淺談數(shù)字人文下的信息檢索與可視化研究

文/翟婧

（山東政法學(xué)院圖書館 山東 濟南 250014）

一、 引言

隨著全球通信技術(shù)、互聯(lián)網(wǎng)技術(shù)、人工智能等大數(shù)據(jù)技術(shù)的快速發(fā)展，大眾越來越偏向使用網(wǎng)絡(luò)作為獲取信息的渠道和喜歡把網(wǎng)絡(luò)當成學(xué)習(xí)和交流的工具，移動智能閱讀設(shè)備性能不斷地提升，推進智能化、移動化和服務(wù)化的社會建設(shè)也越來越深入，數(shù)字智能化也成為當今社會人類生活中不可少的環(huán)節(jié)。當計算機技術(shù)啟蒙時，科學(xué)研究人員就在不斷地創(chuàng)新，嘗試著將計算機技術(shù)應(yīng)用到數(shù)字人文領(lǐng)域中。中國引進數(shù)字人文技術(shù)已彈指10年有余。國際上數(shù)字人文的發(fā)展已經(jīng)有很豐富的成果，數(shù)字人文項目建設(shè)的蓬勃發(fā)展直接推動了中國數(shù)字人文發(fā)展步伐，但數(shù)字人文不是一個新的領(lǐng)域，隨著計算機軟件技術(shù)的不斷更新發(fā)展，現(xiàn)如今研究數(shù)字人文領(lǐng)域已變得十分廣泛。

數(shù)字人文的概念具有包容性與演進性的基本特點，有時也被稱為人文計算。數(shù)字人文是數(shù)字技術(shù)與人文科學(xué)張力性的結(jié)合，它是針對計算與人文科學(xué)之間的交叉領(lǐng)域進行學(xué)習(xí)、研究、發(fā)明以及創(chuàng)新的一門學(xué)科，但它又是一門交叉學(xué)科，它的研究涉及到對互聯(lián)網(wǎng)信息的研究、分析、識別等綜合技術(shù)，它致力于如何利用媒體來影響人文科學(xué)。

從大學(xué)圖書館事業(yè)發(fā)展的角度談個性化服務(wù)，就是以讀者為中心，在研究讀者的興趣愛好、專業(yè)和習(xí)慣的基礎(chǔ)下，根據(jù)讀者的個性化需要，向讀者推薦基于其需求和愛好的個性化圖書，來滿足讀者需求而開展的信息服務(wù)。個性化服務(wù)模式打破了傳統(tǒng)的被動式服務(wù)模式，主動開展以滿足讀者個性化需求為目的的全方位服務(wù)。對那種渴望精準定位、針對所學(xué)專業(yè)性強和根據(jù)自己具體所研究課題和研究方向成果需求需要的個性化師生而言，大學(xué)圖書館就要充分利用數(shù)字人文平臺的個性化資源，來開展主動性定位的個性化服務(wù)，滿足讀者數(shù)字人文需求下的全方位服務(wù)。

二、刊物數(shù)字信息檢索功能的發(fā)展給讀者帶來的便利

數(shù)字信息檢索廣義上講是指用數(shù)字技術(shù)，將各類信息按一定的方式進行采集、加工處理存儲起來，并根據(jù)信息用戶的需要找出有關(guān)的信息過程的一種新型模式。這種新型模式被各行各業(yè)看作是一種即將發(fā)出變革的新力量，包括高校圖書館在內(nèi)，都希望通過大數(shù)據(jù)的共享、跨界、快捷、開發(fā)等資源來創(chuàng)造更多的價值。在這樣的背景驅(qū)動下，高校圖書館有必要結(jié)合自身的發(fā)展需要，在數(shù)字資源權(quán)益的領(lǐng)域下積極開展深入的研究和實踐探索。

1.書目信息檢索的延伸

書目信息的檢索是根據(jù)讀者的需求借用網(wǎng)絡(luò)數(shù)字資源和專業(yè)的技術(shù)手段，對有序化的圖書信息集合起來進行查詢，來獲取符合和滿足讀者檢索要求的信息資料。

在搜索框中輸入書名、作者或者關(guān)聯(lián)詞，即可獲取該書目相關(guān)館藏的點擊條，點開點擊條就可以一目了然地查看該書目館藏的信息，通常包括書目的書名、責任者、出版信息、價格、該書目在哪個書庫收藏、是否在館、該書目的預(yù)約等借閱本書目的流通情況。例如米哈伊爾·肖洛霍夫編著的《靜靜的頓河》這本書目信息，當從搜索框中搜索后，此書目會顯示在中文文學(xué)書庫以字母I開頭編輯入庫的藏本和外文語言書庫以H字母開頭編輯的藏本，如果讀者想看原版的來提升自身的學(xué)習(xí)就點擊外文語言書庫。如果流通點擊條中顯示為“在架”說明該書目在圖書館可以借出。

登錄學(xué)校圖書館的網(wǎng)站，進入圖書館界面跳轉(zhuǎn)頁面，就會彈跳出電子資源、服務(wù)指南、本館要覽、分類查找等點擊欄。然后點擊分類查找欄中的館藏文獻檢索，在文獻檢索框中輸入書目的書名或者作者就會呈現(xiàn)出讀者所要查找的圖書信息了。電子資源分為中文數(shù)據(jù)庫、外文數(shù)據(jù)庫、電子期刊數(shù)據(jù)庫、電子圖書、學(xué)科電子導(dǎo)航等條目。隨便點擊任何的電子資源，就會彈跳出圖書館免費下載或者館內(nèi)購買來的電子文獻，提供給各個學(xué)科領(lǐng)域有需求的師生訪問閱讀。如讀者需求中文方面的資料，就可以直接點擊中文數(shù)據(jù)庫網(wǎng)站的鏈接。例如檢索《圖書情報工作》這本期刊中文雜志，從搜索框中輸入《圖書情報工作》雜志名，網(wǎng)頁就會彈跳出該雜志的文獻資料，讀者就可以選擇性的免費閱讀或者下載自己有需求的部分了。但這種方法搜索也有利弊，好處是可以搜尋到很多的文獻資料，而且信息還比較全面，弊端就是需要讀者從大量的文獻資料中整理尋找自己需要的資料。

高級檢索一般被應(yīng)用在一些數(shù)據(jù)庫中作為信息檢索入口的三種檢索途徑之一，高級檢索功能包括字段檢索、布爾邏輯檢索等，利用這些檢索功能搜索引擎可以獲取某Web站點被連接的次數(shù)，比較各站點的聲望高低等。同時高級檢索也可以方便讀者精準地查找數(shù)據(jù)資料。

進入高級檢索界面里，主要由檢索欄和歷史記錄兩部分組成。檢索欄是有上下兩個檢索框組成，上方檢索框可以輸入書名、作者等關(guān)鍵詞，可以直接跳轉(zhuǎn)到具體檢索到的文獻頁面。而下面的檢索框則是可以查看具體的檢索方式。高級搜索檢索欄中有很多類別，其中比較常用的有作者檢索、雜志檢索、日期檢索、標題檢索和摘要檢索等。

高級搜索第二個部分是歷史檢索。在高級檢索中，除了可以自定義檢索文獻還可以檢索歷史記錄。在檢索歷史記錄中可以看到每一個自定義檢索的檢索方式以及有多少個相關(guān)聯(lián)的文獻資料。自定義檢索的結(jié)果，PubMed都會為檢索的歷史記錄進行編號，這樣方便讀者查找。除了使用編號進行檢索之外，歷史檢索還有一個Actions的功能。Action又包括三個選項:刪除檢索記錄、添加到檢索欄、以及創(chuàng)建提醒。每一次讀者使用高級搜索之后都會留下閱覽記錄，而歷史記錄只顯示具體的檢索結(jié)果，不會把文獻內(nèi)容返回。但歷史檢索完整記錄了本次以來所有檢索式的具體內(nèi)容及命令中的結(jié)果。包括檢索式序號、檢索式、檢索結(jié)果以及檢索的時間。運用歷史檢索的好處可以幫助讀者分步檢索，且可以方便讀者調(diào)整、修正檢索的策略。

三、數(shù)字可視化存儲功能的工作發(fā)展

在線詞典、在線翻譯、文本標記、語料庫等工具都是數(shù)字人文中常用的熱門工具。數(shù)字可視化是通過多媒體、三維、傳感、智能交換、實時跟蹤等多種方法，將虛擬的信息與真實的現(xiàn)實和歷史相結(jié)合起來疊加、融為一體的技術(shù)。

數(shù)字可視化與信息圖形、信息可視化、科學(xué)可視化、以及統(tǒng)計圖形密切相關(guān)。數(shù)字可視化主要是利用數(shù)據(jù)分析和開發(fā)工具等手段將大型、比較集中的數(shù)據(jù)借助圖形圖像形式去處理其中未知的信息的過程，并能清晰有效地傳達和讀者網(wǎng)絡(luò)信息溝通的能力。大數(shù)據(jù)時代數(shù)字人文的數(shù)據(jù)價值亟需被挖掘利用起來助力時代的發(fā)展，有了可視化數(shù)字人文真正地提高了運維工作的效率，把復(fù)雜的工作簡單化，很好地改進了重復(fù)性和繁重的定位工作問題。

圖書館數(shù)字可視化的開發(fā)人員多是通過讀者大數(shù)據(jù)的靜態(tài)信息和動態(tài)信息的電子資源對讀者進行分析研究的。如讀者的動態(tài)信息有：讀者的借閱數(shù)據(jù)、借閱刊物的類型、借閱的時間、和讀者訪問電子資源的活躍時間段等讀者操作電子信息留下痕跡的動態(tài)信息；讀者的靜態(tài)信息:如師生們的校園一卡通、身份證、所在年級和專業(yè)學(xué)科等比較固定的基本信息和讀者本身外露出來的本質(zhì)信息。開發(fā)研究人員通過大數(shù)據(jù)靜態(tài)信息和動態(tài)信息對讀者個人進行深入挖掘分析就能精準地了解讀者的需求。

例如數(shù)字信息顯示某位讀者經(jīng)常在下午的時間段瀏覽教育方面的資料，從靜態(tài)的信息反饋是一名三十歲左右的女讀者，那從動態(tài)信息就會反饋出這位女士有可能是一位寶媽，在從她瀏覽的痕跡中判斷出她有個七八歲的孩子，從她看教育書的類型，數(shù)字信息還可以分析出她的寶寶是女孩，那么在她下次再來閱覽時，電子信息直接就會給這位讀者跳躍出兒童讀物中女孩子喜歡的書如《白雪公主》等信息。還有《兒童營養(yǎng)膳食》等寶媽喜愛的刊物。先進的數(shù)字人文就是采集讀者檢索、瀏覽等使用電子數(shù)據(jù)留下的痕跡，根據(jù)讀者的興趣點將不同的內(nèi)容推送給相應(yīng)的個性化的用戶。

四、數(shù)字可視化存在的不足及改進的策略

1.多元數(shù)據(jù)庫信息融合的困難與研究熱點

目前國內(nèi)外數(shù)字可視化的大數(shù)據(jù)發(fā)展，還停留在獨立的電子數(shù)據(jù)庫的數(shù)字信息分析研究階段，還不能將多個電子數(shù)據(jù)庫信息融合起來統(tǒng)一建數(shù)據(jù)庫。在數(shù)字可視化檢索領(lǐng)域中，用戶查找數(shù)據(jù)都是一對一的互訪，并且還要從多個檢索數(shù)據(jù)中進行局部的數(shù)據(jù)分析，保證全部檢索結(jié)果的準確性。對不同數(shù)據(jù)進行合并的同時，還要滿足合并后的結(jié)果的精準性，對科研工作者來說是一項艱難的任務(wù)。隨著大數(shù)據(jù)信息技術(shù)的發(fā)展，各行各業(yè)的多渠道獲取的信息將會融合成一個庫集（如:交通管制、軍事領(lǐng)域、病例診斷等）將成為可能。將多個單獨的數(shù)據(jù)庫的信息合并起來組成海量的多元數(shù)據(jù)庫彌補了人類認知的局限性，將平臺原有的數(shù)字資源進行重組后，能使新的數(shù)據(jù)進行文本分析，為用戶進行個性化服務(wù)，更加先進快捷，推動國內(nèi)科研人員研究多元數(shù)據(jù)庫的數(shù)字可視化的技術(shù)，將成為一個研究熱點。

2.數(shù)字可視化的安全性難以保證及改進策略

在大數(shù)據(jù)時代背景下，2018年5月25日，歐盟開始實施《通用數(shù)據(jù)保護條例》，各國也紛紛加強對數(shù)據(jù)信息、個人隱私等重要的信息加以保護。數(shù)字可視化具有明確的開放性和流動性，因此圖書館在利用數(shù)字可視化對讀者的隱私和作者的信息安全也存在不可忽視的隱患。大規(guī)模的數(shù)據(jù)信息難免會存在風險，會侵犯到個人的隱私導(dǎo)致糾紛。如大數(shù)據(jù)對圖書館知識產(chǎn)權(quán)風險研究中的專利權(quán)、著作權(quán)、商業(yè)秘密三種類型的知識產(chǎn)權(quán)作為科學(xué)數(shù)據(jù)保護的權(quán)利。針對上述的信息風險問題就需要圖書館的數(shù)據(jù)網(wǎng)絡(luò)研究人員建立數(shù)據(jù)安全保護機制，對存在的問題進行系統(tǒng)化、規(guī)范化，積極探討、落實有效的保護辦法和研究創(chuàng)新的科學(xué)技術(shù)，根據(jù)相應(yīng)的法律明文規(guī)定，利用法律武器來追究相應(yīng)的責任，更高水平地維護圖書館的數(shù)字資源系統(tǒng)的管理和保護。

3.合并資源導(dǎo)致的缺陷及解決途徑

合并數(shù)字資源，刷新后的原始數(shù)據(jù)丟失，會使現(xiàn)有的系統(tǒng)數(shù)據(jù)不完整，影響用戶查找結(jié)果的準確性和可視化網(wǎng)絡(luò)分析用戶精確性。如:靜態(tài)數(shù)據(jù)身份識別、院系等動態(tài)的訪問數(shù)據(jù)等信息。解決的途徑可以考慮如下策略，首先需要數(shù)字網(wǎng)絡(luò)人員更加詳細的編錄數(shù)據(jù)字段，對那些有限制條件的檢索組配進行加權(quán)，對讀者的瀏覽方式進行更加細致的分類，對讀者的閱覽痕跡加入更加專業(yè)的格式化，便于電子信息更加個性化的分析信息，來提高讀者對圖書館電子資源的利用效率。其次更加詳細地把讀者的靜態(tài)數(shù)據(jù)資料入檔，把動態(tài)數(shù)據(jù)留存，幫助大數(shù)據(jù)進行更全面的分析。最后拓展數(shù)據(jù)的來源，強化數(shù)據(jù)的質(zhì)量，挖掘新穎數(shù)據(jù)，便于更新?lián)Q代與持續(xù)改進。

五、結(jié)論

數(shù)字人文的發(fā)展，為現(xiàn)如今的圖書館事業(yè)開辟出一條新的道路，是人文學(xué)科發(fā)展的未來。數(shù)字人文不僅僅是一種工具、方法和平臺，還可以把科研人員從繁雜的資料整理中解脫出來，更加專注于高層次的科學(xué)研究。圖書館在數(shù)字人文方面的進步，意味著加速科研人員的研究速度和效率，因此促進數(shù)字人文的發(fā)展具有重大的現(xiàn)實意義。