大數據環境下農業知識服務協作體系探索與實踐

葉颯， 朱亮， 寇遠濤， 趙瑞雪， 顧亮亮， 季雪婧

(中國農業科學院農業信息研究所，農業農村部大數據重點實驗室，北京 100081)

知識服務在國外主要應用在教育、咨詢、醫療衛生、經濟管理等不同領域，以形式多樣的知識項目實踐于領域內具體問題的解決；在我國主要集中在圖情領域和計算機領域，偏重理論研究[1]。農業領域的知識服務研究與應用較為少見，究其原因主要有兩點：一是由于外部環境，如國內外數據庫商業學術資源的壟斷、互聯網公司技術的快速提升，迫使農業知識服務主要承擔機構的發展受到了制約、面臨被邊緣化；二是農業領域的情報信息服務機構普遍存在科研經費不足、復合人才斷檔、用戶認可度不高等內部問題。

周國民等[2]提出，我國農業知識服務是指將存在于計算機中農業顯形知識和農業專家大腦中的隱性知識服務農業用戶。之后，嚴霞等[3]提出，農業知識服務是建立在農業科技情報研究機構及圖書館的服務功能和農業知識基礎上的一種特殊服務行業。趙瑞雪等[4]提出，面向農業科技創新的多維知識服務建設，將形成的“一站式公共集成服務+個性化深層次知識服務”技術體系應用于中國農業科學院和部分省級農業科學院的科研創新。楊小薇等[5]提出，農業領域知識服務是一個與用戶全程溝通、向領域專家及時咨詢的過程，是用戶、領域專家與服務團隊多方智慧融合的協同工作過程。

總的來說，農業知識服務是面向農業科研、農業產業、農業企業、農業管理與決策等領域用戶，提供知識獲取、知識分析、知識關聯以及知識推理等不同知識服務和解決方案。以往傳統的知識服務基本上由獨立圖書情報機構提供，但由于各機構的資源、服務及團隊單一、分散，無法滿足不同用戶群體需求的隨機性、專業性、特殊性以及綜合性。同時，用戶在尋找準確的知識服務提供者也往往不盡人意。因此，知識供需容易出現信息不對稱，對需求的準確理解和有價值知識的精準供應成為提供優質農業領域知識服務的關鍵[6]。

為提升情報信息服務機構在知識服務中的競爭力，發揮最大的服務價值，通過分析農業領域目標用戶群體需求與特征，本文提出依托農業知識服務協作體系，通過加強機構間的協同合作優勢互補、資源技術與團隊專家有效整合、供需信息順暢傳遞等模式，解決行業短板和供需信息不對稱的問題，促進農業領域大規模、跨地域、跨機構、跨領域的專業知識服務高效開展。

1 農業專業知識服務用戶需求與特征分析

農業專業知識服務主要用戶群體包括高端智庫、科研高校、涉農企業和政府部門四大類，其特征主要體現為兩點：一是用戶群體類型多、數量大，二是用戶分布地域廣、專業性強。針對不同地域、不同領域的用戶，知識服務需求也呈現多樣性。

高端智庫用戶是指農業相關領域院士和國家重點研發計劃、重大研發專項及戰略咨詢等科研項目或課題組，這類用戶特征是“高、精、深”，為智庫用戶提供的知識服務主要是輔助用戶開展國家、地區以及行業領域的宏觀戰略咨詢與情報分析。一方面提供的服務站位要高而全，另一方面服務內容需要前瞻、精準且有深度的情報分析，可以指導國家地區的規劃發展、引領行業產業的發展方向、規避降低突發事件等對社會的危害程度。基于此類用戶的特征，通過構建跨領域情報服務團隊來實時跟蹤智庫用戶需求，以協同嵌入式的服務模式與用戶專家深入對接，借助大數據技術對數據遴選、抽取、統計和關聯計算，由情報人員反復驗證、最終分析形成各類型情報產品，以支撐智庫用戶需求。

農業科研院所和農業高校用戶群是農業科研工作開展的主力軍，包括中國農業科學院、中國水產科學院、中國熱帶農業科學院和各省市地方等上百家專業研究機構，以及中國農業大學、南京農業大學等近百個高校。科研用戶特征是“多、專、廣”，用戶群體多、服務專業性強、領域服務廣。面向科研用戶開展的服務涵蓋了農業的各個學科和產業，服務內容層次不一，可能是一篇科技文獻、一類科研數據、一項科技成果，也可能是學科領域的趨勢分析、前沿熱點追蹤，還可能是成果轉化的市場環境分析、機構和個人成果規范化集成與管理等。面向大部分科研用戶，服務方式將會按需不同，包括情報服務、知識搜索發現、數據服務以及工具和平臺搭建等。

涉農科技型企業主要指企業核心生產和研發部門，這類用戶需求主要圍繞農業科技成果轉化對接、農產品生產研發、農業進出口貿易等方面，希望獲取農業市場、農業產業以及農業技術等方面數據、情報與平臺服務，以專利分析以及競爭力分析為主。企業需求服務往往要求明確、方案具體，可直接幫助企業實現產能轉化增效收益。

開展面向中央及各級政府部門的知識服務以決策咨詢為主，基于農業領域的綜合性數據對科技管理、政策動向、科技工作現狀、國內外新興與熱門技術及前沿動態等方面的情報信息進行分析，形成專題報告支撐特定部門或地區進行科技規劃與管理、學科產業政策引導、項目技術評估審核等工作。

為加快現代農業產業技術體系建設步伐，提升國家、區域創新能力和農業科技自主創新能力，我國啟動了“現代農業產業技術體系”建設，將“產、學、研”聯合分布在產業上、中、下游，將智庫用戶、科研用戶、企業用戶以及政府部門等用戶群體耦合關聯形成一體，進一步促進了農業知識服務模式的整合與發展[7]。

2 農業專業知識服務協作體系框架

作為農業大國，我國從傳統農業到新型農業的高效、快速轉型離不開農業科研、農業種植、農業生產、農業貿易以及農業管理等領域創新推進。《鄉村振興戰略規劃(2018—2022年)》要求，至2022年實現糧食綜合生產能力6億t、農業科技進步貢獻率61.5%、畜禽糞污綜合利用率78%、農村居民恩格爾系數29.2%等規劃目標；2020年中央一號文件再次明確，穩定糧食生產、加強現代農業設施建設、強化科技支撐作用等任務需要盡快落實[8]。新農業農村的快速發展需要緊密依賴農業大數據支撐的知識服務和信息技術，這種對知識服務的迫切需求推動農業領域知識信息支撐服務的快速發展。然而傳統零散獨立的知識服務模式在資源數量、專業深度、用戶擴展、內容全面及服務時效性等方面都有缺失，構建協同服務網絡化的知識服務體系可以有效解決以上問題。

協同網絡是基于資源共享創新的特殊社會網絡體，以協同共享單元作為基礎來進行知識共享活動，可以發揮協同效應并產生創新成果，面向多維屬性特征的知識協同模式的核心包含三大概念：知識多維屬性、協同知識共享、協同網絡[9]。按照協同網絡的構建思路，結合農業知識用戶的特征需求、農業情報信息機構現狀和知識服務服務形式及產品，本文提出農業專業知識服務協作體系(圖1)，由圖情機構聯合農業科研院所、高校等單位，共建資源、平臺、技術和服務團隊，依托專業知識服務平臺、農業信息服務機構和領域專題服務團隊分別開展面向區域共性需求和個性化專業需求提供服務。

圖1 農業專業知識服務協作體系

基于推動行業共同發展的協作機制，知識服務協作體系從供給側與服務側設計了知識服務提供者、知識服務對象及知識服務形式和內容。知識協同服務不再是單向、單一的服務行為，而是依賴于一定的組織模式，通過不同的機構和人員有機組合形成完整的、交融的知識服務鏈和關系網。協作服務體系的構建一方面可增強服務提供方的服務能效，避免了資源與人員分散、時空與專業的限制；另一方面，通過需求與服務的緊耦合，加強了知識服務的目標性、個性化以及時效性，網絡中的供需方可以快速對接交流、交叉完成知識服務進程從而同步完成知識服務產生協同效應。

2.1 協作共建機制

農業專業知識服務協作體系的基礎是協作共建，通過良好的機制建設推動協作體系的良好運行，整合體系成員的資源與技術，加強各成員單位的人才隊伍培養，可以提升整個行業知識服務能力及各成員單位競爭力，形成生態可持續推進的協作關系網。農業專業知識服務協作體系機制建設主要包括以下三類。

2.1.1基礎支撐機制 建立國內優勢單位聯盟，建立行業協會。通過組織國際、國內優勢單位參與，搭平臺、統定義、建標準、促合作，建立聯盟和行業協會，加速基礎支撐機制完善。

2.1.2產能建設機制 為促進整個體系知識服務能力的不斷提升，通過定期舉辦高端論壇、聯合人才培養等方式，幫助業內服務機構和知識服務人員獲取、了解和學習新的技術、新的資源以及新的服務模式。同時，借助社會資本構建專項基金，依托國家農業政策支持和示范項目建設牽引，支持產品孵化、平臺建設、應用推廣。

2.1.3成果共享機制 為加強協作體系內部的緊密合作，采用項目聯合申報、知識產權共建共享、成果轉化共贏等措施，將體系目標和建設方向明確化、具體化，將不同單位、地區的資源、技術、領域優勢合并，增加凝聚力共同推動體系的創新發展和建設。

2.2 協作體系供給側

供給側指知識服務提供方，從資源、技術到產品開發全鏈條支撐知識服務活動開展，主要面向體系內部成員提供各類型基礎及支撐服務。知識服務提供者在協作模式中是跨專業、跨地域的聯盟形態，信息服務機構、科研高校、企業政府乃至專家學者等個人都可以是知識服務的提供方，通過經費支持、隊伍培養、配套技術、共同申報項目等協作機制方式，促進提供者們在資源層、技術層、產品層開展合作、相互支撐，實現知識服務提供方內部的優勢互補、服務關聯。在面對不同需求時，整合打通不同來源的資源、技術、團隊，提供真正意義上滿足用戶不同層級的知識需求，提高國家農業資源的有效使用和合理配置、降低業內知識服務的成本。

2.2.1協作體系資源與技術支撐

①資源協作模式。資源建設是供給側的基礎，通過構建多源異構農業科技大數據倉儲，實現對農業全領域資源的收集與應用。由聯盟牽頭單位負責、各成員單位協同配合參與，對農業通用資源制定統一的元數據標準和加工入庫流程，構建高效的大數據ETL與清洗技術體系支撐了十億級多源異構數據向同構元數據的高效匯聚融合；同時，專業和領域特色資源由體系內容參與者按照優勢原則提交元數據樣例，進行分類發布、展示和宣傳；在進行知識產權有效約束下進行線上線下服務，消除資源來源壁壘，加強資源的流轉和增值。

②技術協作方式。技術支撐是供給側的資源轉化為知識的主要途徑，主要由體系內部技術優勢單位承擔研發，形成通用軟件后在體系中進行推廣和分享，包括知識加工與協作平臺、語義智能搜索引擎、知識自動抽取與智能重構工具等；同時，按照服務場景、服務方式以及數據屬性的不同特征，由多家單位參建、以“技術+數據”協同模式提供個性化知識產品，滿足體系內部技術服務需求及終端用戶多樣化的知識服務需求。

2.2.2協作體系知識產品與服務 供給側的產品層依托于協同單位的資源和技術，對標服務側的需要進行設計和開發，通過服務層面向用戶提供基于數據與產品的多形態知識服務，主要包括知識集市、知識加工、知識管理、知識發現、專題知識、知識推薦、知識分析和知識宣傳八種服務模式。

①知識集市。集市服務幫助用戶提升數據的市場認知度、使用效率以及實現數據轉化收益。知識市場提供兩類服務：一是通過農業知識服務平臺將體系內部的特色資源、農業數據、情報產品、知識工具等進行線上展示，用戶可以直接訂購資源或者聯系資源提供方；二是農業領域用戶也可以上傳經過審核的資源和數據，在平臺開放共享。

②知識加工。加工服務指幫助用戶開展個性、專業和特色數據資源的采集、加工、清洗、組織、融合等服務，如紙本資源數字化、網絡資源的跟蹤采集、實驗數據的規范清洗、多源異構數據融合存貯等；另一方面，基于已有的數據，按照用戶需求進行深度挖掘，從不同維度開展研究和分析，形成科研態勢分析、科技前沿預測、產業技術競爭力分析、地區機構競爭力評價、國際戰略規劃與發展等專題報告和情報產品。

③知識管理。通過構建知識管理平臺或是擴展數據庫管理后臺，建立規范的元數據標準，依托技術整合資源，開展本地或云端資源的規范管理與存儲、質量監測與管控、數據揭示與增值，實現知識資源的更新、監管、關聯及分析應用等全流程、全生命周期管理，幫助用戶進行知識資源長期保存與管理、知識利用與宣傳以及在線實時分析及應用服務。

④知識發現。依托體系內部共建的知識資源，以智能搜索引擎為驅動構建知識發現平臺，通過語義搜索、框計算命中、檢索結果自動關聯呈現、知識智能排序以及知識資源來源全解析等技術與功能實現知識資源同于搜索和管理發現，幫助用戶查數據、找資源、快速定位和獲取知識，為用戶提供知識的精準發現[10]。

⑤知識專題。專題服務指通過主題知識資源自動抽取引擎進行知識主題資源的匹配、抽取與重構，實現領域主題內最新優質資源的及時跟蹤和有序展示，以及主題資源的熱點和發展脈絡等多維度的可視化展示。

⑥知識推薦。根據用戶需求，長期跟蹤特定專題或特定領域的資源，通過整理跟蹤的資源以簡報和專題快報等形式發送給用戶，幫助用戶實時跟進國內外動態、技術研發、科研進展等；同時，基于用戶屬性及行為軌跡等實時數據，挖掘用戶偏好特征，集成多種推薦策略，為用戶提供個性化資源推薦服務[11]。

⑦知識分析。基于文本挖掘與可視化分析技術構建知識應用產品，在線快速提供知識資源內在關聯性、特征性、價值性的深度解析和分析。通過底層數據動態抽取與計算，用戶可以自行定義和選取知識資源分析指標和維度，實現從整體到局部、宏觀到微觀的開展農業信息與領域知識的認知和辨識。

⑧知識宣傳。基于新媒體運營技術與環境，通過社交媒體、直播平臺、搜索引擎優化、短視頻投放等多渠道，為用戶群體提供資源曝光與增值、用戶價值展示等服務，同時增加體系內外優勢互補、推進跨領域跨地區的用戶對接與互動、提升用戶群體及農業領域各行業對協作體系資源、平臺與服務的認知度、認可度和依賴性。

2.3 協作體系服務側

知識服務協作體系服務側通過服務層輻射不同地區、不同類型用戶群體，異地同步開展線上線下協作服務。基于多源異構農業科技大數據倉儲以及知識推薦、知識發現、知識專題等八類知識服務產品構建的專業知識服務平臺，整合了資源和各種知識服務產品，以及為供需雙方的快速對接提供在線服務。同時，依托專業知識服務平臺，區域性服務站和服務團隊共享體系內部技術與資源、分享交流與展示經驗；也提供終端用戶自行查找資源、查找服務提供方以及提交需求等[12]。

服務層將提供者們按機構和個人特性進行劃分，形成區域性服務站和專業服務團隊，可提升知識服務廣度和深度，滿足“最后一公里”的知識服務需求。例如院士服務對知識深度有很高的要求，通過知識關系網可快速匹配同領域的專業團隊開展服務，使服務前期能夠順暢對接、后期知識服務更加精準專業，保證了知識服務質量“最后一公里”的成效。我國幅員遼闊，農業產業、科研、農企以及個人用戶分布在各省直自治區，區域性服務站可通過知識關系網對接不同資源、技術和專家，負責特定區域及專業的服務，滿足空間“最后一公里”的知識服務需求。

目前，農業專業知識服務的用戶群體主要是科研高校和專家學者，少數涉農企業、政府機關、農業個體經營者等。但基于農業專業知識服務協作模式的不斷成熟和擴大，知識服務用戶群將更加多元化、需求將更加的復雜化，便捷高效的服務和資源會吸引來自不同行業、不同地域的跨領域用戶。同時，用戶也不再僅滿足獲取服務，會積極參與到知識服務的生產鏈當中，促進服務體量增長、服務質量提升、服務模式更新。以用戶為核心、以知識需求為導引、以定制化和個性化為形式、以互動創新知識傳播的效果和效率為目標、全程開放性為特點的領域知識服務生態系統將會形成，用戶既是需求方也是協作型知識服務中的提供者、生產者和需求者。

3 農業知識服務協作體系實踐與成效

近年來，本團隊一直持續推動農業專業知識服務協作體系建設，與農業科研院所、高校企業等單位開展合作，已建立了一個專業知識服務平臺、一個知識加工與協作推送服務平臺和一個農業總中心、一個熱帶分中心、七家區域性服務站以及一個信息推送服務團隊，在知識推送服務、知識應用與情報構建等方面開展了實踐和應用。目前，協作體系內資源已累計10億條，提供各類農業行業報告上萬余份，每年累計推送信息5 026條，發布快報630期、專題月刊12冊、領域年刊14冊，完成領域態勢深度分析報告十余份，線上線下用戶年度服務量已達百萬人次，覆蓋全球150多個國家和地區以及國內各省市自治區，服務機構超過50多家。

3.1 知識推送協同服務

依托中國農業科學院農業信息研究所，聯合沈陽農業大學、湖南省農業信息與工程研究所等單位組建了一支涵蓋農學、經濟管理、農產品安全、水土工程等十多個領域的專業信息服務團隊，依托知識加工與協作推送服務平臺實現異地同步推送服務，持續為18名院士和十多個課題組提供信息推送及深度分析報告，得到充分肯定。

3.2 知識應用協同構建

與中國農業科學院農業區劃所、北京理工大學、中央財經大學、遼寧師范大學等單位合作研發了多個知識應用，面向終端用戶提供在線深度挖掘分析。如與北京理工大學合作開發了國際農產品貿易知識應用，為從事國際農產品貿易研究的學者、專家提供科研支撐。

3.3 情報服務協同構建

與中國農業科學院海外農業研究中心、北京市農林科學院、江蘇省農科院、山東省農科院等單位共建協作情報服務，面向用戶提供上萬份行業分析報告及情報定制服務。增強體系內部成果及能力的宣傳廣，也為用戶尋找報告、定制報告提供了可靠的來源。

經過多次實踐和探索，農業專業知識服務協作體系建設初見成效，但尚處于起步發展階段。一方面協同體系的資源整合仍有缺口，尤其是農業科學數據資源不全，對開展特定專業的數據挖掘及模擬計算等應用服務需求無法滿足；另一方面，隨著需求數量的增加和用戶需求的變化，體系內部成員數量還需積極拓展，部分團隊服務能力還需提升，跨領域產品的設計開發機制還有待完善。

4 展望

面向農業創新驅動發展戰略，開展海量分散的農業大數據知識服務是提升農業科研治理能力、提高科技創新效率的重要舉措，也是緩解當前信息爆炸與知識供給不平衡的有效途徑。通過推進農業專業知識服務協作體系建設，可以提升農業知識服務群體的凝聚力、競爭力和影響力，有效解決行業內資源與服務分布不均、供需不匹配等問題，提高農業專業知識服務的效率和質量，為我國農業農村發展提供持續信息服務支撐。

新媒體聯盟協同瑞士庫爾技術與經濟學院圖書館、蘇黎世聯邦理工學院圖書館以及德國國家科學技術圖書館發布的 《新媒體聯盟地平線報告2017》報告顯示，未來5年開展跨機構合作對學術和研究型圖書館越來越重要，面對經費的緊張和大型數據庫商的壟斷，通過合作來提高學術資料使用率、參與任務驅動型合作項目，以期實現有效溝通和提高資源獲取能力[13]。由此可見，協作共建的服務模式是未來知識服務以及圖書情報領域的發展方面。農業專業知識服務協作體系建設初步成形，借助大數據人工智能等數字技術，如何規避資源共享風險、加強體系內部的緊耦合、分析知識服務群體用戶數據、激勵多元化服務模式創新是下一步建設重點。同時，隨著新媒體知識服務的不斷發展，微信、Twitter、直播等新媒體也將成為知識服務的重要場所，更多的協作體系用戶將利用微博等社交平臺發現和獲取所需，因此依托新媒體設計和開發更多樣化的服務場景也是未來體系建設必不可少的環節。