國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究現(xiàn)狀分析

支鳳穩(wěn) 鄭彥寧 杜薇薇

(1.河北大學(xué)管理學(xué)院，河北 保定 071002；2.中國(guó)科學(xué)技術(shù)信息研究所，北京 100038)

2000年12月18日，萬(wàn)維網(wǎng)創(chuàng)始人Tim Berners-Lee在XML2000會(huì)議上正式提出了語(yǔ)義網(wǎng)概念，并在2001年對(duì)語(yǔ)義網(wǎng)體系架構(gòu)進(jìn)行了論述。依據(jù)Tim等的描述，語(yǔ)義網(wǎng)不同于以前的網(wǎng)絡(luò)，是一個(gè)機(jī)器可理解的立體網(wǎng)絡(luò)，包括7個(gè)層級(jí)，由低到高依次為：Unicode和URI、XML+NS+XML Schema、RDF和RDF Schema、Ontology Vocabulary、Logic、Proof、Trust[1]。由上可知，語(yǔ)義網(wǎng)研究關(guān)聯(lián)多個(gè)學(xué)科：計(jì)算機(jī)科學(xué)、圖書情報(bào)等，涉及多個(gè)主題領(lǐng)域：語(yǔ)義組織、語(yǔ)義檢索、機(jī)器推理、語(yǔ)義服務(wù)等。語(yǔ)義網(wǎng)將是未來(lái)WWW發(fā)展的主要方向，作為WWW環(huán)境下開展的重要服務(wù)，數(shù)字圖書館將因此獲得新的發(fā)展契機(jī)，但同時(shí)語(yǔ)義網(wǎng)理論及技術(shù)也將對(duì)已有資源標(biāo)注及主題關(guān)聯(lián)方式等提出了更高要求。數(shù)字圖書館是館藏電子資源服務(wù)的窗口和平臺(tái)，在海量信息環(huán)境下，其所提供使用資源列表也在不斷增多，不同分布式數(shù)據(jù)庫(kù)資源異構(gòu)、用于資源標(biāo)注主題詞的不一致、資源主題聚合粒度過(guò)粗等語(yǔ)義化問(wèn)題日漸凸顯。鑒于此，語(yǔ)義網(wǎng)規(guī)范化的體系架構(gòu)將在數(shù)字圖書館資源語(yǔ)義化建設(shè)中起到正向增益作用，如借助本體改變傳統(tǒng)書目組織基于MARC的線性的一維結(jié)構(gòu)，提升資源檢索效率[2]；實(shí)現(xiàn)基于語(yǔ)義的館藏?cái)?shù)字資源深度聚合[3]；加強(qiáng)詞表資源關(guān)聯(lián)，提升資源標(biāo)注語(yǔ)義水平[4]等。國(guó)內(nèi)外學(xué)者從不同的視角進(jìn)行了相關(guān)研究：國(guó)外學(xué)者Guns討論了資源描述框架(RDF)中的數(shù)據(jù)網(wǎng)絡(luò)為何以及如何被稱為Web的問(wèn)題，并基于(語(yǔ)義)Web的早期設(shè)計(jì)文檔進(jìn)行分析，認(rèn)為已經(jīng)出現(xiàn)在早期的web標(biāo)準(zhǔn)和草案中的鏈接類型和在線元數(shù)據(jù)是主要決定因素，發(fā)現(xiàn)語(yǔ)義網(wǎng)與早期的人工智能工作直接相關(guān)[5]。Neish描述了關(guān)聯(lián)數(shù)據(jù)是如何在澳大利亞和全球的圖書館及相關(guān)機(jī)構(gòu)中應(yīng)用的，并通過(guò)關(guān)聯(lián)數(shù)據(jù)應(yīng)用實(shí)踐的案例來(lái)說(shuō)明一些項(xiàng)目比其他項(xiàng)目更成功的原因[6]。國(guó)內(nèi)相關(guān)研究成果主要體現(xiàn)在如下方面：1)關(guān)注理論框架構(gòu)建。如邱均平等引入了計(jì)量分析方法，構(gòu)建了基于計(jì)量分析的館藏資源語(yǔ)義化理論模型[7]；張洋等提出基于資源本體的館藏資源語(yǔ)義化理論體系框架以及語(yǔ)義體系層次結(jié)構(gòu)模型，形成了更有效的館藏資源知識(shí)組織方法[8]。2)關(guān)注館藏資源語(yǔ)義化技術(shù)。樓雯從微觀層面設(shè)計(jì)了館藏資源語(yǔ)義化模型，描述了館藏資源語(yǔ)義化的關(guān)鍵技術(shù)，并進(jìn)行了實(shí)證檢驗(yàn)[9]。3)關(guān)注資源的聚合服務(wù)方式及實(shí)現(xiàn)。如賀德方等探討了基于語(yǔ)義的館藏資源聚合方式，構(gòu)建了館藏資源聚合服務(wù)所需要的語(yǔ)義描述框架和可視化展示機(jī)制[10]；韓璽等從多維度聚合和語(yǔ)義關(guān)聯(lián)兩個(gè)方面分析了數(shù)字資源聚合的理論基礎(chǔ)，構(gòu)建了基于語(yǔ)義關(guān)聯(lián)的圖書館移動(dòng)視覺(jué)搜索資源多維度聚合模型，并分析了圖書館移動(dòng)視覺(jué)搜索服務(wù)的實(shí)現(xiàn)流程[11]。4)關(guān)注計(jì)量學(xué)研究綜述的應(yīng)用，如趙蓉英等借助文獻(xiàn)計(jì)量學(xué)和共現(xiàn)分析的方法對(duì)國(guó)內(nèi)外館藏資源語(yǔ)義化研究進(jìn)展進(jìn)行了對(duì)比分析[12]，這是該領(lǐng)域的最新研究綜述。可見，國(guó)內(nèi)外學(xué)者在館藏(數(shù)字)資源語(yǔ)義化研究不斷取得進(jìn)展，為相關(guān)學(xué)者提借了重要的理論借鑒與實(shí)證證據(jù)，然而，近幾年來(lái)的研究進(jìn)展特別國(guó)外的研究現(xiàn)狀并不清晰。館藏?cái)?shù)字資源語(yǔ)義化工作開展始于國(guó)外，為了弄清楚這一研究領(lǐng)域進(jìn)展，本研究以WOS數(shù)據(jù)庫(kù)相關(guān)文獻(xiàn)資源為對(duì)象進(jìn)行計(jì)量分析，并分析揭示文獻(xiàn)的時(shí)間分布、作者分布、地區(qū)(機(jī)構(gòu))分布、主題分布等，總結(jié)梳理國(guó)外在館藏?cái)?shù)字資源語(yǔ)義化方面的研究進(jìn)展，以全面了解目前的研究現(xiàn)狀，為國(guó)內(nèi)相關(guān)工作開展提供參考。

1 文獻(xiàn)來(lái)源

Web of Knowledge(WOS)是由美國(guó)科學(xué)情報(bào)所(ISI)開發(fā)的信息檢索平臺(tái)，它包括SCI、SSCI、A&HCI等7個(gè)子庫(kù)，索引9 000多種世界范圍內(nèi)最具影響力的、經(jīng)過(guò)同行專家評(píng)審的高質(zhì)量的期刊，其數(shù)據(jù)庫(kù)資源每周更新。用戶可以通過(guò)WOS檢索關(guān)于自然科學(xué)、社會(huì)科學(xué)、藝術(shù)與人文學(xué)科的文獻(xiàn)信息，并可以同時(shí)對(duì)多個(gè)數(shù)據(jù)庫(kù)進(jìn)行單庫(kù)或跨庫(kù)檢索。因此，對(duì)WOS中收錄的有關(guān)館藏?cái)?shù)字資源語(yǔ)義化的文獻(xiàn)進(jìn)行計(jì)量分析，有助于了解世界范圍內(nèi)館藏?cái)?shù)字資源語(yǔ)義化研究的現(xiàn)狀及代表性成果。

在文獻(xiàn)來(lái)源甄選階段，本研究依次開展了以下工作：①確認(rèn)檢索數(shù)據(jù)庫(kù)。本文選取的數(shù)據(jù)庫(kù)依次為科學(xué)引文索引(SCI-E)、社會(huì)科學(xué)引文索引(SSCI)、藝術(shù)與人文科學(xué)引文索引(A&HCI)、科技會(huì)議錄引文索引(CPCI-S)。②確認(rèn)檢索式和檢索年限。數(shù)據(jù)庫(kù)選擇好之后，需要對(duì)研究主題進(jìn)行凝練，提取主題詞并構(gòu)造檢索式。依據(jù)文章主題提取兩個(gè)主題詞：館藏?cái)?shù)字資源和語(yǔ)義，并確認(rèn)主題詞對(duì)應(yīng)的翻譯名：Library Digital Collection和Semantic，考慮英文中存在同根詞(如Semantical、Semantic、Semantically、Semantics)，因此使用通配符(？、*等)來(lái)輔助檢索式構(gòu)造，最終得到的檢索式為：Topic=(Library Digital Collection)AND(Semantic*)。鑒于語(yǔ)義網(wǎng)概念正式提出是在2000年，考慮到之前所做的預(yù)研究，選擇文獻(xiàn)發(fā)表時(shí)間跨度為：1996-2018年。③篩選檢索記錄。初次檢索后得到127條記錄(檢索日期為2018年7月5日)，對(duì)每篇論文的摘要進(jìn)行了瀏覽，刪除主題不太相關(guān)的5篇論文，最后保留得到122條記錄，包括78篇會(huì)議論文和54篇期刊文章(部分論文既出現(xiàn)在論文集中，又發(fā)表于期刊，這種情況按期刊論文處理)，這些論文主要分布在計(jì)算機(jī)科學(xué)信息系統(tǒng)、計(jì)算機(jī)科學(xué)人工智能、計(jì)算機(jī)科學(xué)軟件工程、信息科學(xué)等學(xué)科領(lǐng)域。保存這些記錄的題錄信息，包括題名、作者、關(guān)鍵詞、國(guó)家、機(jī)構(gòu)、發(fā)表時(shí)間、被引次數(shù)等字段，以此為基礎(chǔ)展開國(guó)外館藏?cái)?shù)字資源語(yǔ)義化的文獻(xiàn)計(jì)量分析工作。

2 國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究的時(shí)空分布

基于題錄中的字段信息，本研究對(duì)國(guó)外館藏?cái)?shù)字資源語(yǔ)義化文獻(xiàn)的時(shí)間分布、地域分布、作者分布等情況進(jìn)行了統(tǒng)計(jì)分析，從而揭示出世界范圍內(nèi)該主題領(lǐng)域研究的發(fā)展態(tài)勢(shì)、熱點(diǎn)國(guó)家、典型機(jī)構(gòu)和核心作者。

2.1 文獻(xiàn)時(shí)間分布

文獻(xiàn)時(shí)間分布規(guī)律描述了文獻(xiàn)在過(guò)去一段時(shí)間內(nèi)產(chǎn)出的效率及影響力，因此文獻(xiàn)時(shí)間分布研究包括文獻(xiàn)數(shù)量時(shí)間分布和文獻(xiàn)被引時(shí)間分布[13]，通過(guò)這兩個(gè)維度可以評(píng)測(cè)該主題領(lǐng)域發(fā)展態(tài)勢(shì)和預(yù)測(cè)其未來(lái)發(fā)展。從保存題錄信息中提取出年限、被引次數(shù)等基本字段，按照年限分組獲得每年發(fā)文章量、論文被引總次數(shù)。這些統(tǒng)計(jì)指標(biāo)在一定程度上反映該主題領(lǐng)域?qū)W術(shù)研究的理論水平和發(fā)展速度，近23年有關(guān)文章數(shù)及被引的時(shí)間分布如圖1所示。

通過(guò)圖1可得出以下結(jié)論：1)館藏?cái)?shù)字資源語(yǔ)義化研究始于1996年，之后文章產(chǎn)出量呈現(xiàn)出遞增趨勢(shì)，2007年達(dá)到高峰，達(dá)到13篇，以后文章產(chǎn)出量有所下降，呈現(xiàn)出高低震蕩的態(tài)勢(shì)，但幅度不大。總體分析可知，該主題領(lǐng)域的研究相對(duì)穩(wěn)定，還有待在基礎(chǔ)理論和關(guān)鍵技術(shù)方面取得突破性研究。

2)從1996年開始，論文的被引次數(shù)呈現(xiàn)上升趨勢(shì)，并在2000年達(dá)到第一個(gè)峰值，之后論文被引次數(shù)呈現(xiàn)震蕩態(tài)勢(shì)。2015年度文章對(duì)于該主題領(lǐng)域發(fā)展具有較大影響，被引頻次達(dá)到61次，推測(cè)應(yīng)該是該學(xué)科的開創(chuàng)性或奠基性成果。2007年發(fā)文數(shù)量最大，共13篇，被引次數(shù)為23，篇均被引次數(shù)只有1.77。總體上來(lái)看，發(fā)文數(shù)量與被引次數(shù)呈現(xiàn)出一致性的分布(個(gè)別年份除外，如2018年的文獻(xiàn)還未全部出版)。

圖1 1996-2018年發(fā)文數(shù)量與被引頻次的時(shí)間分布

2.2 文獻(xiàn)地域分布

文獻(xiàn)地域分布規(guī)律旨在揭示該主題領(lǐng)域的熱點(diǎn)研究區(qū)域和研究機(jī)構(gòu)，對(duì)于科研合作及其國(guó)家、機(jī)構(gòu)影響力評(píng)價(jià)研究都能起到良好的導(dǎo)向作用。CiteSpace能夠通過(guò)識(shí)別并可視化表示文獻(xiàn)的地域分布、作者、期刊、關(guān)鍵詞、被引文獻(xiàn)等信息的關(guān)系，從而展現(xiàn)一個(gè)學(xué)科或知識(shí)領(lǐng)域在一定時(shí)間的發(fā)展趨勢(shì)與動(dòng)向。本研究提取題錄信息中的國(guó)家(地區(qū))、機(jī)構(gòu)、題目等字段值，分別以國(guó)家或者機(jī)構(gòu)為分組類別，借助CiteSpace軟件統(tǒng)計(jì)每一國(guó)家(地區(qū))或者機(jī)構(gòu)在統(tǒng)計(jì)年限內(nèi)的發(fā)文量，近23年文獻(xiàn)國(guó)家(地區(qū))和機(jī)構(gòu)分布情況見圖2和表1。

圖2 文獻(xiàn)國(guó)家(地區(qū))分布

圖2中節(jié)點(diǎn)代表國(guó)家(地區(qū))，節(jié)點(diǎn)大小表示發(fā)文量多少，節(jié)點(diǎn)越大，表明該國(guó)家(地區(qū))的發(fā)文量越多，節(jié)點(diǎn)之間的連線代表國(guó)家之間存在合作關(guān)系。統(tǒng)計(jì)結(jié)果顯示，122篇文獻(xiàn)是由37個(gè)國(guó)家或地區(qū)撰寫的，發(fā)文3篇以上的國(guó)家有15個(gè)，其中美國(guó)發(fā)文29篇，德國(guó)發(fā)文12篇，西班牙發(fā)文10篇，英國(guó)和意大利均發(fā)文8篇，法國(guó)發(fā)文6篇，中國(guó)臺(tái)灣地區(qū)發(fā)文5篇，日本發(fā)文4篇，和奧地利、加拿大、希臘、印度、巴基斯坦、波蘭和韓國(guó)均發(fā)文3篇，前15個(gè)國(guó)家共發(fā)文104篇，占總發(fā)文量的85.25%。可見，不同國(guó)家在館藏?cái)?shù)字資源語(yǔ)義化研究中存在著較大差距，美國(guó)和歐洲是該主題領(lǐng)域研究的熱點(diǎn)國(guó)家或地區(qū)，美國(guó)相關(guān)文獻(xiàn)數(shù)量最多，德國(guó)次之，其中排名前15為國(guó)家中，歐洲占據(jù)7個(gè)，北美占據(jù)2個(gè)，亞洲占據(jù)5個(gè)(中國(guó)臺(tái)灣地區(qū)和日本)，大洋洲占據(jù)1個(gè)，非洲和南美洲在該領(lǐng)域鮮有文章。

表1 文獻(xiàn)機(jī)構(gòu)分布

由表1(只統(tǒng)計(jì)了發(fā)文量大于等于3的機(jī)構(gòu))可知，發(fā)文比較多的機(jī)構(gòu)大部分為大學(xué)(UNIV)，通過(guò)數(shù)值觀察發(fā)現(xiàn)，發(fā)文最多的機(jī)構(gòu)是Univ Illinois(6篇)，其次是Univ Belgrade(6篇)，前10的機(jī)構(gòu)共發(fā)文40篇，占文獻(xiàn)總量的32.79%。機(jī)構(gòu)發(fā)文量差別不是很明顯(極差為6)，但是可以推測(cè)的是發(fā)文量較多的機(jī)構(gòu)大部分都在美國(guó)和歐洲，其他國(guó)家或地區(qū)研究工作亟待拓展和開啟。最后，多種機(jī)構(gòu)類型參與到館藏?cái)?shù)字資源語(yǔ)義化研究進(jìn)程中有利于該主題領(lǐng)域快速發(fā)展起來(lái)，如IBM CORP開發(fā)的數(shù)字圖書館系統(tǒng)平臺(tái)在我國(guó)數(shù)字圖書館建設(shè)中發(fā)揮著重要作用[14]。

3 國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究的作者分布

文獻(xiàn)作者分布規(guī)律旨在揭示該主題領(lǐng)域內(nèi)的核心作者，核心作者的提取存在著兩種方法：主觀提取方法和客觀提取方法。主觀提取方法就是要選取描述作者類(見圖3)的屬性或者操作，根據(jù)統(tǒng)計(jì)值高低排序，并設(shè)定相應(yīng)閾值來(lái)提取核心作者的過(guò)程。客觀提取方法是通過(guò)分析文獻(xiàn)作者分布規(guī)律，借助以往經(jīng)驗(yàn)公式來(lái)提取核心作者的過(guò)程。雖然兩種方法各有優(yōu)缺點(diǎn)，但主觀方法操作簡(jiǎn)單，應(yīng)用更加廣泛，本研究也采用主觀提取的方法。圖3中作者和文章之間是發(fā)布關(guān)系(issue)，文章和關(guān)鍵詞之間是組成關(guān)系(composite)，在此主觀提取方法僅利用發(fā)布關(guān)系及其關(guān)聯(lián)實(shí)體，組成關(guān)系及其關(guān)聯(lián)實(shí)體在第4部分應(yīng)用，有關(guān)實(shí)體及其多重性描述可參考UML內(nèi)容[15]，在此不再贅述。

本研究的122篇文獻(xiàn)共由359個(gè)作者撰寫，其中105篇文獻(xiàn)是由多個(gè)作者共同完成，17篇文獻(xiàn)是由單個(gè)作者獨(dú)立完成。發(fā)文量為4的作者有3人，他們是來(lái)自東京大學(xué)的KUO PJ、AOKI T、YASUDA H；發(fā)文量為3的作者為來(lái)自美國(guó)的亞利桑那大學(xué)的CHEN HC，發(fā)文量為2的作者有16人，發(fā)文量為1的作者有339人。設(shè)定主觀提取方法的閾值為2，提取核心作者列表，如表2所示。

本研究還借助中國(guó)科學(xué)院國(guó)家科學(xué)圖書館研發(fā)的文獻(xiàn)計(jì)量在線分析平臺(tái)繪制了作者合作網(wǎng)絡(luò)，對(duì)作合作情況進(jìn)行可視化展示，以直觀地了解國(guó)外館藏資源語(yǔ)義化研究的核心作者和合作團(tuán)體，如圖4所示。圖中節(jié)點(diǎn)代表發(fā)文作者，節(jié)點(diǎn)之間的連線代表作者之間存在合作關(guān)系。作者合作關(guān)系反映了該領(lǐng)域的研究力量分布情況，合作程度越高，越有利于加深該領(lǐng)域的縱向研究和結(jié)合其他學(xué)科領(lǐng)域的橫向發(fā)展[12]。文獻(xiàn)的合作度(作者總數(shù)/論文總數(shù))與合作率(合作論文數(shù)/論文總數(shù)×100%)是反映合作程度的重要指標(biāo)，據(jù)此可以算出國(guó)外館藏資源語(yǔ)義化研究的合作程度，合作度為2.94，說(shuō)明平均每篇論文由3個(gè)作者共同，合作率為86.07%，約有13.93%的論文是單個(gè)作者獨(dú)立完成的。

圖3 作者(Expert)——文章(Knowledge)屬性特征及關(guān)系特征描述

表2 核心作者列表

由表2可知，KUO PJ、AOKI T、YASUDA H和CHEN HC是館藏?cái)?shù)字資源語(yǔ)義化研究領(lǐng)域的核心作者。進(jìn)一步分析表2和圖4可以發(fā)現(xiàn)，KUO PJ作為第一和通訊作者，AOKI T和YASUDA H分別為第二和第三作者，合作發(fā)表了4篇會(huì)議論文，3人形成合作網(wǎng)絡(luò)A。可見，東京大學(xué)在該領(lǐng)域的研究實(shí)力較強(qiáng)，然而，遺憾的是這些論文是日本在該領(lǐng)域的所有成果，其他機(jī)構(gòu)在該領(lǐng)域還未取得突破。這些論文發(fā)表于2004-2005年，至今還被引用，可見這些文獻(xiàn)還未引起學(xué)者們的足夠重視。另外，近年來(lái)，該作者團(tuán)隊(duì)沒(méi)有在該領(lǐng)域進(jìn)展緩慢，還未發(fā)表新的研究成果。由圖4可知，國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究領(lǐng)域的合作網(wǎng)絡(luò)以以3～4人為主，但也有10人以上的合作網(wǎng)絡(luò)B和C，B是以亞利桑那大學(xué)的CHEN HC為中心的15人合作網(wǎng)絡(luò)，共發(fā)表論文3篇。C是由來(lái)自德國(guó)8個(gè)不同的機(jī)構(gòu)14位作者組成的合作網(wǎng)絡(luò)，該網(wǎng)絡(luò)雖然人數(shù)較多，但僅2013年合作發(fā)表了1篇論文。總體而言，國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究領(lǐng)域還未形成穩(wěn)定的核心作者群和合作團(tuán)體，作者之間關(guān)聯(lián)不是很緊密，相關(guān)研究合作還需要進(jìn)一步加強(qiáng)。

4 國(guó)外館藏?cái)?shù)字資源語(yǔ)義化的研究熱點(diǎn)

本部分將從內(nèi)容特征出發(fā)去揭示國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究的熱點(diǎn)，以期為國(guó)內(nèi)數(shù)字圖書館建設(shè)方向提供指導(dǎo)。關(guān)鍵詞是文獻(xiàn)內(nèi)容特征的核心與精髓，是對(duì)文章主題的高度概括和凝練，出現(xiàn)頻次高的關(guān)鍵詞常被用于確定一個(gè)研究領(lǐng)域的熱點(diǎn)問(wèn)題。文獻(xiàn)內(nèi)容特征分析主要圍繞題名[16]、摘要和關(guān)鍵詞[17]等字段信息展開，分析方法主要包括共現(xiàn)分析、聚類、因子分析、多維尺度分析等。常用可視化分析工具CiteSpace可以通過(guò)對(duì)熱點(diǎn)關(guān)鍵詞進(jìn)行聚類分析，探測(cè)學(xué)科領(lǐng)域的研究熱點(diǎn)。CiteSpace依據(jù)譜聚類算法實(shí)現(xiàn)自動(dòng)聚類，譜聚類本身就是基于圖論的一種算法，它對(duì)共引網(wǎng)絡(luò)這種基于鏈接關(guān)系而不是節(jié)點(diǎn)屬性的聚類具有天然的優(yōu)勢(shì)。為保證數(shù)據(jù)的準(zhǔn)確性和結(jié)果的科學(xué)性，本研究對(duì)122條文獻(xiàn)記錄進(jìn)行了數(shù)據(jù)清洗，主要包括：?jiǎn)螐?fù)數(shù)合并(如libraries和library、collections和collection、models和model、archive和archives)，詞的原形合并(如searching和search)，刪除無(wú)實(shí)際意義且題名頻率較高的代詞、介詞(如based、towards)等。在CiteSpace軟件中，Node Types設(shè)定Keyword，選擇探索關(guān)鍵詞的路徑算法(Pathfinder)，剪切網(wǎng)絡(luò)中大部分不重要的關(guān)聯(lián)節(jié)點(diǎn)，最大程度上將原網(wǎng)絡(luò)簡(jiǎn)化為一個(gè)最小值網(wǎng)絡(luò)18，并進(jìn)行相應(yīng)的參數(shù)調(diào)整，生成研究熱點(diǎn)聚類知識(shí)圖譜，如圖5所示。圖5中的每個(gè)十字型的節(jié)點(diǎn)代表一個(gè)關(guān)鍵詞，節(jié)點(diǎn)越大，表示該關(guān)鍵詞出現(xiàn)的頻次越大，黑色字體的是關(guān)鍵詞的標(biāo)簽(設(shè)定閾值為2，只顯示出現(xiàn)2次以上的關(guān)鍵詞標(biāo)簽)。

圖4 作者合作網(wǎng)絡(luò)

CiteSpace還能生成關(guān)鍵詞出現(xiàn)頻次、中心性列表，本研究提取了高頻(≥4)和高中心度(≥0.05)關(guān)鍵詞，如表4所示。國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究的高頻關(guān)鍵詞有digital library、ontology、semantic web、metadata、information retrieval、collection、linked data、system等；高中心度的關(guān)鍵詞有ontology、retrieval、digital library、information retrieval、search、collection、science等，比較高頻關(guān)鍵詞與高中心度關(guān)鍵詞可知，兩者大體上保持一致，所以這些關(guān)鍵詞在一定程度上能夠反映館藏?cái)?shù)字資源語(yǔ)義化研究的熱點(diǎn)。進(jìn)一步分析文獻(xiàn)信息可以發(fā)現(xiàn)，2000年以前，有些學(xué)者們開始關(guān)注數(shù)字圖書館、信息檢索、建模、語(yǔ)義網(wǎng)的相關(guān)研究，2001年以后，學(xué)者們開始關(guān)注本體、分類、元數(shù)據(jù)、標(biāo)引、分類、抽取信息組織工作流程等相關(guān)內(nèi)容，關(guān)鍵詞在不斷增多，這說(shuō)明研究范圍在不斷擴(kuò)展、不斷豐富。該主題領(lǐng)域內(nèi)容繁雜，涉及多個(gè)學(xué)科，既包括傳統(tǒng)基礎(chǔ)研究，如metadata、又包括前沿?zé)狳c(diǎn)，如ontology、semantic等。

表4 高頻(≥4)和高中心度(≥0.05)關(guān)鍵詞

圖5中，不同顏色的填充區(qū)域代表不同的聚類，紅色字體是聚類的標(biāo)簽，國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究可以生成12個(gè)聚類(軟件只顯示含有10個(gè)成員以上的聚類)，分別是semantic search、creating engineering、concept space、users behaviour pattern、semantic retrieval、scientific publication、exploratory search、4th zarih、metadata、management、hopfield net、text categorization、evaluation study、reference map。可以看出國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究視角廣泛，內(nèi)容豐富。表5顯示了每個(gè)聚類的Cluster ID(編號(hào))、Label(標(biāo)簽)、size(規(guī)模)和silhouette(輪廓系數(shù))。silhouette是用來(lái)衡量聚類網(wǎng)絡(luò)不確定性的指標(biāo)[19]，取值范圍是(-1，1)，如果一個(gè)聚類的silhouette值為1，代表它能夠與其他聚類完美地區(qū)分開來(lái)，Chen C希望silhouette值為0.7～0.9之間，或更高[20]，因此可以認(rèn)為本研究的聚類效果良好。

圖5 國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究熱點(diǎn)圖譜

表5

綜合分析圖5和表5可以現(xiàn)，最大的聚類是“semantic search”，它有47個(gè)關(guān)鍵詞，輪廓系數(shù)為0.89，該聚類最活躍的引證文獻(xiàn)是Nandzik J于2013年發(fā)表在《MULTIMEDIA TOOLS AND APPLICATIONS》上的“CONTENTUS—Technologies for Next Generation Multimedia Libraries”。第二個(gè)聚類是“creating engineering concept space”，它有31個(gè)關(guān)鍵詞，輪廓系數(shù)為0.855，該聚類最活躍的引證文獻(xiàn)是Chen HC于1996年發(fā)表在《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》上的“A Parallel Computing Approach to Creating Engineering Concept Spaces for Semantic Retrieval:The Illinois Digital Library Initiative Project”。第三個(gè)聚類是“users behaviour pattern”，它有30個(gè)關(guān)鍵詞，輪廓系數(shù)為0.942，該聚類最活躍的引證文獻(xiàn)是Chen YN于2013年發(fā)表在《ONLINE INFORMATION REVIEW》上的“An Analysis of Users’ Behaviour Patterns in the Organisation of Information a Case Study of Citeulike”。第四個(gè)聚類是“semantic retrieval”，它有27個(gè)關(guān)鍵詞，輪廓系數(shù)為0.942，該聚類最活躍的引證文獻(xiàn)是Kherfi,ML于2007年發(fā)表在《IEEE TRANSACTIONS ON MULTIMEDIA》上的“Image Collection Organization and Its Application to Indexing,Browsing,Summarization,and Semantic Retrieval”。以上聚類是既是國(guó)外館藏?cái)?shù)字資源語(yǔ)義化領(lǐng)域現(xiàn)有研究的重點(diǎn)，也是未來(lái)研究需要繼續(xù)深化拓展的方向。

5 結(jié) 語(yǔ)

語(yǔ)義網(wǎng)為數(shù)字圖書館資源深度聚合提供了新的途徑和方法，為了弄清楚目前國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究的現(xiàn)狀，本研究對(duì)WOS數(shù)據(jù)庫(kù)該主題領(lǐng)域文獻(xiàn)進(jìn)行了計(jì)量分析，得出以下結(jié)結(jié)論：1)從發(fā)展趨勢(shì)來(lái)看，國(guó)外館藏?cái)?shù)字資源語(yǔ)義化研究已經(jīng)過(guò)20多年的發(fā)展，但研究進(jìn)展緩慢，相關(guān)研究成果還處于早期積累階段。2)從研究成果的地域分布來(lái)看，不同國(guó)家間的研究差別很大，美國(guó)和歐洲優(yōu)勢(shì)明顯，主要研究力量也集中于此。3)從核心作者發(fā)文量和作者合著網(wǎng)絡(luò)來(lái)看，該領(lǐng)域高影響力的作者總體偏少，還未形成穩(wěn)定的核心作者群，研究合作還有待進(jìn)一步加強(qiáng)。4)通過(guò)研究熱點(diǎn)分析，發(fā)現(xiàn)該領(lǐng)域內(nèi)容繁雜，立足基礎(chǔ)研究之上的數(shù)字圖書館、信息檢索、用戶行為模式、元數(shù)據(jù)管理、本體理論及方法等是該領(lǐng)域研究熱點(diǎn)，該領(lǐng)域在理論基礎(chǔ)和方法技術(shù)方面還有很大的發(fā)展空間。總體而言，該領(lǐng)域的研究以理論構(gòu)建為主，研究方法相對(duì)單一。理論框架仍然比較模糊，理論分析還不夠深入，研究?jī)?nèi)容缺乏系統(tǒng)性與綜合性。學(xué)者們已經(jīng)認(rèn)識(shí)語(yǔ)義化為館藏?cái)?shù)字資源建設(shè)和利用帶來(lái)的美好前景，對(duì)本體、關(guān)聯(lián)數(shù)據(jù)等語(yǔ)義化技術(shù)應(yīng)用也進(jìn)行了實(shí)證探索，但大多基于傳統(tǒng)信息計(jì)量學(xué)和文獻(xiàn)外部特征元數(shù)據(jù)而展開，計(jì)量本體及其基礎(chǔ)上的計(jì)量語(yǔ)義化應(yīng)用還有一定的局限。

無(wú)論是在技術(shù)實(shí)現(xiàn)層面，還是在實(shí)踐應(yīng)用層面，都有學(xué)者進(jìn)行了探索和研究，但相比其他傳統(tǒng)學(xué)科，語(yǔ)義網(wǎng)的基礎(chǔ)理論體系尚不健全，鮮有研究專門對(duì)其進(jìn)行梳理、界定和闡釋[21]。因此，館藏資源語(yǔ)義化依然任重道遠(yuǎn)，建立能夠很好地揭示并序化文獻(xiàn)實(shí)體和屬性之間的關(guān)系的語(yǔ)義化的、統(tǒng)一的、規(guī)范的館藏?cái)?shù)字資源組織與檢索方式，不僅是圖書館應(yīng)對(duì)大數(shù)據(jù)時(shí)代挑戰(zhàn)，提高知識(shí)服務(wù)能力的必然要求，也是學(xué)者們應(yīng)該繼續(xù)關(guān)注的重點(diǎn)。未來(lái)研究不僅要關(guān)注基礎(chǔ)研究，還應(yīng)該注重應(yīng)用研究，同時(shí)，還要進(jìn)一步進(jìn)行多學(xué)科交叉研究，在模型構(gòu)建和研究方法方面做出更大努力。本研究展示國(guó)外館藏資源語(yǔ)義化研究現(xiàn)狀，能為學(xué)者們進(jìn)行深入研究提供一些參考，但未能進(jìn)行深入系統(tǒng)的討論，希望后續(xù)學(xué)者補(bǔ)充完善，在豐富相關(guān)領(lǐng)域研究成果的同時(shí)，為我國(guó)館藏?cái)?shù)字資源建設(shè)和有效利用提供必要的指導(dǎo)。