基于主題圖的多元資源整合模型研究

崔欣卉

摘要：數(shù)字化、網(wǎng)絡(luò)化、智能化等新起的信息技術(shù)驅(qū)動數(shù)字中國建設(shè)向縱深邁進，以數(shù)字媒介和人工智能為基礎(chǔ)的新興文化形態(tài)和知識生產(chǎn)體系正日見雛形，并展現(xiàn)出廣闊的發(fā)展前景。文章提出一種基于主題圖的多元資源整合模型，從資源收集到資源關(guān)聯(lián)可視化，構(gòu)建了基于主題圖的多元資源組織模型，并以賽珍珠研究資源為具體案例展示，為其他領(lǐng)域整合多元模型提供參考。

關(guān)鍵詞：主題圖;多元資源

一、引言

在全面推進我國數(shù)據(jù)強國和數(shù)字中國的建設(shè)過程中，互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等技術(shù)普遍適用于社會各領(lǐng)域，引發(fā)了信息資源收集、分析、組織、運用模式的變革，驅(qū)動多元主體從多方視角、多個維度對信息資源展開多層次分析與應(yīng)用。在此背景下，眾多學(xué)者越來越關(guān)注各研究領(lǐng)域下分布在不同系統(tǒng)中且種類多樣的資源合理轉(zhuǎn)化與關(guān)聯(lián)問題，并希望在此基礎(chǔ)上實現(xiàn)資源關(guān)聯(lián)可視化服務(wù)。本文以賽珍珠研究資源為例，旨在構(gòu)建多元資源整合模型，探究各領(lǐng)域研究資源的組織管理模式，選取多來源、多種類的不同研究資源，通過主題圖資源組織方式，揭示賽珍珠研究資源的語義內(nèi)容主題結(jié)構(gòu)，探尋多元資源整合方式。

二、相關(guān)研究

大數(shù)據(jù)環(huán)境下多元資源的多樣性為各學(xué)科的研究提供了巨大空間。目前常見研究資源來源渠道有中國知網(wǎng)、百度學(xué)術(shù)、萬方、網(wǎng)絡(luò)資源等，來源渠道分散且單一，主要方法還是文獻計量學(xué)。在多元資源整合方面，如將期刊文獻和專利文本的整合、基金項目和數(shù)據(jù)的整合等，都為較成功的實踐。但如何對于整合不同平臺、不同維度、不同類型等的多元資源，進行主題發(fā)現(xiàn)與關(guān)聯(lián)，從而實現(xiàn)更全面、深入的資源整合研究較少。

主題圖作為一種知識管理和信息導(dǎo)航的技術(shù)，在信息資源關(guān)聯(lián)聚合的應(yīng)用上引起了廣泛的關(guān)注。Steve在《尋求全球知識交換點》（A Perspective on the Quest for Global Knowledge Interchange）的文章中詳細描述了主題圖的歷史，在這之后，主題圖的開發(fā)者在數(shù)據(jù)模型、TAO模型與XTM技術(shù)規(guī)范等文檔中對主題圖的結(jié)構(gòu)要素、技術(shù)標(biāo)準(zhǔn)等做了詳細介紹;主題圖技術(shù)在引入我國后，艾丹祥、黃曉斌、秦鐵輝等學(xué)者對主題圖技術(shù)的核心概念、基本結(jié)構(gòu)和功能做了詳細介紹，趙金海等對開源主題圖引擎TM4J技術(shù)工具做了分析，李清茂對開源主題圖引擎Ontopia的工作機制做了詳細分析;郭黎等利用主題圖技術(shù)對多源地理空間數(shù)據(jù)做了有效關(guān)聯(lián)和查詢;王文寧等學(xué)者基于主題圖技術(shù)構(gòu)建了洪災(zāi)應(yīng)急信息的關(guān)聯(lián)場景模型;張云中基于主題圖技術(shù)提出了數(shù)字檔案的標(biāo)注系統(tǒng)資源聚合研究。由此可見，運用主題圖技術(shù)對于整合不同平臺、不同維度、不同類型的多元資源具有可行性。

三、多元資源整合主題圖構(gòu)建

（一）構(gòu)建方法

構(gòu)建一個成功的多元研究資源庫是一項龐大的工程。在模型的設(shè)計前期，需要研究者設(shè)計模型的構(gòu)建流程，對資源的種類和來源進行梳理，反復(fù)確認資源收集渠道，更新逐漸成熟的計算機技術(shù)，才有可能構(gòu)建出較完善、讓用戶滿意的知識資源共享庫。

從宏觀上來看，主題圖是一個多維度的空間模型。資源和主題分為上下兩層。在資源層，可以上傳信息資源，也可以加入動態(tài)鏈接，將網(wǎng)絡(luò)資源和已有的資源放入資源層中，為多元資源的收集和存儲提供了便利;在主題層，通過對資源的外部特征和語義特征進行描述，提取出主題詞，從主題的角度建立關(guān)聯(lián)關(guān)系，另外還可以構(gòu)建獨立的主題，既實現(xiàn)了資源之間的關(guān)聯(lián)性，也可以描述資源的獨立性。

從微觀來看，在主題圖這個多維的主題空間中，主題層中有不同的主題，每個主題代表一個結(jié)點，分別指向不同的資源。兩個主題結(jié)點之間的距離可以用資源的關(guān)聯(lián)次數(shù)來表示。在主題間相互關(guān)聯(lián)的過程中形成了一個巨大的立體網(wǎng)狀網(wǎng)絡(luò)，網(wǎng)絡(luò)中有錯綜復(fù)雜的關(guān)系，通過關(guān)聯(lián)關(guān)系的設(shè)定，系統(tǒng)地梳理了資源和主題間的關(guān)系，也挖掘了資源之間更大的潛在價值。

（二）構(gòu)建過程

主題（Topic）、關(guān)聯(lián)（Association）、資源出處（Occurrence）為主題圖（TAO）的三個主要元素，對構(gòu)建主題圖模型起到了引領(lǐng)的作用，在進行合理設(shè)置前，首先要梳理它們的涵義與關(guān)系。T就是主題。主題可以是任何“事物”，無論是實體還是概念，它可以具有任何特征;Association 為關(guān)聯(lián)的意思，主題在設(shè)置好后，需要描述多個主題間的關(guān)系，通常情況下，主題與主題間有多重關(guān)系來關(guān)聯(lián)，并通過關(guān)聯(lián)的次數(shù)實現(xiàn)主題間的聚合;Occurrence 就是資源實體，也稱為資源出處，這就是主題圖的資源層，功能是存儲資源，將資源與主題相關(guān)聯(lián)。主題和一個或多個與該主題相關(guān)的信息資源以某種關(guān)聯(lián)關(guān)系相關(guān)聯(lián)。

本文依據(jù)主題圖的基本組成要素（TAO）即主題（T）、關(guān)聯(lián)（A）和資源實體（O），分析設(shè)計了基于主題圖的賽珍珠研究資源關(guān)聯(lián)聚合模型與構(gòu)建過程，如圖1。該模型由3個層次構(gòu)成：

領(lǐng)域研究資源層，該層主要目的是建立研究資源庫，選擇合理有效的資源集，反映領(lǐng)域研究資源的主題特點;基于領(lǐng)域多元研究資源的特點，可從幾個方面開展：文獻信息資源：包括期刊文獻、電子圖書、會議文獻等;網(wǎng)絡(luò)信息資源：利用搜索引擎得到的檢索結(jié)果，包括文本、新聞、數(shù)據(jù)、圖像、視頻等多種類型資源; 專業(yè)數(shù)據(jù)庫：包括書目數(shù)據(jù)庫、文摘數(shù)據(jù)庫與全文數(shù)據(jù)庫等。研究領(lǐng)域?qū)＜遥喊ㄑ芯繉＜业乃讲刈髌放c研究資源。

主題生成層，在本文主題圖的主題層的設(shè)置中，需要依次從資源中提取主題、編輯主題和合并主題?？紤]到在對某研究資源檢索的過程中，大多數(shù)學(xué)者可通過研究資源的名稱、作者、機構(gòu)或者關(guān)鍵詞字段進行檢索，因此本文在一級主題的設(shè)置中，將研究學(xué)者、研究機構(gòu)、研究資源設(shè)為一級主題，根據(jù)文本的外在特征和內(nèi)在特征建立資源間的關(guān)聯(lián)，如圖2，包括資源的種類、日期、作者等，內(nèi)在特征能夠描述資源內(nèi)容含義的一些特征，可用標(biāo)題、摘要、關(guān)鍵詞等表示。

功能層，主要實現(xiàn)的功能有研究資源導(dǎo)航、用戶資源檢索以及資源推薦、后期的資源庫更新等功能。

四、實例分析

上文分析了多元研究資源整合的主題圖模型，本部分以賽珍珠研究多元資源的為例，構(gòu)建賽珍珠研究資源整合模型，實現(xiàn)資源主題關(guān)聯(lián)可視化服務(wù)。

（一）資源收集

通過不同平臺獲取賽珍珠研究的資源，首先通過學(xué)術(shù)數(shù)據(jù)庫平臺CNKI中國知網(wǎng)收集當(dāng)前賽珍珠研究的期刊文獻，另外通過讀秀學(xué)術(shù)搜索平臺補充賽珍珠研究的電子圖書，最后，為獲取時事新聞與相關(guān)報道，選擇人民日報網(wǎng)等平臺作為數(shù)據(jù)來源，使用NLPIR大數(shù)據(jù)語義智能系統(tǒng)自動收集資源，三類平臺分別以“賽珍珠”為主題進行檢索與收集，時間統(tǒng)一為近十年，檢索后對不相關(guān)結(jié)果的資源，如“賽珍珠鐵觀音”、“八馬茶葉”等進行刪減和合并，最終得到的檢索結(jié)果為期刊899條、電子圖書67本、新聞報道40條。

（二）主題確定

對資源深層次分析，需要進一步的對外在特征和內(nèi)在特征分析，根據(jù)設(shè)置的一級主題：研究學(xué)者庫，共抽取到期刊文獻作者1185名，圖書作者57名（含主編），新聞報道記者18名;研究機構(gòu)庫收集到賽珍珠研究領(lǐng)域期刊366種、電子圖書出版機構(gòu)43個和新聞報道出版機構(gòu)22個。研究主題庫的收集由期刊文獻的電子圖書和新聞報道的主題詞組成。在本研究中，由于期刊文獻的作者已為文獻標(biāo)引了關(guān)鍵詞，可直接使用關(guān)鍵詞反映文獻的主題;本文直接從899條題錄中抽取關(guān)鍵詞，剔除重復(fù)不相關(guān)的關(guān)鍵詞，如“研究”、“學(xué)報”等，合并具有相同含義的關(guān)鍵詞，共得到關(guān)鍵詞2911個;電子圖書的編輯也相應(yīng)為圖書標(biāo)引了主題詞，但主題詞過于寬泛，故電子圖書保留標(biāo)題、關(guān)鍵詞（主題詞）、摘要（對于部分缺少摘要電子圖書選取目錄部分）三部分內(nèi)容，利用平臺所提供功能自動下載其相關(guān)信息;新聞報道由于篇幅較少，缺少關(guān)鍵詞、主題詞和摘要等標(biāo)引內(nèi)容，保留標(biāo)題、作者（平臺）、文章內(nèi)容三部分內(nèi)容。采用中科院開發(fā)的NLPIR自然語言處理系統(tǒng)。具體的操作步驟為：首先對每一本圖書的標(biāo)題、摘要和每一篇新聞報道的新聞漢語分詞，繼而去除停用詞，如“的”、“一個”、“和”、“與”等，提取高頻詞與特征詞，根據(jù)分詞和頻次統(tǒng)計結(jié)果，同時人工輔助，每篇選取3～5個高頻關(guān)鍵詞作為該篇文檔的關(guān)鍵詞，剔除重復(fù)，最終得到新聞報道57個關(guān)鍵詞，電子圖書72個關(guān)鍵詞。

（三）主題關(guān)聯(lián)

在構(gòu)建賽珍珠研究資源主題圖中，根據(jù)資源的外在特征和內(nèi)在語義特征可以定義三種主要的關(guān)聯(lián)類型，即出版/發(fā)表關(guān)聯(lián)、著作關(guān)聯(lián)、語義關(guān)聯(lián)，三種特征用賽珍珠研究資源（R）、題名（T）、作者（A）、作者機構(gòu)（O）、出版物/發(fā)表網(wǎng)址（P）、關(guān)鍵詞（K）等元素來體現(xiàn)，三種關(guān)聯(lián)關(guān)系在一定程度上揭示了資源間的關(guān)系。

（四）整合實現(xiàn)

在完成主題關(guān)聯(lián)后，需要對賽珍珠研究資源進行關(guān)聯(lián)聚合。目前主題圖組件中OKS知識組件在各領(lǐng)域中應(yīng)用比較廣泛，主要用于創(chuàng)建、維護和管理主題圖，其核心組件包括主題圖引擎、主題圖編輯框架、導(dǎo)航框架、可視化框架。

依據(jù)前文描述的對賽珍珠研究資源的主題及關(guān)聯(lián)分析，在Ontology編輯器中完成的主題類型定義，如圖3所示，將賽珍珠研究資源庫的主題設(shè)置為賽珍珠研究資源主題庫、賽珍珠研究資源庫、賽珍珠研究學(xué)者庫、賽珍珠研究機構(gòu)庫。

前文分析了賽珍珠研究資源的外在特征和語義特征，根據(jù)此特征又分析了不同的關(guān)系，主要設(shè)置了以下相關(guān)關(guān)系，分別為相關(guān)作者、相關(guān)學(xué)術(shù)圖書、相關(guān)新聞報道、相關(guān)期刊文獻和相關(guān)機構(gòu)。

在主題和關(guān)聯(lián)關(guān)系設(shè)置好后，可對其可視化。主題圖的可視化采用知識圖譜的方式來展現(xiàn)主題之間的關(guān)聯(lián)和網(wǎng)絡(luò)關(guān)系，用戶不需要在網(wǎng)頁中查詢，而是直接在新的窗口進行查看，如圖4和圖5分別展示了賽珍珠研究學(xué)者和資源的關(guān)聯(lián)。在賽珍珠研究領(lǐng)域范圍內(nèi)，不同種類、不同主題的資源通過相同的特征或其他關(guān)系互相關(guān)聯(lián)在一起，利用主題圖技術(shù)不僅識別這些關(guān)聯(lián)，導(dǎo)航知識，還可以識別潛在的關(guān)系，如學(xué)者的潛在合作關(guān)系、資源間的主題聯(lián)系等。

五、經(jīng)驗啟示

本文以賽珍珠研究多元資源為例，利用主題圖工具Ontopia構(gòu)建賽珍珠研究主題圖，構(gòu)建主題圖之后利用其可視化工具實現(xiàn)了賽珍珠研究多元主題圖的可視化，驗證了主題圖技術(shù)應(yīng)用于多元研究資源的可行性。

利用主題圖技術(shù)將多元資源整合，用于描述多元資源之間的關(guān)聯(lián)關(guān)系，其不僅有導(dǎo)航功能，還提供了語義檢索和語義挖掘的等功能，便于用戶深層次挖掘資源的主題，既集成了傳統(tǒng)信息組織方式的優(yōu)勢，在主題表達和關(guān)聯(lián)的層次也做了突破，進一步的實現(xiàn)了資源間的共享與語義挖掘，實現(xiàn)了資源的集成性、關(guān)聯(lián)性和語義化需求。

參考文獻：

[1]張玲玲，張宇娥，杜麗.基于期刊文獻與專利文獻的科學(xué)技術(shù)互關(guān)聯(lián)研究方法對比分析[J].情報雜志，2017，36（07）：116-121.

[2]劉博文，白如江，周彥廷，王效岳.基金項目數(shù)據(jù)和論文數(shù)據(jù)融合視角下科學(xué)研究前沿主題識別——以碳納米管領(lǐng)域為例[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2019，3（08）：114-122.

[3]艾丹祥，張玉峰.利用主題圖建立概念知識庫[J].圖書情報知識，2003（02）：48-50+53.

[4]黃曉斌.網(wǎng)絡(luò)主題圖的原理及應(yīng)用[J].情報理論與實踐，2004（03）：305-307.

[5]秦鐵輝，郭延吉，孫琳.信息時代的“全球定位系統(tǒng)”——主題地圖[J].江西圖書館學(xué)刊，2005（01）：1-3+7.

[6]趙金海，滿紅芳，張嘯宇.開源主題圖搜索引擎（TM4J）及結(jié)構(gòu)研究[J].信息系統(tǒng)工程，2010（11）：51-53.

[7]李清茂.開源主題圖Ontopia引擎工作機制研究[J].西昌學(xué)院學(xué)報（自然科學(xué)版），2010，24（02）：40-44.

[8]郭黎，姜晶莉，李豪，王云閣.基于主題圖的多源地理空間數(shù)據(jù)關(guān)聯(lián)關(guān)系表達[J].地理信息世界，2019，26（06）：1-5+13.

[9]王文寧，劉濤，杜萍，邵達青，楊國林.面向洪災(zāi)全生命周期的應(yīng)急場景模型[J].測繪科學(xué)，2018，43（12）：44-49.

[10]張云中，馮雙雙.基于主題圖的數(shù)字檔案標(biāo)注系統(tǒng)資源聚合研究[J].圖書情報工作，2018，62（14）：116-124.

[11]劉丹. 主題圖在圖書館特色數(shù)據(jù)庫構(gòu)建中的應(yīng)用研究[D].南京：南京農(nóng)業(yè)大學(xué)，2008.

（作者單位：江蘇大學(xué)科技信息研究所）