自動標(biāo)引在研究院知識資源自建數(shù)據(jù)庫中的研究與應(yīng)用

向彩霞、毛瑞琪、趙曉媛 /北京航天長征科技信息研究所

黃正軒 /正大夫國際管理顧問（北京）有限公司

王愛武 /中國運(yùn)載火箭技術(shù)研究院

“十四五”期間，世界格局更趨復(fù)雜，航天發(fā)展作為戰(zhàn)略博弈的關(guān)鍵砝碼和經(jīng)濟(jì)增長的重要引擎，得到了世界各國的廣泛重視。隨著未來對航天產(chǎn)業(yè)持續(xù)加大投入，相應(yīng)的知識資源也隨之增加，如何充分發(fā)揮知識資源的最大效能服務(wù)科研，是中國運(yùn)載火箭技術(shù)研究院

圖書館工作人員一直潛心研究和實(shí)踐的重大課題，將有效的知識資源加以記錄、整理、傳承下來，建成研究院特色數(shù)據(jù)庫。其中，最為關(guān)鍵的技術(shù)之一就是知識資源標(biāo)引。筆者從知識資源的標(biāo)引技術(shù)入手，結(jié)合知識資源管理工作，研究該項(xiàng)技術(shù)在研究院內(nèi)部知識資源自建數(shù)據(jù)庫中的研究與運(yùn)用。以豐富航天一院知識資源管理，搭建內(nèi)部知識資源管理的信息平臺，促進(jìn)科研生產(chǎn)模式轉(zhuǎn)型和高質(zhì)量發(fā)展。

一、知識資源標(biāo)引定義及發(fā)展優(yōu)勢

1.定義

知識資源標(biāo)引是對文獻(xiàn)所涉及的主要內(nèi)容進(jìn)行分析、選擇和描述，轉(zhuǎn)換成文獻(xiàn)特征標(biāo)識的過程，文獻(xiàn)特征標(biāo)識是對文獻(xiàn)進(jìn)行再次組織排列的重要標(biāo)記。其目的是將標(biāo)引結(jié)果用于檢索，通過檢索將大量有用的信息提供給用戶使用，服務(wù)于項(xiàng)目和科研。標(biāo)引的質(zhì)量和效率直接影響知識資源處理的質(zhì)量和進(jìn)度、數(shù)據(jù)庫建設(shè)的規(guī)模，直接關(guān)系到檢索時的查準(zhǔn)率和查全率。隨著全球化、信息化進(jìn)程的加速，知識標(biāo)引已廣泛應(yīng)用于所有文獻(xiàn)、文檔、網(wǎng)頁信息等各類型信息，標(biāo)引技術(shù)的發(fā)展已經(jīng)成為知識資源建設(shè)的重要標(biāo)志。

2.知識資源標(biāo)引技術(shù)發(fā)展優(yōu)勢

知識資源標(biāo)引技術(shù)經(jīng)歷了從完全人工標(biāo)引向自動標(biāo)引的轉(zhuǎn)變。人工標(biāo)引又稱手工標(biāo)引，是將文獻(xiàn)主題分析和分析結(jié)果轉(zhuǎn)換成檢索標(biāo)識的工作全部由標(biāo)引人員完成的文獻(xiàn)標(biāo)引模式。自動標(biāo)引是利用計(jì)算機(jī)自動給能表達(dá)文本信息內(nèi)容的主題詞或關(guān)鍵詞的過程。自動標(biāo)引技術(shù)按標(biāo)引詞的出處，可劃為自動抽詞標(biāo)引與自動賦詞標(biāo)引兩大類。自動抽詞標(biāo)引，由計(jì)算機(jī)系統(tǒng)自動抽取標(biāo)引詞，保證是文本中的詞和短語，可以代表文本信息的主題內(nèi)容。自動賦詞標(biāo)引是指從知識資源中查找受控詞表中的控制詞，選取能表示知識資源主題內(nèi)容的特定詞語的過程。目前，自動標(biāo)引的研究主要集中于自動抽詞標(biāo)引，而關(guān)鍵詞自動提取是自動抽詞中的一種識別片段或詞匯的自動化技術(shù)。

相比于人工標(biāo)引，自動標(biāo)引技術(shù)的優(yōu)勢主要體現(xiàn)在處理速度高速、處理能力強(qiáng)大、穩(wěn)定性卓越、成本低廉。目前，自動標(biāo)引發(fā)展成為知識資源主要的標(biāo)引技術(shù)手段。中文自動標(biāo)引的方法有很多種，各種標(biāo)引方法各有優(yōu)勢又存在一定的局限性。筆者根據(jù)實(shí)現(xiàn)手段，主要從選詞標(biāo)引、全文標(biāo)引和關(guān)鍵詞標(biāo)引3 種標(biāo)引方式進(jìn)行論述。

二、 工作與實(shí)踐

研究院圖書館至今已經(jīng)歷60 余年的建設(shè)與發(fā)展，是一座擁有導(dǎo)彈航天專業(yè)特色的科技圖書館，多年以來，通過開展資源服務(wù)、科技查新、專題檢索和文獻(xiàn)研究，積累了豐富的工作經(jīng)驗(yàn)，為型號研制、科研生產(chǎn)、重大事項(xiàng)決策等工作提供了有效的服務(wù)與保障。其形成了大量的具有專業(yè)特色的內(nèi)部紙質(zhì)文件、內(nèi)部業(yè)務(wù)知識、圖紙、檔案、科技成果、標(biāo)準(zhǔn)、知識產(chǎn)權(quán)、多媒體資料、情報(bào)等內(nèi)部資源信息以及外購的知網(wǎng)、萬方、外文數(shù)據(jù)庫等外部資源信息。但是資源信息管理分散、開發(fā)利用不足、共享渠道不暢，形成了資源的信息孤島，需要建立一套完整的數(shù)據(jù)管理系統(tǒng)平臺進(jìn)行資源的統(tǒng)一管理和利用，實(shí)現(xiàn)信息統(tǒng)一的查詢、獲取，助力研究院管理決策、科技創(chuàng)新和成果轉(zhuǎn)化管理，保障現(xiàn)有資源高水平、大規(guī)模創(chuàng)造與有效轉(zhuǎn)化運(yùn)用，促進(jìn)自主研發(fā)和創(chuàng)新驅(qū)動高質(zhì)量發(fā)展。

研究院知識資源自建庫項(xiàng)目從2019 年開始策劃、調(diào)研準(zhǔn)備，歷時3 年，通過知識資源標(biāo)引數(shù)據(jù)平臺，完成27 個特色專題數(shù)據(jù)庫搭建，部署完成試應(yīng)用，順利通過項(xiàng)目驗(yàn)收進(jìn)入推廣應(yīng)用階段。該平臺的實(shí)施落地是研究院知識資源自動標(biāo)引技術(shù)的實(shí)踐應(yīng)用和技術(shù)創(chuàng)新，也是研究院內(nèi)部知識資源庫建設(shè)和推廣的重要里程碑，標(biāo)志著研究院圖書館在知識資源建設(shè)方面的能力提升和技術(shù)進(jìn)步。

1.知識標(biāo)引數(shù)據(jù)平臺

圖書館于2000 年開始建設(shè)數(shù)字圖書館，2002年在內(nèi)網(wǎng)向全院用戶開放，其數(shù)據(jù)庫資源主要依賴于外部數(shù)據(jù)庫采集。經(jīng)過20 年的建設(shè)與發(fā)展，設(shè)有圖書館借閱、中國知網(wǎng)期刊、萬方博碩論文、外文數(shù)據(jù)庫、外文電子書、超星電子書、國家科技圖書、外文博碩論文、航天科技信息系統(tǒng)等九大數(shù)據(jù)庫。

目前，本地?cái)?shù)字文獻(xiàn)資源總量近87T，非本地資源60T，分別占比59%和41%，年用戶點(diǎn)擊量近千萬次。隨著自媒體技術(shù)的發(fā)展，為進(jìn)一步提升研究院數(shù)字圖書館文獻(xiàn)服務(wù)能力，2019 年底，圖書館完成了掌上數(shù)字圖書館APP 的設(shè)計(jì)開發(fā)。2020年初上線，為全院讀者提供文獻(xiàn)資源服務(wù)，內(nèi)容包括館藏資源、中國知網(wǎng)、萬方數(shù)據(jù)、外文題錄、軍事書目、精品文化、特色資源等模塊。讀者可以利用碎片時間，充分發(fā)揮智能手機(jī)的互聯(lián)網(wǎng)優(yōu)勢提高工作和學(xué)習(xí)效率。

基于用戶平臺的知識資源建設(shè)與發(fā)展，以及海量的沒有實(shí)現(xiàn)集中收集、標(biāo)引和提供檢索利用的內(nèi)部有效知識資源現(xiàn)狀，研究院圖書館需要利用自動標(biāo)引技術(shù)將以上資源進(jìn)行整合建庫，開發(fā)并提供檢索應(yīng)用。為此，經(jīng)過多方調(diào)研對比，圖書館與中國知網(wǎng)合作引入“STM 中文智能信息處理平臺”，搭建研究院知識資源底層數(shù)據(jù)基礎(chǔ)。

2.用戶知識資源檢索行為分析

基于中國知網(wǎng)知識資源總庫的用戶管理系統(tǒng)進(jìn)行后臺統(tǒng)計(jì)分析，隨機(jī)抽取研究院院屬各單位2021 年間用戶檢索數(shù)據(jù)進(jìn)行用戶檢索行為分析，通過用戶的檢索項(xiàng)確定知識資源的標(biāo)引項(xiàng)，具體數(shù)據(jù)如圖1 所示。

圖1 各類檢索方式占比

用戶采取的檢索方式包括題名檢索、作者檢索、關(guān)鍵詞檢索、機(jī)構(gòu)檢索、摘要檢索、全文檢索及主題檢索7 種，檢索內(nèi)容基本包含了基礎(chǔ)的標(biāo)引字段，大部分字段只需從知識資源內(nèi)直接提取。通過對比檢索方式，用戶采取主題檢索與全文檢索的方式，分別占比50%以及26%，用戶往往采取直觀的檢索方式進(jìn)行知識資源的搜索，以快速獲取所需的知識資源，為自動標(biāo)引的項(xiàng)目實(shí)施提供了支持。

3.知識資源自動化標(biāo)引方法研究

為了實(shí)現(xiàn)知識資源自動化高效標(biāo)引，最大程度減少人為操作，使知識資源及時發(fā)布并得到有效利用，需配合相關(guān)計(jì)算機(jī)輔助系統(tǒng)進(jìn)行操作。自動標(biāo)引一般針對關(guān)鍵詞或主題進(jìn)行標(biāo)引，通過從知識資源中提取出一組能最大程度上概括其內(nèi)容特征、可作為用戶檢索入口的關(guān)鍵性信息，用該組信息對知識資源進(jìn)行標(biāo)引，使用戶通過輸入關(guān)鍵信息檢索到該文檔的簡要信息。清華同方有限公司開發(fā)的“STM 中文智能信息處理平臺”可實(shí)現(xiàn)以上目標(biāo)，配合“KBase 全文數(shù)據(jù)庫管理系統(tǒng)”“TPI信息資源建設(shè)與管理系統(tǒng)”，實(shí)現(xiàn)數(shù)據(jù)庫建設(shè)、資源上傳及發(fā)布、資源標(biāo)引及使用一系列知識管理功能。

通過建立數(shù)據(jù)庫的方式，確定標(biāo)引字段并上傳數(shù)字知識資源，通過“STM 中文智能信息處理平臺”中的字符識別技術(shù)，利用各種模式識別算法分析文字形態(tài)特征，判斷文字的標(biāo)準(zhǔn)編碼；按通用格式存儲為計(jì)算機(jī)的文本文件，實(shí)現(xiàn)讓計(jì)算機(jī)認(rèn)字、文字自動輸入的過程。該技術(shù)已達(dá)到中文識別實(shí)用化成熟程度，準(zhǔn)確性高。

基于用戶行為分析、知網(wǎng)平臺功能情況，從選詞標(biāo)引、全文標(biāo)引和關(guān)鍵詞標(biāo)引3 種標(biāo)引方式對該平臺對知識資源自建庫自動標(biāo)引工作需求的全覆蓋進(jìn)行探索。

一是選詞標(biāo)引方式。基于“STM 中文智能信息處理平臺”，對可以直接引用知識資源的內(nèi)容作為標(biāo)引內(nèi)容的題名字段、作者字段、機(jī)構(gòu)字段、時間字段、摘要字段。通過平臺的“選擇取詞”“畫框取詞”等方式，利用字符識別技術(shù)（OCR）對適量文字及段落文字進(jìn)行識別認(rèn)字并完成標(biāo)引內(nèi)容的自動化填充，相較于人工輸入標(biāo)引內(nèi)容，選詞標(biāo)引更加高效。

二是全文標(biāo)引方式。全文標(biāo)引若采用人工標(biāo)引的方式，其難度難以想象，尤其是對于長篇的知識資源或文字信息不可采集的情況。全文標(biāo)引唯一作用于全文檢索，該檢索方式始于20 世紀(jì)90 年代，最顯著的特點(diǎn)是提供對海量數(shù)據(jù)的管理與快速查詢，“文海撈針”是對全文檢索的形象描述。全文檢索的內(nèi)含主要體現(xiàn)為待檢索的源數(shù)據(jù)、檢索對象是全文，使用的檢索方式為針對全文匹配，檢索結(jié)果是全文信息，需要將知識資源內(nèi)所有文字內(nèi)容設(shè)置為標(biāo)引字段。通過ORC 字符識別技術(shù)，全文標(biāo)引的難題迎刃而解。

三是關(guān)鍵詞類標(biāo)引方式。一般而言，知識資源中的關(guān)鍵詞是文獻(xiàn)核心內(nèi)容的濃縮與提煉，關(guān)鍵詞的標(biāo)引對檢索質(zhì)量有至關(guān)重要的作用。從用戶的檢索習(xí)慣看，通過關(guān)鍵詞檢索的用戶僅有1%。導(dǎo)致這一現(xiàn)象的問題在于關(guān)鍵詞檢索必須確保檢索詞與關(guān)鍵詞之間的準(zhǔn)確性，知識資源自帶關(guān)鍵詞由資源作者提供，數(shù)量較少，出現(xiàn)偏差會導(dǎo)致檢索反饋。為此，如何豐富關(guān)鍵詞一直是標(biāo)引工作急需解決的問題，如通過人工標(biāo)引的方式再次提取知識資源關(guān)鍵詞將大幅增加標(biāo)引的難度，實(shí)現(xiàn)關(guān)鍵詞自動化標(biāo)引。

關(guān)鍵詞作為整篇知識資源的核心，一般在整篇文獻(xiàn)中的出現(xiàn)頻率占有很大比重，重復(fù)次數(shù)越高則越可能是知識資源的關(guān)鍵詞。為此，詞頻分析方法也成為了最常用的關(guān)鍵詞提取方式之一。如采取有效的技術(shù)手段將知識資源進(jìn)行詞頻統(tǒng)計(jì)的話，則可以有效地將知識資源中出現(xiàn)頻率最多的詞語進(jìn)行提取并篩選成為新關(guān)鍵詞?！癝TM 中文智能信息處理平臺”可有效解決這一問題。通過“STM 中文智能信息處理平臺”的自然語言處理引擎與智能文本挖掘引擎，充分利用中國知網(wǎng)海量語料資源以及全學(xué)科概念關(guān)系詞典，有效實(shí)現(xiàn)歧義切分和詞語辨識，實(shí)現(xiàn)“關(guān)鍵詞自動標(biāo)引”功能。該功能可規(guī)定關(guān)鍵詞提取的數(shù)量、標(biāo)引源、關(guān)鍵詞輸出字段，最終實(shí)現(xiàn)基于詞頻的關(guān)鍵詞自動標(biāo)引。

4.知識資源自動化標(biāo)引流程

一是知識資源數(shù)據(jù)庫的建立。利用“TPI 信息資源建設(shè)與管理系統(tǒng)”，根據(jù)知識資源類型建立相應(yīng)數(shù)據(jù)庫，用于對知識資源進(jìn)行整體分類。數(shù)據(jù)庫建立可依據(jù)知識資源類型或知識資源專業(yè)或?qū)ｎ}進(jìn)行個性化建設(shè)。

二是標(biāo)引字段的選取。數(shù)據(jù)庫建立過程中，需選取通用于該數(shù)據(jù)庫的標(biāo)引字段，標(biāo)引字段的選取可依據(jù)知識資源類型列舉的字段，也可自行編制標(biāo)引字段的名稱、規(guī)定字段長度、設(shè)置是否必填。

三是標(biāo)引文本的導(dǎo)入。數(shù)據(jù)庫建立完畢后，向數(shù)據(jù)庫內(nèi)導(dǎo)入待標(biāo)引文獻(xiàn)文本，文獻(xiàn)文本格式為PDF。

四是基本標(biāo)引字段的標(biāo)引。數(shù)據(jù)庫建立完畢導(dǎo)入待標(biāo)引知識資源后，通過“STM 中文智能信息處理平臺”對知識資源進(jìn)行標(biāo)引，待標(biāo)引字段為建立數(shù)據(jù)庫過程中所選取的標(biāo)引字段。選擇待標(biāo)引字段后，利用系統(tǒng)自帶的取詞功能，在知識資源文本內(nèi)進(jìn)行選取，通過ORC 識別后轉(zhuǎn)化為文字編碼并自動完成字段值填充。

五是關(guān)鍵詞類字段的標(biāo)引。關(guān)鍵詞自動提取需要利用“QBE 數(shù)據(jù)查詢工具”，此工具可實(shí)現(xiàn)對同一數(shù)據(jù)庫下的所有知識資源同時進(jìn)行關(guān)鍵詞自動提取。提取前可配置關(guān)鍵詞的提取數(shù)量、多個標(biāo)引源以及輸出結(jié)果的標(biāo)引字段，系統(tǒng)將根據(jù)系統(tǒng)詞表對選取的標(biāo)引源進(jìn)行處理，提取關(guān)鍵詞并反饋填充至相應(yīng)的標(biāo)引字段。

六是人工校驗(yàn)。完成所有標(biāo)引字段的標(biāo)引工作后，工作人員通過“STM 中文智能信息處理平臺”查看關(guān)鍵詞自動提取后的結(jié)果，對標(biāo)引結(jié)果進(jìn)行審核與修訂，確保所有標(biāo)引字段完成無誤后保存，完成標(biāo)引工作。

二、 實(shí)踐效果及后續(xù)思路

經(jīng)過該項(xiàng)目實(shí)施，基本實(shí)現(xiàn)了研究院自有特色數(shù)據(jù)庫建設(shè)從無到有的里程碑變化，開啟了圖書館知識資源自建庫時代?；趫D書館自主開發(fā)和收集的知識資源和同方、知網(wǎng)的“TPI 信息資源建設(shè)與管理系統(tǒng)”進(jìn)行知識資源導(dǎo)入、標(biāo)引及發(fā)布。

1.實(shí)現(xiàn)了知識資源數(shù)據(jù)庫集中管理

基于研究院航天運(yùn)輸總體技術(shù)論文集、研究院新型動力技術(shù)及應(yīng)用論文集、研究院仿真與虛擬實(shí)驗(yàn)技術(shù)論文集、高空風(fēng)修正資訊、新智能技術(shù)發(fā)展資訊、國內(nèi)外航天政策資訊、伺服資訊等，進(jìn)行數(shù)據(jù)庫建設(shè)、數(shù)據(jù)標(biāo)引以及歸類發(fā)布。通過“KBase全文數(shù)據(jù)庫管理系統(tǒng)”建立“航天運(yùn)輸總體技術(shù)”“新型動力技術(shù)及應(yīng)用”“仿真與虛擬實(shí)驗(yàn)技術(shù)”、高空風(fēng)修正資訊、新智能技術(shù)發(fā)展資訊、國內(nèi)外航天政策資訊等數(shù)據(jù)庫。建庫完畢后，依據(jù)標(biāo)引字段選取內(nèi)容，結(jié)合知識資源實(shí)際設(shè)置數(shù)據(jù)庫標(biāo)引字段。該項(xiàng)目一期共建設(shè)27 個數(shù)據(jù)庫，所選取的標(biāo)引字段取自于已有知識資源類型模板內(nèi)的字段，選取過程中可對字段屬性進(jìn)行編輯，更改字段名稱、字段長度以及是否空項(xiàng)或必備。

標(biāo)引字段選取完畢后，即可向數(shù)據(jù)庫內(nèi)添加知識資源，開展標(biāo)引工作。除此之外，數(shù)據(jù)庫管理支持分類導(dǎo)航功能，可對單一數(shù)據(jù)庫進(jìn)行知識資源分類，如依據(jù)研究院航天運(yùn)輸總體技術(shù)專業(yè)組會議集自有分類，新建“發(fā)展戰(zhàn)略”及“關(guān)鍵技術(shù)”兩類導(dǎo)航。

2.完成知識資源標(biāo)引，將技術(shù)研究轉(zhuǎn)化為項(xiàng)目實(shí)踐

完成數(shù)據(jù)庫建設(shè)及知識資源導(dǎo)入后即可通過“STM 中文智能信息處理平臺”逐一對知識資源進(jìn)行標(biāo)引。文本區(qū)顯示所需標(biāo)引的知識資源文本，編目區(qū)展示知識資源所在的數(shù)據(jù)庫設(shè)置的所有標(biāo)引字段，選擇相應(yīng)標(biāo)引字段后可于文本區(qū)內(nèi)選詞或框詞進(jìn)行填充，填充內(nèi)容在標(biāo)引數(shù)據(jù)區(qū)展示并可進(jìn)行二次編輯。

相較于傳統(tǒng)的手工標(biāo)引，使用“STM 中文智能信息處理平臺”能夠有效實(shí)現(xiàn)標(biāo)引過程與標(biāo)引結(jié)果輸出的一體化。標(biāo)引過程中，提取知識資源原文的標(biāo)引數(shù)據(jù)標(biāo)引操作簡單，無需進(jìn)行二次核對，在標(biāo)引速度和文字處理效率上有顯著提升。

除提取來源于知識資源內(nèi)的標(biāo)引內(nèi)容外，為實(shí)現(xiàn)知識資源檢索的全面性，還需對特定的標(biāo)引字段進(jìn)行補(bǔ)充，其中關(guān)鍵詞標(biāo)引字段可采取自動化標(biāo)引操作。關(guān)鍵詞擴(kuò)充是利用“QBE 數(shù)據(jù)查詢工具”執(zhí)行，可對單個數(shù)據(jù)庫內(nèi)的所有知識資源進(jìn)行批量操作，通過設(shè)置關(guān)鍵詞提取個數(shù)，選取需操作的數(shù)據(jù)庫表，選擇關(guān)鍵詞的提取位置，提取關(guān)鍵詞輸出字段位置，最終獲取由系統(tǒng)根據(jù)詞表所獲取的關(guān)鍵詞，將反饋至對應(yīng)的標(biāo)引字段下。一般而言選擇提取的關(guān)鍵詞數(shù)量越多，提取的準(zhǔn)確性越差，且與知識資源自帶關(guān)鍵有重疊的情況時，需再次通過“STM 中文智能信息處理平臺”進(jìn)行二次篩選。

主題檢索通過設(shè)置主題標(biāo)引字段可實(shí)現(xiàn)用戶的前端檢索操作，為達(dá)到標(biāo)引的快速簡便化，主題標(biāo)引暫采用“題名+摘要+關(guān)鍵詞”的標(biāo)引方式，即主題標(biāo)引的內(nèi)容涵蓋題名、摘要、關(guān)鍵詞的標(biāo)引內(nèi)容。

該項(xiàng)目實(shí)施可以將組織內(nèi)部大量長期存儲的有效的知識資源進(jìn)行標(biāo)引，發(fā)布提供使用，大大提高了內(nèi)部知識資源的利用效率，也有利于知識資源的延續(xù)和傳承，特別是專題數(shù)據(jù)庫的建成，可有效服務(wù)于組織內(nèi)部各項(xiàng)目建設(shè)。

3.實(shí)現(xiàn)知識資源發(fā)布，為科技工作者提供自有資源統(tǒng)一檢索的平臺

實(shí)現(xiàn)對所發(fā)布的數(shù)據(jù)庫的集中展示；對一個或多個數(shù)據(jù)庫內(nèi)知識資源進(jìn)行檢索；合并多個數(shù)據(jù)庫形成專題展示。這些功能可基于后臺管理進(jìn)行個性化配置，配置內(nèi)容包括數(shù)據(jù)庫發(fā)布，使“TPI信息資源建設(shè)與管理系統(tǒng)”關(guān)聯(lián)數(shù)據(jù)庫；發(fā)布設(shè)置，配置單個數(shù)據(jù)庫的檢索字段、概覽字段、細(xì)覽字段等；跨庫檢索設(shè)置，使多個數(shù)據(jù)庫進(jìn)行統(tǒng)一檢索。

目前該項(xiàng)目建設(shè)僅涉及數(shù)據(jù)庫的建設(shè)，由于經(jīng)費(fèi)及建設(shè)周期等原因，內(nèi)外部知識資源跨庫檢索功能的建設(shè)將依托其它項(xiàng)目逐步實(shí)現(xiàn)。

4.后續(xù)思路

研究院圖書館利用TPI 建庫向?qū)?chuàng)建數(shù)據(jù)庫，開展知識資源標(biāo)引，明確標(biāo)引字段項(xiàng)目，著重研究關(guān)鍵詞標(biāo)引方法，嚴(yán)格關(guān)鍵詞選詞規(guī)范與校驗(yàn)，以便用戶能高效檢索所需的知識資源，該項(xiàng)目實(shí)施在各專業(yè)領(lǐng)域具有很好的應(yīng)用場景。但是，知識資源標(biāo)引工作是一個長期繁瑣的工程，目前該系統(tǒng)自帶的概念詞典還無法完全滿足關(guān)鍵詞提取的準(zhǔn)確性，只有通過不斷對知識資源進(jìn)行數(shù)據(jù)分析及機(jī)器學(xué)習(xí)，逐漸形成研究院自建庫專業(yè)詞表，才能持續(xù)不斷推進(jìn)此項(xiàng)工作長遠(yuǎn)發(fā)展?；诖?，該項(xiàng)目第一階段實(shí)施之后，不斷提升用戶對自動標(biāo)引和機(jī)器學(xué)習(xí)的認(rèn)識，并不斷積累和完善豐富研究院自有專業(yè)數(shù)據(jù)庫，依然是圖書館未來為之不懈努力的目標(biāo)。