數字人文視域下口述記憶資源知識圖譜構建研究

王阮 鄧君

摘 要：[目的/意義]傳統資源開發方式已無法適應數字人文時代的發展需要。伴隨數字與人文研究的碰撞不斷深入，以知識圖譜為代表的數字人文技術方法能為口述記憶資源深度挖掘提供新視角。[方法/過程]構建口述記憶資源知識圖譜模型，以國家圖書館中國記憶項目東北抗日聯軍專題老戰士口述記憶資源為數據源進行實例可視化展示與多維語義查詢。[結果/結論]本文驗證了知識圖譜技術方法在知識挖掘、知識發現與知識服務等方面的適用性與實用性，有效創新了數字人文環境下口述記憶資源開發路徑。

關鍵詞：數字人文;口述記憶資源;知識圖譜

DOI：10.3969/j.issn.1008-0821.2022.02.003

〔中圖分類號〕G250 〔文獻標識碼〕A 〔文章編號〕1008-0821（2022）02-0022-12

Research on the Construction of Knowledge Graph of Oral Memory

Resources from the Perspective of Digital Humanities

Wang Ruan Deng Jun*

（School of Business and Management，Jilin University，Changchun 130022，China）

Abstract：[Purpose/Significance]The traditional development mode of resources can not meet the development needs of the digital humanistic era.With the deepening of the collision between digital and humanistic research，the digital humanistic technology method represented by knowledge graph can provide a new perspective for the in-depth mining of oral memory resources.[Method/Process]The knowledge graph model of oral memory resources was constructed，and oral memory resources of special veterans of the Northeast Anti Japanese coalition army of China Memory Project of the national library were used as the data source for example visual display and multi-dimensional semantic query.[Result/Conclusion]The study verifies the applicability and practicability of knowledge graph technology in resources knowledge mining，knowledge discovery and knowledge service，and effectively innovates the development path of oral memory resources in the digital humanistic environment.

Key words：digital humanities;oral memory resources;knowledge graph

近年來，數字技術的迅速崛起、升溫，極大改變了人文學科的研究范式、教學手段與成果呈現方式。云計算、大數據、物聯網、移動互聯網、區塊鏈等技術的發展和應用推動了“數智時代”的到來，助推了人文領域的數字人文浪潮，也成為圖情領域發展的新生長點[1]。作為實踐性和操作性很強的研究領域，口述記憶資源受數字時代形態變化的影響，呈現出不斷修正、更新、螺旋式推進的趨勢與規律[2]。

早在2002年，文化部、財政部便依托全國各級公共圖書館、文化館，多形式、多渠道開展數字文化資源服務，提出要加強信息基礎建設，以群眾基本文化需求為導向，創新信息技術服務手段[3]。2019年，《公共數字文化工程融合創新發展實施方案》的發布，進一步推動了公共數字文化融合發展，以把握導向、統籌規劃、創新驅動、開放共享為發展原則，實現服務業態創新、服務效能提升，建立能夠實現共建共享、管理規范、服務高效的服務體系[4]。我國作為中華文化的守護者和傳承者，擁有相當豐富且數量龐大的人文資源亟待挖掘，如何檢索、利用浩瀚繁雜的口述記憶資源，將其蘊含的豐富內部事實、數據和知識展現出來，實現口述記憶資源深度開發與知識發現具有迫切性和必要性。

基于此，本文以口述記憶資源為研究對象，以知識圖譜可視化技術重現珍貴歷史記憶，展示從理念基礎到技術方法再到實踐操作的口述記憶資源知識圖譜架構過程，引入東北抗日聯軍專題老戰士口述記憶資源進行圖譜可視化展示，以深化助益研究的深度與廣度，試圖在“數字”與“人文”的碰撞中創啟新篇章。

1 文獻綜述

1.1 口述記憶資源

《荷馬史詩》《馬可波羅游記》通過口頭傳說與敘述編纂記錄了西方國家的口述研究本源。我國口述傳統可追溯到3 000多年前，以《禮記》中“動則左史書之，言則右史書之”記載周朝史官記錄人們的口述言談為起點[5]。口述記憶資源的形成是對個人進行有計劃采訪的結果，其成果通常為采訪或采訪的逐字記錄[6]。從文化意義上來說，口述資源是對被遺忘內容的重新提及，是對傳統的重構和被壓抑內容的回歸，具有文化記憶資源的重要特征[7]，也因此成為當代文化工作開展的重要組成部分。

1948年，哥倫比亞大學口述研究室[8]的建立旨在收集和整理個人傳記回憶錄和群體訪談錄等重要口述資料。1979年，新加坡口述小組逐步規范化口述資料收集與整理工作，著力保存新加坡早期歷史集體回憶[9]。隨后，國內口述記憶資源建設實踐項目掀起研究熱潮，聚焦資源建設體系[10-12]、國內外研究進展[13-14]。數字時代背景下，數字技術極大改變了口述記憶資源的信息獲取方式，使其具有資源異構性、資源交互性、開放式建構的不同特征[15]，因此出現了以元數據方案制定[16]、口述資源管理系統開發[17]等為代表的數字資源實踐成果。

1.2 知識圖譜

在人工智能視角下，知識圖譜是一種用圖模型來描述知識和建模世界萬物之間關聯關系的技術方法[18]。目前，知識圖譜可劃分為科學知識圖譜和領域知識圖譜。科學知識圖譜是一種信息計量的方法，是基于Citespace、Histcite等工具技術實現的對于科學知識結構、關系及演化過程的一種可視化呈現。在圖情領域，科學知識圖譜多應用于文獻分析和熱點梳理，如圖書館微信服務研究現狀分析[19]，創新政策領域發展研究[20]等;而領域知識圖譜則是結構化的語義知識庫，用于描述概念及其相互關系，構成網狀的知識結構[21]。如探索構建中國歷代存世典籍知識圖譜，為研究者挖掘海量古籍書目數據背后隱藏的知識提供一站式平臺[22];分析網絡輿情管理活動的知識需求，闡述網絡輿情知識圖譜的構建方法[23];立足大數據環境唐詩知識服務需求，以大規模唐詩數據為基礎構建唐詩知識圖譜并提供智能知識服務[24]。

綜上所述，數字人文正以寬視野、廣維度、集成化方式重塑和改造人文知識形態，數據研究范式的創新思維也正在促進數字技術與人文研究深度融合。以知識圖譜為代表的技術方法實現了傳統“敘事·記憶”范式到數字“數據·驅動”范式轉變，有效解決了資源零散碎片化問題，拓寬了學科邊界，助力多學科交叉融合，有利于完善資源體系結構。作為信息資源建設的有機組成部分，數字人文環境下，于口述記憶資源而言，無論是對傳統資源的印證補充，亦或是搶救和傳承社會記憶，從收集、加工、存儲乃至利用，創新資源開發路徑，打造全新數智數據生態已成大勢所趨。以數字技術賦能口述記憶資源開發，必將加速推動口述記憶資源由簡約敘事型、記錄型研究向深度廣度數字化、智慧化縱深發展遷移。

2 需求分析

2.1 數字人文時代必然要求

數字人文的核心是以數字化的研究對象為基礎，保障和創新人文研究的內容、方法和模式[25]，為學者提供規律性、趨勢性、差異化、宏觀性研究的知識和線索，通過設計、計算、分析以及可視化表達的方式擴展學術疆域和潛力，推動人文領域知識研究[26]。近年來，數字技術的“加持”使數字人文超越了早期的方法論和工具論的認識，更加強調跨學科性、動態性、混雜性與兼容性，人文知識脈絡和內容得以重構，數智時代知識系統與認知方式的創新構建成為可能，這一理念與研究范式的變革為資源開發理論與實踐帶來了新契機。數字人文概念的提出和數字化館際的逐步建構，以及由此帶來的變革之路，創新之維，使得傳統資源開發方式已不再適應現階段開放、融合、發展的信息化社會。數字人文視域下，口述記憶資源開發不僅需要內容層面的知識提取，實現不同資源互聯，更需要以資源重組調整為手段，以數字技術驅動為工具，深入發掘隱性知識，助力資源開發更為智慧、高效，為人文研究者提供規律性、趨勢性、全局性的知識脈絡。

2.2 口述記憶資源開發需求

口述記憶資源作為社會記憶之本源，其打破了傳統歷史記錄的構建方式，在內容上具有平民性與生動性，形式上更具多樣性和異構性，是完善社會記憶、集體記憶的寶貴原始記錄，對于史實溯源、風貌再現、文化承載、情感傳遞等方面具有重要作用。隨著記憶工程的不斷推進以及受國際研究和實踐發展的影響，口述記憶資源呈“指數級”增長，文化傳承與記憶功能備受關注，我國形成了部分以歷史事件、人物事跡、館藏特色等為主題的口述記憶資源數據庫，如表1所示。這些數據庫的存在是口述記憶資源開發工作的豐碩成果，但僅以公開訪問和簡單檢索為利用途徑的手段已難以適應并應對數字人文時代帶來的變革。資源采集進程緩慢、完整系統的資源整理知識框架缺失、存儲豐富度與資源描述細粒度匱乏等開發弊端，使口述記憶資源開發利用愈加受阻。一方面，以館藏或數據庫為存儲介質的口述記憶資源難以快速挖掘資源潛在信息，用戶需手動查閱或頻繁點擊搜索才能提取出與研究問題相關的信息;另一方面，用戶難以實現資源重組與互聯，易造成完整知識鏈缺失，導致資源整合困難。因此，口述記憶資源亟需一種能夠實現資源深度描述和知識語義鏈接的新方式。

數字人文背景下，人文研究者應沖破傳統資源開發理念的束縛，積極主動參與記憶構建[27]，注入數字技術方法，維護、傳承并拓展口述記憶資源服務空間，促進資源整合、優化并開拓領域發展新局面。基于此，筆者提出口述記憶資源知識圖譜框架構想并輔以實例填充，旨在創新口述記憶資源開發路徑，為實現資源深度關聯、聚合與發現提供新思路。

3 數字人文視域下口述記憶資源知識圖譜構建

口述記憶資源知識圖譜構建是口述記憶資源開發的新嘗試，如圖1所示，涵蓋模式層和數據層。其中，模式層定義口述記憶資源的類、屬性、關系要素;數據層則引入實驗數據源，將數據格式轉換→數據導入→數據存儲過程予以揭示。最終通過可視化操作完成對口述記憶資源知識圖譜的實例檢驗，表明該流程具有較好的可操作性。

3.1 模式層組織

模式層是類及其屬性和各種關系的組織模型，包含對口述記憶資源相關概念及層級關系的形式化、立體化表達。

為確保口述記憶資源模式層組織的完整性與系統性，本文從口述記憶資源外部特征、內容特征、形式特征入手，梳理總結相關概念及層次關系。外部特征即描述口述記憶資源外在信息，如項目版權所有者、項目收集時間等。對外部特征的抽取整合有助于了解口述記憶資源形成過程，對深入探究口述記憶資源價值和內容具有重要啟示意義;內容特征旨在從人物、事件、地點等維度抽取相關信息，如口述者提及的戰爭及其發生時間、地點等。對內容信息的挖掘是實現后續知識關聯的重要前提;形式特征囊括采訪時長、格式、文件類型、資源大小等附加信息，對形式特征的分析概括有助于了解口述記憶資源存在形式、存儲方式。

1）定義類及屬性

類是具有共同特征或屬性的實體集合的抽象表達。“人物”類包含姓名、語言、國籍、性別、政治面貌等多個屬性;“地點”類主要描述資源內容或資源本身地域空間;“時間”類則存儲口述記憶資源涉及的所有時間點或時間段;“項目”類指口述項目，包含項目名稱、采訪時長、資源文件大小、資源格式、資源類型、來源等屬性;“事件”類主要涵蓋口述訪談中口述者提及的或與之相關的其他人物涉及的事件，且存在事件名稱這一屬性信息;“版權”類是項目權限信息的抽象集合，包括版權所有者屬性;“身份”類則包含口述過程涉及的所有人物身份信息。

2）定義關系

常見的關系類型可分為分類關系和非分類關系。分類關系即上下位關系（is_a），非分類關系則反映了語義關系，包含整體與部分關系（is_part_of）、同義關系（same_to）、屬性關系（is_attribute_of）等。本文多為自定義關系，如“人物”類與“項目”類之間的參與關系（participate_in），連接“項目”類和“事件”類的包含關系（involve）等，如圖2所示。

3.2 數據層組織

數據層組織旨在描述數據源與已定義實體及其屬性、關系，同時根據研究需要及時補充調整，全方位展現口述記憶資源。

1）數據獲取

本文擇取國家圖書館中國記憶項目東北抗日聯軍專題老戰士口述史[28]板塊，采用網絡爬蟲技術從目標網站爬取實驗數據源，包含35個東北抗聯老戰士口述資料、珍貴文字資料10 186條，希冀藉由東北抗聯老戰士口述資料回溯并再現抗戰史實。

2）知識抽取

知識抽取包含實體抽取、屬性抽取、關系抽取3個部分，其中實體抽取是屬性、關系抽取的前提，旨在提取口述記憶資源關聯數據，實現模式層組織所定義的口述記憶資源類及屬性和關系映射。

實體抽取的關鍵在于提取與口述記憶資源關聯的數據實例。考慮到本文數據量少且結構化較強，因此，實體提取采用自動分詞與人工匹配相結合的方法。首先通過ROST內容挖掘工具對數據源進行分詞處理，分詞結果示例如圖3所示。隨后，在此基礎上，將符合模式層定義層級劃入相應實體類別。若數據源與模式層定義的概念層級存在沖突、缺失的部分，可進一步補充和完善模式層。本研究實體抽取過程中，包含人物、地點、時間、項目、事件、版權、身份7類實體。

屬性是對實體做進一步語義描述的重要信息，可以實現對實體的完整勾畫，其構成要素一般包含屬性名和屬性值兩個部分。屬性抽取即參照數據模型構建的實體類型及其屬性，從目標網站中提取對應屬性和屬性值的數據操作。依據數據源，屬性抽取包含16項，對應7類實體中的5類，如表2所示。

關系是知識圖譜的重要組成部分，是實體與實體相互關聯的通道，也是形成網狀知識結構的前提和必備要素。早期的關系抽取研究主要是通過人工構造語法和語義規則采用模式匹配的方法進行識別。發展至今，出現了大量基于特征向量或核函數的監督學習方法[29]。由于本文涉及實體關系數量較少，且關系類型已在圖2呈現，即按照模型定義的關系類型及關聯實體進行信息提取，此處不再贅述。

3）知識融合

經過知識抽取形成的實體及其屬性、關系集可能包含大量冗余和錯誤信息，知識融合主要解決實體和屬性的“校對”問題。一方面，需要對分詞產生的錯誤信息進行矯正修改，例如，通過工具獲得“東北”“小”“部隊活動”錯誤分詞結果時，需要將其整合為“東北小部隊活動”這一事件實體;另一方面，同一屬性和實體往往會有不同稱呼，因此需要在知識抽取后進行屬性或實體的映射與鏈接，例如本文中“東北抗聯”“抗聯”“抗日聯軍”等均可視為同一實體。

3.3 知識圖譜繪制及存儲

抽取、融合完畢的數據需要存儲才能實現知識圖譜可視化及知識查詢等操作，通常包括關系型數據庫和非關系型數據庫兩種存儲方式。為方便后續的關聯挖掘，本文使用最為廣泛、效率更高的非關系型數據庫（Neo4j）作為知識圖譜可視化工具，同時采用LOAD CSV命令進行數據源批量導入，囊括實體245個，實體關聯關系556條。最終，東北抗日聯軍老戰士專題口述記憶資源知識圖譜如圖4所示。

該圖譜以網狀結構展示了項目全貌，囊括了與項目本身關聯的事件、時間、地點、人物等要素。通過整合35位抗戰老兵或其親屬提供的口述資料，揭示了人物及人物身份、出生時間、籍貫、參與項目概況，事件及事件發生地點、發生時間、所屬項目等內容。

圖4中的圓圈表示實體，以顏色區分實體類型，其中，紅色標簽代表整個東北抗日聯軍老戰士口述史專題項目，藍色標簽標識時間與地點實體，淺綠色標簽顯示人物身份，深綠色標簽則展示單個老戰士口述信息。實體與實體通過“邊”建立聯系，例如，深綠色標簽與粉色標簽相連顯示的即為項目與事件的“包含”關系，與紫色標簽的鏈接則表示相關人物項目“參與”情況。

4 口述記憶資源知識圖譜可視化

作為圖形優化的查詢語言，Cypher可實現隱性知識挖掘，相較于結構化查詢語言（如SQL）更為快捷方便，為進一步探索口述記憶資源單維、二維、多維知識發現分析提供可能途徑。

4.1 宏觀層面的項目單一維度知識發現

調取項目圖譜如圖5所示，該項目采集時間為2012年，采集地點以北京市、遼寧省、黑龍江省、湖北省、新疆維吾爾族自治區為主，包含陸保平、吳玉清、王鐵環等35名東北抗聯老兵口述者。

進一步點擊單個實體，還能夠得到更多與該實體關聯的數據屬性，例如“潘兆會口述史”，如圖6所示，由此發現其訪談總時長為“11分38秒”，設備錄制時間為“2012年5月27日”，資源文件大小為“73.62MB”，資源格式及類型分別為“wmv”和“vedio”。故而，實體屬性和關系的細粒度描繪使得對單個實體維度的認知更加全面。

4.2 簡單關系的人物—身份關系二維知識發現

圖7展示了通過身份相連的人物潛在關系圖譜，其中粉色代表人物實體，淺綠色則為人物身份信息，人物實體與身份實體的鏈接描述了享有相同身份的人物信息。

不難發現，該項目涉及的軍隊編制信息包括第一軍、第二軍、第三軍、第五軍、第六軍、教導旅、東北游擊區等。例如，王明、吳玉清、胡真一、馮萬祥等人為第五軍戰士，孟憲德、陸保平、張正恩、江子華等屬于教導旅，而李在德、于桂珍、周淑玲等都曾所屬于第三軍。進一步查詢李在德實體，可以獲得詳細信息（性別“男”，語言“中文”，國籍“中國”，政治面貌“中國共產黨黨員”）。

值得關注的是，在該實例中還存在同一人物享有多個身份的情況。例如，柴世榮戰士曾服役于第五軍以及教導旅，馮仲云戰士在第三軍、第六軍均有任職經歷等，由此說明人物在軍隊中存在潛在調動關系，通過簡單知識推理可以為后續厘清人物任職經歷提供研究方向和思路指導。

4.3 復雜關系的多維知識發現

4.3.1 基于事件—項目—時空關系的知識發現

提取與事件關聯的知識圖譜如圖8所示，該圖譜展示了不同項目包含的歷史事件及其發生時間與地點信息。綠色表示項目實體，粉色代表事件實體，藍色則表示事件地理位置及事件發生時間。

總體而言，本文數據源以抗日戰爭和蘇聯整訓為事件主體，事件發生地聚焦東北地區，跨越包含華北地區以及重慶、蘇聯、朝鮮等在內的廣大區域，通過口述方式記述反映了東北抗日聯軍最為漫長、最為悲壯的14年抗日斗爭，回溯了重要珍貴的紅色記憶。其中，涉及抗日戰爭的口述項目占比65%，涉及蘇聯整訓的口述項目占比35%。此外，關聯事件還涉及九一八事變、抗美援朝、平津戰役、遼沈戰役、重慶談判等，時間跨度為1931—1966年。通過對歷史事件的歸類聚合，如圖9所示，有利于進一步發掘更多關聯歷史事件，充實該時期歷史活動，并在時間線的梳理下更好地理順事件發生節點。

4.3.2 基于身份—人物—項目—地點關系的知識發現

通過Cypher語句“MATCH（p：Person）-[r]-（pr：Project）WITH p，r，pr MATCH（p：Person）-[r2]-（pl：Place），（p：Person）-[r3]->（i：Identity）return p，r，pr，r2，pl，r3，i LIMIT 50”調取身份—人物—項目—地點關系信息如圖10所示，該圖譜涉及不同項目人物籍貫信息，呈現出多維復雜關系。

聚焦于人物與地點間的籍貫關系可以發現，該項目涉及的人物籍貫集中于黑龍江省、吉林省、遼寧省，體現了東北抗日聯軍老戰士活動區域的地理位置特色。與此同時，在身份信息的輔助下進一步發現，同一項目所包含的人物及其親屬還存在籍貫不同的情況。例如在柴國華口述史中，教導旅戰士柴國華籍貫為俄羅斯，而其親屬柴世榮籍貫為山東省。在馮憶羅口述史中，馮憶羅及其親屬馮仲云籍貫分別為黑龍江省和江蘇省。基于此，可以根據馮憶羅籍貫為黑龍江省且加入新四軍等信息，推理馮仲云可能存在從江蘇省遷移至黑龍江省參與東北抗日戰爭后定居黑龍江省的遷移軌跡。當然，這一軌跡僅為推斷，尚不構成事實，可以通過進一步查閱相關史實資料確定其準確的時空遷移軌跡。故而，從知識圖譜呈現出來的項目—人物—地點潛在地理位置信息可以為后續深入研究提供一定思路導引，這也是知識圖譜相較于其他知識展示和表達方式的優勢所在。

4.3.3 基于人物—項目—事件—時空—身份關系的知識發現

調用以人物實體為中心的項目—事件—時空—身份關系知識圖譜，如圖11所示。深綠色代表項目，深紅色為歷史事件，粉色代表人物，淺綠色表示人物身份信息，藍色則為時間、地點信息。

在圖11中，人物通過參與關系與項目實體產生聯系，單個項目通過包含關系與事件實體及其發生時間、發生地點相連，因此，人物可以通過項目這一中間實體實現與歷史事件及其發生時間、地點的關聯呈現，同時在身份信息的輔助下厘清項目涉及的關聯人物參與歷史事件的時空軌跡。

由于圖譜連線過于龐雜，此部分僅以吳玉清口述史項目為例進行展示。如圖12所示，吳玉清作為第五軍戰士曾于1931年在東北地區參與過抗日戰爭，并于1940年赴蘇聯參加蘇聯整訓活動。基于此，通過多維圖譜對應關系可以分析出相關人物在一定時期內的任職經歷，對人物事跡、身份信息、時空軌跡以及歷史事件深入研究具有重要現實意義。

5 結 語

本文依托中國記憶項目東北抗日聯軍老戰士口述史專題數據源構建口述記憶資源知識圖譜，驗證了以知識圖譜為代表的數字人文技術方法在口述記憶資源研究領域的可操作性。一方面，知識圖譜作為一種新興可視化工具，以靈活的網系結構實現了繁雜的口述記憶資源知識聚合，能輔助用戶快速捕獲領域知識，提取相關知識，方便用戶從宏觀層面進行知識概覽，有助于人文學者進行知識分析與服務;另一方面，用戶可借助知識圖譜Cypher語句查詢功能提取與之關聯的項目、人物、事件、時間、地點等信息及其相互關系，推理發現潛藏信息，從多維語義關聯視角聚類并揭示口述記憶資源內部事實。

綜上所述，數字技術為人文研究指明了新的發展方向，特別是以知識圖譜為代表的數字人文技術方法為口述記憶資源開發提供了新視角、新路徑、新方法，切實實現了技術與人文并舉。未來，“數字”與“人文”的碰撞必將為人文研究注入源源不斷的活力。

參考文獻

[1]夏翠娟，婁秀明，潘威，等.數智時代的知識組織方法在歷史地理信息化中的應用初探——兼論圖情領域與人文研究的跨學科融合范式[J].圖書情報知識，2021，38（3）：37-49.

[2]王玉龍.不同的記錄不同的過去：口述歷史檔案的興起及其理論影響[J].檔案學研究，2016，（5）：40-44.

[3]倪劼.化“繁”為“簡”：公共數字文化資源傳遞方式創新[J].圖書館，2021，（5）：44-50.

[4]中華人民共和國文化和旅游部.文化和旅游部辦公廳關于印發《公共數字文化工程融合創新發展實施方案》的通知[EB/OL].http：//zwgk.mct.gov.cn/auto255/201904/t20190422_843023.html，2021-06-10.

[5]李星玥.以《長征》為例分析口述歷史檔案重構戰爭記憶[J].檔案與建設，2017，（10）：38-41.

[6]龐喜哲.我國口述歷史檔案平臺建設研究[D].武漢：武漢大學，2017.

[7]馮惠玲.數字記憶：文化記憶的數字宮殿[J].中國圖書館學報，2020，46（3）：4-16.

[8]王鵬，范智新.美國口述歷史工作的特點及啟示[J].中國檔案，2019，（6）：76-77.

[9]張惠萍.新加坡口述檔案及對中國的啟示[J].蘭臺世界，2010，（15）：9-10.

[10]嚴春子.口述資源的建設利用探析——以吉林省圖書館口述資源建設實踐為例[J].圖書館學研究，2018，（8）：33-35.

[11]全根先.口述史、影像史與中國記憶資源建設[J].國家圖書館學刊，2015，24（1）：10-16.

[12]宋本蓉，田苗.中國記憶學者口述資源庫建設的實踐——以馮其庸先生為個案[J].圖書館，2015，（12）：23-26，50.

[13]高冕.中美英國家圖書館記憶工程中的口述歷史資源建設比較研究[J].圖書館學研究，2020，（23）：14-22.

[14]李竟彤.中美高校圖書館口述資源建設比較分析[J].圖書館學研究，2019，（23）：9-16.

[15]馮云.口述歷史資源數字化管理與利用探討[J].圖書館工作與研究，2021，（9）：62-68，83.

[16]聶勇浩，李若欣.基于都柏林核心元素集的口述檔案元數據方案[J].檔案學研究，2020，（3）：129-136.

[17]可新方，王雨辰.美國肯塔基大學口述歷史檔案管理系統的開發與應用[J].中國檔案，2020，（3）：82-83.

[18]Amit S.Introducing the Knowledge Graph：Things，Not Strings[EB/OL].https：//blog.google/products/search/introducing-knowledge-graph-things-not/，2020-11-01.

[19]孫學軍，曹祺.基于知識圖譜的圖書館微信服務研究現狀分析[J].情報科學，2019，37（9）：164-169.

[20]欒靜靜，劉大偉，楊亮.基于文獻計量和知識圖譜的創新政策領域發展研究[J].情報探索，2020，（3）：91-102.

[21]徐增林，盛泳潘，賀麗榮，等.知識圖譜技術綜述[J].電子科技大學學報.2016，45（4）：589-606.

[22]歐陽劍，梁珠芳，任樹懷.大規模中國歷代存世典籍知識圖譜構建研究[J].圖書情報工作，2021，65（5）：126-135.

[23]婁國哲，王蘭成.基于知識圖譜的網絡輿情知識組織方法研究[J].情報理論與實踐，2019，42（1）：58-64.

[24]周莉娜，洪亮，高子陽.唐詩知識圖譜的構建及其智能知識服務設計[J].圖書情報工作，2019，63（2）：24-33.

[25]郭金龍，許鑫.數字人文中的文本挖掘研究[J].大學圖書館學報，2012，30（3）：11-18.

[26]（美）安妮·伯迪克，約翰娜·德魯克，彼得·倫恩費爾德，等.數字人文：改變知識創新與分享的游戲規則[M].馬林青，韓若畫，譯.北京：中國人民大學出版社，2018：3-4，42-45.

[27]馮惠玲.檔案記憶觀、資源觀與“中國記憶”數字資源建設[J].檔案學通訊，2012，（3）：4-8.

[28]中國國家圖書館.中國記憶項目東北抗日聯軍專題[EB/OL].http：//www.nlc.cn/dsb_zt/xzzt/dbkrlj/lzsks/，2021-04-17.

[29]劉嶠，李楊，段宏，等.知識圖譜構建技術綜述[J].計算機研究與發展，2016，53（3）：582-600.

（責任編輯：郭沫含）

收稿日期：2021-10-30

基金項目：國家社會科學基金項目“數字人文視角下歷史檔案資源知識聚合與知識發現研究”（項目編號：19BTQ102）。

作者簡介：王阮（1992-），女，助理研究員，博士后，研究方向：數字信息資源開發、數字人文與知識服務。

通訊作者：鄧君（1977-），女，吉林大學教授，博士生導師，中國人民大學檔案事業發展研究中心研究員，研究方向：數字信息資源管理、數字人文與知識服務、用戶信息行為、檔案管理與應用。