大數據視角下智能知識服務模式研究

摘 要：[目的/意義]把握大數據驅動下知識服務模式的研究現狀與趨勢，對于理解當下和未來的知識服務活動，有效指導知識服務實踐具有重要意義。[方法/過程]通過對國內外相關研究綜合述評，剖析知識服務內涵、知識服務模式和大數據環境下知識服務技術變革，進而構建了大數據環境影響下知識服務創新模式。[結果/結論]未來大數據驅動下的知識服務模式研究前沿將是基于知識集成的個性化服務、基于知識挖掘的知識發現服務、基于知識聚合的知識關聯服務和基于知識融合的知識精準服務。

關鍵詞：知識服務;大數據;服務模式;研究趨勢

隨著云計算和可信計算等信息技術的迅速發展，數字信息環境越來越泛在化、移動化和智能化，海量半結構化、非結構化的多源數據利用需要進行多維度處理，由此推動了基于大數據的知識服務模式創新。由此，探索大數據驅動下的知識服務新模式愈發重要，這也成為近期知識服務新的關注點。同時，這一探索也面臨著一些機遇和挑戰。目前面向大數據的知識服務研究與實踐剛起步，研究成果還不多。因此有必要對現有知識服務模式相關研究進行及時梳理與評價，分析未來的研究方向，以期對今后的知識服務研究提供參考。

本文首先梳理國內外關于知識服務及其模式的概念界定，建構了面向大數據的知識服務概念模型;厘清知識服務模式的發展演化脈絡，在此基礎上總結大數據技術驅動的知識服務模式變革，探索大數據環境下知識服務模式的發展趨勢。

1大數據知識服務及知識服務模式

1.1 國內外關于知識服務的概念界定

國外知識服務最早出現在國外的管理學研究中，上世紀90年代知識服務被引入圖書館學。2001年，首次提出專業圖書館員和信息專家的新作用，隨后學科館員團隊理念被應用于高校圖書館的知識服務中[1]。1994年國內引入知識服務的觀念，后有引入產業部門并將知識含量高的服務業稱為深度知識服務業，將知識服務分為技術、咨詢和電子商務服務[2]。

綜上，國外對知識服務多以知識管理為切入點，將知識服務看作知識管理的發展和延伸，突出知識服務實踐，因而國外以論述知識服務模式為主要內容的文章鮮有報道。自圖書情報界將知識管理概念引入后，國內圖情界的研究成果主要集中在從知識管理角度討論圖書館的參考咨詢服務方面，知識服務的概念界定從宏觀視角轉向服務過程視角，重點強調從技術和組織創新的角度滿足用戶的知識服務需求。

1.2 大數據知識服務

大數據知識服務是基于網絡環境的一種新型知識服務，它是為適應信息服務的智慧化、協作化、移動化、虛擬化和泛在化而衍生的新型服務，有助于實現結構化、半結構化及非結構化數據的多維處理。大數據知識服務并非大數據技術和傳統知識服務的簡單疊加，其特點如下：（1）立足于大數據環境，強調資源和能力的良性互動。（2）資源和能力以過程的形式有機融合在大數據處理中。（3）知識服務機構根據用戶的使用反饋，不斷完善資源和自身能力，并實現知識創新。

1.3知識服務模式

服務模式是對服務活動的結構構成要素及其關系的簡要直觀描述，它不僅是實踐經驗的高度總結和有效歸納，同樣也是理論認識的進一步提升，指導著知識服務的理論研究和具體實踐[3]。它是一種有規律的可以重復借鑒的有價值的框架結構或固定范式，能夠綜合知識服務的產品和項目、技術和經驗、方式和方法以及合理化流程等要素，有效提升知識服務能力。

2知識服務模式研究進展

探討知識服務模式發展演化，知識生命周期理論是較為合適的分析方法[4]。根據知識及其服務的內涵和特征，知識服務的知識生命周期可以被定義為知識獲取、知識組織、知識分布、知識共享、知識創新、知識利用和知識更新。據此可以將知識服務模式分為三類：基礎知識服務、增值知識服務和再生產知識服務。

2.1基礎模式：基于知識共享的知識服務

知識服務的基礎模式覆蓋知識的獲取、組織、分布和共享四個階段，形成簡單的知識聚類、知識重組等基礎服務，推動知識在用戶與服務機構間的傳播。相關研究主要是基于知識服務的需求主體、主客體、內容、資源、平臺及特性而展開[5]。20世紀90年代起，俄羅斯科學院社科情報專家首先意識到用戶的信息獲取需求的重要性，開展了相關服務。國內外許多學者從上述多個角度出發，倡導知識服務必須順應用戶對定制化和專業化的服務要求[6]。

2.2增值模式：基于用戶應用的知識服務

增值知識服務模式是建立在基礎模式之上，突出了知識創新和知識增值。這一模式不僅關注知識的分享，而且從用戶的角度強調知識的實際應用，通過對知識進行改造、創新，大幅提升知識的價值。（1）以用戶為中心的設計理念。倡導用戶參與，重視用戶體驗，提出圖書館的嵌入式學科化知識服務模式，強調融入用戶解決具體問題的過程和環境。（2）注重用戶的服務體驗。基于將數字圖書館擴展成為一個以用戶為中心的工作空間的研究，尤其是將知識服務與云計算技術相結合，設計出一種可以實現個性化知識推送和學習路徑優化的云服務平臺。（3）重視用戶反饋評價。用戶體驗的好壞直接影響到服務評價。通過對用戶反饋建模提出用戶反饋定量分析的方法，對于用戶信息管理，促進知識服務質量提升具有重要性。

2.3再生產模式：基于技術創新的知識服務

再生產知識服務模式是對增值知識服務模式的再完善。它在增值服務的基礎上加入對知識再生產過程，通過服務的需求者與提供者間的互動評價來實現知識產品的更新。隨著知識服務模式不斷擴展和創新，圖書館傳統知識服務逐漸向智慧服務轉型。智慧圖書館是一個不受空間限制，在數字圖書館的基礎上，借助智能技術對圖書館實現全自動管理。

3 大數據技術推動知識服務模式創新

3.1實現知識服務的大數據關鍵技術

在大數據環境下，用戶數據快速增長，多源異構數據加速累積，這些對數據挖掘和知識發現提出了新的要求和挑戰。同時，以本體、云計算、人工智能等為核心的新一代大數據信息技術蓬勃發展，推動了知識服務的深度變革。

3.1.1知識服務的本體研究

基于本體的知識服務技術研究集中于用戶興趣建模、知識資源管理和知識服務系統等方面，應用領域包括企業、醫療健康和圖書情報服務。（1）用戶興趣建模。分析用戶情境行為的內涵，研發基于用戶情境的知識推薦方法，實現數據的動態、精準采集，表示用戶的潛在需求。（2）知識資源管理。基于本體技術的高效知識采集方法實現了非結構化、半結構化信息轉化為結構化存儲知識項，精準描述知識資源標注和知識元間鏈接關系的構建。（3）知識服務系統。有助于建構實現企業知識共享、提高企業知識的重用率和使用率的主動式知識服務及跨知識庫個性化知識服務的知識服務系統，有效改善用戶檢索環境的知識服務系統。

3.1.2 云計算和人工智能

云計算技術具有快速實現資源共享、方便存儲和使用的特性，被廣泛應用于知識服務領域，其關鍵技術包括虛擬化、分布式存儲和海量數據處理。人工智能是一門對人腦的意識、思維認知功能進行模擬的新興學科。從20世紀70年代開始，AI技術對知識服務帶來巨大的變化，包括知識采集、分析、管理以及知識再生產等環節。

3.2 大數據技術驅動下的知識服務模式發展

在以本體、云計算和人工智能為主體的新一代信息技術驅動下，各種面向大數據的新型知識服務模式隨之應運而生，包括：（1）基于本體的內容生產模式：主要涉及公共部門、農業部門、電子商務和資源傳遞。（2）基于云計算的平臺架構模式：相關的平臺架構包括：平臺底層架構、平臺系統架構、平臺內容架構和平臺資源管理。（3）基于人工智能的知識產品輸出模式：在AI+知識服務環境下，運用人工智能技術開發知識服務同時，為知識服務人員和用戶提供知識服務。越來越多圖書館通過深度學習知識圖譜，利用蘊含其中的知識指導深度神經網絡模型的學習[7]。場景化知識推薦也逐漸成為知識服務產品輸出的主要模式[8]。

4大數據驅動下知識服務模式展望

4.1 大數據驅動下知識服務框架

大數據環境下的知識服務是一項系統工程，需要科學的大數據知識服務戰略規劃指導。根據大數據環境下知識服務的內涵和特點，結合大數據對“知識采集—知識處理—知識存儲—知識服務”的影響，構建了大數據環境下的知識服務創新模式。包括采集存儲層、分析處理層、產品服務層。整個服務過程離不開數據分析技術的運用，包括大數據挖掘與存儲技術、大數據分析與處理技術、知識服務可視交互技術、大數據智能感知技術、知識服務安全保障技術等。（1）采集存儲層。該層為大數據知識服務提供了最初的知識來源。（2）分析處理層。該層是大數據知識服務模式的重要組成部分。（3）產品服務層。這是直接與用戶進行交互，實現創新知識服務的表現層。

4.2 大數據知識服務模式展望

4.2.1 基于知識集成的深度個性化服務

大數據時代給知識服務帶來的變化之一就是使深度個性化服務成為可能。包括：（1）知識與知識的集成。該集成不僅包括大數據知識服務模式下采集存儲層的數據組織，也涵蓋分析處理層的知識抽取、網絡服務與開放獲取、知識創新等。未來圖書館可以在海量情境知識的基礎上，對用戶行為及其背后的知識結構進行分類、聚類與推理，進而匯聚成知識地圖，幫助用戶獲取其他的關聯知識網絡。（2）知識與人的集成。著眼于用戶與知識服務工作人員兩類主體，通過引進高素質知識服務人才，將存儲于知識庫的顯性知識轉存至服務人員的理論知識、自身經驗等隱性知識;另一方面，通過大數據知識服務模式下的共享平臺、運營平臺和數據平臺，建立知識服務人員和用戶之間的高效互動機制，快速定位用戶所需，從而實現知識的提煉、整合與創新。

4.2.2 基于知識挖掘的多維知識發現服務

知識發現是一種對信息資源的高級處理過程，是從數據集中識別出隱含未知的、潛在有價值的內容。知識發現趨勢是基于數據源由單一向混合轉變，分析的粒度從粗化轉向細化，分析的維度由單一分散轉向多維復合，從多源異構海量數據中分析、提取知識，知識發現的深度和廣度也不短深化和拓展。從多維知識發現的技術來看，主要熱點仍然是針對海量數據進行數據挖掘的技術。目前知識挖掘的方式主要是直接挖掘，而間接挖掘和鏈接挖掘的技術不斷發展，將來間接挖掘和鏈接挖掘的技術變得越來越重要，挖掘的維度隨著知識關聯研究的拓展更加豐富和多維，隨之而來的是知識發現服務更加多維。

4.2.3 基于知識聚合的深度知識關聯服務

大數據的價值源于蘊含在各種知識之間的關聯，如何去描述、刻畫、揭示這種關聯，是大數據在知識服務過程中的價值提升核心。未來知識關聯研究應側重于聚合維度關聯方法研究，即通過一定的方法，在知識粒度分析的基礎上，對知識單元進行凝聚，形成多維多層且相互關聯的知識體系，實現基于知識聚合的知識關聯。同時，要注重通過本體技術和人工智能，對不同數據層面關聯開展實證研究，重視知識聚合方法的融合，增強關聯數據的應用范圍。隨著未來研究中知識聚合方法的不斷延伸、融合程度的不斷深入，從而實現深層次語義關聯框架的構建。

4.2.4 基于知識融合的知識精準服務

大數據時代的知識服務，用戶需求從個性化服務的一般滿足上升為精準、智慧層面，于是精準服務應運而生。基于知識融合的知識精準服務主要在分析處理層實現，通過大數據技術智能處理，利用云技術將分布于領域知識庫、非結構化的網絡數據源和異構數據源中抽取知識，運用知識服務匹配技術、知識融合算法技術和智能優化技術等，從大數據知識服務集合中優選和組合出最佳的一組解決方案，精準滿足用戶的知識服務請求。未來圖書館精準知識服務可以運用本體技術，基于內部讀者畫像及資源畫像，構建圖書館大數據知識服務運營平臺，消除知識服務用戶大量的信息垃圾;同時可以跨界融合，通過多方位、多維度的互動交流渠道銜接外部資源，進行跨界資源的有機融合，展開圖書館知識服務嫁接，集成更多功能形成聯動互通。

參考文獻

[1]孫雨生，白璧嬌.國內基于本體的知識服務研究進展：核心內容[J].圖書館學研究，2018（16）：9-16.

[2]謝智敏，郭倩玲.基于深度學習的學術搜索引擎：Semantic Scholar[J].情報雜志，2017（8）：175-182.

[3]張興旺.信息推薦為例探討圖書館人工智能體系的基本運作模式[J].情報理論與實踐，2017（12）：69-74.

[4]申曉敏.基于關聯數據的電子商務知識挖掘模型研究[D].河北科技大學.2016.

[5]王淼.基于知識發現數字圖書館知識服務研究[J].中外企業家，2018（14）：80.

[6]范興豐.基于云計算和大數據的知識服務平臺架構研究[J].無線互聯科技，2016，11（21）：50-52.

[7]Jun Yin，Xin Jiang，Zhengdong Lu，Lifeng Shang，Hang Li，Xiaoming Li. Neural Generative Question Answering. [C].Proceedings of the 25th International Joint Conference on Artificial Intelligence，

2016，2972-2978.

[8]何勝，熊太純，柳益君，葉飛躍，潘瑜.基于Spark的高校圖書館文獻推薦方案及實證研究[J].圖書情報工作，2017（23）：129-137.

作者簡介：王玉梅，女，南京大學博士生。研究方向：人工智能與大數據，機器識別，信息管理與知識服務。