試論大數(shù)據(jù)環(huán)境下信息檢索技術(shù)在數(shù)字圖書館中的應(yīng)用

劉燕

【摘 要】 大數(shù)據(jù)環(huán)境下，信息檢索技術(shù)在圖書館信息檢索方面的重要性越來越大?；趦?nèi)容的信息檢索技術(shù)相比于傳統(tǒng)的信息檢索、全文檢索而言，具有效率高、精準(zhǔn)度高的優(yōu)點，但是在面對未來信息檢索更加精確化的要求時也顯得力不從心。大數(shù)據(jù)技術(shù)實現(xiàn)了用戶獨特化、定期更新性、自我學(xué)習(xí)性相結(jié)合，實現(xiàn)大數(shù)據(jù)和人工智能的完美結(jié)合，是未來信息檢索技術(shù)發(fā)展的方向。

【關(guān)鍵詞】 大數(shù)據(jù)環(huán)境；信息檢索技術(shù)；數(shù)字圖書館

數(shù)字圖書館的信息檢索技術(shù)，是圖書館發(fā)揮信息服務(wù)功能的核心部分，數(shù)字圖書館的易用性很大程度上取決于信息檢索系統(tǒng)設(shè)計是否科學(xué)、合理。據(jù)專家考證，18世紀(jì)以前，知識更新速度為80至90年翻一番，20世紀(jì)90年代以來，知識更新加速到3至5年翻一番。近50年來人類社會所創(chuàng)造的知識比過去3000年的總和還要多，知識總量呈幾何級數(shù)增長。這些信息都是以數(shù)據(jù)的形式分布于飛速發(fā)展的因特網(wǎng)，而因特網(wǎng)中的數(shù)字圖書館則是信息儲存的主要基地，這就使得如何在龐雜浩繁的信息資源中找到用戶想要的信息，最大限度地在科學(xué)性、合理性的前提下進行信息檢索服務(wù)，成為必須面對且急待解決的問題，即基于大數(shù)據(jù)環(huán)境下，數(shù)字圖書館信息檢索技術(shù)的研究問題。目前關(guān)于數(shù)字圖書館的研究和信息檢索研究都已經(jīng)比較完備，但是針對如何在大數(shù)據(jù)環(huán)境下，滿足數(shù)字圖書館用戶的多樣需求的信息檢索技術(shù)的研究并不多，這也是現(xiàn)代數(shù)字圖書館發(fā)展急需解決的問題之一。

一、信息檢索技術(shù)的優(yōu)缺點對比

目前，從對數(shù)字圖書館的信息檢索技術(shù)研究成果來看，主要有三個時間段：傳統(tǒng)的信息檢索、全文檢索、基于內(nèi)容的信息檢索。這三種技術(shù)各有優(yōu)劣。

1、傳統(tǒng)的信息檢索技術(shù)優(yōu)缺點分析

信息檢索技術(shù)開始時基于對關(guān)鍵詞、概念知識的檢索，或者是僅僅針對一個個單字進行的檢索，主要按照關(guān)鍵字的方法進行匹配檢索。如果是針對單字、單詞進行檢索的話，能夠比較準(zhǔn)確地完成檢索需求；如果是需要根據(jù)內(nèi)容相關(guān)性進行檢索的話，檢索的結(jié)果誤差大、耗時長，基本上不能滿足用戶需求，而且檢索的適應(yīng)度非常差。如果是針對一個只有幾百本書的圖書館來說，這種檢索技術(shù)還勉強可用，但是絕對不能適應(yīng)現(xiàn)在動輒幾百萬本以上存儲量圖書館的檢索需求。

2、全文檢索技術(shù)優(yōu)缺點分析

一般來說，按照自由詞進行檢索的一種檢索方式就是所謂的全文檢索。全文檢索技術(shù)檢索的側(cè)重點和傳統(tǒng)檢索技術(shù)的側(cè)重點不同，它檢索的主要內(nèi)容不是對象的外在表征，而是對象表達的內(nèi)在信息。所以說，全文檢索技術(shù)克服了傳統(tǒng)檢索技術(shù)精度差、適應(yīng)度差的問題，使得用戶每次檢索的結(jié)果的匹配度都比較高，基本上能滿足用戶的需求。但是由于全文檢索技術(shù)內(nèi)在查詢機制的缺陷，導(dǎo)致在查詢過程中會出現(xiàn)效率低下，查詢的數(shù)據(jù)量太大，造成資源利用不合理，因而也越來越不能被用戶所認(rèn)可。

3、基于內(nèi)容的信息檢索技術(shù)（簡稱 CBR）優(yōu)缺點分析

CBR技術(shù)就是指綜合運用計算機模擬視覺技術(shù)、圖像分析處理技術(shù)、圖像智能理解技術(shù)、模式分析識別等學(xué)科中的一些方法作為部分基礎(chǔ)技術(shù)，從數(shù)據(jù)中提取特定的信息線索，然后根據(jù)這些線索從大量存儲在數(shù)據(jù)庫中的信息中進行查找，檢索出具有相識特征的內(nèi)容。從本質(zhì)來講，CBR技術(shù)只關(guān)心對用戶檢索信息的快速撲捉，并不會在分析用戶檢索信息的本身上下功夫。

也就是說，作為不以字和具體內(nèi)容為關(guān)注點的檢索技術(shù)，CBR技術(shù)的檢索特點就是基于特征的信息檢索技術(shù)。它能夠在用戶需求指引下，針對需要檢索的數(shù)據(jù)目標(biāo)進行分析處理，形成檢索目標(biāo)特征，然后根據(jù)這些特征在數(shù)據(jù)庫中進行近似匹配。因而相對于前兩種方法來說，檢索的效率和精準(zhǔn)度更高，更能滿足用戶的需求。但是，隨著人類知識基數(shù)的不斷增大，專業(yè)分工的細化，這種信息檢索技術(shù)在面對未來信息檢索更加精確化的要求時，顯得越來越力不從心。

二、大數(shù)據(jù)技術(shù)在數(shù)字圖書館信息檢索技術(shù)中的應(yīng)用

對于“大數(shù)據(jù)”（Big data），研究機構(gòu)Gartner給出了這樣的定義：大數(shù)據(jù)是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應(yīng)海量、高增長率和多樣化的信息資產(chǎn)。[1]

麥肯錫全球研究所給出的定義是：一種規(guī)模大到在獲取、存儲、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合，具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類型和價值密度低四大特征。[2]

從本質(zhì)上來講，大數(shù)據(jù)技術(shù)的目標(biāo)不是建立占有人類的知識海，而是面向知識海洋的龐大數(shù)據(jù)信息進行有目的的處理、利用和管理。顯然，大數(shù)據(jù)技術(shù)必然是和網(wǎng)絡(luò)技術(shù)、云計算以及人工智能技術(shù)密切相連的集成技術(shù)。也就是說，它是一種依靠網(wǎng)絡(luò)技術(shù)、人工智能技術(shù)和云計算，利用網(wǎng)絡(luò)上眾多硬件進行信息的高效利用、處理和管理。大數(shù)據(jù)必然無法用單臺的計算機進行處理，必須采用分布式架構(gòu)。它的特色在于對海量數(shù)據(jù)進行分布式數(shù)據(jù)挖掘。但它必須依托云計算的分布式處理、分布式數(shù)據(jù)庫和云存儲、虛擬化技術(shù)。[3]

隨著互聯(lián)網(wǎng)時代的到來，云計算、云存儲的不斷深入發(fā)展，人類的知識越來越被網(wǎng)絡(luò)連接在一起。那么，如何高效地發(fā)現(xiàn)和檢索出用戶需求的信息，快捷、精確地在知識海中捕獲被埋藏的數(shù)據(jù)，成為一個被關(guān)注的焦點。在這種需求之下，多種關(guān)于檢索技術(shù)的研究都在如火如荼地進行之中。隨著這些研究的深入進行，研究者們認(rèn)識到，如果最終能夠?qū)崿F(xiàn)大數(shù)據(jù)和人工智能技術(shù)的完美融合，這將使未來信息檢索技術(shù)更加智能化，也將使人類對于知識海洋的利用更加充分有效，對知識的管理更加智能化。建立于人工智能基礎(chǔ)上的大數(shù)據(jù)技術(shù)的研究，必然帶來其它各個學(xué)科的變革，從而有力地推動信息檢索技術(shù)的飛速發(fā)展。因而，大數(shù)據(jù)技術(shù)的應(yīng)用是對數(shù)字圖書館信息檢索技術(shù)的革命性推動，它充分利用人工智能技術(shù)，使數(shù)字圖書館的信息檢索服務(wù)更加人性化，檢索方式更加智能化，結(jié)果更加精確化，查詢顆粒更加模糊化。

三、大數(shù)據(jù)技術(shù)對數(shù)字圖書館信息檢索的影響

為了滿足數(shù)字圖書館的用戶信息檢索的多樣需求，大數(shù)據(jù)技術(shù)必須也必然會促進信息檢索技術(shù)的變革，而且這種變革會帶來諸多更適應(yīng)未來信息利用和管理的影響。

1、獨特用戶化

獨特用戶化指的是針對用戶的信息檢索歷史，為用戶建立獨特的檢索特征，從而匹配出檢索的數(shù)據(jù)庫。這種信息檢索的方法主要是立足于對用戶歷史檢索數(shù)據(jù)庫的收集和分析基礎(chǔ)上，采用智能化的分析手段，實時為用戶量身打造適合其某一階段需要的檢索信息庫，并能夠隨時更新，給用戶提供檢索建議，從而精準(zhǔn)計算用戶的檢索需求。同時，這種檢索技術(shù)還需要具備較高的智能化，它能在和用戶的交互過程中，不斷地分析用戶需求的信息目標(biāo)，并將所有可能的目標(biāo)按照用戶可能關(guān)注度的高低實時反饋給用戶，供用戶取舍，在用戶的取舍中不斷修正和定位，及時高效地幫助用戶發(fā)現(xiàn)目標(biāo)信息，最終實現(xiàn)獨特用戶化的信息檢索。

2、定期更新性

大數(shù)據(jù)環(huán)境下，數(shù)字圖書館的數(shù)字化信息數(shù)量大、種類多，數(shù)據(jù)價值聯(lián)系低，處理速度快、效率高，而且數(shù)據(jù)結(jié)構(gòu)復(fù)雜，不僅有結(jié)構(gòu)化的數(shù)據(jù)、半結(jié)構(gòu)化的數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，而且非結(jié)構(gòu)化的數(shù)據(jù)所占的比例越來越大，使信息更新的速度越來越快。[4]因而，為了更好地滿足用戶的需求，適應(yīng)圖書館非結(jié)構(gòu)化數(shù)據(jù)的不斷增加，提高圖書館的信息檢索效率，必須相應(yīng)地對信息檢索的引擎進行定期優(yōu)化。

一般來說，定期優(yōu)化主要指的是，信息檢索引擎的技術(shù)人員，定期根據(jù)信息檢索的檢索效率和檢索出的結(jié)果的精準(zhǔn)程度進行評價，從而進行改進提高，使用戶始終能夠在每一次的檢索中得到自己期望的結(jié)果，滿足客戶需求。同時，由于非結(jié)構(gòu)數(shù)據(jù)的比例不斷變大，使信息更新的數(shù)據(jù)飛速增加，如何對這些新增加的數(shù)據(jù)進行有效管理，是信息檢索效率高低的關(guān)鍵所在。因此，信息檢索引擎應(yīng)該根據(jù)用戶不同的需求和特點，按照對客戶需求分析的結(jié)果，對全庫數(shù)據(jù)進行分類排隊，保證信息檢索引擎的檢索結(jié)果始終能滿足用戶需求。

3、自我學(xué)習(xí)性

圖書館的信息檢索服務(wù)的最終目標(biāo)就是要準(zhǔn)確定位用戶的需求，實時完成不同用戶的檢索方案，快速將匹配的結(jié)果按照精準(zhǔn)程度的高低排序，讓用戶能夠根據(jù)自身需求，選擇獲取。要達到這一目的，數(shù)字圖書館的信息檢索引擎要具備自我學(xué)習(xí)的能力。這種自我學(xué)習(xí)能力主要指的是信息檢索引擎能夠根據(jù)用戶的檢索歷史，不但能對用戶的需求根據(jù)分析進行準(zhǔn)確預(yù)判，還能實時將信息檢索的有關(guān)信息進行排列和反饋，并對用戶檢索歷史進行分析判斷，反饋最適合用戶需求的檢索信息。同時，信息檢索的學(xué)習(xí)應(yīng)該是全范圍的檢索。隨著電子化產(chǎn)品的不斷發(fā)展，對知識的儲備不再像以前那樣局限于文字或聲音，越來越多的圖片、視頻性信息數(shù)據(jù)已經(jīng)進入數(shù)字圖書館，也漸漸成為知識儲備的主題。作為信息檢索技術(shù)，就要能滿足對這些信息的檢索，根據(jù)用戶的需求，實時高效地完成信息檢索任務(wù)。當(dāng)然，信息檢索還要能在數(shù)據(jù)更新過程不斷進行改進和提高。數(shù)字圖書館中的信息數(shù)據(jù)在不斷飛速更新，作為信息檢索技術(shù)來說，要面對越來越龐雜的知識庫和多樣用戶需求的挑戰(zhàn)，更要不斷改進和完善，使數(shù)字圖書館的用戶保持較高的滿意度，信息檢索更加精準(zhǔn)、高效。

【參考文獻】

[1] 6個用好大數(shù)據(jù)的秘訣.中國大數(shù)據(jù)，2016.02.02.

[2] 大數(shù)據(jù)時代要有大數(shù)據(jù)思維.中國大數(shù)據(jù)，2015.11.3.

[3] 大數(shù)據(jù)時代還有隱私嗎？中國大數(shù)據(jù)，2016.02.02.

[4] 張興旺，李晨暉.數(shù)字圖書館移動視覺搜索機制建設(shè)的若干關(guān)鍵問題[J].圖書情報工作，2015，59 （15）.

【作者簡介】

劉 燕（1979-）女，陜西咸陽人，西安財經(jīng)學(xué)院法學(xué)院教師.