郝建軍

摘 要：文章介紹了大數(shù)據(jù)時代高校圖書館開展嵌入式知識服務(wù)的內(nèi)容，分析了大數(shù)據(jù)與情報的共性，并重點(diǎn)闡述了嵌入式知識發(fā)現(xiàn)情報分析服務(wù)的重要環(huán)節(jié)，同時又設(shè)計(jì)了大數(shù)據(jù)時代高校圖書館嵌入式知識發(fā)現(xiàn)情報分析服務(wù)模型，該模型主要包括數(shù)據(jù)資源層、知識發(fā)現(xiàn)處理層和界面展示層。

關(guān)鍵詞：大數(shù)據(jù)時代；高校圖書館；嵌入式服務(wù)；知識發(fā)現(xiàn)；情報分析

中圖分類號：G252文獻(xiàn)標(biāo)識碼：A 文章編號：1003-1588（2017）02-0049-03

大數(shù)據(jù)技術(shù)的快速發(fā)展促進(jìn)了科研方式的變革，基于數(shù)據(jù)緊密型的科研方式已經(jīng)成為自科研經(jīng)驗(yàn)方式、理論方式、計(jì)算機(jī)模擬方式之后的新的發(fā)展模式[1]?，F(xiàn)階段，海量的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)給科研帶來了巨大挑戰(zhàn)，而且數(shù)據(jù)存儲和共享功能缺乏合理性和有效性，這也給高校圖書館的服務(wù)模式造成不小的影響。在大數(shù)據(jù)時代，高校圖書館應(yīng)該更加重視用戶數(shù)據(jù)安全和服務(wù)質(zhì)量，積極利用先進(jìn)的數(shù)據(jù)分析和處理技術(shù)來提升高校圖書館服務(wù)的智能化和個性化，為高校圖書館的服務(wù)創(chuàng)新創(chuàng)造出有利條件[2]。高校圖書館應(yīng)該借助大數(shù)據(jù)技術(shù)，充分了解用戶的服務(wù)需求，并以滿足用戶的服務(wù)需求為目的開展相應(yīng)的服務(wù)。

1 大數(shù)據(jù)時代高校圖書館開展嵌入式知識服務(wù)的內(nèi)容

1.1 用戶需求的分析

在大數(shù)據(jù)環(huán)境下，首先，高校圖書館可以收集和存儲用戶的基本信息，比如：用戶的學(xué)歷、年齡、科研成果、學(xué)習(xí)經(jīng)歷以及工作單位等信息，并詳細(xì)記錄用戶的操作信息及檢索、查詢、收藏以及標(biāo)識等操作行為，可以與用戶查詢資料的內(nèi)容、學(xué)科類別以及相應(yīng)用戶權(quán)限進(jìn)行關(guān)聯(lián)，還可以收集用戶具體的信息咨詢、科技前沿以及參考導(dǎo)航等服務(wù)情境[3]。其次，高校圖書館可以分析海量數(shù)據(jù)，利用基于語義網(wǎng)的技術(shù)來規(guī)范用戶信息資源，并將其轉(zhuǎn)換為能夠被應(yīng)用程序理解和直接調(diào)用的數(shù)據(jù)，從而可以更好地感知和預(yù)測用戶行為。最后，高校圖書館利用用戶數(shù)據(jù)作為決策依據(jù)，為用戶制訂當(dāng)前目標(biāo)、短期目標(biāo)以及長期目標(biāo)，并根據(jù)需求環(huán)境的變化動態(tài)分配硬件和軟件資源，從而讓高校圖書館的服務(wù)融入用戶的科研活動中。

1.2 規(guī)律趨勢的分析預(yù)測

針對某些行業(yè)或者學(xué)科進(jìn)行全面收集信息資源時，在專業(yè)研究成果的基礎(chǔ)上進(jìn)行深入分析，比如對比、推理以及綜合利用等科學(xué)分析手段，或參照專業(yè)學(xué)科發(fā)展規(guī)律，計(jì)量學(xué)發(fā)展規(guī)律等[4]。由于學(xué)科的知識特點(diǎn)和發(fā)展規(guī)律各不相同，因此需要運(yùn)用多種分析和處理手段來構(gòu)建不同的學(xué)科模型，從而能夠準(zhǔn)確地預(yù)測學(xué)科發(fā)展規(guī)律以及發(fā)展趨勢。常見的預(yù)測方法有以下幾種：①將大量文獻(xiàn)內(nèi)容進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，以歸納總結(jié)出文獻(xiàn)的內(nèi)在規(guī)律，比如齊普夫定律、洛特卡定律以及布拉德福定律等都是常見的基于文獻(xiàn)內(nèi)容的統(tǒng)計(jì)方式。②根據(jù)文獻(xiàn)的發(fā)展規(guī)律和趨勢來構(gòu)建數(shù)學(xué)模型，可以達(dá)到預(yù)測文獻(xiàn)發(fā)展規(guī)律的目的，比如普賴斯就專門構(gòu)建了基于指數(shù)增長規(guī)律的數(shù)學(xué)模型。③將其他領(lǐng)域的數(shù)學(xué)規(guī)律和數(shù)學(xué)模型移植到文獻(xiàn)發(fā)展的預(yù)測中，比如物理學(xué)中的半衰期規(guī)律、經(jīng)濟(jì)學(xué)中的人口增長規(guī)律以及生物學(xué)中的成長規(guī)律等。④依據(jù)模糊理論來搜集相似文獻(xiàn)內(nèi)容，存儲在計(jì)算機(jī)中，并利用統(tǒng)計(jì)技術(shù)進(jìn)行分析和對比數(shù)據(jù)，以此幫助科研人員挖掘數(shù)據(jù)關(guān)聯(lián)性。

2 大數(shù)據(jù)分析與情報分析的共性

2.1 看重對數(shù)據(jù)的定量分析

數(shù)據(jù)作為最直觀的資源，已經(jīng)潛移默化地改變了分析決策的方式，如何有效地收集、篩選以及整理各種數(shù)據(jù)資源，并利用合理的方法來挖掘數(shù)據(jù)的潛在價值，已經(jīng)成為評價一個組織是否具有競爭力的重要衡量方式。情報分析學(xué)科同樣十分重視數(shù)據(jù)資源的應(yīng)用，在情況分析研究的初期階段，分析人員主要依靠人員的智力來分析少量數(shù)據(jù)現(xiàn)象，并從中歸納總結(jié)出情報分析的規(guī)律。隨著科學(xué)技術(shù)的快速發(fā)展，學(xué)科之間的關(guān)聯(lián)性和交叉性逐漸加強(qiáng)，學(xué)科知識的劃分越細(xì)致，所涉及的內(nèi)容也就越專業(yè)。目前，情報分析更多地依靠先進(jìn)的信息處理技術(shù)，利用“機(jī)器學(xué)習(xí)”方式來挖掘數(shù)據(jù)、分析和統(tǒng)計(jì)相關(guān)聯(lián)系，還可以利用定量化方式來關(guān)聯(lián)基于關(guān)鍵字的詞匯共現(xiàn)，其核心思路就是在計(jì)算能力的基礎(chǔ)上利用人工分析判斷數(shù)據(jù)聯(lián)系。因此，利用數(shù)據(jù)來闡述問題已經(jīng)成為情報分析的主要特點(diǎn)，在情報分析報告中利用數(shù)據(jù)、公式以及圖表來說明理論的方式也充分體現(xiàn)了數(shù)據(jù)分析技術(shù)在情報分析領(lǐng)域的重要地位。

2.2 關(guān)注多源數(shù)據(jù)融合

大數(shù)據(jù)技術(shù)可以通過各種渠道，并利用各種收集手段來獲取各種數(shù)據(jù)信息，在進(jìn)行集中整理后，形成一種基于不同數(shù)據(jù)格式的統(tǒng)一處理方式，這種處理過程被稱為多源數(shù)據(jù)處理融合技術(shù)[5]。一方面，可以通過不同用戶和不同網(wǎng)絡(luò)途徑來獲取同一個研究方向的內(nèi)容；另一方面，根據(jù)信息數(shù)據(jù)的種類和用途的不同，比如：根據(jù)視頻、音頻及文本等方式進(jìn)行分類，也可以根據(jù)結(jié)構(gòu)化和非結(jié)構(gòu)化等方式進(jìn)行分類，同時也要考慮數(shù)據(jù)的異構(gòu)性。需要注意的是，相同類型的數(shù)據(jù)也有可能分布在不同的站點(diǎn)，并由各自的數(shù)據(jù)供應(yīng)商提供，如論文分析研究的數(shù)據(jù)來源就包括中國知網(wǎng)、維普及萬方數(shù)據(jù)庫等[6]。一般情況下，針對前沿領(lǐng)域進(jìn)行情報分析時，只利用一種類型的數(shù)據(jù)是不夠全面的，應(yīng)該從其所涉及的期刊論文、圖書資源、專利以及項(xiàng)目等收集有效信息，進(jìn)行整合處理，這樣才能夠體現(xiàn)出該研究的整體特征。

3 嵌入式知識發(fā)現(xiàn)情報分析服務(wù)的重要環(huán)節(jié)

3.1 知識發(fā)現(xiàn)系統(tǒng)的利用

將文獻(xiàn)分析方式與數(shù)據(jù)挖掘技術(shù)進(jìn)行有機(jī)結(jié)合已經(jīng)成為知識發(fā)現(xiàn)方面的熱門研究內(nèi)容，并且取得了可以直接應(yīng)用的研究成果，這為嵌入式知識發(fā)現(xiàn)情報分析服務(wù)提供了重要的研究方式。不可否認(rèn)，選擇和使用合理的知識發(fā)現(xiàn)系統(tǒng)會提高信息數(shù)據(jù)的分析效果，其中比較有代表性的就是充分認(rèn)識到知識發(fā)現(xiàn)系統(tǒng)的優(yōu)勢，評估數(shù)據(jù)分析結(jié)果與用戶的契合程度，從而讓數(shù)據(jù)分析服務(wù)的效果得到用戶的認(rèn)同。比如：一些基于知識發(fā)現(xiàn)的軟件和系統(tǒng)比較適合大型結(jié)構(gòu)化文獻(xiàn)數(shù)據(jù)分析，可以根據(jù)結(jié)構(gòu)化數(shù)據(jù)的特點(diǎn)分析出信息的特定發(fā)展規(guī)律[7]；還有一些基于主題和科研本身的知識發(fā)現(xiàn)模型，其可以利用文獻(xiàn)資源之間的相關(guān)性挖掘有效信息，并對文獻(xiàn)資料進(jìn)行多角度分析，根據(jù)關(guān)聯(lián)原則描述該學(xué)科領(lǐng)域的發(fā)展趨勢圖；另外還可以利用關(guān)聯(lián)和非關(guān)聯(lián)的知識發(fā)現(xiàn)方法，再結(jié)合相關(guān)語義分析、詞匯頻率統(tǒng)計(jì)等技術(shù)，最后通過關(guān)鍵詞聚類方式來尋找潛在的知識發(fā)現(xiàn)。

3.2 準(zhǔn)確獲取數(shù)據(jù)

知識發(fā)現(xiàn)可以分析大量數(shù)據(jù)和信息資源，并從中挖掘明顯關(guān)聯(lián)或者非關(guān)聯(lián)的科學(xué)研究的內(nèi)在規(guī)律，情報分析人員可以向科研人員提供相關(guān)情報分析，一般采用的是定量和定性相結(jié)合的分析方法。在進(jìn)行定量分析之前，如果要獲取較為準(zhǔn)確的目標(biāo)數(shù)據(jù)，除了要分析數(shù)據(jù)源以及檢索方式之外，還要對數(shù)據(jù)進(jìn)行預(yù)處理，如消除噪聲數(shù)據(jù)、集成數(shù)據(jù)等。大部分的數(shù)據(jù)分析軟件都具有數(shù)據(jù)篩選功能，其中常見的TDA（Threat Discovery Appliance）軟件就可以通過列表功能手工篩選原始數(shù)據(jù)。需要注意的是，當(dāng)自動篩選數(shù)據(jù)時，常常由于數(shù)據(jù)中檢測出偶發(fā)的錯誤或者不同的存儲格式導(dǎo)致篩選失敗，這就無法按照要求構(gòu)建知識圖譜。嵌入式的知識發(fā)現(xiàn)服務(wù)可以將篩選后的數(shù)據(jù)與專業(yè)數(shù)據(jù)分析專家共享，由此可以進(jìn)一步提高數(shù)據(jù)的準(zhǔn)確性，從而得到與研究對象關(guān)聯(lián)緊密的數(shù)據(jù)。

3.3 應(yīng)用綜合分析方法

科技創(chuàng)新活動不僅包括學(xué)科和領(lǐng)域的創(chuàng)新，而且還涉及社會各個方面的創(chuàng)新，所以嵌入式知識發(fā)現(xiàn)服務(wù)需要為決策人員提供情報分析服務(wù)，幫助分析對象的社會行為，并為決策人員指明科研決策的發(fā)展方向；此外，還可以根據(jù)用戶的需求，結(jié)合經(jīng)濟(jì)學(xué)、社會學(xué)、管理學(xué)以及情報學(xué)等學(xué)科的分析方法，多方面地展現(xiàn)科技創(chuàng)新在社會環(huán)境中的具體狀況和發(fā)展趨勢。如今，國外已經(jīng)出現(xiàn)了專門提供情報分析服務(wù)的公司，比如美國的麥肯錫公司就對醫(yī)藥領(lǐng)域提供多方面的分析和研究服務(wù)。而國內(nèi)關(guān)于情報分析的研究還處于起步階段，高校圖書館可以借鑒國外成熟的研究成果，比如可以利用波士頓矩陣方法來分析文獻(xiàn)資源之間的關(guān)聯(lián)性。

4 情報分析服務(wù)模型總體設(shè)計(jì)

情報分析服務(wù)的主要功能就是針對數(shù)據(jù)進(jìn)行整理和分析，從而挖掘知識的內(nèi)在關(guān)聯(lián)性。該研究根據(jù)內(nèi)容解析方法來實(shí)施情報分析服務(wù)，并專門構(gòu)建一個情報分析的服務(wù)模型。該模型采用了分層結(jié)構(gòu)，自上向下共分成三個層次，即界面展示層、知識發(fā)現(xiàn)處理層、數(shù)據(jù)資源層等，具體結(jié)構(gòu)示意圖如圖1所示。

首先是數(shù)據(jù)資源層，其確定研究對象包括三個步驟：確定分析目的、確定研究范圍、搜集情報等內(nèi)容。其次是知識發(fā)現(xiàn)處理層，它主要包括三個方面的內(nèi)容：①制定編碼標(biāo)準(zhǔn)，并借助計(jì)算機(jī)輔助工具來構(gòu)建專屬詞典，其主要分為專業(yè)術(shù)語詞典、停止詞詞典、同義詞詞典等。②編碼部分，可以將文本文件轉(zhuǎn)換為計(jì)算機(jī)可識別的文本向量。③數(shù)據(jù)分析部分，可以利用相似度算法和聚類算法來處理文本向量，從而實(shí)現(xiàn)情報自動聚類和串并功能。最后是界面展示層，主要功能為針對數(shù)據(jù)進(jìn)行分析。

4.1 數(shù)據(jù)資源層設(shè)計(jì)

數(shù)據(jù)資源層為情報分析提供海量的數(shù)據(jù)資源，從各個數(shù)據(jù)源中收集數(shù)據(jù)并集成在情報員數(shù)據(jù)庫中。眾所周知，數(shù)據(jù)庫的性能會直接影響情報分析服務(wù)模式的處理效率。目前，比較成熟的數(shù)據(jù)庫種類主要有兩種：關(guān)系型數(shù)據(jù)庫和非關(guān)系型數(shù)據(jù)庫。經(jīng)過幾十年的發(fā)展，關(guān)系型數(shù)據(jù)庫技術(shù)相對比較成熟，其中的行和列的關(guān)系非常明確，主要采用表型結(jié)構(gòu)存儲數(shù)據(jù)，用戶比較容易接受。但是，隨著數(shù)據(jù)庫技術(shù)的不斷發(fā)展，關(guān)系型數(shù)據(jù)庫的弊端也逐漸顯現(xiàn)出來：①針對海量數(shù)據(jù)進(jìn)行查詢和存儲操作，海量數(shù)據(jù)信息時刻充斥在互聯(lián)網(wǎng)上，如果關(guān)系型數(shù)據(jù)庫還是采用表型存儲海量數(shù)據(jù)，這時的存儲是以億為單位。當(dāng)利用SQL（Structured Query Language）語言查詢或者針對多張表進(jìn)行關(guān)聯(lián)查詢時，其查詢效率是非常低的。②數(shù)據(jù)庫的擴(kuò)展性較差。當(dāng)處理海量數(shù)據(jù)時，數(shù)據(jù)的結(jié)構(gòu)非常復(fù)雜，修改數(shù)據(jù)庫的表結(jié)構(gòu)是非常耗時的，因此復(fù)雜的數(shù)據(jù)結(jié)構(gòu)的處理效率無法達(dá)到用戶的要求。③數(shù)據(jù)庫的讀寫效率。針對動態(tài)的信息，每秒的讀寫次數(shù)要達(dá)到上萬次以上，而關(guān)系型數(shù)據(jù)庫的讀寫速度無法達(dá)到這種要求。

4.2 知識發(fā)現(xiàn)處理層設(shè)計(jì)

知識發(fā)現(xiàn)處理層的主要功能是針對數(shù)據(jù)資源層的數(shù)據(jù)進(jìn)行深度的分析和挖掘，它可以利用內(nèi)容分析方法進(jìn)行數(shù)據(jù)分析和情報編碼，具體的功能模塊圖如圖2所示。知識發(fā)現(xiàn)處理層主要包括四個功能模塊：情報自動聚類處理模塊、情報串并處理模塊、文本預(yù)處理模塊、文本向量表示模塊。

4.3 界面展示層設(shè)計(jì)

界面展示層主要包括兩個部分：知識圖譜展示功能和人機(jī)交互功能。知識圖譜展示功能形象展現(xiàn)出情報數(shù)據(jù)資源的分析結(jié)果，是針對情報數(shù)據(jù)資源分析的拓展，它可以準(zhǔn)確表達(dá)現(xiàn)象層面的具體信息，并通過更進(jìn)一步的分析來找出隱藏在情報中的規(guī)律，從而協(xié)助情報分析人員更好地處理情報。人機(jī)交互功能是利用操作界面來實(shí)現(xiàn)用戶和軟件之間的信息交流，更好地幫助用戶控制軟件。

5 結(jié)語

嵌入式知識發(fā)現(xiàn)情報分析服務(wù)模式是建立在先進(jìn)的信息處理技術(shù)的基礎(chǔ)上，為了更好地滿足科研人員對于知識服務(wù)的需求，同時也是情報服務(wù)可持續(xù)發(fā)展的重要保證?？茖W(xué)技術(shù)的快速發(fā)展、大數(shù)據(jù)技術(shù)的研究以及數(shù)據(jù)分析方法的改進(jìn)，都為嵌入式知識發(fā)現(xiàn)情報分析服務(wù)的個性化、智能化及多元化發(fā)展創(chuàng)造了有利條件，提供了良好的研究前景。

參考文獻(xiàn)：

[1]顧濤.基于大數(shù)據(jù)的競爭情報協(xié)作分析研究[J].情報科學(xué)，2013（12）：114-118，135.

[2]鄧仲華，李立睿，陸穎雋.基于科研用戶情景感知的嵌入式知識服務(wù)研究（上）[J].情報理論與實(shí)踐，2014（9）：16-19.

[3]韓翠峰.大數(shù)據(jù)時代圖書館的服務(wù)創(chuàng)新與發(fā)展[J].圖書館，2013（1）：121-122.

[4]田瑞強(qiáng)，姚長青，潘云濤.關(guān)聯(lián)文獻(xiàn)的知識發(fā)現(xiàn)與創(chuàng)新研究進(jìn)展[J].情報理論與實(shí)踐，2013（8）：117-123.

[5]周曉英.數(shù)據(jù)密集型科學(xué)研究范式的興起與情報學(xué)的應(yīng)對[J].情報資料工作，2012（2）：5-11.

[6]化柏林.多源信息融合方法研究[J].情報理論與實(shí)踐，2013（11）：16-19.

[7]Bormer K.Boyack K Mapping interdisciplinary research（sidebar，systems sciencesection）[M].New York：Oxford University Press，2010：457-460.

（編校：崔 萌）