多源自媒體資源知識(shí)組織模型構(gòu)建研究

李強(qiáng) 劉思得 張鎮(zhèn)波 鮑玉來(lái)

關(guān)鍵詞：語(yǔ)義關(guān)聯(lián)：多源自媒體資源：知識(shí)組織：元數(shù)據(jù)

多源自媒體資源包含了大量的數(shù)字內(nèi)容，例如博客、微博、微信公眾號(hào)、短視頻等，這些內(nèi)容能夠豐富圖書館的館藏，為用戶提供多元化的信息資源。多源自媒體資源的數(shù)量龐大，用戶往往無(wú)法通過(guò)傳統(tǒng)的檢索方式找到所需的信息。構(gòu)建多源自媒體資源的知識(shí)組織模型，可以通過(guò)對(duì)多源自媒體資源進(jìn)行分類、標(biāo)注等方式，提高用戶獲取信息的效率。多源自媒體資源的特點(diǎn)是用戶可以自由發(fā)布和共享自己的知識(shí)和經(jīng)驗(yàn)。通過(guò)構(gòu)建多源自媒體資源的知識(shí)組織模型，可以促進(jìn)用戶之間的知識(shí)交流與分享，打破傳統(tǒng)知識(shí)傳播的壁壘。多源自媒體資源中蘊(yùn)含了大量的學(xué)術(shù)研究成果和專業(yè)知識(shí)，構(gòu)建多源自媒體資源的知識(shí)組織模型可以將這些資源整合起來(lái)，為學(xué)術(shù)研究和學(xué)習(xí)提供支持。多源自媒體資源的知識(shí)組織模型能夠?qū)⒂脩舻男枨笈c資源進(jìn)行匹配，提供個(gè)性化的推薦和服務(wù)，從而提升用戶的使用體驗(yàn)。

1多源自媒體資源知識(shí)組織目標(biāo)與原則

多源自媒體是指來(lái)自多個(gè)不同平臺(tái)和渠道的多源自媒體資源。多源自媒體，也稱為個(gè)人媒體或公民媒體，是指?jìng)€(gè)人或團(tuán)體通過(guò)互聯(lián)網(wǎng)等數(shù)字化技術(shù)手段發(fā)布、傳播信息的新型媒體形式。在當(dāng)前的信息時(shí)代，多源自媒體已成為人們獲取信息、表達(dá)觀點(diǎn)的重要途徑。

1.1多源自媒體的特點(diǎn)

多源自媒體的特點(diǎn)主要體現(xiàn)在以下幾個(gè)方面：

1）多樣性：多源自媒體包括各種類型的網(wǎng)絡(luò)平臺(tái)，如社交媒體（微博、微信）、短視頻平臺(tái)（抖音、快手）、問(wèn)答社區(qū)（知乎）、直播平臺(tái)（斗魚、虎牙）等。

2）開放性：多源自媒體門檻低，任何人都可以成為信息的生產(chǎn)者和傳播者，內(nèi)容涵蓋廣泛，從生活瑣事到專業(yè)知識(shí)，無(wú)所不包。

3）實(shí)時(shí)性：多源自媒體信息發(fā)布迅速，能夠?qū)崟r(shí)反映社會(huì)熱點(diǎn)事件和個(gè)人即時(shí)感受。

4）互動(dòng)性：多源自媒體具有強(qiáng)烈的社交屬性，用戶之間可以進(jìn)行評(píng)論、點(diǎn)贊、分享等多種形式的互動(dòng)。

5）多元化：多源自媒體內(nèi)容多樣，不僅有文字，還有圖片、音頻、視頻等多種形式。

因此，多源自媒體的研究對(duì)于了解公眾意見(jiàn)、挖掘社會(huì)熱點(diǎn)、提升信息服務(wù)質(zhì)量等方面具有重要意義。同時(shí)，由于多源自媒體資源的多源異構(gòu)特點(diǎn)，如阿有效地組織和管理這些資源也是一項(xiàng)重要的挑戰(zhàn)。

1.2多源自媒體資源知識(shí)組織目標(biāo)

多源自媒體資源知識(shí)組織的目標(biāo)是發(fā)掘館藏與多源自媒體資源在知識(shí)上的聯(lián)系，實(shí)現(xiàn)多源自媒體資源的有序化組織和高效利用，并為用戶進(jìn)行信息檢索提供便利，減少其在精細(xì)化檢索上耗費(fèi)的時(shí)間，具體內(nèi)容如下：

1）推動(dòng)多源自媒體資源有序化組織。知識(shí)組織被定義為揭示知識(shí)單元，挖掘知識(shí)關(guān)聯(lián)的過(guò)程或行為，最為快捷地為用戶提供有效知識(shí)或信息。通過(guò)引入知識(shí)元和語(yǔ)義關(guān)聯(lián)等方法，將較為雜亂的多源自媒體資源信息整理為結(jié)構(gòu)化的有序知識(shí)來(lái)源，挖掘內(nèi)部知識(shí)結(jié)構(gòu)和特征規(guī)律，方便圖書館的引用。

2）實(shí)現(xiàn)館藏到多源自媒體資源的一對(duì)多映射。通過(guò)對(duì)多源自媒體資源和虛擬館藏資源進(jìn)行知識(shí)元瞄述、抽取、關(guān)聯(lián)和應(yīng)用，采用深度學(xué)習(xí)、主題建模等多種技術(shù)方法對(duì)知識(shí)內(nèi)容單元進(jìn)行序化重組，旨在通過(guò)尋找館藏與多源自媒體資源在知識(shí)結(jié)構(gòu)上的映射關(guān)系，使圖書館實(shí)現(xiàn)由多源自媒體資源到館藏的利用。

1.3多源自媒體資源知識(shí)組織原則

對(duì)多源自媒體資源進(jìn)行知識(shí)組織需要遵循一定的原則。①科學(xué)性原則，科學(xué)性原則是科學(xué)研究的首要原則，也是知識(shí)組織的首要原則；②有序性原則，當(dāng)今時(shí)代信息量的爆發(fā)式增長(zhǎng)，海量信息和虛假信息導(dǎo)致了檢索和甄別困難，因此，實(shí)現(xiàn)知識(shí)的有序化是知識(shí)組織工作的重要目標(biāo)之一：③實(shí)用性原則，實(shí)用性原則發(fā)源于實(shí)用主義，主要體現(xiàn)為強(qiáng)調(diào)行動(dòng)和效果，將經(jīng)驗(yàn)和實(shí)踐歸結(jié)為行動(dòng)的效果，將知識(shí)歸結(jié)為行動(dòng)的工具，將真理歸結(jié)為有用、效用或行動(dòng)的成功，盡力立足于事實(shí)，腳踏實(shí)地地進(jìn)行科學(xué)研究；④多維性原則，多維性原則指要從多個(gè)維度進(jìn)行多源自媒體資源的知識(shí)組織，其一指從語(yǔ)義方面對(duì)館藏資源進(jìn)行知識(shí)元分析：其二是對(duì)多源自媒體資源進(jìn)行知識(shí)結(jié)構(gòu)的解析：其三是揭示在上述二者之間的內(nèi)在聯(lián)系。需要借助人工智能技術(shù)，有針對(duì)性地多角度、多途徑、全方位進(jìn)行知識(shí)組織研究，滿足用戶的多維知識(shí)需求。

2多源自媒體資源知識(shí)組織模型邏輯框架構(gòu)建

2.1多源自媒體資源知識(shí)組織方式和單一來(lái)源自媒體資源知識(shí)組織方式的區(qū)別

單一來(lái)源自媒體資源知識(shí)組織方式是指只從一個(gè)特定平臺(tái)或渠道收集多源自媒體資源進(jìn)行知識(shí)組織。這種方式的優(yōu)點(diǎn)是數(shù)據(jù)來(lái)源相對(duì)穩(wěn)定，數(shù)據(jù)格式和內(nèi)容類型較為一致，便于管理和處理。例如，如果僅從知乎平臺(tái)收集問(wèn)答信息，那么數(shù)據(jù)主要以文本形式存在，且結(jié)構(gòu)清晰，可以按照問(wèn)題、回答、評(píng)論等維度進(jìn)行分類和索引。然而，多源自媒體資源知識(shí)組織方式則需要面對(duì)來(lái)自多個(gè)不同平臺(tái)和渠道的數(shù)據(jù)，這些數(shù)據(jù)不僅在格式上可能存在差異（如文字、圖片、視頻等），而且在內(nèi)容和主題上也可能各不相同。這就需要更為復(fù)雜的知識(shí)組織策略和技術(shù)手段。

1）多源自媒體資源的知識(shí)組織需要解決數(shù)據(jù)整合的問(wèn)題。由于各個(gè)平臺(tái)的數(shù)據(jù)格式和標(biāo)準(zhǔn)可能不同，因此需要進(jìn)行數(shù)據(jù)轉(zhuǎn)換和標(biāo)準(zhǔn)化，以便于后續(xù)的處理和分析。

2）多源自媒體資源的知識(shí)組織需要考慮如何有效地提取和利用信息。這包括對(duì)數(shù)據(jù)的內(nèi)容進(jìn)行深入理解和解析，例如識(shí)別關(guān)鍵詞、命名實(shí)體、情感傾向等，并建立它們之間的語(yǔ)義關(guān)聯(lián)。

3）多源自媒體資源的知識(shí)組織還需要應(yīng)對(duì)數(shù)據(jù)更新和變化的問(wèn)題。由于多源自媒體的實(shí)時(shí)性和動(dòng)態(tài)性，數(shù)據(jù)可能會(huì)快速地產(chǎn)生和消失，因此需要設(shè)計(jì)合理的數(shù)據(jù)采集和更新策略。

多源自媒體資源知識(shí)組織方式相比單一來(lái)源自媒體資源知識(shí)組織方式，需要更強(qiáng)大的數(shù)據(jù)處理和分析能力，以及更為靈活和適應(yīng)性的知識(shí)組織策略。

2.2多源自媒體資源知識(shí)組織邏輯框架

多源自媒體資源知識(shí)組織是數(shù)字資源知識(shí)組織領(lǐng)域下，基于多源自媒體資源知識(shí)內(nèi)涵及與館藏資源的關(guān)聯(lián)關(guān)系開展的知識(shí)組織新模式，旨在從多源自媒體資源中尋求與館藏資源的語(yǔ)義關(guān)聯(lián)與映射，并嘗試實(shí)現(xiàn)與虛擬館藏資源之間的語(yǔ)義關(guān)聯(lián)，從而為虛擬館藏提供延伸服務(wù)。

將多源自媒體資源知識(shí)組織劃分為多源自媒體資源特征知識(shí)組織和多源自媒體資源內(nèi)容知識(shí)組織兩個(gè)維度。在上述兩個(gè)維度的知識(shí)組織基礎(chǔ)上，再加以對(duì)虛擬館藏資源的知識(shí)抽取結(jié)果，將三者進(jìn)行語(yǔ)義關(guān)聯(lián)，挖掘館藏資源和多源自媒體資源在知識(shí)結(jié)構(gòu)、知識(shí)內(nèi)涵上的聯(lián)系，并以此思路構(gòu)建了多源自媒體資源知識(shí)組織邏輯框架，如圖1所示。

3多源自媒體資源特征信息組織

多源自媒體資源特征信息組織是以知識(shí)元為核心要素，對(duì)多源自媒體資源的特征，即結(jié)構(gòu)化信息的內(nèi)容和特征進(jìn)行抽象表示和概括，以促進(jìn)知識(shí)的管理和利用，是知識(shí)元抽取、知識(shí)關(guān)聯(lián)等知識(shí)組織工作的基礎(chǔ)。多源自媒體資源特征信息組織結(jié)構(gòu)整體劃分為語(yǔ)義與全局兩個(gè)維度，由表及里，由形式到內(nèi)容進(jìn)行知識(shí)元描述。首先從多源自媒體資源結(jié)構(gòu)化信息出發(fā)，對(duì)結(jié)構(gòu)化信息進(jìn)行元數(shù)據(jù)描述，構(gòu)建多源自媒體資源特征元數(shù)據(jù)描述框架，并采用形式語(yǔ)言進(jìn)行規(guī)范化表示。其次通過(guò)引入本體，構(gòu)建多源自媒體資源特征元數(shù)據(jù)描述模型。最后，從全局維度人手，為多源自媒體資源特征之間的語(yǔ)義關(guān)系構(gòu)建一個(gè)系統(tǒng)性的元數(shù)據(jù)體系結(jié)構(gòu)，以此全面地對(duì)多源自媒體資源特征信息進(jìn)行抽象化表示，為后續(xù)的語(yǔ)義關(guān)聯(lián)做好鋪墊工作。

多源自媒體資源特征元數(shù)據(jù)描述框架構(gòu)建包括4個(gè)步驟，分別為多源自媒體資源特征信息分析、多源自媒體資源特征核心要素提取、元數(shù)據(jù)標(biāo)準(zhǔn)復(fù)用、元數(shù)據(jù)描述框架構(gòu)建。

3.1多源自媒體資源特征信息分析

多源自媒體資源特征信息的結(jié)構(gòu)和布局較為簡(jiǎn)單，根據(jù)多源自媒體平臺(tái)常見(jiàn)的作者一作品一觀眾／讀者三元體系，將多源自媒體資源特征信息中作者相關(guān)信息定義為作者要素，將資源客觀上存在的、一般不會(huì)改變的信息定義為客觀要素，將因觀眾交互產(chǎn)生的、通常用于衡量資源質(zhì)量的信息定義為質(zhì)量要素。此外分別以B站、抖音．知乎3個(gè)平臺(tái)的自媒體資源為例，分析這些多源自媒體平臺(tái)的資源相關(guān)特征，從而為多源自媒體資源特征元數(shù)據(jù)描述框架構(gòu)建提供參考依據(jù)。

B站多源自媒體資源特征信息基本分布于詳情頁(yè)，包括資源標(biāo)題、播放量、彈幕量、作者、作者認(rèn)證信息、作者粉絲量、資源獲認(rèn)可量（點(diǎn)贊、投幣、收藏）、資源標(biāo)簽、資源關(guān)聯(lián)等。其中作者、作者認(rèn)證信息、作者粉絲量可歸納為作者要素，資源標(biāo)題、資源標(biāo)簽可歸納為客觀要素，播放量、彈幕量、資源獲認(rèn)可（點(diǎn)贊、投幣、收藏）、資源關(guān)聯(lián)可歸納為質(zhì)量要素。

抖音多源自媒體資源特征信息與資源詳情頁(yè)的體現(xiàn)不夠完整，需要借助作者主頁(yè)來(lái)補(bǔ)充信息，包括作者、資源標(biāo)題、資源標(biāo)簽、資源獲認(rèn)可量（點(diǎn)贊、收藏）、作者認(rèn)證信息、作者粉絲量、總獲贊量等。其中作者、作者認(rèn)證信息、作者粉絲量、總獲贊量可歸納為作者要素，資源標(biāo)題、資源標(biāo)簽、播放量和訪問(wèn)地址可歸納為客觀要素，播放量、資源獲認(rèn)可量（點(diǎn)贊、收藏）可歸納為質(zhì)量要素。

知乎多源自媒體資源特征信息與資源詳情頁(yè)的體現(xiàn)同樣不夠完整，同樣需要借助作者主頁(yè)來(lái)補(bǔ)充信息，包括作者、發(fā)布日期、資源標(biāo)題、資源標(biāo)簽、資源獲認(rèn)可量（點(diǎn)贊、評(píng)論）、作者從事行業(yè)、作者粉絲量、總獲贊量等。其中作者、作者從事行業(yè)、作者粉絲量、總獲贊量可歸納為作者要素，資源標(biāo)題、發(fā)布日期、資源標(biāo)簽可歸納為客觀要素，資源獲認(rèn)可量（點(diǎn)贊、評(píng)論）可歸納為質(zhì)量要素。

3.2提取多源自媒體資源知識(shí)元核心要素

結(jié)合上文中所分析和歸納的多源自媒體資源特征信息，并參考現(xiàn)有的成熟元數(shù)據(jù)標(biāo)準(zhǔn)，提煉多源自媒體資源特征要素（如表1所示），為多源自媒體資源知識(shí)元元數(shù)據(jù)框架構(gòu)建奠定基礎(chǔ)。

3.3元數(shù)據(jù)標(biāo)準(zhǔn)復(fù)用

由于多源自媒體資源方面目前并沒(méi)有專業(yè)的元數(shù)據(jù)標(biāo)準(zhǔn)，因此考慮從較為廣泛的網(wǎng)絡(luò)資源領(lǐng)域選取了DC元數(shù)據(jù)進(jìn)行復(fù)用。

DC（Dublin Core）元數(shù)據(jù)又稱“都柏林核心元數(shù)據(jù)”，是當(dāng)前圖書館界應(yīng)用最廣、影響最大的標(biāo)準(zhǔn)化元數(shù)據(jù)，其主要元素構(gòu)成如表2所示。

3.4構(gòu)建多源自媒體報(bào)紙資源知識(shí)元元數(shù)據(jù)描述框架

參考DC元數(shù)據(jù)標(biāo)準(zhǔn)后，本文復(fù)用了其中5個(gè)元素（題名、日期、創(chuàng)建者、主題、來(lái)源），關(guān)于已定義的其余多源自媒體知識(shí)元要素，目前尚未找到近似的元數(shù)據(jù)標(biāo)準(zhǔn)，因此，本文進(jìn)行自定義一個(gè)元數(shù)據(jù)標(biāo)準(zhǔn)（wemedia，簡(jiǎn)寫為wm）說(shuō)明，元數(shù)據(jù)元素共計(jì)17個(gè)，具體信息如表3所示。

4多源自媒體資源內(nèi)容信息組織

多源自媒體資源內(nèi)容信息組織是基于互聯(lián)網(wǎng)環(huán)境下用戶進(jìn)行信息檢索的主要方式中的視頻檢索，即到視頻中找答案的檢索行為而構(gòu)建的。主要以人工智能技術(shù)對(duì)多源自媒體資源的內(nèi)容進(jìn)行知識(shí)抽取工作，主要分為實(shí)體抽取、事件知識(shí)元抽取和主題知識(shí)元抽取3部分，對(duì)資源中包含的知識(shí)元進(jìn)行具象化概括和標(biāo)注，以對(duì)多源自媒體資源特征信息組織進(jìn)行補(bǔ)充，為后續(xù)的語(yǔ)義關(guān)聯(lián)提供支持。

4.1多源自媒體資源內(nèi)容文本化

在知識(shí)組織工作中，組織的對(duì)象均為各種形式的文本信息，而非文本類多源自媒體資源中同樣包含著許多有價(jià)值的信息，卻由于載體的限制從未成為知識(shí)組織的對(duì)象。因此，本文嘗試提出一個(gè)研究思路，通過(guò)若干步驟對(duì)非文本類多源自媒體資源進(jìn)行文本化，提取出資源中的內(nèi)容，使其可以適用于當(dāng)下常用的知識(shí)組織方法，為知識(shí)抽取工作提供數(shù)據(jù)支持。當(dāng)前，非文本類資源包括視頻資源、音頻資源和圖片資源，由于圖片資源內(nèi)容特征涉及非文字性的圖形、色彩、色調(diào)、紋理、內(nèi)容對(duì)象、物理制作等要素信息，現(xiàn)有技術(shù)對(duì)于圖像提取信息的手段缺乏而無(wú)法獲得有效信息，因此本文對(duì)多源自媒體資源內(nèi)容文本化的設(shè)計(jì)將忽略圖片資源信息，僅考慮視頻資源和音頻資源。下面將以B站視頻類多源自媒體資源“【羅翔】正當(dāng)防衛(wèi)的尺度”為例，展示多源自媒體資源內(nèi)容文本化的主要流程。

1）工具選擇與項(xiàng)目搭建

本文選擇的多源自媒體資源文本化工具為深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）、連接時(shí)序分類（CTC）方法及語(yǔ)言模型Language Model等，使用語(yǔ)音識(shí)別專用數(shù)據(jù)集進(jìn)行訓(xùn)練。

首先通過(guò)特征提取將音頻文件中普通的語(yǔ)音信號(hào)通過(guò)分幀加窗等操作轉(zhuǎn)換為神經(jīng)網(wǎng)絡(luò)需要的二維頻譜圖像信號(hào)，即語(yǔ)譜圖。然后通過(guò)DCNN（深度卷積神經(jīng)網(wǎng)絡(luò)），將聲學(xué)信號(hào)轉(zhuǎn)換為拼音標(biāo)簽序列。

在語(yǔ)音識(shí)別系統(tǒng)的聲學(xué)模型的輸出中，往往包含了大量連續(xù)重復(fù)的符號(hào)，因此還需要使用CTC（連接時(shí)序分類）方法將連續(xù)相同的符合合并為同一個(gè)符號(hào)，然后再去除靜音分隔標(biāo)記符，得到最終實(shí)際的語(yǔ)音拼音符號(hào)序列。

拼音轉(zhuǎn)漢字的原理參照動(dòng)態(tài)規(guī)劃算法，與計(jì)算機(jī)學(xué)中的最短路徑的算法基本相同。可將拼音到漢字的轉(zhuǎn)化看成對(duì)最短路徑問(wèn)題的求解，每個(gè)漢字有且僅有1個(gè)音，但每一組拼音可以對(duì)應(yīng)多個(gè)漢字，將拼音符號(hào)序列對(duì)應(yīng)的字自左向右相連即構(gòu)成1張有向圖，如圖2所示。

Y1是輸入的拼音符號(hào)序列，W11、W12、W13分別為Y1的第一、二、三個(gè)候選字，有向箭頭表示該候選字與下一個(gè)候選字組成的字段符合原本語(yǔ)義表達(dá)的概率，后續(xù)以此類推直到Y(jié)。與最短路徑問(wèn)題略有不同的是，在語(yǔ)音轉(zhuǎn)化中期望得到的結(jié)果是到終點(diǎn)概率最大的路徑，因此本文使用了最短路徑算法中的貪心算法來(lái)進(jìn)行語(yǔ)音到文本的解碼。

貪心算法（又稱貪婪算法），指在對(duì)問(wèn)題求解時(shí)，總是做出在當(dāng)前看來(lái)是最好的選擇。也就是說(shuō)，不從整體最優(yōu)上加以考慮，他所做出的是在某種意義上的局部最優(yōu)解。貪心算法不是對(duì)所有問(wèn)題都能得到整體最優(yōu)解，關(guān)鍵是貪心策略的選擇，選擇的貪心策略必須具備無(wú)后效性，即某個(gè)狀態(tài)以前的過(guò)程不會(huì)影響以后的狀態(tài)，只與當(dāng)前狀態(tài)有關(guān)。

2）多源自媒體資源下載與音頻提取

由于本文使用的多源自媒體資源文本化工具的輸人格式為音頻文件，因此需要對(duì)非音頻資源（即視頻資源）進(jìn)行預(yù)處理，提取出音頻部分。多源自媒體資源的下載渠道為各自媒體資源平臺(tái)網(wǎng)站、APP或公眾號(hào)等，大多數(shù)多源自媒體平臺(tái)的音頻緩存格式為.mp3，視頻緩存格式則為．mp4或．flv，通過(guò)一些視頻處理軟件即可實(shí)現(xiàn)音頻提取。

B站的視頻緩存格式較為特殊，為．m4s格式，因此不能通過(guò)常規(guī)視頻處理軟件，需要用．m4s專用的軟件進(jìn)行提取，否則會(huì)造成文件損壞。B站多源自媒體資源文件緩存index.json為頁(yè)面配置文件，audio. m4s和video. m4s分別為該資源的影像部分和音像部分，我們僅需要其中的音像部分即可，即audio.m4s文件，再將該文件使用．m4s專用軟件（如秒轉(zhuǎn)m4s等）將audio. m4s文件轉(zhuǎn)為．mp3的音頻文件即可。

3）格式轉(zhuǎn)化

在音頻識(shí)別項(xiàng)目中為了減少環(huán)境的負(fù)荷，通常要求音頻文件的shape[list]≤1600。而．mp3文件的shape[list]為42605，遠(yuǎn)遠(yuǎn)超出臨界值，因此需要對(duì).mp3文件進(jìn)行輕量級(jí)化，轉(zhuǎn)化為更接近原聲的.wav文件，減少對(duì)環(huán)境的依賴程度。

由.mp3文件到．wav文件的格式轉(zhuǎn)化可使用Audacity軟件完成，只需使用Audacity打開.mp3文件，重新錄制后再導(dǎo)出為.wav文件即可。

4）語(yǔ)音識(shí)別

將處理后的音頻文件路徑輸入語(yǔ)音識(shí)別項(xiàng)目后即可輸出識(shí)別后的中文文本。

4.2多源自媒體資源內(nèi)容關(guān)鍵詞與知識(shí)摘要抽取

多源白媒體資源內(nèi)容知識(shí)摘要與關(guān)鍵詞抽取分別使用了TextRank算法中的Summarize函數(shù)與Key-words函數(shù)。

TextRank算法是由頁(yè)面重要性排序算法Pag-eRank算法遷移出來(lái)而生成的新算法，PageRank算法依據(jù)頁(yè)面間的鏈接性聯(lián)系構(gòu)建網(wǎng)絡(luò)，而TextRank算法則依據(jù)字詞間的共現(xiàn)性聯(lián)系構(gòu)建網(wǎng)絡(luò)。

PageRank算法所建立的網(wǎng)絡(luò)上的邊為有向無(wú)權(quán)邊，而TextRank算法把單詞當(dāng)作萬(wàn)維網(wǎng)中的節(jié)點(diǎn)，并通過(guò)單詞間的共現(xiàn)性關(guān)系判斷一個(gè)單詞的價(jià)值，從而把PageRank中的有向無(wú)權(quán)邊轉(zhuǎn)換為無(wú)向有權(quán)邊。

首先需要將給定的文本進(jìn)行分詞和詞性標(biāo)注，詞性標(biāo)注與命名實(shí)體識(shí)別相似但不完全相同，詞性標(biāo)注指根據(jù)詞性標(biāo)記所有詞語(yǔ)，而命名實(shí)體識(shí)別僅選出已被定義的的實(shí)體。本文分詞及詞性標(biāo)注同樣采用Jiagu自然語(yǔ)言處理工具構(gòu)建完成。多源自媒體資源內(nèi)容詞性標(biāo)注標(biāo)準(zhǔn)如表4所示，以B站視頻類多源自媒體資源“【羅翔】正當(dāng)防衛(wèi)的尺度”為例，展示分詞及詞性標(biāo)注結(jié)果，如圖3所示。

在所有詞性標(biāo)注的結(jié)果中剔除停用詞，只保留名詞、動(dòng)詞、形容詞等，而后即可構(gòu)建詞圖G=（V，E）。其中V為節(jié)點(diǎn)集合，由經(jīng)過(guò)上一步所產(chǎn)生的詞匯構(gòu)成，然后通過(guò)共現(xiàn)關(guān)系構(gòu)造任何兩個(gè)節(jié)點(diǎn)相互之間的邊：在窗口尺寸為K的視窗中（即最多共現(xiàn)K個(gè)單詞，通常K取2），兩個(gè)節(jié)點(diǎn)相互之間具有邊當(dāng)且僅當(dāng)它們所相應(yīng)的詞匯在尺寸為K的視窗中共現(xiàn)。

根據(jù)式（1）．可以迭代求解各節(jié)點(diǎn)占據(jù)的權(quán)重，直到收斂。對(duì)節(jié)點(diǎn)的權(quán)重實(shí)行倒序排序，由此得出了最關(guān)鍵的t個(gè)詞，命名為top-t詞。對(duì)新獲得的top-t詞，在原始文本上加以標(biāo)注，如果在它們的中間產(chǎn)生了任意相鄰短語(yǔ)，就當(dāng)作關(guān)鍵詞抽取出來(lái)，即最終輸出的結(jié)果。

在給定文本中抽取關(guān)鍵句時(shí)，把文本中的各個(gè)語(yǔ)句單獨(dú)視為一個(gè)節(jié)點(diǎn)，假設(shè)兩個(gè)語(yǔ)句具有相似之處，即認(rèn)為在這兩個(gè)語(yǔ)句對(duì)應(yīng)的節(jié)點(diǎn)間具有一條無(wú)向有權(quán)邊，判斷語(yǔ)句間相似性的公式見(jiàn)式（2）：

其中S1、S2為兩個(gè)獨(dú)立的句子，w為句子中的詞匯集。式（2）右側(cè)分子部分意為是同一個(gè)詞重復(fù)出現(xiàn)在兩個(gè)句子中的次數(shù)，分母則是對(duì)句子中詞的個(gè)數(shù)求對(duì)數(shù)后再求和，如此方可控制較長(zhǎng)文本在相似度計(jì)算上的誤差。

按照上述相似度計(jì)算公式循環(huán)計(jì)算出任何兩個(gè)節(jié)點(diǎn)間的相似度，并設(shè)定閾值以去除兩個(gè)節(jié)點(diǎn)中間相似度較低的一邊，進(jìn)而建立出節(jié)點(diǎn)連接圖，隨后迭代計(jì)算各個(gè)節(jié)點(diǎn)的TextRank值，在排序后選出TextRank值最大的n個(gè)節(jié)點(diǎn)，將其對(duì)應(yīng)的語(yǔ)句作為關(guān)鍵句，并作為結(jié)果輸出。

以B站視頻類多源自媒體資源“【羅翔】正當(dāng)防衛(wèi)的尺度”為例，關(guān)鍵詞及知識(shí)摘要抽取結(jié)果如圖4所示。

4.3多源自媒體資源內(nèi)容知識(shí)組織信息整合

按照多源自媒體資源知識(shí)元模型邏輯框架，多源自媒體資源內(nèi)容知識(shí)組織所得結(jié)果將會(huì)與多源自媒體資源特征知識(shí)組織的所得結(jié)果一同進(jìn)行語(yǔ)義關(guān)聯(lián)，為方便語(yǔ)義關(guān)聯(lián)工作的進(jìn)行，需要將多源自媒體資源內(nèi)容知識(shí)組織的結(jié)果集成到已構(gòu)建的多源自媒體資源特征信息本體中，合并為多源自媒體資源信息本體，如圖5所示。

4.4多源自媒體資源語(yǔ)義網(wǎng)絡(luò)構(gòu)建

1）語(yǔ)義網(wǎng)絡(luò)

語(yǔ)義網(wǎng)絡(luò)（Semantic Network）是奎林（Quillian JR）于1968年提出的一種以網(wǎng)狀脈絡(luò)表達(dá)數(shù)據(jù)關(guān)聯(lián)的形式，是人工智能程序運(yùn)用的表示方式之一，是一種直觀的知識(shí)表示方法。語(yǔ)義網(wǎng)絡(luò)本質(zhì)上是多組三聯(lián)組的組合與擴(kuò)展，其構(gòu)建方法主要是半自動(dòng)法或自動(dòng)法，包括概念抽取和關(guān)系抽取兩個(gè)步驟。

2）多源自媒體資源特征知識(shí)元語(yǔ)義網(wǎng)絡(luò)

通過(guò)Protege內(nèi)的OntoGraf模塊，可對(duì)構(gòu)建好的本體模型進(jìn)行結(jié)構(gòu)脈絡(luò)可視化，如圖6所示。

由于語(yǔ)義網(wǎng)絡(luò)的表達(dá)范圍有限，一旦節(jié)點(diǎn)個(gè)數(shù)太多，網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，推理就難以進(jìn)行，因此在語(yǔ)義網(wǎng)絡(luò)的構(gòu)建過(guò)程中需要有意控制節(jié)點(diǎn)的數(shù)量。

根據(jù)圖6中的結(jié)構(gòu)脈絡(luò)，在多源自媒體資源特征信息分類層次的基礎(chǔ)上，將從事行業(yè)、職業(yè)經(jīng)歷、教育經(jīng)歷概括為履歷知識(shí)元。由于日期在語(yǔ)義網(wǎng)絡(luò)構(gòu)建中具有格式特殊性，因此將其從客觀信息類中分出，獨(dú)立概括為時(shí)間知識(shí)元，概括后的整體知識(shí)元語(yǔ)義網(wǎng)絡(luò)如圖7所示。

多源自媒體資源特征語(yǔ)義網(wǎng)絡(luò)將多源自媒體資源的屬性以及屬性間的語(yǔ)義聯(lián)系顯示地表現(xiàn)出來(lái)，下層結(jié)點(diǎn)可以繼承、新增和變異上層結(jié)點(diǎn)的屬性，從而便于實(shí)現(xiàn)信息共享和知識(shí)挖掘。

5多源自媒體資源語(yǔ)義關(guān)聯(lián)實(shí)驗(yàn)

為對(duì)多源自媒體資源知識(shí)組織結(jié)果進(jìn)行延伸和應(yīng)用，以實(shí)現(xiàn)研究目標(biāo)中的館藏到多源自媒體資源的一對(duì)多映射，基于語(yǔ)義學(xué)理論，通過(guò)計(jì)算機(jī)領(lǐng)域的關(guān)聯(lián)算法對(duì)多源自媒體資源知識(shí)組織結(jié)果和館藏資源進(jìn)行語(yǔ)義關(guān)聯(lián)研究，設(shè)計(jì)多個(gè)方案進(jìn)行關(guān)聯(lián)并通過(guò)實(shí)驗(yàn)比對(duì)它們的效果。

5.1語(yǔ)義關(guān)聯(lián)實(shí)驗(yàn)設(shè)計(jì)

對(duì)語(yǔ)義關(guān)聯(lián)實(shí)驗(yàn)進(jìn)行設(shè)計(jì)，實(shí)驗(yàn)的設(shè)計(jì)將分為4個(gè)部分，分別是需求分析、語(yǔ)義關(guān)聯(lián)算法選取、語(yǔ)義關(guān)聯(lián)方案設(shè)計(jì)和實(shí)驗(yàn)流程設(shè)計(jì)。

5.1.1實(shí)驗(yàn)需求分析

算法需要對(duì)知識(shí)組織的結(jié)果預(yù)處理后的數(shù)據(jù)同關(guān)聯(lián)對(duì)象進(jìn)行語(yǔ)義關(guān)聯(lián)計(jì)算，輸出與給定的每個(gè)多源自媒體資源知識(shí)組織結(jié)果的語(yǔ)義關(guān)聯(lián)度，并按語(yǔ)義關(guān)聯(lián)度高低進(jìn)行排序。排序后的各多源自媒體資源知識(shí)組織語(yǔ)義關(guān)聯(lián)度，關(guān)聯(lián)度最高和最低之差應(yīng)不小于0.01，確保語(yǔ)義關(guān)聯(lián)結(jié)果能表現(xiàn)出明顯的高低之分。

5.1.2語(yǔ)義關(guān)聯(lián)算法選取

1）語(yǔ)義關(guān)聯(lián)算法。語(yǔ)義學(xué)理論中認(rèn)為，任何兩個(gè)詞語(yǔ)的相似度取決于它們的共性（Commonality）和個(gè)性（Differences），語(yǔ)義關(guān)聯(lián)度一般為一個(gè)0～1之間的實(shí)數(shù)。

目前較為常見(jiàn)的語(yǔ)義關(guān)聯(lián)算法主要有：詞向量關(guān)聯(lián)法、特征關(guān)聯(lián)法、Bert概率關(guān)聯(lián)法和詞典關(guān)聯(lián)法。由于詞向量關(guān)聯(lián)法相較于其他關(guān)聯(lián)法較為直接和簡(jiǎn)便，因此在目前語(yǔ)義關(guān)聯(lián)方面的算法更多會(huì)選擇詞向量關(guān)聯(lián)法。

2）算法評(píng)價(jià)指標(biāo)。衡量機(jī)器學(xué)習(xí)算法的三大指標(biāo)為：查全率、查準(zhǔn)率和F1。

3）語(yǔ)義關(guān)聯(lián)算法對(duì)比分析。本實(shí)驗(yàn)中選擇了詞向量關(guān)聯(lián)法中使用較多的幾種算法，并通過(guò)上述評(píng)價(jià)指標(biāo)進(jìn)行對(duì)比，如表5所示。

通過(guò)表5中的數(shù)據(jù)可見(jiàn)，算法text_similar-matching-tool-master在3項(xiàng)指標(biāo)上都明顯優(yōu)于其他算法，因止匕選擇text_similar-matching-tool-master來(lái)進(jìn)行語(yǔ)義關(guān)聯(lián)實(shí)驗(yàn)。

5.1.3語(yǔ)義關(guān)聯(lián)方案設(shè)計(jì)

通過(guò)結(jié)合多源自媒體資源知識(shí)組織中的多源自媒體資源語(yǔ)義網(wǎng)絡(luò)脈絡(luò)，已確定的語(yǔ)義關(guān)聯(lián)方案有兩種：整體關(guān)聯(lián)法和加權(quán)關(guān)聯(lián)法。在本實(shí)驗(yàn)中根據(jù)語(yǔ)義網(wǎng)絡(luò)中各節(jié)點(diǎn)之間的距離為多源自媒體資源知識(shí)組織結(jié)果中的各個(gè)部分賦予權(quán)重，將各部分單獨(dú)作為算法的輸入結(jié)果進(jìn)行語(yǔ)義關(guān)聯(lián)，再對(duì)輸出的結(jié)果進(jìn)行加權(quán)運(yùn)算，得出最終的加權(quán)語(yǔ)義關(guān)聯(lián)度。

在對(duì)算法的測(cè)試過(guò)程中發(fā)現(xiàn)，實(shí)驗(yàn)算法對(duì)長(zhǎng)文本的語(yǔ)義關(guān)聯(lián)度輸入結(jié)果浮動(dòng)較大且整體偏低，而對(duì)短文本的語(yǔ)義關(guān)聯(lián)度則較為穩(wěn)定，因此需要進(jìn)行預(yù)實(shí)驗(yàn)加以確定。

如圖8所示，將一段100字的文本分為5段20字的文本，再將它們分別與另一段關(guān)聯(lián)文本進(jìn)行語(yǔ)義關(guān)聯(lián)，關(guān)聯(lián)文本為該100字文本經(jīng)翻譯成英語(yǔ)、德語(yǔ)后再翻譯回中文的結(jié)果，語(yǔ)義關(guān)聯(lián)結(jié)果如圖9所示。

圖9中的similarity為100字文本同關(guān)聯(lián)文本間的語(yǔ)義關(guān)聯(lián)度，而similarity1～5則為分段后的5段文本各自與關(guān)聯(lián)文本間的語(yǔ)義關(guān)聯(lián)度。

通過(guò)預(yù)實(shí)驗(yàn)可發(fā)現(xiàn)，similarity1～5均高于simi-larity，且對(duì)similarity1～5計(jì)算平均值后依然遠(yuǎn)高于similarity。由此可見(jiàn)同一段文本內(nèi)容，將其整體進(jìn)行關(guān)聯(lián)和分段進(jìn)行關(guān)聯(lián)的結(jié)果存在較大偏差。

多源自媒體資源知識(shí)組織結(jié)果由組成結(jié)構(gòu)化信息、命名實(shí)體、關(guān)鍵詞、知識(shí)摘要等組成，因此考慮對(duì)多源自媒體資源知識(shí)組織結(jié)果進(jìn)行分段，其中知識(shí)摘要字?jǐn)?shù)相對(duì)較多可根據(jù)文段長(zhǎng)度適當(dāng)分為2～3段，再將它們分別與關(guān)聯(lián)對(duì)象進(jìn)行語(yǔ)義關(guān)聯(lián)，以此構(gòu)建分段關(guān)聯(lián)法。因?yàn)榉侄涡枰M(jìn)行數(shù)倍于整體關(guān)聯(lián)法的工作量，因此在保證輸出語(yǔ)義關(guān)聯(lián)度最高的5個(gè)結(jié)果能夠達(dá)成的基礎(chǔ)上，分段關(guān)聯(lián)法將僅在整體關(guān)聯(lián)法結(jié)果中的語(yǔ)義關(guān)聯(lián)度最高的10個(gè)結(jié)果中進(jìn)行。

分段關(guān)聯(lián)法對(duì)多源自媒體資源知識(shí)組織結(jié)果的分割恰好符合加權(quán)關(guān)聯(lián)法的數(shù)據(jù)需求，因此加權(quán)關(guān)聯(lián)法可在分段關(guān)聯(lián)法的基礎(chǔ)上進(jìn)行。

至此，本實(shí)驗(yàn)的語(yǔ)義關(guān)聯(lián)方案全部確定，分別為整體關(guān)聯(lián)法、詞句關(guān)聯(lián)法和加權(quán)關(guān)聯(lián)法，實(shí)驗(yàn)語(yǔ)義關(guān)聯(lián)方案設(shè)計(jì)流程圖如圖10所示。

整體關(guān)聯(lián)法為語(yǔ)義關(guān)聯(lián)算法的直接調(diào)用，計(jì)算出關(guān)聯(lián)對(duì)象與多源自媒體資源信息的語(yǔ)義關(guān)聯(lián)度。

分段關(guān)聯(lián)法在整體關(guān)聯(lián)法的基礎(chǔ)上，對(duì)結(jié)果中語(yǔ)義關(guān)聯(lián)度前十的多源自媒體資源進(jìn)行分段，以所有文段對(duì)于關(guān)聯(lián)對(duì)象信息的平均語(yǔ)義關(guān)聯(lián)度，作為該多源自媒體資源信息整體對(duì)于關(guān)聯(lián)對(duì)象信息的語(yǔ)義關(guān)聯(lián)度輸出。

加權(quán)關(guān)聯(lián)法在詞句關(guān)聯(lián)法的基礎(chǔ)上，對(duì)分段后的語(yǔ)義關(guān)聯(lián)度進(jìn)行加權(quán)計(jì)算后得出加權(quán)語(yǔ)義關(guān)聯(lián)度。權(quán)重分配參照多源自媒體資源本體及知識(shí)元語(yǔ)義網(wǎng)絡(luò)結(jié)構(gòu)，以節(jié)點(diǎn)的級(jí)別進(jìn)行分配。

其中內(nèi)容知識(shí)元、作者知識(shí)元和客觀信息知識(shí)元與上一級(jí)節(jié)點(diǎn)之間的距離比約為1：1.5：2.5，因此3個(gè)知識(shí)元與上一級(jí)節(jié)點(diǎn)的關(guān)聯(lián)程度比為1：111.5：1/2.5，化簡(jiǎn)后約為5：3. 33：2，為方便加權(quán)計(jì)算，應(yīng)盡量使比例總和為10個(gè)倍數(shù)，因此此處將關(guān)聯(lián)程度比例近似視為為5：3：20

通過(guò)上述比例可對(duì)一級(jí)節(jié)點(diǎn)進(jìn)行權(quán)重分配，其中內(nèi)容信息占0.5，作者信息占0.3，客觀信息占0.2，后續(xù)節(jié)點(diǎn)因距離差不夠明顯，計(jì)算比例較為困難，因此采用依次平分的形式，具體如表6所示。

5.1.4實(shí)驗(yàn)流程設(shè)計(jì)

1）數(shù)據(jù)準(zhǔn)備，將實(shí)驗(yàn)所需的多源自媒體資源信息數(shù)據(jù)與關(guān)聯(lián)對(duì)象數(shù)據(jù)分別進(jìn)行整理。

2）語(yǔ)義關(guān)聯(lián)計(jì)算，將整理的數(shù)據(jù)集通過(guò)3種算法進(jìn)行語(yǔ)義關(guān)聯(lián)度計(jì)算，分別得出與之關(guān)聯(lián)度最高的5個(gè)結(jié)果及其語(yǔ)義關(guān)聯(lián)度。

3）結(jié)果檢驗(yàn)，結(jié)果檢驗(yàn)分為兩個(gè)部分。第一部分為對(duì)3種算法的整體關(guān)聯(lián)正確率進(jìn)行人為判斷相關(guān)性，第二部分為對(duì)比詞句關(guān)聯(lián)法和加權(quán)關(guān)聯(lián)法下各個(gè)結(jié)果所計(jì)算出的語(yǔ)義關(guān)聯(lián)度。

4）實(shí)驗(yàn)分析及總結(jié)。

5.2實(shí)驗(yàn)數(shù)據(jù)收集及預(yù)處理

對(duì)實(shí)驗(yàn)所需要的數(shù)據(jù)進(jìn)行需求分析，確定數(shù)據(jù)的來(lái)源、類型和內(nèi)容構(gòu)成。然后通過(guò)技術(shù)手段對(duì)實(shí)驗(yàn)數(shù)據(jù)按需求分類、分結(jié)構(gòu)進(jìn)行收集。最后對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)處理，以方便后續(xù)實(shí)驗(yàn)流程進(jìn)行。

5.2.1實(shí)驗(yàn)數(shù)據(jù)說(shuō)明

實(shí)驗(yàn)的數(shù)據(jù)主要分為兩個(gè)部分：多源自媒體資源知識(shí)組織結(jié)果和關(guān)聯(lián)對(duì)象數(shù)據(jù)，數(shù)據(jù)類型均為txt文本文件。

多源自媒體資源數(shù)據(jù)知識(shí)組織結(jié)果通過(guò)上文構(gòu)建的多源自媒體資源知識(shí)組織方法獲得，分別從B站、抖音、知乎3個(gè)社交媒體平臺(tái)選取若干多源自媒體資源數(shù)據(jù)，進(jìn)行知識(shí)組織后將結(jié)果分別存入本地。出于工作量的考慮，將3個(gè)平臺(tái)的多源自媒體資源數(shù)量均定位50個(gè)。

為驗(yàn)證語(yǔ)義關(guān)聯(lián)效果是否準(zhǔn)確，應(yīng)該在語(yǔ)義關(guān)聯(lián)數(shù)據(jù)集中適當(dāng)加入干擾信息，因此在實(shí)驗(yàn)中設(shè)置了20%的干擾信息，即與關(guān)聯(lián)對(duì)象不相關(guān)的多源自媒體資源數(shù)量占總多源自媒體資源數(shù)量的1/5。

5.2.2多源自媒體資源知識(shí)組織結(jié)果獲取

1）數(shù)據(jù)來(lái)源及類型。多源自媒體資源知識(shí)組織的結(jié)果，來(lái)源于多源自媒體資源經(jīng)過(guò)第二部分多源自媒體資源知識(shí)組織的結(jié)果輸出。而知識(shí)組織對(duì)象的多源自媒體資源從B站、抖音、知乎3個(gè)平臺(tái)選取主要法律相關(guān)的知識(shí)性多源自媒體資源，其中200-/0的干擾性信息選取金融相關(guān)知識(shí)性多源自媒體資源。

2）數(shù)據(jù)采集。以B站為例，通過(guò)在網(wǎng)頁(yè)中查看源碼可知，B站的分區(qū)及關(guān)鍵詞等信息均包含在

• 版塊中，因此在抓取時(shí)，應(yīng)優(yōu)先加入一段對(duì)tag所在行的內(nèi)容的判斷。若tag中同時(shí)包含法律和金融等文本，則之間跳過(guò)該多源自媒體資源，對(duì)下一個(gè)多源自媒體資源進(jìn)行篩查。

  在通過(guò)上一步的篩查后，即可對(duì)多源自媒體資源進(jìn)行數(shù)據(jù)采集，采集的對(duì)象包括標(biāo)題、作者、標(biāo)簽等結(jié)構(gòu)化信息，還包括多源自媒體資源本身，需要將其下載到本地并進(jìn)行音頻提取等操作。

  3）知識(shí)組織。對(duì)多源自媒體資源數(shù)據(jù)按多源自媒體資源知識(shí)組織模型進(jìn)行知識(shí)組織后，將數(shù)據(jù)分別寫入txt文本文件，如圖11所示。

  5.2.3關(guān)聯(lián)對(duì)象數(shù)據(jù)獲取

  1）關(guān)聯(lián)對(duì)象選取。多源自媒體資源知識(shí)組織目標(biāo)之一是實(shí)現(xiàn)館藏到多源自媒體資源的一對(duì)多映射，尋找館藏與多源自媒體資源在知識(shí)結(jié)構(gòu)上的映射關(guān)系，以滿足用戶日益增長(zhǎng)的知識(shí)需求，使圖書館實(shí)現(xiàn)由多源自媒體資源到館藏的利用，因此，本實(shí)驗(yàn)中的關(guān)聯(lián)對(duì)象選擇了圖書館虛擬館藏資源。而由于需要保證語(yǔ)義關(guān)聯(lián)的效果，因此關(guān)聯(lián)對(duì)象與待關(guān)聯(lián)的文本之間應(yīng)該具有相關(guān)性，即虛擬館藏的選取應(yīng)該選用法律相關(guān)的館藏資源。本實(shí)驗(yàn)關(guān)聯(lián)對(duì)象資源選擇了虛擬館藏資源《法律基礎(chǔ)》，如圖12所示。

  2）關(guān)聯(lián)對(duì)象信息抽取目標(biāo)分析。對(duì)關(guān)聯(lián)對(duì)象做信息抽取的主要目的是提供與多源自媒體資源信息進(jìn)行語(yǔ)義關(guān)聯(lián)工作的數(shù)據(jù)。而本文的研究主體為對(duì)多源自媒體資源信息進(jìn)行的知識(shí)組織，關(guān)聯(lián)對(duì)象是作為語(yǔ)義關(guān)聯(lián)的參照而存在的，因此對(duì)關(guān)聯(lián)對(duì)象的知識(shí)抽取，只需對(duì)在虛擬館藏所在頁(yè)面上能表示該虛擬館藏的信息進(jìn)行收集和組織即可，不需要對(duì)關(guān)聯(lián)對(duì)象信息抽取的結(jié)果構(gòu)建本體。

  在語(yǔ)義關(guān)聯(lián)中，對(duì)文本的分段不是必要的，進(jìn)行語(yǔ)義關(guān)聯(lián)的兩段文本在長(zhǎng)度相差較大時(shí)誤差甚至可以忽略不計(jì)，因此不需要對(duì)關(guān)聯(lián)對(duì)象信息抽取的結(jié)果分段，保留其內(nèi)容寫入txt文本中即可。

  3）關(guān)聯(lián)對(duì)象信息抽取框架構(gòu)建。根據(jù)虛擬館藏資源知識(shí)信息目標(biāo)分析的結(jié)果構(gòu)建了虛擬館藏資源信息抽取框架，如表7所示，抽取結(jié)果如圖13所示。

  5.2.4數(shù)據(jù)預(yù)處理

  為方便實(shí)驗(yàn)進(jìn)行，對(duì)知識(shí)組織所得結(jié)果的txt文本進(jìn)行分類整理，文件以【數(shù)據(jù)來(lái)源平臺(tái)+序號(hào)】命名，通過(guò)對(duì)txt文本進(jìn)行命名，在后續(xù)試驗(yàn)中即可通過(guò)循環(huán)算法對(duì)同一來(lái)源的多個(gè)文本進(jìn)行語(yǔ)義關(guān)聯(lián)，大大減少實(shí)驗(yàn)工作量。

  5.3運(yùn)行結(jié)果及分析

  5.3.1算法運(yùn)行結(jié)果

  本實(shí)驗(yàn)采用的3種方案分別為整體關(guān)聯(lián)法、分段關(guān)聯(lián)法和加權(quán)關(guān)聯(lián)法的運(yùn)行結(jié)果，根據(jù)實(shí)驗(yàn)需求設(shè)計(jì)，對(duì)各個(gè)實(shí)驗(yàn)方案輸出結(jié)果中的語(yǔ)義關(guān)聯(lián)度最高的5個(gè)結(jié)果及其語(yǔ)義關(guān)聯(lián)度進(jìn)行展示，如表8～表10所示。

  5.3.2實(shí)驗(yàn)結(jié)果分析

  本實(shí)驗(yàn)的研究目標(biāo)是實(shí)現(xiàn)虛擬館藏資源到多源自媒體資源的一對(duì)多映射，主要的衡量指標(biāo)應(yīng)為輸出的結(jié)果具體是否與虛擬館藏資源相關(guān)，因此本實(shí)驗(yàn)的運(yùn)行結(jié)果分析主要通過(guò)觀察分析來(lái)完成。

  算法的運(yùn)行結(jié)果顯示，整體關(guān)聯(lián)法同其他兩種算法所得的語(yǔ)義關(guān)聯(lián)度相差甚遠(yuǎn)，詞句關(guān)聯(lián)法和加權(quán)關(guān)聯(lián)法所得語(yǔ)義關(guān)聯(lián)度在0.4～0.5之間，而整體關(guān)聯(lián)法所得語(yǔ)義關(guān)聯(lián)度均在0.3以下。3種算法均能關(guān)聯(lián)出共計(jì)150個(gè)資源中在標(biāo)題上與關(guān)聯(lián)對(duì)象《法律基礎(chǔ)》有直接相關(guān)的，也是內(nèi)容上最為相關(guān)的一個(gè)，即《法律基礎(chǔ)一民事訴訟（一）》這一資源。證明3種算法對(duì)高度相關(guān)資源的關(guān)聯(lián)能力符合預(yù)期結(jié)果。

  從整體關(guān)聯(lián)正確率來(lái)看，詞句關(guān)聯(lián)法和加權(quán)關(guān)聯(lián)法均能關(guān)聯(lián)出5個(gè)法律相關(guān)多源自媒體資源，符合預(yù)期結(jié)果。

  而對(duì)比詞句關(guān)聯(lián)法和權(quán)重關(guān)聯(lián)法可見(jiàn)，加權(quán)關(guān)聯(lián)法所得5個(gè)結(jié)果的語(yǔ)義關(guān)聯(lián)度較為相近，而詞句關(guān)聯(lián)法所得5個(gè)結(jié)果的語(yǔ)義關(guān)聯(lián)度則較為分散。

  以語(yǔ)義關(guān)聯(lián)為基礎(chǔ)，綜合運(yùn)用了語(yǔ)音文本化、語(yǔ)義識(shí)別和語(yǔ)義關(guān)聯(lián)等人工智能技術(shù)，以收集一組織一關(guān)聯(lián)一發(fā)現(xiàn)為主要流程對(duì)多源自媒體資源進(jìn)行了知識(shí)組織研究，實(shí)現(xiàn)了虛擬館藏資源到多源自媒體資源間的一對(duì)多映射。

  6總結(jié)

  本文分析了多源自媒體資源特征信息，構(gòu)建了多源自媒體資源元數(shù)據(jù)描述框架。在元數(shù)據(jù)描述框架的基礎(chǔ)上，構(gòu)建了多源自媒體資源本體，對(duì)構(gòu)建本體所需的概念分類、層次結(jié)構(gòu)、屬性和關(guān)系進(jìn)行定義，為語(yǔ)義關(guān)聯(lián)提供支持。通過(guò)融合語(yǔ)音識(shí)別、語(yǔ)義識(shí)別等技術(shù)，將知識(shí)組織研究拓展到非文本類資源領(lǐng)域，為知識(shí)組織研究提供了新的思路。本文通過(guò)分詞和加權(quán)計(jì)算，設(shè)計(jì)了圖書館館藏資源和多源自媒體資源間的語(yǔ)義關(guān)聯(lián)算法并進(jìn)行了檢驗(yàn)，對(duì)比了不同算法下語(yǔ)義關(guān)聯(lián)的結(jié)果。達(dá)成了虛擬館藏資源到多源自媒體資源之間一對(duì)多映射關(guān)系的研究目標(biāo)，且關(guān)聯(lián)關(guān)系較為準(zhǔn)確，在一定程度上對(duì)虛擬館藏延伸有參考性。