面向高校科研管理的知識圖譜構(gòu)建研究

李書欽

(北方工業(yè)大學(xué)，北京 100144)

科研管理是高?？蒲泄ぷ鞯闹匾h(huán)節(jié)，貫穿于高?？蒲谢顒尤^程，對高?？蒲泄ぷ髌鹫?、導(dǎo)向、激勵、服務(wù)及監(jiān)督作用[1]。在“雙一流”建設(shè)背景下，對高校提出了高質(zhì)量特色內(nèi)涵式發(fā)展的新要求，高質(zhì)量特色內(nèi)涵式發(fā)展離不開高水平的科研支撐，而高水平的科研又與科學(xué)的科研管理密不可分，因此提高高校科研管理效率和決策的科學(xué)性變得日益重要[2]。

高校承擔(dān)了大量的科研項目，會產(chǎn)生海量的異構(gòu)化科研數(shù)據(jù)。長期以來，采用傳統(tǒng)的數(shù)據(jù)統(tǒng)計分析方法對相關(guān)數(shù)據(jù)進行加工整理，不僅費時費力，而且無法對數(shù)據(jù)背后隱藏的科研價值進行有效挖掘，造成科研資源的巨大浪費[3]。大數(shù)據(jù)、人工智能等信息技術(shù)為高?？蒲泄芾淼膭?chuàng)新提供了新機遇，通過采用新技術(shù)深入挖掘數(shù)據(jù)信息背后潛在的價值，發(fā)現(xiàn)對科研工作和決策分析有價值的信息，對提高科研管理水平，促進高?？蒲袆?chuàng)新具有重要意義[4]。

信息是決策的基礎(chǔ)，信息和情報對科研管理的作用日益重要,借助知識圖譜等技術(shù)手段，可以把科研管理系統(tǒng)中的人員、項目、專著、論文、獲獎、發(fā)明專利、學(xué)術(shù)影響力等數(shù)據(jù)進行綜合分析，通過算法模型對各類科研數(shù)據(jù)進行可視化展現(xiàn)，指導(dǎo)科研決策和科研政策制定，從而提高科研管理的科學(xué)性和服務(wù)水平[5]。

針對科研管理工作中的上述瓶頸和問題，本文借助Google知識圖譜，以高校科研管理系統(tǒng)為數(shù)據(jù)來源，以科研人員、論文、專著、項目、獲獎、專利和標(biāo)準(zhǔn)等為切入點，繪制高?？蒲泄芾碇R圖譜，對高校科研管理數(shù)據(jù)進行可視化展示，從而為科學(xué)的科研管理決策提供參考，提高科研管理工作的效率和水平。

1 科研管理知識圖譜構(gòu)建

1.1 知識圖譜定義

2012年5月,Google提出知識圖譜(Knowledge Graph)的概念，不同于傳統(tǒng)圖情領(lǐng)域的科學(xué)知識圖譜，Google知識圖譜是一種描述實體之間關(guān)系的語義網(wǎng)絡(luò)，是知識工程的重要表現(xiàn)形式，在智能搜索、電子商務(wù)、醫(yī)療、情報分析等領(lǐng)域應(yīng)用廣泛[6]。

知識圖譜可以用G=(E,R)表示，其中E和R分別表示知識圖譜中多類型的實體和關(guān)系集合，知識圖譜由許多RDF三元組組成，表示形式為T=〈vh,r,vt〉，其中vh代表頭實體，vt代表尾實體，r代表頭實體和尾實體之間的關(guān)系。實體是知識圖譜中的最基本元素，比如科研活動中的人員、項目、論文、獲獎、專利等實體，不同的實體間存在不同的關(guān)系，比如科研活動中的發(fā)表、獲得、出版、承擔(dān)等關(guān)系。

1.2 科研管理知識圖譜構(gòu)建過程

知識圖譜在邏輯上分為數(shù)據(jù)層和概念層，數(shù)據(jù)層指以三元組為表現(xiàn)形式的實體和關(guān)系集合，用<實體，關(guān)系，實體>和<實體，屬性，屬性值>來表示。概念層構(gòu)建在數(shù)據(jù)層之上，是經(jīng)過積累沉淀的知識集合[7]。知識圖譜的構(gòu)建是一個不斷更新迭代的過程，科研管理知識圖譜的構(gòu)建過程如圖1所示，包含知識抽取、知識融合、知識加工和知識推理等過程。源數(shù)據(jù)經(jīng)過知識抽取轉(zhuǎn)換為三元組形式，然后經(jīng)過實體對其和本體對其，加入數(shù)據(jù)模型，形成標(biāo)準(zhǔn)的知識表示，再通過知識推理產(chǎn)生新的關(guān)系組合，所有知識經(jīng)過質(zhì)量評估，形成完整形態(tài)的知識圖譜。

圖1 科研管理知識圖譜構(gòu)建過程

1.2.1 知識抽取

知識抽取是構(gòu)建知識圖譜過程中的重要環(huán)節(jié)，面向表格和列表類的半結(jié)構(gòu)化數(shù)據(jù)、文本類的非結(jié)構(gòu)化數(shù)據(jù)，通過自動化或半自動化技術(shù)抽取出可用的知識，包括實體抽取、關(guān)系抽取、屬性抽取和時間抽取。實體抽取即自然語言處理中的命名實體識別，從非結(jié)構(gòu)化文本數(shù)據(jù)中自動識別出命名實體，形成知識圖譜中的“結(jié)點”。在非結(jié)構(gòu)化文本數(shù)據(jù)中抽取出命名實體后，再通過關(guān)系抽取獲取實體之間的關(guān)聯(lián)關(guān)系，形成知識圖譜中的“邊”，從而形成網(wǎng)狀的知識結(jié)構(gòu)。屬性抽取是對信息源中的實體的特征和性質(zhì)進行抽取，例如對于科研人員，可以獲取其姓名、年齡、職稱、研究方向、教育背景等信息。事件抽取是從信息源中抽取出事件信息，包括時間、地點、人員和相關(guān)動作等。通過數(shù)據(jù)整合和知識抽取，將多源異構(gòu)的源數(shù)據(jù)統(tǒng)一為標(biāo)準(zhǔn)的結(jié)構(gòu)化數(shù)據(jù)，方便知識圖譜使用。

1.2.2 知識融合

知識融合是高層次的知識組織，通過對來自不同數(shù)據(jù)源的知識進行異構(gòu)數(shù)據(jù)整合、消歧、加工、推理驗證、更新等過程，達到信息、數(shù)據(jù)、經(jīng)驗、方法以及人的智慧的融合，形成高質(zhì)量的知識庫[8]。知識融合包括本體對齊和實體對齊，本體對齊是概念層的知識融合，是確定概念、關(guān)系、屬性等本體間映射關(guān)系的過程，通常通過機器學(xué)習(xí)算法計算本體間的相似度來實現(xiàn)。實體對齊是數(shù)據(jù)層的知識融合，實體對齊對不同源數(shù)據(jù)中的相同實體進行統(tǒng)一和聯(lián)結(jié)。通過知識融合，實現(xiàn)知識庫的聯(lián)結(jié)合并，形成更加稠密、統(tǒng)一的新型知識圖譜。

1.2.3 知識加工

通過知識抽取和知識融合，可以從源數(shù)據(jù)中識別、抽取出消歧和統(tǒng)一后的實體和本體，得到客觀事實的基本表達，然而客觀事實并不是知識圖譜需要的知識體系，要形成結(jié)構(gòu)化的知識網(wǎng)絡(luò)，還需要本體構(gòu)建、知識推理和質(zhì)量評估等知識加工過程[9]。本體構(gòu)建是知識圖譜內(nèi)實體連通的語義基礎(chǔ)，主要以“點線面”組成的網(wǎng)狀結(jié)構(gòu)呈現(xiàn)，“點”代表不同實體，“線”代表實體間的關(guān)系，“面”代表知識網(wǎng)絡(luò)。本體可通過人工編輯的方式手動構(gòu)建，也可以由機器學(xué)習(xí)驅(qū)動自動構(gòu)建，然后再經(jīng)質(zhì)量評估方法與人工審核相結(jié)合的方式加以修正與確認。質(zhì)量評估是對已產(chǎn)生的知識數(shù)據(jù)進行評估，將符合標(biāo)準(zhǔn)的數(shù)據(jù)導(dǎo)入知識圖譜中，質(zhì)量評估是確保知識圖譜內(nèi)容正確可用的關(guān)鍵步驟，是知識加工最后的“質(zhì)檢”環(huán)節(jié)，確保經(jīng)本體構(gòu)建和知識推理得到的知識是合理的。

1.2.4 知識推理

知識推理是通過對已有實體間關(guān)系的計算和對三元組的語義分析，找到新關(guān)聯(lián)，獲取新的知識或結(jié)論，從而拓展和豐富知識圖譜網(wǎng)絡(luò)。知識推理的對象可以是實體、實體的屬性值、實體間的關(guān)系、本體庫中概念的層次結(jié)構(gòu)等。知識推理包括實體分類、關(guān)系識別、基于圖的推理與基于邏輯的推理等類別。例如已知〈作者A，發(fā)表，論文A〉和〈作者B，發(fā)表，論文A〉，可以推理出〈作者A，共同作者，作者B〉。

2 研究方法

本文以高?？蒲泄芾硐到y(tǒng)中的科研人員、項目、學(xué)術(shù)成果、標(biāo)準(zhǔn)、專利、獲獎等結(jié)構(gòu)化數(shù)據(jù)為基礎(chǔ)，通過知識抽取形成相關(guān)的實體、屬性和關(guān)系，然后經(jīng)過知識融合構(gòu)建相關(guān)實體間的三元組，經(jīng)過知識加工和質(zhì)量評估，構(gòu)建科研管理知識圖譜，并進行相關(guān)實體間的關(guān)系推理。

2.1 構(gòu)建知識圖譜的實體、屬性和關(guān)系

根據(jù)科研管理系統(tǒng)中的結(jié)構(gòu)化數(shù)據(jù)，可以構(gòu)建科研管理知識圖譜，首先，實體類型集合為X={科研人員、標(biāo)準(zhǔn)、科研獲獎、科研項目、論文成果、專利}，然后構(gòu)建各個實體的屬性特征，科研人員={姓名、部門、性別、職位、學(xué)歷、年齡、職稱}，科研項目={項目名稱、部門、負責(zé)人、項目類別、項目性質(zhì)、項目來源、開始時間、完成時間、批準(zhǔn)金額}，標(biāo)準(zhǔn)={標(biāo)準(zhǔn)名稱、部門、制定人、批準(zhǔn)號、標(biāo)準(zhǔn)類別、申請時間、批準(zhǔn)時間、個人排序、單位排序}，專利={專利名稱、部門、所有人、申請?zhí)枴⑴鷾?zhǔn)號、專利類別、申請時間、批準(zhǔn)時間、個人排序、單位排序)，論文={論文名稱、部門、作者、期刊名稱、期刊類別、檢索情況、發(fā)表時間、資助情況}，各實體間的關(guān)系如圖2所示。

圖2 科研管理知識圖譜實體間關(guān)系圖

2.2 構(gòu)建科研管理知識圖譜

在已構(gòu)建的科研管理實體、屬性和關(guān)系基礎(chǔ)上，采用圖數(shù)據(jù)庫交互操作框架 InteractiveGraph構(gòu)建科研管理知識圖譜，InteractiveGraph 是采用JavaScript開發(fā)的開源項目，通過構(gòu)建本地JSON文件，為大規(guī)模圖數(shù)據(jù)三元組提供了一個基于Web的交互操作框架[10]。InteractiveGraph提供了3個基本功能，分別是圖瀏覽器(GraphExplorer)、圖導(dǎo)航器(GraphNavigator)以及關(guān)系查找器(RelFinder)，借助這些功能，可以便捷地實現(xiàn)科研管理知識圖譜數(shù)據(jù)的可視化展示和知識推理。

科研管理知識圖譜包含科研人員、標(biāo)準(zhǔn)、科研獲獎、科研項目、論文成果、專利等實體，屬性和實體間的關(guān)系，該圖譜由29 519個節(jié)點、24 467條邊構(gòu)成，科研管理知識圖譜的可視化效果如圖3所示。通過該知識圖譜，輸入任一科研人員的姓名，可以便捷的查看其名下的所有科研成果信息，實現(xiàn)了科研成果的圖譜管理和可視化表達，在此基礎(chǔ)上，可以查看科研人員間的合作網(wǎng)絡(luò)和合作成果。

圖3 科研管理知識圖譜可視化效果

3 結(jié)論

在新形勢下, 高?？蒲邪l(fā)展的重要任務(wù)是開展前瞻性研究、加強高精尖技術(shù)攻關(guān)、多出創(chuàng)新成果、實現(xiàn)產(chǎn)學(xué)研用的有效結(jié)合，而高?？蒲械拈_展,又離不開科學(xué)高效的科研管理工作，科研管理必須借助新技術(shù)創(chuàng)新管理方法、提升科研管理能力, 推動高校科研持續(xù)、健康、快速發(fā)展[11]。因此, 高校應(yīng)盡快提高對科研管理科學(xué)化的認識,提升科研管理水平和服務(wù)能力。

為解決上述問題，本文運用Google知識圖譜，以高?？蒲泄芾硐到y(tǒng)為數(shù)據(jù)來源，以科研人員、標(biāo)準(zhǔn)、科研獲獎、科研項目、論文成果、專利等為切入點，繪制高?？蒲泄芾碇R圖譜，對高?？蒲泄芾頂?shù)據(jù)進行可視化展示，有效解決了傳統(tǒng)科研管理系統(tǒng)中數(shù)據(jù)利用不充分、查詢統(tǒng)計不直觀、信息關(guān)聯(lián)不明確等問題，有效提升了科研管理工作的效率和水平，為科研管理決策的科學(xué)化提供參考，以保證科研工作目標(biāo)的實現(xiàn)。