專業(yè)出版領(lǐng)域知識服務(wù)系統(tǒng)設(shè)計

百華睿 張路

摘要：基于開放域的知識服務(wù)系統(tǒng)已較為成熟，但是對于傳統(tǒng)出版領(lǐng)域，尤其是專業(yè)出版領(lǐng)域而言，它還是一個非常新鮮的技術(shù)。在分析行業(yè)現(xiàn)狀及需求的基礎(chǔ)上，設(shè)計專業(yè)出版領(lǐng)域知識服務(wù)系統(tǒng)，構(gòu)建專業(yè)領(lǐng)域知識體系，對專業(yè)出版領(lǐng)域的資源進行知識化加工及標(biāo)引，形成知識庫，并基于知識庫提供面向不同用戶的個性化定制服務(wù)。

關(guān)鍵詞：專業(yè)出版；知識服務(wù)；知識標(biāo)引；知識庫構(gòu)建；語義檢索

DOIDOI：10.11907/rjdk.161078

中圖分類號：TP319

文獻標(biāo)識碼：A 文章編號：1672-7800（2016）005-0062-04

0 引言

20世紀(jì)80年代，信息服務(wù)產(chǎn)生并在世界范圍內(nèi)廣泛普及，成為社會信息化的重要標(biāo)志之一。隨著信息技術(shù)打破摩爾定律繼續(xù)以超高速迅猛發(fā)展，信息給人們的科研和決策也帶來了諸多麻煩。信息元作為信息傳播的最小單位，可以不斷地連接、組合形成新的結(jié)構(gòu)。信息元的這種無窮組合能力促使新信息不斷產(chǎn)生，導(dǎo)致信息爆炸，形成信息煙霧。在眾多信息和數(shù)據(jù)庫面前，科研工作者和決策者卻感到獲取有用信息變得更加困難。為了讓人們從“信息超載”和“知識饑渴”的困境中走出來，在知識密集型服務(wù)行業(yè)中出現(xiàn)了一個新的服務(wù)領(lǐng)域——知識服務(wù)。知識服務(wù)從各種顯性和隱性知識資源中按照人們的需要有針對性地提煉知識，是一種用來解決用戶問題的高級階段的信息服務(wù)過程，它是一種面向知識內(nèi)容和解決方案的服務(wù)。

區(qū)別于傳統(tǒng)的信息服務(wù)，知識服務(wù)是用戶目標(biāo)驅(qū)動的服務(wù)，面向知識內(nèi)容的服務(wù)，它非常重視用戶需求分析，根據(jù)問題和問題環(huán)境確定用戶需求，通過信息的析取和重組來形成符合需要的知識產(chǎn)品，并能夠?qū)χR產(chǎn)品的質(zhì)量進行評價。此外，知識服務(wù)是面向解決方案的服務(wù)，它關(guān)心并致力于幫助用戶找到或形成解決方案。同時，知識服務(wù)是為用戶解決問題工程的過程性服務(wù)，幫助用戶進行知識的捕獲、分析、重組及應(yīng)用，根據(jù)用戶需求來動態(tài)和連續(xù)地組織服務(wù)。

1 行業(yè)現(xiàn)狀與需求

在當(dāng)前語境下，專業(yè)知識服務(wù)[1]工作的開展，無論是對出版企業(yè)還是技術(shù)提供方都提出了較高要求，尤其是在專業(yè)知識領(lǐng)域[2]，具體要求主要體現(xiàn)在如下幾個方面：一是對資源的要求，區(qū)別于無體系、無規(guī)范及無專業(yè)保證的互聯(lián)網(wǎng)資源，出版社具備專業(yè)的編輯團隊及知識來源，是開展知識服務(wù)的最佳基礎(chǔ)；二是對技術(shù)的要求，只有依托于先進的技術(shù)手段及產(chǎn)品設(shè)計理念，才能實現(xiàn)合理的知識呈現(xiàn)、提供良好的解決方案；三是對知識服務(wù)的理解程度，在知識服務(wù)開展過程中，知識服務(wù)提供方要結(jié)合自身的資源優(yōu)勢及用戶特點，基于對知識服務(wù)內(nèi)涵及外延的了解，建立行業(yè)及專業(yè)的知識譜系及服務(wù)模型[3]。

近年來，國外學(xué)界對知識服務(wù)概念及范圍的研究甚囂塵上，與知識服務(wù)概念研究熱潮形成鮮明對比的是知識服務(wù)實踐開展卻相對滯后，能真正系統(tǒng)開展知識服務(wù)的機構(gòu)很少。但是，眾多數(shù)字出版企業(yè)并沒有停下前進的腳步，國內(nèi)外眾多出版機構(gòu)都開展了在該領(lǐng)域的探索，并在探索的基礎(chǔ)之上依托多元化的產(chǎn)品形態(tài)及運營模式，為用戶提供基于知識的服務(wù)，為我國出版界開展知識服務(wù)建設(shè)提供了寶貴經(jīng)驗[2]。

本課題的主要研究目標(biāo)是提供一套可行的解決方案，滿足專業(yè)出版領(lǐng)域的知識體系構(gòu)建、知識加工及標(biāo)引、知識庫構(gòu)建以及對外提供知識服務(wù)的需求。

2 系統(tǒng)架構(gòu)設(shè)計

2.1 系統(tǒng)總體架構(gòu)

系統(tǒng)總體架構(gòu)如圖1所示。

2.2 資源采集及管理

專業(yè)出版領(lǐng)域的資源是專業(yè)出版社最核心的資產(chǎn)，將這些資源進行數(shù)字化、結(jié)構(gòu)化及知識化，結(jié)合構(gòu)建的知識體系形成知識庫，再對外提供知識服務(wù)[3]，這是本解決方案要實現(xiàn)的目標(biāo)，也是整體框架設(shè)計的依據(jù)。

存量資源以圖書、期刊等出版物為主，這些資源由于出版時期不同，其存儲介質(zhì)也不盡相同。早期出版物以紙質(zhì)為主，到了20世紀(jì)80～90年代，出現(xiàn)了排版軟件，例如方正書版、InDesign等，這時資源存儲的介質(zhì)已經(jīng)數(shù)字化，基本上以方正書版文件、PDF、WORD等形式出現(xiàn)。

對于存量的紙質(zhì)圖書，可以通過掃描、OCR識別形成PDF文件實現(xiàn)其數(shù)字化。但是數(shù)字化只是第一步，想要獲取到知識，還必須將資源進行結(jié)構(gòu)化，本方案中結(jié)構(gòu)化的數(shù)據(jù)采用XML來描述，XML的標(biāo)準(zhǔn)以國際通用標(biāo)準(zhǔn)配以國內(nèi)標(biāo)準(zhǔn)的擴展。例如，國際通用的DOCBOOK5.0標(biāo)準(zhǔn)，并擴展中文圖書特有的一些屬性，從而形成本方案的圖書結(jié)構(gòu)化標(biāo)準(zhǔn)。

WORD結(jié)構(gòu)化加工工具是基于微軟Office提供的API接口開發(fā)的基于WORD的插件，安裝后直接在WORD面板中出現(xiàn)一個新的面板，其提供的功能可以對WORD文本進行自動化及人工加工。對于方正書版文件，采用方正經(jīng)典可以直接導(dǎo)出DOCBOOK標(biāo)準(zhǔn)的結(jié)構(gòu)化資源包；對于PDF，可以通過集成業(yè)內(nèi)成熟的數(shù)字加工技術(shù)來實現(xiàn)結(jié)構(gòu)化。結(jié)構(gòu)化的數(shù)據(jù)需要存儲管理起來，對外提供瀏覽、下載、導(dǎo)出等服務(wù)，也可以參與重新加工的業(yè)務(wù)流程，這也是目前專業(yè)出版社內(nèi)資源管理系統(tǒng)的常見功能。

2.3 知識體系構(gòu)建

專業(yè)領(lǐng)域知識體系是知識的框架，它有效揭示了知識的內(nèi)在關(guān)聯(lián)和組織方式。領(lǐng)域知識體系是知識資源構(gòu)建的基礎(chǔ)，是知識組織的核心框架，它將知識和資源通過各種方式關(guān)聯(lián)在一起，形成龐大的知識網(wǎng)絡(luò)，通過知識體系的作用實現(xiàn)領(lǐng)域內(nèi)容基于知識主體的內(nèi)在連接、關(guān)聯(lián)和關(guān)系推理，從而為使用對象提供精準(zhǔn)的知識服務(wù)及知識延伸服務(wù)。

知識體系構(gòu)建[4]是一項基礎(chǔ)性工作，對資源進行知識提取之前，知識體系就必須先建立起來。本系統(tǒng)中知識體系包含3種，包括多維度主題分類、領(lǐng)域主題詞表以及領(lǐng)域本體。多維度主題分類目前已得到廣泛應(yīng)用，多個領(lǐng)域內(nèi)也都有了比較成熟的分類體系。領(lǐng)域主題詞表是目前知識服務(wù)應(yīng)用的主要知識體系，也是目前出版單位正在或者準(zhǔn)備構(gòu)建的知識體系，由于詞表中的詞數(shù)量眾多龐大，因而需要花費相當(dāng)?shù)娜肆ξ锪磉M行此項構(gòu)建工作。領(lǐng)域本體在目前國內(nèi)出版單位涉及得非常少，它是最復(fù)雜的一種知識體系，相比主題詞表，它需要構(gòu)建者對領(lǐng)域內(nèi)的知識有更充分的理解，并且所需要構(gòu)建的內(nèi)容也更為多樣。

從分類體系到主題詞表再到領(lǐng)域本體，可以采取循序漸進的方式進行構(gòu)建，主題詞表可以基于資源管理系統(tǒng)的分類體系、關(guān)鍵詞、概念等內(nèi)容進行構(gòu)建，而領(lǐng)域本體則可以基于主題詞表，將其關(guān)系擴展后得到。領(lǐng)域本體通過提取領(lǐng)域內(nèi)的抽象實體以及實體之間的關(guān)系而形成，可以構(gòu)建豐富的概念間的語義關(guān)系，其形成的知識圖譜[4]是計算機智能技術(shù)最主要分支之一，這也是提供語義檢索、智能問答的基礎(chǔ)[3]。

本系統(tǒng)提供的領(lǐng)域本體構(gòu)建界面如圖2所示。

2.4 知識加工

對于知識服務(wù)而言，結(jié)構(gòu)化的內(nèi)容資源一般不能算作是可靠的知識點。例如拆分圖書得到的章節(jié)片斷，其內(nèi)容一般與前后章節(jié)存在上下文關(guān)聯(lián)，因而不能直接作為一個獨立的知識點存在，需要從中進行提煉，而有些內(nèi)容并不包含任何知識點。另外，一些圖書的插圖及描述也可以作為獨立的知識點存在。因此，需要對結(jié)構(gòu)化數(shù)據(jù)進行知識加工與標(biāo)引并形成知識。知識加工模塊業(yè)務(wù)架構(gòu)如圖3所示。

知識發(fā)現(xiàn)指從結(jié)構(gòu)化內(nèi)容資源中根據(jù)預(yù)置的規(guī)則和算法自動抽取出知識點的過程，規(guī)則和算法都是為了實現(xiàn)自動提取這個動作。

發(fā)現(xiàn)規(guī)則指系統(tǒng)預(yù)置的用于提取知識點的規(guī)則。對于不同類型、不同領(lǐng)域、不同載體的內(nèi)容資源，提取規(guī)則可能存在根本性不同。本系統(tǒng)中，發(fā)布規(guī)則模塊采用組件模塊方式實現(xiàn)，通過接口向外部提供規(guī)則調(diào)用服務(wù)。這種設(shè)計思路方便基于接口進行復(fù)雜規(guī)則的擴展。

系統(tǒng)預(yù)置一些常用規(guī)則如下：

（1）末級章節(jié)規(guī)則。將圖書、期刊等結(jié)構(gòu)化后的最深章節(jié)提取出來作為知識點。這種規(guī)則是目前應(yīng)用最廣泛的規(guī)則，適用于詞典、論文集、科技期刊等專業(yè)出版領(lǐng)域常見的出版物類型。

（2）圖表提取規(guī)則。將結(jié)構(gòu)化后得到的圖表、屬性及其文字說明提取出來作為知識點。適用于人物、地點、事件等專業(yè)知識。

（3）位置模板提取規(guī)則。制定針對文本內(nèi)容的位置模板，例如第一段或者某些固定的詞語之后。數(shù)學(xué)中的“公理”之后一般緊跟著該公理的描述。通過這樣的規(guī)則就可以提取到某些固定格式的知識點。

（4）摘要提取規(guī)則。通過語義分析技術(shù)[5]及數(shù)據(jù)挖掘技術(shù)[5]，可以從大段文本中提取出摘要信息作為知識點。

發(fā)現(xiàn)算法指將發(fā)布規(guī)則、內(nèi)容資源按照一定的邏輯進行處理。每種算法都可以集成多個發(fā)現(xiàn)規(guī)則，例如將圖書拆分的末級章節(jié)提取摘要后作為知識點，其中就集成了末級章節(jié)規(guī)則和摘要提取規(guī)則。也可以對多條內(nèi)容資源進行一個知識點的提取，例如多個章節(jié)描述了一個知識點的多個屬性，則可以直接將其內(nèi)容資源合并之后進行提取。

知識標(biāo)引是將待標(biāo)引的知識納入到知識體系網(wǎng)絡(luò)內(nèi)，將其與知識體系關(guān)聯(lián)。不同的知識體系對應(yīng)有不同的標(biāo)引方法，包括分類標(biāo)引、主題詞標(biāo)引以及知識本體標(biāo)引。由于知識標(biāo)引的數(shù)據(jù)量龐大，因而一般采用自動標(biāo)注結(jié)合人工干預(yù)的方式來實現(xiàn)。以主題詞標(biāo)引為例，進行標(biāo)引分類后，基于分類進行主題詞標(biāo)引會更加簡單，自動化標(biāo)引結(jié)果也會更加準(zhǔn)確。主題詞標(biāo)引也分為手動標(biāo)引、自動標(biāo)引結(jié)合人工修正兩種方式。

（1）手動標(biāo)引。先標(biāo)引分類，然后點擊該分類，在主題詞區(qū)域顯示出該分類下所有的主題詞列表，選擇一個或多個主題詞后，點擊“確定”，則知識和選中的主題詞之間建立了關(guān)聯(lián)關(guān)系。選擇主題詞也可以通過檢索主題詞表來實現(xiàn)。

（2）自動標(biāo)引+人工修正。當(dāng)知識進入待標(biāo)引知識庫后，系統(tǒng)自動調(diào)用自動化標(biāo)引工具，將知識內(nèi)容作為參數(shù)傳入工具，工具經(jīng)過處理后返回推薦的主題詞。自動標(biāo)引后的知識將進入待審核狀態(tài)，專業(yè)人員可以點擊審核按鈕，進行審核，如果確認(rèn)標(biāo)引錯誤，可以進行人工調(diào)整，方法等同于手動標(biāo)引。

自動化標(biāo)引工具是實現(xiàn)知識自動化標(biāo)引的載體，通過提供接口來集成到系統(tǒng)中。該工具提供的功能也可以通過接口描述來體現(xiàn)，在本系統(tǒng)中包括知識體系同步接口、自動化標(biāo)引接口以及反饋修正信息接口。知識體系同步接口將分類體系、主題詞表及本體導(dǎo)入并同步更新。自動化標(biāo)引接口提取內(nèi)容文本特征和關(guān)鍵詞頻率，綜合內(nèi)容特征和關(guān)鍵詞頻率并對照知識組織方案規(guī)則實現(xiàn)內(nèi)容自動分類和知識點標(biāo)引?？刹捎萌缦聝?nèi)容特征方式實現(xiàn)自動化分類標(biāo)引：

（1）基于元數(shù)據(jù)屬性特征。在進行資源加工時，對于每個資源都會標(biāo)引比較多的元數(shù)據(jù)，包括標(biāo)題、作者、關(guān)鍵詞、來源等?？梢酝ㄟ^這些標(biāo)引的元數(shù)據(jù)屬性特征實現(xiàn)內(nèi)容自動分類和知識點標(biāo)引，例如相同來源的、相同作者的、關(guān)鍵詞相同的。

（2）基于文本內(nèi)容特征。首先，對已經(jīng)入庫的文本內(nèi)容提取其關(guān)鍵詞作為其特征向量；然后，在獲取到用戶錄入的檢索內(nèi)容時，自動提取該內(nèi)容的關(guān)鍵詞作為特征向量，在自動標(biāo)引時，查詢與其特征向量最接近的知識主題分類、主題詞表等作為其標(biāo)引項。

（3）基于知識體系。在構(gòu)建知識體系時，會構(gòu)建知識體系之間的關(guān)聯(lián)關(guān)系，作為知識體系下的內(nèi)容會自動繼承這種關(guān)聯(lián)關(guān)系，在獲取到一個資源時，將相關(guān)知識分類下的資源作為該資源的標(biāo)引項。通過這種方式建立的關(guān)聯(lián)關(guān)系，知識的相關(guān)性程度比較高。

反饋修正信息接口主要用于機器學(xué)習(xí)方面。自動化標(biāo)引結(jié)果存在一定的誤差與謬誤概率，需要人工修正。對于錯誤標(biāo)引的處理結(jié)果，需要通過反饋修正信息接口將其反饋給自動化標(biāo)引服務(wù)，自動化標(biāo)引服務(wù)會據(jù)此對標(biāo)引算法進行自我完善，進一步提高自動化標(biāo)引的準(zhǔn)確率?？梢允褂秘撁鏄?biāo)引清單的方法來實現(xiàn)，將錯誤的知識提取放入負面標(biāo)引清單，同時在服務(wù)內(nèi)置的知識關(guān)聯(lián)表中，降低知識所標(biāo)引的錯誤主題詞和正確主題詞之間的關(guān)聯(lián)度。這樣，下次進行知識標(biāo)引時，同時出現(xiàn)錯誤主題詞和正確主題詞的概率就會降低，再結(jié)合其它正確主題詞，便可提高自動化標(biāo)引的正確率。

對標(biāo)引完成后的知識，需要專業(yè)數(shù)據(jù)人員介入，結(jié)合系統(tǒng)自動化功能，對知識進行再次驗證、校對處理，保證知識化加工和標(biāo)引的準(zhǔn)確性與規(guī)范性。

2.5 知識管理與發(fā)布

知識資源庫[1]是基于內(nèi)容資源庫而構(gòu)建的，專為知識服務(wù)和知識內(nèi)容產(chǎn)品化抽取整合的帶有知識特征的知識化內(nèi)容資源庫，是具備知識服務(wù)目標(biāo)屬性的內(nèi)容資源庫。基于內(nèi)容資源庫可以創(chuàng)建多個知識庫，知識庫自身特征決定了知識庫和知識體系具有密不可分的關(guān)系。知識庫創(chuàng)建時除了設(shè)置庫的名稱、庫碼、領(lǐng)域、類別等基本屬性外，也需要選擇一個或多個知識體系或其分支以建立關(guān)系。

在系統(tǒng)數(shù)據(jù)結(jié)構(gòu)設(shè)計上，知識庫和知識體系并沒有相互的從屬關(guān)系。從理論上講，一個知識體系或其分支可以屬于多個知識庫，一個知識庫也可以擁有多個知識體系或分支。然而從實際使用的角度看，建議一個領(lǐng)域的知識體系對應(yīng)一個領(lǐng)域的知識庫，這樣結(jié)構(gòu)完整，也便于使用。

內(nèi)容資源經(jīng)過知識化加工后，形成知識，經(jīng)過加工系統(tǒng)中的流程審查后，最終進入知識庫，知識在加工系統(tǒng)中，會被標(biāo)注到某些知識體系下，因而在知識入庫時，會自動進入知識體系關(guān)聯(lián)的知識庫內(nèi)。知識庫可以整體發(fā)布以供知識服務(wù)系統(tǒng)來導(dǎo)入使用，這樣可以將知識庫構(gòu)建和知識服務(wù)分離開來，實現(xiàn)知識庫的多元渠道發(fā)布應(yīng)用。

知識庫導(dǎo)出支持多種格式，如在線導(dǎo)出、鏡像導(dǎo)出和U盤導(dǎo)出等。使用在線導(dǎo)出時，知識庫中被抽取的內(nèi)容通過網(wǎng)絡(luò)傳輸?shù)竭\營平臺，自動更新也在線上完成，具有時效性。若運營平臺用戶由于某些原因無法連接網(wǎng)絡(luò)，也可通過鏡像導(dǎo)出或U盤導(dǎo)出獲取知識資源，在這兩種導(dǎo)出方式中，自動更新需借助人工手動完成。

2.6 知識服務(wù)

知識服務(wù)最主要的功能之一是提供檢索，其它功能，例如知識推薦、知識問答等實質(zhì)上都是檢索功能的多種應(yīng)用方式。知識服務(wù)提供的檢索功能包括簡單檢索、高級組合檢索、二次檢索、相似檢索、跨庫統(tǒng)一檢索以及語義檢索等。其中，語義檢索是體現(xiàn)知識服務(wù)最優(yōu)秀能力的功能之一。

對用戶提問的知識點進行語義檢索，包括3步：①從知識圖譜中遍歷查詢知識點；②根據(jù)預(yù)置的路徑算法獲取該知識點關(guān)聯(lián)的其它知識點，默認(rèn)算法是獲取該知識點的相鄰知識點及其之間的關(guān)系；③從資源關(guān)聯(lián)裝置中獲取該知識點及其關(guān)聯(lián)知識點關(guān)聯(lián)的知識條目。

以“小兒腹瀉“為例，調(diào)用知識圖譜管理裝置提供的接口，在圖數(shù)據(jù)庫中使用圖遍歷方式查詢該知識點。獲取該知識點相鄰的知識點及相互間的關(guān)系，如圖4所示。

獲取“小兒腹瀉“知識點以及相鄰知識點下的關(guān)聯(lián)知識條目。獲取到資源后，生成解決方案，一個解決方法有多個方面的組成單元，每一個方面的組成單元都有相應(yīng)的資料。生成方案需要根據(jù)檢索得到的信息按照兩級關(guān)聯(lián)進行整合，第一級是知識點之間的關(guān)系，第二級是知識點與知識條目之間的關(guān)系及權(quán)重。例如“小兒腹瀉”有兩種關(guān)聯(lián)的治療方法，則將此兩種方法合并到治療這個方案組成單位下，然后針對每一個治療方法再選擇權(quán)重值最高的關(guān)聯(lián)知識條目作為治療單元下該治療方法子單元的資料。方案展示裝置用于展示解決方案，包括解決方案展示區(qū)和知識圖譜展示區(qū)兩部分。

3 結(jié)語

本文根據(jù)出版社目前資源搜集及數(shù)字化轉(zhuǎn)型現(xiàn)狀，提出了一套可用的專業(yè)出版領(lǐng)域的知識體系構(gòu)建系統(tǒng)，并且針對不同出版社的知識體系構(gòu)建情況，形成了分類體系、主題詞表以及領(lǐng)域本體3個層級的知識管理及服務(wù)解決方案。本文描述的系統(tǒng)包括資源采集與管理、知識加工與標(biāo)引、知識管理與發(fā)布以及知識應(yīng)用，并對關(guān)鍵的知識加工及知識應(yīng)用環(huán)節(jié)進行了詳細介紹，以盡可能滿足專業(yè)出版單位需求。

參考文獻：

[1]王勝海，沈英.網(wǎng)絡(luò)智能知識服務(wù)系統(tǒng)設(shè)計[J].現(xiàn)代圖書情報技術(shù)，2002（1）：29-31.

[2]秦長江，侯漢青.知識圖譜—信息管理與知識管理的新領(lǐng)域[J].大學(xué)圖書館學(xué)報，2009（1）：30-37.

[3]丁蔚.從信息管理到知識管理[J].情報學(xué)報，2000，19（2） 124-129.

[4]魏瑞斌.機構(gòu)知識圖譜的構(gòu)建及其應(yīng)用[M].北京：科學(xué)出版社，2015.

[5]梁永霞.引文分析學(xué)知識圖譜[M].大連：大連理工大學(xué)出版社，2012.

（責(zé)任編輯：孫 娟）