面向智能服務的數(shù)字館藏資源組織與存儲研究
——以文博機構為例

馮秋燕，李 川，朱學芳

0 引言

大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、人工智能、5G等新型智能技術與領域應用需求的融合改變了行業(yè)組織結(jié)構，重組了業(yè)界生態(tài)系統(tǒng)，催生了多種智能互聯(lián)感知產(chǎn)品與智能服務的出現(xiàn)。智能服務由具有感知、連接和驅(qū)動等智能意識的智能產(chǎn)品(或智能設備)通過收集環(huán)境數(shù)據(jù)并處理成智能數(shù)據(jù)，在智能服務系統(tǒng)內(nèi)通過數(shù)字平臺提供情景相關和面向需求的個性化解決方案，從而為供應商和客戶創(chuàng)造附加價值[1]。智能服務的實施方式因行業(yè)性質(zhì)、工作內(nèi)容、需求目標的不同而千變?nèi)f化。圖書館、博物館、檔案館作為儲藏記錄歷史發(fā)展書籍、檔案及遺物的機構，收藏保護和教育傳播一直是其核心工作和主流文化。特別地，博物館不斷地采納新型數(shù)字信息技術(如3D仿真、VR/AR體驗等)，通過研究、展示、教育等方式盡可能還原并再現(xiàn)過往的歷史拼圖，立足現(xiàn)在，以主動的態(tài)度、超脫的視角參與社會文化的構建，為其數(shù)字館藏資源公共化利用程度的提升和創(chuàng)新型智能服務的發(fā)展奠定了基礎。《國家文物事業(yè)發(fā)展“十三五”規(guī)劃》鼓勵在全國范圍內(nèi)啟動智慧博物館建設工程，運用物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、移動互聯(lián)網(wǎng)等現(xiàn)代信息技術研發(fā)智慧博物館技術支撐體系、知識組織和‘五覺’虛擬體驗技術[2]，推進文物數(shù)字化、信息化，促進文物藏、保、用、管、研等信息整合及公開，植入智慧科技，推動文物事業(yè)向智能服務方向發(fā)展。以博物館為例，通過互聯(lián)網(wǎng)和移動社交平臺，以網(wǎng)上展覽、直播導覽、動畫解說、仿真建模等方式提供公共文化服務。例如2020年春節(jié)期間，中國博物館推出2，000多項線上展覽，瀏覽量超過50億人次[3]，反映了公眾對數(shù)字館藏資源的文化需求和便捷式智能服務的渴求。面對百花齊放且自行儲藏的數(shù)字館藏資源，亟需一套互聯(lián)高效的組織與存儲機制，打破地域壁壘，增強文物間“對話”，以期用數(shù)字館藏表征文物實體，推動建立跨越時空的常態(tài)化的數(shù)據(jù)應用與智能服務模式，滿足日益多元的公共文化需求。

1 研究現(xiàn)狀

1.1 智能服務

2005年Allmendinger等提出智能服務可超越與其捆綁在一起的產(chǎn)品或設備而進行維護和升級[4]。從宏觀上講，智能服務是指利用具有監(jiān)控、優(yōu)化、自主適配的智能互聯(lián)產(chǎn)品，整合服務提供方與服務對象的活動、需求及資源，通過不斷地交互調(diào)優(yōu)為雙方提供服務，實現(xiàn)資源的動態(tài)配置及雙方價值共創(chuàng)，是一種具有技術中介性、活動連續(xù)性、交互反饋性、迭代匹配性的服務模式[5]，應用場景有智能交通、智能政務、智能制造、智能醫(yī)療等。從微觀上講，智能服務主要是指機構憑借智能設備定時或?qū)崟r地收集現(xiàn)場環(huán)境數(shù)據(jù)并采用客觀的數(shù)據(jù)模型和高效的數(shù)據(jù)分析平臺進行預處理和深入剖析，主動為用戶提供情境感知式服務，注重個性化、精細化、高質(zhì)量服務方案的推薦[6]，是智能化物理產(chǎn)品和虛擬化信息服務的有效增值組合與高效價值共創(chuàng)，應用案例有遠程監(jiān)控、C2B方案定制、預測性維護等。

近幾年來，國內(nèi)圖情領域相關研究主要聚焦于智慧服務模式、體系架構、機制策略、發(fā)展建議等頂層框架設計或上層模型構建的研究[7-9]，智能服務是實現(xiàn)智慧服務的基礎，智慧服務是智能服務的頂級形態(tài)與最終目標[10]。而國外圖情領域關于智能服務的研究則側(cè)重于智能產(chǎn)品介紹[11]、使用意愿[12]、影響因素[13]。智慧博物館研究主要涉及智慧博物館的內(nèi)涵[14]、技術應用[15]、智慧博物館建設[16-18]等。綜合來看，國內(nèi)外研究均較少涉及依托事實服務數(shù)據(jù)的動態(tài)感知和智能服務細節(jié)的整合封裝，致使頂層框架與實際情況的斷鏈脫節(jié)，精準服務效力不足。數(shù)據(jù)、信息、知識、情報是實現(xiàn)領域智能服務的物質(zhì)基礎與關鍵要素。從微觀層面，以數(shù)據(jù)逐層對齊服務需求細節(jié)，將信息精煉成知識，萃取成情報，提升服務內(nèi)容的質(zhì)量，才能真正意義上驅(qū)動智能服務主動發(fā)現(xiàn)、精細調(diào)度能力，進而推動新型智能服務理論的全面應用。

1.2 文博領域數(shù)字館藏資源的組織與存儲

數(shù)字館藏資源是指利用數(shù)字技術對館藏實體進行數(shù)字化加工而獲得的能代表實體本身的虛擬的數(shù)字形態(tài)資源[19]。文博機構數(shù)字資源以轉(zhuǎn)化型產(chǎn)生方式為主，是館藏文物的數(shù)字化表征。數(shù)字館藏資源的組織與存儲涉及資源描述、分類、組織、存儲等多個環(huán)節(jié)。

(1)資源描述。文博機構主要是以元數(shù)據(jù)的方式描述、登記、保存、管理文物數(shù)字資源。館藏元數(shù)據(jù)體系屬于數(shù)字館藏資源標準化規(guī)范的組成部分之一，與文物分類體系密切相關[20]。目前已有一批元數(shù)據(jù)標準成功應用于文博領域，如VRA Core、DC、CDWA、CIMI、《博物館藏品信息指標體系規(guī)范(試行)》《文物數(shù)字化保護元數(shù)據(jù)標準規(guī)范》(征求意見稿)[21]。

(2)分類和編碼。是進行各種館藏資源相關研究的首要工作[22]。國內(nèi)各文博機構對藏品的分類標準并沒有嚴格統(tǒng)一規(guī)范的約束說明，致使分類各異、組織雜糅。加拿大和美國官方推薦的文物分類標準InfoMuse[23]和Revised Nomenclature3.0[24]將器物和建筑的功能作為主要分類依據(jù)。實際應用中，采用組配分面分類法可能更合理[25]。

(3)組織。各大文博機構使用各自的信息系統(tǒng)組織管理文物，在數(shù)據(jù)結(jié)構、表示方法、存儲方式等方面各不相同，尤其是語義表征的差異性阻礙了異構數(shù)據(jù)集的連接互通。基于此，部分研究者在元數(shù)據(jù)的基礎上引入了本體的概念。本體是概念化的明確的規(guī)范說明[26]，具有很強的概念表達和知識獲取能力，適用于解決信息資源組織過程中出現(xiàn)的問題和瓶頸[27]。綜合元數(shù)據(jù)與本體方法可建立細致而規(guī)范的文物數(shù)字資源分類與組織準則。基于此，梁艷琪構建了繪畫類文物的分類本體，并采用關聯(lián)數(shù)據(jù)技術對其進行語義融合研究[28]。李迎迎構建青銅器文物信息資源分類本體，采用知識地圖的方法組織青銅文物及其關聯(lián)信息[29]。

(4)存儲。隨著網(wǎng)絡信息資源規(guī)模、種類和復雜度的增加，數(shù)據(jù)間的關系及拓撲結(jié)構也愈加復雜。傳統(tǒng)的關系型數(shù)據(jù)庫已經(jīng)不能滿足大數(shù)據(jù)處理與分析的需求，非關系型數(shù)據(jù)庫NoSQL(Not Only SQL)憑借其數(shù)據(jù)模型的靈活性得到了迅速發(fā)展[30]。圖數(shù)據(jù)庫作為NoSQL 數(shù)據(jù)庫中的一種，提供了良好的數(shù)據(jù)庫存儲與簡便靈活的數(shù)據(jù)處理方案[31-32]。在圖情領域，黃奇等提出基于圖數(shù)據(jù)庫的OWL本體存儲模型，設計其拓撲結(jié)構及存儲映射規(guī)則，從理論層面證明該存儲模型存儲語義的有效性和科學性[33]。博物館數(shù)字資源具有存儲容量大、媒體形式多、增長迅速等特點，需要一個能支持快速訪問和大容量的存儲系統(tǒng)[34]。目前關于文博領域數(shù)字館藏資源存儲研究較少，實踐上，各大文博機構大多采用傳統(tǒng)的關系型數(shù)據(jù)庫，自行建立本館的資源管理系統(tǒng)，支持館藏展示或簡單的查詢工作。現(xiàn)行存儲方式的弊端是不利于館際文物間的連通和交流，割裂了文物間可能存在的屬性關系或事件關聯(lián)，影響了文物知識鏈的探索及其所蘊含文化的傳播。

博物館智能服務方面主要面向觀眾，通過多種服務系統(tǒng)的建立以及交互技術的應用，使觀眾在參觀博物館過程中可以更好地融入博物館，主動去了解、接收相關的知識，不再像傳統(tǒng)博物館那樣被動接收[2]。以微觀性的數(shù)字服務平臺構建為例，文博機構數(shù)字業(yè)務需要連接各地館藏數(shù)據(jù)，突破“圍墻”弊端，以虛擬的無形數(shù)據(jù)替代館藏文物實體，以智能交互的方式耦合館藏顯性知識、專家隱性知識與領域知識庫，用數(shù)據(jù)對接服務，契合公眾需求，促進數(shù)字館藏資源與智能服務的融合。情境式個性化智能服務的實現(xiàn)需要以龐大的數(shù)據(jù)源作為依托，其中必然涉及數(shù)據(jù)的組織和存儲工作。

2 理論基礎

(1)元數(shù)據(jù)與自然語言處理技術。文物元數(shù)據(jù)是描述館藏文物實體的結(jié)構化數(shù)據(jù)，能將文物的核心信息以言簡意賅的方式第一時間傳達給用戶，在文博領域也已廣泛使用。本文使用描述性元數(shù)據(jù)描述文物信息，主要參考《文物數(shù)字化保護元數(shù)據(jù)標準規(guī)范》(征求意見稿)[21]。各大文博機構網(wǎng)站大多采用自由文本的方式描述文物，內(nèi)容較繁雜，可借助于自然語言處理(NLP)技術完成已有文物的元數(shù)據(jù)字段解析與填充工作。由于文物描述方式和內(nèi)容的特殊性，本文利用jieba在進行分詞與命名實體識別時，動態(tài)加載自定義詞典，并編寫字符串匹配修正算法以兼顧解析內(nèi)容的合理性。整體流程如圖1所示。

圖1 分詞與詞性標注流程圖

(2)本體與圖數(shù)據(jù)庫。在數(shù)據(jù)的組織與存儲階段，元數(shù)據(jù)完成了對文物個體的規(guī)范化描述，但缺乏對文物屬性的多主題揭示，通過構建領域本體可使不同數(shù)字館藏元數(shù)據(jù)間產(chǎn)生關聯(lián)與鏈接。在面對大規(guī)模復雜關聯(lián)數(shù)據(jù)時，傳統(tǒng)的關系型數(shù)據(jù)庫往往出現(xiàn)查詢速度慢、響應延遲、鏈接復雜等缺點，而圖數(shù)據(jù)庫恰好填補了這項短板。Neo4j 是代表性的圖形數(shù)據(jù)庫，嚴格遵循圖論使用節(jié)點和邊來表征海量多源異構的實例及其間復雜關聯(lián)語義關系，模式結(jié)構易于理解且具有靈活的可擴展性、良好的可移植性、高效的可訪問性。

3 研究設計

本研究涉及數(shù)字館藏資源的收集、數(shù)據(jù)處理與加工、數(shù)據(jù)組織與存儲、數(shù)據(jù)應用與智能服務4個流程，整體研究框架見圖2。首先從國家/省/市級文博機構收集數(shù)字館藏資源；其次對數(shù)據(jù)進行清洗、分類和集成，參考元數(shù)據(jù)標準和領域知識庫將待組織的數(shù)字館藏資源加工成統(tǒng)一的數(shù)字館藏元數(shù)據(jù)形式；然后兼顧數(shù)字館藏資源所表征的實體特點，設計并構建數(shù)字館藏資源領域概念本體，規(guī)范數(shù)字資源間的類屬層次與組織關系；將概念本體對齊映射為圖數(shù)據(jù)中的相應元素；鏈接并對標實例元數(shù)據(jù)，完成館藏數(shù)字資源的存儲；最后，以數(shù)據(jù)驅(qū)動面向情境的應用進而支撐智能服務的實施。

圖2 研究框架

特別說明的是，在數(shù)據(jù)處理與加工階段，本文的研究對象為可移動文物，采用了“質(zhì)地+功用+器型”由粗到細的分類標準。具體做法是：首先綜合前人研究、相關書籍、各大文博網(wǎng)站、專家意見，初步確定“質(zhì)地”與“功用”層次；其次利用jieba 中文分詞和字符串匹配修正算法進行分詞和命名實體識別，完成文物各元數(shù)據(jù)描述字段(若有)的填充工作，抽取器型，并不斷豐富“功用”和“器型”種類，最終建立標準的文物分類框架和元數(shù)據(jù)描述條目。本步驟的意義在于利用不同層次的抽象分類(見圖3)，從上到下充分體現(xiàn)文物資源的共性與特性，依次完成文物的自適應分類和映射。

圖3 可移動文物分類示例

在數(shù)據(jù)組織與存儲階段，結(jié)合元數(shù)據(jù)規(guī)范、各文博網(wǎng)站布局展示，與文物相關的條目有普查號、時間、類別、相關地點、相關人物、相關時間、上下文介紹、圖片、音頻、視頻、三維模型等內(nèi)容。復用CIDOC CRM概念參考模型，設立文物數(shù)字館藏本體、描述、地點、人員、時間、標準分類等一級概念類目(見圖4)，各類目又有專屬的下級類目及其核心屬性。

圖4 館藏文物本體框架

從本體組織轉(zhuǎn)換為圖數(shù)據(jù)庫存儲主要考慮類、屬性與關系間的映射關系，見表1-2。若不特別說明，表中的字段均采用Neo4j默認存儲類型即字符型。表1根據(jù)文物年代特性，增加所屬時段標簽。本文統(tǒng)一采用歷史紀年法，處理原則見表3；對某些朝代，如遼、夏、金與宋代屬于同一時間段，將前者的所屬時段標記為后者(見表4)，這樣在保留原時間信息(創(chuàng)作/使用年代)的同時，可以降低數(shù)據(jù)的分散性。本文關注數(shù)字館藏資源所表征的文物特性，不過多涉及其與外延屬性的關系，故將外延屬性作為節(jié)點標簽的屬性鍵標出。表2中圖數(shù)據(jù)庫建立“屬于”“劃分為”“歸類于”3種關系類型足以表征文物數(shù)字館藏本體與標準分類、材質(zhì)、功用、器型間的7種關系類型，并支持雙向查找。

表1 類/屬性層次映射

表2 關系層次映射

表3 所屬時段約定規(guī)范

表4 創(chuàng)造/使用年代與所屬時段對照表

在數(shù)據(jù)應用與智能服務階段，圖數(shù)據(jù)庫靈活的模式結(jié)構和完備的語義存儲功能被應用到多角度可視分析、多元因素探索、大規(guī)模規(guī)則關聯(lián)等深度信息挖掘中，支持知識探索、人文傳播、歷史陳述等抽象化智能服務的實現(xiàn)。圖數(shù)據(jù)庫作為一種橋接實踐，通過冰冷枯燥的數(shù)據(jù)將鮮活豐滿的歷史文化呈現(xiàn)在人們面前，一端是高價值的數(shù)據(jù)關聯(lián)，另一端是有溫度的人文情懷，更好地實現(xiàn)了“人-數(shù)字館藏-文化揭示-教育傳承”的服務模式，使得數(shù)字館藏資源的價值被充分挖掘和發(fā)揮。

4 實例分析

選擇銅器作為實例分析對象，原因有：(1)習近平總書記指出：“要推進黃河文化遺產(chǎn)的系統(tǒng)保護，守好老祖宗留給我們的寶貴遺產(chǎn)。”[35]在黃河文化遺產(chǎn)中，銅器文物占最大比例，對銅器進行研究，可促進對黃河文化進行多方位的探索。(2)銅器囊括功用豐富，根據(jù)本文數(shù)據(jù)，依功用可劃分為21個大類，故對銅器文物的研究可以給較少功用的其他材質(zhì)文物的研究提供參考。(3)銅器的元數(shù)據(jù)內(nèi)容非常全面，對銅器的研究可泛化至鐵器、金銀器、玉器等文物研究。

本實驗流程如下：

第一，數(shù)據(jù)收集階段。收集的銅器類館藏文物數(shù)據(jù)來自全國館藏文物數(shù)據(jù)庫①，從中抽取黃河流經(jīng)9個省份的數(shù)據(jù)(125，093條)，并獲取其官方網(wǎng)站(若有)的數(shù)據(jù)。

第二，數(shù)據(jù)處理與加工階段。由于文物的特殊性，有些數(shù)據(jù)資料無從査找，依據(jù)僅有的數(shù)據(jù)資源進行研究。基于銅器文物元數(shù)據(jù)標準，利用jieba和字符串匹配修正算法進行分詞和命名實體的抽取(見表5)；利用部分文物名稱[36-37]分詞(紋飾、形制特別標注為ww、wx)作為初始自定義詞典(其中文物名稱自定義詞典約1.1MB，地名詞典[ns]約1.4MB，歷史人物詞典[nr]約6KB，時間詞典[t]約1.4KB)，循環(huán)迭代(見圖1)抽取剩余文物的年代、特征和器型，依據(jù)器型可將該文物歸屬到功用類別中，逐步補充功用與器型層次的類屬(見圖3)。根據(jù)文物數(shù)字資源著錄規(guī)范和專家意見，本文類屬處理原則見表6；針對其他屬性內(nèi)容，從上下文描述中識別(若有)；針對不符合命名規(guī)范的文物，直接從其上下文描述中提取相關元素(若有)。經(jīng)過窮盡式對比、類聚，本文將銅器文物歸屬為21種功用分類。針對地點經(jīng)緯度坐標，利用百度地圖坐標拾取系統(tǒng)獲取。

表5 分詞與命名實體識別示例

表6 類屬處理原則

第三，數(shù)據(jù)組織與存儲階段。建立銅器數(shù)字館藏本體，參考表1-4 完成圖4 中概念類、屬性、關系到圖數(shù)據(jù)庫Neo4j映射，以元數(shù)據(jù)形式表征的數(shù)字館藏個體存儲到Neo4j，見圖5-8。圖5顯示銅器所劃分的功用分類(左側(cè)實線標注)，以功用分類“酒器”為例展示其所包含的器型種類(中間虛線部分標注，其他功用分類也可相似的方式展開)，以“钅”“和”為器型示例展示其所包含的文物(右側(cè)點線部分標注，其他器型展開與其相似)。圖6展示文物春秋蟬紋弧刃單系銅斧的部分存儲結(jié)構。紋飾是銅器重點研究內(nèi)容之一，圖7展了以春秋蟬紋弧刃單系銅斧中的紋飾蟬紋為線索尋找相關文物。圖8進一步呈現(xiàn)圖7所現(xiàn)文物的部分結(jié)構及其間關系。

圖5 材質(zhì)-功用-器型存儲示例

圖6 文物存儲(部分存儲結(jié)構)示例

圖7 含有“蟬紋”的相關文物

圖8 圖7所現(xiàn)文物及其部分關系

圖8中，每一個虛線橢圓扇形表示該功用分類下的器型及其所對應的文物，每一個橢圓中的元素是相同層級的元素。以動物紋“蟬紋”為線索，銅器中飪食炊器、工農(nóng)具、酒器、兵器、生活用具、飾品、交通工具中均有該種紋飾的文物，交通工具中的節(jié)約和(車)胄、飪食炊器中的鼎、兵器中的矛擁有蟬紋的較多，“蟬紋”主要出現(xiàn)在商周，漢、宋、眀、清也有些微出現(xiàn)。“蟬紋”具有飲食清潔之意，故在鼎中大量出現(xiàn)；蟬寓意復育，有生還之意，故在車馬器(節(jié)約)、兵器(矛)中大量出現(xiàn)，飽含了對平安的祈求。

第四，本文主要研究數(shù)字館藏資源的組織與存儲，設計數(shù)據(jù)處理、查詢效率、關系查找、交互操作、可擴展性等指標對比關系型數(shù)據(jù)庫和圖數(shù)據(jù)庫在數(shù)字館藏資源組織和存儲方面的差異，為上層數(shù)據(jù)應用與智能服務選擇存儲模式時提供指標參考。參照相關研究將圖 4 中的本體(即語義關系)以主外鍵與關系表的方式存放入關系型數(shù)據(jù)庫，保證關系型數(shù)據(jù)庫和圖數(shù)據(jù)庫具備相同的數(shù)據(jù)粒度。如表7 所示，在關系層次較深或關系較復雜時，圖數(shù)據(jù)庫具備良好的存儲和查詢性能，圖數(shù)據(jù)庫操作便捷，直觀性和可擴展性強。此外，對圖數(shù)據(jù)庫中頻繁子圖的挖掘、連通子圖的識別、最短路徑的測度等是對原始數(shù)據(jù)潛在模式和隱藏規(guī)律的有效探索，藉以數(shù)據(jù)賦能應用，推動智能服務的實現(xiàn)。

表7 關系型數(shù)據(jù)庫與圖數(shù)據(jù)庫對比

5 總結(jié)與展望

數(shù)字館藏資源已然具備大數(shù)據(jù)特性，如何開發(fā)利用直接影響文博機構智能服務的質(zhì)量。圖數(shù)據(jù)庫具有高性能、易訪問、易擴展、高可用等優(yōu)勢，特別適用于處理大數(shù)據(jù)存儲與分析任務。本文綜合運用情報學、文物學、計算機科學與技術等多門學科知識，引入元數(shù)據(jù)、本體、NLP、圖數(shù)據(jù)庫等技術研究文物數(shù)字館藏資源“自下而上”的自適應分類、規(guī)范統(tǒng)一的本體組織、靈活高效的語義存儲。從理論上豐富了數(shù)字館藏資源組織和存儲的研究方法；從實踐上推動了跨機構數(shù)字館藏資源的關聯(lián)與融合，打破空間藩籬，將文物及其關系存儲至后臺，將文物知識進行集成，不再割裂文物之間的文化屬性，可自主發(fā)現(xiàn)文物間的關聯(lián)，以銅器數(shù)字館藏為實例數(shù)據(jù)，驗證本文整體框架的可行性，可為其他文物的研究提供借鑒參考，同時為隱藏知識挖掘、歷史規(guī)律探索等智能服務的實現(xiàn)提供有效的數(shù)據(jù)支撐。后續(xù)的研究，一方面要完善數(shù)據(jù)屬性及其關系類型；另一方面以講好中國故事為目的，著手挖掘圖數(shù)據(jù)庫中存儲的知識塊節(jié)點，以期為用戶提供更好的智能服務。盡管智能服務在各行各業(yè)如火如荼地展開，但如何公開共享并連接各地的數(shù)字館藏資源，規(guī)范組織和高效存儲這些多源、異構、海量的數(shù)據(jù)；如何契合用戶需求，將新一代智能信息技術與大數(shù)據(jù)分析方法有效融合；如何激活館藏文化資源，提升傳播內(nèi)容質(zhì)量；如何實現(xiàn)共享知識、傳承文明，推動智能服務發(fā)展，將是研究的重點。

注釋

①國家文物局.國家文物局綜合行政管理平臺[DB/OL].[2020-06-26]. http：//gl.sach.gov.cn/#/Industry/Col?lection-Collection.