圖書情報(bào)領(lǐng)域多媒體信息檢索研究態(tài)勢(shì)分析

摘要：通過揭示圖書情報(bào)領(lǐng)域多媒體信息檢索的研究態(tài)勢(shì)，能幫助確定圖書情報(bào)領(lǐng)域?qū)Χ嗝襟w信息檢索的關(guān)注點(diǎn)與貢獻(xiàn)，為研究人員提供智力支持。研究基于主題結(jié)構(gòu)發(fā)現(xiàn)研究方法，挖掘研究的主題社區(qū)，并梳理其發(fā)展演進(jìn)歷程。研究發(fā)現(xiàn)，圖書情報(bào)領(lǐng)域多媒體信息檢索研究可分為特征抽取與表示、圖像檢索、元數(shù)據(jù)、檢索模型與框架、用戶體驗(yàn)五個(gè)主題社區(qū)，圖像檢索是當(dāng)前研究的核心，檢索模型與框架、用戶體驗(yàn)研究正快速發(fā)展，內(nèi)部統(tǒng)一的理論框架有可完善的空間。

關(guān)鍵詞：圖書情報(bào)；多媒體信息檢索；主題結(jié)構(gòu)發(fā)現(xiàn)；研究態(tài)勢(shì)

中圖分類號(hào)：G354.2；TP391.3??????? ????????????中圖分類號(hào)：U24

0引言

多媒體信息檢索指根據(jù)特定的需求，運(yùn)用某種檢索工具，基于特定的檢索策略和方法，從存儲(chǔ)信息的集合中對(duì)圖形、圖像、音頻、視頻等多媒體信息進(jìn)行檢索的過程[1]。自互聯(lián)網(wǎng)興起并普及以來，網(wǎng)絡(luò)上多媒體信息數(shù)量激增，這激發(fā)了用戶對(duì)于多媒體信息的需求，使得多媒體信息檢索成為包括圖書情報(bào)領(lǐng)域在內(nèi)的多個(gè)學(xué)科領(lǐng)域的研究熱點(diǎn)。

信息檢索的概念是美國計(jì)算機(jī)學(xué)家Mooers于1950年首次正式提出的[2]。計(jì)算機(jī)的發(fā)明推動(dòng)了信息檢索領(lǐng)域的迅速發(fā)展，使以前局限于紙質(zhì)文獻(xiàn)的情報(bào)檢索技術(shù)與計(jì)算機(jī)相結(jié)合，發(fā)展成為了現(xiàn)代認(rèn)知中的信息檢索。信息檢索的原理是通過計(jì)算查詢項(xiàng)與信息集合中實(shí)例間的相似度，從信息集合中選擇相似度最高的實(shí)例作為檢索結(jié)果。文本信息可以通過簡(jiǎn)單的轉(zhuǎn)換，在不丟失語義信息的前提下存入計(jì)算機(jī)，因此這種計(jì)算對(duì)于文本信息而言，是較易實(shí)現(xiàn)的；而對(duì)于多媒體信息，其存儲(chǔ)與檢索主要基于文本注釋標(biāo)簽與索引、特征信息等實(shí)現(xiàn)[3]，因此如何克服信息的非文本型描述與其對(duì)外表達(dá)的概念的語義差距，對(duì)其進(jìn)行結(jié)構(gòu)化表示，成為多媒體信息檢索攻克的主要難題。1965年，Hagen[4]提出了一種錄音信息檢索系統(tǒng)，開創(chuàng)了多媒體信息檢索研究的先河。20世紀(jì)90年代，QBIC、WebSeek圖像檢索系統(tǒng)和 Via Voice 音頻檢索系統(tǒng)等多媒體信息檢索系統(tǒng)出現(xiàn)在互聯(lián)網(wǎng)上，多媒體信息檢索研究開始蓬勃發(fā)展。而圖書情報(bào)領(lǐng)域作為信息檢索研究的起源與發(fā)展的搖籃，在推動(dòng)多媒體信息檢索研究上起著不可或缺的作用，在相關(guān)的諸學(xué)科領(lǐng)域中占據(jù)著重要的地位。

在分析多媒體信息檢索研究態(tài)勢(shì)的研究中，一方面，大部分學(xué)者使用定性分析方法，對(duì)多媒體信息檢索及其相近領(lǐng)域進(jìn)行綜述，如孫吉紅等[5]分析了多媒體信息檢索領(lǐng)域的研究成果，總結(jié)了研究現(xiàn)狀，指出未來研究的發(fā)展方向?yàn)橐杂脩魹橹行牡亩嗝襟w信息檢索、基于神經(jīng)科學(xué)的學(xué)習(xí)模式、多媒體協(xié)作和分眾分類法等；薛向陽[6]對(duì)多媒體信息的檢索、推薦和生成技術(shù)進(jìn)行了綜述，并指出深度學(xué)習(xí)技術(shù)和神經(jīng)網(wǎng)絡(luò)對(duì)多媒體信息檢索領(lǐng)域的進(jìn)步有突出貢獻(xiàn)。另一方面，少數(shù)學(xué)者使用文獻(xiàn)計(jì)量等定量研究方法進(jìn)行分析，如陳珊[7]對(duì)2000年以來國內(nèi)多媒體信息檢索研究進(jìn)行了文獻(xiàn)計(jì)量分析，指出研究主要集中在基于文本的、基于內(nèi)容的、基于 XML 的多媒體信息檢索和數(shù)字圖書館多媒體信息檢索3個(gè)方面。

上述研究梳理了多媒體信息檢索的研究態(tài)勢(shì)，但仍有兩方面不足：（1）缺乏圖書情報(bào)領(lǐng)域的視角，未能呈現(xiàn)圖書情報(bào)領(lǐng)域?qū)Χ嗝襟w信息檢索的關(guān)注點(diǎn)和貢獻(xiàn)；（2）沒有揭示各子主題的發(fā)展態(tài)勢(shì)，同時(shí)缺少對(duì)研究發(fā)展演進(jìn)歷程的梳理。綜上所述，文章以圖書情報(bào)領(lǐng)域多媒體信息檢索研究的科技文獻(xiàn)作為研究對(duì)象，基于主題結(jié)構(gòu)發(fā)現(xiàn)的研究方法，挖掘研究中的主題社區(qū)，并梳理研究的發(fā)展演進(jìn)歷程，從而揭示圖書情報(bào)領(lǐng)域多媒體信息檢索的研究態(tài)勢(shì)，在確定圖書情報(bào)領(lǐng)域?qū)Χ嗝襟w信息檢索的關(guān)注點(diǎn)與貢獻(xiàn)的同時(shí)，幫助研究人員加深對(duì)領(lǐng)域的理解并提供參考。

1主題結(jié)構(gòu)發(fā)現(xiàn)分析方法

1.1數(shù)據(jù)收集與處理

研究以 Web of Science 核心合集為數(shù)據(jù)源，具體檢索策略如下：

TS=（（non- text* OR? nontext* OR? multimedia? OR multi-media OR imag* OR graph* OR figure* OR video* OR? sound* OR? audio*） information （search* OR? re? triev*））

對(duì)于檢索得到的文獻(xiàn)結(jié)果，研究將其“出版年”字段限定為2013～2022年，“Web of Science 類別”限定為 Information Science Library Science，“文獻(xiàn)類型”限定為論文、會(huì)議錄論文、綜述論文和在線發(fā)表。最終獲得690篇文獻(xiàn)。

研究將題錄數(shù)據(jù)導(dǎo)入VOSviewer[8]以計(jì)算文獻(xiàn)關(guān)鍵詞的詞頻和詞共現(xiàn)關(guān)系，發(fā)現(xiàn)詞頻最高值為66，結(jié)合普賴斯公式[9]，選擇詞頻大于等于6的關(guān)鍵詞作為圖書情報(bào)領(lǐng)域多媒體信息檢索研究的重點(diǎn)主題。為確保研究的準(zhǔn)確性與規(guī)范性，研究首先刪除與研究主題相重合的關(guān)鍵詞（information retrieval、information search 等）和對(duì)研究沒有實(shí)際指導(dǎo)意義的關(guān)鍵詞（science、technology 等），并對(duì)同義詞（如bibliometrics 和bibliometric analysis）和單復(fù)數(shù)詞（如model 和models）進(jìn)行合并。最終得到由78個(gè)高頻關(guān)鍵詞構(gòu)成的主題網(wǎng)絡(luò)，以支撐后續(xù)研究。

1.2研究方法

首先，使用 Louvain 算法[10]劃分網(wǎng)絡(luò)的主題社區(qū)，使用VOSviewer[8]對(duì)主題社區(qū)及其關(guān)聯(lián)關(guān)系進(jìn)行可視化；其次，將主題社區(qū)映射至二維戰(zhàn)略圖[11]以分析研究的發(fā)展態(tài)勢(shì)；最后，基于題錄數(shù)據(jù)，根據(jù)主題社區(qū)間相互關(guān)系，使用Cortext[12]繪制?；鶊D，對(duì)主題演進(jìn)歷程進(jìn)行時(shí)序可視化，以全面系統(tǒng)地揭示多媒體信息檢索的研究態(tài)勢(shì)。

2研究態(tài)勢(shì)分析

2.1時(shí)間分布

圖1展示了2013～2022年圖書情報(bào)領(lǐng)域多媒體信息檢索研究的歷年文獻(xiàn)量及總關(guān)鍵詞數(shù)量。歷年文獻(xiàn)量總體上相對(duì)平穩(wěn)，2016年文獻(xiàn)量最少，為42篇；2020年最多，為101篇；自2017年起文獻(xiàn)量呈逐年上升趨勢(shì)，并于2020年達(dá)到頂峰，結(jié)合研究實(shí)際，文獻(xiàn)量增長(zhǎng)的可能原因是近年來深度學(xué)習(xí)技術(shù)取得了突破性進(jìn)展，并在多媒體信息檢索領(lǐng)域廣泛應(yīng)用，從文本信息到非文本信息的跨模態(tài)檢索得以實(shí)現(xiàn)，推動(dòng)了多媒體信息檢索研究進(jìn)一步發(fā)展。

2.2主題結(jié)構(gòu)

圖2展示了主題網(wǎng)絡(luò)劃分而成的主題社區(qū)，通過內(nèi)容審查，發(fā)現(xiàn)研究可以分為5個(gè)主題社區(qū)。

（1）特征抽取與表示。該主題社區(qū)的高頻關(guān)鍵詞有 knowledge、bibliometrics、network、linked data 等。改進(jìn)多媒體信息特征的抽取與表示方法，可以優(yōu)化多媒體信息檢索中的語義差距問題[13]，獲得更好地檢索性能。該主題社區(qū)主要關(guān)注科技文獻(xiàn)、學(xué)術(shù)會(huì)議視頻等學(xué)術(shù)型載體中多媒體信息的特征抽取與表示方法，同時(shí)知識(shí)組織技術(shù)對(duì)研究作出了重要貢獻(xiàn)，其可以在詞匯控制、算法參數(shù)調(diào)整等方面優(yōu)化特征抽取與表示過程，從而提高檢索的準(zhǔn)確率。代表性研究如 Dias 等[14]分析了 NASA 的知識(shí)組織系統(tǒng)在圖像特征表示中的貢獻(xiàn)，發(fā)現(xiàn)其能對(duì)由分眾分類法描述的非受控術(shù)語進(jìn)行有效的控制與規(guī)范，從而克服圖像特征表示中存在的術(shù)語問題。

（2）圖像檢索。該主題社區(qū)的高頻關(guān)鍵詞有 image? retrieval、classification、ontology、system 等。圖像檢索是多媒體信息檢索的重要分支領(lǐng)域，該主題社區(qū)主要關(guān)注對(duì)圖像檢索的各環(huán)節(jié)提出優(yōu)化方案，或提出檢索性能更好地檢索框架和檢索系統(tǒng)。本體論是該社區(qū)研究中的主要指導(dǎo)方法，也有許多研究從圖像色彩、語義網(wǎng)、關(guān)聯(lián)開放數(shù)據(jù)、相似度和標(biāo)簽等角度開展。在環(huán)節(jié)優(yōu)化方面，代表性研究如 Choi[15]調(diào)研了用戶在進(jìn)行圖像檢索時(shí)執(zhí)行的查詢修改模式和語義屬性，發(fā)現(xiàn)查詢修改模式與信息源類型顯著相關(guān)，與圖像格式、對(duì)象、位置和類型相關(guān)的術(shù)語是檢索中最常見的語義屬性，并基于此提出了改進(jìn)圖像索引的語義注釋的意見；在系統(tǒng)設(shè)計(jì)方面，代表性研究如 Seco 等[16]提出了醫(yī)學(xué)圖像檢索系統(tǒng) Shangri-La，其設(shè)計(jì)重點(diǎn)是與文本相關(guān)的視覺信息的集成，通過集成圖像模態(tài)信息，檢索與視覺特征相似度較高的醫(yī)學(xué)圖像。

（3）元數(shù)據(jù)。該主題社區(qū)的高頻關(guān)鍵詞有metada? ta、library、indexing、digitization 等。作為非文本信息的文本化表達(dá)，元數(shù)據(jù)是多媒體信息檢索的重要工具。該主題社區(qū)主要關(guān)注多媒體信息元數(shù)據(jù)的標(biāo)準(zhǔn)制定、生成與質(zhì)量評(píng)估、描述水平與資源可檢索性和可發(fā)現(xiàn)性、應(yīng)用案例介紹等領(lǐng)域，也關(guān)注將元數(shù)據(jù)用于為多媒體信息編制索引。研究依托的背景主要是圖書館信息資源建設(shè)和多媒體信息（如歷史檔案、博物館藏品）的數(shù)字化過程。代表性研究如 Rezende 等[17]介紹了巴西利亞大學(xué)醫(yī)學(xué)院解剖博物館館藏的圖像信息的索引編制過程，分享了元數(shù)據(jù)的定義，其涉及自然歷史類型學(xué)、區(qū)域形態(tài)科學(xué)、專業(yè)人體解剖學(xué)三個(gè)領(lǐng)域的知識(shí)。

（4）檢索模型與框架。該主題社區(qū)的高頻關(guān)鍵詞有 web、model、framework、deep learning 等。該主題社區(qū)主要關(guān)注多媒體信息檢索模型與框架的構(gòu)建，從建立基礎(chǔ)設(shè)施的角度出發(fā)，將信息特征抽取與表示、數(shù)據(jù)存儲(chǔ)、相關(guān)度計(jì)算等檢索全流程合并到統(tǒng)一的模型或框架中，并驗(yàn)證其在檢索性能上的先進(jìn)性。同時(shí)，這些研究提出的模型與框架普遍融合了深度學(xué)習(xí)和機(jī)器學(xué)習(xí)技術(shù)。代表性研究如 Wang 等[18]提出了一個(gè)文化遺產(chǎn)圖像綜合深度語義注釋框架，其通過將領(lǐng)域術(shù)語、本體、同義詞、分類法和自然語言集成到多級(jí)結(jié)構(gòu)中來描述圖像，驗(yàn)證結(jié)果表明該框架可以在細(xì)粒度上滿足文化遺產(chǎn)圖像語義豐富和檢索的需求。

（5）用戶體驗(yàn)。該主題社區(qū)的高頻關(guān)鍵詞有behav? ior、digital libraries、users、design 等。用戶作為檢索的需求者與使用者，其檢索體驗(yàn)是衡量檢索性能的重要標(biāo)準(zhǔn)，其檢索行為對(duì)檢索系統(tǒng)的改進(jìn)有重要指導(dǎo)意義。該主題社區(qū)主要關(guān)注以用戶為中心，圍繞用戶開展的多媒體信息檢索研究，其目的是提升用戶的檢索體驗(yàn)。這些研究的研究對(duì)象主要包括用戶檢索行為和檢索系統(tǒng)設(shè)計(jì)，其中檢索系統(tǒng)設(shè)計(jì)又分為交互設(shè)計(jì)和用戶界面設(shè)計(jì)兩方面。許多研究都以數(shù)字圖書館作為背景開展。代表性研究如 Albertson[19]提出了一個(gè)以用戶為中心的數(shù)字圖書館交互與界面設(shè)計(jì)框架，該框架概括了用戶在不同情況下檢索數(shù)字資源時(shí)的交互方式，并能指導(dǎo)和支持?jǐn)?shù)字圖書館的資源設(shè)計(jì)決策。

2.3發(fā)展演進(jìn)

2.3.1? 主題演進(jìn)歷程

圖3展示了2013～2022年圖書情報(bào)領(lǐng)域多媒體信息檢索研究的主題演進(jìn)歷程?？傮w而言，2013～2017年研究主題的持續(xù)性較弱，2017～2022年研究主題的持續(xù)性較好；在主題演進(jìn)歷程中，新冠疫情、數(shù)字人文、主題檢索、交互性、深度學(xué)習(xí)等新興研究主題不斷涌現(xiàn)，這也印證了2.1節(jié)中對(duì)文獻(xiàn)量自2017年起呈逐年上升趨勢(shì)原因的推斷。

演進(jìn)歷程中形成了“FRBRoo&本體論”“搜索引擎&評(píng)估”和“深度學(xué)習(xí)&機(jī)器學(xué)習(xí)”3個(gè)持續(xù)性較好的主題演進(jìn)脈絡(luò)，且演進(jìn)中發(fā)生了主題分化：“搜索引擎&評(píng)估”研究于2017年分化為“信息搜尋&社會(huì)網(wǎng)絡(luò)”研究和“文獻(xiàn)計(jì)量&信息科學(xué)”研究，表明了搜索引擎作為研究用戶檢索行為的重要工具的地位。此外，“深度學(xué)習(xí)&機(jī)器學(xué)習(xí)”演進(jìn)脈絡(luò)于2021年演化為深度學(xué)習(xí)和大數(shù)據(jù)相關(guān)的研究，在與時(shí)興信息技術(shù)接軌的同時(shí)，其演進(jìn)強(qiáng)度為0.4，為各演進(jìn)脈絡(luò)中最高，具備持續(xù)演進(jìn)的潛力。

最后，演進(jìn)歷程中也存在若干中斷脈絡(luò)和孤立主題，如2013年出現(xiàn)的“數(shù)字圖書館&多媒體信息檢索”脈絡(luò)演進(jìn)至2015年則終止；“動(dòng)畫&查詢分析”主題的規(guī)模較大，但之后并未受到關(guān)注，這是由于其中包含的主題不再是領(lǐng)域中的熱點(diǎn)問題，或該主題的研究點(diǎn)被外界因素干擾而分散。

2.3.2 發(fā)展態(tài)勢(shì)

表征主題社區(qū)發(fā)展態(tài)勢(shì)的二維戰(zhàn)略圖如圖4所示，可以發(fā)現(xiàn)圖書情報(bào)領(lǐng)域多媒體信息檢索研究的各主題社區(qū)發(fā)展態(tài)勢(shì)對(duì)比鮮明：C2-圖像檢索位于第一象限，說明社區(qū)內(nèi)部各主題的研究熱度很高，社區(qū)研究框架亦發(fā)展至一定程度。圖像檢索作為多媒體信息檢索的重要分支，是研究中的核心分支，且發(fā)展前景很好。 C3-元數(shù)據(jù)位于第二象限，且密度最高，發(fā)展最為成熟，但在多媒體信息檢索研究中受到的關(guān)注有限，說明元數(shù)據(jù)研究具有獨(dú)立的體系，與總體研究關(guān)聯(lián)較弱。C1-特征抽取與表示位于第三象限，平均中心度和密度都最低，說明研究處于邊緣化和體系松散的狀態(tài)，可能的原因是隨著多媒體信息檢索理論的發(fā)展和技術(shù)的進(jìn)步，其包含的主題已經(jīng)不再是研究熱點(diǎn)。C4-檢索模型與框架和 C5-用戶體驗(yàn)位于第四象限，說明研究正在快速發(fā)展，內(nèi)涵在不斷擴(kuò)張，但主題社區(qū)內(nèi)統(tǒng)一的理論框架仍有進(jìn)一步完善的空間。

3結(jié)論與討論

研究基于主題結(jié)構(gòu)發(fā)現(xiàn)的研究方法，利用復(fù)雜網(wǎng)絡(luò)計(jì)算、文本內(nèi)容分析、科學(xué)知識(shí)圖譜和時(shí)序可視化等研究方法，分析圖書情報(bào)領(lǐng)域多媒體信息檢索的研究態(tài)勢(shì)，得到結(jié)論如下：

總體而言，2013～2022年圖書情報(bào)領(lǐng)域多媒體信息檢索的研究?jī)?nèi)涵逐步擴(kuò)張，新冠疫情、數(shù)字人文、主題檢索、交互性、深度學(xué)習(xí)等新興的研究主題不斷涌現(xiàn)。

在主題結(jié)構(gòu)上，整體研究的向心性較強(qiáng)，主題間具有顯著的聚合性與差異性，研究?jī)?nèi)涵范圍較大，體系有待完善。研究可分為五個(gè)主題社區(qū)：特征抽取與表示、圖像檢索、元數(shù)據(jù)、檢索模型與框架、用戶體驗(yàn)。這些社區(qū)中的許多主題都涉及信息組織的原理與方法，表明了信息組織與信息檢索間緊密的繼承關(guān)系，信息的有序、規(guī)范化組織是進(jìn)行高效檢索的前提。

在發(fā)展演進(jìn)上，“深度學(xué)習(xí)&機(jī)器學(xué)習(xí)”演進(jìn)脈絡(luò)與時(shí)興信息技術(shù)接軌，演進(jìn)強(qiáng)度在各演進(jìn)脈絡(luò)中最高，具備持續(xù)演進(jìn)的潛力。圖像檢索是當(dāng)前研究的核心，具有良好的發(fā)展前景。檢索模型與框架、用戶體驗(yàn)研究正快速發(fā)展，內(nèi)部統(tǒng)一的理論框架有可完善的空間。

基于不同領(lǐng)域的視角開展研究，有助于深入分析更復(fù)雜的問題和信息流。本研究幫助確定了圖書情報(bào)領(lǐng)域?qū)Χ嗝襟w信息檢索研究的關(guān)注點(diǎn)與貢獻(xiàn)，為研究人員理解圖書情報(bào)領(lǐng)域多媒體信息檢索的研究態(tài)勢(shì)，尤其是其主題結(jié)構(gòu)和發(fā)展演進(jìn)，提供了客觀且可靠的證據(jù)。

參考文獻(xiàn)：

[1] 馬費(fèi)成，宋恩梅，趙一鳴.信息管理學(xué)基礎(chǔ)[M ].武漢：武漢大學(xué)出版社，2018：212-256.

[2]? Mooers C N. The theory of digital handling of non- numericalinformation and its implications to machine economics [ M ].Boston：Zator Company，1950.

[3]? Rusi?ol M，de las Heras L P，Terrades O R. Flowchart recogni?tion for non- textual information retrieval in patent search[J]. Information retrieval，2014，17（5）：545-562.

[4]? Hagen? C? B. A? Proposed? Information- retrieval? System? forSound Recordings[J].Special Libraries，1965，56（4）：223-228.

[5] 孫吉紅，劉偉成，焦玉英.多媒體信息檢索研究與展望[J].計(jì)算機(jī)應(yīng)用研究，2008，25（3）：646-649.

[6] 薛向陽.多媒體信息檢索研究進(jìn)展：從檢索到推薦再到生成[J].世界科學(xué)，2021，44（6）：29-31.

[7] 陳珊.國內(nèi)多媒體信息檢索研究進(jìn)展[J].清遠(yuǎn)職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2013，6（1）：69-73.

[8]? Eck N J V，Waltman L. Software Survey：VOSviewer，a Com?puter Program for Bibliometric Mapping[J]. Scientometrics，2010，84（2）：523-538.

[9]? Price D J. Citation measures of hard science，soft science，technology，and nonscience[J]. Communication among scien? tists and engineers，1970，1（1）：3-22.

[10] 田沛霖，趙蓉英，常茹茹，等.信息計(jì)量學(xué)研究的知識(shí)結(jié)構(gòu)與發(fā)展態(tài)勢(shì)[J].情報(bào)科學(xué)，2022，40（7）：186-193.

[11]? Stegmann J，GrohmannG.Hypothesis generation guided byco-word clustering[J]. Scientometrics，2003，56（1）：111-135.

[12]? RosvallM，Bergstrom CT.Mappingchangeinlargenetworks[J].PloS one，2010，5（1）：e8694.

[13]? MacFarlane A，Missaoui S，F(xiàn)rankowska-Takhari S. On ma?chine learning and knowledge organisation in Multimedia In? formation Retrieval[C]//Proceedings of ISKO UK Sixth Bi? ennial Conference ：The Human Position in an ArtificialWorld：Creativity，Ethics and AI in Knowledge Organiza? tion. Nomos Verlagsgesellschaft，2020，47（1）：45-55.

[14]? Dias D C，Moreira W，Alves R C V. The thematic represen?tation of NASA digital images on Flickr the contributions of knowledge organization systems [J]. Rdbci- revista Digital de Biblioteconomia e Ciencia da Informacao，2020，18（1）： e020011.

[15]? Choi Y. Analysis of image search queries on the web：Querymodification patterns and semantic attributes[J]. Journal of the American Society for Information Science and Technolo ? gy，2013，64（7）：1423-1441.

[16]? Seco de Herrera A G，Schaer R，Müller H. Shangri –La：Amedical case –based retrieval tool[J]. Journal of the Associa? tion for Information Science and Technology，2017，68（11）：2587-2601.

[17]? Rezende L C，F(xiàn)erreira J R，Manini M P. Index of digital im?ages anatomical：incorporation of a written for imagery[J]. Biblios：Journal of Librarianship and Information Science，2019，24（2）：27-37.

[18]? Wang X，Song N，Liu X，et al. Data modeling and evaluationof deep semantic annotation for cultural heritage images[J]. Journal of Documentation，2021，77（4）：906-925.

[19]? Albertson D. An interaction and interface design frameworkfor video digital libraries [J]. Journal of documentation，2013，69（5）：667-692.