田 青

1 圖書館大數(shù)據(jù)時(shí)代的來臨

在互聯(lián)網(wǎng)快速發(fā)展的推動(dòng)下，數(shù)據(jù)量和數(shù)據(jù)類型也在不斷地激增，麥肯錫首次在咨詢報(bào)告中提及“大數(shù)據(jù)”，并指出“大數(shù)據(jù)是指無法在一定時(shí)間內(nèi)用傳統(tǒng)數(shù)據(jù)庫軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合?！保?］更有學(xué)者指出“大數(shù)據(jù)是組織內(nèi)外網(wǎng)頁數(shù)據(jù)的集合”?？梢?，在互聯(lián)網(wǎng)的推動(dòng)下，數(shù)據(jù)在數(shù)量、類型、速度、格式、價(jià)值等方面都發(fā)生著巨大的變化，由大數(shù)據(jù)構(gòu)成的新產(chǎn)業(yè)環(huán)境正在加速發(fā)展，并不斷對(duì)各行各業(yè)甚至是國(guó)家與政府發(fā)揮著巨大的牽引力。由于整個(gè)信息生態(tài)環(huán)境的變化，直接對(duì)圖書館產(chǎn)生著影響，圖書館外部的數(shù)據(jù)源不斷增多，充實(shí)著圖書館的館藏資源，并因其動(dòng)態(tài)發(fā)展不斷增加與改變著圖書館的數(shù)據(jù)結(jié)構(gòu)，這成為圖書館大數(shù)據(jù)的主要構(gòu)成部分;同時(shí)，由于圖書館需要對(duì)這些數(shù)據(jù)進(jìn)行管理，由此會(huì)產(chǎn)生管理數(shù)據(jù)、流通數(shù)據(jù)、分析數(shù)據(jù)、關(guān)聯(lián)數(shù)據(jù)等，這對(duì)數(shù)據(jù)的應(yīng)用與開發(fā)、館藏結(jié)構(gòu)的建設(shè)與調(diào)整，以及分析用戶需求變化等及其重要，也是圖書館大數(shù)據(jù)的構(gòu)成部分;此外，圖書館內(nèi)部的用戶因自身工作、學(xué)習(xí)與生活受大數(shù)據(jù)的影響，用戶的信息需求行為與知識(shí)需求也在不斷地發(fā)生著變化，圖書館為了能在第一時(shí)間了解用戶的需求與變化趨勢(shì)，重點(diǎn)深入地開展用戶行為分析，包括用戶的個(gè)人信息、借閱信息、知識(shí)服務(wù)過程、知識(shí)解決方案記錄、社會(huì)網(wǎng)絡(luò)信息、即時(shí)信息等，即用戶的動(dòng)態(tài)行為數(shù)據(jù)也成為圖書館大數(shù)據(jù)的構(gòu)成部分。而在每類數(shù)據(jù)構(gòu)成中又都存在著比以往任何時(shí)候都多的形式、類型與不同價(jià)值的數(shù)據(jù)內(nèi)容，因此，當(dāng)外部信息環(huán)境進(jìn)入到大數(shù)據(jù)時(shí)代時(shí)，圖書館等信息機(jī)構(gòu)受其影響將最為明顯，圖書館應(yīng)積極應(yīng)對(duì)大數(shù)據(jù)時(shí)代對(duì)自身的沖擊，重新思考現(xiàn)行的數(shù)據(jù)存儲(chǔ)方法、數(shù)據(jù)管理模式與知識(shí)服務(wù)模式，充分利用大數(shù)據(jù)為圖書館提供的機(jī)遇，將大數(shù)據(jù)內(nèi)嵌于圖書館的知識(shí)服務(wù)中，更好地服務(wù)于用戶。

2 知識(shí)存儲(chǔ)與圖書館知識(shí)服務(wù)之間的關(guān)系

2.1 知識(shí)存儲(chǔ)是知識(shí)服務(wù)的基礎(chǔ)

一個(gè)完整的數(shù)據(jù)生命周期包括數(shù)據(jù)加工和知識(shí)抽取兩個(gè)層次，而數(shù)據(jù)加工又包括初次加工與高級(jí)加工，數(shù)據(jù)存儲(chǔ)隸屬于數(shù)據(jù)初次加工的范疇，而高級(jí)加工與知識(shí)抽取等都要基于數(shù)據(jù)存儲(chǔ)來進(jìn)行。與此同理，知識(shí)管理也是在知識(shí)庫的基礎(chǔ)上，實(shí)現(xiàn)組織內(nèi)員工的知識(shí)共享與交流，不斷提升知識(shí)創(chuàng)新能力，以增強(qiáng)組織的應(yīng)變能力與市場(chǎng)競(jìng)爭(zhēng)力。在知識(shí)管理的過程中，知識(shí)庫的建立正是知識(shí)存儲(chǔ)的集中體現(xiàn)，借助于數(shù)據(jù)轉(zhuǎn)換為知識(shí)的過程，將有價(jià)值的知識(shí)有目的地存入機(jī)構(gòu)庫或數(shù)據(jù)倉庫中，以備知識(shí)共享、知識(shí)交流與知識(shí)創(chuàng)新所用。因此，知識(shí)存儲(chǔ)成為知識(shí)服務(wù)的前提，知識(shí)存儲(chǔ)的數(shù)量、種類、格式、知識(shí)元、標(biāo)引方法等直接影響知識(shí)服務(wù)的內(nèi)容、方法、模式、平臺(tái)等［2］。

2.2 知識(shí)存儲(chǔ)的質(zhì)量決定知識(shí)服務(wù)的質(zhì)量水平

圖書館的知識(shí)服務(wù)觀是信息社會(huì)發(fā)展下的必然產(chǎn)物，圖書館因其對(duì)知識(shí)的專業(yè)性與技能性，能夠從用戶的需求出發(fā)，分析用戶的知識(shí)需求，基于內(nèi)外知識(shí)的儲(chǔ)備與融合能夠向用戶提供問題的解決方案。雖然在知識(shí)服務(wù)的過程中，圖書館員的專業(yè)性占據(jù)了較大的比例，但是“巧婦難為無米之炊”，知識(shí)服務(wù)的基礎(chǔ)是每一個(gè)有意義的知識(shí)單元，館員正是從這些有價(jià)值的知識(shí)元出發(fā)，發(fā)現(xiàn)蘊(yùn)含其中的聯(lián)系與機(jī)理，不斷地剖析推理，才能為用戶提供優(yōu)質(zhì)的知識(shí)服務(wù)。因此，知識(shí)存儲(chǔ)的數(shù)量與質(zhì)量決定著知識(shí)服務(wù)的范圍、深度與質(zhì)量水平，圖書館要想在知識(shí)服務(wù)的領(lǐng)域中爭(zhēng)得一席之地，必須扎扎實(shí)實(shí)地搞好知識(shí)存儲(chǔ)的工作。

2.3 知識(shí)存儲(chǔ)與知識(shí)服務(wù)內(nèi)嵌于知識(shí)管理過程中

知識(shí)管理就是要通過對(duì)確定有效的知識(shí)單元進(jìn)行處理(包括知識(shí)標(biāo)引、知識(shí)表達(dá)、知識(shí)存儲(chǔ)、知識(shí)檢索、知識(shí)計(jì)量、知識(shí)評(píng)價(jià)等) 以達(dá)到知識(shí)服務(wù)、知識(shí)發(fā)現(xiàn)和知識(shí)創(chuàng)新的目的［3］。由此可見，知識(shí)存儲(chǔ)與知識(shí)服務(wù)共同隸屬于知識(shí)管理過程，經(jīng)過數(shù)據(jù)轉(zhuǎn)換為知識(shí)的處理后，知識(shí)元成為知識(shí)的基本單位，不僅可成為知識(shí)存儲(chǔ)的特征點(diǎn)，同時(shí)也可成為知識(shí)服務(wù)時(shí)的檢索點(diǎn)，提高知識(shí)服務(wù)的響應(yīng)速度和效率，而且知識(shí)服務(wù)的結(jié)果與過程也可成為新的知識(shí)點(diǎn)進(jìn)入知識(shí)存儲(chǔ)階段，不斷增加與更新知識(shí)的容量與質(zhì)量，二者互為依存、互為進(jìn)退，共同內(nèi)嵌于知識(shí)管理的情境中，既統(tǒng)一于知識(shí)管理的統(tǒng)一戰(zhàn)略，又具有各自的獨(dú)特性，共同服務(wù)于用戶實(shí)現(xiàn)知識(shí)創(chuàng)新的目標(biāo)。

3 圖書館大數(shù)據(jù)的知識(shí)存儲(chǔ)規(guī)劃

圖書館在大數(shù)據(jù)的背景下，面臨著數(shù)據(jù)來源繁多、形式多樣、格式多元等特點(diǎn)，只有對(duì)大數(shù)據(jù)進(jìn)行有序的規(guī)劃與處理，才能為知識(shí)服務(wù)提供夯實(shí)的基礎(chǔ)。圖書館的知識(shí)存儲(chǔ)規(guī)劃分為數(shù)據(jù)轉(zhuǎn)換、知識(shí)評(píng)估、知識(shí)分類、知識(shí)存儲(chǔ)4個(gè)過程 (見圖1) ，在用戶需求的導(dǎo)向下，將大數(shù)據(jù)轉(zhuǎn)換為有價(jià)值的知識(shí)，利用數(shù)據(jù)生命周期、價(jià)值性、更新頻率、使用頻率等指標(biāo)對(duì)知識(shí)進(jìn)行重要性評(píng)估，對(duì)知識(shí)進(jìn)行重要性排序，基于此進(jìn)行知識(shí)分類，形成從高到低的知識(shí)層次，對(duì)應(yīng)不同重要級(jí)別的知識(shí)進(jìn)行分級(jí)分層存儲(chǔ)，同時(shí)需要預(yù)防各種可能的數(shù)據(jù)存儲(chǔ)災(zāi)難，保證知識(shí)數(shù)據(jù)的實(shí)時(shí)、同步與可用性。

圖1 圖書館大數(shù)據(jù)的知識(shí)存儲(chǔ)規(guī)劃過程

3.1 數(shù)據(jù)轉(zhuǎn)換為知識(shí)

大數(shù)據(jù)的“大”為圖書館的知識(shí)服務(wù)提供了豐富的數(shù)據(jù)源，從數(shù)據(jù)類型上看，有結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù);從數(shù)據(jù)類型來看，有音頻、文本、視頻、URL、圖像、即時(shí)通信、電子商務(wù)等;從數(shù)據(jù)來源看，有圖書館外部的信息機(jī)構(gòu)、網(wǎng)絡(luò)等數(shù)據(jù)和圖書館內(nèi)部的館藏目錄數(shù)據(jù)、圖書、論文、專利、標(biāo)準(zhǔn)、電子數(shù)據(jù)庫及動(dòng)態(tài)的RFID數(shù)據(jù)、用戶信息行為記等，但這些數(shù)據(jù)都是對(duì)客觀事物的屬性、特點(diǎn)、位置及相互關(guān)系的抽象表述，是客觀社會(huì)中的原始資料，適合人們進(jìn)行保存、傳播與加工處理。而知識(shí)是對(duì)數(shù)據(jù)處理后形成的信息再進(jìn)行定量與定性的歸納、演繹的邏輯推理后形成的、經(jīng)過實(shí)踐檢驗(yàn)的、有價(jià)值的、被人消化吸收的結(jié)果。因此，知識(shí)是對(duì)數(shù)據(jù)處理后的高級(jí)產(chǎn)物，而知識(shí)恰恰是圖書用戶利用的對(duì)象，不能與用戶需求聯(lián)系的任何數(shù)據(jù)都是沒有價(jià)值的。因此，在知識(shí)存儲(chǔ)的過程中，首先要對(duì)大數(shù)據(jù)進(jìn)行知識(shí)轉(zhuǎn)換與處理，基于用戶需求角度，對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)過濾、數(shù)據(jù)清洗、數(shù)據(jù)格式處理、知識(shí)元分解等處理過程，將數(shù)量龐大的大數(shù)據(jù)升級(jí)為用戶可用的、有價(jià)值的知識(shí)元對(duì)象。

3.2 知識(shí)評(píng)估

對(duì)知識(shí)進(jìn)行存儲(chǔ)的前提是將知識(shí)按照重要性將其進(jìn)行分類，以重要程度的不同來進(jìn)行分類存儲(chǔ)。因此，需要對(duì)知識(shí)進(jìn)行評(píng)價(jià)，知識(shí)分類可選擇的指標(biāo)較多，如按照數(shù)據(jù)的生命周期、數(shù)據(jù)的價(jià)值性、數(shù)據(jù)存儲(chǔ)成本、數(shù)據(jù)在線與離線、知識(shí)的使用頻率、知識(shí)的可重復(fù)性等。如以用戶的使用頻率與知識(shí)的可重復(fù)性兩個(gè)屬性來對(duì)知識(shí)進(jìn)行分類，可形成UF－KR二維圖，如圖2所示。用戶的使用頻率可用知識(shí)服務(wù)引擎或者圖書館服務(wù)管理系統(tǒng)自動(dòng)進(jìn)行搜集與記錄，將用戶在不同時(shí)間、不同地點(diǎn)、不同知識(shí)需求及其知識(shí)查詢結(jié)果等知識(shí)行為記錄下來，根據(jù)不同知識(shí)使用頻率的排序，將知識(shí)分為3類，分別為高使用頻率知識(shí)、中使用頻率知識(shí)與低使用頻率知識(shí);知識(shí)的可重復(fù)性這一指標(biāo)的確定比較容易，如實(shí)時(shí)觀測(cè)的數(shù)據(jù)難以進(jìn)行重復(fù)，這些數(shù)據(jù)就需要進(jìn)行長(zhǎng)期保存。如美國(guó)航空航天局 (NASA) 建設(shè)的DAAC's計(jì)劃，涉及數(shù)據(jù)篩選與清洗、定義與保存元數(shù)據(jù)、定義文件格式、確定需要保存的數(shù)據(jù)等各項(xiàng)長(zhǎng)期保存計(jì)劃，目的就是保存實(shí)時(shí)的衛(wèi)星觀測(cè)數(shù)據(jù)，做好存檔與再利用的準(zhǔn)備工作。同樣，將知識(shí)的可重復(fù)性也劃分為高、中、低3個(gè)層次，這樣，具體知識(shí)因其使用頻率域可重復(fù)性的不同特點(diǎn)落在相應(yīng)的象限中，據(jù)此我們將知識(shí)進(jìn)行分類。依據(jù)此原理，我們也可以增加分類的維度，形成更為綜合的知識(shí)矩陣，知識(shí)存儲(chǔ)系統(tǒng)可依據(jù)知識(shí)排序后的劃分與計(jì)算方法進(jìn)行知識(shí)歸類，然后自動(dòng)存儲(chǔ)在相應(yīng)的存儲(chǔ)空間中，并支持動(dòng)態(tài)的知識(shí)調(diào)整與維護(hù)。

3.3 知識(shí)分類

將知識(shí)進(jìn)行分類的方法很多，如邁克爾·波拉尼根據(jù)知識(shí)的編碼程度分為顯性知識(shí)與隱性知識(shí)，日本學(xué)者野中郁次郎在此基礎(chǔ)上，認(rèn)識(shí)到顯性知識(shí)與隱性知識(shí)之間的相互轉(zhuǎn)換關(guān)系，提出二者之間的動(dòng)態(tài)轉(zhuǎn)換模型，以期為知識(shí)創(chuàng)新提供基礎(chǔ)。我們借鑒此思想，將知識(shí)與知識(shí)服務(wù)、知識(shí)創(chuàng)新的關(guān)系引進(jìn)來，知識(shí)的分類必須考慮最終用戶的使用情況與價(jià)值效果，結(jié)合用戶使用知識(shí)的實(shí)際情況，如知識(shí)訪問頻率、響應(yīng)速度要求、安全性能等，如前所述，根據(jù)知識(shí)評(píng)估的重要性排序，確定劃分標(biāo)準(zhǔn)，可形成高、中、低3類，這是基本的類別，圖2應(yīng)用用戶使用頻率與知識(shí)可重復(fù)性兩個(gè)維度形成4種知識(shí)類型，對(duì)應(yīng)不同的象限選擇對(duì)應(yīng)的知識(shí)存儲(chǔ)類型。如果圖書館的存儲(chǔ)預(yù)算、成本、存儲(chǔ)設(shè)備與技術(shù)支持允許知識(shí)多層存儲(chǔ)，可以再多設(shè)置知識(shí)類別，前提是二者之間必須協(xié)調(diào)統(tǒng)一，相互之間能夠支持與匹配，充分調(diào)動(dòng)圖書館內(nèi)部各種資源的最大潛力，實(shí)現(xiàn)資源的最優(yōu)化配置。

圖2 UF－KR二維知識(shí)評(píng)估范例

3.4 知識(shí)分層存儲(chǔ)

國(guó)外某些圖書館逐漸認(rèn)識(shí)到資源的不同級(jí)別重要程度，對(duì)資源進(jìn)行分級(jí)處理，如人文數(shù)據(jù)服務(wù)機(jī)構(gòu) (AHDS) 將網(wǎng)絡(luò)資源分為檔案級(jí)、服務(wù)級(jí)、代理級(jí)、鏈接級(jí)與檢索工具5個(gè)級(jí)別分別采集;伯克利數(shù)字圖書館分為檔案級(jí)、服務(wù)級(jí)、鏡像級(jí)、鏈接級(jí)4個(gè)級(jí)別;加拿大國(guó)家圖書館則分為檔案級(jí)、服務(wù)級(jí)與鏈接級(jí)［4］3個(gè)級(jí)別……表明國(guó)外實(shí)體機(jī)構(gòu)與研究人員不僅認(rèn)識(shí)到網(wǎng)絡(luò)資源的重要性，同時(shí)對(duì)資源的價(jià)值性、獲取的級(jí)別性與維護(hù)成本進(jìn)行了多方位考慮，使其資源的獲取與存儲(chǔ)變得更為高效。同理，根據(jù)知識(shí)的3個(gè)分類級(jí)別，應(yīng)該設(shè)置相對(duì)應(yīng)的存儲(chǔ)層次，一是快速存儲(chǔ)區(qū)，可使用低成本或是高端磁盤陣列，其特點(diǎn)是容錯(cuò)性高、在線訪問速度快、數(shù)據(jù)可靠性高 (可保護(hù)由硬盤故障導(dǎo)致的數(shù)據(jù)丟失) 等，主要適用于知識(shí)訪問頻率高、技術(shù)支持速度快、數(shù)量小、價(jià)格昂貴的知識(shí)類型，包括重要性知識(shí)、使用頻率高的知識(shí)等;二是備份級(jí)存儲(chǔ)區(qū)，主要是離線存儲(chǔ)方式，使用光盤、磁帶、容災(zāi)備份磁盤陣列、跨地域數(shù)據(jù)復(fù)制等手段，其特點(diǎn)是成本低、容量大、訪問少，主要適用于對(duì)在線數(shù)據(jù)的存儲(chǔ)、需要長(zhǎng)期保存不可重復(fù)的知識(shí)數(shù)據(jù)以及知識(shí)數(shù)據(jù)在不同階段及非常時(shí)期可能遇到的雪崩式災(zāi)難等。三是介于快速存儲(chǔ)與備份存儲(chǔ)之間的中級(jí)存儲(chǔ)區(qū)，其知識(shí)價(jià)值性、使用頻率、存儲(chǔ)成本、安全要求等指標(biāo)處于中級(jí)水平，可使用Hadoop開源分布式計(jì)算平臺(tái)，集成多個(gè)知識(shí)節(jié)點(diǎn)的存儲(chǔ)功能，實(shí)現(xiàn)知識(shí)數(shù)據(jù)有效結(jié)合與分布，而每個(gè)知識(shí)節(jié)點(diǎn)的數(shù)量可以是有限的;也可使用Cloudera、微軟、Amazon等提供的云形式的存儲(chǔ)方案［5］。四是存儲(chǔ)知識(shí)的動(dòng)態(tài)調(diào)整，知識(shí)存儲(chǔ)系統(tǒng)能夠自動(dòng)根據(jù)知識(shí)的分類級(jí)別設(shè)置相應(yīng)的存儲(chǔ)類別，實(shí)現(xiàn)知識(shí)與存儲(chǔ)空間的對(duì)等性，并隨著用戶知識(shí)需求的變化、知識(shí)老化周期的發(fā)展，知識(shí)存儲(chǔ)系統(tǒng)應(yīng)具備知識(shí)遷移功能，將訪問頻率下降到一定程度的知識(shí)調(diào)出本存儲(chǔ)區(qū)，并動(dòng)態(tài)地從其他存儲(chǔ)區(qū)調(diào)入新出現(xiàn)的熱數(shù)據(jù)，始終保持不同存儲(chǔ)層的知識(shí)對(duì)等，這樣才能兼顧知識(shí)的使用頻率、存儲(chǔ)成本、運(yùn)行速度、安全、預(yù)算等相關(guān)因素。

4 結(jié)語

大數(shù)據(jù)對(duì)圖書館資源收集、組織、存儲(chǔ)、檢索與利用都存在著不同程度的作用效果。相關(guān)學(xué)者從云平臺(tái)、分布式、協(xié)同體系、知識(shí)推薦等角度對(duì)知識(shí)存儲(chǔ)進(jìn)行了相關(guān)研究。本研究深入數(shù)據(jù)與知識(shí)內(nèi)部，區(qū)別大數(shù)據(jù)與知識(shí)的不同，將大數(shù)據(jù)轉(zhuǎn)換為圖書館所用的知識(shí);并根據(jù)知識(shí)存儲(chǔ)的目標(biāo)設(shè)置用戶使用頻率與知識(shí)可重復(fù)性兩個(gè)指標(biāo)，形成知識(shí)評(píng)估矩陣，分析不同知識(shí)的重要程度，這對(duì)于精準(zhǔn)存儲(chǔ)與加速存儲(chǔ)具有重要意義?，F(xiàn)階段，學(xué)者研究的重點(diǎn)在于如何有效把握用戶的知識(shí)需求，如何將用戶的情景資源有效地進(jìn)行挖掘和利用，劉海鷗等研究新型的過濾與評(píng)價(jià)機(jī)制［5］;楊俊生、劉江玲、陳臣、張興旺、官思發(fā)等從云計(jì)算MapReduce方法、發(fā)現(xiàn)系統(tǒng)、分布式、關(guān)鍵要素、數(shù)據(jù)耕耘理論、社會(huì)化標(biāo)簽等理論與方法，探索更為精準(zhǔn)與加速的大數(shù)據(jù)挖掘與存儲(chǔ)［6－7］，這表明精準(zhǔn)存儲(chǔ)式的知識(shí)服務(wù)將成為今后的研究方向，筆者將在數(shù)據(jù)轉(zhuǎn)換知識(shí)工具開發(fā)、知識(shí)評(píng)估模型、精準(zhǔn)推薦模型等領(lǐng)域進(jìn)一步展開研究。

［1］化柏林，李廣建.大數(shù)據(jù)環(huán)境下的多源融合型競(jìng)爭(zhēng)情報(bào)研究［J］.情報(bào)理論與實(shí)踐，2015，(4) :1－5.

［2］丁寧，馬浩琴.國(guó)外高校科學(xué)數(shù)據(jù)生命周期管理模型比較研究及借鑒［J］.圖書情報(bào)工作，2013，(6) :18－22.

［3］姜春林，張立偉，谷麗，等.知識(shí)單元視角下學(xué)術(shù)論文評(píng)價(jià)研究［J］.情報(bào)雜志，2014，(4) :29－34.

［4］謝劍敏.泛在知識(shí)環(huán)境下高校數(shù)字圖書館發(fā)展的困境與對(duì)策［J］.情報(bào)理論與實(shí)踐，2015，(3) :45－48.

［5］劉海鷗.面向云計(jì)算的大數(shù)據(jù)知識(shí)服務(wù)情景化推薦［J］.圖書館建設(shè)，2014，(7) :31－35.

［6］陳臣.一種基于新型存儲(chǔ)的數(shù)字圖書館分布式大數(shù)據(jù)存儲(chǔ)架構(gòu)［J］.現(xiàn)代情報(bào)，2015，(1) :100－103.

［7］官思發(fā).大數(shù)據(jù)知識(shí)服務(wù)關(guān)鍵要素與實(shí)現(xiàn)模型研究［J］.圖書館論壇，2015，(6) :87－93.