面向學術交流的機構知識庫發現系統的核心技術研究

曹 霞 劉亞麗

（1.黑龍江中醫藥大學圖書館，黑龍江 哈爾濱 150040；2.東北林業大學圖書館，黑龍江 哈爾濱 150040）

隨著大數據以及云計算等技術的深入發展，如何更好地運用新技術為機構知識庫的發展提供良好的生態環境，是當前機構知識庫的研究方向之一?，F階段，將機構知識庫的內部同多種知識庫資源實行連接，是新一代知識庫發展的關鍵手段，有利于促進其個性化以及知識化發展。在這一背景下，對關聯數據的運用，使其深入發掘知識庫中的潛在價值，分析資源整合以及知識服務的新業態，這是新一代知識庫構建以及發展的關鍵。

1 機構知識庫基本架構與功能解讀

1.1 機構知識庫基本架構

對于新一代知識庫來說，它主要是借助集成云計算以及大數據等技術，促進機構知識庫的研發，從而使其可以為用戶提供較多的服務支持。在機構知識庫中，其底層數據來源的范圍非常廣，其中有WOS、EI、機構文庫等。而且其數據類型也比較多，其中有期刊論文資源、學位論文資源以及專利等。從內部功能來看，主要是借助數據處理流程，針對學術成果來說，可以自動進行更新，有效解決學者姓名以及機構名稱等拼寫錯誤，實現對機構以及學者的甄別。與此同時，能夠對學者以及機構的學術產出，實現準確地追蹤，還可以完成學術評價以及同行評審工作，深化科研合作，加快知識的傳播，實現資源共享。從外部功能來看，主要是借助標準數據接口，對各種服務進行整合，能夠實現人事、教學以及科研管理系統的有機融合，有利于更好地服務于機構教學、管理和科研活動。從其服務功能上來看，其中包括對數據目標的管理，對機構影響力的評估以及實現內容自動更新等服務。

1.2 機構知識庫功能服務

1）數據與復合目標管理服務。伴隨學術的深入研究，學術產出以及形式逐漸豐富起來，這也致使多種形式的學術產出，逐漸從科研轉到前臺。其中就有科學數據、軟件以及圖像等。針對單一內容目標類型而言，其組織變得非常容易，針對復合型的目標，就要借助關聯組織模式，所以該功能就融入了新一代知識庫，讓其服務于發現系統以及數據登記。

2）影響力管理服務。對于機構知識庫來說，構建的核心目標以及作用，是為了強化科研人員和機構的作用，提升他們的影響力，讓科研以及學術交流朝向更加多元化的方向發展，實現科研以及學術的綜合性目標。針對傳統學術影響的評價，大部分都是通過同行間的評價，以及對學術的引用來進行評價的。當前比較盛行的綜合影響力評價要素，不但有學術引用，還有對學術文獻的下載運用和來自社會各界的評價等。在新一代知識庫中，其集成主要有引用的計量，引用的頻次，科研者的H指數以及社會影響力等要素。

2 機構知識庫核心技術表述與分析

2.1 關聯數據中的技術

1）規范化描述實體。想要讓用戶準確以及迅速地找到他們想要的資源，在新一代知識庫中，就結合了語義化訪問服務。對此，應該規范化描述實體，避免HTML格式的描述。機構知識庫主要是根據研究的主題，以及學科領域來劃分知識結構的，在每一個研究主題以及學術領域中，還對其劃分成多個專題。針對專題而言，能夠按照文獻的類型，以及別的索引方式加以組織。在各個專題內容中，有很多類型的數據集，其中包括期刊論文、學位論文以及專利等。

2）語義化資源實體。基于關聯數據的運用，在機構知識庫中，能夠實現語義化資源實體，為其提供相應的前提。主要是結合實體目標間的聯系，來分析機構知識庫中有關實體目標資源的概念，并對其進行明確，深層次地展開分析以及描述。在這些資源概念中涉及很多內容，有相關概念以及交叉概念等。對此，應先建立知識庫的資源本體，然后再分析概念之間的聯系，增加類的屬性，進而構建本體與語義之間的聯系。與此同時，關聯數據還能夠促使機構知識庫建立更多信息資源，也不完全限制在資源實體信息中。在這之中，能夠實現科研人員、科研成果和所屬機構等信息的增加，還能找到任意信息描述下的數據源，給予它們更多分布式數據源，在此基礎上加以整合，形成關聯訪問，以便更好地為用戶服務，提供給他們資源發現服務。

2.2 關聯數據實現的功能

1）識別實體目標、抽取實體關系。在機構知識庫中，關于實體目標就非常多，且它們之間的關系也十分復雜。針對相同的實體目標以及關系，想要實現識別以及抽取，是非常關鍵的問題。根據多種關聯數據源來說，將其放在同一個實體，比如地名等，通過多種URI進行標識，將會導致其標識的目標以及實體達不到一致。想要有效優化這一問題，在設計時可以構建一個將作者和知識資產作者進行排序的程序，主要是利用人工分辨的方式，來達到作者及其成果的一致關系。這個程序能夠將作者上傳到機構知識庫中的內容進行儲存，然后對其分配URI標識符，可以實現自動發送認領郵件的目的，接著再讓作者進行確認，來判斷這個是否為其作品，并自行選擇排序。雖然這個方式的效率相對較低，而且認領時間也比較長，但是從現階段研究層次方面來看，該方式的效果是非常明顯的，還大幅度地增加了實體目標識別的準確度。同時在機構知識庫中，還能夠設計別名管理程序，針對相同的人名實體，在知識庫中還設立了各種形式的別名，可以有效處理人名實體的識別問題。做好前期的處理工作，在機構知識庫中，抽取實體目標以及關系，結合知識庫中的元數據來描述字段和關系，以此為前提加以分析。

2）選取關聯數據源、映射各種詞表間。對于機構知識庫來說，其中的數據包括期刊論文資源、教材資源以及會議論文等資源，想要把其中的元數據和外面的關聯數據連接起來，應該科學選取關聯數據源，這是非常關鍵的內容。現階段在互聯網中關聯數據是非常多的，但是大部分都為綜合性的公共數據集。對于不同的關聯數據而言，其來源也會通過各種關聯詞表來實現，想要最大程度地語義化元數據，為用戶展現更加清晰的數據視圖，應該對各種術語進行轉換，使其達到相同的目標模式。在進行轉換時，應該按照詞表來把數據進行映射，使其成為本地的數據模式，除此之外，也應該按照人工產生以及數據挖掘等方式獲取的映射規則，在此基礎上實行轉換。

3 結語

綜上所述，基于機構知識庫內部，將其與不同知識庫資源進行有效的融合，有助于更好發展新一代知識庫，達到個性化服務的目的?；诖?，應當積極引入關聯數據技術，進一步挖掘知識庫所隱藏的價值，就新一代知識庫的進步來說，這有著很大的現實意義。