基于知識發(fā)現的高校檔案知識圖譜應用研究

張雯君

摘 要：本研究旨在探討基于知識發(fā)現的高校檔案知識圖譜，在知識管理與應用領域的重要性。通過構建高校檔案知識圖譜，實現高校檔案數據的智能化管理和應用，解決檔案資源深度開發(fā)程度低等問題。在理論建構方面，將高校檔案數字化轉型與創(chuàng)新高校檔案管理方式相結合，為高校檔案信息化建設提供新路徑和實踐指導。

關鍵詞：知識發(fā)現；數據挖掘；高校檔案管理；知識圖譜

引言

知識發(fā)現這一概念起源于20世紀90年代美國底特律召開的第一屆數據挖掘研討會，通過多次迭代和交互，在數據中搜索新的、實用的、潛在有用的、最終可以理解的模式。包括數據預處理、數據挖掘、模型生成和模式驗證等步驟。將知識發(fā)現與高校檔案相融合，構建高校檔案知識圖譜，實現高校檔案數據深度聚合，為高校檔案發(fā)展注入新動能。

一、 高校檔案信息知識發(fā)現的研究基礎

1.高校檔案信息知識發(fā)現的必要性

高校檔案是高校歷史與文化傳承的珍貴載體，記錄了高校發(fā)展歷程、重大事件、人才培養(yǎng)、學術成果等方面的信息，對高校的歷史、文化和發(fā)展有著極為重要的意義。然而，隨著高校檔案資料不斷增長和多元化，傳統(tǒng)檔案管理面臨著許多挑戰(zhàn)，知識發(fā)現作為智能化管理的重要技術，在檔案信息挖掘方面具有顯著優(yōu)勢，可協助高校檔案管理部門提高管理效率和質量，促進高校檔案領域的數字化轉型和創(chuàng)新發(fā)展。

首先，知識發(fā)現可提高檔案信息挖掘的深度和廣度，通過自動化、智能化的分析，深入發(fā)現檔案信息之間的關聯性和規(guī)律性，為相關領域的研究和應用提供支持和幫助。例如，通過分析學生選課和成績信息，預測學生學業(yè)和職業(yè)方向，為學生提供更好的指導和服務。其次，加強檔案信息的安全性，利用加密和權限控制技術發(fā)現和預防安全風險。最后，提高檔案管理的效率和精度，實現檔案信息的精確檢索和語義關聯，通過自動化的方式減少人工操作的時間和誤差。

2.高校檔案信息知識發(fā)現的可行性

知識發(fā)現具備從海量結構化、非結構化數據中獲取知識的能力，并通過可視化、推理、預測等手段，使知識更容易被吸收和理解。在高校檔案管理方面，知識發(fā)現技術具有以下優(yōu)勢：

（1）學術研究方面。利用檔案知識發(fā)現技術，研究高校歷史和文化的演變，探究歷史事件和思想流派對高校發(fā)展的深遠影響，分析高校人才培養(yǎng)和學術成果的規(guī)律，為高校學術建設和發(fā)展提供有力支持。

（2）教學工作方面。基于高校檔案挖掘出有效的教學資源，以較早的課程、教材、課件或教學方法為依據，為教學工作提供指導和借鑒，創(chuàng)新教學模式。

（3）學校管理方面。深入挖掘高校檔案中蘊含的管理思想、創(chuàng)新活動以及組織機構等重要信息，為高校的精細化管理提供前沿資料。

（4）文化傳承方面。高校檔案是高校文化傳承的重要載體，運用知識發(fā)現技術發(fā)掘和整理高校傳統(tǒng)文化、校史、風俗等方面的信息，有助于弘揚校園文化，促進校園文化的傳承與創(chuàng)新。

二、高校檔案知識發(fā)現構建技術

1.數據挖掘技術

數據挖掘是指從大量數據中尋找有價值、可理解的信息。在數字檔案領域，數據挖掘能夠幫助檔案管理員在非結構化數據中尋找到隱藏在文獻中的關系、模式和規(guī)律，從而改善檔案管理狀態(tài)，提供更好的檔案服務。數據挖掘常用的算法包括分類算法、集合算法、關聯規(guī)則算法、回歸算法和檢測異常算法等。

2.機器學習技術

機器學習關注于如何提升算法在體驗式學習中的性能。機器學習肇始于1943年Warren McCulloch和Walter Pitts提出的神經網絡層次結構模型，該模型為機器學習的研發(fā)奠定了基礎。機器學習的形式依賴于人類參與程度的差異，在這方面，機器學習可以被分類為有監(jiān)督、無監(jiān)督和半監(jiān)督學習。有監(jiān)督學習在人類制定訓練集目標的前提下，創(chuàng)建數據集函數并預測相應的新數據結果；而無監(jiān)督學習則是在不使用手動選擇數據的情況下，由計算機獨立執(zhí)行整個過程的學習；部分監(jiān)督學習則處于有監(jiān)督學習和無監(jiān)督學習之間，利用大量未標記數據來識別模式以完成任務。機器學習還依賴于歸納、推理和分類等技術，以讓計算機自主學習和適應不同的場景。支持向量機（SVM）、神經網絡、決策樹等機器學習算法都得到了廣泛應用，計算機利用大量數據來推斷規(guī)律和模式，并據此做出正確的預測和決策。

3.三元組抽取技術

三元組抽取技術從句子中提取實體和其對應關系的信息，關鍵步驟包括從句子中提取實體對并進一步確定實體對間的語義關系。若實體對之間存在語義關系，則需明確該關系所屬的關系類別，通常用關系三元組來描述。在先驗規(guī)則的引導下，對句子進行語法和語義分析，將主語、謂語和賓語等元素分別匹配，抽取出符合“主語－謂語－賓語”這一三元組關系的信息，為知識圖譜構建提供基礎。

三、知識發(fā)現構建流程及功能實現

1.知識發(fā)現構建流程

知識發(fā)現涉及多學科科學原理，如人工智能、數據挖掘、自然語言處理等技術領域。知識發(fā)現是將源自多個數據源的未知或不完整的知識信息進行處理、分析和挖掘，為實際應用提供指導，實現知識管理與知識共享的過程。知識發(fā)現構建過程分為三個階段，即數據采集和預處理、模型構建和驗證、知識整合和應用知識。

（1）數據采集和預處理

數據采集是指從數據庫、傳感器、API、文本文件和網頁等各類數據源中提取，收集、整理和記錄有關特定事物數據信息的過程。采集的數據應保證質量和完整性，便于后續(xù)數據處理和分析的準確性和可靠性。數據預處理包括數據清洗、數據匹配和數據整合等步驟。數據清洗可以去除數據中的異常值和重復值，數據匹配則可以將來自不同數據源的數據整合和合并，數據整合則可以將多個數據集合并成一個大的數據集。

（2）模型構建和驗證

利用機器學習和人工智能技術，在原始數據中選擇目標數據，確定目標數據之后構建知識發(fā)現模型。創(chuàng)建模型是整體實施的一部分，選擇適當的參數和輸入變量來確保最佳值，所選擇的變量在數量和關聯性上不宜太多、太強，應具有良好的數據質量。通過聚類的方法界定發(fā)現知識的有效性，識別原始數據的有效知識和無效知識，形成最終可以被利用的知識。

（3）知識整合和可視化

根據數據驗證的結果，將分析得到的信息和知識轉化為模型、圖表等形式。并運用可視化方式以直觀和易懂的方式呈現出來。例如，繪制散點圖表示各個數據點之間的關系、使用柱狀圖來展示不同組別之間的差異等。

2.知識發(fā)現功能實現

知識發(fā)現功能體現在三個方面，一是自動對文本數據標記、分類、過濾及整合并建立索引，將文本數據結構化處理，幫助用戶更好地做出決策，實現資源共享和重復利用；二是通過文本挖掘、信息抽取等技術實現對文檔中的實體、屬性和關系等信息的自動化提取，輔助檔案管理人員快速獲取文檔中的重要信息。同時，實現文檔之間的關聯分析，深入挖掘文檔內隱含的知識；三是輔助檔案管理人員對文檔審查和合規(guī)性檢驗，實現對文檔內容的自動化檢驗和驗證，簡化工作程序，并提高準確性。

四、基于知識發(fā)現的高校檔案知識圖譜構建應用研究

知識圖譜是從文本中抽取數據和本體，采用圖譜的形式表示知識，通過關系和語義連接不同的實體，構建具有語義表達和推理能力的知識體系。基于知識發(fā)現的高校檔案知識圖譜構建，是利用計算機語言處理技術和大數據存儲技術，對高校檔案資源開展分析和處理，利用圖譜中的關系和屬性信息，實現對高校檔案知識和信息的發(fā)現。研究內容包括高校檔案資源的數據結構和組織方式、知識圖譜的構建和維護、知識圖譜檢索算法的設計和優(yōu)化等方面。通過應用知識發(fā)現技術，對知識圖譜構建產生積極影響，提高其質量、完備性和應用效果。

1.知識發(fā)現對高校知識圖譜構建中的優(yōu)化作用

知識圖譜是以實體為節(jié)點，以關系為邊構建的一個語義網絡結構，構建過程中，存在知識不完備性和信息缺失性。運用知識發(fā)現技術可挖掘隱藏的關系，發(fā)現未知實體屬性，并將信息補全。例如，在科研檔案關系圖譜中，如果缺失兩個節(jié)點之間的關系，可以根據已有的關系，推斷兩個節(jié)點之間是否存在其他未被發(fā)現的關系，從而完成信息補全。對初步建立的高校檔案知識圖譜，采取建立模型、優(yōu)化算法等措施對圖譜開展檢驗和驗證，優(yōu)化圖譜結構和相關參數，使高校知識圖譜更專業(yè)、準確。

2.高校檔案知識圖譜的功能應用

通過高校檔案知識圖譜的研究和應用，可有效解決高校檔案在分類、管理和利用等方面的問題，從而構建一個智能化、服務型的檔案館管理平臺。智能化的檔案館管理平臺將有助于推進高校的智慧化校園建設，為高校的教學科研和管理服務提供支持，為高校的可持續(xù)發(fā)展提供有力支撐。

（1）智能檢索和挖掘

利用人工智能和自然語言處理技術，抽取主題、內容、時間、地點及人物等高校檔案資源關鍵細節(jié)信息和知識點，轉化為結構化的圖譜。用戶通過關鍵字、語義等自然語言檢索方式，獲取到與之相關的高校檔案信息，如學校歷史沿革、校園文化、學術成果等，實現精準信息檢索和篩選。利用數據挖掘技術，對歷年高校各學科的學生人數、科研成果、教師隊伍等各類數據開展分析，發(fā)現數據內在聯系和規(guī)律性，提高檔案資源的利用價值。在科研方面，可以通過挖掘高校檔案中的歷史科研成果和文獻數據，為當前高校的科學研究提供借鑒、啟示和指導。

（2）智能分析和管理

高校檔案管理借助知識圖譜的智能分析實現高效、準確的管理。智能分析具有全方位梳理檔案信息體系的功能，運用智能化的內容聚類和歸納，以及語義分析等技術實現集中式管理；智能管理通過科學整合和自動化認定檔案價值、分析檔案密級，實現精準歸檔；利用大數據和機器學習技術實現檔案分類整理和保管；建立智能化管理系統(tǒng)，提升檔案管理效率和準確性，為高校決策提供精準和有力支持。

（3）智能推薦和融合

智能推薦通過知識建設和挖掘過程中數據推薦技術，為用戶推薦與需求相關的檔案資源，并通過不同的呈現方式和展示平臺，打造出不同領域、層次、類型等高校跨領域的檔案資源推薦平臺。知識圖譜融合將不同領域的知識有機整合起來，通過聯合索引和檔案關聯相互結合，實現知識的互通和共享。智能推薦和融合是高校檔案館整合、應用檔案和文獻信息的重要手段，在學術研究和教學中發(fā)揮重要作用。

3.高校檔案知識圖譜的構建框架

基于知識圖譜構建方式，總體架構自下而上劃分為數據采集及分析層、知識挖掘層、可視化展示層。數據采集及分析層作為最基礎的層次，為知識圖譜構建提供基礎保障。知識挖掘層利用算法和技術從數據中挖掘出有用知識，將知識通過關系或者結構的方式，建立起豐富的知識庫。可視化展示層將挖掘出來的知識以直觀的形式展現出來，讓人們更好地理解和應用這些知識。

（1）數據采集及分析層

收集高校檔案資源的相關信息，包括檔案資料、文獻、圖片和音視頻等。運用自然語言處理、圖像識別等技術，對文本、圖片等數據開展特征分析和提取，將所得信息存儲到知識圖譜中。通過數據預處理和清洗，將數據中的冗余信息和錯誤信息去除，保留有效信息。

（2）知識挖掘層

根據高校檔案資源的特征，將其構建成一個層次結構的知識圖譜，其中各個節(jié)點之間相互關聯，形成一個完整的檔案知識體系。通過搜索、關聯、推理等算法，對知識圖譜中的數據進行挖掘和分析，以發(fā)現其中隱含的知識和價值，整合并提升高校檔案資源的利用價值。

（3）可視化展示層

知識圖譜是一種以圖形化方式展示知識體系的工具，它可以將高校檔案資源之間的關聯性以圖形化呈現，讓用戶直觀地了解這些資源的結構和內容。通過將知識圖譜以圖表、列表等形式進行可視化展示，用戶更好地利用和管理這些資源，快速定位所需信息，實現高效地查找和利用。

4.檔案知識圖譜構建和應用的不足之處

首先，檔案知識圖譜構建所涉及的數據質量問題是制約其應用的關鍵因素。由于檔案信息質量的不統(tǒng)一性，在進行知識圖譜構建時，數據質量難以得到保障，影響知識圖譜的應用效果；其次，知識圖譜構建難度問題。檔案知識圖譜的構建涉及多種技術手段，包括自然語言處理、本體構建和數據挖掘等領域的知識，以及領域知識與技術手段的融合。因此，建立一個高質量的知識圖譜，需要一支專業(yè)技術團隊的支持；最后，知識圖譜應用的效益問題。檔案知識圖譜的建立需要有明確的應用目標和需求，否則只是一種形式化處理，無法實現對檔案資源的有效利用和共享。

五、結語

針對高校檔案領域的知識發(fā)現和知識圖譜應用是一項新興研究，要持續(xù)地探索知識發(fā)現和知識圖譜的優(yōu)勢、共建，以及提高知識體系的利用價值，推動該領域的研究和發(fā)展，彰顯高校檔案資源價值，為社會作出卓越的貢獻。相信隨著人工智能技術和數據科學研究的不斷深入，高校檔案領域的知識發(fā)現和知識圖譜應用必將迎來更大的突破和成就，為未來的發(fā)展打下堅實的基礎。

參考文獻：

[1]鄧 君，王 阮.數字人文視域下口述歷史檔案資源知識發(fā)現模型構建[J].檔案學研究，2022（01）：110-116.

[2]譚 曉，李 輝，許海云.基于多維數據知識內容和關聯深層融合的知識發(fā)現研究綜述[J].科技情報研究，2021（04）：58-68.

[3]王曉燕.數據挖掘技術在檔案信息管理中的應用[J].蘭臺世界，2012（23）：25-26.

[4]梁逸寒.基于實體鏈接的關聯知識發(fā)現技術研究與應用[D].電子科技大學，2022.

[5]田 玲，張謹川，張晉豪，周望濤，周 雪.知識圖譜綜述——表示、構建、推理與知識超圖理論[J].計算機應用，2021（08）：2161-2186.

[6]洪 亮，宋 睿，朱麗雅，侯雯君.知識關聯視角下的文化遺產知識大圖研究：理論、方法和趨勢[J].圖書情報知識，2022（02）：133-143.

[7]鄧 君，王 阮.口述歷史檔案資源知識圖譜與多維知識發(fā)現研究[J].圖書情報工作，2022（07）：4-16.

（作者單位：山東建筑大學）