張雯君

摘 要：本研究旨在探討基于知識發(fā)現(xiàn)的高校檔案知識圖譜，在知識管理與應(yīng)用領(lǐng)域的重要性。通過構(gòu)建高校檔案知識圖譜，實現(xiàn)高校檔案數(shù)據(jù)的智能化管理和應(yīng)用，解決檔案資源深度開發(fā)程度低等問題。在理論建構(gòu)方面，將高校檔案數(shù)字化轉(zhuǎn)型與創(chuàng)新高校檔案管理方式相結(jié)合，為高校檔案信息化建設(shè)提供新路徑和實踐指導(dǎo)。

關(guān)鍵詞：知識發(fā)現(xiàn)；數(shù)據(jù)挖掘；高校檔案管理；知識圖譜

引言

知識發(fā)現(xiàn)這一概念起源于20世紀90年代美國底特律召開的第一屆數(shù)據(jù)挖掘研討會，通過多次迭代和交互，在數(shù)據(jù)中搜索新的、實用的、潛在有用的、最終可以理解的模式。包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、模型生成和模式驗證等步驟。將知識發(fā)現(xiàn)與高校檔案相融合，構(gòu)建高校檔案知識圖譜，實現(xiàn)高校檔案數(shù)據(jù)深度聚合，為高校檔案發(fā)展注入新動能。

一、 高校檔案信息知識發(fā)現(xiàn)的研究基礎(chǔ)

1.高校檔案信息知識發(fā)現(xiàn)的必要性

高校檔案是高校歷史與文化傳承的珍貴載體，記錄了高校發(fā)展歷程、重大事件、人才培養(yǎng)、學(xué)術(shù)成果等方面的信息，對高校的歷史、文化和發(fā)展有著極為重要的意義。然而，隨著高校檔案資料不斷增長和多元化，傳統(tǒng)檔案管理面臨著許多挑戰(zhàn)，知識發(fā)現(xiàn)作為智能化管理的重要技術(shù)，在檔案信息挖掘方面具有顯著優(yōu)勢，可協(xié)助高校檔案管理部門提高管理效率和質(zhì)量，促進高校檔案領(lǐng)域的數(shù)字化轉(zhuǎn)型和創(chuàng)新發(fā)展。

首先，知識發(fā)現(xiàn)可提高檔案信息挖掘的深度和廣度，通過自動化、智能化的分析，深入發(fā)現(xiàn)檔案信息之間的關(guān)聯(lián)性和規(guī)律性，為相關(guān)領(lǐng)域的研究和應(yīng)用提供支持和幫助。例如，通過分析學(xué)生選課和成績信息，預(yù)測學(xué)生學(xué)業(yè)和職業(yè)方向，為學(xué)生提供更好的指導(dǎo)和服務(wù)。其次，加強檔案信息的安全性，利用加密和權(quán)限控制技術(shù)發(fā)現(xiàn)和預(yù)防安全風(fēng)險。最后，提高檔案管理的效率和精度，實現(xiàn)檔案信息的精確檢索和語義關(guān)聯(lián)，通過自動化的方式減少人工操作的時間和誤差。

2.高校檔案信息知識發(fā)現(xiàn)的可行性

知識發(fā)現(xiàn)具備從海量結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)中獲取知識的能力，并通過可視化、推理、預(yù)測等手段，使知識更容易被吸收和理解。在高校檔案管理方面，知識發(fā)現(xiàn)技術(shù)具有以下優(yōu)勢：

（1）學(xué)術(shù)研究方面。利用檔案知識發(fā)現(xiàn)技術(shù)，研究高校歷史和文化的演變，探究歷史事件和思想流派對高校發(fā)展的深遠影響，分析高校人才培養(yǎng)和學(xué)術(shù)成果的規(guī)律，為高校學(xué)術(shù)建設(shè)和發(fā)展提供有力支持。

（2）教學(xué)工作方面。基于高校檔案挖掘出有效的教學(xué)資源，以較早的課程、教材、課件或教學(xué)方法為依據(jù)，為教學(xué)工作提供指導(dǎo)和借鑒，創(chuàng)新教學(xué)模式。

（3）學(xué)校管理方面。深入挖掘高校檔案中蘊含的管理思想、創(chuàng)新活動以及組織機構(gòu)等重要信息，為高校的精細化管理提供前沿資料。

（4）文化傳承方面。高校檔案是高校文化傳承的重要載體，運用知識發(fā)現(xiàn)技術(shù)發(fā)掘和整理高校傳統(tǒng)文化、校史、風(fēng)俗等方面的信息，有助于弘揚校園文化，促進校園文化的傳承與創(chuàng)新。

二、高校檔案知識發(fā)現(xiàn)構(gòu)建技術(shù)

1.數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中尋找有價值、可理解的信息。在數(shù)字檔案領(lǐng)域，數(shù)據(jù)挖掘能夠幫助檔案管理員在非結(jié)構(gòu)化數(shù)據(jù)中尋找到隱藏在文獻中的關(guān)系、模式和規(guī)律，從而改善檔案管理狀態(tài)，提供更好的檔案服務(wù)。數(shù)據(jù)挖掘常用的算法包括分類算法、集合算法、關(guān)聯(lián)規(guī)則算法、回歸算法和檢測異常算法等。

2.機器學(xué)習(xí)技術(shù)

機器學(xué)習(xí)關(guān)注于如何提升算法在體驗式學(xué)習(xí)中的性能。機器學(xué)習(xí)肇始于1943年Warren McCulloch和Walter Pitts提出的神經(jīng)網(wǎng)絡(luò)層次結(jié)構(gòu)模型，該模型為機器學(xué)習(xí)的研發(fā)奠定了基礎(chǔ)。機器學(xué)習(xí)的形式依賴于人類參與程度的差異，在這方面，機器學(xué)習(xí)可以被分類為有監(jiān)督、無監(jiān)督和半監(jiān)督學(xué)習(xí)。有監(jiān)督學(xué)習(xí)在人類制定訓(xùn)練集目標的前提下，創(chuàng)建數(shù)據(jù)集函數(shù)并預(yù)測相應(yīng)的新數(shù)據(jù)結(jié)果；而無監(jiān)督學(xué)習(xí)則是在不使用手動選擇數(shù)據(jù)的情況下，由計算機獨立執(zhí)行整個過程的學(xué)習(xí)；部分監(jiān)督學(xué)習(xí)則處于有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)之間，利用大量未標記數(shù)據(jù)來識別模式以完成任務(wù)。機器學(xué)習(xí)還依賴于歸納、推理和分類等技術(shù)，以讓計算機自主學(xué)習(xí)和適應(yīng)不同的場景。支持向量機（SVM）、神經(jīng)網(wǎng)絡(luò)、決策樹等機器學(xué)習(xí)算法都得到了廣泛應(yīng)用，計算機利用大量數(shù)據(jù)來推斷規(guī)律和模式，并據(jù)此做出正確的預(yù)測和決策。

3.三元組抽取技術(shù)

三元組抽取技術(shù)從句子中提取實體和其對應(yīng)關(guān)系的信息，關(guān)鍵步驟包括從句子中提取實體對并進一步確定實體對間的語義關(guān)系。若實體對之間存在語義關(guān)系，則需明確該關(guān)系所屬的關(guān)系類別，通常用關(guān)系三元組來描述。在先驗規(guī)則的引導(dǎo)下，對句子進行語法和語義分析，將主語、謂語和賓語等元素分別匹配，抽取出符合“主語－謂語－賓語”這一三元組關(guān)系的信息，為知識圖譜構(gòu)建提供基礎(chǔ)。

三、知識發(fā)現(xiàn)構(gòu)建流程及功能實現(xiàn)

1.知識發(fā)現(xiàn)構(gòu)建流程

知識發(fā)現(xiàn)涉及多學(xué)科科學(xué)原理，如人工智能、數(shù)據(jù)挖掘、自然語言處理等技術(shù)領(lǐng)域。知識發(fā)現(xiàn)是將源自多個數(shù)據(jù)源的未知或不完整的知識信息進行處理、分析和挖掘，為實際應(yīng)用提供指導(dǎo)，實現(xiàn)知識管理與知識共享的過程。知識發(fā)現(xiàn)構(gòu)建過程分為三個階段，即數(shù)據(jù)采集和預(yù)處理、模型構(gòu)建和驗證、知識整合和應(yīng)用知識。

（1）數(shù)據(jù)采集和預(yù)處理

數(shù)據(jù)采集是指從數(shù)據(jù)庫、傳感器、API、文本文件和網(wǎng)頁等各類數(shù)據(jù)源中提取，收集、整理和記錄有關(guān)特定事物數(shù)據(jù)信息的過程。采集的數(shù)據(jù)應(yīng)保證質(zhì)量和完整性，便于后續(xù)數(shù)據(jù)處理和分析的準確性和可靠性。數(shù)據(jù)預(yù)處理包括數(shù)據(jù)清洗、數(shù)據(jù)匹配和數(shù)據(jù)整合等步驟。數(shù)據(jù)清洗可以去除數(shù)據(jù)中的異常值和重復(fù)值，數(shù)據(jù)匹配則可以將來自不同數(shù)據(jù)源的數(shù)據(jù)整合和合并，數(shù)據(jù)整合則可以將多個數(shù)據(jù)集合并成一個大的數(shù)據(jù)集。

（2）模型構(gòu)建和驗證

利用機器學(xué)習(xí)和人工智能技術(shù)，在原始數(shù)據(jù)中選擇目標數(shù)據(jù)，確定目標數(shù)據(jù)之后構(gòu)建知識發(fā)現(xiàn)模型。創(chuàng)建模型是整體實施的一部分，選擇適當?shù)膮?shù)和輸入變量來確保最佳值，所選擇的變量在數(shù)量和關(guān)聯(lián)性上不宜太多、太強，應(yīng)具有良好的數(shù)據(jù)質(zhì)量。通過聚類的方法界定發(fā)現(xiàn)知識的有效性，識別原始數(shù)據(jù)的有效知識和無效知識，形成最終可以被利用的知識。

（3）知識整合和可視化

根據(jù)數(shù)據(jù)驗證的結(jié)果，將分析得到的信息和知識轉(zhuǎn)化為模型、圖表等形式。并運用可視化方式以直觀和易懂的方式呈現(xiàn)出來。例如，繪制散點圖表示各個數(shù)據(jù)點之間的關(guān)系、使用柱狀圖來展示不同組別之間的差異等。

2.知識發(fā)現(xiàn)功能實現(xiàn)

知識發(fā)現(xiàn)功能體現(xiàn)在三個方面，一是自動對文本數(shù)據(jù)標記、分類、過濾及整合并建立索引，將文本數(shù)據(jù)結(jié)構(gòu)化處理，幫助用戶更好地做出決策，實現(xiàn)資源共享和重復(fù)利用；二是通過文本挖掘、信息抽取等技術(shù)實現(xiàn)對文檔中的實體、屬性和關(guān)系等信息的自動化提取，輔助檔案管理人員快速獲取文檔中的重要信息。同時，實現(xiàn)文檔之間的關(guān)聯(lián)分析，深入挖掘文檔內(nèi)隱含的知識；三是輔助檔案管理人員對文檔審查和合規(guī)性檢驗，實現(xiàn)對文檔內(nèi)容的自動化檢驗和驗證，簡化工作程序，并提高準確性。

四、基于知識發(fā)現(xiàn)的高校檔案知識圖譜構(gòu)建應(yīng)用研究

知識圖譜是從文本中抽取數(shù)據(jù)和本體，采用圖譜的形式表示知識，通過關(guān)系和語義連接不同的實體，構(gòu)建具有語義表達和推理能力的知識體系?；谥R發(fā)現(xiàn)的高校檔案知識圖譜構(gòu)建，是利用計算機語言處理技術(shù)和大數(shù)據(jù)存儲技術(shù)，對高校檔案資源開展分析和處理，利用圖譜中的關(guān)系和屬性信息，實現(xiàn)對高校檔案知識和信息的發(fā)現(xiàn)。研究內(nèi)容包括高校檔案資源的數(shù)據(jù)結(jié)構(gòu)和組織方式、知識圖譜的構(gòu)建和維護、知識圖譜檢索算法的設(shè)計和優(yōu)化等方面。通過應(yīng)用知識發(fā)現(xiàn)技術(shù)，對知識圖譜構(gòu)建產(chǎn)生積極影響，提高其質(zhì)量、完備性和應(yīng)用效果。

1.知識發(fā)現(xiàn)對高校知識圖譜構(gòu)建中的優(yōu)化作用

知識圖譜是以實體為節(jié)點，以關(guān)系為邊構(gòu)建的一個語義網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建過程中，存在知識不完備性和信息缺失性。運用知識發(fā)現(xiàn)技術(shù)可挖掘隱藏的關(guān)系，發(fā)現(xiàn)未知實體屬性，并將信息補全。例如，在科研檔案關(guān)系圖譜中，如果缺失兩個節(jié)點之間的關(guān)系，可以根據(jù)已有的關(guān)系，推斷兩個節(jié)點之間是否存在其他未被發(fā)現(xiàn)的關(guān)系，從而完成信息補全。對初步建立的高校檔案知識圖譜，采取建立模型、優(yōu)化算法等措施對圖譜開展檢驗和驗證，優(yōu)化圖譜結(jié)構(gòu)和相關(guān)參數(shù)，使高校知識圖譜更專業(yè)、準確。

2.高校檔案知識圖譜的功能應(yīng)用

通過高校檔案知識圖譜的研究和應(yīng)用，可有效解決高校檔案在分類、管理和利用等方面的問題，從而構(gòu)建一個智能化、服務(wù)型的檔案館管理平臺。智能化的檔案館管理平臺將有助于推進高校的智慧化校園建設(shè)，為高校的教學(xué)科研和管理服務(wù)提供支持，為高校的可持續(xù)發(fā)展提供有力支撐。

（1）智能檢索和挖掘

利用人工智能和自然語言處理技術(shù)，抽取主題、內(nèi)容、時間、地點及人物等高校檔案資源關(guān)鍵細節(jié)信息和知識點，轉(zhuǎn)化為結(jié)構(gòu)化的圖譜。用戶通過關(guān)鍵字、語義等自然語言檢索方式，獲取到與之相關(guān)的高校檔案信息，如學(xué)校歷史沿革、校園文化、學(xué)術(shù)成果等，實現(xiàn)精準信息檢索和篩選。利用數(shù)據(jù)挖掘技術(shù)，對歷年高校各學(xué)科的學(xué)生人數(shù)、科研成果、教師隊伍等各類數(shù)據(jù)開展分析，發(fā)現(xiàn)數(shù)據(jù)內(nèi)在聯(lián)系和規(guī)律性，提高檔案資源的利用價值。在科研方面，可以通過挖掘高校檔案中的歷史科研成果和文獻數(shù)據(jù)，為當前高校的科學(xué)研究提供借鑒、啟示和指導(dǎo)。

（2）智能分析和管理

高校檔案管理借助知識圖譜的智能分析實現(xiàn)高效、準確的管理。智能分析具有全方位梳理檔案信息體系的功能，運用智能化的內(nèi)容聚類和歸納，以及語義分析等技術(shù)實現(xiàn)集中式管理；智能管理通過科學(xué)整合和自動化認定檔案價值、分析檔案密級，實現(xiàn)精準歸檔；利用大數(shù)據(jù)和機器學(xué)習(xí)技術(shù)實現(xiàn)檔案分類整理和保管；建立智能化管理系統(tǒng)，提升檔案管理效率和準確性，為高校決策提供精準和有力支持。

（3）智能推薦和融合

智能推薦通過知識建設(shè)和挖掘過程中數(shù)據(jù)推薦技術(shù)，為用戶推薦與需求相關(guān)的檔案資源，并通過不同的呈現(xiàn)方式和展示平臺，打造出不同領(lǐng)域、層次、類型等高?？珙I(lǐng)域的檔案資源推薦平臺。知識圖譜融合將不同領(lǐng)域的知識有機整合起來，通過聯(lián)合索引和檔案關(guān)聯(lián)相互結(jié)合，實現(xiàn)知識的互通和共享。智能推薦和融合是高校檔案館整合、應(yīng)用檔案和文獻信息的重要手段，在學(xué)術(shù)研究和教學(xué)中發(fā)揮重要作用。

3.高校檔案知識圖譜的構(gòu)建框架

基于知識圖譜構(gòu)建方式，總體架構(gòu)自下而上劃分為數(shù)據(jù)采集及分析層、知識挖掘?qū)?、可視化展示層。?shù)據(jù)采集及分析層作為最基礎(chǔ)的層次，為知識圖譜構(gòu)建提供基礎(chǔ)保障。知識挖掘?qū)永盟惴ê图夹g(shù)從數(shù)據(jù)中挖掘出有用知識，將知識通過關(guān)系或者結(jié)構(gòu)的方式，建立起豐富的知識庫。可視化展示層將挖掘出來的知識以直觀的形式展現(xiàn)出來，讓人們更好地理解和應(yīng)用這些知識。

（1）數(shù)據(jù)采集及分析層

收集高校檔案資源的相關(guān)信息，包括檔案資料、文獻、圖片和音視頻等。運用自然語言處理、圖像識別等技術(shù)，對文本、圖片等數(shù)據(jù)開展特征分析和提取，將所得信息存儲到知識圖譜中。通過數(shù)據(jù)預(yù)處理和清洗，將數(shù)據(jù)中的冗余信息和錯誤信息去除，保留有效信息。

（2）知識挖掘?qū)?/p>

根據(jù)高校檔案資源的特征，將其構(gòu)建成一個層次結(jié)構(gòu)的知識圖譜，其中各個節(jié)點之間相互關(guān)聯(lián)，形成一個完整的檔案知識體系。通過搜索、關(guān)聯(lián)、推理等算法，對知識圖譜中的數(shù)據(jù)進行挖掘和分析，以發(fā)現(xiàn)其中隱含的知識和價值，整合并提升高校檔案資源的利用價值。

（3）可視化展示層

知識圖譜是一種以圖形化方式展示知識體系的工具，它可以將高校檔案資源之間的關(guān)聯(lián)性以圖形化呈現(xiàn)，讓用戶直觀地了解這些資源的結(jié)構(gòu)和內(nèi)容。通過將知識圖譜以圖表、列表等形式進行可視化展示，用戶更好地利用和管理這些資源，快速定位所需信息，實現(xiàn)高效地查找和利用。

4.檔案知識圖譜構(gòu)建和應(yīng)用的不足之處

首先，檔案知識圖譜構(gòu)建所涉及的數(shù)據(jù)質(zhì)量問題是制約其應(yīng)用的關(guān)鍵因素。由于檔案信息質(zhì)量的不統(tǒng)一性，在進行知識圖譜構(gòu)建時，數(shù)據(jù)質(zhì)量難以得到保障，影響知識圖譜的應(yīng)用效果；其次，知識圖譜構(gòu)建難度問題。檔案知識圖譜的構(gòu)建涉及多種技術(shù)手段，包括自然語言處理、本體構(gòu)建和數(shù)據(jù)挖掘等領(lǐng)域的知識，以及領(lǐng)域知識與技術(shù)手段的融合。因此，建立一個高質(zhì)量的知識圖譜，需要一支專業(yè)技術(shù)團隊的支持；最后，知識圖譜應(yīng)用的效益問題。檔案知識圖譜的建立需要有明確的應(yīng)用目標和需求，否則只是一種形式化處理，無法實現(xiàn)對檔案資源的有效利用和共享。

五、結(jié)語

針對高校檔案領(lǐng)域的知識發(fā)現(xiàn)和知識圖譜應(yīng)用是一項新興研究，要持續(xù)地探索知識發(fā)現(xiàn)和知識圖譜的優(yōu)勢、共建，以及提高知識體系的利用價值，推動該領(lǐng)域的研究和發(fā)展，彰顯高校檔案資源價值，為社會作出卓越的貢獻。相信隨著人工智能技術(shù)和數(shù)據(jù)科學(xué)研究的不斷深入，高校檔案領(lǐng)域的知識發(fā)現(xiàn)和知識圖譜應(yīng)用必將迎來更大的突破和成就，為未來的發(fā)展打下堅實的基礎(chǔ)。

參考文獻：

[1]鄧 君，王 阮.數(shù)字人文視域下口述歷史檔案資源知識發(fā)現(xiàn)模型構(gòu)建[J].檔案學(xué)研究，2022（01）：110-116.

[2]譚 曉，李 輝，許海云.基于多維數(shù)據(jù)知識內(nèi)容和關(guān)聯(lián)深層融合的知識發(fā)現(xiàn)研究綜述[J].科技情報研究，2021（04）：58-68.

[3]王曉燕.數(shù)據(jù)挖掘技術(shù)在檔案信息管理中的應(yīng)用[J].蘭臺世界，2012（23）：25-26.

[4]梁逸寒.基于實體鏈接的關(guān)聯(lián)知識發(fā)現(xiàn)技術(shù)研究與應(yīng)用[D].電子科技大學(xué)，2022.

[5]田 玲，張謹川，張晉豪，周望濤，周 雪.知識圖譜綜述——表示、構(gòu)建、推理與知識超圖理論[J].計算機應(yīng)用，2021（08）：2161-2186.

[6]洪 亮，宋 睿，朱麗雅，侯雯君.知識關(guān)聯(lián)視角下的文化遺產(chǎn)知識大圖研究：理論、方法和趨勢[J].圖書情報知識，2022（02）：133-143.

[7]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].圖書情報工作，2022（07）：4-16.

（作者單位：山東建筑大學(xué)）