高校檔案知識圖譜構(gòu)建及系統(tǒng)實(shí)現(xiàn)探析

張雯君

摘 要：隨著數(shù)字化進(jìn)程的深入，智慧校園的廣泛建設(shè)，產(chǎn)生大量形式異構(gòu)、內(nèi)容繁雜的高校數(shù)字資源。高校數(shù)字資源在收集、檢索查詢上的功能缺失，導(dǎo)致檔案關(guān)聯(lián)度差，無法深度開發(fā)資源和信息共享。構(gòu)建一種基于知識圖譜的檔案管理系統(tǒng)，解決高校檔案管理過程中知識關(guān)聯(lián)弱，檔案價值挖掘程度低等問題，為高校檔案智能管理提供新的思路。

關(guān)鍵詞：高校檔案；知識圖譜；檔案系統(tǒng)

知識圖譜這一概念起源于Google公司提出的“Google Knowledge Graph”，目的是優(yōu)化搜索引擎，用來提供更復(fù)雜的關(guān)聯(lián)信息查找，從語義層面解析用戶的意愿，從而給出更加具有針對性的搜索結(jié)果。高校檔案記錄了學(xué)校在教學(xué)、科研過程中發(fā)生的多種活動，對于學(xué)校的管理和建設(shè)起著重要的作用。將知識圖譜技術(shù)與高校檔案相結(jié)合，有效開發(fā)和利用多種形式的高校檔案資源，從高校檔案數(shù)據(jù)中構(gòu)建高校檔案本體關(guān)聯(lián)知識圖譜，以可視化的形式展示高校檔案，并基于知識圖譜展開有效的知識推理和語義檢索，實(shí)現(xiàn)高校檔案價值增值。

一、檔案知識圖譜研究應(yīng)用

隨著人工智能的快速發(fā)展，知識圖譜在檔案學(xué)探索中的運(yùn)用逐漸增多并不斷發(fā)展。參考現(xiàn)有的知識圖譜在檔案學(xué)中的應(yīng)用，可以得到啟發(fā)。例如，利用知識圖譜做關(guān)鍵詞共現(xiàn)分析，得到所有檔案中共同出現(xiàn)的關(guān)鍵詞詞頻，以此研究檔案的熱點(diǎn)內(nèi)容、共同特征等；繪制檔案關(guān)鍵詞共現(xiàn)的時間序列圖譜，展示不同時間段的檔案的熱點(diǎn)或共同特點(diǎn)；利用突現(xiàn)詞探測法了解檔案中出現(xiàn)的新內(nèi)容，還可以結(jié)合時區(qū)圖得到一段時間內(nèi)的檔案熱點(diǎn)內(nèi)容，知識圖譜除了應(yīng)用于語義搜索，還被應(yīng)用于推薦系統(tǒng)、輔助決策等方面。

二、高校檔案知識圖譜構(gòu)建的可行性

知識圖譜作為大數(shù)據(jù)時代一種可以揭示實(shí)體之間關(guān)系的技術(shù)，在知識的推理和語義檢索等方面展示了巨大的能量。能夠?qū)n案信息重新整合，將關(guān)系抽取出來，并利用可視化圖譜展現(xiàn)其系統(tǒng)化、有序化的知識組織。將知識圖譜運(yùn)用在高校檔案管理系統(tǒng)中具有以下優(yōu)勢：

1.知識圖譜可以實(shí)現(xiàn)信息共享，揭示數(shù)據(jù)之間的關(guān)聯(lián)性

高校檔案具有數(shù)據(jù)量大、內(nèi)容豐富的特點(diǎn)，為了快速挖掘檔案資源信息，知識圖譜可以將相關(guān)聯(lián)的數(shù)據(jù)重新組織成一個網(wǎng)絡(luò)數(shù)據(jù)群，以可視化圖譜的方式展示其知識脈絡(luò)。這樣不僅可以實(shí)現(xiàn)不同資源之間的快速連接，還能夠讓需求者快速獲得檔案信息，使得資源共享服務(wù)得到最大化。

2.知識圖譜可以提升檔案利用效率

知識圖譜通過挖掘碎片化的信息、重新組合以及描述發(fā)展進(jìn)程，了解實(shí)物之間的完整關(guān)系。因此，相比于傳統(tǒng)的檔案管理系統(tǒng)，知識圖譜可以提高檔案之間的利用率，實(shí)現(xiàn)查詢、檢索自動化，全面展示該領(lǐng)域中各要素的關(guān)聯(lián)情況、發(fā)展情況等。

3.知識圖譜可以展示檔案數(shù)據(jù)的動態(tài)特征

高校檔案隨著不同階段的加工往往會表現(xiàn)出動態(tài)的變化特征，知識圖譜的加入可以實(shí)現(xiàn)檔案數(shù)據(jù)的實(shí)時更新，對其開展動態(tài)調(diào)整從而保障檔案的完整性與準(zhǔn)確性。

相較于其他內(nèi)容的大數(shù)據(jù)，高校檔案數(shù)據(jù)記錄真實(shí)的教學(xué)活動和管理建設(shè)工作，經(jīng)過嚴(yán)格的分類，其內(nèi)容的表達(dá)也有嚴(yán)格的規(guī)范，有著較為完整的檔案元數(shù)據(jù)標(biāo)準(zhǔn)，為基于知識圖譜的檔案管理系統(tǒng)打下良好的數(shù)據(jù)基礎(chǔ)。目前，從高校檔案管理現(xiàn)狀以及系統(tǒng)需求分析，結(jié)合知識圖譜構(gòu)建過程，以山東建筑大學(xué)檔案為數(shù)據(jù)源，開發(fā)具有智能采集與歸檔、碎片化加工、增強(qiáng)高校檔案資源間關(guān)聯(lián)關(guān)系性能等系統(tǒng)，提升高校檔案管理水平，并解決其管理過程中知識關(guān)聯(lián)弱，檔案價值挖掘程度低等問題。

三、高校知識圖譜構(gòu)建方式和流程

1.高校知識圖譜構(gòu)建方式

知識圖譜普遍存在兩種構(gòu)建方式：一是自頂向下的構(gòu)建方式，首要建立圖譜模型，構(gòu)建知識圖譜本體，隨后將實(shí)體及屬性匹配設(shè)計到模式層本體中。自頂向下的方式，是垂直領(lǐng)域知識圖譜常用方式，因難度技術(shù)較低，需要依靠分類體系確定性高的結(jié)構(gòu)化知識庫；二是自底向上的構(gòu)建方式，利用公開的數(shù)據(jù)，運(yùn)用知識提取出知識，選擇高質(zhì)量的知識導(dǎo)入知識庫中，并加以組織。自底向上的方式，體系更加完備，具有較高的智能化，適用于非結(jié)構(gòu)化的知識庫。高校檔案知識庫存在大量異構(gòu)數(shù)據(jù)，較適用于自底向上的構(gòu)建方式。

2.高校檔案知識圖譜構(gòu)建流程

運(yùn)用信息技術(shù)抽取非結(jié)構(gòu)化、半結(jié)構(gòu)化以及結(jié)構(gòu)化數(shù)據(jù)的有效信息形成知識網(wǎng)絡(luò)是高校知識圖譜構(gòu)建的基礎(chǔ)。高校知識圖譜的構(gòu)建過程有三個階段，即知識抽取、知識融合與知識計算。知識抽取，即從高校原始數(shù)據(jù)中提煉出實(shí)體、屬性以及實(shí)體之間的關(guān)系；知識融合是指在完成知識抽取后，對新知識中相同的實(shí)體進(jìn)行整合，或消除具有矛盾和歧義的知識；知識計算的過程就是對新獲取的知識展開篩選評估的過程，經(jīng)過評估合格后的知識補(bǔ)充到知識庫中。

（1）知識抽取。 知識抽取是高校檔案知識圖譜構(gòu)建的第一步，通過自動化或半自動化的知識抽取技術(shù)，從高校檔案原始數(shù)據(jù)中獲得實(shí)體、關(guān)系及屬性等可用知識單元，為高校檔案知識圖譜的構(gòu)建提供知識基礎(chǔ)。

（2）知識融合。由結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)等多源異構(gòu)數(shù)據(jù)源抽取的知識存在冗余、語義沖突和知識重疊等問題。為了能夠更有效地構(gòu)建知識圖譜，要應(yīng)用知識合并技術(shù)從數(shù)據(jù)模式層融合和數(shù)據(jù)層融合兩方面實(shí)行融合，對知識實(shí)行實(shí)體消歧、沖突檢測、共指消解和實(shí)體整合處理。實(shí)體鏈接為知識融合的關(guān)鍵技術(shù)，主要包含實(shí)體消歧和共指消解。分別用于解決一詞多義以及指向同一實(shí)體有不同表述的問題。目前，實(shí)體消歧主要采用聚類法，而共指消解可以使用分類的方法和聚類的方法求解。

（3）知識計算。經(jīng)過知識抽技術(shù)得到的知識，經(jīng)過知識融合后，生成初步表達(dá)。然而，為了得到結(jié)構(gòu)化、網(wǎng)絡(luò)化的知識網(wǎng)絡(luò)，產(chǎn)生更精準(zhǔn)的模型，還需要展開知識計算。首先，知識計算需要構(gòu)建本體，也就是通過人工編輯的方法或由數(shù)據(jù)驅(qū)動機(jī)器的方法構(gòu)建特定領(lǐng)域的本體。其次，開展知識推理，運(yùn)用推理技術(shù)從現(xiàn)有數(shù)據(jù)中獲取新關(guān)聯(lián)，完成新知識的補(bǔ)充。知識推理的知識開展質(zhì)量評估，實(shí)現(xiàn)知識可信度的量化，保障知識庫的質(zhì)量。

四、基于高校檔案知識圖譜的檔案管理系統(tǒng)設(shè)計路徑

1.國內(nèi)高校檔案管理現(xiàn)狀分析

通過國內(nèi)外高校檔案管理研究綜述，并調(diào)研山東大學(xué)、濟(jì)南大學(xué)以及山東交通學(xué)院等山東省內(nèi)高校檔案管理現(xiàn)狀，在充分了解高校檔案資源專業(yè)性、綜合性等特點(diǎn)的基礎(chǔ)上，在研究中發(fā)現(xiàn)高校檔案管理經(jīng)過近幾年的發(fā)展，信息化水平有所提升。但在高校檔案管理模式、檔案收集、加工以及存儲與利用、信息共享等方面還存在諸多問題。

（1）高校檔案管理模式。目前，國內(nèi)高校仍以紙質(zhì)檔案管理為主，相關(guān)檔案管理制度主要適用于傳統(tǒng)檔案管理。檔案信息化制度建設(shè)和技術(shù)建設(shè)方面成果較少。部分高校因信息化管理意識欠缺、經(jīng)費(fèi)不足以及技術(shù)能力薄弱、專業(yè)人員缺乏等問題，尚未開展紙質(zhì)檔案數(shù)字化工作。對于已開展數(shù)字化工作的高校，仍有一半以上數(shù)據(jù)檢索需要靠人工完成，學(xué)生通過自行前往檔案館查閱，信息化還處于較低水平。

（2）檔案內(nèi)容的完整性。高校檔案管理的第一步是檔案收集，檔案收集的完整性、可靠性和準(zhǔn)確性決定了檔案利用價值。目前，高校檔案收集工作普遍存在檔案收集不當(dāng)、內(nèi)容缺失的問題。主要涉及三個原因，一是檔案收集制度不完善，缺乏有效的監(jiān)督機(jī)制使得檔案未能及時歸檔；二是檔案的來源比較廣泛，分散于各個部門，加大了檔案收集的難度；三是檔案收集流程不規(guī)范，未做到應(yīng)收盡收，存在缺少附件、日期不明確和內(nèi)容缺失等問題。

（3）檔案的存儲與共享利用。一般來說，高校檔案分散存儲在不同部門，且各部門之間無法相互訪問，各部門之間缺少溝通與聯(lián)系，高校檔案管理存在著分散和多重管理的問題。解決這一問題，需要各類單位、機(jī)構(gòu)、部門建立共享機(jī)制，實(shí)現(xiàn)資源共享。此外，由于檔案存儲不當(dāng)，存儲流程細(xì)節(jié)不夠具體，極易造成檔案丟失。電子檔案的存儲會因?yàn)榫哂幸欢ǖ拈_放性而遭到泄露和入侵。目前，各高校的檔案系統(tǒng)還未實(shí)現(xiàn)專業(yè)化與數(shù)字化，檔案之間的調(diào)用與查閱過于煩瑣，無法直接利用。因此，構(gòu)建一個科學(xué)、系統(tǒng)的高校檔案管理系統(tǒng)是必不可少的。

2.系統(tǒng)技術(shù)支持及框架設(shè)計

面對海量的異構(gòu)數(shù)據(jù)，高校管理者需要從管理軟件中解決檔案的智慧化收集和歸檔等問題。運(yùn)用知識圖譜技術(shù)，匯集高校行政、人事、科研、資產(chǎn)和學(xué)生等各類的檔案，從而使之產(chǎn)生關(guān)聯(lián)，為高校高質(zhì)量發(fā)展提供檔案數(shù)據(jù)支撐。

基于知識圖譜構(gòu)建方式的利弊，選擇自下而上的構(gòu)建方式，構(gòu)建高校檔案管理系統(tǒng)。總體架構(gòu)自下而上劃分為數(shù)據(jù)解析層、智能識別層、語義關(guān)聯(lián)層和智能管理層。

（1）數(shù)據(jù)分析層。數(shù)據(jù)分析層為高校檔案管理系統(tǒng)提供數(shù)據(jù)與收集規(guī)則。由于高校檔案資源分散于各個部門管理，且類型各異，有儲存在數(shù)據(jù)庫的結(jié)構(gòu)化數(shù)據(jù)，也有以圖片、文本形式存在的非結(jié)構(gòu)化數(shù)據(jù)。這些檔案沒有經(jīng)過系統(tǒng)處理，加大后期檔案的識別與加工難度，因此，需要在數(shù)據(jù)解析層設(shè)計檔案收集規(guī)則。針對不同格式的數(shù)據(jù)源分別開發(fā)對應(yīng)的解析工具，使用ETL引擎對來源數(shù)據(jù)實(shí)行解析、抽取和結(jié)構(gòu)化處理，保證從各數(shù)據(jù)源采集的數(shù)據(jù)可以統(tǒng)一清洗、規(guī)范、管理和使用，并嚴(yán)格按照統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)實(shí)行存儲。

（2）知識抽取層。在智能識別層主要提取檔案中不同類型的實(shí)體、關(guān)系與屬性值，并用三元組的表示方式揭示各檔案數(shù)據(jù)之間的關(guān)聯(lián)。例如，從結(jié)構(gòu)化數(shù)據(jù)中生成檔案、人員、時間和具體發(fā)生的事情等實(shí)體，并獲取對應(yīng)的屬性值。由于高校檔案數(shù)據(jù)量過大，可利用機(jī)器學(xué)習(xí)方法完成檔案資源關(guān)系的抽取，按照知識圖譜中知識抽取的步驟將這些內(nèi)容存儲在數(shù)據(jù)庫中，并轉(zhuǎn)化為RDF三元組的形式，方便后續(xù)的管理與應(yīng)用。

（3）知識關(guān)聯(lián)層。語義關(guān)聯(lián)層對抽取出來的信息實(shí)行知識融合和語義豐富化。從多個來源獲取檔案數(shù)據(jù)后，由于某些實(shí)體可能存在多種表達(dá)方式，因此，需要消除矛盾和歧義，并補(bǔ)充其屬性信息。在知識圖譜中，可視化直接提供了高校檔案的直接分析。根據(jù)建立的知識圖譜系統(tǒng)原型，使用相關(guān)的推理引擎對高校檔案中的關(guān)聯(lián)關(guān)系作出合理推理，以便后續(xù)的更新與管理。此外，可以利用文本相似度等方法對檔案中的內(nèi)容作出相似度分析，豐富圖譜中檔案的關(guān)聯(lián)程度和數(shù)據(jù)信息。

（4）智能管理層。根據(jù)已經(jīng)構(gòu)建好的基于知識圖譜的高校檔案管理系統(tǒng)，在智能管理層融合數(shù)據(jù)解析模塊、語義識別模塊和語義推理模塊等。利用檔案數(shù)據(jù)的特性，對知識圖譜中的數(shù)據(jù)開展知識挖掘，形成高校檔案和其他數(shù)據(jù)庫的新關(guān)聯(lián)。此外，在可視化功能上，使用者利用檢索功能對想要查詢的檔案資源進(jìn)行調(diào)動，通過系統(tǒng)內(nèi)部的解析形成個人的檔案知識圖譜。

3.系統(tǒng)核心功能

（1）智能化采集與歸檔。目前，高校檔案資源主要包含紙質(zhì)資源與電子資源兩種。其中，紙質(zhì)檔案要利用掃描設(shè)備實(shí)現(xiàn)數(shù)字化。對于不同來源的信息數(shù)據(jù)利用智能化技術(shù)對檔案資源所包含的內(nèi)容展開智能識別、采集，排除無效信息，滿足用戶的查詢需求。

（2）自動抽取與關(guān)聯(lián)。高校檔案種類多且繁雜，需要運(yùn)用知識圖譜技術(shù)開展知識抽取。通過構(gòu)建實(shí)體、關(guān)系、屬性的RDF三元組，利用實(shí)體抽取辨別實(shí)例數(shù)據(jù)是否被定義，利用關(guān)系抽取分析實(shí)體關(guān)聯(lián)程度，利用屬性抽取采集特定實(shí)體信息。

（3）語義增強(qiáng)。在傳統(tǒng)的檔案系統(tǒng)中，檔案之間的利用率極低，限制了檔案中真正有價值的信息流動。而基于知識圖譜的高校檔案管理系統(tǒng)可以利用語義技術(shù)促進(jìn)檔案數(shù)據(jù)的關(guān)聯(lián)與利用，將檔案實(shí)行多元化語義關(guān)聯(lián)，方便系統(tǒng)管理員智能化組織檔案資源，以增強(qiáng)檔案資源語義性，形成高質(zhì)量的高校檔案知識圖譜，提升檔案管理效率。

五、高校檔案知識圖譜構(gòu)建思考

通過開展高校檔案知識圖譜應(yīng)用研究，旨在推動高校檔案管理模式向語義關(guān)聯(lián)化與智能化發(fā)展。構(gòu)建高校檔案知識圖譜及開發(fā)高校檔案系統(tǒng)時，還需要考慮幾個問題：（1）由于現(xiàn)有的知識圖譜繪制軟件較多，選擇合適的繪圖軟件變得很有必要。已有學(xué)者對使用率較高的幾個知識圖譜軟件的功能、優(yōu)勢和缺陷進(jìn)行了對比分析，使用者在選擇時仍要充分了解不同軟件的特性，充分理解其應(yīng)用的主題，并做出最合適的選擇。（2）知識圖譜繪制軟件多數(shù)對中文數(shù)據(jù)的兼容性不強(qiáng)，通常需要對中文數(shù)據(jù)展開格式轉(zhuǎn)化。

參考文獻(xiàn)：

[1]董 偉，朱小梅，徐少同.基于知識圖譜的近10年國際電子政務(wù)研究進(jìn)展分析[J]. 圖書情報工作，2012（13）：19-25.

[2]張 璇，蘇 楠，楊紅崗，等.2000-2011年國際電子政務(wù)的知識圖譜研究——基于Citespace和VOSviewer的計量分析[J].情報雜志，2012，31（12）：51-57

[3]趙范心.基于知識圖譜的檔案知識服務(wù)模式思考[J].辦公室業(yè)務(wù)，2022，（13）：64-66.

（作者單位：山東建筑大學(xué)）