摘 要：[目的/意義]把握大數(shù)據(jù)驅(qū)動下知識服務(wù)模式的研究現(xiàn)狀與趨勢，對于理解當(dāng)下和未來的知識服務(wù)活動，有效指導(dǎo)知識服務(wù)實踐具有重要意義。[方法/過程]通過對國內(nèi)外相關(guān)研究綜合述評，剖析知識服務(wù)內(nèi)涵、知識服務(wù)模式和大數(shù)據(jù)環(huán)境下知識服務(wù)技術(shù)變革，進而構(gòu)建了大數(shù)據(jù)環(huán)境影響下知識服務(wù)創(chuàng)新模式。[結(jié)果/結(jié)論]未來大數(shù)據(jù)驅(qū)動下的知識服務(wù)模式研究前沿將是基于知識集成的個性化服務(wù)、基于知識挖掘的知識發(fā)現(xiàn)服務(wù)、基于知識聚合的知識關(guān)聯(lián)服務(wù)和基于知識融合的知識精準服務(wù)。

關(guān)鍵詞：知識服務(wù);大數(shù)據(jù);服務(wù)模式;研究趨勢

隨著云計算和可信計算等信息技術(shù)的迅速發(fā)展，數(shù)字信息環(huán)境越來越泛在化、移動化和智能化，海量半結(jié)構(gòu)化、非結(jié)構(gòu)化的多源數(shù)據(jù)利用需要進行多維度處理，由此推動了基于大數(shù)據(jù)的知識服務(wù)模式創(chuàng)新。由此，探索大數(shù)據(jù)驅(qū)動下的知識服務(wù)新模式愈發(fā)重要，這也成為近期知識服務(wù)新的關(guān)注點。同時，這一探索也面臨著一些機遇和挑戰(zhàn)。目前面向大數(shù)據(jù)的知識服務(wù)研究與實踐剛起步，研究成果還不多。因此有必要對現(xiàn)有知識服務(wù)模式相關(guān)研究進行及時梳理與評價，分析未來的研究方向，以期對今后的知識服務(wù)研究提供參考。

本文首先梳理國內(nèi)外關(guān)于知識服務(wù)及其模式的概念界定，建構(gòu)了面向大數(shù)據(jù)的知識服務(wù)概念模型;厘清知識服務(wù)模式的發(fā)展演化脈絡(luò)，在此基礎(chǔ)上總結(jié)大數(shù)據(jù)技術(shù)驅(qū)動的知識服務(wù)模式變革，探索大數(shù)據(jù)環(huán)境下知識服務(wù)模式的發(fā)展趨勢。

1大數(shù)據(jù)知識服務(wù)及知識服務(wù)模式

1.1 國內(nèi)外關(guān)于知識服務(wù)的概念界定

國外知識服務(wù)最早出現(xiàn)在國外的管理學(xué)研究中，上世紀90年代知識服務(wù)被引入圖書館學(xué)。2001年，首次提出專業(yè)圖書館員和信息專家的新作用，隨后學(xué)科館員團隊理念被應(yīng)用于高校圖書館的知識服務(wù)中[1]。1994年國內(nèi)引入知識服務(wù)的觀念，后有引入產(chǎn)業(yè)部門并將知識含量高的服務(wù)業(yè)稱為深度知識服務(wù)業(yè)，將知識服務(wù)分為技術(shù)、咨詢和電子商務(wù)服務(wù)[2]。

綜上，國外對知識服務(wù)多以知識管理為切入點，將知識服務(wù)看作知識管理的發(fā)展和延伸，突出知識服務(wù)實踐，因而國外以論述知識服務(wù)模式為主要內(nèi)容的文章鮮有報道。自圖書情報界將知識管理概念引入后，國內(nèi)圖情界的研究成果主要集中在從知識管理角度討論圖書館的參考咨詢服務(wù)方面，知識服務(wù)的概念界定從宏觀視角轉(zhuǎn)向服務(wù)過程視角，重點強調(diào)從技術(shù)和組織創(chuàng)新的角度滿足用戶的知識服務(wù)需求。

1.2 大數(shù)據(jù)知識服務(wù)

大數(shù)據(jù)知識服務(wù)是基于網(wǎng)絡(luò)環(huán)境的一種新型知識服務(wù)，它是為適應(yīng)信息服務(wù)的智慧化、協(xié)作化、移動化、虛擬化和泛在化而衍生的新型服務(wù)，有助于實現(xiàn)結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)的多維處理。大數(shù)據(jù)知識服務(wù)并非大數(shù)據(jù)技術(shù)和傳統(tǒng)知識服務(wù)的簡單疊加，其特點如下：（1）立足于大數(shù)據(jù)環(huán)境，強調(diào)資源和能力的良性互動。（2）資源和能力以過程的形式有機融合在大數(shù)據(jù)處理中。（3）知識服務(wù)機構(gòu)根據(jù)用戶的使用反饋，不斷完善資源和自身能力，并實現(xiàn)知識創(chuàng)新。

1.3知識服務(wù)模式

服務(wù)模式是對服務(wù)活動的結(jié)構(gòu)構(gòu)成要素及其關(guān)系的簡要直觀描述，它不僅是實踐經(jīng)驗的高度總結(jié)和有效歸納，同樣也是理論認識的進一步提升，指導(dǎo)著知識服務(wù)的理論研究和具體實踐[3]。它是一種有規(guī)律的可以重復(fù)借鑒的有價值的框架結(jié)構(gòu)或固定范式，能夠綜合知識服務(wù)的產(chǎn)品和項目、技術(shù)和經(jīng)驗、方式和方法以及合理化流程等要素，有效提升知識服務(wù)能力。

2知識服務(wù)模式研究進展

探討知識服務(wù)模式發(fā)展演化，知識生命周期理論是較為合適的分析方法[4]。根據(jù)知識及其服務(wù)的內(nèi)涵和特征，知識服務(wù)的知識生命周期可以被定義為知識獲取、知識組織、知識分布、知識共享、知識創(chuàng)新、知識利用和知識更新。據(jù)此可以將知識服務(wù)模式分為三類：基礎(chǔ)知識服務(wù)、增值知識服務(wù)和再生產(chǎn)知識服務(wù)。

2.1基礎(chǔ)模式：基于知識共享的知識服務(wù)

知識服務(wù)的基礎(chǔ)模式覆蓋知識的獲取、組織、分布和共享四個階段，形成簡單的知識聚類、知識重組等基礎(chǔ)服務(wù)，推動知識在用戶與服務(wù)機構(gòu)間的傳播。相關(guān)研究主要是基于知識服務(wù)的需求主體、主客體、內(nèi)容、資源、平臺及特性而展開[5]。20世紀90年代起，俄羅斯科學(xué)院社科情報專家首先意識到用戶的信息獲取需求的重要性，開展了相關(guān)服務(wù)。國內(nèi)外許多學(xué)者從上述多個角度出發(fā)，倡導(dǎo)知識服務(wù)必須順應(yīng)用戶對定制化和專業(yè)化的服務(wù)要求[6]。

2.2增值模式：基于用戶應(yīng)用的知識服務(wù)

增值知識服務(wù)模式是建立在基礎(chǔ)模式之上，突出了知識創(chuàng)新和知識增值。這一模式不僅關(guān)注知識的分享，而且從用戶的角度強調(diào)知識的實際應(yīng)用，通過對知識進行改造、創(chuàng)新，大幅提升知識的價值。（1）以用戶為中心的設(shè)計理念。倡導(dǎo)用戶參與，重視用戶體驗，提出圖書館的嵌入式學(xué)科化知識服務(wù)模式，強調(diào)融入用戶解決具體問題的過程和環(huán)境。（2）注重用戶的服務(wù)體驗?；趯?shù)字圖書館擴展成為一個以用戶為中心的工作空間的研究，尤其是將知識服務(wù)與云計算技術(shù)相結(jié)合，設(shè)計出一種可以實現(xiàn)個性化知識推送和學(xué)習(xí)路徑優(yōu)化的云服務(wù)平臺。（3）重視用戶反饋評價。用戶體驗的好壞直接影響到服務(wù)評價。通過對用戶反饋建模提出用戶反饋定量分析的方法，對于用戶信息管理，促進知識服務(wù)質(zhì)量提升具有重要性。

2.3再生產(chǎn)模式：基于技術(shù)創(chuàng)新的知識服務(wù)

再生產(chǎn)知識服務(wù)模式是對增值知識服務(wù)模式的再完善。它在增值服務(wù)的基礎(chǔ)上加入對知識再生產(chǎn)過程，通過服務(wù)的需求者與提供者間的互動評價來實現(xiàn)知識產(chǎn)品的更新。隨著知識服務(wù)模式不斷擴展和創(chuàng)新，圖書館傳統(tǒng)知識服務(wù)逐漸向智慧服務(wù)轉(zhuǎn)型。智慧圖書館是一個不受空間限制，在數(shù)字圖書館的基礎(chǔ)上，借助智能技術(shù)對圖書館實現(xiàn)全自動管理。

3 大數(shù)據(jù)技術(shù)推動知識服務(wù)模式創(chuàng)新

3.1實現(xiàn)知識服務(wù)的大數(shù)據(jù)關(guān)鍵技術(shù)

在大數(shù)據(jù)環(huán)境下，用戶數(shù)據(jù)快速增長，多源異構(gòu)數(shù)據(jù)加速累積，這些對數(shù)據(jù)挖掘和知識發(fā)現(xiàn)提出了新的要求和挑戰(zhàn)。同時，以本體、云計算、人工智能等為核心的新一代大數(shù)據(jù)信息技術(shù)蓬勃發(fā)展，推動了知識服務(wù)的深度變革。

3.1.1知識服務(wù)的本體研究

基于本體的知識服務(wù)技術(shù)研究集中于用戶興趣建模、知識資源管理和知識服務(wù)系統(tǒng)等方面，應(yīng)用領(lǐng)域包括企業(yè)、醫(yī)療健康和圖書情報服務(wù)。（1）用戶興趣建模。分析用戶情境行為的內(nèi)涵，研發(fā)基于用戶情境的知識推薦方法，實現(xiàn)數(shù)據(jù)的動態(tài)、精準采集，表示用戶的潛在需求。（2）知識資源管理?；诒倔w技術(shù)的高效知識采集方法實現(xiàn)了非結(jié)構(gòu)化、半結(jié)構(gòu)化信息轉(zhuǎn)化為結(jié)構(gòu)化存儲知識項，精準描述知識資源標注和知識元間鏈接關(guān)系的構(gòu)建。（3）知識服務(wù)系統(tǒng)。有助于建構(gòu)實現(xiàn)企業(yè)知識共享、提高企業(yè)知識的重用率和使用率的主動式知識服務(wù)及跨知識庫個性化知識服務(wù)的知識服務(wù)系統(tǒng)，有效改善用戶檢索環(huán)境的知識服務(wù)系統(tǒng)。

3.1.2 云計算和人工智能

云計算技術(shù)具有快速實現(xiàn)資源共享、方便存儲和使用的特性，被廣泛應(yīng)用于知識服務(wù)領(lǐng)域，其關(guān)鍵技術(shù)包括虛擬化、分布式存儲和海量數(shù)據(jù)處理。人工智能是一門對人腦的意識、思維認知功能進行模擬的新興學(xué)科。從20世紀70年代開始，AI技術(shù)對知識服務(wù)帶來巨大的變化，包括知識采集、分析、管理以及知識再生產(chǎn)等環(huán)節(jié)。

3.2 大數(shù)據(jù)技術(shù)驅(qū)動下的知識服務(wù)模式發(fā)展

在以本體、云計算和人工智能為主體的新一代信息技術(shù)驅(qū)動下，各種面向大數(shù)據(jù)的新型知識服務(wù)模式隨之應(yīng)運而生，包括：（1）基于本體的內(nèi)容生產(chǎn)模式：主要涉及公共部門、農(nóng)業(yè)部門、電子商務(wù)和資源傳遞。（2）基于云計算的平臺架構(gòu)模式：相關(guān)的平臺架構(gòu)包括：平臺底層架構(gòu)、平臺系統(tǒng)架構(gòu)、平臺內(nèi)容架構(gòu)和平臺資源管理。（3）基于人工智能的知識產(chǎn)品輸出模式：在AI+知識服務(wù)環(huán)境下，運用人工智能技術(shù)開發(fā)知識服務(wù)同時，為知識服務(wù)人員和用戶提供知識服務(wù)。越來越多圖書館通過深度學(xué)習(xí)知識圖譜，利用蘊含其中的知識指導(dǎo)深度神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)[7]。場景化知識推薦也逐漸成為知識服務(wù)產(chǎn)品輸出的主要模式[8]。

4大數(shù)據(jù)驅(qū)動下知識服務(wù)模式展望

4.1 大數(shù)據(jù)驅(qū)動下知識服務(wù)框架

大數(shù)據(jù)環(huán)境下的知識服務(wù)是一項系統(tǒng)工程，需要科學(xué)的大數(shù)據(jù)知識服務(wù)戰(zhàn)略規(guī)劃指導(dǎo)。根據(jù)大數(shù)據(jù)環(huán)境下知識服務(wù)的內(nèi)涵和特點，結(jié)合大數(shù)據(jù)對“知識采集—知識處理—知識存儲—知識服務(wù)”的影響，構(gòu)建了大數(shù)據(jù)環(huán)境下的知識服務(wù)創(chuàng)新模式。包括采集存儲層、分析處理層、產(chǎn)品服務(wù)層。整個服務(wù)過程離不開數(shù)據(jù)分析技術(shù)的運用，包括大數(shù)據(jù)挖掘與存儲技術(shù)、大數(shù)據(jù)分析與處理技術(shù)、知識服務(wù)可視交互技術(shù)、大數(shù)據(jù)智能感知技術(shù)、知識服務(wù)安全保障技術(shù)等。（1）采集存儲層。該層為大數(shù)據(jù)知識服務(wù)提供了最初的知識來源。（2）分析處理層。該層是大數(shù)據(jù)知識服務(wù)模式的重要組成部分。（3）產(chǎn)品服務(wù)層。這是直接與用戶進行交互，實現(xiàn)創(chuàng)新知識服務(wù)的表現(xiàn)層。

4.2 大數(shù)據(jù)知識服務(wù)模式展望

4.2.1 基于知識集成的深度個性化服務(wù)

大數(shù)據(jù)時代給知識服務(wù)帶來的變化之一就是使深度個性化服務(wù)成為可能。包括：（1）知識與知識的集成。該集成不僅包括大數(shù)據(jù)知識服務(wù)模式下采集存儲層的數(shù)據(jù)組織，也涵蓋分析處理層的知識抽取、網(wǎng)絡(luò)服務(wù)與開放獲取、知識創(chuàng)新等。未來圖書館可以在海量情境知識的基礎(chǔ)上，對用戶行為及其背后的知識結(jié)構(gòu)進行分類、聚類與推理，進而匯聚成知識地圖，幫助用戶獲取其他的關(guān)聯(lián)知識網(wǎng)絡(luò)。（2）知識與人的集成。著眼于用戶與知識服務(wù)工作人員兩類主體，通過引進高素質(zhì)知識服務(wù)人才，將存儲于知識庫的顯性知識轉(zhuǎn)存至服務(wù)人員的理論知識、自身經(jīng)驗等隱性知識;另一方面，通過大數(shù)據(jù)知識服務(wù)模式下的共享平臺、運營平臺和數(shù)據(jù)平臺，建立知識服務(wù)人員和用戶之間的高效互動機制，快速定位用戶所需，從而實現(xiàn)知識的提煉、整合與創(chuàng)新。

4.2.2 基于知識挖掘的多維知識發(fā)現(xiàn)服務(wù)

知識發(fā)現(xiàn)是一種對信息資源的高級處理過程，是從數(shù)據(jù)集中識別出隱含未知的、潛在有價值的內(nèi)容。知識發(fā)現(xiàn)趨勢是基于數(shù)據(jù)源由單一向混合轉(zhuǎn)變，分析的粒度從粗化轉(zhuǎn)向細化，分析的維度由單一分散轉(zhuǎn)向多維復(fù)合，從多源異構(gòu)海量數(shù)據(jù)中分析、提取知識，知識發(fā)現(xiàn)的深度和廣度也不短深化和拓展。從多維知識發(fā)現(xiàn)的技術(shù)來看，主要熱點仍然是針對海量數(shù)據(jù)進行數(shù)據(jù)挖掘的技術(shù)。目前知識挖掘的方式主要是直接挖掘，而間接挖掘和鏈接挖掘的技術(shù)不斷發(fā)展，將來間接挖掘和鏈接挖掘的技術(shù)變得越來越重要，挖掘的維度隨著知識關(guān)聯(lián)研究的拓展更加豐富和多維，隨之而來的是知識發(fā)現(xiàn)服務(wù)更加多維。

4.2.3 基于知識聚合的深度知識關(guān)聯(lián)服務(wù)

大數(shù)據(jù)的價值源于蘊含在各種知識之間的關(guān)聯(lián)，如何去描述、刻畫、揭示這種關(guān)聯(lián)，是大數(shù)據(jù)在知識服務(wù)過程中的價值提升核心。未來知識關(guān)聯(lián)研究應(yīng)側(cè)重于聚合維度關(guān)聯(lián)方法研究，即通過一定的方法，在知識粒度分析的基礎(chǔ)上，對知識單元進行凝聚，形成多維多層且相互關(guān)聯(lián)的知識體系，實現(xiàn)基于知識聚合的知識關(guān)聯(lián)。同時，要注重通過本體技術(shù)和人工智能，對不同數(shù)據(jù)層面關(guān)聯(lián)開展實證研究，重視知識聚合方法的融合，增強關(guān)聯(lián)數(shù)據(jù)的應(yīng)用范圍。隨著未來研究中知識聚合方法的不斷延伸、融合程度的不斷深入，從而實現(xiàn)深層次語義關(guān)聯(lián)框架的構(gòu)建。

4.2.4 基于知識融合的知識精準服務(wù)

大數(shù)據(jù)時代的知識服務(wù)，用戶需求從個性化服務(wù)的一般滿足上升為精準、智慧層面，于是精準服務(wù)應(yīng)運而生。基于知識融合的知識精準服務(wù)主要在分析處理層實現(xiàn)，通過大數(shù)據(jù)技術(shù)智能處理，利用云技術(shù)將分布于領(lǐng)域知識庫、非結(jié)構(gòu)化的網(wǎng)絡(luò)數(shù)據(jù)源和異構(gòu)數(shù)據(jù)源中抽取知識，運用知識服務(wù)匹配技術(shù)、知識融合算法技術(shù)和智能優(yōu)化技術(shù)等，從大數(shù)據(jù)知識服務(wù)集合中優(yōu)選和組合出最佳的一組解決方案，精準滿足用戶的知識服務(wù)請求。未來圖書館精準知識服務(wù)可以運用本體技術(shù)，基于內(nèi)部讀者畫像及資源畫像，構(gòu)建圖書館大數(shù)據(jù)知識服務(wù)運營平臺，消除知識服務(wù)用戶大量的信息垃圾;同時可以跨界融合，通過多方位、多維度的互動交流渠道銜接外部資源，進行跨界資源的有機融合，展開圖書館知識服務(wù)嫁接，集成更多功能形成聯(lián)動互通。

參考文獻

[1]孫雨生，白璧嬌.國內(nèi)基于本體的知識服務(wù)研究進展：核心內(nèi)容[J].圖書館學(xué)研究，2018（16）：9-16.

[2]謝智敏，郭倩玲.基于深度學(xué)習(xí)的學(xué)術(shù)搜索引擎：Semantic Scholar[J].情報雜志，2017（8）：175-182.

[3]張興旺.信息推薦為例探討圖書館人工智能體系的基本運作模式[J].情報理論與實踐，2017（12）：69-74.

[4]申曉敏.基于關(guān)聯(lián)數(shù)據(jù)的電子商務(wù)知識挖掘模型研究[D].河北科技大學(xué).2016.

[5]王淼.基于知識發(fā)現(xiàn)數(shù)字圖書館知識服務(wù)研究[J].中外企業(yè)家，2018（14）：80.

[6]范興豐.基于云計算和大數(shù)據(jù)的知識服務(wù)平臺架構(gòu)研究[J].無線互聯(lián)科技，2016，11（21）：50-52.

[7]Jun Yin，Xin Jiang，Zhengdong Lu，Lifeng Shang，Hang Li，Xiaoming Li. Neural Generative Question Answering. [C].Proceedings of the 25th International Joint Conference on Artificial Intelligence，

2016，2972-2978.

[8]何勝，熊太純，柳益君，葉飛躍，潘瑜.基于Spark的高校圖書館文獻推薦方案及實證研究[J].圖書情報工作，2017（23）：129-137.

作者簡介：王玉梅，女，南京大學(xué)博士生。研究方向：人工智能與大數(shù)據(jù)，機器識別，信息管理與知識服務(wù)。