人文社科專題數(shù)據(jù)庫建設(shè)的主題選擇研究

劉雨農(nóng) 吳柯燁 權(quán)昭瑄

摘要：[目的/意義]探索一種融入數(shù)據(jù)驅(qū)動(dòng)思維的人文社科專題數(shù)據(jù)庫建設(shè)主題選擇方法，為相關(guān)主體在建庫主題的遴選、比較和確定等工作提供決策參考。[方法/過程]從政策、用戶兩個(gè)維度出發(fā)，提出基于政策文本與檢索數(shù)據(jù)的人文社科專題數(shù)據(jù)庫主題篩選框架。以Fulink平臺(tái)為例，基于政策文本LDA主題分類建模和檢索數(shù)據(jù)的詞頻統(tǒng)計(jì)歸類，確定專題數(shù)據(jù)庫建設(shè)備選主題，最后通過比對(duì)篩選將主題進(jìn)行分類。[結(jié)果/結(jié)論]本文構(gòu)建的主題選擇框架，能夠有效提升相關(guān)主題選擇工作的全面性、準(zhǔn)確性、科學(xué)性，為人文社科專題數(shù)據(jù)庫建設(shè)的項(xiàng)目規(guī)劃等提供了良好的思路。

關(guān)鍵詞：人文社科;專題數(shù)據(jù)庫;主題選擇;LDA

DOl： 10.3969/j .issn .1008 -0821 .2019 .12 .002

[中圖分類號(hào)] G250. 74 [文獻(xiàn)標(biāo)識(shí)碼]A [文童編號(hào)]1008-0821 （ 2019） 12-0011-08

專題數(shù)據(jù)庫是針對(duì)用戶信息需求，對(duì)某一專題的信息進(jìn)行收集、分析、處理、存儲(chǔ)并按一定的標(biāo)準(zhǔn)和規(guī)范將其數(shù)字化的信息資源庫。在人文社科領(lǐng)域，專題數(shù)據(jù)庫已成為各學(xué)科數(shù)字化轉(zhuǎn)型的基礎(chǔ)性工作，在數(shù)據(jù)資源開發(fā)、科研內(nèi)容創(chuàng)新、科研方法支持等方面提供了有力支持。近年來，在國家政策支持和現(xiàn)實(shí)需求的雙重作用下，我國建成了一系列人文社科專題數(shù)據(jù)庫，涉及哲學(xué)、歷史、藝術(shù)、文化等眾多科學(xué)領(lǐng)域，有力地促進(jìn)了人文遺產(chǎn)和社會(huì)記錄的保存與傳播，也有效支持了相關(guān)學(xué)科的研究工作。

主題的選擇與論證是專題數(shù)據(jù)庫建設(shè)的起點(diǎn)和開始，決定了專題數(shù)據(jù)庫的建設(shè)方向和建設(shè)效果。然而，過去人文社科專題數(shù)據(jù)庫的主題選擇方式主要依靠建庫主體的資源優(yōu)勢(shì)和決策者的經(jīng)驗(yàn)判斷，難以全面回應(yīng)多方面的需求，進(jìn)而限制了專題數(shù)據(jù)庫的功能實(shí)現(xiàn)以及進(jìn)一步的服務(wù)延伸。為此，本文提出了一種新的主題選擇框架，通過對(duì)客觀文本和行為數(shù)據(jù)的科學(xué)分析支持人文社科專題數(shù)據(jù)庫建設(shè)，以期避免主觀性、單一化決策帶來的弊端，提高專題數(shù)據(jù)庫主題選擇的全面性、準(zhǔn)確性與科學(xué)性。

1 文獻(xiàn)綜述

隨著數(shù)字人文和社會(huì)計(jì)算的推進(jìn)，人文社科領(lǐng)域?qū)π畔①Y源保障提出了更高的要求，專題數(shù)據(jù)庫建設(shè)的理論和方法成為信息管理及相關(guān)人文社科學(xué)科的重要研究話題。目前，雖然針對(duì)主題選擇的專門性研究仍不多見，但在數(shù)據(jù)庫建設(shè)的綜合性研究中已被大量提及，主要涉及以下3個(gè)方面：

1.1 專題數(shù)據(jù)庫主題分布描述

經(jīng)過多年發(fā)展，國內(nèi)外建立起大量人文社科專題數(shù)據(jù)庫，主題涵蓋了歷史、經(jīng)濟(jì)、文化等眾多學(xué)科。部分學(xué)者對(duì)現(xiàn)有數(shù)據(jù)庫主體分布進(jìn)行了調(diào)查研究，如劉青等以州為單位，調(diào)查了美國特色數(shù)據(jù)庫建設(shè)狀況，并將其主題歸納為政治與政策、軍事和戰(zhàn)爭(zhēng)、法律和法規(guī)、經(jīng)濟(jì)與就業(yè)等9個(gè)方面，同時(shí)指出，文化娛樂類專題數(shù)據(jù)庫在全美州立圖書館中占比最大[1]。何小月等將專題數(shù)據(jù)庫主題內(nèi)容劃分為學(xué)科專業(yè)、地域特色、名人特藏等7個(gè)方面，同時(shí)選擇了中美20所高校的自建數(shù)據(jù)庫進(jìn)行橫向?qū)Ρ龋赋鰢鴥?nèi)高校在學(xué)科專業(yè)和地域特色類數(shù)據(jù)庫建設(shè)存在短板[2]。鄂麗君將調(diào)查樣本擴(kuò)展至我國所有“211工程”高校后得出了相反結(jié)論，認(rèn)為學(xué)科特色和學(xué)校特色資源項(xiàng)目占總數(shù)比超過60%[3]。此外，陳欽明等同樣針對(duì)不同性質(zhì)的專題數(shù)據(jù)庫主題分布進(jìn)行了歸納[4-5]。這些研究盡管在專題數(shù)據(jù)庫主題劃分視角和劃分粒度上存在差別，但是有助于明確人文社科專題數(shù)據(jù)庫的建設(shè)現(xiàn)狀和定位，能夠?yàn)槠渌麑ｎ}數(shù)據(jù)庫建設(shè)主題選擇提供參考。

1.2 專題數(shù)據(jù)庫主題選擇基本原則

對(duì)于人文社科專題數(shù)據(jù)庫在實(shí)際建庫過程中產(chǎn)生的各類問題，部分學(xué)者從建庫流程的角度進(jìn)行探討，認(rèn)為主題選擇的不科學(xué)、不合理是這些問題產(chǎn)生的重要原因之一，并以此提出了一系列主題選擇原則。王昶認(rèn)為，專題數(shù)據(jù)庫建設(shè)是一項(xiàng)長(zhǎng)期工作，主題選擇應(yīng)注重長(zhǎng)期規(guī)劃性和可持續(xù)性，以長(zhǎng)遠(yuǎn)眼光和思路，根據(jù)現(xiàn)有條件選擇符合實(shí)際狀況的、成體系的特色主題[6]。劉青等提出主題內(nèi)容廣博化原則，認(rèn)為專題數(shù)據(jù)庫主題劃分和內(nèi)容深度上盡管存在差異，但應(yīng)通過統(tǒng)一平臺(tái)的整合，為用戶提供全方位多系統(tǒng)的資源和信息服務(wù)[1]。徐大平等認(rèn)為地方特色專題數(shù)據(jù)庫的主題選擇重點(diǎn)在于突出地方文化特色、體現(xiàn)地方文獻(xiàn)特色，并提出了成系列小主題選擇、科學(xué)性和實(shí)用性3個(gè)原則[7]。總體來說，這些原則可歸納為3點(diǎn)：第一，以需求為導(dǎo)向，能夠切實(shí)滿足用戶長(zhǎng)時(shí)期的信息資源需求;第二，突出特色性，力求避免在內(nèi)容上同其他數(shù)據(jù)庫的交叉和重復(fù);第三，具有可操作性，根據(jù)信息資源體量和人力、資金等實(shí)際情況確定主題選擇粒度，保證數(shù)據(jù)庫質(zhì)量。

1.3 專題數(shù)據(jù)庫主題選擇方法與過程

相對(duì)于專題數(shù)據(jù)庫主題選擇原則，已有研究很少涉及具體的主題選擇方法。王昶[6]提出了專題數(shù)據(jù)庫主題選擇策劃工作的3步流程：第一，開展廣泛的調(diào)查研究，初定主題選擇方向;第二，開展專家評(píng)議和讀者調(diào)研，確定主題選擇的可行性;第三，考察建庫資源與技術(shù)水平，明確主題選擇內(nèi)容。任航等[8]對(duì)長(zhǎng)春市若干高等院校的在校藝術(shù)生進(jìn)行了問卷調(diào)查，通過需求情況確定數(shù)據(jù)庫主題選擇。可以看到，當(dāng)前專題數(shù)據(jù)庫的主題選擇方法依然以專家論證和問卷調(diào)查等方式為主，最終決策仍然依賴于決策者的經(jīng)驗(yàn)判斷。

綜上所述，已有研究充分重視了主題選擇對(duì)專題數(shù)據(jù)庫建設(shè)的重要作用，為專題數(shù)據(jù)庫主題選擇明確了原則和方向，提供了良好的思路和方法。然而，現(xiàn)有研究成果依然存在一定不足：第一，研究大多集中于宏觀層面的原則性方針，在數(shù)據(jù)庫建設(shè)的實(shí)際過程中很難轉(zhuǎn)化為直接的、具體的行動(dòng)方案，可操作性存在一定限制;第二，方法上依然以用戶調(diào)查和專家咨詢?yōu)橹鳎瑤в休^強(qiáng)的主觀性，難以保證決策的科學(xué)性;第三，并未考慮不同性質(zhì)的主體在數(shù)據(jù)庫建設(shè)中的動(dòng)機(jī)差異。在大數(shù)據(jù)、智慧數(shù)據(jù)的背景下，面對(duì)高速增長(zhǎng)的數(shù)據(jù)存量和復(fù)雜化的信息需求，應(yīng)在原則性、經(jīng)驗(yàn)性探索的基礎(chǔ)上，充分發(fā)揮數(shù)據(jù)分析等技術(shù)和方法的重要作用，為數(shù)據(jù)庫建設(shè)主體的建庫決策提供支持和參考。

2 人文社科專題數(shù)據(jù)庫建設(shè)主題選擇模型構(gòu)建

本文通過前期多地、多主體訪談?wù){(diào)研，確定了專題數(shù)據(jù)庫國家需求和用戶需求的主方向，并以客觀數(shù)據(jù)為基礎(chǔ)，構(gòu)建人文社科專題數(shù)據(jù)庫主題選擇框架，以期為相關(guān)決策提供支持。模型建構(gòu)路線如圖1所示：第一，從政務(wù)公開平臺(tái)中，獲取國家相關(guān)部門政策文本全文，并進(jìn)行文本預(yù)處理。同時(shí)從信息服務(wù)商檢索系統(tǒng)后臺(tái)獲取特定時(shí)間段的用戶檢索數(shù)據(jù)，篩選有效檢索語句;第二，提取政策文本中的實(shí)意性名詞，并進(jìn)行LDA主題建模，形成若干備選主題;第三，將采集到的檢索語句分別提取關(guān)鍵詞，利用BM25算法同機(jī)構(gòu)已有文獻(xiàn)資源進(jìn)行匹配，通過排序和歸納篩選出備選主題詞;第四，綜合比對(duì)結(jié)果，對(duì)結(jié)果進(jìn)行分類。

2.1 需求調(diào)研與分析

滿足不同層面、不同對(duì)象的信息需求是數(shù)據(jù)庫長(zhǎng)期建設(shè)運(yùn)營和持續(xù)發(fā)展的核心動(dòng)力。對(duì)于對(duì)象群體復(fù)雜、數(shù)據(jù)形式多樣的人文社科領(lǐng)域，專題數(shù)據(jù)庫的主題選擇更應(yīng)以需求為導(dǎo)向。不同性質(zhì)的建庫主體由于機(jī)構(gòu)職能、服務(wù)對(duì)象等方面存在差異.專題數(shù)據(jù)庫產(chǎn)品的需求內(nèi)容和重心也存在顯著區(qū)分。如公共機(jī)構(gòu)建設(shè)的專題數(shù)據(jù)庫普遍重視公共需求，為國家發(fā)展戰(zhàn)略和公益事業(yè)提供支持;而商業(yè)性專題數(shù)據(jù)庫則更加側(cè)重于通過滿足用戶使用需求來擴(kuò)大市場(chǎng)，實(shí)現(xiàn)自身盈利和發(fā)展。對(duì)此，本文將人文社科專題數(shù)據(jù)庫需求歸納為兩個(gè)層面：

第一，宏觀層面的國家社會(huì)需求。人文社科專題數(shù)據(jù)庫通常需要承擔(dān)部分國家、社會(huì)層面的宏觀需求，如為國家重大戰(zhàn)略部署提供數(shù)據(jù)支撐、對(duì)非物質(zhì)文化遺產(chǎn)進(jìn)行保護(hù)與搶救、弘揚(yáng)優(yōu)秀歷史文化傳統(tǒng)、紀(jì)念特殊事件等。尤其是對(duì)于公共性質(zhì)的建庫主體，更應(yīng)在宏觀戰(zhàn)略需求的背景下，有針對(duì)性地規(guī)劃專題數(shù)據(jù)庫建設(shè)，為相關(guān)政策提供有效支持。

政策文本是政府相關(guān)部門為了實(shí)現(xiàn)特定要求，以權(quán)威形式頒布的文件，是國家、社會(huì)需求最直觀的表達(dá)和體現(xiàn)。在政府政務(wù)全面公開、自然語言處理技術(shù)快速發(fā)展的背景下，大批量政策文本的開放獲取和深度挖掘已具備可行性。對(duì)此，本文通過挖掘政策文本內(nèi)容，實(shí)現(xiàn)宏觀需求的分析。

第二，微觀層面的用戶使用需求。作為人文社科專題數(shù)據(jù)庫的直接使用者，用戶的需求相對(duì)具體和明確。如科研人員對(duì)特定專題領(lǐng)域資料的集中需求，公眾對(duì)某一主題知識(shí)的學(xué)習(xí)興趣等。但由于不同用戶使用動(dòng)機(jī)、需求粒度、表達(dá)方式等存在差異，此類需求較為多元，調(diào)查和識(shí)別的難度較高。

對(duì)于用戶使用需求，過去一般采取問卷、訪談等方式，在調(diào)查對(duì)象規(guī)模和代表性上存在一定限制。當(dāng)前，由于人文社科領(lǐng)域的信息爆炸式增長(zhǎng)和碎片化分布加深了信息的獲取難度，搜索引擎逐步成為用戶對(duì)于信息搜尋的主要工具。對(duì)此，本文以搜索引擎中的檢索記錄衡量用戶的實(shí)際需求。

2.2 基于LDA的政策主題生成

LDA（Latent Dirichlet Allocation，隱含狄利克雷函數(shù)）模型是一種文檔生成模型，即包含詞、主題、文檔三層結(jié)構(gòu)的貝葉斯模型。該模型通過將文檔一詞匯矩陣轉(zhuǎn)化為文檔一主題矩陣和主題一詞匯矩陣來實(shí)現(xiàn)主題的識(shí)別與生成[11]。作為一種非監(jiān)督的機(jī)器學(xué)習(xí)方法，LDA在大規(guī)模文檔中能夠有效實(shí)現(xiàn)主題識(shí)別任務(wù)。簡(jiǎn)要來說，LDA主題生成過程可分為3個(gè)步驟，首先對(duì)語料庫中的每一篇文檔，從主題分布中抽取一個(gè)主題，其次對(duì)所抽取主題中所對(duì)應(yīng)的詞分布中抽取一個(gè)詞語，最后充分闡述過程直至實(shí)現(xiàn)所有文檔和所有單詞的遍歷。如圖2表示。

2.3 基于BM25算法的資源匹配

特定主題的人文社科專題數(shù)據(jù)庫建設(shè)必須以充足的信息資源作為基礎(chǔ)保障。尤其是對(duì)于檢索關(guān)鍵詞，必須同資源儲(chǔ)備進(jìn)行匹配，判斷其是否具備專題開發(fā)條件。本文基于BM25算法，通過計(jì)算、排序每個(gè)檢索詞的BM25得分，實(shí)現(xiàn)主題關(guān)鍵詞進(jìn)行二次篩選。

BM25是二元獨(dú)立模型的拓展形式之一。作為一種相關(guān)性排序函數(shù)，BM25模型根據(jù)計(jì)算給定檢索詞與文檔的相關(guān)性得分并累加，進(jìn)而對(duì)匹配文檔進(jìn)行排序。該模型由于算法設(shè)計(jì)較為靈活，被廣泛應(yīng)用于搜索引擎當(dāng)中。范晨熙等通過將BM25模型與開源搜索框架Lucene結(jié)合，建立了BM25相關(guān)度搜索模型[9]，何喜軍等利用該模型，構(gòu)建了專利轉(zhuǎn)讓索引庫[10]。本文基于理論框架，對(duì)該模型進(jìn)行了拓展與應(yīng)用。

首先，對(duì)提取到的關(guān)鍵詞進(jìn)行語素解析，產(chǎn)生語素q_i。對(duì)于所有館藏資源的摘要文檔D，計(jì)算每個(gè)語素Q_i與D的相關(guān)性評(píng)分。最后，將Q_i相對(duì)于D的相關(guān)性得分加權(quán)并求和，最終得到Q與D的相關(guān)性得分。評(píng)分公式為[10]：

3 實(shí)證研究

3.1 數(shù)據(jù)來源與實(shí)驗(yàn)環(huán)境

本文從可測(cè)量角度出發(fā)，以福建省為例，通過政策文本衡量國家需求，通過檢索數(shù)據(jù)反應(yīng)用戶需求。由于國家各級(jí)政策發(fā)布機(jī)關(guān)單位數(shù)量龐大，內(nèi)容寬泛，本文僅選取國家文化與旅游部、福建省文化與旅游廳近5年發(fā)布的各類政策文本作為實(shí)證樣本，通過爬蟲工具獲取原始文本后，手工剔除人事變動(dòng)、財(cái)務(wù)審計(jì)等管理類文件，得到有效政策文本1 756條。檢索數(shù)據(jù)從FuLink（福建省高校數(shù)字圖書館）平臺(tái)后臺(tái)獲取，按照檢索排行降序順序，選擇人文社科相關(guān)的檢索條目，共計(jì)10 000條，部分記錄如表1。FULink平臺(tái)包含福建省53所成員館，擁有完善的在線系統(tǒng)和穩(wěn)定的訪問流量，檢索數(shù)據(jù)能夠反映出省域內(nèi)用戶的一般需求。

本文實(shí)驗(yàn)環(huán)境為Inter Core i7 - 7700HQ、2. 8GHz、8線程CPU，8GB內(nèi)容容量的PC機(jī)，家用標(biāo)準(zhǔn)版64位Windowsl0操作系統(tǒng)。集成開發(fā)環(huán)境為JetBrains PyChrm，部分功能基于Python語言編程，所用工具包包括Jieba、Numpy、Pandas、Nltk、Sklearn、Matplotlib等。

3.2 政策文本數(shù)據(jù)處理

LDA模型需要對(duì)分類數(shù)量進(jìn)行預(yù)先設(shè)定。該數(shù)值一般采用困惑度確定，計(jì)算公式如下：

其中z、d分別指訓(xùn)練過的主題和測(cè)試集的各篇文檔。分母Ⅳ是測(cè)試集中出現(xiàn)的所有詞。一般來說，困惑度隨主題數(shù)K增加而下降。如圖3所示，通過計(jì)算，當(dāng)K值取4時(shí)，困惑度曲線下降趨勢(shì)趨近于穩(wěn)定，此時(shí)K的取值為最佳數(shù)量。

構(gòu)建LDA模型以分析每一篇文章的話題分布，利用訓(xùn)練完的模型將政策文本轉(zhuǎn)化為話題分布函數(shù)，并將文本一主題向量與原文本合并，部分結(jié)果如圖4所示。

最后，根據(jù)以上結(jié)果，輸出每個(gè)主題的前若干關(guān)鍵詞，并以窗口形式展示。最終結(jié)果如圖5-8所示。

3.3 檢索記錄數(shù)據(jù)處理

通過Fulink后臺(tái)，選擇2019年檢索記錄，將輸出結(jié)果按照詞頻排序，選擇檢索次數(shù)大于1 000的關(guān)鍵詞，并將非人文社科范疇的詞語剔除。最后，將檢索詞與資源庫各類文本文檔進(jìn)行匹配，篩選出命中詞匯。部分結(jié)果如表2所示。

不同于文本語料，檢索記錄多以單個(gè)檢索詞的形式表示，缺乏上下文語境，難以利用NLP技術(shù)進(jìn)行主題識(shí)別。由于數(shù)據(jù)總量相對(duì)較少，因此本文選擇人工方式判斷檢索詞語義，并進(jìn)行主題歸納。

3.4 備選主題分類

比對(duì)上述兩類主題分類結(jié)果，進(jìn)行匯總、比對(duì)和分類，最終形成3類備選主題。

1）理想型主題選擇：教育、互聯(lián)網(wǎng)與大數(shù)據(jù)

通過比對(duì)，此類主題選擇內(nèi)容同時(shí)出現(xiàn)在政策主題和檢索主題分類中。意味著在現(xiàn)有資源的基礎(chǔ)上，能夠同時(shí)響應(yīng)國家和用戶需求，建議優(yōu)先作為專題數(shù)據(jù)庫建設(shè)主題。

教育學(xué)與教育事業(yè)是人文社科領(lǐng)域的重要話題，大量職能部門均對(duì)教育事業(yè)發(fā)展進(jìn)行了專門性部署，尤其是紅色教育、傳統(tǒng)文化教育、人文素養(yǎng)教育等方面近年來獲得了極大關(guān)注。在用戶層面，由于以高校圖書館聯(lián)盟為實(shí)證對(duì)象，用戶以高校學(xué)生為主，因此，數(shù)據(jù)庫建設(shè)主要回應(yīng)以備考或個(gè)人發(fā)展為目的的需求。顯然，各類人文社科教育需要大量專門性文獻(xiàn)資料為支撐，因此專門性數(shù)據(jù)庫建設(shè)勢(shì)在必行。

近年來，互聯(lián)網(wǎng)與大數(shù)據(jù)為人文社科領(lǐng)域帶來了巨大的變革，尤其是網(wǎng)絡(luò)安全、電子政務(wù)、數(shù)據(jù)資產(chǎn)等議題正在引起相關(guān)部門的高度重視。此外，大數(shù)據(jù)更是為人文社科領(lǐng)域的研究提供了新的契機(jī)和方法，從檢索數(shù)據(jù)來看，人文社科對(duì)于數(shù)據(jù)科學(xué)、編程語言、計(jì)算工具等方面的資料存在大量需求。

2）政策導(dǎo)向型：非物質(zhì)文化遺產(chǎn)、旅游

此類主題選擇通常側(cè)重于公共性建庫主體，能夠有效回應(yīng)國家政策要求，有助于發(fā)揮其公共文化服務(wù)等方面的職能。

非物質(zhì)文化遺產(chǎn)和旅游是人文社科專題數(shù)據(jù)庫的傳統(tǒng)主題選擇，從研究結(jié)果來看，非遺資源保護(hù)和旅游產(chǎn)業(yè)發(fā)展依然是當(dāng)前文化及相關(guān)部門的工作重心，從中央到地方均有大量政策部署。在數(shù)據(jù)庫建設(shè)過程中，建庫主體可圍繞本地資源，進(jìn)行針對(duì)性的數(shù)據(jù)采集與加工整理，著力打造出具有地方特色的文化品牌。同時(shí)，不斷拓展數(shù)據(jù)庫的開放程度，并開展宣傳推廣工作，進(jìn)而服務(wù)于地方旅游產(chǎn)業(yè)。

3）用戶導(dǎo)向型：文學(xué)、經(jīng)濟(jì)學(xué)、語言

此類主題選擇能夠反映用戶的現(xiàn)實(shí)需求，具有良好的市場(chǎng)前景，一般來說更加符合商業(yè)性的建庫主體性質(zhì)，而對(duì)于高校、科研院所等實(shí)際科研需求也能做到有效回應(yīng)。與政策導(dǎo)向不同，用戶需求更為多元，其影響因素也更加復(fù)雜。在本文的實(shí)證研究中，用戶需求更多地集中于在文學(xué)、經(jīng)濟(jì)學(xué)和語言3類。其中文學(xué)作品相對(duì)于其他人文社科學(xué)術(shù)性資源來說，學(xué)科門檻較低，受眾面更廣。而經(jīng)濟(jì)學(xué)原理和方法對(duì)包括社會(huì)學(xué)、管理學(xué)、國際關(guān)系在內(nèi)的多種學(xué)科同樣實(shí)用，因此存在大量記錄。而語言方面的需求則以英語學(xué)習(xí)材料和工具書為主，這是由高校用戶對(duì)于等級(jí)考試、外文學(xué)術(shù)資源等硬性需求決定的。

4 結(jié)語

本文構(gòu)建了一種人文社科專題數(shù)據(jù)庫建設(shè)的主題選擇模型，為專題數(shù)據(jù)庫的主題選擇提供了一種全新的思路和方法。相較于以經(jīng)驗(yàn)性判斷為主的常見模式，本文通過對(duì)政策文本和用戶訪問記錄進(jìn)行深入挖掘和匹配，有助于進(jìn)一步提高專題數(shù)據(jù)庫建設(shè)決策的科學(xué)性、實(shí)時(shí)性和前瞻性。

需要注意的是，本模型面向人文社科專題數(shù)據(jù)庫建設(shè)的決策支持，希望通過多渠道大樣本的數(shù)據(jù)分析為專題數(shù)據(jù)庫的主題選擇工作提供科學(xué)有效的備選方案，這意味著該方法無法完全替代決策工作。專題數(shù)據(jù)庫建設(shè)是一項(xiàng)復(fù)雜、持久的工作，不同地區(qū)和不同性質(zhì)的建庫主體均存在較大差別，也受到資金、技術(shù)、人員等因素的制約，建庫人員的經(jīng)驗(yàn)和價(jià)值判斷依然具有不可替代的作用。在專題數(shù)據(jù)庫的規(guī)劃和論證過程中必須緊密結(jié)合自身實(shí)際情況，因地制宜地開展數(shù)據(jù)庫建設(shè)工作，才能形成質(zhì)量上成、功能完備、影響廣泛的數(shù)據(jù)庫產(chǎn)品。除主題選擇外，建庫方式、服務(wù)模式、推廣方法的選擇對(duì)專題數(shù)據(jù)庫的發(fā)展同樣具有重要影響。

此外，本文實(shí)證研究部分初步驗(yàn)證了模型的可行性，但在政策文本數(shù)量、館藏資源類型、用戶需求類型等方面仍存在進(jìn)一步拓展和精細(xì)化的空間。在未來的研究中，可通過擴(kuò)充數(shù)據(jù)源的廣度和粒度，進(jìn)一步提高模型的適用性和有效性。

參考文獻(xiàn)

[1]劉青，高波.美國州立圖書館特色數(shù)據(jù)庫建設(shè)研究[J].圖書館，2017，（3）：72-80.

[2]何小月，雷錦怡，江翩翩，中美高校圖書館自建數(shù)據(jù)庫比較研究[J].圖書館學(xué)研究，2019，（6）：40-48.

[3]鄂麗君.高校圖書館特色館藏建設(shè)的現(xiàn)狀分析[J].圖書館建設(shè)，2009，（ 12）：19-23.

[4]陳欽明.福建省高校圖書館自建閩臺(tái)特色數(shù)據(jù)庫現(xiàn)狀調(diào)查與分析[J].圖書館學(xué)研究，2018，（3）：48-52.

[5]孫瑾，軍隊(duì)檔案專題數(shù)據(jù)庫建設(shè)現(xiàn)狀及存在問題——兼論數(shù)據(jù)組織階段質(zhì)量控制[J].檔案學(xué)研究，2013，（3）：41-45.

[6]王昶，自建數(shù)據(jù)庫選題策劃?rùn)C(jī)制研究[J].圖書館學(xué)研究，2012，（6）：41-43，27.

[7]徐大平，郎菁，梁芬玲.地方特色專題數(shù)據(jù)庫選題若干問題研究——以陜西地區(qū)為例[J].情報(bào)雜志，2012，31 （2）：174 -177.

[8]任航，潘逸塵高校圖書館藝術(shù)教育主題服務(wù)內(nèi)容、途徑與策略研究[J].情報(bào)科學(xué)，2018，36 （12）：83-89

[9]范晨熙，黃理燦，李雪利.基于Lucene的BM25模型的評(píng)分機(jī)制的研究[J].工業(yè)控制計(jì)算機(jī)，2013，26（3）：78-79.

[10]何喜軍，張婷婷，武玉英，等供需匹配視角下基于語義相似聚類的技術(shù)需求識(shí)別模型[J].系統(tǒng)工程理論與實(shí)踐，2019，39 （2）：476-485.

[11]張子振，儲(chǔ)煜桂，吳小蘭，基于LDA的多源文獻(xiàn)主題及其差異研究——以“機(jī)器學(xué)習(xí)”為例[J].情報(bào)科學(xué)，2019，37（6）：108-112，150

（責(zé)任編輯：郭沫含）

收稿日期：2019-10-14

基金項(xiàng)目：國家社會(huì)科學(xué)基金重大項(xiàng)目“人文社科專題數(shù)據(jù)庫建設(shè)規(guī)范化管理研究”（項(xiàng)目編號(hào)：18ZDA326）。

作者簡(jiǎn)介：劉雨農(nóng)（1991-），男，博士研究生，研究方向：智慧城市、社會(huì)網(wǎng)絡(luò)。吳柯燁（1996-），男，碩士研究生，研究方向：自然語言處理。權(quán)昭瑄（1996-），男，碩士研究生，研究方向：金融大數(shù)據(jù)。