大數據時代高校圖書館嵌入式知識發現情報分析服務模式研究

郝建軍

摘 要：文章介紹了大數據時代高校圖書館開展嵌入式知識服務的內容，分析了大數據與情報的共性，并重點闡述了嵌入式知識發現情報分析服務的重要環節，同時又設計了大數據時代高校圖書館嵌入式知識發現情報分析服務模型，該模型主要包括數據資源層、知識發現處理層和界面展示層。

關鍵詞：大數據時代；高校圖書館；嵌入式服務；知識發現；情報分析

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

大數據技術的快速發展促進了科研方式的變革，基于數據緊密型的科研方式已經成為自科研經驗方式、理論方式、計算機模擬方式之后的新的發展模式[1]。現階段，海量的半結構化和非結構化數據給科研帶來了巨大挑戰，而且數據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模式造成不小的影響。在大數據時代，高校圖書館應該更加重視用戶數據安全和服務質量，積極利用先進的數據分析和處理技術來提升高校圖書館服務的智能化和個性化，為高校圖書館的服務創新創造出有利條件[2]。高校圖書館應該借助大數據技術，充分了解用戶的服務需求，并以滿足用戶的服務需求為目的開展相應的服務。

1 大數據時代高校圖書館開展嵌入式知識服務的內容

1.1 用戶需求的分析

在大數據環境下，首先，高校圖書館可以收集和存儲用戶的基本信息，比如：用戶的學歷、年齡、科研成果、學習經歷以及工作單位等信息，并詳細記錄用戶的操作信息及檢索、查詢、收藏以及標識等操作行為，可以與用戶查詢資料的內容、學科類別以及相應用戶權限進行關聯，還可以收集用戶具體的信息咨詢、科技前沿以及參考導航等服務情境[3]。其次，高校圖書館可以分析海量數據，利用基于語義網的技術來規范用戶信息資源，并將其轉換為能夠被應用程序理解和直接調用的數據，從而可以更好地感知和預測用戶行為。最后，高校圖書館利用用戶數據作為決策依據，為用戶制訂當前目標、短期目標以及長期目標，并根據需求環境的變化動態分配硬件和軟件資源，從而讓高校圖書館的服務融入用戶的科研活動中。

1.2 規律趨勢的分析預測

針對某些行業或者學科進行全面收集信息資源時，在專業研究成果的基礎上進行深入分析，比如對比、推理以及綜合利用等科學分析手段，或參照專業學科發展規律，計量學發展規律等[4]。由于學科的知識特點和發展規律各不相同，因此需要運用多種分析和處理手段來構建不同的學科模型，從而能夠準確地預測學科發展規律以及發展趨勢。常見的預測方法有以下幾種：①將大量文獻內容進行數據統計，以歸納總結出文獻的內在規律，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內容的統計方式。②根據文獻的發展規律和趨勢來構建數學模型，可以達到預測文獻發展規律的目的，比如普賴斯就專門構建了基于指數增長規律的數學模型。③將其他領域的數學規律和數學模型移植到文獻發展的預測中，比如物理學中的半衰期規律、經濟學中的人口增長規律以及生物學中的成長規律等。④依據模糊理論來搜集相似文獻內容，存儲在計算機中，并利用統計技術進行分析和對比數據，以此幫助科研人員挖掘數據關聯性。

2 大數據分析與情報分析的共性

2.1 看重對數據的定量分析

數據作為最直觀的資源，已經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據資源，并利用合理的方法來挖掘數據的潛在價值，已經成為評價一個組織是否具有競爭力的重要衡量方式。情報分析學科同樣十分重視數據資源的應用，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據現象，并從中歸納總結出情報分析的規律。隨著科學技術的快速發展，學科之間的關聯性和交叉性逐漸加強，學科知識的劃分越細致，所涉及的內容也就越專業。目前，情報分析更多地依靠先進的信息處理技術，利用“機器學習”方式來挖掘數據、分析和統計相關聯系，還可以利用定量化方式來關聯基于關鍵字的詞匯共現，其核心思路就是在計算能力的基礎上利用人工分析判斷數據聯系。因此，利用數據來闡述問題已經成為情報分析的主要特點，在情報分析報告中利用數據、公式以及圖表來說明理論的方式也充分體現了數據分析技術在情報分析領域的重要地位。

2.2 關注多源數據融合

大數據技術可以通過各種渠道，并利用各種收集手段來獲取各種數據信息，在進行集中整理后，形成一種基于不同數據格式的統一處理方式，這種處理過程被稱為多源數據處理融合技術[5]。一方面，可以通過不同用戶和不同網絡途徑來獲取同一個研究方向的內容；另一方面，根據信息數據的種類和用途的不同，比如：根據視頻、音頻及文本等方式進行分類，也可以根據結構化和非結構化等方式進行分類，同時也要考慮數據的異構性。需要注意的是，相同類型的數據也有可能分布在不同的站點，并由各自的數據供應商提供，如論文分析研究的數據來源就包括中國知網、維普及萬方數據庫等[6]。一般情況下，針對前沿領域進行情報分析時，只利用一種類型的數據是不夠全面的，應該從其所涉及的期刊論文、圖書資源、專利以及項目等收集有效信息，進行整合處理，這樣才能夠體現出該研究的整體特征。

3 嵌入式知識發現情報分析服務的重要環節

3.1 知識發現系統的利用

將文獻分析方式與數據挖掘技術進行有機結合已經成為知識發現方面的熱門研究內容，并且取得了可以直接應用的研究成果，這為嵌入式知識發現情報分析服務提供了重要的研究方式。不可否認，選擇和使用合理的知識發現系統會提高信息數據的分析效果，其中比較有代表性的就是充分認識到知識發現系統的優勢，評估數據分析結果與用戶的契合程度，從而讓數據分析服務的效果得到用戶的認同。比如：一些基于知識發現的軟件和系統比較適合大型結構化文獻數據分析，可以根據結構化數據的特點分析出信息的特定發展規律[7]；還有一些基于主題和科研本身的知識發現模型，其可以利用文獻資源之間的相關性挖掘有效信息，并對文獻資料進行多角度分析，根據關聯原則描述該學科領域的發展趨勢圖；另外還可以利用關聯和非關聯的知識發現方法，再結合相關語義分析、詞匯頻率統計等技術，最后通過關鍵詞聚類方式來尋找潛在的知識發現。

3.2 準確獲取數據

知識發現可以分析大量數據和信息資源，并從中挖掘明顯關聯或者非關聯的科學研究的內在規律，情報分析人員可以向科研人員提供相關情報分析，一般采用的是定量和定性相結合的分析方法。在進行定量分析之前，如果要獲取較為準確的目標數據，除了要分析數據源以及檢索方式之外，還要對數據進行預處理，如消除噪聲數據、集成數據等。大部分的數據分析軟件都具有數據篩選功能，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據。需要注意的是，當自動篩選數據時，常常由于數據中檢測出偶發的錯誤或者不同的存儲格式導致篩選失敗，這就無法按照要求構建知識圖譜。嵌入式的知識發現服務可以將篩選后的數據與專業數據分析專家共享，由此可以進一步提高數據的準確性，從而得到與研究對象關聯緊密的數據。

3.3 應用綜合分析方法

科技創新活動不僅包括學科和領域的創新，而且還涉及社會各個方面的創新，所以嵌入式知識發現服務需要為決策人員提供情報分析服務，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展方向；此外，還可以根據用戶的需求，結合經濟學、社會學、管理學以及情報學等學科的分析方法，多方面地展現科技創新在社會環境中的具體狀況和發展趨勢。如今，國外已經出現了專門提供情報分析服務的公司，比如美國的麥肯錫公司就對醫藥領域提供多方面的分析和研究服務。而國內關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資源之間的關聯性。

4 情報分析服務模型總體設計

情報分析服務的主要功能就是針對數據進行整理和分析，從而挖掘知識的內在關聯性。該研究根據內容解析方法來實施情報分析服務，并專門構建一個情報分析的服務模型。該模型采用了分層結構，自上向下共分成三個層次，即界面展示層、知識發現處理層、數據資源層等，具體結構示意圖如圖1所示。

首先是數據資源層，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、搜集情報等內容。其次是知識發現處理層，它主要包括三個方面的內容：①制定編碼標準，并借助計算機輔助工具來構建專屬詞典，其主要分為專業術語詞典、停止詞詞典、同義詞詞典等。②編碼部分，可以將文本文件轉換為計算機可識別的文本向量。③數據分析部分，可以利用相似度算法和聚類算法來處理文本向量，從而實現情報自動聚類和串并功能。最后是界面展示層，主要功能為針對數據進行分析。

4.1 數據資源層設計

數據資源層為情報分析提供海量的數據資源，從各個數據源中收集數據并集成在情報員數據庫中。眾所周知，數據庫的性能會直接影響情報分析服務模式的處理效率。目前，比較成熟的數據庫種類主要有兩種：關系型數據庫和非關系型數據庫。經過幾十年的發展，關系型數據庫技術相對比較成熟，其中的行和列的關系非常明確，主要采用表型結構存儲數據，用戶比較容易接受。但是，隨著數據庫技術的不斷發展，關系型數據庫的弊端也逐漸顯現出來：①針對海量數據進行查詢和存儲操作，海量數據信息時刻充斥在互聯網上，如果關系型數據庫還是采用表型存儲海量數據，這時的存儲是以億為單位。當利用SQL（Structured Query Language）語言查詢或者針對多張表進行關聯查詢時，其查詢效率是非常低的。②數據庫的擴展性較差。當處理海量數據時，數據的結構非常復雜，修改數據庫的表結構是非常耗時的，因此復雜的數據結構的處理效率無法達到用戶的要求。③數據庫的讀寫效率。針對動態的信息，每秒的讀寫次數要達到上萬次以上，而關系型數據庫的讀寫速度無法達到這種要求。

4.2 知識發現處理層設計

知識發現處理層的主要功能是針對數據資源層的數據進行深度的分析和挖掘，它可以利用內容分析方法進行數據分析和情報編碼，具體的功能模塊圖如圖2所示。知識發現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、文本預處理模塊、文本向量表示模塊。

4.3 界面展示層設計

界面展示層主要包括兩個部分：知識圖譜展示功能和人機交互功能。知識圖譜展示功能形象展現出情報數據資源的分析結果，是針對情報數據資源分析的拓展，它可以準確表達現象層面的具體信息，并通過更進一步的分析來找出隱藏在情報中的規律，從而協助情報分析人員更好地處理情報。人機交互功能是利用操作界面來實現用戶和軟件之間的信息交流，更好地幫助用戶控制軟件。

5 結語

嵌入式知識發現情報分析服務模式是建立在先進的信息處理技術的基礎上，為了更好地滿足科研人員對于知識服務的需求，同時也是情報服務可持續發展的重要保證。科學技術的快速發展、大數據技術的研究以及數據分析方法的改進，都為嵌入式知識發現情報分析服務的個性化、智能化及多元化發展創造了有利條件，提供了良好的研究前景。

參考文獻：

[1]顧濤.基于大數據的競爭情報協作分析研究[J].情報科學，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研究（上）[J].情報理論與實踐，2014（9）：16-19.

[3]韓翠峰.大數據時代圖書館的服務創新與發展[J].圖書館，2013（1）：121-122.

[4]田瑞強，姚長青，潘云濤.關聯文獻的知識發現與創新研究進展[J].情報理論與實踐，2013（8）：117-123.

[5]周曉英.數據密集型科學研究范式的興起與情報學的應對[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）