機器學習和信息資源數據庫建設與服務重構

高群

摘 要? 本文首先簡述了機器學習的概念以及在人工智能中所處的地位，然后簡介了常見的機器學習的模型和方法，包括目前熱門的深度學習方法。最后，以輕工信息資源數據庫建設與服務的重構為例，從資源庫的重構、購置與建設以及服務這三個角度，探討了機器學習技術在其中的作用與應用。

關鍵詞? 人工智能 機器學習 深度學習 信息資源數據庫 重構

中圖分類號 G250.74 文獻標識碼 A 收稿日期 2019-12-03

Abstract In this paper， the basic concept and key role of machine learning is firstly stated， and the commonly used machine learning models and methods are introduced， including the prevalent deep learning techniques. Then， taking the reconstruction of building and service of light industry information resources database as an example， the paper discusses the function and application of machine learning technique from the aspects of reconstruction， design， building and service of database.

Keyword artificial intelligence; machine learning; deep learning; information resources database; reconstruction

一、引言

由于智能算法、大數據、計算機算力的迅猛發展，也由于自2010年來，人工智能特別是AlphaGo的出現，以及深度學習在圖像視頻處理、語音識別、自然語言處理、機器人等應用領域所取得了突破性進展，人工智能在國內乃至國際上形成了熱潮，正深刻改變和引領著社會向智能化發展。可以這么說，人工智能的這次熱潮是由機器學習技術催生的。近年來，我們圖書館以我校輕紡特色為面向，自建了輕工信息資源數據庫、輕紡研究生論文資源數據庫等數種數據庫。人工智能將助推智能圖書館的建設與發展，而機器學習技術將成為信息資源數據庫建設與服務重構的抓手和核心技術，未來人工智能必將發揮越來越重要的作用。

二、機器學習：模型和方法

眾所周知，機器學習是人工智能的重要分支，其目的是依據現有數據，參照和模擬人腦的智能行為或數學手段建立或設計出數學模型，從而實現對未來新數據進行有效預測的過程。經過數十年的發展，目前已出現了數百種以上的機器學習方法。但真正引起社會大眾注意的則是圍棋機器人AlphaGo。本質上，AlphaGo是運用最新的深度學習和強化學習技術[1]。它從數以萬計的圍棋訓練數據中學習、訓練了如何下圍棋，故它是最典型的機器學習技術的成功應用。

機器學習的研究目前呈現出統計學、數學、信息論、生物神經網絡等多種學科領域相融合的特點，其廣為人知的應用領域包括人臉識別以及生物智能識別、自然語言處理、數據挖掘、智能推薦系統等。圖書信息資源數據庫建設是現代圖書館應有的建設內容，它涉及對現有信息資源的整理、挖掘與再利用[2，3，4，5]，從而為讀者提供更為智能便利的服務。因而，機器學習在圖書信息資源數據庫建設中有著不可替代的應用，將助推其向智能化強力發展。為了觀察和研究機器學習在圖書信息資源數據庫建設中的作用，我們首先簡要地總結機器學習的模型和方法。

1.監督學習和無監督學習。按照不同的任務需求，機器學習模型可大致分為兩大類，即監督學習模型和無監督學習模型，監督學習模型要求訓練集聚有類標信息，即給定樣本本身及其他的輸出信息（稱為監督信息），然后從樣本集及其輸出信息之間學習/訓練出相應的決策模型，用以對未來測試樣本的輸出信息預測，典型監督學習模型主要用于分類和回歸，無監督學習模型僅依據樣本集本身而挖掘出所需要的結果，典型的無監督學習模型主要用于聚類。經常地，人們將這兩種模型綜合起來以解決更復雜的問題。

2.Bayes分類器。該學習模型以經典的概率論中的Bayes公式為基礎，根據某類別條件下每個特征的條件概率和每個類別的先驗概率，來求得某些特征條件下每個類別的條件概率，條件概率最大的類別就是其要預測的類別。近年來，以Bayes概率理論為基礎的Bayes網絡正受到越來越多的重視和應用，一般地，隱馬爾柯夫模型、極大似然熵原理、EM優化算法[6]是其模型求介的基礎，并由此拓展出各種新技術。

3.決策樹和隨機森林模型。作為最典型的機器學習模型之一，決策樹模型[7]是一種利用樹形結構依據熵計算的分類模型，一個決策樹由樹的節點和有向邊構成。分類時在決策樹上的每個內節點上依據熵的值進行判斷，其結果得到一個子節點，直到到達一個葉子節點，最著名的算法是Quialan教授的ID3算法。當用若干個決策樹隨機組合在一起時，則形成了隨機森林模型。目前，隨機森林已得到了廣泛應用，典型的算法是Random Forest，簡稱RF方法。

4.支撐向量機與統計學習。自20世紀90年代以來，以統計學習技術為代表的機器學習技術一直是機器學習的主流研究方向。支撐向量機[6，7]是統計學習的典型代表，它依據統計學習中最小風險化原理，將原數據空間映射到高維特征空間，運用核技巧，構造一個超平面，將不同類別的數據分割開來，以實現具有泛化能力的分類效果。支撐向量機在文本圖像處理，數據挖掘，智能檢索中取得顯著應用，支撐向量機常稱為淺度學習方法。

5.多任務、多視角學習與遷移學習。由于客觀世界中，存在著大量的同時完成多個相關聯任務，或從多個視角觀察或收集數據應用場景，故近年來發展出了多種任務、多視角學習模型。這些模型充分關聯共享信息的利用，以提高每個任務的機器學習效果。遷移學習目的是利用歷史數據或知識來幫助提高當前相似應用場景的分類效果。遷移學習很好地模擬了人類模仿和利用經驗知識解決新問題的能力，是近年來非常熱的研究方向，并被譽為下一代機器學習的前沿技術。

6.連接主義學習與深度學習。人工神經網絡一直是機器學習的一個重要方向，其基本思想是模擬人腦神經元行為，構造出人工神經網絡模型，以用來完成對未知樣本的預測。以人工神經網絡、模糊系統、遺傳優化[6，7]為基礎，甚至形成了計算智能子學科。自2010年以來，人們通過將數據的多層表達與分類決策過程分離，依據快速的多層數據表達學習，形成了高達成千上萬層的神經網絡的深度學習方法。深度學習[1，7]在圖像分類、文本分類、語音識別的高效應用中獲得了工業界的廣泛青睞。典型的工作包括深度置信神經網絡和深度卷積神經網絡及其學習方法。

三、基于機器學習的圖書信息資源數據庫建設與重構

人工智能，特別是深度學習為圖書情報學帶來了新的機遇和挑戰。無疑，也為圖書信息資源數據庫的建設與重構智能注入了新思路、新理念、新功能。我校作為輕工行業的明珠，數十年來的發展已積累了大量的輕工信息資源。近年來，我們學校圖書館圍繞輕工信息資源建設，已自建了不少輕工信息資源數據庫，在一定程度上為師生提供了教學與研究上的便利。但我們也認為，有必要運用機器學習技術對其進行智能化的建設和重構。

1.基于機器學習的自有輕工信息資源數據庫的重構。近年來，我們陸續自建了輕工信息資源數據庫、輕紡研究生論文資源等數種數據庫。應該說，我們目前的輕工信息資源數據庫建設是圍繞原有輕工信息資源而進行的二次梳理和利用。在這個過程中，我們認為，下一步可以依據機器學習技術幫助對現有信息資源數據庫進行智能化建設。

一方面，首先針對現有的自建數據庫以及購買的電子和紙質的輕工信息資源進行充分整理，基于輕工領域化的文本數據，首先構造輕工領域的詞匯、術語和實體資源，結合現有各種機器學習模型，特別是支撐向量和深度學習方法，實現對輕工信息文本的分詞、詞性標記、識別、實體關系表達，從而實現對輕工信息資源的有效組織、整合與挖掘。然后，通過淺層句法關系、深層句法及語義關系、語義自動分析、篇章結構的計算，從而從現有輕工信息資源的文本中智能地挖掘出詞匯層面、實體層面、篇章層面等多個層面（側面）的知識，以構建知識庫。最后，利用可視化和虛擬現實技術，對我校現有輕工信息資源進行活靈活現的展現，以輕工信息資源的價值吸引讀者使用，提高自建輕工信息資源數據庫的服務水平。

另一方面，我們可以運用機器學習技術對先有自建輕工信息資源數據庫本身的內容進行不斷的智能化調整和優化。我們可以運用于大數據的深度學習技術，精準分析我校輕工學科的用戶要求;可以依據圖像識別、語音識別、自然語言處理與智能檢索等技術對當前輕工文獻中的知識內容進行不間斷的基于語義的智能標引、智能摘要、學科導航、知識構建等知識組織，從而對先有自建數據庫內容進行動態的綜合評價，然后根據評價結果，對自建數據庫內容安排與格式進行動態優化調整，以便當前這些數據庫能更好地面向我校輕工一流學科建設。

2.基于機器學習的輕工信息資源庫的購置與建設。應該說，我們圖書館已有的紙質信息資源和電子信息資源是自建輕工信息資源數據庫的物質基礎。自建的輕工信息資源數據庫是在其基礎上的再組織和開發。當前，圖書館按照信息資源的采購、組織和書庫管理，與用戶、出版社、書商、資源商、電商、物流進行業務對接或數據共享。我們可以基于大數據的深度學習技術精準分析我校輕工學科的用戶要求，從而協助館員在選購各種有效的輕工信息資源，并自動完成訂購業務管理、驗收登記、經費管理等相關的統計分析。還可以基于大數據的深度學習分析技術，探討輕工信息資源的分析和館藏的合理布局。

3.基于機器學習的輕工信息資源數據庫的服務。一方面，基于我們學校圖書館館藏的輕工信息資源以及自建的輕工信息資源數據庫和輕工學科用戶大數據分析及機器學習的知識挖掘，精準策劃和舉辦閱讀推廣、閱讀交流等，提高為師生服務的質量。以讀者為中心，構建智能問答系統，即運用機器學習特別是深度學習技術，實現對提問的精準分類和多層面的子句分析，并能根據現有輕工信息資源以及讀者行為記錄，回答問題和智能推介信息資源，從而推動面向師生的輕工信息資源服務向智能化邁進。另一方面，自建的輕工信息資源數據庫服務也要以學科帶頭人為面向，基于輕工學科老師的服務數據和個人需求及行為偏好，有針對性地建設和豐富現有信息資源數據庫;結合館藏信息資源，開展信息資源整合與集成等個性化檢索和智能定制與推送等服務，為學科帶頭人提供特色服務，節約他們寶貴的時間，提升服務的準確性。

四、結論

本文初步探討了機器學習在輕工信息資源數據庫建設與服務中的應用。事實上，兩者的結合點還有很多。對圖書館工作者來說，研究此方面的課題是一項機遇，也是挑戰。隨著人工智能熱潮的演進，我們相信機器學習成果在圖書館學中的應用，將助推圖書信息資源數據庫的建設與服務迅速地向智能化邁進。

參考文獻

[1]Lecun Y， Bengio Y， Hinton G， Deep learning. Nature，2015，521 （7553）：436-444.

[2]李莘.國內高校圖書館資源發現服務系統的應用現狀及比較研究[J].河南圖書館學刊，2018，38（6）：79-81.

[3]曹樹金，王志紅.高校圖書館資源發現系統創新擴散機制研究[J].圖書情報研究，2016（1）：23-29.

[4]劉洋.我國高校圖書館資源發現系統現狀調查：以“985工程”院校為例[J].河北科技圖苑，2016（4）：86 -90.

[5]王浩然.面向學科服務的高校圖書館資源發現系統應用研究[J].圖書館學刊，2016（8）：49-52.

[6]李航.統計學習方法[M].北京：清華大學出版社，2012.

[7]周志華.機器學習[M].北京：清華大學出版社，2016.