基于領域知識庫的語義出版形態研究

[摘 要] 指出領域知識庫是對知識單元進行管理、存儲和關聯利用的有效工具，是專業出版機構開展語義出版服務的基礎性工程。提出語義出版領域知識庫的知識單元可劃分為出版載體與文獻類型模塊、母體要素模塊、科學陳述模塊、知識形態模塊和外部關聯模塊，通過書目關聯關系、概念關聯關系、引證關聯關系、論證關聯關系、科研本體關聯關系構建適用于出版業的資源語義網絡。闡釋面向集成揭示和智能推理兩種語義出版形態，并提出采用“眾包”模式建設領域知識庫和推動開放知識組織體系共享利用的建議，以期對我國語義出版領域知識庫構建及其應用提供借鑒。

[關鍵詞] 語義出版 領域知識庫 知識單元 服務形態 數字出版

[中圖分類號] G237[文獻標識碼] A[文章編號] 1009-5853 （2020） 05-0091-09

[Abstract] The domain knowledge base is an effective tool for managing， storing and associating knowledge units， and it is the groundwork for professional publishing institutions to develop semantic publishing services. The knowledge units of the domain knowledge bases in the field of semantic publishing can be divided into publication media and document type module， parent element module， scientific statement module， knowledge type module and external association module. Meanwhile， these knowledge units can be built into content resource semantic networks suitable for the publishing industry through bibliographic associations， conceptual associations， citation associations， argument associations and research ontology associations. Based on the above analysis， it first explained two forms of semantic publishing oriented to integral showcase and intelligent reasoning respectively; then put forward the suggestions of using the‘crowdsourcing model to construct domain knowledge bases and sharing open knowledge organization systems， in order to provide references for the development of semantic publishing and its application in China.

[Key words] Semantic publishing Domain knowledge base Knowledge unit Service form Digital publishing

1 引 言

由于海量的異構數字資源仍呈現指數式增長，人們傾向于讓計算代理執行信息資源發現和集成任務。然而，當前數字出版服務更多依賴于傳統文獻資源的元數據檢索，而其中的關鍵詞匹配機制較少考慮關鍵詞的多義性、組合關鍵詞的復雜性和被用于不同語境時的差異性[1]，因此，其結果難以滿足高效率、知識性、體系化的用戶服務需求。作為數字出版的高級形態，語義出版旨在將可發現、可引用并可重用的信息資源有序關聯和發布，這對提升出版業知識服務能力具有重要意義。

目前，在語義出版形態的設計與應用研究方面，主要集中在：（1）學術期刊的內容增強研究，如基于本體和關聯數據等方法的學術期刊數字資源聚合模型[2]、利用XML實現學術期刊數據交換與集成[3];（2）不同粒度知識單元的發布模型研究，如納米出版物[4]、液體出版物、微型出版物等;（3）語義出版服務功能分析，如語義索引、按需檢索[5]、本體導航等基本功能，主題知識聚類與演化、知識推理分析等知識管理功能[6]，以及科研實體影響力可視化分析、科技熱點監測、學科預測與規劃等定制功能[7][8];（4）面向語義出版的結構化工具研究，如基于科研論文引文關系的智能信息檢索工具CIRRA，可提供引用文本時間軸、追溯引文原始表達、集中展示核心關鍵詞所在文本等功能[9]，或提供從素材收集、數字對象制作、自動標引參考文獻、按期刊版式呈現到Word文檔格式轉換等一系列功能的論文寫作工具DPaper [10]，以及面向作者服務的學術論文語義注釋自動增強工具CISE [11]等。

其中，領域知識庫是對領域知識單元進行管理、存儲和關聯利用的有效工具，是發揮語義出版價值的主要發力點，是專業出版機構開展語義出版服務的基礎性工程。因此，本文通過描述領域知識庫的構建元素及其關聯關系，構建適用于出版業的資源語義網絡，并提出兩種基于領域知識庫的語義出版形態，以期為我國語義出版領域知識庫構建及應用提供借鑒。

2 領域知識庫構建：適用于語義出版的資源網絡框架

在傳統出版機構特別是專業出版機構數字化轉型升級過程中，領域知識庫構建是發揮已有內容資源優勢、實現語義內容開發、開拓知識服務范圍的可行路徑。通過對原始內容資源進行知識單元的精細化抽取、標識和分類，并以機器可理解、可處理的方式來表示，進而根據語義關系構建多維知識網絡，可以探索語義出版服務新形態。因此，下文主要從內容組織視角入手，識別知識單元并揭示其間的關聯關系，構建適用于語義出版形態的資源網絡框架。

2.1 基于知識單元識別的資源模塊

知識單元是指客觀知識系統中有實際意義的基本單位，如一個明確的語詞概念、具體觀點、科學定理、數學公式等;數字內容中每一個層次的信息都可以作為具體的知識單元被解析、被描述、被重組[12][13]。知識單元的識別是開展語義出版內容服務的基礎，有助于后端借助知識單元的語義邏輯關系構建知識網絡。領域知識庫的知識單元不僅蘊含于圖書、期刊、報紙、音頻、視頻等傳統文獻和載體中，也存在于開放出版、數據倉儲[14][15]、社交網絡等新型科學交流與出版平臺。此外，領域知識庫往往圍繞某一知識主題形成對知識單元的有效識別和有序集成，以快速構建面向某一主題、結構完整的知識體系。例如，圍繞某一農作物對象，關聯該農作物的分布地圖、相關統計數據、科學研究產出、維基百科事實、世界銀行數據、瀕危生物數據等;采用Mesh語義本體集中某一藥物的臨床試驗數據、正式發布的藥物數據、副作用記錄、使用報道等，知識單元的表現形態則涵蓋數據、文檔、網絡鏈接、圖片、軟件、項目、出版物、研究活動、新聞等[16]。

綜合新型科學交流環境下知識單元的產生渠道、外部出版特征和內容資源內涵，梳理適用于語義出版的關聯要素，領域知識庫知識單元可分5個模塊進行識別和集成，如圖1所示：（1）出版載體與文獻類型模塊，如圍繞某一知識主題的期刊論文、學位論文、科技報告、標準、圖書等，有利于跨出版物載體提供主題服務。（2）母體要素模塊，如期刊名稱、會議名稱、作者、發表機構、關鍵詞、基金項目、發表時間、參考文獻等書目元素，有利于梳理知識主題的研究熱點與發展趨勢，及時展現某一學科領域中信息吸收與知識擴散的發展演變。（3）科學陳述模塊，是指經過自然語言處理，由文獻自動抽取的觀點、理論、原理、指標和方法等，有利于根據規則對上述要素的權威性、影響力和前沿性進行評價和篩選，形成基于科學陳述要素的自動綜述等。（4）知識形態模塊，即從文獻內部提取的軟件、工具、公式、視頻、表格、圖片、數據集等具有獨立表現形態的知識單元。（5）外部關聯模塊，是對原有文獻內容的語義化、交互式、概念性擴展，如DBpedia、SemSur [17]、漢語主題詞表等知識組織工具，權威機構發布的財經數據、地理數據、生物數據等，或是某一知識主題的專業軟件、專家釋義、典型案例和新聞等知識對象。這有利于在服務層結構化展示主題與體系內上下位類目、相關類目的關系，以及向用戶立體化地展現可交互的三維圖像數據。

值得注意的是，知識單元有可分解與不可分解兩類;也有學者將不可分解的知識單元稱之為“知識元”[18]，它在分類和索引實踐中極為有用。上述知識單元中的概念、理論、圖表、數據等，也隸屬于知識元的概念范疇。因此，語義出版應側重于知識元釋義和知識元關系建設，強化對文章、篇、章、節、段落等獨立、完整的文字內容進行的碎片化加工、標引標注、主題詞創建等技術處理，完善知識元修改、標引、超鏈、備注、標簽等流程環節的專業編輯，提升面向多元應用場景的圖標、公式、表格矢量化處理的專業能力。

2.2 基于關聯揭示的知識單元網絡

語義出版中的領域知識庫，可大致從書目關聯關系、概念關聯關系、引證關聯關系、論證關聯關系、科研本體關聯關系5個維度加以構建。結果既可包括知識主題本身的結構屬性，也能涵蓋時間序列下的知識主題演進網絡，此外還涉及知識主題與其他相關資源的關聯關系。

（1）書目關聯關系。書目是以“記錄”為單位，由描述書目實體內容與形式特征的各項書目元素及其數據組成。書目元素包括題名、責任者、出版社、出版日期、版本、ISBN、主題/關鍵詞、格式、標識符、權限、語種等。書目關聯關系可從兩方面加以揭示：一是書目實體與書目實體的關聯關系，如等同、修訂、改編、翻譯、描述、整體與部分、附屬、連續等;二是書目實體與其書目元素的關聯關系，通過對書目實體的元素值進行識別、提取和對比，以都柏林核心（Dublin Core，DC）元數據描述方式可發現實體間的潛在書目關聯關系。如圖2所示，Resource1（資源1）和Resource3（資源3）可通過DC元數據元素creator（創建者）的屬性值構建書目關聯關系，Resource1（資源1）和Resource2（資源2）可通過DC元數據元素language（語種）的屬性值構建書目關聯關系。

（2）概念關聯關系。同一概念可以有多種表達形式，而這些表達形式又可以被劃分為人們公認的、能夠代表概念的優先術語（也可稱為優選詞、敘詞）和若干個非優先術語（也可稱為非優選詞）。如“馬鈴薯”即為優先術語，與其對應的非優先術語包括“土豆”“洋芋”等。概念關聯關系可以把不同詞語表述的完全相同或相近主題的文獻信息聚集在一個信息集合之內，有利于概念的集成存儲、關聯與發布。具體來看，可包括以下3種關系：一是基于術語結構的語義關系，即基于概念關系類型實現內容資源的語義表達，主要包括等同關系、等級關系和相關關系。二是基于術語映射關聯的語義關系，即通過映射揭示基于不同知識組織體系描述的內容資源之間的語義關聯關系。如兩個術語含義完全相同的精確等同，目標概念是源概念上位詞的向上等同，含義基本相同或只有部分相同的近義等同，以及與某一概念雖既不具有同義或準同義關系，亦不具有向上匹配與向下匹配關系，但在語義上或使用中與其有密切聯系的相關等同。三是基于術語分類關聯的語義關系，即依據學科、主題、詞性等分類描述，從不同語義層次揭示術語的語義關聯關系。

（3）引證關聯關系。主要指以引文鏈接為基礎，通過人工規范、自動規范和數字對象標識符（Digital Object Identifier，DOI）關聯，形成作者、機構、基金和引文題名等信息對象的關系聚合，以識別核心學術主體、揭示科學結構、描繪科學發展歷程。具體而言，可劃分為4種語義關系類型：一是耦合關系聚合，通過文獻耦合來客觀測度文獻的相關性;二是引證路徑聚合，通過引證關系網絡圖來量化文獻的相似性;三是引證強度聚合，通過引證關系的強度計算文獻之間的相關性;四是引證擴展聚合，文獻的引證關系可擴展至作者、機構等科研實體的相互引證，這樣能夠揭示科研實體之間的相關性。

（4）論證關聯關系。論證的基礎，即為論點和論據。論證關聯關系，是基于邏輯衍推的關系構建過程。可根據邏輯學的一般原理，在自然語言處理的基礎上提取特定情境下的論點和論據（claim-evidence-context）[19]，形成智能化、自動化語義推理框架，以用于后期在內容層面構建具有某種邏輯關系的語義出版服務產品。例如，根據科學文獻自身的論證結構形成自動文摘;根據科學文獻描述內容的因果關系形成如“癥狀-疾病”語義推理產品;根據某一主題和論證本體動態形成基于該主題的智能綜述。其中，科學論文的論據覆蓋范圍較為廣泛，既包括數據、圖片、表格、公式、情境，又包括本體、工具、軟件代碼等，以及理論、原理、方法（試驗方法、調查方法、數據分析方法等）或技術。由此，本研究的論據可以被定義為：凡是對論點和結論具有支撐作用的客觀事物均可作為論據加以使用;事物單位涵蓋篇章、段落、詞句及其蘊含的知識單元。在關聯關系表現方面，需依據論點、論據和論證構建語義邏輯。其中，科學論文的觀點或結論可以直接被視為論點。支撐論點的論據應是根據邏輯關系（如“時間、目的、原因”等關系明顯的主謂賓詞對關系），從出版內容資源直接抽取的知識單元或知識片段，主要包括理論論據（如定理、公式）和事實論據（如具體事實、概括事實和數字/數據集），具體對象可參照上述論據的覆蓋范圍。同時，在支撐論點、組織論據的論證過程中，可以優先選擇以歸納法和比較法的形式系統羅列論據的論證結構。歸納法以案例集、自動文摘等例證或概括的形式有序化地羅列知識單元;比較法則對知識單元的差異性進行對比和類比。例如，對某一觀點的引用就可采用對比法，從正面引用和負面引用兩個方面全面揭示對某一觀點的統一或多方對立認知。

（5）科研本體關聯關系。通過對科研項目、科研人員、科研機構、科研活動和科研成果5大科研對象進行本體化語義關系描述，全面、系統地反映科研本體的屬性與關系。首先，對規模化的科研對象數據集進行采集、匹配、歸一，將同一科研對象的相關屬性信息和所有名稱形式進行關聯，以形成確保唯一性和穩定性的規范文檔，從而實現科研對象的有序集成。其次，根據科研本體層級關系、組織結構和屬性特征，對科研對象進行語義推理和可視化展示。如借助等級層次分明的科研本體分析和計算科研對象之間關聯關系的強弱程度，以便為后期語義出版服務提供強關聯的科研實體推薦功能。以科研機構關聯關系為例，可分為基于科研機構內部關聯的語義關系和基于機構外部關聯的語義關系。前者指某一機構實體自身產生的關聯關系如用代關聯、參照關聯、屬分關聯等，包括單一機構實體各個名稱之間的關聯關系和機構整體與其內在各部門的上下級關系。后者指多個機構實體通過某種共性或者活動而產生的關聯關系，如地域關聯、行業關聯、學科關聯、合作關聯、從屬關聯等。為揭示科研機構關聯關系，需要描述科研機構的屬性特征。這主要包括機構唯一標識符、規范名稱、交替名稱、所屬行業、學科主題等。

3 基于領域知識庫的語義出版形態

依據知識單元識別及其關聯關系構建的差異，語義出版形態既可以是一種基于知識主題本體的出版資源知識體系集成揭示模型，又可以是一種面向評價和推理的知識主題出版資源自動化發布平臺。它的功能特征可包括發掘并豐富文獻內部的知識內涵和表現形式，提供可供網絡自動發現的外部顯示數據、可自動鏈接與之相關的篇級文獻、數據等材料，支持訪問、可操作和結果再現，以及面向科學計量的知識圖譜構建和科研實體評價等。

3.1 面向集成揭示的語義出版形態

面向集成揭示的語義出版形態，以領域知識主題挖掘為核心，由文獻結構、篇章、段落、詞句、圖表、引文、公式等構成復合數字對象，突破文獻類型的界限，實現知識聚合、知識演化、科研關系展示和學術評價等功能。它不僅能夠滿足語義檢索需求，還能高效地為用戶提供觀點提煉和語義網絡節點評價等服務能力。

當前，出版機構可圍繞自身優質出版資源和優勢出版資源，從建設經典閱讀、精品閱讀語義出版服務投送平臺入手，圍繞某一主題或知識點實現文獻整合及其所蘊含知識單元要素的動態重組，形成如圖書集成、文本綜述、主題監測和追蹤等知識網絡產品。為此，本文設計了物理學語義出版服務平臺中知識主題集成揭示系統的相關功能，如圖3所示。

其中，圖書集成服務是指以書目關聯關系為核心，通過詞條檢索功能，運用語義搜索技術將傳統關鍵詞匹配檢索提升至規范詞、篇章、語用、邏輯等語義檢索層次。它運用語義碎片化技術，識別和提取出版內容資源的結構化信息碎片，根據用戶或者行業需求特征，將圖書、文本、多媒體資源等進行個性化整合及專題服務，從而以百科閱讀、主題閱讀等形式對外呈現，實現對多載體檢索內容的按需聚合。自動綜述服務是指以概念關聯關系和引證關聯關系為核心，形成如簡介、理化性質、制備方法、分類與應用、發展前景等主題對象知識集合。它支持文本過濾與內容對比分析功能;支持用戶自定義語義出版服務的內容組織結構;支持高被引文獻的核心觀點/概念展示;支持多媒體資源、結構化公式的有機融合;支持不同知識元之間的關聯與跳轉。主題監測服務是指以科研本體關聯關系為核心的學術主體評價服務。該服務可圍繞知識主題，對相關機構、作者、項目和管理決策進行數據處理和信息運算，實現立體化的實體計量和對某個知識單元的有效評價，凸顯某學科領域的核心或潛在作者、機構、期刊、會議、項目等知識要素及其相關關系，動態展示學科發展現狀與趨勢。

3.2 面向智能推理的語義出版形態

面向智能推理的語義出版形態，是指在碎片化、結構化、語義化的底層數據基礎上，根據用戶設置的問題，運用自然語言處理技術、可視化技術、人工智能技術等，借助前期預設的推理機制在底層數據中尋找符合條件的內容資源，以可視化、體系化的形式為用戶提供面向問題的自動問答解決方案，滿足用戶的知識需求。具體展現方式可以是基于知識單元的自動問答;也可以是預測研究模式與規律的自動系統，如針對某一問題如何開展實驗、相關步驟有哪些、所需設備型號、實驗數據庫建設框架等;還可以是輔助疾病診斷的治療措施推薦，等等。

需要注意的是，面向智能推理的語義出版服務，需要在提供解決方案的同時，特別標明產生方案的出版來源和鏈接來源，以說明方案的真實性和科學性。以基于電腦醫學專家系統的語義出版服務為例，可由一個醫學領域知識庫、數據庫、推理庫、解釋機制以及知識獲取5部分構成。它要求能夠準確地模擬醫學專家的記憶、聯想、推理以及判斷等思維過程，即讓電腦模擬醫學專家診治各類疾病的思想和思路，讓其起到醫學專家的作用，以隨時隨地地為廣大用戶診斷各種疾病并開出相應藥方。其中，醫學領域知識庫是將專家的專業知識和經驗存儲在其中，通過建立疾病診斷樹而實現;數據庫存放該系統處理對象的初始信息（包括患者姓名、年齡、癥狀、診斷結果、病情程度以及治療方案等）;推理機是一組程序，根據輸入的數據（如患者的病史、癥狀與檢查結果）調用知識庫的知識，進行各種方式的推理;解釋機制以規則隊列方式記錄推理軌跡，對這種物理形式的規則進行分析，并將分析結果用中文予以表述;知識獲取部分，會幫助修改知識庫中原有不合理的知識和擴充新知識。

目前，出版機構可以根據在某一行業領域的專業優勢，研發、打造行業針對性強、用戶需求度高的語義出版服務產品，將專業出版內容資源與現代信息技術相融合，提供面向金融決策的語義出版平臺、面向醫學診療的語義出版平臺等。為此，本文以農業領域語義出版服務平臺為例，以概念關聯關系和論證關聯關系為核心設計農作物病害診斷系統，著重從物種屬性關系、整體與部分關系、癥狀與處方關系、因果關系4個方面構建語義網絡架構，系統可通過用戶選擇的病害發生時間、病害發生位置、癥狀和相似性圖片推薦等碎片化信息，智能化、自動化推理水稻病害名稱，并同時提供病害簡介、癥狀識別方法、發生規律和防治方法等語義關聯內容，具體如圖4所示。

4 結論與展望

互聯網、數字技術、語義技術等已經深入出版業數字轉型工作中，出版產品的構成、內容模式和載體形態等也在發生深刻變化，基于用戶需求創造高效、精準的基于語義的閱讀體驗逐漸成為新興趨勢[20]。領域知識庫構建是開展語義出版服務的前端環節，是在深度開發已有出版內容資源的基礎上，借助多元關聯關系將不同的知識單元對象有序分類和多維集成。同時，面向集成揭示和智能推理的語義出版形態，是基于領域知識庫的數字出版語義服務形式，能夠實現圍繞某一主題的知識體系全方位展示以及基于用戶知識需求的自動解答。

其中，領域知識庫開發是完善知識單元識別和關系揭示、構建知識體系結構、優化語義出版形態的基礎建設工作，具體可采用以下方式進行：一是應用“眾包”模式，探索“分布建設、集成應用”的領域知識庫發展新模式。所謂“眾包”模式，是指部分專業出版機構按照服務領域既分工、又聯合地開展專業數字內容資源知識庫建設的模式。各個出版機構須依據內容資源的相關規律和特征，研制數據存儲標準，開展語義分析和知識挖掘，設計知識庫功能并構建相應層級等。一家獨大的局面并不適合當下國內語義出版發展，因其更需要發揮中小出版機構的多方優勢，探索多方分散型出版資源的數據加工和集群管理模式。對于中小型出版機構而言，采用“眾包”模式是參與語義出版建設、降低轉型升級風險、挖掘優勢資源價值的重要舉措。只有這樣，才能夠充分保留出版內容資源的“延展性”權利，即出版機構具有先占權，一旦內容資源或領域知識庫被利用而產生商業價值，出版機構都能從中分取相應利益。由此，基于“眾包”模式的領域知識庫建設能夠創建出有特色、專業性強的本地化知識庫，并在此基礎上由大型出版機構為主導，開發領域知識庫集成與服務平臺。二是推動已有開放知識組織體系的共享利用，擴充領域本體的知識架構。知識組織體系具有范疇分類、概念關聯、定義注釋等功能，可以有效地輔助領域本體的構建。20世紀80年代以來，我國已編制出版多個大型綜合性或專業性知識組織體系。其中，敘詞表是重要組成部分。目前，有代表性的綜合性敘詞表如《漢語主題詞表》《中國分類主題詞表》等，2000年以來專業性敘詞表有《中國中醫藥學主題詞表》《海軍主題詞表》《地質學漢語敘詞表》《電力主題詞表》《測繪學敘詞表》等。可見，現有的知識組織體系成果較為豐碩，涉及專業領域較多，并且已逐漸呈現網絡化、數字化、開放化的應用特征。出版業可引入這些開放的知識組織體系，將之用于切詞、信息抽取、聚類、詞頻統計等文本信息處理流程，使之與出版內容資源或其他相關資源互聯互通，以服務于領域知識庫構建過程中的計算語言學應用;可以建立領域知識庫自動分類系統，實現對海量內容資源進行自動標注、知識關聯、知識組織、知識揭示等服務功能;可以通過詞族知識概念體系，推進“分類（類目詞）-主題詞-關鍵詞”的主題分類一體化應用，達到領域知識庫內學科導航的服務目的;從自身本質就屬于知識本體的意義上來說，還可進行智能推理、語義聚類和跨語言檢索的服務項目。

當前，我國出版業正朝向技術、知識、服務密集型的方向加快發展，出版機構的集團化結構調整也提升了出版內容資源的整合規模，拓展了語義出版的資源基礎，而語義出版的服務形態和應用場景仍處于檢驗階段。下一步研究方向，將在明確用戶需求的基礎上，面向科研全生命周期，提出強調以傳統出版物內容資源為核心，通過海量數字資源的組織、關聯、聚合、評價和推薦，開展實現精準服務的語義出版形態研究。

注 釋

[1] 孫坦.數字出版與數字圖書館：面向語義知識服務的融合歸一[EB/OL]. [2019-12-17]. https：//max.book118.com/html/2016/0811/51067082.shtm

[2] 許鑫，江燕青，翟姍姍.面向語義出版的學術期刊數字資源聚合研究[J].圖書情報工作，2016，60（17）：122-129

[3] 朱琳峰，李楠.學術期刊數字出版內容增強模式探索[J].編輯學報，2019，31（4）：421-423，427

[4] 王曉光，宋寧遠.語義出版物的內容組織架構研究：基于納米出版物和微型出版物的比較分析[J].出版科學，2017，25（4）：20-27

[5] 王莉莉，欒冠楠.英國廣播公司（BBC）動態語義出版模式研究[J].圖書情報工作，2017，61（8）： 126-132

[6] Senderov V， Simov K， Franz N，et al. OpenBiodiv-O： ontology of the OpenBiodiv knowledge management system[J]. Journal of Biomedical Semantics， 2018（9）：5，11

[7] 徐雷，潘珺.科學出版物語義數據及其應用研究[J].中國科技期刊研究，2018，29（7）： 704-710

[8] 蘇靜.面向科學交流的語義出版體系建設研究[J].數字圖書館論壇，2018（11）：58-64

[9] Angrosh M A， Cranefield S， Stanger N. Contextual information retrieval in research articles： Semantic publishing tools for the research community[J]. Semantic Web， 2014， 5（4）： 261-293

[10] 樂小虬，王子璇，張曉林，等. DPaper：一種面向語義出版的結構化論文寫作工具設計與實現[J].現代圖書情報技術，2016（11）：76-81

[11] Peroni S. Automating semantic publishing [J]. Data Science，2017（1）：155-173

[12]彭希珺，張曉林.國際學術期刊的數字化發展趨勢[J].中國科技期刊研究，2013，24（6）： 1033-1038

[13]王子舟，王碧瀅.知識的基本組分：文獻單元和知識單元[J].中國圖書館學報，2003， 29（143）：5-11

[14] 關聯數據云（LOD Cloud） [EB/OL].[2019-12-17]. https：//lod-cloud.net/#about

[15] Dryad[EB/OL]. [2019-12-17].https：//datadryad.org/stash/our_mission

[16] Ettorre M， Pontieri P， Ruffolo M， et al. A prototypal environment for collaborative work within a research organization[C]// International Workshop on Database and Expert Systems Applications，2003：274-279

[17] Fathalla S， Vahdati S， Auer S， et al. SemSur： A Core Ontology for the Semantic Representation of Research Findings[J]. Procedia Computer Science， 2018， 137：151-162

[18] 溫有奎.基于“知識元”的知識組織與檢索[J].計算機工程與應用，2005，41（1）：55-57，91

[19] Ciccarese P， Ocana M， Clark T. Open semantic annotation of scientific publications using DOMEO[J]. Journal of Biomedical Semantics， 2012， 3（1）：1-14

[20] 徐麗芳，叢挺.數據密集、語義、可視化與互動出版：全球科技出版發展趨勢研究[J].出版科學，2012，20（4）：73-80

（收稿日期：2020-03-17）