基于團(tuán)隊科研—知識應(yīng)用情境匹配的數(shù)字圖書館知識推薦方法研究*

張 亮 任亞茹 李夢茹 張 磊

(青島大學(xué)商學(xué)院 青島 266100)

0 引 言

大數(shù)據(jù)時代的到來使數(shù)字圖書館知識快速增長，知識過載現(xiàn)象愈發(fā)嚴(yán)峻。單純依據(jù)用戶檢索詞與資源關(guān)鍵詞匹配的搜索方式難以實現(xiàn)理想的知識服務(wù)效果[1]。數(shù)字圖書館的知識推薦系統(tǒng)能夠分析和預(yù)測用戶的需求并向其推薦相應(yīng)的知識，成為科研工作者開展學(xué)術(shù)研究的有效工具[2]。

本文關(guān)注的重要問題是：當(dāng)科研工作以團(tuán)隊合作方式開展時，科研團(tuán)隊和個人的哪些情境信息會對其知識需求產(chǎn)生影響？如何將這些知識需求與數(shù)字圖書館的知識應(yīng)用情境相匹配，從而實現(xiàn)知識推薦？對此，綜合考慮團(tuán)隊科研情境與數(shù)字圖書館的知識應(yīng)用情境，提出一種基于團(tuán)隊科研—知識應(yīng)用情境匹配的數(shù)字圖書館知識推薦算法TKCM(Team-Knowledge Context Matching)。

1 相關(guān)研究

1.1情境與情境感知在以團(tuán)隊攻關(guān)和團(tuán)隊協(xié)作為特征的“大科學(xué)”時代，科研人員的知識需求是高度個性化、專業(yè)化、復(fù)雜和易變的，具有極強(qiáng)的情境敏感性。情境 (Context) 是指任何可以用來描述實體情形特征的信息，實體可以是人、位置或與用戶和應(yīng)用交互相關(guān)的物理的或虛擬的對象[5]。情境可以分為用戶、用戶社會環(huán)境、任務(wù)、位置、基礎(chǔ)設(shè)施、物理條件和時間七個類別[6]。Chen等將情境定義為計算情境、用戶情境、物理情境和時間[7]。數(shù)字圖書館服務(wù)于科研情境，具體的情境信息一般包括學(xué)科領(lǐng)域、科研背景、科研環(huán)境、人員等要素[8]。本文關(guān)注團(tuán)隊合作下的科研情境，同時考慮科研團(tuán)隊組織層面和科研人員個體層面的情境信息。情境信息可以通過傳感器、互聯(lián)網(wǎng)和射頻識別等智能終端設(shè)備獲取、處理和分析，這一過程被稱為情境感知[9]。通過情境感知實時獲取情境信息，能夠快速跟蹤用戶需求和偏好的變化[4]；不但可以有效地提高信息系統(tǒng)整體性能，還能實現(xiàn)用戶個性化需求的精準(zhǔn)挖掘，提升系統(tǒng)服務(wù)的用戶體驗[10]。對知識服務(wù)系統(tǒng)而言，情境感知技術(shù)能夠感知用戶及其群體的多種情境，將“被動滿足”轉(zhuǎn)換為“主動服務(wù)”，滿足用戶全過程的實時知識需求[11]。在數(shù)字圖書館領(lǐng)域，情境感知技術(shù)開始被用于獲取用戶的情境信息，包括位置情境、基本信息情境、社會網(wǎng)絡(luò)情境等，極大地提高了用戶信息需求模型的即時性和實用性[12]。

1.2考慮科研情境的數(shù)字圖書館知識推薦一些研究者將科研情境引入數(shù)字圖書館知識推薦系統(tǒng)，開展了科研情境識別和情境模型構(gòu)建的研究。數(shù)字圖書館知識服務(wù)的情境要素一般包括資源情境、用戶情境和知識情境等維度[13]。面向數(shù)字圖書館的個性化服務(wù)情境感知體系，可分為傳感器接入層、數(shù)據(jù)處理層、個性化推薦層和應(yīng)用層等若干層次[14]；相應(yīng)的服務(wù)流程則包括情境信息獲取、情境信息整合、個性化語義匹配等具體步驟[15]。

研究者提出了多種面向科研情境的數(shù)字圖書館知識推薦算法。這些算法可根據(jù)情境信息的應(yīng)用方式分為三類：第一類是利用情境信息對推薦系統(tǒng)結(jié)果列表做二次篩選。在協(xié)同過濾算法預(yù)測的項目評分基礎(chǔ)上，曾子明和陳貝貝利用情境條件熵計算各情境屬性的權(quán)重，以及用戶在不同情境下對項目的加權(quán)評分，產(chǎn)生推薦列表[16]；程秀峰等將樸素貝葉斯與情境感知相結(jié)合，首先進(jìn)行基于屬性加權(quán)貝葉斯的協(xié)同推薦，然后計算情境屬性對推薦資源的影響，調(diào)整協(xié)同推薦的評分列表[17]。第二類是將情境信息作為系統(tǒng)推薦的項目，實現(xiàn)情境推薦。對數(shù)字圖書館知識推薦問題，劉海鷗等利用情境相似度計算，獲取與用戶當(dāng)前情境近似的情境集合的“用戶-資源”二維評分模型，基于用戶的協(xié)同過濾產(chǎn)生推薦列表[18]；田雪筠將情境信息融入內(nèi)容推薦中，計算用戶當(dāng)前情境與歷史情境相似度，得到相似情境下用戶對資源的興趣度排名[19]。第三類是將情境信息融入推薦模型產(chǎn)生新的推薦算法。李浩君等通過自定義規(guī)則與情境的語義信息匹配，實現(xiàn)信息推薦[20]；洪亮等利用情境信息挖掘用戶群體間的共同興趣，通過共同興趣的關(guān)聯(lián)和協(xié)同構(gòu)建信息推薦模型[21]。

2 情境模型構(gòu)建

情境建模是對情境具體、詳細(xì)的描述。本文提出的情境模型由兩部分組成，分別是作為知識服務(wù)提供者的數(shù)字圖書館的知識應(yīng)用情境和作為知識服務(wù)使用者的團(tuán)隊科研情境。

2.1數(shù)字圖書館知識應(yīng)用情境模型在數(shù)字圖書館中，知識通常是應(yīng)用于教育、科普、科研等特定情境中的，用戶獲取、學(xué)習(xí)和使用知識的具體背景和環(huán)境稱為知識應(yīng)用情境。數(shù)字圖書館的知識應(yīng)用情境既表征了知識本身同外界對象、環(huán)境、事件之間的關(guān)聯(lián)關(guān)系[13]，又體現(xiàn)了數(shù)字圖書館面向用戶組織和管理知識的模式[22]。建立數(shù)字圖書館知識應(yīng)用情境模型，是數(shù)字圖書館面向用戶提供個性化知識服務(wù)的基礎(chǔ)。

在作為知識服務(wù)提供者的數(shù)字圖書館視角下，本文將知識應(yīng)用情境模型定義為三部分：知識服務(wù)對象、知識服務(wù)過程及知識服務(wù)任務(wù)。其中，知識服務(wù)對象即知識的使用者，包括個人或團(tuán)隊的教育背景、科研經(jīng)驗、知識結(jié)構(gòu)等基本信息。知識服務(wù)過程是知識應(yīng)用生命周期中的一系列環(huán)節(jié)，包括知識需求識別，館藏資源分析，知識組織和推薦、再生知識產(chǎn)生和存儲等。知識服務(wù)任務(wù)是根據(jù)用戶知識需求完成的具體工作，包括文獻(xiàn)查新、知識查詢、引文檢索、大數(shù)據(jù)分析、科研和出版服務(wù)等。

除知識應(yīng)用情境外，知識載體情境和知識內(nèi)容情境也是數(shù)字圖書館知識情境的組成部分。知識的載體是其依附的媒介，包括載體類別、位置信息、訪問和存取方式等。知識的內(nèi)容是指能夠概括和表達(dá)知識本身的情境信息，包括摘要、關(guān)鍵字和概括性描述等。

創(chuàng)新型人才要具備合理的創(chuàng)新知識結(jié)構(gòu)。合理的知識結(jié)構(gòu)是提升創(chuàng)新思維能力的基礎(chǔ)，沒有扎實合理的基礎(chǔ)知識、專業(yè)知識和創(chuàng)新知識的儲備,創(chuàng)新就成了無源之水、無本之木，積累的知識越豐富，思維就越開闊，越易激發(fā)創(chuàng)新潛能；創(chuàng)新型人才要具備熟練的創(chuàng)新操作技能，缺少熟練的創(chuàng)新技能,即使產(chǎn)生了靈感,由于缺少橫向縱向聯(lián)系,最終仍是曇花一現(xiàn)。知識經(jīng)濟(jì)時代，信息科學(xué)技術(shù)的迅猛發(fā)展，要求創(chuàng)新型人才要具備獲取并篩選信息，發(fā)現(xiàn)并創(chuàng)造性地解決問題，敢于質(zhì)疑并求新求變，獨立思考和自主判斷的自主創(chuàng)新思維和學(xué)習(xí)能力，強(qiáng)烈的創(chuàng)新欲望，高度的責(zé)任感，堅韌不拔、敢“闖”敢“試”的進(jìn)取精神。

2.2團(tuán)隊科研情境模型科研情境用來描述科研人員在從事科研活動過程中所處狀態(tài)的特征信息，一般包括科研人員的基本信息、科研經(jīng)驗、教育背景及與應(yīng)用之間的交互等[7]。當(dāng)科研工作者以團(tuán)隊協(xié)作的方式科研攻關(guān)時，影響其知識需求的情境因素既包括科研人員本身的情境，還包括其所屬科研團(tuán)隊的情境。為了實現(xiàn)用戶知識需求的精準(zhǔn)挖掘，團(tuán)隊科研情境本體模型的構(gòu)建必須同時考慮科研團(tuán)隊和科研人員所處狀態(tài)的各種情境要素。在團(tuán)隊層面，科研過程一般可包括知識積累、形成課題、進(jìn)行實驗、數(shù)據(jù)分析、成果形成發(fā)布、成果保存6個階段[23]。在以上不同的科研階段中，科研團(tuán)隊完成科研任務(wù)時，不同科研團(tuán)隊對知識的需求存在差異，同一科研團(tuán)隊在不同的科研階段和科研任務(wù)下對知識的需求也不同。故可通過確定科研團(tuán)隊、科研過程和科研任務(wù)三個方面的情境信息來確定一個科研團(tuán)隊當(dāng)前狀態(tài)下的知識需求，由此將科研團(tuán)隊情境分為團(tuán)隊信息情境、科研過程情境和科研任務(wù)情境三類。在科研團(tuán)隊中，每個科研人員承擔(dān)著不同的子科研任務(wù)。在個體層面上，科研人員情境可分為個人信息情境和子科研任務(wù)情境。科研團(tuán)隊的整體情境如圖1所示，各科研要素分屬不同科研情境類別并共同描述團(tuán)隊中一個科研人員的所處狀態(tài)。

圖1 團(tuán)隊科研情境模型

3 團(tuán)隊科研—知識應(yīng)用情境匹配推薦方法

在情境模型構(gòu)建的基礎(chǔ)上，將團(tuán)隊科研情境與數(shù)字圖書館知識應(yīng)用情境加以匹配，設(shè)計提出了數(shù)字圖書館知識推薦方法TKCM，使推薦的知識能夠契合科研團(tuán)隊的實際情境。

TKCM方法包括獲取情境信息、獲取知識備選集、獲取鄰居用戶集和生成推薦列表四個步驟。第一步，利用情境感知技術(shù)獲取數(shù)字圖書館知識應(yīng)用情境和團(tuán)隊科研情境。第二步，基于余弦相似度，將數(shù)字圖書館知識應(yīng)用情境與科研人員的當(dāng)前情境加以匹配，篩選出情境相似度較高的知識作為備選集。第三步，將其他科研人員的團(tuán)隊科研情境與當(dāng)前科研人員的情境加以匹配，篩選出情境相似度較高的科研人員作為鄰居用戶集。鄰居用戶與當(dāng)前科研人員的情境相似度越高，其偏好的影響力越大。第四步，根據(jù)鄰居用戶集中科研人員的偏好，計算備選集中每條知識的綜合偏好評分，生成推薦列表。TKCM推薦方法的流程如圖2所示。

圖2 TKCM推薦方法流程圖

3.1獲取情境信息通過情境感知技術(shù)獲取數(shù)字圖書館知識應(yīng)用情境和團(tuán)隊科研情境，包括情境信息采集和情境信息處理兩個步驟。情境信息采集[24]可主要通過兩種方式：(1)數(shù)字圖書館服務(wù)記錄：通過科研人員在數(shù)字圖書館的注冊信息，以及搜索引擎使用記錄等，獲取個人信息和知識請求信息等。(2)科研人員情境監(jiān)測：通過傳感器，射頻識別，全球定位系統(tǒng)，語音識別等技術(shù)，準(zhǔn)確獲取科研人員日常生活中的位置信息，工作環(huán)境，語音信息等，并將這些信息傳遞到數(shù)字圖書館數(shù)據(jù)庫中。然后，剔除情境中的冗余信息，將剩余情境信息分別集成到數(shù)字圖書館知識應(yīng)用情境模型和團(tuán)隊科研情境模型中。

3.2獲取知識備選集定義五元組C=(T,P,A,R,S)表示情境模型的數(shù)據(jù)結(jié)構(gòu)，其中T(team)表示團(tuán)隊科研信息，P(process)表示科研過程，A(alltask) 表示科研任務(wù)R(researcher)表示科研人員信息，S(subtask)表示子科研任務(wù)。則數(shù)字圖書館知識應(yīng)用情境模型的數(shù)據(jù)結(jié)構(gòu)為CL=(TL,PL,AL,RL,SL)，團(tuán)隊科研情境模型的數(shù)據(jù)結(jié)構(gòu)為CM=(TM,PM,AM,RM,SM)。將數(shù)字圖書館知識應(yīng)用和團(tuán)隊科研的五類情境分別歸一化為多維空間上的情境向量，進(jìn)一步比較它們的相似度。

首先，通過BP神經(jīng)網(wǎng)絡(luò)獲得數(shù)字圖書館知識應(yīng)用情境和團(tuán)隊科研情境向量。該過程分為兩步，第一步，根據(jù)通過情境感知技術(shù)獲取到的情境信息，構(gòu)建科研情境庫，通過輸入科研情境庫中的原始數(shù)據(jù)，經(jīng)過多次迭代，進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練。第二步，訓(xùn)練完成后，給定數(shù)字圖書館知識i的歷史應(yīng)用情境要素和科研人員j的情境要素，即可獲取兩者的情境類別k與庫中各情境類別的接近程度最大值，即lik，mjk，則i的歷史應(yīng)用情境向量li和j的團(tuán)隊科研情境向量mj分別表示為：

n個科研人員的團(tuán)隊科研情境和數(shù)字圖書館知識應(yīng)用情境可分別表示為矩陣L和矩陣M：

(1)

(2)

其次，計算當(dāng)前科研人員a的團(tuán)隊科研情境ma與數(shù)字圖書館知識i的應(yīng)用情境li的相似度，相似度可表示為其向量夾角的余弦：

(3)

定義Ma={j|Sim(ma,li)>α}為科研人員a的知識備選集，其中α表示li與ma的相似度閾值，0<α<1，當(dāng)Sim(ma,li)大于α?xí)r，將數(shù)字圖書館知識i放入知識備選集，設(shè)知識備選集中知識個數(shù)為t。

3.3獲取鄰居用戶集推薦系統(tǒng)的基本思想是向活躍用戶推薦與其相似的用戶偏好的項目。本文假設(shè)在所屬團(tuán)隊、研究方向、科研任務(wù)等團(tuán)隊科研情境方面相似的科研人員具有相似的知識需求[25-26]?？梢酝ㄟ^科研人員間的情境相似度來判斷他們知識需求的相似度，即科研人員之間的情境相似度越高，其知識需求的相似度越高。

科研人員j的團(tuán)隊科研情境mj與當(dāng)前科研人員a的團(tuán)隊科研情境ma的情境相似度可表示為各自情境信息向量的余弦：

(4)

定義Na={j|Sim(ma,mj)>β}(0<β<1)為科研人員a的鄰居用戶集，其中β表示mj與ma的相似度閾值，當(dāng)Sim(ma,mj)大于β時，將科研人員j放入鄰居用戶集，設(shè)鄰居用戶集中科研人員個數(shù)為n。

3.4生成推薦列表通過情境感知技術(shù)可獲取科研人員對知識的偏好，包括訪問、引用、收藏等行為數(shù)據(jù)。設(shè)Pij表示鄰居用戶集中科研人員j對備選集中知識i的偏好程度。通過加權(quán)平均可獲得知識i的推薦評分，計算公式為：

(5)

然后，將每條知識的推薦評分按從高到低的順序排序，得到推薦列表。

4 應(yīng)用案例

為驗證TCKM推薦算法的知識推薦的效果，從國內(nèi)10所高校數(shù)字圖書館官方網(wǎng)站上采集了知識應(yīng)用信息和用戶信息，在用戶信息中隨機(jī)選擇100個科研團(tuán)隊，及這些團(tuán)隊中的620名科研人員，作為分析TCKM推薦算法應(yīng)用案例的樣本，隨機(jī)選取某科研團(tuán)隊中的一名科研人員進(jìn)行推薦算法研究，如針對科研團(tuán)隊T01中的科研人員 R01進(jìn)行知識推送。

4.1獲取情境信息通過情境感知技術(shù)獲取數(shù)字圖書館知識應(yīng)用情境以及科研人員R01當(dāng)前的團(tuán)隊科研情境，如表1所示。

表1 科研人員 R01 當(dāng)前的情境信息

4.2生成知識備選集根據(jù)公式(1)～公式(3)計算知識應(yīng)用情境與科研人員a的團(tuán)隊科研情境的相似度，將相似度較高的知識作為備選集，部分如表2所示。

表2 科研人員R01的知識備選集

4.3生成鄰居用戶集根據(jù)公式(1)、(2)、(4)，通過計算科研人員R01的科研情境與其他科研人員的科研情境的相似度，篩選出相似度高的科研人員列表，部分結(jié)果如表3所示。

4.4生成推薦列表運用情境感知技術(shù)獲取表3中各鄰居用戶對表2中各知識的感興趣程度，根據(jù)公式(5)計算得到以上六條知識的最終得分，最終結(jié)果如表4 所示。

表3 科研人員R01的鄰居用戶集

表4 知識推薦列表

由表4可見，為科研人員R01知識推薦排序為K92，K46，K58，K67，K19。推薦的知識兼顧了T01在數(shù)字圖書館知識推薦領(lǐng)域的團(tuán)隊科研情境，以及R01在數(shù)字圖書館知識推薦算法研究方向上的個體科研情境?？梢钥闯?，TKCM推薦算法能夠精準(zhǔn)挖掘出團(tuán)隊科研情境下科研人員的知識需求。

5 結(jié) 語

本文運用情境感知技術(shù)構(gòu)建了數(shù)字圖書館知識應(yīng)用情境與團(tuán)隊科研情境模型，提出了基于團(tuán)隊科研—知識應(yīng)用情境的數(shù)字圖書館知識推薦方法TKCM，為面向科研情境的數(shù)字圖書館知識服務(wù)相關(guān)研究提供了新思路。本文的主要貢獻(xiàn)包括：根據(jù)數(shù)字圖書館知識應(yīng)用情境實現(xiàn)知識的主動推薦，提升了數(shù)字圖書館的知識服務(wù)質(zhì)量；強(qiáng)調(diào)數(shù)字圖書館知識服務(wù)應(yīng)面向團(tuán)隊科研情境，融合團(tuán)隊情境與科研人員個體情境，能夠滿足團(tuán)隊科研與個人的知識需求。本文的不足之處是主要對數(shù)字圖書館知識的應(yīng)用情境展開研究，而對知識的內(nèi)容本身，以及承載知識的載體等的情境信息研究缺乏深入，如何綜合利用數(shù)字圖書館知識的全部情境信息，以完成更加精準(zhǔn)的推薦，將是下一步研究的重點。