宋艷輝 邱均平

摘要：[目的/意義]在當(dāng)今數(shù)字網(wǎng)絡(luò)、知識(shí)經(jīng)濟(jì)和大數(shù)據(jù)背景下，“五計(jì)學(xué)”學(xué)科群表現(xiàn)出一些新的發(fā)展特征和發(fā)展趨勢(shì)，“五計(jì)學(xué)”領(lǐng)域出現(xiàn)了新現(xiàn)象和新問(wèn)題，需要采用新思維和新方法來(lái)研究和解決“五計(jì)學(xué)”研究成果，整合“五計(jì)學(xué)”研究方法，為“五計(jì)學(xué)”的融合發(fā)展指明方向。[方法/過(guò)程]本文運(yùn)用內(nèi)容分析法與歸納演繹法對(duì)相關(guān)研究進(jìn)行分析。[結(jié)果/結(jié)論]嘗試性地提出了6種“五計(jì)學(xué)”知識(shí)融合實(shí)現(xiàn)模式：基于語(yǔ)義規(guī)則的知識(shí)融合，基于貝葉斯網(wǎng)絡(luò)的知識(shí)融合，基于D-S理論的知識(shí)融合，基于知識(shí)挖掘的知識(shí)融合，面向網(wǎng)格環(huán)境的知識(shí)融合以及面向近似知識(shí)的知識(shí)融合;提出了2種“五計(jì)學(xué)”知識(shí)融合過(guò)程控制手段分別是知識(shí)融合評(píng)價(jià)和知識(shí)融合系統(tǒng)。

關(guān)鍵詞：五計(jì)學(xué);知識(shí)融合;語(yǔ)義網(wǎng)絡(luò)

DOI：10.3969/j.issn.1008-0821.2019.02.001

〔中圖分類(lèi)號(hào)〕G250252〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2019）02-0004-04

“五計(jì)學(xué)”是以“文獻(xiàn)計(jì)量學(xué)”為起點(diǎn)的。1969年，學(xué)術(shù)文獻(xiàn)中相繼出現(xiàn)了兩個(gè)類(lèi)似的英文術(shù)語(yǔ)：Bibliometrics（譯為文獻(xiàn)計(jì)量學(xué)）和Scientometrics（由俄文轉(zhuǎn)譯成英文），譯為科學(xué)計(jì)量學(xué)。隨著社會(huì)的進(jìn)步和科學(xué)技術(shù)的發(fā)展，人類(lèi)社會(huì)先后出現(xiàn)了信息化、網(wǎng)絡(luò)化、知識(shí)化的新趨勢(shì)。這些新的社會(huì)環(huán)境和技術(shù)條件的變化，深深地影響著計(jì)量學(xué)科的發(fā)展，于是“信息計(jì)量學(xué)”、“網(wǎng)絡(luò)計(jì)量學(xué)”和“知識(shí)計(jì)量學(xué)”便相繼應(yīng)運(yùn)而生?！拔逵?jì)學(xué)”的誕生和發(fā)展不僅具有科學(xué)意義，更是量化分析方法的主要來(lái)源。目前，我國(guó)人文社會(huì)科學(xué)創(chuàng)新主要有方法創(chuàng)新、理論創(chuàng)新（學(xué)術(shù)觀點(diǎn)）和學(xué)科創(chuàng)新（分支學(xué)科）。而“五計(jì)學(xué)”的融合，特別是方法融合更有利于科學(xué)研究的方法創(chuàng)新，大大提高“五計(jì)學(xué)”的應(yīng)用價(jià)值和方法論意義，從而有力地促進(jìn)整個(gè)人文社會(huì)科學(xué)的快速和健康發(fā)展。知識(shí)融合，是從知識(shí)整體的角度，依據(jù)一定的目的需要、理念設(shè)計(jì)，把不同實(shí)踐要素按照合理的活動(dòng)程序、配置比例，將各種知識(shí)片斷或分散的對(duì)象元素或單元再建構(gòu)，使之具有可以發(fā)揮功能的總體性能。知識(shí)融合對(duì)于更新組織的知識(shí)非常關(guān)鍵，其體系結(jié)構(gòu)是一個(gè)開(kāi)放式結(jié)構(gòu)，與外界存在廣泛的交流和接觸。知識(shí)融合有著多種類(lèi)型、多種層次、多種方式，并有著與創(chuàng)新規(guī)律一致的融合機(jī)制，可以分為形式融合、分類(lèi)融合、立體融合和用途融合等。知識(shí)融合是知識(shí)管理的一個(gè)重要環(huán)節(jié)，融合把各部分的功能組合成一種新的功能，把各部分的效用結(jié)合成一種新的效用，通過(guò)融合產(chǎn)生了系統(tǒng)創(chuàng)新的功效。

1相關(guān)研究

2010年，劉則淵等提出了“SIBW”計(jì)量學(xué)科群[1]。2015年6月，在第九屆全國(guó)科學(xué)計(jì)量學(xué)與科教評(píng)價(jià)研討會(huì)上作了題為“我國(guó)“五計(jì)學(xué)”的進(jìn)展與趨勢(shì)”的大會(huì)報(bào)告，再一次詳細(xì)論述了“五計(jì)學(xué)”問(wèn)題，得到與會(huì)學(xué)者的普遍認(rèn)同。2015年，侯劍華等提出了“泛知識(shí)計(jì)量學(xué)科群”[2]。2017年10月，第十六屆國(guó)際科學(xué)計(jì)量學(xué)和信息計(jì)量學(xué)研討會(huì)（16thISSI）和第十屆全國(guó)科學(xué)計(jì)量學(xué)與科教評(píng)價(jià)研討會(huì)都將“五計(jì)學(xué)”研究作為大會(huì)的重要議題。武漢大學(xué)研究團(tuán)隊(duì)先后出版了“五計(jì)學(xué)”研究系列叢書(shū)[3-7]。

楊小華等認(rèn)為，隨著信息化、網(wǎng)絡(luò)化和知識(shí)化的推進(jìn)，“五計(jì)學(xué)”相互融通，呈現(xiàn)出“計(jì)量學(xué)”學(xué)科群相互促進(jìn)、共同發(fā)展的態(tài)勢(shì)[8]?！拔逵?jì)學(xué)”之間在研究對(duì)象、研究?jī)?nèi)容、研究方法、數(shù)據(jù)來(lái)源、計(jì)量指標(biāo)等方面呈現(xiàn)出交叉關(guān)聯(lián)、互為引用、相互融合的發(fā)展特征和趨勢(shì)[9]。計(jì)量學(xué)科在“五計(jì)學(xué)”的基礎(chǔ)上，形成了泛知識(shí)計(jì)量學(xué)科群，具有明顯的交叉性和協(xié)同性，表現(xiàn)為以基礎(chǔ)理論、研究對(duì)象和研究方法與工具等為核心要素的協(xié)同演進(jìn)。

2“五計(jì)學(xué)”知識(shí)融合實(shí)現(xiàn)模式

2.1基于語(yǔ)義規(guī)則的知識(shí)融合

基于語(yǔ)義規(guī)則的“五計(jì)學(xué)”知識(shí)融合能實(shí)現(xiàn)深入的信息集成，提供更加集成的答案，對(duì)知識(shí)源數(shù)量較多的情況以及對(duì)時(shí)間較為敏感的任務(wù)來(lái)說(shuō)，尤其彰顯價(jià)值。知識(shí)與信息的主要區(qū)別之一，在于知識(shí)具備推理屬性，構(gòu)建本體是實(shí)現(xiàn)知識(shí)推理的重要手段，因此，基于語(yǔ)義規(guī)則實(shí)現(xiàn)知識(shí)融合可以成為“五計(jì)學(xué)”融合的主要實(shí)現(xiàn)模式。

第一種做法是建立語(yǔ)義規(guī)則，實(shí)現(xiàn)知識(shí)融合?？梢蚤_(kāi)發(fā)一種基于語(yǔ)義規(guī)則的融合算法，將知識(shí)映射到本體庫(kù)，并轉(zhuǎn)換成元知識(shí)集，本體和元知識(shí)集共同構(gòu)成知識(shí)對(duì)象。為了融合知識(shí)對(duì)象，接著正式地描述了一組比較規(guī)則，來(lái)明確融合條件，同時(shí)通過(guò)結(jié)構(gòu)格式和語(yǔ)義規(guī)則過(guò)濾知識(shí)對(duì)象，能夠?qū)崿F(xiàn)：①將知識(shí)對(duì)象分成不同粒度層級(jí);②指導(dǎo)融合過(guò)程，以規(guī)避不合邏輯的結(jié)果。例如，Xie等人[10]就曾針對(duì)網(wǎng)絡(luò)信息中的農(nóng)業(yè)知識(shí)，研究了基于語(yǔ)義規(guī)則的農(nóng)業(yè)知識(shí)融合，不僅涉及通過(guò)鏈接向用戶(hù)傳遞結(jié)果信息，還涉及通過(guò)解決結(jié)果一致性、去除重復(fù)項(xiàng)等方法融合來(lái)自農(nóng)業(yè)信息資源的知識(shí)，并實(shí)際設(shè)計(jì)了基于知識(shí)融合的信息獲取界面。

第二種做法是結(jié)合圖論與本體，實(shí)現(xiàn)知識(shí)融合。既有關(guān)系圖，也有主題圖，進(jìn)而實(shí)現(xiàn)語(yǔ)義可視化。

第三種做法是基于知識(shí)空間理論的新型知識(shí)融合方法，將知識(shí)空間中的對(duì)象結(jié)點(diǎn)，在不同粒度的結(jié)構(gòu)中表示，每個(gè)知識(shí)對(duì)象有相應(yīng)的本體對(duì)象和元知識(shí)集，知識(shí)對(duì)象之間的距離由結(jié)構(gòu)和語(yǔ)義關(guān)系來(lái)定量化。這種知識(shí)聚類(lèi)方法調(diào)整了空間結(jié)構(gòu)，能夠提高知識(shí)搜索的策略，優(yōu)化知識(shí)融合過(guò)程。

2.2基于貝葉斯網(wǎng)絡(luò)的知識(shí)融合

綜合貝葉斯網(wǎng)絡(luò)（Bayesian Networks，BNs）是實(shí)現(xiàn)“五計(jì)學(xué)”知識(shí)融合中非常有潛力的技術(shù)。筆者認(rèn)為，一個(gè)有效的貝葉斯網(wǎng)絡(luò)綜合方法不應(yīng)在底層貝葉斯網(wǎng)絡(luò)上添加任何特別的約束條件，以便該方法可以應(yīng)用于這5種知識(shí)工程情境?？偟膩?lái)說(shuō)，可靠的貝葉斯網(wǎng)絡(luò)綜合知識(shí)融合方法，應(yīng)當(dāng)滿(mǎn)足3個(gè)基本標(biāo)準(zhǔn)，即避免循環(huán)、保持貝葉斯結(jié)構(gòu)條件的獨(dú)立性和保留個(gè)體貝葉斯參數(shù)的特征。為了實(shí)現(xiàn)多個(gè)貝葉斯知識(shí)源的融合，解決在不確定環(huán)境下的“五計(jì)學(xué)”知識(shí)融合問(wèn)題，可以將概率模型表示成貝葉斯知識(shí)基礎(chǔ)，并提出貝葉斯知識(shí)融合的算法，該算法允許將多個(gè)貝葉斯知識(shí)基礎(chǔ)融合成單個(gè)貝葉斯知識(shí)基礎(chǔ)，同時(shí)保留所有輸入源中的知識(shí)。這就實(shí)現(xiàn)了通過(guò)提供一個(gè)框架，對(duì)多個(gè)知識(shí)源進(jìn)行簡(jiǎn)易聚合和逆向聚合，同時(shí)框架中的所有意見(jiàn)都得到保留和推理?？梢赃M(jìn)一步設(shè)計(jì)和開(kāi)發(fā)的新型貝葉斯組合方法，主要關(guān)注兩個(gè)方面：①用于組織貝葉斯網(wǎng)絡(luò)的基因算法，不對(duì)底層貝葉斯網(wǎng)絡(luò)施加任何特別的約束條件;②一種有效方法保持貝葉斯結(jié)構(gòu)條件獨(dú)立性和保留個(gè)體貝葉斯參數(shù)特征。

2.3基于D-S理論的知識(shí)融合

D-S（Dempster-Shafer）證據(jù)組合理論作為融合方法，首先構(gòu)建不同觀測(cè)結(jié)果的信任函數(shù)，利用Dempster證據(jù)組合規(guī)則將之組合，再根據(jù)一定的規(guī)則對(duì)組合后的信任函數(shù)進(jìn)行判斷，最終實(shí)現(xiàn)融合和決策選擇。在許多應(yīng)用情境中，有大量的知識(shí)需要融合，例如，涉及計(jì)量數(shù)據(jù)樣本的理論與方法等，基于D-S理論的知識(shí)融合就有了用武之地，其包含了研究了3個(gè)組合規(guī)則，即原始的D-S規(guī)則、墨菲規(guī)則和基于非精確狄利克雷模型的規(guī)則，D-S規(guī)則和墨菲規(guī)則有匯聚行為，這種匯聚行為并不與新需求相一致。當(dāng)許多計(jì)量理論與方法被融合的時(shí)候，只有基于非精確狄利克雷模型的規(guī)則呈現(xiàn)出了所需求的行為，所以基于非精確狄利克雷模型的規(guī)則，具備用于合作知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘或者生物計(jì)算領(lǐng)域的潛力。

2.4基于知識(shí)挖掘的知識(shí)融合

近十年來(lái)，知識(shí)挖掘技術(shù)得到長(zhǎng)足發(fā)展，能夠從數(shù)據(jù)中抽取分類(lèi)模型，但是結(jié)果通常不是非常直觀，或者缺少對(duì)于領(lǐng)域?qū)＜襾?lái)說(shuō)符合邏輯的模式。具體實(shí)現(xiàn)如下：通過(guò)擴(kuò)展蟻群挖掘分類(lèi)技術(shù)來(lái)包含領(lǐng)域知識(shí)，通過(guò)改變環(huán)境和影響啟發(fā)值，分別將蟻群搜索限制和引導(dǎo)向?qū)＜艺J(rèn)為符合邏輯的、直觀的解空間區(qū)域，從而實(shí)現(xiàn)“五計(jì)學(xué)”的知識(shí)融合。因此，基于知識(shí)挖掘的“五計(jì)學(xué)”知識(shí)融合，較為適用于非專(zhuān)家知識(shí)與專(zhuān)家知識(shí)的融合。

2.5面向網(wǎng)格環(huán)境的知識(shí)融合

以往網(wǎng)絡(luò)關(guān)注信息的交流，現(xiàn)在網(wǎng)絡(luò)開(kāi)始強(qiáng)調(diào)知識(shí)重用，以形成大型分布式知識(shí)基礎(chǔ)。語(yǔ)義網(wǎng)格將信息和服務(wù)進(jìn)行了良好定義，擴(kuò)展了現(xiàn)有網(wǎng)格來(lái)支持軟件代理、用戶(hù)和項(xiàng)目合作。在上述過(guò)程中，要將各種計(jì)量知識(shí)源有效地組合，來(lái)輔助研究者進(jìn)行高效推理或者促進(jìn)研究者合作，“五計(jì)學(xué)”知識(shí)融合在網(wǎng)格環(huán)境中的應(yīng)用因而受到重視。

2.6面向近似知識(shí)的知識(shí)融合

針對(duì)各種計(jì)量知識(shí)資源中的近似知識(shí)，集中精力定義知識(shí)融合的整體機(jī)制，繼而開(kāi)發(fā)了有利于保障融合知識(shí)的技術(shù)，融合的知識(shí)可被表達(dá)成命題動(dòng)態(tài)邏輯的Horn子集。另一方面，命題邏輯可視為第一順序邏輯的子集，第一順序邏輯是在描述性邏輯精神（Spirit of Description Logics）中定義概念的天然工具，其定義的概念可以進(jìn)一步用于定義各種本體，例如那些在語(yǔ)義網(wǎng)中可用的本體。使用模糊集和關(guān)系的一般式，研究分布異構(gòu)信息源中知識(shí)的融合，該一般式依賴(lài)任意相似關(guān)系的存在。在多代理系統(tǒng)中引入了知識(shí)融合框架，代理的個(gè)體感知能力由相似關(guān)系表示，再進(jìn)一步聚合形成團(tuán)隊(duì)的聯(lián)合能力，該聚合已經(jīng)通過(guò)動(dòng)態(tài)邏輯被正規(guī)化，允許從個(gè)體層次向社會(huì)層次轉(zhuǎn)移。建立了基于規(guī)則的分層結(jié)構(gòu)，在提出的框架中，將動(dòng)態(tài)邏輯的Horn子集與推理數(shù)據(jù)庫(kù)技術(shù)結(jié)合，獲得的知識(shí)融合規(guī)則在現(xiàn)實(shí)數(shù)據(jù)中成功地得到應(yīng)用。

3“五計(jì)學(xué)”知識(shí)融合的過(guò)程控制

3.1知識(shí)融合評(píng)價(jià)

“五計(jì)學(xué)”知識(shí)融合的評(píng)價(jià)機(jī)制有利于更好的發(fā)現(xiàn)潛在知識(shí)，融合知識(shí)的語(yǔ)義相關(guān)性和準(zhǔn)確性也能得到提高，所以應(yīng)更加重視知識(shí)融合的評(píng)價(jià)問(wèn)題。為了控制融合知識(shí)的規(guī)模，以及避免非邏輯的知識(shí)，可以構(gòu)建具備屬性值的融合知識(shí)測(cè)度，為知識(shí)融合算法提供指導(dǎo)：首先，分析知識(shí)元素與基于本體的語(yǔ)義相關(guān)性之間的關(guān)系強(qiáng)度;然后，利用最大熵值模型定義和分析了融合知識(shí)（Fusion-knowledge）的語(yǔ)義熵。在此基礎(chǔ)上，通過(guò)融合知識(shí)測(cè)度構(gòu)建了加速適應(yīng)度方程，通過(guò)提高人群選擇和基因操作將基因仿真退火算法應(yīng)用到知識(shí)融合。根據(jù)知識(shí)熵平衡方程的分析，基于信息擴(kuò)散理論的評(píng)價(jià)機(jī)制被用來(lái)提高融合知識(shí)的準(zhǔn)確度。筆者認(rèn)為，“五計(jì)學(xué)”知識(shí)融合的過(guò)程需要評(píng)價(jià)、反饋和控制，以提高融合的效率。針對(duì)融合進(jìn)行的評(píng)價(jià)研究，有助于用戶(hù)選取最合適的融合算法和融合步驟。

3.2知識(shí)融合系統(tǒng)研究

在知識(shí)融合實(shí)現(xiàn)模式和知識(shí)融合評(píng)價(jià)的研究基礎(chǔ)上，需要設(shè)計(jì)和開(kāi)發(fā)實(shí)際的知識(shí)融合系統(tǒng)，一方面檢驗(yàn)提出的融合算法和評(píng)價(jià)方法;另一方面為投入實(shí)際應(yīng)用奠定基礎(chǔ)?？偟膩?lái)說(shuō)，知識(shí)融合系統(tǒng)的開(kāi)發(fā)，在技術(shù)架構(gòu)和設(shè)計(jì)細(xì)節(jié)上，知識(shí)融合研究者需要逐漸認(rèn)識(shí)到，需要根據(jù)應(yīng)用需求，在通用知識(shí)融合系統(tǒng)基礎(chǔ)上，進(jìn)行個(gè)性化定制，來(lái)實(shí)現(xiàn)多層次、個(gè)性化、創(chuàng)新性的知識(shí)服務(wù)。知識(shí)融合系統(tǒng)應(yīng)用問(wèn)題解決方法技術(shù)（Problem-solving Methods Technology），允許綜合面向融合過(guò)程子任務(wù)的方法，也允許選擇最佳的方法，這取決于領(lǐng)域以及任務(wù)的具體內(nèi)容。系統(tǒng)應(yīng)為一種自適應(yīng)知識(shí)融合系統(tǒng)，展示具有反饋和自適應(yīng)機(jī)制的知識(shí)融合方法，所提出的反饋機(jī)制基于知識(shí)空間和應(yīng)用服務(wù)之間的消息交流，還能評(píng)價(jià)融合結(jié)果和優(yōu)化融合過(guò)程以適應(yīng)需求。

4結(jié)語(yǔ)

本文從兩個(gè)方面探討我國(guó)“五計(jì)學(xué)”的知識(shí)融合發(fā)展問(wèn)題，一是“五計(jì)學(xué)”知識(shí)融合實(shí)現(xiàn)模式;二是“五計(jì)學(xué)”知識(shí)融合的過(guò)程控制。最后，筆者認(rèn)為，隨著大數(shù)據(jù)時(shí)代的到來(lái)，大數(shù)據(jù)環(huán)境下“五計(jì)學(xué)”的知識(shí)融合，還需要重點(diǎn)解決大數(shù)據(jù)分析問(wèn)題?！拔逵?jì)學(xué)”側(cè)重于對(duì)不同的計(jì)量對(duì)象，不同的文獻(xiàn)、信息、知識(shí)、數(shù)據(jù)類(lèi)型的整合與分析。唯有做到這一點(diǎn)，注重量化分析的“五計(jì)學(xué)”才能達(dá)到本質(zhì)上的融合。因此，需要我們針對(duì)大數(shù)據(jù)時(shí)代面向5種知識(shí)源的知識(shí)融合過(guò)程模型進(jìn)行詳細(xì)分析與設(shè)計(jì)，針對(duì)典型的大數(shù)據(jù)知識(shí)源，進(jìn)行知識(shí)融合實(shí)現(xiàn)模式的設(shè)計(jì)，為大數(shù)據(jù)時(shí)代“五計(jì)學(xué)”知識(shí)融合的實(shí)現(xiàn)提供解決方案。擬解決的主要問(wèn)題包括：①大數(shù)據(jù)知識(shí)融合過(guò)程模型的構(gòu)建。結(jié)合大數(shù)據(jù)的特點(diǎn)和知識(shí)源類(lèi)型，設(shè)計(jì)大數(shù)據(jù)知識(shí)融合的流程步驟，分析各功能模塊之間的關(guān)系及所需的關(guān)鍵技術(shù)，探討融合知識(shí)服務(wù)的應(yīng)用模式及實(shí)現(xiàn)方案，定義大數(shù)據(jù)知識(shí)融合過(guò)程模型。②基于分布式知識(shí)庫(kù)的大數(shù)據(jù)知識(shí)融合實(shí)現(xiàn)模式設(shè)計(jì)。分析大數(shù)據(jù)時(shí)代分布式知識(shí)庫(kù)的構(gòu)成特征和知識(shí)抽取方法，研究大數(shù)據(jù)時(shí)代元知識(shí)抽取和元知識(shí)庫(kù)構(gòu)建方法，設(shè)計(jì)知識(shí)融合算法和融合規(guī)則庫(kù)構(gòu)建過(guò)程，通過(guò)知識(shí)抽取、知識(shí)轉(zhuǎn)化、知識(shí)清理、知識(shí)集成，形成知識(shí)倉(cāng)庫(kù)，實(shí)現(xiàn)知識(shí)融合。③基于網(wǎng)絡(luò)知識(shí)源的大數(shù)據(jù)知識(shí)融合實(shí)現(xiàn)模式設(shè)計(jì)。分析大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)數(shù)據(jù)遷徙的途徑和方法，研究通過(guò)Web服務(wù)實(shí)現(xiàn)對(duì)異構(gòu)網(wǎng)絡(luò)知識(shí)源進(jìn)行知識(shí)發(fā)布、知識(shí)表示的過(guò)程和方法，研究大數(shù)據(jù)時(shí)代知識(shí)檢索和知識(shí)網(wǎng)絡(luò)構(gòu)建流程與方法。

參考文獻(xiàn)

[1]劉則淵，朱曉宇.國(guó)際科學(xué)計(jì)量學(xué)及其姊妹學(xué)科的計(jì)量與圖譜[C]//第七屆中國(guó)科技政策與管理學(xué)術(shù)年會(huì)論文集，南京：第七屆中國(guó)科技政策與管理學(xué)術(shù)年會(huì)，2011.

[2]侯劍華，都佳妮.泛知識(shí)計(jì)量學(xué)科協(xié)同演進(jìn)初探[J].情報(bào)科學(xué)，2015，33（7）：7-10.

[3]邱均平，等.知識(shí)計(jì)量學(xué)[M].北京：科學(xué)出版社，2014.

[4]邱均平，等.網(wǎng)絡(luò)計(jì)量學(xué)[M].北京：科學(xué)出版社，2010.

[5]邱均平，等.科學(xué)計(jì)量學(xué)[M].北京：科學(xué)出版社，2016.

[6]邱均平，等.信息計(jì)量學(xué)[M].武漢：武漢大學(xué)出版社，2007.

[7]邱均平.文獻(xiàn)計(jì)量學(xué)（第2版）[M].北京：科學(xué)出版社，2018.

[8]鐘積奎，楊小華.學(xué)習(xí)過(guò)程的知識(shí)轉(zhuǎn)化模式新探——以“文獻(xiàn)觀”學(xué)習(xí)過(guò)程為例[J].現(xiàn)代情報(bào)，2010，30（5）：28-33.

[9]趙蓉英，魏明坤.“五計(jì)學(xué)”在我國(guó)的發(fā)展演進(jìn)分析[J].現(xiàn)代情報(bào)，2017，37（6）：155-167.

[10]Xie Nengfu，Wang Wensheng，Yang Xiaorong，et al.Rule-based Agricultural Knowledge Fusion in Web Information Integration[J].Sensor Letters，2012，10（1）：635-638.

（責(zé)任編輯：馬卓）