鐘文一

(貴州師范大學(xué)，貴州貴陽，550001)

一、引言

(一)大數(shù)據(jù)

截止到2011年，全球信息總量已經(jīng)突破1.8千萬兆億，并不斷以驚人的速度膨脹變大，這意味著“大數(shù)據(jù)”時代已經(jīng)降臨。哈佛大學(xué)知名學(xué)者提出：“這是一場革命，龐大的數(shù)據(jù)資源使得各個領(lǐng)域開始了量化進(jìn)程，無論學(xué)術(shù)界、商界還是政府，所有領(lǐng)域都將開始這種進(jìn)程?！贬槍@樣的一個變化，大數(shù)據(jù)時代最大的轉(zhuǎn)變就是，放棄對因果關(guān)系的渴求，取而代之的是關(guān)注相關(guān)關(guān)系。也就是說只要知道“是什么”，而不需要知道“為什么”。這就顛覆了千百年來人類的思維慣例，對人類的認(rèn)知和與世界交流的方式提出了全新的挑戰(zhàn)。

(二)大數(shù)據(jù)下圖書館服務(wù)模式的轉(zhuǎn)變

全球信息迅速膨脹帶來的數(shù)字資源的快速發(fā)展，使得有效利用大量結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的復(fù)雜數(shù)據(jù)逐漸成為圖書館工作的主旋律。隨著數(shù)據(jù)爆炸時代的來臨，以及網(wǎng)絡(luò)數(shù)字化環(huán)境的日益成熟，讀者迫切需要一個可以簡捷、快速獲得所有知識的理想平臺。同時，圖書館作為一個面向大眾的知識服務(wù)機構(gòu)，不僅需要了解客戶需要什么服務(wù)，更需要通過圖書館—用戶的服務(wù)關(guān)系去挖掘正在發(fā)生什么、預(yù)測和分析將來會發(fā)生什么，以便圖書館為讀者提供更好的服務(wù)模式并積極應(yīng)對未知的危機及挑戰(zhàn)。

二、大數(shù)據(jù)時代下的數(shù)據(jù)挖掘和情報分析機理

(一)知識挖掘

引入先進(jìn)的技術(shù)手段，如知識挖掘算法、索引規(guī)則等，對各類文獻(xiàn)資源數(shù)據(jù)進(jìn)行處理和分析，使得文獻(xiàn)的揭示由表面信息深入到各類文獻(xiàn)之間存在的復(fù)雜關(guān)系中，繼而幫助用戶發(fā)現(xiàn)潛藏在數(shù)據(jù)背后的信息。通過知識挖掘處理，展現(xiàn)給讀者的文獻(xiàn)資源不再是一個點對點的結(jié)果表示，而是揭示各信息資源關(guān)聯(lián)關(guān)系的立體知識體系。深入分析用戶需要的甚至用戶潛在的知識需求，為其提供更加精準(zhǔn)化的知識發(fā)現(xiàn)服務(wù)。

(二)情報分析

基于已有的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的知識組織和表示，綜合應(yīng)用數(shù)據(jù)挖掘、學(xué)習(xí)和推理技術(shù)，得出文獻(xiàn)資源的增減變動方向和變化趨勢，實現(xiàn)自動化、智能化的深入分析，幫助用戶獲取具有動態(tài)性、知識性和前沿性的情報知識。情報分析的主要作用是通過設(shè)置人機交互接口與用戶進(jìn)行交互。用戶可以通過一定的軟件環(huán)境指導(dǎo)學(xué)術(shù)原始數(shù)據(jù)的采集、抽取和分析處理過程及查看分析結(jié)果，并應(yīng)用可視化技術(shù)動態(tài)直觀地展現(xiàn)海量信息資源中潛在的規(guī)律和發(fā)展趨勢。

(三)中文發(fā)現(xiàn)系統(tǒng)

中文發(fā)現(xiàn)系統(tǒng)以各類結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)為底層基礎(chǔ)，通過先進(jìn)的數(shù)據(jù)倉儲、數(shù)據(jù)挖掘及搜索引擎等技術(shù)手段，全面揭示館藏內(nèi)及館藏以外的各種學(xué)術(shù)文獻(xiàn)的應(yīng)用、管理，并深入挖掘大量數(shù)據(jù)資源背后的信息，為用戶和圖書館提供知識發(fā)現(xiàn)服務(wù)。

圖1 中文發(fā)現(xiàn)系統(tǒng)

讀者需要的知識往往大于圖書館或系統(tǒng)所能想到的范圍，考慮到用戶的這一實際需求，中文發(fā)現(xiàn)系統(tǒng)通過挖掘各類數(shù)據(jù)與用戶行為之間的立體關(guān)系，實現(xiàn)以下效果：

發(fā)現(xiàn)知識：通過系統(tǒng)平臺、技術(shù)手段，深入分析圖書館員的工作與用戶的搜索行為，對信息資源進(jìn)行充分的挖掘、關(guān)聯(lián)和升值，更加全面和深入地揭示資源和服務(wù)的整體性，使得信息的查找和定位更加細(xì)化和快捷，幫助讀者發(fā)現(xiàn)所有所需資源。

價值再生：深入挖掘各文獻(xiàn)資源之間的立體關(guān)系，實現(xiàn)圖書、期刊、學(xué)位論文、會議論文等資源之間互引的立體引證關(guān)系與趨勢發(fā)展關(guān)系，分析挖掘大數(shù)據(jù)背后的潛藏信息，從而幫助讀者發(fā)現(xiàn)潛在的知識需求與研究信息。

三、中文發(fā)現(xiàn)系統(tǒng)功能案例分析

(一)引文分析

系統(tǒng)利用各種數(shù)學(xué)及統(tǒng)計學(xué)的方法進(jìn)行比較、歸納、抽象、概括等，對圖書、期刊、論文、著者等分析對象的引用和被引用現(xiàn)象進(jìn)行分析。使用的方法有圖論、模糊集合、數(shù)理統(tǒng)計等數(shù)學(xué)方法和邏輯思維方法，目的在于揭示文獻(xiàn)所蘊含的情報特征和相關(guān)關(guān)系。

引文分析可以幫助讀者超越時間空間，跨學(xué)科組織文獻(xiàn)，同傳統(tǒng)的分類法和主題法截然不同，使文獻(xiàn)有序化，有利于對文獻(xiàn)由表及里地深入展開分析，更易于量化。引文分析能夠幫助一些研究學(xué)者通過文獻(xiàn)引用頻率的分析研究測定某一學(xué)科的重要性或某一作者的影響力。通過文獻(xiàn)間的相互引證關(guān)系，分析某學(xué)科(或?qū)I(yè))文獻(xiàn)的參考文獻(xiàn)的來源和學(xué)科特性，不僅可以了解該學(xué)科與其他學(xué)科有哪些些聯(lián)系，而且還能探明其信息的來源及分布特征，從而為制定本學(xué)科的信息管理方案和發(fā)展規(guī)劃提供依據(jù)。另外可以通過被引用率與引用率來研究文獻(xiàn)老化規(guī)律?？筛鶕?jù)某著者被別人引用的程度衡量該文獻(xiàn)學(xué)術(shù)價值和影響。

系統(tǒng)通過引文分析不只實現(xiàn)期刊與期刊的引證，同時實現(xiàn)不同文獻(xiàn)類型、不同文獻(xiàn)信息要素之間的相互引證關(guān)系，最終實現(xiàn)一個立體的引用分析，方便讀者和圖書館全面掌握文獻(xiàn)信息的被引和施引關(guān)系。

功能描述：提供期刊與期刊、圖書與圖書、圖書與期刊、期刊與圖書的前向與后向引證關(guān)系；提供被引和施引文獻(xiàn)列表與鏈接，方便反向分析研究；中文期刊引用分析數(shù)據(jù)由4000萬完善到7000萬；引文關(guān)系數(shù)據(jù)總共超10億條；提供圖書、期刊、學(xué)位論文、會議論文等不同文獻(xiàn)之間相互引用的立體引用分析，即引文鏈狀分析；提供作者、出版社、刊名、作者單位、主題詞、分類等信息的引文網(wǎng)狀分析。

圖2 中文發(fā)現(xiàn)系統(tǒng)的引文分析功能

(二)學(xué)術(shù)源流

學(xué)術(shù)源流可以把文獻(xiàn)資源的研究單位從單一的文獻(xiàn)深化到文獻(xiàn)中存在的知識關(guān)聯(lián)中，通過學(xué)術(shù)源流可以按照知識概念形成知識相關(guān)鏈，這些關(guān)聯(lián)就是知識關(guān)聯(lián)的基礎(chǔ)。系統(tǒng)通過單向或雙向線性知識關(guān)聯(lián)構(gòu)成的鏈狀結(jié)構(gòu)延展開來，直到我們獲得解決問題的正確信息。通過學(xué)術(shù)源流可以按照作者形成學(xué)者相關(guān)鏈。針對文獻(xiàn)的基本要求，詳細(xì)分析出文獻(xiàn)學(xué)科領(lǐng)域與文獻(xiàn)作者信息間的關(guān)系；通過作者機構(gòu)可以按照機構(gòu)形式形成研究機構(gòu)相關(guān)鏈。建立作者機構(gòu)關(guān)聯(lián)后檢索作者所在機構(gòu)可以分析相關(guān)文獻(xiàn)，了解作者所在機構(gòu)的研究情況，使讀者能夠更清楚地了解作者的研究方向以及作者所在機構(gòu)的研究方向。

功能描述：知識相關(guān)鏈，提供通過分析知識源、知識活動和知識主體等得到的立體知識鏈，并提供這些知識鏈之間的關(guān)聯(lián)信息；作者相關(guān)鏈，提供作者與作者之間的多維關(guān)聯(lián)信息；作者機構(gòu)相關(guān)鏈，提供作者機構(gòu)與作者機構(gòu)之間的多維關(guān)聯(lián)信息。

其他策略：提供知識、作者、作者機構(gòu)等要素之間的立體關(guān)聯(lián)信息，方便追溯與挖掘?qū)W科與文獻(xiàn)信息的研究領(lǐng)域和研究方向；提供學(xué)術(shù)關(guān)聯(lián)關(guān)系與文獻(xiàn)信息的反向鏈接，便于再次學(xué)習(xí)查找。

首先，要求現(xiàn)有在職學(xué)生管理人員充分認(rèn)識到信息技術(shù)已成為了信息時代對高校學(xué)生管理工作最基本的能力要求，只有具有相應(yīng)的信息技術(shù)，才能做好大學(xué)生管理工作。其次，通過開展輔導(dǎo)員沙龍等形式，為教師間搭建良好的交流平臺，促進(jìn)學(xué)生管理隊伍大數(shù)據(jù)分析能力的有效提升。最后，通過開展講座、報告及交流等活動，促進(jìn)高校學(xué)生管理團隊多媒體操作技能與學(xué)生管理信息化系統(tǒng)管理能力的全面提升。

(三)趨勢分析

趨勢分析是通過對搜索主題的年代和篇數(shù)的相關(guān)數(shù)字資料進(jìn)行分析，對比多個連續(xù)的相同指標(biāo)，得出它們增減變動方向變化趨勢的一種分析方法。讀者通過搜索查找主題，得到該主題的趨勢曲線分析，并對其查找出的內(nèi)容結(jié)果根據(jù)年代進(jìn)行分析，可讓讀者快速了解搜索主題的學(xué)術(shù)趨勢?？梢圆榭床煌甏搶W(xué)術(shù)主題的數(shù)據(jù)研究，無論是在上升或下滑趨勢曲線中，當(dāng)曲線在某一階段處于上升或者處于波峰階段時，即是在該時間段內(nèi)學(xué)術(shù)研究興盛的時段；當(dāng)曲線在某一階段處于下滑或者處于波谷階段時，即是在該時間段內(nèi)學(xué)術(shù)研究低迷的時段，同時也具有學(xué)術(shù)趨勢發(fā)展的預(yù)判分析，為預(yù)測該學(xué)術(shù)未來發(fā)展的趨勢提供幫助。

功能描述：學(xué)術(shù)發(fā)展現(xiàn)狀，通過歸納、總結(jié)各類文獻(xiàn)數(shù)據(jù)的產(chǎn)出量與各項指標(biāo)，總結(jié)出搜索主題在規(guī)定時間段內(nèi)的學(xué)術(shù)發(fā)展趨勢；深入挖掘、分析文獻(xiàn)信息發(fā)展趨勢的波峰與波谷，結(jié)合搜索主題的各項指標(biāo)與關(guān)聯(lián)指標(biāo)，分析預(yù)測其未來發(fā)展趨勢。

圖3 中文發(fā)現(xiàn)系統(tǒng)的趨勢分析功能

(四)知識關(guān)聯(lián)與生長方向分析

知識不僅是一個立體的存在，同時也有著廣泛的空間屬性，知識與知識之間有著千絲萬縷的聯(lián)系，這些聯(lián)系就是知識關(guān)聯(lián)的基礎(chǔ)。通過知識的關(guān)聯(lián)，我們可以從A知識延伸至B知識、C知識……進(jìn)而延展開來，直到我們獲得解決問題的正確信息。知識關(guān)聯(lián)是我們從事知識活動和知識管理的基礎(chǔ)，知識管理的目的是科學(xué)組織和有效利用知識，而知識關(guān)聯(lián)是科學(xué)組織和有效利用知識的基本出發(fā)點和理論依據(jù)。因此，可以說，知識管理的本質(zhì)是知識關(guān)系的管理，通過對知識關(guān)系的管理來達(dá)到科學(xué)組織和有效利用知識的目的。

知識關(guān)聯(lián)是知識發(fā)現(xiàn)和知識創(chuàng)造的起點，揭示知識載體之間存在的各種關(guān)聯(lián)。可以從觸發(fā)一個知識點，從而帶動另一個知識點由平穩(wěn)過渡到加速發(fā)展的過程，同時支持多個主題或同類主題的學(xué)術(shù)產(chǎn)出等方面的對比與生長趨勢?？梢酝ㄟ^對比同一領(lǐng)域發(fā)展相關(guān)性分析將來的發(fā)展趨勢，還可以通過知識關(guān)聯(lián)對生長方向進(jìn)行分析，發(fā)現(xiàn)這些行為之間的關(guān)聯(lián)性、連續(xù)性，或以某一中介為紐帶建立起具備參考價值的趨勢曲線。

功能描述：提供同類主題、學(xué)科、領(lǐng)域等文獻(xiàn)資源的知識發(fā)展方向分析，方便研究某一學(xué)科領(lǐng)域或者主題方向的知識發(fā)展；挖掘分析多個主題、學(xué)科、領(lǐng)域等文獻(xiàn)資源的知識生長方向，便于發(fā)現(xiàn)不同學(xué)科領(lǐng)域或者主題之間的知識關(guān)聯(lián)性；提供不同機構(gòu)的學(xué)術(shù)文獻(xiàn)生長方向分析，便于合理有效地利用和掌握機構(gòu)的知識體系。

圖4 中文發(fā)現(xiàn)系統(tǒng)的知識關(guān)聯(lián)與生長方向分析功能

(五)可視化

通過計算機可視化技術(shù)，對統(tǒng)一結(jié)構(gòu)化的文獻(xiàn)信息字段進(jìn)行深度比對分析，繼而根據(jù)檢索關(guān)鍵詞的類型、時間、作者、學(xué)術(shù)價值等基本要素形成數(shù)量統(tǒng)計學(xué)方面的分析報告，并以可視化的圖表形式展現(xiàn)。同時，也可對相關(guān)研究主題進(jìn)行對比分析研究，并生成相關(guān)對比分析圖表，這可以幫助讀者了解相關(guān)學(xué)科熱門程度，合理選擇研究、開題方向，為科研人員宏觀研究數(shù)據(jù)提供了參考信息等，還可以幫助圖書館以直觀的方式直接查看圖書館信息資源的相關(guān)統(tǒng)計與發(fā)展趨勢信息。

功能描述：查看——讀者可根據(jù)檢索關(guān)鍵詞的類型、時間、作者、學(xué)科、學(xué)術(shù)價值等要素，對得到的檢索結(jié)果進(jìn)行統(tǒng)計分析聚合后，查看圖表統(tǒng)計結(jié)果；輸出——讀者可以對檢索結(jié)果進(jìn)行下載、打印等操作。

其他策略：提供圖書、期刊等學(xué)術(shù)發(fā)展趨勢曲線圖表；提供研究主題、學(xué)科的關(guān)聯(lián)對比分析曲線圖表；提供揭示圖書館各文獻(xiàn)信息現(xiàn)狀與發(fā)展趨勢曲線圖表。

(六)智能輔助

傳統(tǒng)的信息檢索系統(tǒng)中，用戶通過輸入檢索詞提交給系統(tǒng)，得到檢索結(jié)果并從中查找所需要的信息。中文發(fā)現(xiàn)系統(tǒng)在此基礎(chǔ)上加入智能輔助系統(tǒng)，主要方式是主動推送信息給用戶，在輸入檢索詞時系統(tǒng)自動判斷用戶所輸入的檢索詞是要找到什么，并將用戶所需要的信息推送給用戶。比如檢索一個作者時，系統(tǒng)會主動推送作者的簡歷與相關(guān)文章。

功能描述：提供檢索關(guān)鍵詞的相關(guān)詞條解釋；提供圖書、期刊等導(dǎo)航推送；分析用戶搜索行為，提供常用學(xué)科的推送；提供搜索作者的簡歷、發(fā)表文章、學(xué)術(shù)研究產(chǎn)出等推送；通過用戶的搜索習(xí)慣，發(fā)現(xiàn)讀者的潛在搜索需求，并進(jìn)行主動推送。

四、結(jié)論

中文發(fā)現(xiàn)系統(tǒng)建立在日益增長的海量數(shù)字資源基礎(chǔ)之上，其宗旨在于打破以往的書刊目錄發(fā)現(xiàn)和文獻(xiàn)全文發(fā)現(xiàn)方式，為讀者提供具備完善的知識挖掘與情報分析功能的知識發(fā)現(xiàn)系統(tǒng)。以數(shù)據(jù)挖掘的相關(guān)技術(shù)為支撐，對這些文獻(xiàn)資源進(jìn)行數(shù)據(jù)關(guān)聯(lián)與情報分析處理，深入發(fā)現(xiàn)隱藏在大量數(shù)據(jù)背后的信息，從而建立功能強大的新一代學(xué)術(shù)資源發(fā)現(xiàn)平臺，幫助讀者簡捷、快速獲得所有需要的知識。對讀者來說，中文發(fā)現(xiàn)系統(tǒng)是學(xué)習(xí)的工具；對圖書館來說，它是一個研究學(xué)習(xí)平臺，也是一個功能強大的文獻(xiàn)管理平臺。

[1] 王曉佳.大數(shù)據(jù)時代下的情報分析與挖掘技術(shù)研究[J].情報學(xué)報，2013(6).

[2] 王偉.基于數(shù)據(jù)挖掘的圖書館用戶行為分析偏好研究[J].情報科學(xué)，2012(3).

[3] 韓翠峰.大數(shù)據(jù)帶給圖書館的影響與挑戰(zhàn)[J].圖書與情報，2012(5).

[4] 何少卓.淺談數(shù)據(jù)挖掘及其在圖書館的應(yīng)用[J].圖書館界，2004(3).

[5] 蔣引娣.數(shù)字圖書館數(shù)據(jù)挖掘的基礎(chǔ)研究[J].現(xiàn)代情報，2007(8).

[6] 楊曄.數(shù)據(jù)挖掘技術(shù)在數(shù)字圖書館建設(shè)中的應(yīng)用[J].現(xiàn)代經(jīng)濟信息，2008(7).

[7] 劉海偉.淺談數(shù)據(jù)挖掘與圖書館期刊工作[J].內(nèi)蒙古科技與經(jīng)濟，2011(8).