(jiàn)、一圖勝萬(wàn)言。在知識(shí)學(xué)習(xí)方面，廣泛使用概念圖、思維導(dǎo)圖等圖形工具展現(xiàn)概念、設(shè)計(jì)及關(guān)系等。

1.3科學(xué)知識(shí)圖譜

科學(xué)知識(shí)圖譜以文獻(xiàn)分析的引文分析和共引分析構(gòu)建學(xué)科的知識(shí)基礎(chǔ)，通過(guò)建立數(shù)學(xué)模型和網(wǎng)絡(luò)結(jié)構(gòu)，并繪制可視化圖形，以形象化地顯示學(xué)科結(jié)構(gòu)、熱點(diǎn)、歷史與趨勢(shì)。

1.4知識(shí)管理及使用流程

樣本數(shù)據(jù)獲取。主要數(shù)據(jù)來(lái)源：Web of Science;科學(xué)文獻(xiàn)數(shù)據(jù)：SCI， SSCI;國(guó)際會(huì)議文獻(xiàn)數(shù)據(jù)：CPCI;其他國(guó)際文獻(xiàn)數(shù)據(jù)庫(kù)：Scopus，Science Direct

國(guó)內(nèi)數(shù)據(jù)庫(kù)：CNKI、CSSCI、CSCD、萬(wàn)方等。

網(wǎng)絡(luò)數(shù)據(jù)源：Google Scholar、arXiv。

（2）樣本數(shù)據(jù)清洗。樣本數(shù)據(jù)的質(zhì)量決定了分析的質(zhì)量。為此，需要對(duì)文獻(xiàn)數(shù)據(jù)庫(kù)采集的數(shù)據(jù)進(jìn)行清洗預(yù)處理操作。包括對(duì)數(shù)據(jù)分段，修正原始數(shù)據(jù)的明顯錯(cuò)誤，以及進(jìn)行去掉重復(fù)數(shù)據(jù)的處理。

（3）選擇知識(shí)單元。選擇知識(shí)單元是進(jìn)行知識(shí)處理的最基本工作。首先選擇話(huà)題（Topic）：包括題名（Title）、關(guān)鍵詞、【摘 ?要】、作者等，此外資源類(lèi)型、學(xué)科和研究方向等多種內(nèi)容。

（4）構(gòu)建知識(shí)單元關(guān)系。通過(guò)引文分析理論與方法，采用引文網(wǎng)絡(luò)的共引分析、貢獻(xiàn)分析、耦合分析等構(gòu)建知識(shí)單元之間的關(guān)系。

（5）數(shù)據(jù)標(biāo)準(zhǔn)化。通過(guò)正交化、零值偏移化等方法，對(duì)知識(shí)單元的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。

（6）簡(jiǎn)化分析。主要使用因子分析，使用主成分分析、多維尺度分析以及神經(jīng)網(wǎng)絡(luò)聚類(lèi)算法等分析方法。

（7）知識(shí)可視化。通過(guò)使用幾何圖、戰(zhàn)略圖、主題河圖和地形圖等多種可視化展示工具，系統(tǒng)地展示知識(shí)單元及其關(guān)系。

（8）科學(xué)知識(shí)圖譜解讀。主要從網(wǎng)絡(luò)分析，歷時(shí)、空間和突變分析等多方面，對(duì)科學(xué)知識(shí)圖譜進(jìn)行分析和解讀。

2.Google知識(shí)圖譜概述

為提升搜索質(zhì)量，Google從圖（Graph）模型出發(fā)，對(duì)傳統(tǒng)語(yǔ)義網(wǎng)重新賦能，構(gòu)建了統(tǒng)一結(jié)構(gòu)化的知識(shí)圖譜，即大規(guī)模語(yǔ)義網(wǎng)絡(luò)知識(shí)庫(kù)，成為大數(shù)據(jù)智能時(shí)代的前沿。

2.1本體

本體描述了概念及之間的關(guān)系，是對(duì)客觀世界存在及關(guān)系的抽象和建模。本體精確定義概念、關(guān)系及約束。通過(guò)形式化描述，便于人機(jī)交互和計(jì)算推理，同時(shí)也是領(lǐng)域內(nèi)不同主體進(jìn)行通訊的語(yǔ)義基礎(chǔ)。

本體 = 概念 + 實(shí)例 + 關(guān)系 + 【公理】

目前通用領(lǐng)域的本體庫(kù)產(chǎn)品，都是由數(shù)據(jù)驅(qū)動(dòng)自動(dòng)構(gòu)建的，然后由人工審核進(jìn)行修正。

2.2資源描述框架RDF

RDF（Resource Description Framework）是用于Web上數(shù)據(jù)交換的標(biāo)準(zhǔn)模型。RDF鏈接結(jié)構(gòu)形成一個(gè)有向標(biāo)記標(biāo)簽圖，其中邊表示由圖節(jié)點(diǎn)表示的兩個(gè)知識(shí)單元之間的關(guān)系。

2.3知識(shí)圖譜研究的關(guān)鍵技術(shù)

大數(shù)據(jù)時(shí)代，如何從互聯(lián)網(wǎng)上積累的海量數(shù)據(jù)中提取出知識(shí)，組織為可用的知識(shí)庫(kù)，是知識(shí)圖譜所要解決的主要問(wèn)題。關(guān)鍵技術(shù)包括：

（1）知識(shí)抽取。是指從各種結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的海量數(shù)據(jù)中獲取知識(shí)。包括實(shí)體提取、屬性提取、實(shí)體關(guān)系提取。

實(shí)體抽?。翰捎妹麑?shí)體識(shí)別技術(shù)，將實(shí)體及其屬性從文本中挖掘出來(lái)。

實(shí)體關(guān)系提?。禾崛?shí)體間的語(yǔ)義關(guān)聯(lián)。在知識(shí)庫(kù)的構(gòu)建過(guò)程中，實(shí)體關(guān)系提取與實(shí)體提取處于同樣重要的地位，也是知識(shí)庫(kù)構(gòu)建與補(bǔ)全的關(guān)鍵步驟之一。

（2）知識(shí)融合。知識(shí)融合是將抽取到的知識(shí)，與知識(shí)庫(kù)已有的知識(shí)相整合。特別要解決實(shí)體的歧義性，包括相同的實(shí)體具有不同的名字，或者相同的名字指向不同的實(shí)體。解決這一問(wèn)題需要用到的技術(shù)，主要分基于概率模型和基于機(jī)器學(xué)習(xí)模型兩類(lèi)。

（3）知識(shí)加工。經(jīng)過(guò)知識(shí)抽取與知識(shí)融合后，知識(shí)庫(kù)中就包含了一系列事實(shí)。但要形成可用的知識(shí)圖譜，還需要對(duì)知識(shí)進(jìn)行進(jìn)一步的加工處理。這一過(guò)程主要有本體構(gòu)建，和知識(shí)推理。

3.結(jié)語(yǔ)

大數(shù)據(jù)時(shí)代，Google知識(shí)圖譜賦予語(yǔ)義網(wǎng)技術(shù)新的活力，且隨著深度學(xué)習(xí)技術(shù)的發(fā)展，廣泛地應(yīng)用到各個(gè)學(xué)科領(lǐng)域。而科學(xué)知識(shí)圖譜則以知識(shí)可視化為核心方法，經(jīng)過(guò)近二十年的發(fā)展，支撐理論、體系方法和應(yīng)用成果都取得明顯的成效。當(dāng)前，二者的交叉融合，互促發(fā)展，也為人工智能時(shí)代提供了創(chuàng)新的機(jī)會(huì)和研究領(lǐng)域。

參考文獻(xiàn)

[1] 馮新翎，何勝，熊太純，等.“科學(xué)知識(shí)圖譜”與“Google知識(shí)圖譜”比較分析---基于知識(shí)管理理論視角[J].情報(bào)雜志，2017，36（1）：149-153.

[2] 楊思洛，韓瑞珍.國(guó)外知識(shí)圖譜的應(yīng)用研究現(xiàn)狀分析[J].情報(bào)資料工作，2013（06）：15-20.

基金項(xiàng)目： ① 廣東省教育廳2019年度普通高校特色創(chuàng)新類(lèi)項(xiàng)目（2019GKTSCX152）成果;②廣東省教育廳2018年度廣東省特色創(chuàng)新項(xiàng)目（2018GWTSCX055）成果;③ 廣東省教育廳2018年省高職質(zhì)量工程教改項(xiàng)目（GDJG2019309）成果。

作者簡(jiǎn)介：耿江濤，副教授，博士生，廣州涉外經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院華文與國(guó)際教育學(xué)院院長(zhǎng)。研究方向：大數(shù)據(jù)應(yīng)用;

*通訊作者：匡增意，副教授，廣州涉外經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院常務(wù)副校長(zhǎng)。研究方向：高職教育管理。

駱清霞，助教，廣州涉外經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院實(shí)踐教學(xué)管理室。研究方向：實(shí)踐教學(xué)管理。