趙維維 段燕鴿 陳瑋

摘 要：紅色檔案資源承載著紅色歷史的證據(jù)鏈條，蘊(yùn)藏著我們黨永葆本色的生命密碼。知識圖譜作為高效知識網(wǎng)絡(luò)，可實(shí)現(xiàn)紅色檔案資源知識互聯(lián)，為紅色檔案資源的深層次開發(fā)提供契機(jī)。本文在明確紅色檔案資源及數(shù)據(jù)來源的基礎(chǔ)上，通過知識建模、知識采集、知識抽取、知識融合、知識存儲與展現(xiàn)5個(gè)環(huán)節(jié)構(gòu)建紅色檔案資源知識圖譜，以期充分挖掘紅色檔案資源間的潛在關(guān)聯(lián)，為資源深層次的開發(fā)與應(yīng)用提供可視化知識顯示。

關(guān)鍵詞：紅色檔案資源；紅色檔案；知識圖譜；本體構(gòu)建

基金項(xiàng)目：2022年度河南省檔案局檔案科技項(xiàng)目《新時(shí)代文化傳承與發(fā)展背景下河南紅色檔案資源協(xié)同開發(fā)利用研究》（批準(zhǔn)號：2022—R—039）研究成果。

1 引言

紅色檔案資源承載著黨的歷史，蘊(yùn)藏著黨的初心使命，是黨史學(xué)習(xí)教育最為生動的教科書。近年來，在數(shù)字人文研究的浪潮下，學(xué)界不斷探討紅色檔案資源的開發(fā)利用方法，主動引入數(shù)字人文方法。知識圖譜作為代表性的數(shù)字技術(shù)之一，以結(jié)構(gòu)化的形式描述客觀世界中概念、實(shí)體及其關(guān)系的高效知識組織網(wǎng)絡(luò)，使得實(shí)體之間關(guān)系以圖的方式進(jìn)行知識表示，可實(shí)現(xiàn)知識互聯(lián)。知識圖譜自提出后，已在智慧金融、智慧醫(yī)療、智慧政務(wù)等多個(gè)領(lǐng)域落地應(yīng)用，并逐漸引起檔案學(xué)者的關(guān)注。如趙雪芹將其與工程檔案相結(jié)合開展研究[1]，鄧君將其引入口述歷史檔案資源研究[2]，宋雪雁將其與檔案文獻(xiàn)研究相結(jié)合[3]。并未有學(xué)者將知識圖譜引入到紅色檔案資源開發(fā)之中進(jìn)行探討。加之在數(shù)字人文場域下，紅色檔案資源開發(fā)無法割棄計(jì)算機(jī)技術(shù)。 本研究將知識圖譜與紅色檔案資源相結(jié)合，在明確紅色檔案資源定義及數(shù)據(jù)來源的基礎(chǔ)上，通過知識建模、知識采集、知識抽取、知識融合、知識存儲與展現(xiàn)構(gòu)建紅色檔案資源知識圖譜，以期充分挖掘紅色檔案資源間的潛在關(guān)聯(lián)，支撐資源的深層次開發(fā)與多元化的利用需求。

2 紅色檔案資源知識圖譜構(gòu)建意義

2.1 紅色檔案資源的界定

學(xué)術(shù)界鮮少對紅色檔案資源的概念開展專門且深入的理論探討，并存在將紅色檔案和紅色檔案資源作為同一概念進(jìn)行使用的情況。如郭曉文指出紅色檔案資源包含革命和建設(shè)時(shí)期形成的且能夠體現(xiàn)中國共產(chǎn)黨和人民群眾崇高革命精神的珍貴紅色檔案和多形態(tài)紅色資源[4]。翟樂認(rèn)為紅色檔案資源主要包括中共黨史、 新中國史、改革開放史和社會主義發(fā)展史的檔案資源[5]。陳艷紅基于鄭慧對紅色檔案的界定，提出紅色檔案資源是由黨領(lǐng)導(dǎo)的機(jī)關(guān)、團(tuán)體、企事業(yè)單位等在政治、經(jīng)濟(jì)、軍事等活動中形成的歷史記錄[6]。 本文立足于“大檔案”視角，并結(jié)合現(xiàn)有觀點(diǎn)，主張紅色檔案資源定義為中國共產(chǎn)黨領(lǐng)導(dǎo)機(jī)關(guān)、團(tuán)體、企事業(yè)單位、人民群眾等在革命、建設(shè)和改革時(shí)期形成的能夠體現(xiàn)黨和人民崇高精神的紅色檔案及紅色資源。紅色檔案資源蘊(yùn)含著黨的初心使命和光榮傳統(tǒng)，彰顯黨和人民的開拓精神和家國情懷[7]，是見證黨艱苦奮斗歷程的第一手史料，能夠?qū)Ω锩穼?shí)、黨的歷史發(fā)展、中國共產(chǎn)黨人的精神譜系等進(jìn)行立體化展現(xiàn)，可作為四史教育的生動教材。我們要把紅色檔案資源保管好、管理好、利用好，賡續(xù)紅色血脈[8] 。

2.2 紅色檔案資源分布特點(diǎn)

2.2.1分布散落。紅色檔案資源的形成和保存方式使其呈現(xiàn)出散落分布的特點(diǎn)。紅色檔案資源形成于特定的地理空間，僅記錄該區(qū)域的革命史實(shí)。我國地域廣闊，黨和人民在延安、大別山區(qū)、蘇北老區(qū)、閩西地區(qū)、南京、上海等地都留下了革命遺址遺跡，這使得紅色檔案資源較為分散。更為重要的是，大部分紅色檔案資源在形成后便被保存于形成地區(qū)的博物館、紀(jì)念館、檔案館、圖書館、文物館等單位以及國家檔案館，還有部分散落在企業(yè)、社會組織和個(gè)人手中，并未實(shí)現(xiàn)統(tǒng)一化收集，使得紅色檔案資源散落分布，形成“信息孤島”。

2.2.2知識組織程度低。知識組織程度即知識的序化程度，可從顯性和隱性兩個(gè)方面進(jìn)行考慮。從顯性方面來看，不同地區(qū)和機(jī)構(gòu)之間交流合作較少，并未形成統(tǒng)一的紅色檔案資源組織方式，難以實(shí)現(xiàn)成果整合。從隱性方面來看，紅色檔案資源的知識組織較少應(yīng)用關(guān)聯(lián)數(shù)據(jù)、知識圖譜、數(shù)字地圖等技術(shù)，缺乏語義互操作和統(tǒng)一的元數(shù)據(jù)著錄標(biāo)準(zhǔn)[9]，很難實(shí)現(xiàn)紅色檔案資源的細(xì)粒度表示及深層次的語義挖掘，使得紅色檔案資源內(nèi)部信息的揭示程度不夠。如何收集、組織和知識化開發(fā)紅色檔案資源，并支撐學(xué)術(shù)研究，是我們需要進(jìn)一步解決的問題。

2.3 知識圖譜在紅色檔案資源開發(fā)中應(yīng)用的意義

知識圖譜作為資源關(guān)聯(lián)的技術(shù)方法，具有語義化、知識化、數(shù)據(jù)化等特點(diǎn)，能夠描述紅色檔案資源實(shí)體及相互關(guān)系并將其構(gòu)成網(wǎng)狀結(jié)構(gòu)，基于此可充分挖掘紅色檔案資源間潛在關(guān)聯(lián)并實(shí)現(xiàn)紅色檔案資源的知識整合。 知識圖譜的引入可揭示紅色檔案資源間隱含關(guān)系。知識圖譜以有向圖的方式清晰展現(xiàn)節(jié)點(diǎn)、節(jié)點(diǎn)關(guān)系及圖譜整體特征，使得開發(fā)者可以依據(jù)紅色檔案資源知識圖譜依次尋找相鄰節(jié)點(diǎn)并發(fā)現(xiàn)關(guān)聯(lián)信息，進(jìn)而挖掘出資源間隱含的多維復(fù)雜關(guān)系并獲得啟發(fā)。知識圖譜在語義層面上對實(shí)體、概念以及實(shí)體間的關(guān)聯(lián)關(guān)系進(jìn)行形式化的描述，能夠揭示紅色檔案資源語義信息并以靈活的網(wǎng)系結(jié)構(gòu)實(shí)現(xiàn)繁雜紅色檔案資源的知識聚合，便于開發(fā)者快速定位、發(fā)現(xiàn)并提取所需資源，并為紅色檔案資源進(jìn)一步的知識發(fā)現(xiàn)提供可能途徑。

3 紅色檔案資源知識圖譜構(gòu)建的數(shù)據(jù)來源

3.1 紅色檔案

紅色檔案是黨和人民在革命和建設(shè)過程中形成的具有保存價(jià)值的原始記錄[10]，包含博物館、檔案館、文化館、紀(jì)念館等機(jī)構(gòu)收藏的以及社會遺留的紙質(zhì)檔案、音像檔案和實(shí)物檔案，應(yīng)作為紅色檔案資源知識圖譜的主要數(shù)據(jù)來源。

3.2 紅色資源

紅色資源指的是黨領(lǐng)導(dǎo)人民在革命和建設(shè)過程中形成的具有保存價(jià)值的資源[11]，包含歷史紀(jì)念館、革命紀(jì)念館、陳列館、黨史館、人物故居、革命遺址遺跡、烈士陵園、烈士紀(jì)念碑、革命歌曲、革命詩歌、文物、文獻(xiàn)等物質(zhì)形態(tài)的紅色資源，黨史事件、革命人物、重要會議、革命精神等非物質(zhì)形態(tài)的紅色資源。

4 紅色檔案資源知識圖譜構(gòu)建框架

4.1 知識建模

知識建模是構(gòu)建紅色檔案資源知識圖譜的邏輯架構(gòu)，即紅色檔案資源本體構(gòu)建。其作為構(gòu)建紅色檔案資源知識圖譜的基礎(chǔ)，可明確紅色檔案資源的類、屬性及其關(guān)系，并形成計(jì)算機(jī)可以直接理解和處理的語言。因七步法和 Protégé應(yīng)用較為廣泛，且 Protégé具有可視用戶界面、開源用戶代碼等優(yōu)點(diǎn)[12]，故此本文選用斯坦福大學(xué)的“七步法”和 Protégé來構(gòu)建紅色檔案資源本體。紅色檔案資源本體的構(gòu)建，需先明確其范圍和特點(diǎn)，并在查找可復(fù)用本體的基礎(chǔ)上，列出本體的類和子類，繼而定義類的對象屬性和數(shù)據(jù)屬性。

4.1.1界定核心概念。本體的構(gòu)建需以明確紅色檔案資源的范圍和特點(diǎn)為基礎(chǔ)，繼而參考復(fù)用本體詞表對資源類、子類、類屬性、子類屬性的描述，如 FOAF 本體和 CIDOC CRM 概念參考模型，以提高本體的參考價(jià)值和可復(fù)用性，推進(jìn)知識共享。圍繞紅色檔案資源內(nèi)容，基于機(jī)器學(xué)習(xí)從大量紅色檔案資源文本中抽取核心概念，并將其中具有概括性的核心概念作為本體的類，形成時(shí)間、地點(diǎn)、人物、事件、事物、資源 6 個(gè)類及其子類，如圖 1 所示。其中，時(shí)間類復(fù)用 CIDOC CRM 的 E52，包含時(shí)間點(diǎn)和時(shí)間段兩個(gè)子類，如人物的出生死亡時(shí)間點(diǎn)、事物的形成時(shí)間點(diǎn)、事件發(fā)生的時(shí)間段等；地點(diǎn)類包含收藏機(jī)構(gòu)和地理位置 2 個(gè)子類， 即收藏紅色檔案資源的機(jī)構(gòu)和紅色檔案資源內(nèi)容所記載的地理位置信息；人物類復(fù)用 FOAF 本體的 Agent，分為個(gè)體、群體和組織機(jī)構(gòu) 3 個(gè)子類[13]；事件類依據(jù)紅色檔案資源內(nèi)容進(jìn)行定義，因紅色檔案資源記載的事件主要圍繞革命、建設(shè)和改革展開，故此可劃分為革命事件、建設(shè)事件、改革事件 3 個(gè)子類；事物類復(fù)用 CIDOC CRM 中的 E7 進(jìn)行定義，指的是紅色檔案資源所描述的實(shí)物對象，包含自然物和人造物 2 個(gè)子類，即地形、山脈等自然物，黨章、指南針、軍用水壺等人造物；載體類借鑒 CIDOC CRM 中的 E55 進(jìn)行定義，指的是紅色檔案資源所表達(dá)的物理表現(xiàn)，包含文本、圖像、音頻、視頻和實(shí)物 5 個(gè)子類。

4.1.2添加屬性。本體屬性涵括對象屬性（Object Property）和數(shù)據(jù)屬性（Data Property），紅色檔案資源的對象屬性包含人物與時(shí)間、人物與地點(diǎn)、人物與事 件、時(shí)間與事件等，創(chuàng)建對象屬性可建立不同類之間的關(guān)系，便于紅色檔案資源知識圖譜的關(guān)聯(lián)檢索和知識發(fā)現(xiàn)[14]；紅色檔案資源的數(shù)據(jù)屬性包含名稱、曾用名、民族、性別、籍貫、職位等個(gè)體信息，機(jī)構(gòu)名稱、機(jī)構(gòu)曾用名等組織機(jī)構(gòu)信息，名稱、地址、郵編等收藏機(jī)構(gòu)信息，創(chuàng)建數(shù)據(jù)屬性可消除實(shí)體的歧義性，如圖 2 所示。

4.1.3繪制本體模型。在明確紅色檔案資源本體和屬性后，運(yùn)用 Protégé繪制本體模型，實(shí)現(xiàn)紅色檔案資源本體的可視化展示。如圖 3 所示。

4.2 知識采集

知識采集，指的是對多源異構(gòu)的數(shù)據(jù)源進(jìn)行獲取并統(tǒng)一存儲。紅色檔案資源的來源分散和結(jié)構(gòu)復(fù)雜多樣的特性使得知識采集工作較為復(fù)雜。一是運(yùn)用數(shù)字化轉(zhuǎn)換設(shè)備和激光掃描設(shè)備，將博物館、檔案館、紀(jì)念館、革命遺址遺跡、烈士陵園等收藏的紙質(zhì)檔案資源、音像檔案資源、實(shí)物檔案資源進(jìn)行數(shù)字化轉(zhuǎn)換；二是利用八爪魚、爬山虎等爬蟲工具在網(wǎng)站上爬取相關(guān)紅色資源；三是廣泛征集社會遺存的紅色檔案資源并進(jìn)行數(shù)字化。因數(shù)字化后的圖像、實(shí)物檔案資源仍為非結(jié)構(gòu)化數(shù)據(jù)，不利于進(jìn)一步的數(shù)據(jù)處理，故此將其轉(zhuǎn)化為文本格式，以便于后續(xù)的知識抽取。

4.3 知識抽取

知識抽取對數(shù)據(jù)深層語義的理解及處理具有重要意義，指的是在知識采集基礎(chǔ)上將非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化內(nèi)容的過程，包含實(shí)體抽取、關(guān)系抽取和屬性抽取 3 個(gè)部分。實(shí)體作為進(jìn)一步抽取屬性和關(guān)系的基礎(chǔ)，其準(zhǔn)確性和完整度至關(guān)重要。實(shí)體抽取旨在從紅色檔案資源文本中識別實(shí)體邊界及其類型，提取紅色檔案資源的關(guān)聯(lián)數(shù)據(jù)。關(guān)系作為知識圖譜的重要組成部分，是實(shí)體及其屬性的補(bǔ)全。關(guān)系抽取是從文本中抽取出兩個(gè)或多個(gè)實(shí)體語義關(guān)系，如（人物，出生，時(shí)間）（人物，參與，事件）等，可解決實(shí)體語義鏈接問題[15]。實(shí)體和關(guān)系的抽取方法有階段獨(dú)立式抽取和聯(lián)合抽取。因階段獨(dú)立式的抽取方法不可避免存在著誤差傳播、上下文語義關(guān)系利用不足等問題。故此，選用實(shí)體關(guān)系聯(lián)合抽取的方法，即基于 BERT 的中文實(shí)體關(guān)系聯(lián)合抽取模型，該模型包含頭實(shí)體抽取和相應(yīng)的尾實(shí)體與關(guān)系抽取，充分考慮了句子的整體信息，可解決誤差傳 播和上下文語義關(guān)系利用不足等問題[16]。

4.4 知識融合

知識融合，指的是集成不同結(jié)構(gòu)的紅色檔案資源。在知識融合的過程中，需綜合考慮概念層和數(shù)據(jù)層，通過本體匹配、實(shí)體對齊、知識冗余和矛盾消除等， 形成高質(zhì)量的數(shù)據(jù)庫。概念層的知識融合，是將紅色檔案資源本體模型與其他本體模型的類、屬性進(jìn)行融合；數(shù)據(jù)層的知識融合包含實(shí)體對齊、知識冗余與矛盾消除等。因知識抽取所形成的實(shí)體、關(guān)系和屬性集合極大可能存在冗余信息、沖突信息等“噪聲”，故需通過知識融合進(jìn)行降噪處理。如異名字段的匹配與映射、 同名字段的異議與區(qū)分問題。紅色檔案資源中存在“多人同名”現(xiàn)象，我國史上兩位將軍名字均為方國南，其中一位參加長征、遼沈、平津等戰(zhàn)役，為新中國的誕生做出重大貢獻(xiàn)，另一位作為新中國軍銜授予的重要人物，獲得了一級解放勛章，可依據(jù)檔案和史料進(jìn)行區(qū)分，辨別人物實(shí)體差異。

4.5 知識存儲與展現(xiàn)

現(xiàn)有的知識圖譜主要采用 MarkLogic、gStore、Virtuoso、Stardog、Neo4j 等進(jìn)行存儲[17]。因 Neo4j 圖數(shù)據(jù)庫更加注重?cái)?shù)據(jù)的關(guān)聯(lián)關(guān)系，且具有架構(gòu)靈活、高擴(kuò)展、高性能等優(yōu)點(diǎn)[18]，故選用 Neo4j 圖數(shù)據(jù)庫存儲紅色檔案資源知識圖譜，應(yīng)用Java語言和 Neo4j圖數(shù)據(jù)庫的 CREATE 語句創(chuàng)建圖結(jié)構(gòu)，運(yùn)用 Browser 工具完成紅色檔案資源知識圖譜的可視化展示。如圖 4 所示，Neo4j 中不同顏色節(jié)點(diǎn)代表不同類型的實(shí)體，邊則代表了實(shí)體的相關(guān)關(guān)系，可清晰呈現(xiàn)實(shí)體之間關(guān)系，實(shí)現(xiàn)實(shí)體與關(guān)系的高效搜索與遍歷，也為后續(xù)的知識應(yīng)用奠定基礎(chǔ)。

結(jié)語

紅色檔案資源見證了黨的崢嶸歲月，是深挖革命和建設(shè)年華、開展黨史學(xué)習(xí)教育的生動教材。我們要為國守史，深入挖掘紅色檔案資源，承擔(dān)起傳承和弘揚(yáng)紅色精神的時(shí)代重任。紅色檔案資源知識圖譜的構(gòu)建為紅色檔案資源開發(fā)利用注入了 新視角與新路徑，可助力紅色檔案資源的有效整合、深層次挖掘與多維知識發(fā)現(xiàn)，充分發(fā)揮紅色檔案資源存史資政育人的作用，推進(jìn)紅色基因傳承與紅色文化傳播。

參考文獻(xiàn)

[1]趙雪芹，楊一凡，于文靜.基于Neo4j圖數(shù)據(jù)庫的工程檔案知識圖譜構(gòu)建及應(yīng)用[J].檔案與建設(shè)，2022（5）：48-51.

[2]鄧君，王阮.口述歷史檔案資源知識圖譜與多維知識發(fā)現(xiàn)研究[J].圖書情報(bào)工作，2022，66（7）：4-16.

[3]宋雪雁，張偉民，張祥青.基于檔案文獻(xiàn)的清代祭祀禮器知識圖譜構(gòu)建研究[J].圖書情報(bào)工作，2022，66（3）：140-151.

[4]郭曉文.赤峰市紅色檔案教育資源及其開發(fā)利用[J].赤峰學(xué)院學(xué)報(bào)（漢文哲學(xué)社會科學(xué)版），2021，42（12）：40-43.

[5]翟樂，李金格.數(shù)字人文視閾下紅色檔案資源的遴選、組織與開發(fā)策略研究[J].情報(bào)科學(xué)，2021，39（12）：174-178+186.

[6]陳艷紅，陳晶晶.數(shù)字人文視域下檔案館紅色檔案資源開發(fā)的時(shí)代價(jià)值與路徑選擇[J].檔案學(xué)研究，2022（3）：68-75.

[7]王向女，姚婧.“互聯(lián)網(wǎng)+”時(shí)代長三角地區(qū)紅色檔案資源開發(fā)與利用的新方向[J].檔案與建設(shè)，2020（8）：4-8.

[8]習(xí)近平.用好紅色資源 賡續(xù)紅色血脈 努力創(chuàng)造無愧于歷史和人民的新業(yè)績[J].中國人大，2021（19）：6-9.

[9]翟樂，李金格.數(shù)字人文視閾下紅色檔案資源的遴選、組織與開發(fā)策略研究[J].情報(bào)科學(xué)，2021，39（12）：174-178+186.

[10]周林興，姜璐.紅色檔案資源開發(fā)中的敘事表達(dá)研究[J].檔案學(xué)研究，2022（4）：4-9.

[11]許徐琪.試析紅色資源的時(shí)代價(jià)值與傳承路徑[J].浙江檔案，2021（12）：13-16.

[12]馬翠嫦，曹樹金.網(wǎng)絡(luò)學(xué)術(shù)文檔細(xì)粒度聚合本體構(gòu)建研究[J].圖書情報(bào)工作，2019，63（24）：107-118.

[13]趙雪芹，李天娥，曾剛.面向數(shù)字人文圖像資源的知識元本體構(gòu)建及關(guān)聯(lián)展示研究[J/OL].情報(bào)理論與實(shí)踐：1-11[2022-08-27].http：//kns.cnki.net/kcms/detail/11.1762.G3.20220411.1643.006.html.

[14]宋雪雁，張偉民，張祥青.基于檔案文獻(xiàn)的清代祭祀禮器知識圖譜構(gòu)建研究[J].圖書情報(bào)工作，2022，66（3）：140-151.

[15]徐增林，盛泳潘，賀麗榮，王雅芳.知識圖譜技術(shù)綜述[J].電子科技大學(xué)學(xué)報(bào)，2016，45（4）：589-606.

[16]李代祎，李忠良，嚴(yán)麗.一種面向中文的實(shí)體關(guān)系聯(lián)合抽取方法研究[J/OL].小型微型計(jì)算機(jī)系統(tǒng)：1-9[2022-08-30].http：//kns.cnki.net/kcms/detail/21.1106.TP.20220727.1525.004.html.

[17]杭婷婷，馮鈞，陸佳民.知識圖譜構(gòu)建技術(shù)：分類、調(diào)查和未來方向[J].計(jì)算機(jī)科學(xué)，2021，48（2）：175-189.

[18]高勁松，張強(qiáng)，李帥珂.可移動文物的知識圖譜構(gòu)建及關(guān)聯(lián)數(shù)據(jù)存儲——以湖北省博物館為例[J].現(xiàn)代情報(bào)，2022，42（4）：88-98.

（作者單位：固始縣檔案館 鄭州航空工業(yè)管理學(xué)院）