基于認知圖譜的高校圖書館館藏資源組織與智慧服務模式研究

［摘 要］對認知圖譜相關研究現狀做了簡述，從實現多類館藏資源的集成化聚合、實現用戶興趣偏好全景式描述、感知多樣態場景特征等方面闡述基于認知圖譜的館藏資源組織與智慧服務的優勢，分析基于認知圖譜的館藏資源組織流程，從智慧檢索、智慧場景推薦、智慧問答三個方面構建高校圖書館智慧服務模式，旨在提升國內高校圖書館的館藏資源組織與智慧服務效能。

［關鍵詞］認知圖譜；高校圖書館；館藏資源組織；智慧服務

［中圖分類號］G250.73［文獻標志碼］A［文章編號］1005-6041（2023）03-0018-05

1 引 言

在數字智能時代，高校圖書館擁有更加豐富的數字資源與實體資源，面向本校師生與用戶提供高效便捷的智慧服務成為高校圖書館知識服務與館藏資源體系建設的重要環節。在學科數字化建設背景下，高校圖書館知識資源建設的重點已不再是知識共享與資源共建，而轉向以館藏資源深度組織和智慧服務以及為師生和科研項目提供支持為目標，進而增強高校的學科資源整合與知識發現能力。目前，國內有高校圖書館已經開展了大量館藏資源聚合組織與智慧服務項目實踐，如上海外國語大學圖書館推出的“學科資源知識圖譜”、北京大學圖書館打造的“學科資源門戶”、長安大學圖書館推出的“智慧管理助手”、浙江大學圖書館打造的“知識圖譜檢索系統”，成為國內高校圖書館推進館藏資源組織與智慧服務的典型項目。由此，高校圖書館如何深度集成管理不同類型的館藏資源，并基于認知圖譜進行資源組織與智慧服務已成為當前亟待解決的問題。

當前，關于高校圖書館館藏資源組織與智慧服務，學界進行了眾多探討。薛衛雙等［1］基于知識圖譜對高校圖書館館藏資源組織進行探究，認為高校圖書館作為學科服務中心，應用知識圖譜可實現對各學科資源的可視化展示，能清晰展現各學科知識的內在關系，使用戶能深度認知與學習。柳益君等［2］針對依靠認知圖譜建構的高校圖書館智慧服務模式進行研究，認為認知圖譜是基于認知神經網絡結構形成的智慧認知體系，可以基于機器學習使高校圖書館智慧服務系統具有高度的認知和理解能力，并針對用戶個性化的學科服務需求提供針對性的知識服務。趙蘋［3］認為高校圖書館館藏資源的智慧組織和智慧服務工作開展需要人工智能系統的引入，只有針對各學科館藏資源特點建立清晰的知識表達機制，依靠人工智能系統面向用戶個性化推薦，才能實現館藏資源的高效利用，使用戶具有良好的智慧服務體驗。

同時，關于認知圖譜，一些學者也做了大量有益探究。李葉葉等［4］認為認知圖譜是從認知心理學演進發展而來的，從神經科學、科學技術與人類學習經驗方面汲取靈感，并結合跨學科領域知識圖譜、認知學習與生物智能技術，建立穩定獲取與分析知識的表達機制，讓人類各學科領域知識能被機器理解、認知、學習和應用。朱冬亮等［5］經過研究提出，認知圖譜是計算機科學領域的重要分支，試圖通過認知心理學的研究方法了解機器智能的本質，推進機器學習從感知智能向認知智能發展。張吉祥等［6］在分析認知圖譜學科發展中提出，認知圖譜是人工智能在知識圖譜與深度學習上發展形成的，重點在于認知圖譜表示、認知圖譜構建、認知圖譜推理及認知圖譜應用。封皓君等［7］提出認知圖譜是對知識圖譜的補充，需要針對各個學科的知識圖譜建立實時的知識補全機制以及對知識圖譜中需要思考的部分進行演繹推理。綜上，以認知圖譜作為高校圖書館館藏資源集成化組織與聚合的著力點，通過高效整合、系統聚合以及深度挖掘館藏資源內在的語義聯系構建出高度集成化的資源組織框架，對高校圖書館實現館藏資源價值的深度挖掘、為用戶提供智慧服務具有十分重要的意義。

2 認知圖譜研究概述

認知圖譜（Cognitive Graph）是結合認知心理學、人工智能、神經科學和各領域學科知識，研發知識圖譜、邏輯關系、認知演繹、智能表達的新一代知識認知引擎，是人工智能從感知智能向認知智能發展的重要技術機制［8］。根據相關研究成果，認知圖譜由2個子系統組成，可以劃分為3個功能模塊：知識圖譜構建、學科知識補充和標準知識檢索；系統1包括知識圖譜構建、學科知識補充模塊，系統2負責標準知識檢索（見圖1）。

3 認知圖譜應用于高校圖書館館藏資源組織與智慧服務的優勢

認知圖譜是高校圖書館借助人工智能技術在知識圖譜基礎上構建完成的，包括文獻認知圖譜、學科知識認知圖譜、用戶認知圖譜、場景認知圖譜等［8］。文獻認知圖譜用于反映館藏文獻資源的內在聯系、知識結構、學習思路與邏輯關聯；學科知識認知圖譜用于反映某學科領域的知識分布、邏輯關系與知識實體間的語義聯系；用戶認知圖譜用于反映用戶的行為習慣、興趣偏好與用戶群體的興趣特征及社交關系；場景認知圖譜用于反映館藏資源與教學、科研等不同場景需求間的聯系，描述用戶的場景特征。

3.1 實現多類館藏資源的集成化聚合提供高效的智慧服務

高校圖書館蘊含大量的學科數據、實體文獻、數字文獻、科研數據及多媒體資源，這些館藏資源中包含的各類學科知識是高校圖書館智慧服務的基礎，實現館藏資源的深度挖掘和集成化聚合向用戶提供有效的知識服務，通過精準感知用戶的需求構建智慧服務模式是高校圖書館智慧轉型升級的關鍵突破口［9］。高校圖書館館藏資源涉及多個學科領域，專業性強，且表現形式多樣，很難與用戶的個性化需求精準匹配。根據館藏資源的類型、構成及分布形式建立學科知識認知圖譜、文獻認知圖譜及科學數據認知圖譜，根據用戶個性化偏好建立用戶認知圖譜，能以認知圖譜的方式聚合、挖掘、組織各類文獻資源、科學數據、學科知識，形成具有高度邏輯關聯與學科知識均勻分布的知識結構體，并通過人工智能算法匹配與計算，使用戶快速沉浸在“全景知識領域”，清晰認知各學科知識，擺脫認知過載與信息迷霧的困境。

3.2 融入用戶數據實現用戶興趣偏好的全景式描述

高校圖書館線上網站、移動分享空間、社交網絡、遠程知識服務平臺、移動App、短視頻平臺、微信公眾平臺使高校圖書館具有了反映用戶行為與興趣偏好的、大量的、多源異構的數據資源。這些用戶數據包括用戶的行為動態數據、知識獲取記錄、瀏覽日志、網絡記錄、教育信息、點擊記錄、下載記錄、評論、點贊、收藏、背景信息等［10］。同時，高校圖書館線上論壇、微信、抖音等社交平臺中也包含了大量的用戶社交數據。將這些反映用戶行為動態的多源數據聚合、挖掘、演繹和歸納，準確反映用戶行為偏好和興趣習慣，可以為圖書館館藏資源組織與智慧服務提供有效支持。通過建立用戶認知圖譜，能全景式描述用戶的興趣習慣與需求特征，更能對用戶間的社交關系與群體特征精準洞察，深入理解用戶、認識用戶，便于高校圖書館從用戶需求角度進行資源組織與智慧服務。

3.3 感知多樣態場景特征并提供豐富的場景服務

高校圖書館認知圖譜中的場景圖譜可以在精準感知用戶需求的基礎上，捕捉用戶的不同場景特征，了解用戶在特定場景下的資源需求與服務需求。高校圖書館面向用戶的場景服務是多樣與持續的，并隨著用戶需求不斷變化［11］。感知用戶的多樣態場景特征并向用戶提供多樣化的智慧場景服務是高校圖書館館藏資源組織與智慧服務的重要目的與內容。場景要素包括用戶、場所、位置、時間、目的等，基于認知圖譜挖掘不同場景要素的內在聯系和邏輯關聯，將多樣態館藏資源分布存儲到不同的場景，以場景認知圖譜的形式實現各類館藏資源的集成化組織與匹配，塑造多樣的場景為用戶提供智慧服務，使各學科知識場景化呈現出來，有助于健全用戶的認知鏈，促進用戶對知識形成深度認知。

4 基于認知圖譜的高校圖書館館藏資源組織流程

基于認知圖譜的高校圖書館館藏資源組織有自上而下和自下而上兩種方式，本研究針對高校圖書館館藏資源組織采用的是自下而上的方式。認知圖譜是對館藏資源中各學科知識不斷挖掘、抽取與補充完善的過程，根據高校圖書館館藏資源的結構，基于認知圖譜的館藏資源組織分為資源數據獲取、學科知識抽取與聚合、認知圖譜構建、學科知識補充完善與智慧檢索4個步驟，基于認知圖譜的高校圖書館館藏資源組織流程如圖2所示。

4.1 資源數據獲取

高校圖書館館藏資源由三部分組成，一是實體文獻資源，二是數字資源，三是科研數據資源。上述三部分資源是支撐高校圖書館學科建設與學術科研的重要資源，也是館藏資源組織的核心部分。因此，為保障高校圖書館形成完善的資源組織體系，構建標準化知識實體，使各學科知識分布存儲，形成科學合理的館藏資源結構體系，為智慧服務工作開展奠定基礎，高校圖書館需對各類不同編碼結構的數字資源進行統一的標準化數字處理，對各類半結構化、異構化的科學數據進行清洗過濾，并基于網絡爬蟲技術將各類學術資訊與學科信息進行爬取、聚合、標準化處理，使用人工智能算法工具對各學科數字資源與科學數據進行排序和邏輯處理，進行集中入庫，方便知識抽取。

4.2 學科知識抽取與聚合

從館藏資源中抽取學科知識需要應用NLP技術，通過學科知識的實體識別、實體鏈接和事件抽取完成［12］。首先，需要對學科知識中的實體命名識別，確定文本范圍，將其進行預定義分類，確定具體類別。其次，根據實體關系進行模板匹配，通過語言學家制定的實體關系模板，從文本中抽取學科知識實體的關系，確定各個實體的關系結構。再次，將學科知識中的不同事件分解成為不同類別的子任務，分解成多類問題，進行事件識別、屬性分類、元素抽取，對數據集挖掘建模。

在學科知識抽取后進行學科知識聚合，也就是針對同類主題知識數據集圍繞同一概念進行數據聚合與信息整合，防止產生知識歧義與數據冗余。學科知識融合包括知識合并與實體鏈接：知識合并是對學科知識實體并行處理，建立合并邏輯，可通過實體同名處理與屬性融合完成；實體鏈接需要構建一個完整的同義詞庫，將關系相近、特征相似、內涵相同的學科知識實體合并存儲，解決學科知識歧義問題［13］。

4.3 認知圖譜構建

經過上述步驟對館藏資源處理與學科知識抽取融合后，通過自上而下的方式構建認知圖譜，高校圖書館館藏資源認知圖譜模型如圖3所示。首先，要確定高校圖書館館藏資源認知圖譜的數據模型，根據模型結構補充學科知識數據，對認知圖譜內容不斷勾勒、補充與完善。其次，根據初步建立的認知圖譜數據模型對學科知識演繹、推理、歸納、整合，對形成的知識數據集結果進行評估，將符合標準的學科知識數據融入認知圖譜。再次，根據抽取聚合獲得的結構化學科知識實體、關系與屬性，向圖模式轉換，進行可視化表達。值得注意的是，在向圖數據模式轉換時，需要將學科知識實體數據提取并存儲到圖數據庫中，對學科知識實體關系歸納整理，使學科知識實體關系在圖數據庫中形成映射，通過實體間邏輯關系映射建立節點網絡，從而勾勒出清晰的認知圖譜。

4.4 學科知識補充完善與智慧檢索

在館藏資源認知圖譜構建完成后，需從概念與數據兩個層面對學科知識及時補充完善，并基于認知圖譜內在各個知識節點邏輯關系與映射建立標準化學科知識智慧檢索機制。首先，針對學科領域產生的新概念、新范式，要及時進行實體化處理，使最新的學科知識概念形成新的實體，在認知圖譜實體概念不能準確描述實體時，及時補充更新，可通過API進行操作［14］。其次，在新的學科知識實體概念補充完善后，要采集對應數據，建立新的學科知識實體概念數據集，對認知圖譜中的數據補充，使新的實體概念有與之對應的數據。再次，從學科知識實體邏輯聯系、屬性與實體間形成的映射應用神經網絡技術在實體節點上建立分布的“神經元”，用于感知實體的變化與映射邏輯的演繹，建立起洞察“知識元”的神經網絡，與圖譜數據庫聯通耦合，構架起覆蓋全學科的檢索系統，使認知圖譜能以標準化檢索的方式呈現，進而為用戶提供認知檢索、全景可視化表達等智慧問答咨詢服務。

5 基于認知圖譜的高校圖書館智慧服務模式構建

5.1 基于認知圖譜的智慧檢索

高校圖書館認知圖譜可以為高校圖書館的信息資源檢索提供科學的支持，使檢索系統從傳統的關鍵詞檢索轉變成為認知檢索，能精準感知用戶的檢索意圖，為用戶提供智慧檢索服務。傳統的主題檢索、關鍵詞檢索方式往往因為沒有深入理解師生用戶的檢索意圖導致呈現的學科知識與信息資源不夠全面清晰。例如，歷史專業師生在檢索“劉秀”時，檢索系統就會呈現出“光武帝劉秀”和“西漢文學家劉秀”兩個歷史名人信息，并不能對檢索的關鍵詞智慧區分。基于認知圖譜將檢索過程的關鍵詞信息精準識別，確定關鍵詞的實體和屬性，確定用戶的檢索意圖，將與關鍵詞有關的資源信息分類呈現出來。同時，基于認知圖譜的智慧檢索具有更強的邏輯分析能力，在系統檢索欄輸入關鍵詞后將與關鍵詞有關的知識信息根據內在的邏輯聯系全景化呈現出來，并對知識信息的不同類目概覽介紹，使高校圖書館多層次的學科資源得到高效利用，在精準感知用戶認知需求的基礎上，實現知識化、智慧化的檢索。例如，加拿大麥克馬斯特大學針對天體物理學專業知識資源基于認知圖譜建立了“天體星系”智慧查詢系統，將人類已觀測到的地外天體信息按照不同類別進行分組，并根據天體特征建立信息查詢表存入到開放的MSQL數據庫，使該校天文學專業師生根據語義、主題詞、關聯特征進行智慧檢索。

5.2 基于認知圖譜的智慧場景推薦

基于認知圖譜的高校圖書館智慧服務可以精準感知用戶的場景需求，從向用戶提供單一的學科知識推薦轉變成向用戶提供學科知識與場景融合的智慧場景推薦。智慧場景推薦可以將大量的學科知識與信息資源融入不同的服務場景中，嵌入教學科研的全過程，可以對用戶使用線上網站、移動App、智能手機、平板電腦、智能終端的學科知識、信息資訊、知識資源的下載、閱覽、閱讀等行為快速識別，感知用戶所處的圖書館、實驗室、教室的閱讀、學習、科研等不同場景并自動關聯學科知識資源，建立“用戶需求—館藏資源—服務場景”三方聯動的智慧場景推薦服務機制。例如，上海交通大學圖書館的智慧服務系統在感知到一位學生曾在圖書館閱覽室使用平板電腦學習“世界藝術史”課程后，自動推斷該學生關于世界藝術史的學習場景，借助圖書館智能終端向其自動推薦有關世界藝術史的學術文獻與經典著作，使該學生獲得深度的學習場景體驗。

5.3 基于認知圖譜的智慧問答

基于知識圖譜的高校圖書館智慧服務可以為用戶提供智慧問答服務，不僅能滿足用戶高效認知的需求，還可以為豐富的館藏資源的使用提供新的入口，為用戶提供更加人性化、智慧化的人機交互方式。基于認知圖譜的智慧問答系統由問題標記、知識匹配、答案生成三個功能模塊組成。系統會根據用戶輸入的問題快速查找學科知識，聚合學科知識，向用戶快速呈現答案。系統對于用戶問題的理解與分析需要認知圖譜提供支持，具有標準化知識結構的認知圖譜是智慧問答系統的知識資源庫，幫助系統從感知智能向認知智能轉變，對用戶提出的問題也能形成深刻的認知記憶。同時，基于認知圖譜的智慧問答系統能在幫助用戶快速檢索答案的過程中為用戶提供客服服務，幫助用戶了解圖書館的營業時間、服務類別、日常接待、會議活動、日常服務等。在知識解答上，如某位讀者向智能問答機器人提出查詢某學科專家五年前發表的一篇文獻的要求，智能問答機器人會根據作者姓名、時間節點等關鍵信息向用戶自動匹配目標文獻。值得注意的是，目前高校圖書館智慧問答系統的通用知識庫還是由從網絡空間和社交媒體抽取的各類知識信息聚合形成的，雖然這些通用知識構建的認知圖譜覆蓋了多學科領域，但是對于專業學科的挖掘不夠。因此，在智慧問答系統構建中需側重通用知識庫和專業學科知識庫的一體化建設，在解答用戶通用知識問題的同時，也能解決專業學科知識問題。

6 結 語

認知圖譜作為人工智能科學的重要技術方法，具有強大的知識抽取、信息聚與知識補償能力，可以實現對高校圖書館館藏資源的科學組織，建立圖譜知識庫，為智慧檢索、智慧問答、智慧場景推薦、智慧決策、知識管理提供有效支持。本研究概述了認知圖譜的最新研究成果和基本概念，探究了認知圖譜應用于高校圖書館館藏資源組織與智慧服務的優勢作用，從知識信息獲取、學科知識抽取聚合、知識補充完善等方面分析了基于認知圖譜的高校圖書館館藏資源組織流程，建構了智慧檢索、智慧化場景推薦、智慧問答在內的智慧服務模式，推進高校圖書館有效應用認知圖譜，為用戶在教學、科研、學科建設、教務管理等方面提供全方位支持。

［參考文獻］

［1］薛衛雙，鐘歡.“技術+人文”：基于FOLIO平臺的高校圖書館智慧服務平臺研究［J］.圖書館學研究，2021（6）：36-42，10.

［2］柳益君，何勝，熊太純，等.知識圖譜在高校圖書館智慧服務中應用研究［J］.圖書館工作與研究，2019（11）：5-10.

［3］趙蘋.基于“互聯網+”的高校圖書館智慧服務現狀調查與分析：以39所“985工程”高校圖書館為例［J］.圖書館工作與研究，2019（5）：42-48.

［4］李葉葉，李賀，沈旺，等.基于多源異構數據挖掘的在線評論知識圖譜構建［J］.情報科學，2022，40（2）：65-73，98.

［5］朱冬亮，文奕，萬子琛.基于知識圖譜的推薦系統研究綜述［J］.數據分析與知識發現，2021，5（12）：1-13.

［6］張吉祥，張祥森，武長旭，等.知識圖譜構建技術綜述［J］.計算機工程，2022，48（3）：23-37.

［7］封皓君，段立，張碧瑩.面向知識圖譜的知識推理綜述［J］.計算機系統應用，2021，30（10）：21-30.

［8］萬海鵬，王琦，余勝泉.基于學習認知圖譜的適應性學習框架構建與應用［J］.現代遠距離教育，2022（4）：73-82.

［9］袁滿，張維罡，李明軒.基于認知圖譜的智能問答系統推理模型研究［J］.吉林大學學報（信息科學版），2021，39（5）：589-595.

［10］陳永海.基于認知圖譜的心理實驗標準化測試平臺研究［J］.黑龍江科學，2021，12（14）：132-133.

［11］田玲，張謹川，張晉豪，等.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，2021，41（8）：2161-2186.

［12］王軍平，張文生，王勇飛，等.面向大數據領域的事理認知圖譜構建與推斷分析［J］.中國科學：信息科學，2020，50（7）：988-1002.

［13］祝婷，汪圳.基于CiteSpace的我國圖書館智慧服務研究可視化分析［J］.西安文理學院學報（自然科學版），2022，25（2）：63-71.

［14］楊思洛，董嘉慧.國內外智慧圖書館研究熱點及發展趨勢探究［J］.現代情報，2020，40（11）：167-177.

［收稿日期］2023-01-26

［作者簡介］田曉麗（1983—），女，本科，館員，桂林電子科技大學圖書館。

［說 明］本文分別系廣西教育科學規劃2021年度廣西財經素養教育研究專項課題“中國共產黨百年經濟思想融入高校財經素養培育研究”（項目編號：C21JWM00SZ2C）、2022年廣西高等教育本科教學改革工程一般項目B類“大思政課”視域下高校思想政治理論課多元化實踐教學模式研究（項目編號：2022JGB183）的研究成果之一。