公維臣

摘? 要： 針對傳統(tǒng)圖書館隱性知識采集方法采集的數(shù)據(jù)點中隱性知識數(shù)據(jù)點少的問題，提出一種基于區(qū)塊鏈技術(shù)的圖書館隱性知識采集方法。首先將圖書館知識來源整合為一個大網(wǎng)絡(luò)，計算網(wǎng)絡(luò)各節(jié)點的關(guān)聯(lián)強度，從大到小排列關(guān)聯(lián)強度值，得出可采集的圖書館知識集合，數(shù)據(jù)凈化處理圖書管理員Web訪問流程，不斷補充路徑數(shù)據(jù)，整合為全部圖書館知識數(shù)據(jù)，使用區(qū)域塊技術(shù)篩選全部的圖書館知識數(shù)據(jù)，并儲存到隱性知識模塊中，評價隱性知識模塊，得到最終的圖書館隱性知識數(shù)據(jù)，圖書館隱性知識采集結(jié)束。實驗結(jié)果表明，與兩種傳統(tǒng)方法相比，基于區(qū)塊鏈技術(shù)的圖書館隱性知識采集方法采集到的隱性知識數(shù)據(jù)點更多，更適合圖書館隱性知識的采集。

關(guān)鍵詞： 圖書館; 隱性知識采集; 區(qū)塊鏈技術(shù); 知識數(shù)據(jù)篩選; 關(guān)聯(lián)強度計算; 對比驗證

中圖分類號： TN919?34; G250? ? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）08?0041?03

Research on library tacit knowledge collection method based on block chain technology

GONG Weichen

（Shandong Agricultural University， Taian 271018， China）

Abstract： In allusion to the problem that there are only few tacit knowledge data points in the data points collected by the traditional library tacit knowledge acquisition method， a library tacit knowledge collection method based on block chain technology is proposed. The library knowledge sources are integrated into a large network to calculate the association strength of each node in the network， and then the association strength values are arranged from large to small to obtain the collectible knowledge collection of a library. The data purification processing is performed for the WEB access process of librarians. The path data is supplemented continuously， which are integrated into all the library knowledge data. All the library knowledge data are screened by means of the area block technology and stored in the tacit knowledge module. The tacit knowledge module is evaluated to obtain the final library tacit knowledge data， and then the collection of library tacit knowledge is finished. The experimental results show that， in comparison with the two traditional methods， the library tacit knowledge acquisition method based on the block chain technology can collect more tacit knowledge data points， which is more suitable for the library tacit knowledge acquisition.

Keywords： library; tacit knowledge collection; block chain technology; knowledge data selection; association strength calculation; comparison validation

區(qū)塊鏈技術(shù)是分布式數(shù)據(jù)儲存、點對點傳輸、共識機制、加密算法等計算機技術(shù)的新型應(yīng)用模式[1]。區(qū)塊鏈是比特幣的一個概念，本質(zhì)上是一個去中心化的數(shù)據(jù)庫，同時作為比特幣的底層技術(shù)，是一串使用密碼學(xué)方法相關(guān)聯(lián)產(chǎn)生的數(shù)據(jù)塊，每一個數(shù)據(jù)塊包含一批次比特幣網(wǎng)絡(luò)交易的信息，來驗證其信息的有效性和生成下一個區(qū)塊[2]。圖書館知識常分為顯性知識與隱性知識，圖書館隱性知識是指深植、隱藏于圖書館員的頭腦、行為和經(jīng)驗中，難以表述和尚未編碼的意會性知識。常指圖書管理員在工作時為讀者提供服務(wù)過程中表現(xiàn)出來的經(jīng)驗、技能，發(fā)現(xiàn)問題、解決問題的能力。而基于區(qū)域塊技術(shù)的圖書館隱性知識采集方法，可以將圖書館隱性知識挖掘出來，轉(zhuǎn)化為顯性知識并形成一套知識體系，運用到圖書館的知識交流與新人培訓(xùn)上[3]。

1? 圖書館隱性知識采集方法

1.1? 收集全部圖書館知識

圖書館知識源來源廣，收集時應(yīng)分析其知識來源與Web訪問流程。圖書館的知識常分為內(nèi)部知識組織層面與外部知識組織服務(wù)層面，將圖書館知識源集成為一個大的網(wǎng)絡(luò)，如圖1所示。

將圖1中的圖書知識館來源分為四部分，分別為智力知識庫、數(shù)據(jù)采集館員、綜合知識庫和知識咨詢[4]。針對這四部分計算整個網(wǎng)絡(luò)各知識節(jié)點之間的關(guān)聯(lián)強度，計算公式為：

式中：C代表關(guān)聯(lián)度;A代表智力知識庫;V代表數(shù)據(jù)采集館員;H代表綜合知識庫;D代表知識咨詢;k為知識點的節(jié)數(shù);Z代表整數(shù);m為有交集的知識節(jié)點數(shù)量[5]。保留圖書館知識網(wǎng)絡(luò)中關(guān)聯(lián)性強的知識節(jié)點，將得出的數(shù)值按照大小進行排序，整合為可采集的圖書館知識數(shù)據(jù)變量的集合。

Web訪問流程主要是針對圖書館管理人員經(jīng)常使用的圖書館界面，也就是服務(wù)器上留下的訪問記錄，包括頻繁的訪問路徑、頻繁訪問頁組和用戶聚類[6]。數(shù)據(jù)凈化處理訪問記錄中，設(shè)訪問記錄數(shù)據(jù)組為[X=X1，X2，…，Xn]，數(shù)據(jù)凈化處理公式為：

式中，[I]表示訪問數(shù)據(jù)記錄數(shù)據(jù)組合。識別數(shù)據(jù)記錄中的用戶、會話以及事件，不斷補充路徑數(shù)據(jù)，形成最終的用戶對話文件。使用數(shù)據(jù)采集聚類算法處理為最終的用戶對話文件，計算相關(guān)系數(shù)[ρ]，發(fā)現(xiàn)圖書館全部知識：

式中：[I]表示數(shù)據(jù)組合的路徑數(shù)據(jù)[7]，[I=1MNp∈WI（p）];W與S代表聚類處理次數(shù);p表示用戶對話文件。得出相關(guān)系數(shù)[ρ]，當[ρ>1]時，Web訪問數(shù)據(jù)為圖書館知識;[ρ<1]時，Web訪問數(shù)據(jù)不是圖書館知識。聯(lián)合分析后圖書館的知識來源，整合為全部的圖書館知識，篩選圖書館隱性知識[8]。

1.2? 使用區(qū)塊鏈技術(shù)篩選圖書館隱性知識

全部的圖書館知識存在不同級別的集成。識別不同級別中包含的圖書館隱性知識，利用哈希算法，將獲取圖書館全部知識編程為一串定長的字符串，在區(qū)塊鏈上進行圖書信息交易[9]。設(shè)定圖書館用戶發(fā)送方為主公鑰地址，收入方為提供數(shù)據(jù)資源用戶方的公鑰地址[10]。在主公鑰地址上檢索并選擇輸出一個適當?shù)慕灰醉棧獍蓴?shù)據(jù)字符，如圖2所示[11]。

匹配私鑰地址與全部的知識數(shù)據(jù)，將所得結(jié)果再進行哈希運算，得到同一個級別的圖書館隱性知識字符串，儲存到隱性知識模塊中。將每個級別的圖書館知識使用哈希計算，然后放入?yún)^(qū)塊鏈交易中，經(jīng)區(qū)塊鏈交易處理后，儲存到隱性知識模塊中。隨后評估生成的隱性知識模塊，篩選圖書館隱性知識。

評估隱性知識模塊要綜合多種指標，將指標分為內(nèi)容可信度、需求相關(guān)性、知識結(jié)構(gòu)契合度三項指標。評價內(nèi)容可信度時，量化圖書館員自身經(jīng)驗級別的經(jīng)驗、技巧，將具有可操作性的實際工作步驟量化，以及館員自身的專業(yè)、學(xué)歷及從業(yè)年限，形成基本數(shù)據(jù)，將基本數(shù)據(jù)使用式（2）、式（3）計算[ρ]，將屬于圖書館隱性知識的數(shù)據(jù)保留。評估需求相關(guān)性主要是判斷知識與社會需求的相關(guān)程度，使用腦圖判斷隱性知識需求的相關(guān)度，以圖書館隱性知識為中心概念，向四周發(fā)散生成無窮多的分枝，此時的圖書館隱性知識就會通過圖像形式轉(zhuǎn)化為外顯知識，保留此部分轉(zhuǎn)化為外顯知識的圖書館隱性知識。

評價知識結(jié)構(gòu)契合度，主要針對圖書館員個人知識結(jié)構(gòu)與圖書館工作的契合度，以圖書館員的知識范圍做分母，以圖書館所含圖書類別范圍做分子，計算得出的契合度百分比。將圖書館員的知識結(jié)構(gòu)分為縱向與橫向，動態(tài)跟蹤圖書館員的知識結(jié)構(gòu)變化。計算動態(tài)下圖書館員個人知識結(jié)構(gòu)與圖書館工作的契合度。對比縱向與橫向的知識結(jié)構(gòu)的契合百分比，哪個方向的數(shù)值越大，證明館員的某向的知識結(jié)構(gòu)屬于隱性知識。整合篩選后的隱性圖書館知識數(shù)據(jù)，使用區(qū)塊鏈技術(shù)篩選圖書館隱性知識結(jié)束。

2? 圖書館隱性知識采集實驗

2.1? 準備階段

準備如表1所示的實驗參數(shù)。

使用表1的實驗參數(shù)，將服務(wù)器接入到圖書館層，利用服務(wù)器記錄圖書館館員使用過的信息數(shù)據(jù)，將數(shù)據(jù)傳輸至Web層統(tǒng)計，經(jīng)由服務(wù)層整理傳輸至數(shù)據(jù)庫中，設(shè)計如圖3所示的實驗環(huán)境。

使用圖3設(shè)計的實驗環(huán)境，分別采用三種知識采集方法采集圖書館隱性知識。

2.2? 結(jié)果分析

準備采集好的12個有關(guān)圖書館知識的數(shù)據(jù)點，分別使用三種圖書館隱性知識采集方法，采集這12個知識數(shù)據(jù)點中的隱性知識點，記錄這三種采集方法采集出的隱性知識數(shù)據(jù)點的情況，結(jié)果如圖4～圖6所示。

從圖4～圖6可以看出，使用圖書管理頁面，圖書館知識選擇隱性知識，導(dǎo)入準備的12個圖書館知識的數(shù)據(jù)點，使用不同的隱性知識采集方法，傳統(tǒng)方法1在采集隱性知識時，采集到圖書館隱性知識數(shù)據(jù)點少，只采集到8個圖書館隱性知識數(shù)據(jù)點。傳統(tǒng)方法2采集到10個隱性知識數(shù)據(jù)點，而使用基于區(qū)塊鏈技術(shù)的圖書館隱性知識采集方法采集到15個隱性知識數(shù)據(jù)點，采集的隱性數(shù)據(jù)點更多，更適合圖書館隱性知識的采集。

3? 結(jié)? 語

圖書館隱性知識對圖書館知識管理、人力資源管理有著重要的影響。而圖書館隱性知識只存在于圖書館管理人員的思維中，無法形成顯性知識，方便學(xué)習(xí)，個人的交流與理解能力很難保證在知識傳播中不受影響。圖書館是為社會提供文獻知識的服務(wù)性組織， 要為社會營造一個良好的學(xué)習(xí)和創(chuàng)新的環(huán)境，尋求新的管理方式和知識組織方法。在圖書館工作中， 圖書館館長和館員們的知識水平和接受新知識的能力、圖書館整體的信息能力和應(yīng)變能力等隱性知識都起著極其重要的作用，特此研究一種基于區(qū)塊鏈技術(shù)的圖書館隱性知識采集方法，采集圖書館隱性知識。實驗結(jié)果表明，基于區(qū)塊鏈技術(shù)的圖書館隱性知識采集方法采集范圍更大，對圖書館的發(fā)展具有重要的意義。

參考文獻

[1] 余其鳳，陳振標，劉敏榕.區(qū)塊鏈技術(shù)在圖書館數(shù)字資產(chǎn)管理中的應(yīng)用探討[J].數(shù)字圖書館論壇，2018（7）：32?38.

[2] 黃敏聰.區(qū)塊鏈技術(shù)及其對圖書館發(fā)展的變革性影響[J].圖書情報工作，2018，62（13）：11?18.

[3] 張忠林，王玲.區(qū)塊鏈技術(shù)在圖書館的應(yīng)用場景分析[J].圖書與情報，2018（6）：110?112.

[4] 張煒，董曉莉.以區(qū)塊鏈促進協(xié)作保存網(wǎng)絡(luò)環(huán)境下信息資源的可信性[J].國家圖書館學(xué)刊，2018，27（5）：89?98.

[5] 畢崇武，王忠義，宋紅文.基于知識元的數(shù)字圖書館多粒度集成知識服務(wù)研究[J].圖書情報工作，2017（4）：115?122.

[6] 張路蓬，周源，薛瀾.基于區(qū)塊鏈技術(shù)的戰(zhàn)略性新興產(chǎn)業(yè)知識產(chǎn)權(quán)管理及政策研究[J].中國科技論壇，2018（12）：126?132.

[7] 黃俊飛，劉杰.區(qū)塊鏈技術(shù)研究綜述[J].北京郵電大學(xué)學(xué)報，2018，41（2）：5?12.

[8] 王超，包先雨，邢軍，等.基于區(qū)塊鏈技術(shù)的跨境電商貿(mào)易鏈與聯(lián)盟鏈研究[J].現(xiàn)代電子技術(shù)，2018，41（21）：177?180.

[9] 周耀.區(qū)塊鏈技術(shù)在智慧圖書館中的應(yīng)用研究[J].現(xiàn)代情報，2019，39（4）：94?102.

[10] 朱偉珠，李春發(fā).服務(wù)于協(xié)同創(chuàng)新的京津冀跨區(qū)域公共圖書館聯(lián)盟平臺構(gòu)建分析[J].現(xiàn)代情報，2017，37（10）：78?83.

[11] 陳小平.基于區(qū)塊鏈理念的圖書館移動用戶行為大數(shù)據(jù)挖掘研究[J].圖書館工作與研究，2018（12）：63?68.