基于知識圖譜的數(shù)字檔案服務(wù)模式探究

熊回香 嚴(yán)舞月

摘要：[目的/意義]針對當(dāng)前數(shù)字檔案服務(wù)質(zhì)量智能化程度不足、服務(wù)內(nèi)容單一等短板，設(shè)想構(gòu)建數(shù)字檔案知識圖譜整體架構(gòu)，達(dá)到數(shù)字檔案大數(shù)據(jù)的統(tǒng)計分析、數(shù)字檔案資源集成優(yōu)化以及數(shù)字檔案整體服務(wù)水平提升的目的。[方法/過程]通過收集文獻(xiàn)分析數(shù)字檔案館的服務(wù)缺陷，體驗式調(diào)研各省市數(shù)字檔案館網(wǎng)頁服務(wù)水平，匯總各檔案館目前服務(wù)模式的不足，完善數(shù)字檔案知識圖譜架構(gòu)流程，最終以流程圖的形式展示。[結(jié)果/結(jié)論] 知識圖譜能夠?qū)⒍喾N類型的數(shù)字檔案文本轉(zhuǎn)化為計算機可理解的數(shù)據(jù)，提高計算機智能識別水平，同時圖譜所具備的動態(tài)時序性和針對性能夠按照時間節(jié)點提高檔案整合程度，同時基于用戶瀏覽檢索痕跡更新用戶數(shù)據(jù)，提升服務(wù)質(zhì)量，并增強數(shù)字檔案館之間的合作交流以達(dá)到整合資源的效果，為更好地優(yōu)化數(shù)字檔案服務(wù)提供有益參考。

關(guān)鍵詞：知識圖譜;數(shù)字檔案;檔案智能服務(wù)

分類號：G270

引用格式：熊回香， 嚴(yán)舞月. 基于知識圖譜的數(shù)字檔案服務(wù)模式探究[J/OL]. 知識管理論壇， 2021， 6（4）： 204-212[引用日期]. http：//www.kmf.ac.cn/p/254/.

1? 引言

由于語義技術(shù)的突出表現(xiàn)，許多領(lǐng)域都看到了語義網(wǎng)絡(luò)帶來的便利及其難以被取締的優(yōu)勢，檔案界也開始對數(shù)字檔案的未來發(fā)展有了新的想法。同時隨著互聯(lián)網(wǎng)的發(fā)展，人與人、檔案與人的交流也愈發(fā)密切，檔案服務(wù)與語義網(wǎng)絡(luò)的結(jié)合已經(jīng)在所難免。目前數(shù)字檔案資源的組織在語義方面尚處于初步嘗試階段，如何將數(shù)字檔案資源在語義層面組織起來，為用戶提供更為精準(zhǔn)的服務(wù)，已成為當(dāng)前檔案服務(wù)部門亟待解決的現(xiàn)實問題?；诋?dāng)前數(shù)字檔案服務(wù)所存在的零散、復(fù)雜和智能化程度不夠等問題，本文提出將知識圖譜技術(shù)與數(shù)字檔案服務(wù)融合這一理念。知識圖譜作為一種新興語義處理模型，能夠?qū)嶓w與實體連接起來，挖掘并展示實體間關(guān)系，提煉不同檔案核心詞，將檔案相關(guān)知識進(jìn)行整合，促進(jìn)數(shù)字檔案資源聚攏，提升用戶使用體驗，達(dá)到用戶輸入單一檔案知識點，便能通過知識圖譜來獲得其他相關(guān)檔案知識的效果，即圖譜自動實現(xiàn)相關(guān)內(nèi)容擴展，減少檢索步驟，提高檢索效率，完善檢索內(nèi)容，最終實現(xiàn)優(yōu)化智能服務(wù)的目的。

2? 相關(guān)研究

知識圖譜是一種描繪實體之間關(guān)系的語義網(wǎng)絡(luò)，是人工智能重要研究領(lǐng)域——知識工程的主要表現(xiàn)形式之一。目前可獲取的相關(guān)知識庫資源包括國外的Freebase、Wikidata、DBpedia、YAGO等，國內(nèi)有復(fù)旦大學(xué)公布的中文概念圖譜CN-Probase等。本文構(gòu)建的知識圖譜架構(gòu)不是泛化的通用知識圖譜架構(gòu)，而是構(gòu)建基于檔案的領(lǐng)域知識圖譜架構(gòu)。不同于通用知識圖譜，領(lǐng)域知識圖譜能利用領(lǐng)域特有知識快速構(gòu)建知識庫，如醫(yī)療知識圖譜、地理知識圖譜、軍事知識圖譜及農(nóng)業(yè)知識圖譜等[1]。目前，知識圖譜的研究主要集中在針對已有元數(shù)據(jù)（EAD、Dublin Core等）的基礎(chǔ)上，探討元數(shù)據(jù)語義互操作以及映射關(guān)系[2]。例如，楊茜雅在企業(yè)檔案數(shù)據(jù)應(yīng)用中引入語義本體概念實現(xiàn)檔案數(shù)據(jù)語義分析的流程，在此基礎(chǔ)上構(gòu)建聯(lián)通電子檔案知識圖譜系統(tǒng)[3];雷潔等基于Protégé、OWL等技術(shù)構(gòu)建計算機可理解的科研檔案知識圖譜語義模型[4];舒忠梅基于當(dāng)下數(shù)字人文的發(fā)展背景，提出檔案時空本體模型及檔案數(shù)據(jù)抽取框架，構(gòu)建檔案關(guān)聯(lián)數(shù)據(jù)知識圖譜，以可視化的形式展現(xiàn)[5];B. S. Balaji等采用語義對描述文檔進(jìn)行解析，并構(gòu)架云服務(wù)推薦系統(tǒng)[6]。

而在數(shù)字檔案服務(wù)方面，以往用戶熟知的檔案服務(wù)方式多為被動服務(wù)，即被動調(diào)動和被動查看，導(dǎo)致各檔案文件之間多呈現(xiàn)孤立關(guān)系，用戶取用困難，操作繁瑣。目前國內(nèi)大部分學(xué)者使用轉(zhuǎn)變服務(wù)模式、構(gòu)建資源平臺等方法來解決該問題。例如，曹玲等對美國常青藤八所高校的數(shù)字檔案信息服務(wù)模式進(jìn)行研究，將其分為運營方式、服務(wù)對象、服務(wù)方式三個模塊進(jìn)行分析，提出基于我國檔案服務(wù)優(yōu)化建議[7];王文強通過分析智慧服務(wù)和數(shù)字檔案館的利弊，轉(zhuǎn)變企業(yè)檔案信息服務(wù)模式，由“信息服務(wù)”向“知識服務(wù)”“智慧服務(wù)”模式優(yōu)化[8];連志英基于對數(shù)字檔案信息用戶需求、用戶行為的分析，對數(shù)字檔案信息用戶進(jìn)行分類及構(gòu)建數(shù)字檔案信息用戶模型，并且根據(jù)用戶需求和用戶行為建設(shè)數(shù)字檔案信息資源及數(shù)字檔案信息服務(wù)平臺，用以提供相應(yīng)的個性化數(shù)字檔案信息服務(wù)[9]。國外，大多是將數(shù)字檔案與文化遺產(chǎn)保護(hù)以及歷史應(yīng)用相結(jié)合，也會相應(yīng)探討一些關(guān)于數(shù)字檔案館建設(shè)的內(nèi)容。例如，T. Hauswedell等考察了制度、知識、經(jīng)濟(jì)、技術(shù)、實踐和社會因素的復(fù)雜相互作用，與主要報紙數(shù)字化計劃的公營和私營供應(yīng)商進(jìn)行了一系列半結(jié)構(gòu)化的采訪并進(jìn)行了分析，認(rèn)為那些很少被突出或強調(diào)的因素的新興理解，從根本上塑造了數(shù)字文化遺產(chǎn)檔案的深度和范圍，應(yīng)關(guān)注這些因素的在未來檔案發(fā)展中的潛在優(yōu)點[10];C. H. Marcondes分析了檔案館等使用關(guān)聯(lián)數(shù)據(jù)技術(shù)的可行性及問題[11]。

綜合以上所述，目前針對數(shù)字檔案的服務(wù)大體上還處于一種針對服務(wù)內(nèi)容和服務(wù)框架的構(gòu)建，集中在對資源、數(shù)據(jù)、服務(wù)模式等的探討方面，實踐性研究較少。且能明顯感覺到當(dāng)下各省市數(shù)字檔案的系統(tǒng)性管理和智能服務(wù)提供并不完備，目前國家正快速邁進(jìn)智慧時代，隨著對語義網(wǎng)絡(luò)相關(guān)技術(shù)的逐步了解，學(xué)者也充分意識到語義技術(shù)的發(fā)展對于數(shù)字檔案服務(wù)效率以及服務(wù)質(zhì)量的提升有著重要的影響。而知識圖譜所帶來的集成化和系統(tǒng)化可以很好地應(yīng)對數(shù)字檔案零散化問題，并且通過整理推薦為用戶提供有針對性、全面性的服務(wù)。另外，基于數(shù)字檔案服務(wù)在各行各業(yè)的不同作用情況，本文考慮數(shù)字檔案的統(tǒng)一特征，通過語義關(guān)聯(lián)，聯(lián)結(jié)數(shù)字檔案實體，運用可視化圖表展示實體間關(guān)系，構(gòu)建知識圖譜以推進(jìn)數(shù)字檔案服務(wù)模式的升級。

3? 數(shù)字檔案服務(wù)模式現(xiàn)狀分析

3.1? 現(xiàn)有服務(wù)模式的局限

檔案服務(wù)是指檔案機構(gòu)利用館藏優(yōu)勢，指導(dǎo)用戶利用檔案、獲取檔案信息的過程[12]。

而現(xiàn)有衡量服務(wù)模式優(yōu)劣的兩個重點包括檔案服務(wù)人員服務(wù)質(zhì)量以及檔案服務(wù)機構(gòu)智能化程度，在檔案服務(wù)人員服務(wù)質(zhì)量方面，傳統(tǒng)的檔案服務(wù)模式多為被動服務(wù)，大多數(shù)企業(yè)或政府的檔案工作人員在檔案服務(wù)整體信息化程度不高的情況下，對檔案服務(wù)的認(rèn)知不夠明確，其職能僅僅在于管理和保存紙質(zhì)檔案，維護(hù)檔案信息安全等，而為用戶提供檔案檢索服務(wù)等更具有實際意義的工作不在其職責(zé)范圍內(nèi)，將如何從數(shù)量龐大的檔案信息數(shù)據(jù)庫中查找所需檔案的難題留給了用戶自己。

另外，在檔案服務(wù)機構(gòu)智能化程度方面，由于新時代“互聯(lián)網(wǎng)+大數(shù)據(jù)”的飛速發(fā)展，檔案服務(wù)走向主動和智能的模式，通過計算機設(shè)備與其他各種互聯(lián)網(wǎng)終端相連接，通過一定的技術(shù)方式向用戶提供各類檔案信息或產(chǎn)品的服務(wù)模式，逐漸成為數(shù)字檔案服務(wù)模式的主流，其中最具代表性的是數(shù)字檔案館和智慧檔案館。但目前數(shù)字檔案館的建設(shè)還處于起步階段，所提供的個性化服務(wù)極其有限，不僅智能化程度低，且操作復(fù)雜，難以形成整合型的服務(wù)進(jìn)行推送。筆者對現(xiàn)有省市檔案館網(wǎng)站進(jìn)行體驗式調(diào)查后總結(jié)發(fā)現(xiàn)，現(xiàn)有檔案館網(wǎng)站中雖然大多擁有開放檔案查詢服務(wù)，但基本依托用戶自主查詢，且對查詢關(guān)鍵詞要求較高，同時跳轉(zhuǎn)鏈接較多，查詢過程復(fù)雜，例如，登錄湖北省檔案館官網(wǎng)查詢某檔案，系統(tǒng)提示進(jìn)入檔案信息網(wǎng)進(jìn)行查詢，但并沒有提供對應(yīng)鏈接。通過自行查找得到的檔案信息網(wǎng)鏈接，點擊得出結(jié)果則直接跳轉(zhuǎn)回湖北省檔案館主頁。因此可以看出，當(dāng)前檔案館網(wǎng)站存在服務(wù)水平有限、集成化程度不高、操作復(fù)雜等局限性。

3.2? 基于知識圖譜的數(shù)字檔案服務(wù)模式的可行性分析

隨著語義網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)的發(fā)展，知識圖譜、圖數(shù)據(jù)庫、深度學(xué)習(xí)等相關(guān)技術(shù)也逐漸滲透到圖情檔研究領(lǐng)域，使得檔案數(shù)據(jù)語義描述與關(guān)聯(lián)、知識融合、信息可視化等成為可能。同時，伴隨智慧城市的建設(shè)推動，檔案服務(wù)也開始重視用戶需求并將服務(wù)方式逐漸向以用戶需求為中心轉(zhuǎn)移，諸如數(shù)字檔案館、智慧檔案館等，在處理檔案數(shù)據(jù)、調(diào)動檔案資源等方面尚存不足?；谥R圖譜的數(shù)字檔案服務(wù)通過對數(shù)字檔案資源的語義關(guān)聯(lián)和本體提煉，可以準(zhǔn)確提取數(shù)字檔案資源的核心，并通過簡潔明了的可視化形式展現(xiàn)給用戶。

首先，檔案數(shù)據(jù)質(zhì)量較高。相較于數(shù)量龐大且形式復(fù)雜的互聯(lián)網(wǎng)大數(shù)據(jù)，檔案數(shù)據(jù)都是真實事件記錄和數(shù)據(jù)保存，在入庫時已經(jīng)經(jīng)過篩選、分類和整理，對不同的數(shù)字檔案也有相應(yīng)的規(guī)范格式和要求，這就為基礎(chǔ)檔案數(shù)據(jù)處理構(gòu)建了良好的基礎(chǔ);其次，知識圖譜的系統(tǒng)性能夠有效幫助整理零散的檔案。即運用圖映射、包裝器等工具，基于對數(shù)據(jù)深加工的需求，對數(shù)字檔案的結(jié)構(gòu)進(jìn)行清洗、變換和集成，使之變?yōu)橛嬎銠C可以理解的結(jié)點，在此基礎(chǔ)上識別實體、連接實體、分析實體，對檔案實體進(jìn)行語義關(guān)聯(lián)，連接成數(shù)字檔案知識圖譜。最后，知識圖譜的輸出模式能夠有效提升用戶體驗。圖譜將用戶搜索到的相關(guān)檔案以可視化的形式輸出，能夠更加清晰和便利地展現(xiàn)檔案間的聯(lián)系，同時圖譜的動態(tài)更新特性能夠及時修改用戶取向，使得服務(wù)更加智能。

4? 基于知識圖譜的數(shù)字檔案服務(wù)模式架構(gòu)

知識圖譜的構(gòu)建通常有自頂向下和自底向上兩種模式[13]，基于檔案的強領(lǐng)域性，本文選擇自底向上的構(gòu)建形式，即通過迭代更新，從信息抽取到知識融合、知識加工，最后進(jìn)行知識更新，從分析數(shù)據(jù)到輸出服務(wù)的模式?；谥R圖譜的數(shù)字檔案服務(wù)模式最終回歸于應(yīng)用領(lǐng)域，將知識圖譜與數(shù)字檔案服務(wù)模式相結(jié)合的目的也是為了優(yōu)化服務(wù)模式，因此依據(jù)知識圖譜理論、本體理論、智能代理技術(shù)、云計算技術(shù)以及個性化推薦技術(shù)，將數(shù)字檔案知識圖譜服務(wù)平臺梳理為4個層次：①知識抽取層。主要作用是將外部不同結(jié)構(gòu)的數(shù)字檔案信息資源匯集起來，通過知識抽取層的結(jié)構(gòu)化分類和分層，轉(zhuǎn)化成計算機可識別和理解的數(shù)據(jù)，規(guī)整數(shù)據(jù)使其達(dá)到標(biāo)準(zhǔn)化格式從而進(jìn)入圖譜構(gòu)建層。②圖譜構(gòu)建層。這一層主要進(jìn)行檔案知識抽取和本體構(gòu)建，然后通過實體識別和本體對齊形成數(shù)字檔案資源知識庫。③圖譜更新層。該層主要分為兩個部分，包括收集用戶瀏覽痕跡對用戶個體數(shù)據(jù)庫進(jìn)行更新，以及收歸新檔案對數(shù)字檔案資源庫進(jìn)行更新。通過這兩方面的更新使得構(gòu)建的數(shù)字檔案知識圖譜不是單一的、片面的，而是不斷完善的。④圖譜應(yīng)用層。最終構(gòu)建的數(shù)字檔案知識圖譜能夠為檔案服務(wù)帶來不同的應(yīng)用效果，包括圖譜動態(tài)更新、用戶偏好個性化推薦、數(shù)字檔案智能搜索和數(shù)字檔案館資源共享。具體架構(gòu)如圖1所示：

4.1? 知識抽取層

知識抽取層主要包括數(shù)據(jù)整合和信息抽取兩個部分。數(shù)據(jù)整合部分是對收集到的不同數(shù)字檔案數(shù)據(jù)進(jìn)行整理和挑選，這些數(shù)據(jù)包括從不同行業(yè)內(nèi)部業(yè)務(wù)系統(tǒng)中收集的、從檔案領(lǐng)域百科中整理出來的以及從業(yè)務(wù)外部系統(tǒng)承接的，不同形式和不同結(jié)構(gòu)的數(shù)字檔案數(shù)據(jù)。而檔案數(shù)據(jù)包括各級各類檔案機構(gòu)收集的具有檔案性質(zhì)的數(shù)據(jù)記錄，包括各種數(shù)據(jù)形式的檔案資源，如各類數(shù)字檔案、多媒體檔案;亦包括檔案管理與利用過程中產(chǎn)生的數(shù)據(jù)，如檔案網(wǎng)站的瀏覽記錄、平臺日記、查閱服務(wù)數(shù)據(jù)、檔案統(tǒng)計數(shù)據(jù)等[14]，而日常辦公使用的Word、PPT、Excel、PDF等數(shù)據(jù)是非結(jié)構(gòu)化數(shù)字檔案資源[15]?；诋?dāng)下數(shù)字檔案資源的結(jié)構(gòu)化不統(tǒng)一的問題，筆者認(rèn)為可以運用自然語言處理技術(shù)（NLP）以及包裝器等工具將這些非結(jié)構(gòu)化資源進(jìn)行統(tǒng)一調(diào)整、清洗和修正，包括運用詞典、統(tǒng)計和規(guī)則的方法對檔案數(shù)據(jù)進(jìn)行分詞，再基于分詞結(jié)果進(jìn)行清洗過濾，如去掉停用詞、去除單字，對分詞進(jìn)行詞性標(biāo)注等。同時還可以利用Word2vec等模型通過詞嵌入將檔案詞語從one-hot encoder形式的表示降維到較短的詞向量，使得計算機能夠更好地理解和分析數(shù)據(jù)，發(fā)現(xiàn)實體之間的語義關(guān)系。而信息抽取部分則是包括實體抽取、關(guān)系抽取和屬性抽取三個部分，其中，檔案實體抽取是運用規(guī)則與詞典、統(tǒng)計機器學(xué)習(xí)和面向開放域三種方式，從數(shù)字檔案資源中識別并提取實體;檔案關(guān)系抽取是指采取監(jiān)督學(xué)習(xí)或遠(yuǎn)程監(jiān)督學(xué)習(xí)的方式，抽取實體間的關(guān)系，解決檔案資源實體間語義鏈接的問題;檔案屬性抽取是指對檔案資源實體的某些特征和性質(zhì)進(jìn)行抽取，也可以看作是實體與屬性值間的一種名詞性關(guān)系，具體流程如圖2所示：

4.2? 圖譜構(gòu)建層

圖譜構(gòu)建層分為知識融合和知識加工兩大部分。在大量非結(jié)構(gòu)化檔案信息經(jīng)過處理后，能夠獲得實體、關(guān)系以及屬性的相關(guān)信息，但這些結(jié)果可能包含大量的錯誤信息和冗余重復(fù)信息，數(shù)據(jù)之間的關(guān)系也不清晰，缺乏層次性和邏輯性，因此需要通過知識融合進(jìn)行清洗和整合。知識融合包括兩個方面，其中實體鏈接是指將抽取到的實體與知識庫相聯(lián)結(jié)的程序，主要方法包括實體消歧和共指消解。實體消歧主要是解決同名實體出現(xiàn)歧義的問題，使用較多的方法主要為聚類法。而共指消解則是用于解決多個指向?qū)?yīng)一個實體對象的問題，國外相關(guān)研究相對來說已經(jīng)比較成熟，同時出現(xiàn)的實體相似性模型、上下文相似性模型能夠很好地解決這一問題。而知識合并是指將第三方的數(shù)據(jù)合并進(jìn)數(shù)據(jù)庫，包括合并外部知識庫和關(guān)系數(shù)據(jù)庫兩個方面。

通過知識融合，可以得到一系列基本的事實表達(dá)，但事實并不等于知識，因此需要進(jìn)入知識加工階段。知識加工主要包括三方面內(nèi)容：本體構(gòu)建、知識推理和質(zhì)量評估。數(shù)據(jù)在經(jīng)過知識融合之后，識別實體已經(jīng)變成標(biāo)準(zhǔn)化知識并且附有相關(guān)屬性關(guān)系，被歸入知識庫中。受現(xiàn)有技術(shù)限制，通過信息抽取的知識元素仍可能存在錯誤，因此在構(gòu)建完整的檔案知識圖譜之前，需要進(jìn)行質(zhì)量評估，并且通過對知識的可信度進(jìn)行量化，通過舍棄置信度低的知識來確保檔案知識圖譜內(nèi)數(shù)據(jù)的質(zhì)量。同時從已有的實體關(guān)系出發(fā)，經(jīng)過計算機推理，發(fā)現(xiàn)新的實體關(guān)系，檔案知識圖譜網(wǎng)絡(luò)得到進(jìn)一步完善和更新。而數(shù)字檔案資源本體，是經(jīng)過組織的一種質(zhì)量較高的知識表示模型，在知識圖譜的構(gòu)建中本體主要可起到控制圖譜質(zhì)量的作用，不一定會參與到圖譜建立的流程中，僅作為一種數(shù)據(jù)質(zhì)量評估的參考資源庫，在檔案知識圖譜構(gòu)建過程中充當(dāng)輔助角色，同時幫助優(yōu)化知識圖譜更新。

4.3? 圖譜更新層

圖譜更新層包括用戶需求更新和檔案資源更新兩大模塊，通過收集歸納新進(jìn)檔案和用戶網(wǎng)頁瀏覽查詢痕跡等數(shù)據(jù)，保持圖譜的實時性，同時提高服務(wù)精準(zhǔn)度，增強圖譜適配性。

在用戶需求更新方面，不同的用戶行為數(shù)據(jù)通過數(shù)據(jù)驅(qū)動自動對檔案資源進(jìn)行本體構(gòu)建，再經(jīng)過質(zhì)量評估方法與人工審核相結(jié)合的方法加以修正與確認(rèn)。本體構(gòu)建之后，對知識庫的數(shù)據(jù)來往以及反饋不斷進(jìn)行修訂，同時，知識庫也收集用戶對知識庫的使用痕跡并不斷進(jìn)行調(diào)整和更新，加入時間維度，利用時序分析技術(shù)和圖相似性技術(shù)，分析圖譜結(jié)構(gòu)隨時間的變化和趨勢，從而掌握到關(guān)鍵信息，構(gòu)建動態(tài)時序圖譜。

在檔案資源更新方面，運用知識圖譜中的知識推理板塊，如基于Tableaux運算能夠檢查某一本體的可滿足性，同時通過實例對本體進(jìn)行檢測;而基于邏輯編程改寫可以根據(jù)特定的場景定制規(guī)則，以實現(xiàn)用戶自定義的推理過程;基于一階查詢重寫能夠高效地結(jié)合不同數(shù)據(jù)格式的數(shù)據(jù)源，同時關(guān)聯(lián)起不同的查詢語言;基于產(chǎn)生式規(guī)則可以控制系統(tǒng)的執(zhí)行，通過制定一定的機制執(zhí)行規(guī)則實現(xiàn)更好地前向推理等;另外，針對構(gòu)建的知識庫進(jìn)行質(zhì)量評估也是確保知識圖譜內(nèi)容正確可用的關(guān)鍵步驟，評估結(jié)束后需將符合標(biāo)準(zhǔn)的檔案資源數(shù)據(jù)導(dǎo)入檔案知識圖譜中。

4.4? 圖譜應(yīng)用層

圖譜應(yīng)用層是指通過完整的知識圖譜構(gòu)建流程，將數(shù)字檔案館中不同的數(shù)字檔案資源進(jìn)行集成和整理，形成檔案知識圖譜，輸出到應(yīng)用層面，通過知識圖譜對數(shù)字檔案信息源的生成數(shù)據(jù)進(jìn)行處理，將產(chǎn)出的結(jié)構(gòu)化關(guān)聯(lián)數(shù)據(jù)用于深度學(xué)習(xí)算法訓(xùn)練，得到能解決具體場景問題的研判模型，從而形成解決辦法產(chǎn)生價值的服務(wù)形式，包括基于關(guān)聯(lián)規(guī)則算法的圖譜動態(tài)更新、基于聚類算法的檔案用戶偏好個性化推薦、基于分類與預(yù)測算法的數(shù)字檔案智能搜索、基于整體優(yōu)化的數(shù)字檔案資源共享等。

5? 基于知識圖譜的數(shù)字檔案服務(wù)模式優(yōu)勢及應(yīng)用

基于知識圖譜的數(shù)字檔案服務(wù)模式架構(gòu)的構(gòu)建始終立足于為用戶提供更有效、更方便、更智能的服務(wù)，通過對數(shù)字檔案的數(shù)據(jù)整理，結(jié)合知識圖譜構(gòu)建流程，利用自然語言處理技術(shù)、實體識別、本體構(gòu)建、關(guān)系抽取等關(guān)鍵技術(shù)，構(gòu)建基于數(shù)字檔案知識圖譜的架構(gòu)，能夠支撐數(shù)字檔案的智能性管理，提供動態(tài)檔案圖譜智能更新、自動分析用戶偏好、立足數(shù)字檔案內(nèi)容的智能搜索以及數(shù)字檔案館資源共享。

5.1? 圖譜動態(tài)更新

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，檔案服務(wù)逐漸實現(xiàn)數(shù)字化，但目前的數(shù)字檔案服務(wù)現(xiàn)狀仍浮于表面，首先建設(shè)的是數(shù)字檔案的存儲與管理問題，對于優(yōu)化數(shù)字檔案服務(wù)的內(nèi)容沒有較多的探討?；跀?shù)字檔案的知識圖譜的構(gòu)建，可以通過數(shù)字檔案本體之間的關(guān)聯(lián)關(guān)系，使得檔案內(nèi)容被更加方便快捷地分解和分類，再通過圖譜關(guān)系梳理，使得檔案相關(guān)內(nèi)容能夠產(chǎn)生聯(lián)結(jié)，在用戶檢索其一時將相關(guān)內(nèi)容完整地推送出來。數(shù)字檔案管理不同于數(shù)字圖書的管理，由于檔案具有隱私性，因此新的數(shù)字檔案歸檔時需進(jìn)行隱私性和公開性的衡量，從而導(dǎo)致在檔案入庫時程序更加繁瑣和復(fù)雜?；谡Z義關(guān)聯(lián)的知識圖譜的構(gòu)建，可以使數(shù)字檔案文本入庫之時就通過識別本體創(chuàng)建鏈接，自動分類。而動態(tài)更新則是指圖譜的構(gòu)建不是一成不變的，而是隨著檔案的增加和刪減而不斷變化和完善，可以通過加入時間、空間等維度，構(gòu)建時間軸或空間軸來完善圖譜在不同時空的內(nèi)容。圖譜的動態(tài)更新能夠有效提高檔案整理效率，同時便于不同類型檔案的規(guī)整，也能夠為檔案用戶提供最新內(nèi)容。當(dāng)前工程檔案是數(shù)字檔案收藏和管理的重點，如港珠澳大橋這類國家大型工程，其檔案擁有耗時長、總量大、部門多等特點，知識圖譜的動態(tài)更新特性能夠很好地跟上工程檔案歸檔需求，全程記錄歸納總結(jié)，自動分類整理，提供更加便利的服務(wù)。

5.2? 用戶偏好個性化推薦

《全國檔案事業(yè)發(fā)展“十三五”規(guī)劃綱要》明確指出，“要提高檔案公共服務(wù)能力，提升檔案服務(wù)的認(rèn)知度和用戶滿意度”。檔案用戶面對當(dāng)前繁雜無序的檔案資源，不僅需要自己提煉檢索語句，還需要處理復(fù)雜的檢索程序，導(dǎo)致增大檢索耗時，也會降低用戶檢索興趣，消減用戶檢索需求。同時，在通過圖譜提供個性化服務(wù)時，檔案用戶的需求會隨著用戶行為和瀏覽的檔案內(nèi)容而產(chǎn)生實時變化，用戶需求的易變性、多樣性與數(shù)字檔案內(nèi)容和類型多樣性的關(guān)聯(lián)，提高了檔案個性化服務(wù)功能預(yù)測用戶需求的難度。因此，針對用戶的動態(tài)行為反向推斷用戶檔案偏好對于提升數(shù)字檔案服務(wù)十分重要?；谇捌谥R加工對檔案數(shù)據(jù)的轉(zhuǎn)化，使用自然語言處理和機器學(xué)習(xí)方法對檔案資源中的實體進(jìn)行概念提取、類及其等級體系的確定、類的對象屬性及數(shù)據(jù)屬性的確定，以及本體評價等過程，選取BERT和LSTM等多類深度學(xué)習(xí)模型[13]。預(yù)測系統(tǒng)不僅能夠根據(jù)用戶頁面停留時間以及瀏覽速度來衡量用戶偏好，并且能夠運用相關(guān)技術(shù)來識別用戶的自然語言，通過標(biāo)準(zhǔn)化處理轉(zhuǎn)化為計算機可識別語言，讓計算機能夠更好地識別用戶偏好，增加數(shù)字檔案服務(wù)的準(zhǔn)確性。在預(yù)測用戶需求的同時，可以根據(jù)已收集到的用戶行為來為下次服務(wù)做鋪墊。例如，用戶對實時新聞以及檔案趣事感興趣，知識圖譜識別到關(guān)鍵詞后根據(jù)語義關(guān)聯(lián)會相應(yīng)地推送實時趣事，以及與趣事產(chǎn)生聯(lián)系的一系列相關(guān)內(nèi)容，若用戶對歷史檔案以及領(lǐng)域?qū)＜已芯扛信d趣，則會推送相應(yīng)學(xué)術(shù)資源等。

5.3? 數(shù)字檔案智能搜索

檔案用戶使用傳統(tǒng)檔案檢索時，只有輸入準(zhǔn)確的檔案關(guān)鍵詞搜索題名或內(nèi)容，才能檢索到相關(guān)信息。這種服務(wù)模式對檢索語言精準(zhǔn)性要求較高，甚至有時出現(xiàn)由于檔案用戶無法準(zhǔn)確表達(dá)關(guān)鍵詞而搜索不到想要的檔案資源的情況。而基于知識圖譜的數(shù)字檔案服務(wù)模式，通過自然語言處理技術(shù)（NLP）能夠?qū)⒂脩羲阉鲿r使用的自然語言自動轉(zhuǎn)化為計算機可以理解的語言，同時映射到數(shù)字檔案知識圖譜中不同的實體或?qū)傩詫蛹墸ㄟ^結(jié)合實體間的關(guān)系來推送相應(yīng)的數(shù)字檔案信息資源，提供體系化的檔案知識供用戶瀏覽。用戶使用自然語言進(jìn)行檢索時也能精準(zhǔn)反饋相應(yīng)內(nèi)容，提高檔案查詢的查準(zhǔn)率和查全率，并且提供內(nèi)容聯(lián)想服務(wù)，將相關(guān)內(nèi)容統(tǒng)一且連貫地展現(xiàn)在用戶面前，減少用戶查詢次數(shù)和查詢步驟，提高檢索效率?！皺n案潛在需求是未被喚醒或未被認(rèn)識到的需求，主要包括檔案潛在用戶的需求及檔案現(xiàn)實用戶未表達(dá)出來的真實的需求”[16]，這種智能內(nèi)容搜索能夠幫助數(shù)字檔案館加深與用戶之間的聯(lián)系，通過相關(guān)內(nèi)容集成推送的創(chuàng)新服務(wù)，吸引用戶瀏覽，同時幫助檔案館收獲更多潛在需求被挖掘的用戶，提升服務(wù)質(zhì)量。

5.4? 數(shù)字檔案館資源共享

基于知識圖譜的數(shù)字檔案服務(wù)，將不同數(shù)字檔案館的資源聚集，通過云存儲、云計算等技術(shù)整合在一起，建立數(shù)字檔案知識圖譜，促進(jìn)資源間的相互交流，不僅便捷地服務(wù)用戶，也給各大檔案館之間的交流架起橋梁。為了迎合當(dāng)下信息資源相互溝通的大環(huán)境，檔案界資源交互也顯得尤為重要。基于知識圖譜的數(shù)字檔案服務(wù)模式，能夠?qū)⒉煌瑪?shù)字檔案館中的資源匯集，通過識別本體來進(jìn)行語義聯(lián)結(jié)，再基于檔案領(lǐng)域關(guān)鍵詞將其自動歸類于不同行業(yè)，便于查找利用。知識圖譜模型的幫助使得不同數(shù)字檔案館之間的資源共享具有很強的可操作性。在服務(wù)用戶方面，資源的融合能夠帶來更豐富的檔案內(nèi)容，達(dá)到減少檢索步驟的同時豐富檢索內(nèi)容的目的?；诋?dāng)下互聯(lián)網(wǎng)帶來的便利，很多信息都可以如實地通過互聯(lián)網(wǎng)檢索到，但由于檔案所具備的隱私性和個體性使得檔案檢索受限于地區(qū)資源。知識圖譜的資源共享所帶來的便利能夠很好地解決地區(qū)間的信息孤島，并且通過融合加深檔案館之間的創(chuàng)新合作，共同提升服務(wù)質(zhì)量，讓檔案用戶真正了解檔案世界中豐富的內(nèi)核，擴大檔案受眾群，使得民眾提高檔案利用意識，提升檔案利用價值。同時，數(shù)字檔案館在開展資源共享服務(wù)時也可依據(jù)定位需要選擇不同的機構(gòu)來建立戰(zhàn)略聯(lián)盟。在選擇合作伙伴時，可選擇同一領(lǐng)域特長的數(shù)字檔案機構(gòu)，從而加強某一領(lǐng)域檔案的館藏量，體現(xiàn)自身在某一領(lǐng)域的特色;也可以選擇不同領(lǐng)域特長的檔案機構(gòu)，從而提高自身的綜合性[17]。通過與不同檔案館的合作，結(jié)合知識圖譜所帶來的溝通性和聯(lián)結(jié)性，能夠更好地促進(jìn)數(shù)字檔案服務(wù)機構(gòu)的資源交互，為數(shù)字檔案服務(wù)提供新的交流環(huán)境，推動數(shù)字檔案服務(wù)升級。

6? 結(jié)語

信息化時代，人們的信息行為、方式等各個方面都經(jīng)歷著前所未有的改變。語義網(wǎng)、大數(shù)據(jù)及深度學(xué)習(xí)等技術(shù)的快速發(fā)展，為數(shù)字檔案的準(zhǔn)確性和智能性服務(wù)提供了技術(shù)保障。本文提出一種基于知識圖譜的數(shù)字檔案服務(wù)模式，充分運用符合當(dāng)代互聯(lián)網(wǎng)技術(shù)發(fā)展潮流的新型智慧技術(shù)來解決當(dāng)下檔案服務(wù)所面臨的問題，針對當(dāng)前數(shù)字檔案服務(wù)中存在的檢索語言難識別、檢索步驟繁雜、檢索內(nèi)容單一等問題，通過創(chuàng)建知識圖譜架構(gòu)，提出解決策略，不斷推進(jìn)檔案服務(wù)發(fā)展以及檔案業(yè)務(wù)與新興技術(shù)的結(jié)合。但本研究僅針對數(shù)字檔案服務(wù)進(jìn)行探討，仍存在浮于理論、難以實現(xiàn)等問題，未來將努力推進(jìn)數(shù)字檔案知識圖譜的現(xiàn)實構(gòu)建，并通過收集真實用戶反饋意見對該構(gòu)想進(jìn)行進(jìn)一步完善，促使數(shù)字檔案服務(wù)有更深層的提升和優(yōu)化。

參考文獻(xiàn)：

[1] 王電化， 錢濤， 錢立新， 等. 面向檔案的知識圖譜構(gòu)建方法研究[J].湖北科技學(xué)院學(xué)報， 2020， 40（1）：127-130.

[2] 雷潔， 李思經(jīng)， 趙瑞雪， 等. 面向科研檔案管理的知識圖譜構(gòu)建與應(yīng)用研究[J].數(shù)字圖書館論壇， 2020（5）：8-15.

[3] 楊茜雅.中國聯(lián)通電子檔案數(shù)據(jù)挖掘與智能利用的研究[J]. 檔案學(xué)研究， 2018（6）：105-109.

[4] 雷潔， 趙瑞雪， 李思經(jīng)， 等.知識圖譜驅(qū)動的科研檔案大數(shù)據(jù)管理系統(tǒng)構(gòu)建研究[J]. 數(shù)字圖書館論壇， 2020（2）：19-27.

[5] 舒忠梅.數(shù)字人文背景下的檔案知識圖譜構(gòu)建研究[J]. 山西檔案， 2020（2）：53-60.

[6] BALAJI B S，? KARTHIKEYAN N K，? KUMAR R. Fuzzy service conceptual ontology system for cloud service recommendation[J]. Computers & electrical engineering，? 2018（69）：435-446.

[7] 曹玲， 王榕， 顏祥林.分析與借鑒美國常青藤高校數(shù)字檔案信息服務(wù)模式[J]. 數(shù)字與縮微影像， 2013（3）：30-34.

[8] 王文強.基于數(shù)字檔案館的企業(yè)檔案智慧服務(wù)模式探析[J]. 機電兵船檔案， 2019（4）：76-78.

[9] 連志英.基于用戶需求的個性化數(shù)字檔案信息服務(wù)模式構(gòu)建[J]. 檔案學(xué)通訊， 2013（5）：49-53.

[10] HAUSWEDELL T，? NYHAN J，? BEALS M H，? et al. Of global reach yet of situated contexts： an examination of the implicit and explicit selection criteria that shape digital archives of historical newspapers[J]. Archival science，? 2020，? 20（2）：139-165.

[11] MARCONDES C H. Interoperability between digital collections in archives， libraries and museums： potentialities of linked open data technologies[J]. Ciência da informa??o， 2016， 21（2）： 61-83.

[12] 張衛(wèi)東， 王萍.檔案用戶需求驅(qū)動的個性化服務(wù)模式研究[J]. 檔案學(xué)通訊， 2007（2）：82-86.

[13] 劉嶠， 李楊， 段宏， 等.知識圖譜構(gòu)建技術(shù)綜述[J].計算機研究與發(fā)展， 2016， 53（3）：582-600.

[14] 趙躍.大數(shù)據(jù)時代檔案數(shù)據(jù)化的前景展望：意義與困境[J]. 檔案學(xué)研究， 2019（5）：52-60.

[15] 李超.視頻偵查的知識圖譜構(gòu)建研究[D]. 北京：中國人民公安大學(xué)， 2019（6）：1-25.

[16] 楊靜.檔案潛在用戶研究[D]. 合肥：安徽大學(xué)， 2013：9.

[17] 趙宏育.如何做好檔案機構(gòu)間的檔案交流[J]. 蘭臺世界， 2020（S1）：12.

作者貢獻(xiàn)說明：

熊回香：研究內(nèi)容指導(dǎo);

嚴(yán)舞月：論文撰寫與修改。

Research on Digital Archives Service Mode Based on Knowledge Graph

Xiong Huixiang? Yan Wuyue

School of Information Management， Central China Normal University， Wuhan 430079

Abstract： [Purpose/significance] Aiming at shortcomings of the current service quality of digital archives， such as insufficient intelligence and single service content， this paper proposed to build an overall framework of knowledge graph of digital archives， so as to achieve statistical analysis of big data for digital archive， integration and optimization of digital archiving resources， and improvement on the overall service level of digital archives. [Method/process] By collecting literatures， service deficiencies of digital archives were analyzed. This paper investigated the web page service level of digital archives in various provinces and cities， summarized deficiencies of the current service mode of each archive， and improved the framework process of digital archives knowledge graph， finally the framework process was presented in the form of flow chart. [Result/conclusion] Knowledge graph can transform multiple types of digital archive text into data that computers can understand， and improve the level of computer intelligent identification. At the same time， dynamic timing and pertinence of the graph can improve the degree of? integration archives according to the time node， user data can be updated based on users retrieval trace to improve the service quality， enhance the cooperation and communication between digital archives to achieve the result of resources integration， and provide a useful reference to better optimize the digital archiving service.

Keywords： knowledge graph? ? digital archives? ? archive intelligence service