面向大数据的图书馆单元信息知识服务系统研究——以养生知识服务平台为例

[目的]为了实现海量数据中信息的知识组织,促进单元信息和文献信息内容的知识关联和知识发现,构建单元信息知识组织体系;[方法]以养生领域内的领域本体、文献信息等知识资源为基础,构建养生单元信息知识服务系统;[结果/结论]"养生单元信息知识服务系统"（以下简称"养生知识服务平台"）是单元信息知识组织体系建设的重要应用示范,提供语义检索、知识浏览、知识推理和知识发现等服务,实现大数据环境下"单元信息知识组织体系"的有效利用;[局限]文献资源的单元信息抽取及分析涉及人工智能、计算机处理等相关技术,技术实现有较大难度。     

网络学术文档细粒度关联与聚合的信息组织机制研究

[目的/意义] 随着人们对检索文档之间关联关系的理解越来越多样化和细粒度化,检索文档内信息单元间关联关系的构建显得越来越重要。本研究旨在以学术文档内信息单元间关联关系为基础,构建文档的细粒度聚合与关联机制。[方法/过程] 本研究从跨体裁聚合单元知识体系所蕴涵的各类关联关系出发,从信息组在的角度阐述支持情景和语义关联的细粒度聚合理论框架、知识组织系统构建和聚合单元元数据标注等关键问题,并提出聚合机制。[结果/结论] 研究认为构建蕴含聚合单元语义关系、学科领域语义关系、任务和文本关系的本体,采用可反应聚合单元层级与关联关系的聚合单元元数据,是细粒度聚合机制发挥效用的关键。     

科学论文内的科学数据组织和发现研究

[目的/意义] 科学论文中的图、表等科学数据（文内数据）蕴含有丰富的知识内容。基于细粒度语义组织的文内数据发现有效聚合文献、科学数据两类科研产出,为未来实现全领域、全维度、全粒度、全类型的深度知识发现奠定基础。[方法/过程] 梳理、对比、分析现有3类文内数据的发现模式,尝试构建面向细粒度内容描述的文内数据本体,揭示文内数据的显性特征、内容特征以及与其他类型科学产出的关联特征。[结果/结论] 从面向应用的角度,提出基于本体的文内数据知识发现技术框架,细化"信息抽取—语义标注—关联应用"技术路线,针对关键点技术进行讨论。文内数据本体为科学论文内科学数据提供语义描述和关联组织依据,人工标注结合机器学习自动标注可以解决文内数据部分特征发现问题。     

多源自媒体资源知识组织模型构建研究

[目的/意义]多源自媒体资源已成为获取信息的重要途径,其多源异构特性使有效知识组织面临挑战。鉴于当前缺乏统一的媒体资源元数据标准,本研究通过文本化、知识元抽取和语义关联等技术路径,旨在构建和实现针对多源自媒体资源的知识组织模型。[方法/过程]研究首先复用和自定义DC元数据,构建多源自媒体资源的元数据描述框架,并据此构建多源自媒体资源本体和语义网络。借助计算机算法实现多源自媒体资源的文本构建标准化,使知识组织研究可以深入到多源自媒体资源的具体内容中。此外,还实现了多源自媒体资源的命名实体、关键词和知识摘要的抽取,并设计了语义关联实验,以上研究都以B站、抖音、知乎等平台数据为基础。[结果/结论]通过算法在多源自媒体资源和给定虚拟馆藏资源进行关联,达成了虚拟馆藏资源到多源自媒体资源的语义关联映射,旨在发掘多源自媒体资源的多元价值,为图书馆的知识服务提供新思路。     

学术文献内容知识元语义描述模型研究

【目的/意义】解决人类知识资源利用的办法是将知识的控制单位由“文献”深化到“知识元”，这被认为是图 书情报学研究取得突破的关键问题。【方法/过程】我们在分析知识元本质、形态的基础上，提出了知识元的语义结 构由知识项、知识资源和属性函数三部分构成。在此基础上我们从内容表达层、语义关联层和文献载体层三个维 度构建了知识元的语义模型，对模型各个要素进行了规范化说明，并给出了语义标注实例。【结果/结论】研究表明， 该模型具有层次性，结构较为合理，语义效果显著，有利于语义揭示深入到知识单元，为细粒度的知识组织与发现 提供了新的视角。     

面向多模态医疗健康数据的知识组织模式研究

[目的/意义]随着网络化和数字化的快速发展，线上线下医疗健康活动产生了海量多模态数据，当前迫切需要一种更为完善的知识组织方法，对类型繁多、专业性强的医疗健康多模态数据进行序化和组织。[方法/过程]首先对多模态数据进行预处理以构建多模态医疗健康数据集；接着基于实体对齐和关系抽取实现医疗健康数据的知识单元抽取，并通过知识评估和融合构建多模态知识单元；然后在多模态知识单元和知识图谱基础上提出一种面向多模态医疗健康数据的知识组织模式；最后以文本和图像模态数据为例，以医疗健康问答系统为实践应用进行分析和验证。[结果/结论]针对多模态医疗健康数据的内在特性，基于多模态知识图谱和语义知识组织框架，提出一种面向多模态医疗健康数据的知识组织模式。本研究推进了多模态知识组织的理论深度，可为医疗健康领域知识序化、精准知识服务和深度知识发现提供有效支撑。     

知识产权公共服务数据语义组织模式研究

[目的/意义]为知识产权数据资源的有效治理和运用提供支撑解决方案，推进知识产权领域数字化发展和信息公共服务体系升级。[方法/过程]基于对现有知识产权公共服务平台的系统调研，剖析当前知识产权公共服务数据资源的组织与利用现状；在对数据基本构成及场景支撑进行分析的基础上，进一步明确知识产权公共服务数据的语义组织内涵及其实现路径，并通过实例展示其应用效果。[结果/结论]面向公共服务场景设计从原始数据集到语义增强数据集的语义组织框架，归纳实现知识产权公共服务数据语义组织的关键技术及实践原则，形成支撑多服务场景的细粒度数据语义组织与应用模式。     

知识图谱技术在专利语义检索领域的应用研究

[目的/意义]知识图谱作为近年来大数据、人工智能技术飞速发展背景下出现的知识探索、推理发现的新兴技术,对专利检索新业务形态开展,提升业务效率减轻人工负担有着广阔的应用前景。[方法/过程]通过对知识图谱构建流程、技术架构与专利文献业务特点分析结合,对知识图谱语义模型在低质量专利检索和可视化等场景应用进行了探讨。[结果/结论]知识图谱在专利检索场景中适用性较强,相关技术环境/工具成熟,同时其垂直领域多知识体系特点,其语义模型构建还需要高质量文献和专家进行协助和迭代。     

基于关联数据的科学数据与期刊论文互联机制研究

[目的/意义]科学数据与期刊论文的互联有助于科学数据的共享和重用,利用关联数据技术实现中文领域科学数据与期刊论文的互联,以促进科学数据和期刊论文的双向知识发现。[方法/过程]首先,分析科学数据和期刊论文中的关联属性和国家科学数据元数据标准,抽取相关元数据,通过命名实体丰富元数据中的隐含信息;其次,在复用本体的基础上形成描述科学数据与期刊论文互联的语义模型,并利用ORCID等属性关联外部数据集,丰富科学数据实体属性;最后,通过Web前端页面的方式直观地展现科学数据和期刊论文的关联,以促进知识发现。[结果/结论]以国家农业科学数据中心的科学数据集和中国知网农业工程领域的期刊论文为实例数据,通过关联数据的语义描述实现科学数据和期刊论文的多维度、深层次互联,帮助用户更加便捷地发现潜在相关资源和检索目标数据。     

基于本体的公共危机事件情景模型研究

[目的/意义]基于本体的公共危机事件情景模型研究旨在给应急决策者创造熟悉的环境和场景,引导和支撑应急决策者适应和了解当前态势,进行有针对性的决策行动。[方法/过程]从知识管理的角度提出了支持政府危机决策的情景构建体系,运用本体论的思想与方法构建了危机事件情景模型,并对其特征及应用价值进行了具体分析。[结果/结论]研究表明,基于本体的公共危机事件情景模型以危机情景为描述对象,以本体作为知识组织体系的描述手段,以情景知识元素作为语义单元,以语义知识网络作为情景表现形式,具有语义分析能力和推理能力,能够有效支持政府危机预警、监测、指挥、评估等管理系统。     

基于语义感知的英文文献自动标引概念遴选方法

[目的/意义]资源数字化时代文献服务向知识服务方向转变,高质量的文献自动标引是文献知识服务能力提升的基础和关键,针对目前英文科技文献自动标引准确率不高的问题,提出了基于语义感知的概念遴选优化方法。[方法/过程]基于知识组织系统的自动主题标引,采用自然语言处理中的神经网络词向量技术,对概念和英文文献内容语义进行表示并进行语义感知与评估,实现概念标引结果在语义层面的遴选。该方法采用基于知识组织系统与自然语言处理技术相结合的方法,弥补了在语义层面上的不足,从而进一步降低不相关概念的影响,提高概念标引结果的准确率。[结果/结论]实验结果表明,该方法具有较好的语义感知性能,在概念遴选上有效降低了不相关概念,大大提高了标引结果的文献相关性,为科技文献资源知识化服务建设和相关研究提供有价值的参考和支持。     

知识图谱构建中的语义标准问题研究

[目的/意义]随着知识图谱在互联网领域中的成功应用,使得知识图谱的应用迅速向垂直领域传播与扩散,越来越得到垂直领域的重视。我国各个领域经历了40多年的信息化建设,导致了一大批阻碍信息共享的"信息孤岛",其根本原因是领域没有给予标准化足够的重视。无独有偶,40年后的今天,领域又一次无法回避知识表示中的标准化难题!目前知识图谱构建主要关注点在于知识图谱的构建技术,却很少考虑知识图谱构建中的语义标准化问题。[方法/过程]文章在对国内外语义知识标准化相关内容研究的基础上,提出了领域知识图谱构建中应当遵循的五层标准体系模型,该模型融合了国内外领域相关的元数据与本体标准,揭示出知识图谱构建中以元数据标准为核心的重要思想,指导领域选择标准词汇的方法,使得领域所构建的知识图谱实现标准化,从而为知识的共享与互操作奠定基础。[结果/结论]在石油术语知识图谱构建过程以该标准体系模型作指导,实现了石油术语知识图谱标准构建,从而验证了标准体系模型的合理性与正确性,文中提出的观点和标准体系模型具有创新性。     

基于本体的单元信息知识库构建研究

构建单元信息知识库,可以实现对单元信息的有效揭示、组织与利用,为实现精粹服务的需求提供知识保障。本文引入本体提出了单元信息知识库的构建方法,设计了知识库的总体结构,构建了单元信息本体,阐述了数据建设的过程,并以"养生领域"为例实现了知识库的构建。本文所构建的基于本体的单元信息知识库能够较好地组织、存储和利用单元信息,提供知识检索和知识发现服务,实现从海量数据中有效获取有价值信息的需求。     

面向中文科技文献非结构化摘要的知识元表示与抽取研究——基于知识元本体理论

[目的/意义]近年来,科技文献资源呈爆炸性增长,海量科技文献中依旧存在大量非结构化摘要。非结构化摘要一方面不利于学者阅读与理解;另一方面不利于对摘要内部信息进行知识的自动化抽取和相应的检索。研究科技文献非结构化摘要的知识表示模型及其自动化抽取方法,对学者快速阅读和机器自动化处理具有重要意义。[方法/过程]文章在分析科技文献非结构化摘要结构的基础上,结合知识元本体理论,构建了一个面向科技文献非结构化摘要的知识元本体模型。通过分析非结构化摘要的写作特征,将文本按句子级划分为目的、方法、结果或结论三个要素,统计每个要素句中的线索词、句型和位置,建立相关规则库,根据本体模型和规则库构建相关抽取算法。最后,下载《计算机技术与发展》中的部分文献进行实验。[结果/结论]通过增加句型集和线索词集,完善了非结构化摘要的要素,构建了非结构化摘要知识元本体模型。实验结果表明,根据本文提出的模型能有效地对非结构化摘要中的知识元进行抽取。[局限]实验的不足之处是需要人工对摘要中的句型和线索词进行归纳总结。     

基于知识基因表达的智慧文献服务模式研究

[目的/意义]时间在延续,知识在传递,学术在创新。数据环境下,从细粒度视角对文献内容进行探析,旨在帮助科研人员在信息浪潮中准确、高效、智能地获取有用信息。[方法/过程]文章以知识基因作为文献组织节点,在知识基因遗传与变异的特征基础上提出了基于知识基因表达的智慧文献服务模式,对未来智慧文献服务从智慧文献检索、智能文献挖掘以及智慧文献推送三方面提出了创新思考。[结果/结论]从仿生学角度提出知识基因视角下的文献细粒度表达方式为未来智慧文献服务提供了新方案,智慧学术溯源、文本智慧生成以及文献智慧推送三种代表性智慧文献服务应用将对推动智慧文献服务发展起到积极作用。     

融合情境的智慧图书馆移动视觉搜索服务研究

[目的/意义] 移动视觉搜索是智慧图书馆知识服务创新的重要内容。移动环境下,根据动态变化的情境推断用户意图,为用户提供合适的资源是智慧型知识服务的必然要求。[方法/过程] 在分析融合情境的智慧图书馆移动视觉搜索服务模型构建动因的基础上,归纳模型的内在特征,对模型体系框架和关键问题进行了设计和论述,并提出相应的技术要点。[结果/结论] 将情境计算应用于移动视觉搜索服务中,是弥补语义鸿沟、提高查询相关度和用户满意度的有效途径。该研究可为智慧图书馆个性化知识服务的优化提供参考。     

科学论文语义标注框架的设计与应用

[目的/意义]文章的研究目的是探索科学论文的语义标注模式以满足科研人员快速获取细粒度科学知识的需求。[方法/过程]结合已有的概念模型,提出了一个聚焦于描述科学论文论证过程的语义标注框架,并利用该框架对一篇认知心理学科学论文进行了语义标注实验以验证其有效性。[结果/结论]以上述科学论文为例,利用该框架对其物理结构、论证过程、科学结论和实验过程进行了语义标注,以此构建细粒度的语义出版物,并在此基础上实现了对科学论文的细粒度内容的检索。[局限]如何对科学论文中的图片、表格和数据集进行语义标注,需要进一步研究。     

基于知识图谱的网络社区学术资源深度聚合框架研究

[目的/意义]探索基于知识图谱的网络社区学术资源深度聚合的理论和方法,为网络学术社区知识细粒度组织、知识服务实践提供思路引导和新视角。[方法/过程]首先梳理了知识图谱和学术资源聚合的研究进展,从价值需求主体的角度剖析网络社区学术资源聚合的应用价值;然后明确网络社区学术知识图谱的构建流程,构建出基于知识图谱的网络社区学术资源深度聚合框架,并介绍知识富关联关系提取方法;最后设计个体用户画像、语义智能检索、分面式导航三种应用模式。[结果/结论]知识图谱能够较好地应用于学术资源深度聚合,支持网络社区的高级知识服务应用,基于知识图谱的网络社区学术资源深度聚合框架对学术类网络社区平台优化资源配置、有效知识创新服务具有重要参考价值。     

基于游记主题挖掘与表达的旅游信息推荐研究

[目的/意义]针对在线旅游平台,提出一种挖掘游记主题标签,以代表性游记以及其中相关内容进行旅游信息推荐的新策略。[方法/过程]在利用文本挖掘技术,构建LDA主题模型,形成游记文本主题标签的基础上,通过游记代表度算法,筛选出针对相应标签的高描述度与高忠诚度游记进行旅游信息推荐,以客观表达文本聚类结果以及主题词之间的语义关系,并以蚂蜂窝旅游网中的"杭州游记"为例,加以验证。[结果/结论]结果表明,这种方式能挖掘出旅游者在历史旅游经历中真实的旅游热点及重点信息需求,针对高相似度游记的识别与聚类具有良好效果,对旅游信息细粒度推荐具有指导意义与实践意义。