基于語義關聯(lián)的數(shù)字圖書館館藏資源聚合研究

魏明坤，滕聞軒，馮昌揚（．河北大學管理學院；．華中師范大學信息管理學院）

近年來，數(shù)字經(jīng)濟的蓬勃發(fā)展以及數(shù)字信息的快速更新，使得數(shù)字資源管理成為資源管理系統(tǒng)的重要內容。深度關聯(lián)并有效識別數(shù)字資源為用戶提供精準的信息檢索服務，是館藏數(shù)字資源化發(fā)展的必然要求。隨著數(shù)字資源的復雜化、信息環(huán)境的泛在化和用戶需求的個性化，如何通過數(shù)字資源聚合技術提供全面、準確的知識服務，優(yōu)化數(shù)字資源服務能力成為業(yè)界亟須研究和探討的問題。本研究從用戶的個性化需求出發(fā)，在多源異構數(shù)據(jù)集處理基礎上構建數(shù)字資源聚合框架，實現(xiàn)數(shù)字資源語義層面的聚合，為用戶提供更好的知識服務。

1 數(shù)據(jù)采集與研究方法

本研究以數(shù)字資源聚合為研究對象，以中國知網(wǎng)為數(shù)據(jù)來源，以 “數(shù)字資源聚合” or “數(shù)字資源整合” or “數(shù)字資源融合” 為檢索式進行主題檢索，檢索時間截至2021年12月31日，共得到有效數(shù)據(jù)741條。本研究在對數(shù)字資源聚合研究主題進行梳理的同時，提出了語義關聯(lián)的數(shù)字資源聚合框架，采用定量分析方法揭示館藏數(shù)字資源聚合研究主題之間的差異，進而推進館藏數(shù)字資源聚合的深入研究。

2 結果分析

2.1 數(shù)字資源聚合研究主題年度分布

知識圖譜以更直觀、清晰的方式呈現(xiàn)研究內容［1］，關鍵詞突變分析能夠呈現(xiàn)研究主題的演變過程、研究熱點及知識基礎，預測研究主題的交叉、滲透和衍生趨勢。通過文獻分析可以發(fā)現(xiàn)，在2002年已有相關研究文獻借助CiteSpace分析數(shù)字資源聚合研究文獻的主題分布和發(fā)展趨勢，本研究時間閾值設置為2002—2021年，單個時間分區(qū)為2年。通過關鍵詞突變分析可以得到關鍵詞突變強度值，探測頻次強度較大的關鍵詞，進一步掌握研究前沿領域的演進情況（見表1）。

表1 數(shù)字資源聚合關鍵詞突變年度分布

表1統(tǒng)計了數(shù)字資源聚合突變值排名前20的關鍵詞。觀察突變詞變化情況可知，2003年為數(shù)字資源聚合主題發(fā)生突變的起點，經(jīng)歷了10多年的發(fā)展，研究突變從OPAC到關聯(lián)數(shù)據(jù)，其中2007—2013、2012—2021階段突變點數(shù)量較突出。從文獻信息計量學角度，這些突變詞在一定程度上反映了數(shù)字資源聚合發(fā)展的研究過程，既反映了關鍵詞的變化，又體現(xiàn)了研究主題不同階段的特點。對關鍵詞的突變分析，可反映研究領域的現(xiàn)狀、熱點和未來趨勢［2］。

從突變值分析，自2015年起，大數(shù)據(jù)成為較突出的術語，大數(shù)據(jù)發(fā)展在給數(shù)字資源聚合發(fā)展提出挑戰(zhàn)的同時也豐富了數(shù)字資源聚合的資源對象。數(shù)字資源聚合、信息資源整合、資源整合、檔案館、公共數(shù)字文化資源、信息資源、關聯(lián)數(shù)據(jù)、博物館等都成為數(shù)字資源聚合研究的突變術語，這些關鍵詞分階段反映了數(shù)字資源聚合研究主題的變化情況。通過對數(shù)字資源內部特征進行聚合，可以發(fā)現(xiàn)數(shù)字資源之間的關聯(lián)主要側重于以信息組織為基礎進行聚合。賀德方等通過知識間的關聯(lián)實現(xiàn)了信息服務向知識服務的轉變，提出了基于概念及概念關系、引證關系和科研本體的數(shù)字資源聚合方式［3］。黃傳慧等從數(shù)據(jù)、信息、知識三者間的發(fā)展關系入手，認為數(shù)據(jù)整合、信息整合、知識整合構成了數(shù)字信息資源的整合目標層，并指出基于知識本體的整合將成為未來的發(fā)展方向［4］。馬文峰對數(shù)字資源整合的內涵、理論基礎、動因及方式等進行了研究，指出知識組織理論與方法是數(shù)字資源整合的基礎［5］。肖希明等根據(jù)對數(shù)字資源內容的整合深度進行分析，從數(shù)據(jù)整合、信息整合及知識整合三個層面對數(shù)字資源整合方式進行了歸納和總結［6］。

通過分析數(shù)字資源聚合主題的時區(qū)演化，筆者發(fā)現(xiàn)：2002—2004年研究主題主要包括數(shù)字圖書館、信息組織、知識組織、資源整合等；2004—2006年的研究主題主要包括公共圖書館、信息整合、元數(shù)據(jù)、公共圖書館等；2006—2008年的研究主題主要包括整合模式、整合方式、個性化服務、知識整合、數(shù)字資源組織、整合技術等；2008—2010年的研究主題主要包括數(shù)字資源建設、信息服務、網(wǎng)絡環(huán)境、整合機制等；2010—2012年的研究主題主要包括知識服務、關聯(lián)數(shù)據(jù)、館藏資源、云計算、資源整合等；2012—2016年的研究主題主要包括資源聚合、大數(shù)據(jù)、深度聚合、數(shù)字文獻資源、公共數(shù)字文化資源、知識發(fā)現(xiàn)、資源共享等；2016—2018年的研究主題主要包括知識聚合、資源再組織、館藏數(shù)字資源、非物質文化遺產(chǎn)、用戶需求、數(shù)字資源共享等；2018—2021年的研究主題主要包括開發(fā)利用、數(shù)字資源轉化、館際合作、融合儲存策略、需求分析等。王平等對數(shù)字資源聚合管理系統(tǒng)的開放背景、結構框架、運行環(huán)境等方面內容進行了分析［7］。許鑫等將數(shù)字資源聚合研究應用在學術期刊出版領域，構建了學術期刊語義出版模型，并進行實證分析［8］。

關聯(lián)數(shù)據(jù)是用一種輕型的、可利用分布數(shù)據(jù)集及其自主內容格式、基于標準的知識表示與檢索協(xié)議、可逐步擴展的機制來實現(xiàn)可動態(tài)關聯(lián)的知識對象網(wǎng)絡，有利于實現(xiàn)知識組織和知識發(fā)現(xiàn)［9］。關聯(lián)數(shù)據(jù)與圖書情報工作領域密切相關，關聯(lián)數(shù)據(jù)描述了通過可鏈接的URI進行發(fā)布、分享、鏈接Web中的資源的各種方法［10］。從技術層面，關聯(lián)數(shù)據(jù)有利于資源的發(fā)布，劉煒對關聯(lián)數(shù)據(jù)在圖書館行業(yè)的應用進行了分析，指出關聯(lián)數(shù)據(jù)成為數(shù)字對象 “編目” 和 “規(guī)范控制” 的基礎技術［11］，丁楠等指出關聯(lián)數(shù)據(jù)為圖書館信息資源聚合提供了新途徑［12］。

數(shù)字資源聚合包括聚集和整合兩個部分，聚集是指對數(shù)字資源與用戶需求的聚集，整合是指從用戶的需求出發(fā)，對數(shù)字資源的內容及數(shù)字資源服務內容的整合。劉明輝等認為聚合方法屬于資源搜索的范疇，在信息的組織層面，內容聚合器是資源聚合的重要方法［13］，在此基礎上衍生出的聚合服務包括兩種類型，一種是簡單地從網(wǎng)站收集信息，另一種是為滿足客戶需求而收集和分發(fā)的內容。通過關鍵詞分析，筆者發(fā)現(xiàn)數(shù)字圖書館館藏資源聚合研究側重數(shù)字信息資源的聚合與服務。

2.2 數(shù)字資源聚合研究主題聚類分析

數(shù)字資源聚合是指根據(jù)外部及內在特征對無序、分散的數(shù)字資源進行處理，挖掘數(shù)字資源的關聯(lián)關系，為用戶提供服務的過程。數(shù)字資源的聚合反映數(shù)字資源存在不同程度的聯(lián)結，《弱關系的力量》一書對聯(lián)結強度概念進行了分析，將其劃分為強聯(lián)結和弱聯(lián)結，并利用互動的頻率、感情力量、親密程度和互惠來測度聯(lián)結的強弱程度［14］，成員之間互動頻率較高、關系比較緊密、互惠程度較高為強聯(lián)結，反之則為弱聯(lián)結。強聯(lián)結在網(wǎng)絡內部的相似性較高，但范圍一般有限；而弱聯(lián)結是網(wǎng)絡組織之間獲得聯(lián)系的紐帶，作為大規(guī)模網(wǎng)絡形成的基礎，分布的范圍較廣，網(wǎng)絡密度較小。通過網(wǎng)絡密度可以測度網(wǎng)絡中成員之間相互聯(lián)系的緊密程度，如果網(wǎng)絡中的兩個成員均與其他成員具有同等關系，則這兩個成員的結構具有等效性，可以相互替換。

20世紀40年代末，Leavitt對網(wǎng)絡中心性概念進行了分析［15］。網(wǎng)絡中心性可分為點中心性和網(wǎng)絡中心性，前者用于測度個體處于網(wǎng)絡中心的程度，反映行為者在網(wǎng)絡中的影響程度，后者用于反映整個網(wǎng)絡中各個點的差異程度，體現(xiàn)的是整體網(wǎng)絡的整合性和一致性。通過社會網(wǎng)絡分析，筆者對數(shù)字資源聚合服務研究主題文獻進行了聚合（見圖1），節(jié)點之間的連線代表關鍵詞之間具有共現(xiàn)關系，連線疏密程度反映研究主題之間的緊密程度。通過計算可知，該網(wǎng)絡的平均距離為1.838，網(wǎng)絡聚集度為0.591，關鍵詞網(wǎng)絡關系密度為3.3975，表明聚合網(wǎng)絡中關鍵詞間的聯(lián)結最多經(jīng)過兩個，聚類效果較好，關鍵詞之間的關聯(lián)性較強。

圖1 數(shù)字資源聚合研究主題聚類

通過對數(shù)字資源聚合主題的聚類分析，筆者發(fā)現(xiàn)數(shù)字資源聚合研究主題的覆蓋范圍非常廣泛，不僅包括企業(yè)及政府部門，還包括圖書館、檔案館、博物館等涉及數(shù)字與信息資源的領域。數(shù)字資源聚合的研究內容較豐富，如信息資源的聚合、信息服務的聚合、信息功能的聚合、信息技術的聚合、信息系統(tǒng)及軟件的聚合等。其中，數(shù)字資源聚合的對象不僅包括傳統(tǒng)信息資源，還包括大量的非結構化信息資源、遠程信息資源等數(shù)字資源。即使數(shù)字資源形式多樣，聚合方式不盡相同，但數(shù)字資源聚合體系對本體論、語義網(wǎng)、信息構建等理論與方法的應用推動了數(shù)字整合研究的深入發(fā)展。在研究技術方面，信息技術不斷被應用到數(shù)字資源聚合中，如 XML、OWL、數(shù)據(jù)挖掘、信息抽取、P2P、網(wǎng)格等，信息技術的發(fā)展推動了數(shù)字資源聚合研究的精細化發(fā)展。

2.3 數(shù)字資源聚合框架分析

數(shù)字資源語義聚合是指在元數(shù)據(jù)聚合的基礎上進行數(shù)字資源語義標注，通過構建領域本體庫，實現(xiàn)語義關聯(lián)和語義服務。已有元數(shù)據(jù)的數(shù)字資源聚合并不能完全解決信息系統(tǒng)的語義異構問題，包括數(shù)字資源采用不同元數(shù)據(jù)方案形成的微觀結構異構問題以及資源對象之間存在的復雜關聯(lián)關系。隨著數(shù)字資源數(shù)量的激增，基于文獻特征的聚合已不能滿足用戶的個性化需求，數(shù)字資源語義聚合成為數(shù)字資源聚合的發(fā)展主流。數(shù)字資源之間存在的關系是數(shù)字資源聚合的前提，從數(shù)字資源的結構和內容挖掘數(shù)字資源之間的關聯(lián)關系，如語義、本體、關聯(lián)數(shù)據(jù)、主題詞表等，成為館藏數(shù)字資源語義框架構建的基礎?；谡Z義的館藏數(shù)字資源聚合框架對館藏數(shù)字資源標準化處理的元數(shù)據(jù)庫進行知識提取，通過語義本體、主題、關鍵詞或其他知識單元對數(shù)字資源進行知識表示，從而在信息技術、協(xié)議標準、知識組織的基礎上，解決數(shù)字資源庫之間孤立、內容交叉或異構問題，實現(xiàn)資源與個性化服務的關聯(lián)，提升數(shù)字圖書館的服務能力。數(shù)字資源聚合框架（見圖2）在數(shù)據(jù)集層、知識表示層、語義檢索層的基礎上揭示了 “碎片化” 信息的內在聯(lián)系，從而為用戶提供個性化知識服務。

圖2 數(shù)字資源聚合框架

（1）數(shù)據(jù)集層。數(shù)據(jù)集層將各種類型的數(shù)字資源采集入庫，其中源數(shù)據(jù)包括數(shù)字資源的書目數(shù)據(jù)庫、各種期刊論文數(shù)據(jù)、全文數(shù)據(jù)以及音頻、視頻數(shù)據(jù)等各種不同結構的數(shù)據(jù)，這些數(shù)字資源的表現(xiàn)形式和屬性各具特點。通過對這些數(shù)據(jù)的物理特性和內容特征的分析、選擇和標記，進行元數(shù)據(jù)描述，建立關聯(lián)關系，實現(xiàn)知識表示。

（2）知識表示層。知識表示層在數(shù)據(jù)集層的基礎上，通過一定的知識表示技術，將各種知識元的語義關系呈現(xiàn)出來，形成知識元之間的邏輯關系，構建基于知識的信息網(wǎng)絡化結構。知識表示的形式包括本體、主題和其他知識表現(xiàn)形式；本體包括學科的領域本體形式、通用本體等；主題是一種用于描述信息資源知識結構的元數(shù)據(jù)格式，它可以定位某一知識概念所在的資源位置，也可以表示知識概念間的相互聯(lián)系，是一個主題概念網(wǎng)絡，用于知識導航，幫助用戶快速定位所需知識元的位置，同時還可檢索和瀏覽相近或者相關知識元的位置。構建本體庫、知識庫是將知識表示的本體和知識元存儲到一個或者多個知識庫中，實現(xiàn)對知識的本地化，這樣不僅能提高知識庫的可靠性，還能提高檢索效率、支持并發(fā)機制、避免訪問沖突，提高對本地知識庫的管理、更新和維護效率。

（3）語義檢索層。語義檢索層能夠為用戶提供直觀易用的檢索工具或平臺，實現(xiàn)人機交互功能。語義檢索層通過處理用戶的知識檢索需求，實現(xiàn)對用戶的檢索詞的語義分析，匹配相應的本體概念，迅速找到知識元以及與其相關的數(shù)據(jù)資源，以可視化的方式為用戶呈現(xiàn)目標知識。用戶交互層面不僅為用戶提供簡單易用、功能強大的統(tǒng)一檢索界面，還可實現(xiàn)個性化定制等智能服務，能同時接受和迅速處理用戶的需求信息。

3 結語

隨著公眾需求的多元化發(fā)展以及圖書館自身發(fā)展的需要，對圖書館數(shù)字資源的聚合成為用戶獲取全面、高質量數(shù)字資源的有效手段。隨著網(wǎng)絡化、數(shù)字化時代的到來，圖書館的館藏資源發(fā)生了很大的變化，數(shù)字型資源在圖書館館藏中占據(jù)的比例越來越大，地位越來越重要。通過信息計量與可視化方法對數(shù)字資源聚合主題分布進行梳理，可以發(fā)現(xiàn)數(shù)字資源聚合研究主題較多，覆蓋多個研究領域，數(shù)字資源聚合不僅成為數(shù)字時代數(shù)字資源利用的有效途徑，而且范圍不斷擴大，不僅包括傳統(tǒng)的數(shù)字化文獻資源，還涉及數(shù)據(jù)、非物質文化遺產(chǎn)、博物館等信息，這些都已成為數(shù)字資源聚合研究的對象，豐富了數(shù)字資源的聚合廣度。針對館藏數(shù)字資源聚合發(fā)展，本文在前人研究的基礎上，從數(shù)據(jù)集、知識表示、語義檢索三個層面提出數(shù)字資源的聚合框架，揭示了數(shù)字資源元素、結構、層次等方面的映射關系，對數(shù)字資源知識表示進行分析，實現(xiàn)數(shù)字資源個性化知識服務。