馆藏数字资源关联知识发现过程的实现路径*

刘学平 （潍坊学院图书馆 山东 潍坊 261061）

网络技术的发展使馆藏数字资源的环境由传统文件网络环境向充满语义关联资源的新环境转变。这为知识发现活动越来越多地基于网络资源展开增加了新的发展机遇。图书馆是数字资源的聚集地，从迅速增长的馆藏数字资源中发现有效的知识，与图书馆知识服务的趋势正适切，而对馆藏数字资源关联知识发现过程的研究，正好为知识服务的知识推送提供了实现路径。因此，寻求资源关联对知识发现效率和能力的影响，优化二者之间的关系，促进资源关联背景下的知识发现，实现发现知识对读者需求的针对性，提升图书馆的知识服务能力，成为实现馆藏数字资源关联知识发现过程的目的。这一目的决定了馆藏数字资源关联知识发现过程的实现路径要分两个维度展开：一是从微机角度出发，强调微机的计算能力和人工智能，以各种高性能处理算法、智能搜索与挖掘算法等为主要实现内容；二是从读者对知识的需求角度出发，强调基于人机交互的、符合人的认知规律的分析方法，将人所具备的、微机并不擅长的认知能力融入知识发现过程[1]，具体表现如下。

1 动 力

实现馆藏数字资源关联知识发现过程的动力主要来自两方面，一是读者快速获取知识的准确性需求。目前馆藏数字资源检索结果采用一维线性排列方式，读者需要逐条阅读筛选出自己需要的资源，在浪费读者时间的同时降低了资源的查全率与查准率。二是读者对馆藏数字资源关联知识发现的期望。网络时代，快节奏的学习方式致使读者期望一个高效、便捷的知识获取平台，能够在同一张网页上直观地看到获取到的有用资源并显示出各知识之间的关联关系。馆藏数字资源关联知识发现过程的实现，为读者这一期望的实现提供了实现的路径，即知识发现过程能将检索结果用有效关联、建立数据联系、二次开发等方法实现，使资源具有相关性，再通过二维图形和图表、三维图形和动画、多维模拟空间等可视化的方式[2]，将检索结果呈现给读者，实现读者一站式获取资源的期望。读者的这种需求和期望成为馆藏数字资源关联知识发现过程实现的动力源泉。

2 技 术

2.1 网页抓取技术

由于馆藏数字资源主要以网页的形式存在，所以页面资源的抓取至关重要。网页抓取技术主要是对HTML页面的抓取和分析，配合HTML connector即网页连接器一起使用，抓取双层链接并保存页面内容。常见的网页抓取方法有三种，一是URL（Uniform Resource Locator，统一资源定位符）地址中包含分页信息；二是通过Asp.net开发的网站分页控件，通过POST方式提交分页信息到后台代码；三是翻页过程中找不到页码信息，所以只能用代码模拟手动翻页，然后抓取[3]。

2.2 资源挖掘技术

资源挖掘是利用路径分析技术、关联规则、序列模式、分类聚类等技术，挖掘出有效的、可能被理解的资源和知识。常用的方法有贝叶斯方法、遗传算法、神经网络等。在此基础上，图书馆利用可视化技术、知识查询技术等，将得到的资源转换为读者可以理解的资源，并删除无用资源[3]。

2.3 索引技术

索引技术是资源库与读者需求之间的桥梁，贯穿于整个资源发现过程中，它包括内容索引和结构索引。结构索引即图书馆将网页中的页面和链接作为索引的节点和边的有向图，有了节点和边的有向图就可以对超链接创建索引。内容索引主要是Web页面的文本资源[3]，是在资源挖掘时查询内容相关度的主要方法。

3 方 法

3.1 语义聚焦爬虫发现法

语义聚焦爬虫发现法分为发现目标的定义和描述、发现策略的分析与制定、页面语义标注和分析三步。首先，以事先遴选好的URL作为种子样本来决定爬行的起点，从而达到对爬虫为发现新目标页面URL而进行漫游的深度控制和引导；其次，采用传统的深度优先、广度优先和启发式搜索等策略，对提取到的URL列表进行链接排序和下载，得到不含任何语义关联信息的数据和相关的元数据；最后，对得到的资源进行分析和分类，从语义化的网页或文件格式中（如URL文件、OWL文件、XTM文件、XML文件）嵌入相关语义标记（如RDFa、Microdata的HTML和XHTML），并从文件中提取和分离出语义标注信息。常采用的方法是编写自定义的解析程序或者采用语义分离器RDF API等。对非语义化标注的网页文档，此方法则通过一些自动化语义标注软件或人工辅助标注方式补充语义信息[4]，实现对获取到相关实体数据和元数据语义标注的完善，最终根据语义标注信息发现新知识。

3.2 领域本体发现法

领域本体发现法与语义聚焦爬虫发现方法有相同之处，由于它增加了领域本体库的支持，因而也增加了多道处理工序，主要表现有：其一，在页面语义标注和分析环节，并不仅仅是对当前页面进行语义分析，而是结合领域本体库的知识对页面进行扩展解析。其二，在完成页面解析后，能够把得到的相关语义标注信息重新返回给领域本体库，由领域本体库进行基于三元组的拆解和保存，从而达到扩展和丰富现有本体库的目的。其三，在资源存储和索引环节，利用本体映射技术对本体库中新增的异构本体进行本体和实体的映射，同时利用实体融合技术对映射结果库中相同或相似的实体进行实体融合或实体关联，然后将最终形成的实体关系和数据交给索引分析模块进行处理[4]，从而形成索引库以进行存储和索引。

3.3 RDF查询语言发现法

在数据结构上，语义网主要采用“资源－属性－值”的RDF三元组形式去描述网络知识源。一个RDF三元组又可以表示为一个RDF有向图。因此，对于微机来说，一个有效的语义网资源站点可以被定义为一个或多个RDF有向图组成的集合。因而基于RDF的查询，该方法能够借助于RDF数据模型和语义网自身的优势，对查询需求进行明确语义和强结构化的表达，从而查询到精确满足特定目标需求的数据，而返回的查询结果仍然是一个RDF三元组的集合，这有利于进一步的语义关联和语义挖掘。目前，国际上具有代表性的RDF查询语言主要包括SPARQL、RQL、RDQL、SERQL、N3、TRIPLE、Versa等[4]。

3.4 关联数据发现法

该方法首先利用语义搜索引擎或关联数据源提供的接口，在根据应用需求遴选出的相关关联数据源中，通过访问这些数据源中的RDF链接发现更多的相关资源数据。其次，通过关联映射实现关联数据（不同的关联数据通常采用不同的本体或叙词表来标注同一实体概念的语义信息）、不同本体或叙词表中对同一个实体进行定义或描述的术语的标准，并能够将其全部转换或使用某种统一的目标规范格式进行表示，以避免后续处理出现误解和混乱。最后，通过实体〔不同的关联数据源也通常采用不同的URI（Uniform Resource Identifier，统一资源标识符）去标示同一个实体〕融合，对实体中所有使用标记指向的数据源进行资源获取和审核，用于对当前实体关系的语义补充和完善，并产生和分配给该实体一个主体的新的URI，形成一个新的关于该实体的RDF声明，同时将通过审核的RDF链接作为来源数据源仍然使用标记在新的RDF声明中。同时也为了保证知识资源发现的可靠性[4]，尽可能地摒弃无效的RDF链接和实体关联信息。

4 策略保障

4.1 以“发现”的理念引领知识发现过程的新思维

“发现”是一个从无到有的过程。就馆藏数字资源知识发现过程而言，它不是通常的知识呈现的过程，而是超出馆藏资源范围以外，用新思维、新方法发现新知识的过程。馆藏数字资源的动态增长，会不断地给知识发现过程提供新的数据和信息，产生更多的新知识。这样的知识发现过程会使我们意识到，由于读者对馆藏资源需求的满足永远是不全面、暂时的，因而知识发现过程是一个动态、不饱和的过程，它会以“发现”更多知识的新思维督促知识发现过程时刻准备着去获取和挖掘更多的最新知识，而不是停留在原有、静止的某个层面[5]。这样的新思维会在调动图书馆知识发现主动性的同时，提升知识发现率，达到提高馆藏数字资源利用率的目的。

4.2 以新技术跟踪提高馆藏数字资源关联知识的可发现性

发现技术的日新月异要求知识发现必须及时跟踪与关注聚焦爬虫、领域本体、RDF查询语言、关联数据、语义网、资源发现、资源组织等相关领域的前沿技术发展动态，及时对其理论、方法、技术和工具进行了解和掌握，并在知识发现过程中，根据每种发现技术和发现工具的优劣点，按知识发现过程的需要，选择最佳的技术与工具完成发现过程的设计和发现任务。这也是馆藏数字资源关联知识发现过程实现的基础条件和必备条件。因为馆藏数字资源关联知识发现过程通常被要求能够同时支持检索驱动和知识推理驱动的过程。检索驱动是指基于页面分析的标记处理和语义标注的过程，知识推理驱动是指推理引擎借助领域本体和知识库进行新规则和关联知识发现的过程[4]。这两个过程的实现必须借助知识发现领域的最新技术和最新工具才能完成。

4.3 以读者知识需求实现知识发现过程的针对性

由于发现知识的最终目的是满足读者的知识需求，因而发现过程应在以读者知识需求为中心的同时，鼓励读者参与到知识发现过程中，使发现知识对读者的知识需求更具有针对性。读者的知识需求一般来源于读者对馆藏资源的检索与阅读，因而可利用读者日志、读者cookie进行读者需求的提取和收集。采取的方法是对读者的资源检索行为进行统计分析，对读者的阅读习惯进行聚类，然后根据聚类得到的各类指标（如检索关键词、关键词出现频率、读者登录频率、检索频率、下载页数、浏览时长等）的相关性、逻辑性，对数据进行过滤，去除无效数据，保留一些能够体现读者对资源感兴趣的信息，建立读者需求数据库，运用分类、聚类、关联分析等方法，研究出读者知识需求的内在联系和普遍规律，如使用习惯、知识背景及知识取向等[6]，据此采用知识关联对发现知识进行有针对性的组织与管理，使其目的明确、方向清晰。读者参与知识发现过程，是在发现需求调查阶段采用角色扮演、预演和模拟的方式获得读者对知识的需求和期望，在发现过程中采用满意度调查和可用性测试方法收集读者对知识发现效果的评价，在发现知识使用阶段采用问卷调查和使用统计来评估馆藏数字资源利用率的变化和读者期望的满足程度[7]。可见，以读者知识需求为导向的知识发现过程，在使发现知识更具针对性的同时，对馆藏数字资源的建设也有很好的指导作用。

5 路 径

作为一种新型知识发现的探索，馆藏数字资源关联知识发现过程的实现路径尚处于摸索阶段，它需要进一步规范和完善。笔者将馆藏数字资源关联知识发现过程的特殊性拟合到知识发现的一般过程中，得到的实现路径为：利用相关技术和方法，从馆藏资源数据中收集目标数据，对数据进行提取、清理、序化、集成等预处理，再将处理过的数据转换为能够进行数据关联与挖掘的格式进行数据的关联与挖掘，从中发现相关知识，再将知识进行呈现、推送与评价。由于知识发现本身是一个循环求精的过程，根据评价结果的反馈，可以循环回到知识发现过程的前续阶段，进一步获得更为准确和符合需求的结果[8]，完成整个知识发现过程，如图1所示。

图1 馆藏数字资源关联知识发现过程

图1展示出这一实现路径的独特之处在于：一是发现过程以资源关联方法（数据、技术、资源环境、标准、机制）作为逻辑控制。因为知识发现被视为基于资源关联的特殊应用，因而发现过程的逻辑控制遵循基于资源关联数据应用的一般规律。资源准备、资源获取、资源处理和资源挖掘处理过程，都需要根据资源关联的特殊需求进行重新的设计和解决。二是过程方法控制。流程以知识发现作为基本方法，采用分层结构，很自然地将资源关联数据与知识发现方法融合在一起，发挥各自优势。三是功能操作控制。流程各层之间和各功能模块之间依靠功能操作进行衔接、互动和控制，实现流程中资源的调用、组织和生成[9]，它是资源关联知识发现过程能否实现的关键。

5.1 资源问题的理解与定义

问题理解是对馆藏数字资源关联知识发现过程的问题进行分析与定位。问题分析是对发现基础的问题（通过知识发现的方法实现数字资源关联的核心价值——关联发现）、如何发现的问题（通过数据和资源之间的关联关系去发现新的关系和新的知识）、发现什么的问题（如何发现和产生语义关联的新知识[9]）进行分析。问题定位是将馆藏数字资源关联知识发现过程问题定位为多任务、多路径、多步骤：多任务是将资源关联定位为词表映射（用以实现两个异构资源之间的转换）、资源比对（用以计算两个资源之间的相似度）、资源鉴别（根据一个资源的属性，通过与规范记录比对，获得该资源的规范名称）、去重（根据资源对比的结果，将两个被认为同指的资源进行合并）、显示化（将发现知识进行可视化显示）等多种任务类型[10]；多路径是指馆藏数字资源关联知识的发现过程同时存在着多条发现路径；多步骤是将馆藏数字资源关联知识的发现过程分解成多个连续的步骤。

5.2 资源的收集与挖掘

资源收集是将形式多样、异质异构、数量庞大的馆藏数字资源聚集在一起，为知识发现的数量、质量及其覆盖面奠定基础。收集方式以集中获取为主、针对数字资源的特性而异，如针对资源的多样性，收集过程采用网络技术、发现技术，确保资源收集的全面性、系统性；针对资源的动态性，采用资源分析技术，经过设置收集资源的时间和关键词等需求，实现对选定资源相关内容的定期监视和自动收集[7]；针对内容复杂、信息量大的资源，采用资源挖掘、数据分析等技术，对其进行收集和整理。同时，为使馆藏资源知识发现更有针对性，图书馆还要将散存在读者的个人网站、博客、微博、QQ 群等各种网络交流工具中有价值的需求资源进行收集。

由于通过以上诸方式收集起来的大量来自不同渠道、不同格式的数字资源是由多个孤立的子网组成，它们彼此之间是独立自治、弱关联的，缺乏互操作接口，因此尚不具备支持资源知识发现的能力[10]，图书馆需要对其资源进行挖掘。资源挖掘的核心是建立结构化、关联的资源表示。其方法是通过资源计量统计分析（利用文献计量工具，如SPSS、TDA、SATI、UCINET 等，对数字资源进行基本统计与挖掘）、引证文献关系（在简单统计分析的基础上更进一步，包括对参考文献、引文索引等引文关系的分析）、高相关度资源（解决读者问题的重要参考资料）、交叉资源（从宏观的角度挖掘数字资源之间的隐含关系）等[11]先进的技术手段，对收集来的数字资源进行处理、分析与挖掘，将资源揭示由表面的信息深入到资源之间的复杂关系，使不同资源节点之间的多重关联关系充分揭示出来，展现给读者的资源不再是一个点到点的线性结果表示，而是深入分析读者需要的、揭示各资源关联关系的立体资源体系[12]，为发现潜藏在资源背后的知识做好充分的准备。

5.3 资源数据的清洗与序化

经过挖掘的资源，我们要对其合法性进行检查，清理错误资源，进行初步转换，即利用一定的技术工具，实现多种格式数字资源的标准转换，以此获取规范元数据信息，并对资源的元数据统一标准和规范接口，对各类资源加以描述和标引，将各类资源统一组织和深层揭示，实现各类收录资源的统一检索和利用[13]；并在转换过程中进行资源的创建、修改、删除、克隆等，将其存入临时数据区；对临时数据区内的资源，选择资源相关的属性子集，并去除冗余属性，采用资源采样、资源转换、资源表达等方式[14]，对资源进行相关性排序，即通过合并、去重及内容补充等，保证元数据的品质；通过搜索引擎针对规范化的元数据进行快速索引，建立不同属性的规范词表，实现读者分面查询和结果关联。以此实现异构资源有序化的转换，即资源数据能进行普通浏览、检索浏览、分类浏览等操作，使资源达到序化的最佳匹配。

5.4 资源的关联与知识发现

资源关联是在挖掘与序化的资源数据中发现资源数据项之间的关系，生成新的资源数据链接的过程，其方法是：用URI来指代资源，用RDF三段式（事物—特性—值）来描述和联接资源，RDF三段式资源中的任何一部分都可以集中很多信息，既可以回答检索问题[15]，也可通过HTTP协议揭示并获取这些资源数据。此方法可实现馆藏资源的以下关联：一是文献本身信息的糅合，如在图书信息中，通过与网络图书封面、摘要、目次及网络书评等信息的关联，实现了图书详细信息的无缝集成。二是构建以检索信息为核心的资源网络，实现引文关联、知识元引用关联、相似文献关联、概念关系词关联等，如分析图书作者、相关合作者及期刊、会议、文章等不同文献之间的关系，建立图书、期刊及学位论文等不同文献之间相互引用的立体引用关系；分析文献作者、作者单位等信息的引文网状，为读者提供全方位的知识内容信息等。三是通过海量数据聚类学科，进行学科趋势的分析，提供学科发展的基本脉络和走势，为读者了解不同时期学科研究热点与发展方向提供重要信息[16]。关联化馆藏资源数据对于资源的发现、融合与互操作具有重要作用，它是知识发现和知识创造的起点。

知识发现不仅取决于知识结点之间的逻辑关系，也取决于知识之间的有机关联，更取决于读者对知识的需求和利用。资源的动态性决定了知识发现应在资源进行实时性节点定位的同时，将定位节点不终止于单一资源，应考虑资源间语义关联关系，进行知识的链式发现[17]，即对资源数据进行分析、转换和归类，形成发现软件可识别的不同特征的数据集（如期刊影响力数据集、论文被引数据集等），并对不同的数据集采用不同的参数预算和维度表达，形成发现多维索引体系，以满足各种发现检索需求。在此基础上，再通过资源发现技术，在深入分析读者搜索行为的基础上，图书馆运用技术手段进行快速匹配，对数字资源进行充分的挖掘、关联和升值，深入揭示资源的整体性，使得资源的查找和定位更加细化、快捷、准确，帮助读者发现所需资源的信息、知识、节点、来源等[12]。知识关联挖掘具体可以分为两个层级的任务，一是在整合的关联数据集上，调度和运行传统的数据挖掘，完成既定模式的知识发现。这一层级的工作需要考虑将关联数据的检索过程从数据挖掘过程中分离出来，以便减轻读者使用和了解关联数据的底层逻辑（本体、语义）的负担。第二个层面是利用关联数据自身的特点，通过链接挖掘与发现关联数据网络中隐藏的、丰富的、潜在有用的关系。这一层级的工作目标是创建针对关联数据特性的挖掘算法、知识模式，以便在已有的语义关联基础上，推断和发现任意资源之间的进一步关联或者通过特定模式重新组织和架构形成新的关联知识[18]。

5.5 知识的呈现、推送与评价

知识呈现一方面要借助发现过程中一站式检索来完成对检索结果的呈现和获取，另一方面在一站式检索中嵌入更多的发现软件，实现发现知识的多维呈现与关联呈现。呈现方式主要有发现知识呈现、发现知识流程呈现和发现知识关联呈现三种类型[13]。发现知识呈现是利用映射将数字知识转化为图示表达，以利于读者的观察和理解；发现知识流程呈现是利用录像、音响等技术手段将某些实验流程、示范片段或者研究报告等进行视频传播，使知识发现流程更为显性透明；发现知识关联呈现是利用相关发现工具，将某个领域的资源知识进行关联，以此展示或发现该领域的研究热点和发展趋势等。

知识的推送是图书馆在发掘读者潜在资源知识需求的同时，针对特定读者的需求，通过RSS、E-mail、收藏推荐等方式，借助于信息推送技术，将发现的馆藏资源关联知识主动传递到读者界面，提高知识服务的主动性。

知识评价是根据知识发现本身是一个循环求精的过程而设定，是一个需要专家、读者共同参与的人工过程，其方法是：召集资源发现领域专家，对发现的知识进行多维度的测评，并将评价结果与读者在使用资源知识过程中的反馈意见进行合并，根据对读者知识需求问题的解决情况，对读者不满意的知识重复知识发现过程，将知识进行修复和完善，直至读者满意为止[8]，以实现知识发现过程的经验积累、知识修复和目标的完善，进而体现知识发现过程循环求精的不争事实。

6 结 语

网络环境下，知识服务成为图书馆服务的趋势，也是使命使然。因此，如何利用馆藏数字资源关联知识来提升图书馆知识服务力，满足读者知识需求，对馆藏数字资源关联知识发现过程实现路径探究，既为此问题提供了解决的方案，也适应了图书馆提供知识服务的需求。它标志着资源知识的传播与交流价值凸显，作为一种新的资源知识发现方式，从资源获取、关联揭示、知识发现到知识的呈现、推送与评价，发现过程贯穿其建设推广和功能扩展的整个流程，有着不可替代的作用。按照研究思路，文章在对发现过程中的问题进行了分析与定位，将馆藏数字资源关联知识发现过程的特殊性拟合到知识发现的一般过程中，把知识发现规律和资源关联技术、标准、资源环境和知识发现的方法融合，构建了实现馆藏数字资源关联知识发现过程的完整路径，扩展和融合了知识发现和馆藏数字资源关联的研究体系，并得出了如下结论：一是馆藏数字资源关联知识发现过程的实现路径是在建立起两个或者多个资源关联对象之间直接关联的基础上，构建多类资源之间的关联知识网络，其本质是资源关联知识网络不断演变的过程。二是资源关联知识发现过程是一个“多任务、多路径、多步骤”、 无法一步到位的过程。数字资源的动态性决定其关联知识发现过程是一个常态化任务；发现过程的复杂性决定馆藏数字资源关联知识的发现过程能真正打破知识在物理和逻辑上的分割和独立，能在广泛、动态和完整的基础上完成知识的发现和创新。三是知识发现本身是一个多发的过程，通常要涉及到多个资源数据集的信息查找和知识组织过程，因而寻找资源信息之间相关点的能力尤为关键。馆藏数字资源关联的实现恰恰为读者增强了这一能力，也为知识的发现提供了新的可能。

当然，馆藏数字资源关联知识发现过程的实现路径不仅是对发现知识的显性揭示，还需从读者多角度需求和资源关联度出发，对多来源资源进行定向的分析，预测知识发现规律，对新发现的资源知识进行一致性、效用性处理，挖掘资源子类结构的层与发现知识库中知识要素结点间的一一对应关系，从一个特定角度揭示知识发现的潜在规律与复杂性，实现内容知识的智能化发现和扩展[16]。这是馆藏数字资源关联知识发现过程实现路径的长远之道，也是我们未来的研究方向。

[1]任 磊, 杜 一, 马 帅, 等. 大数据可视分析综述[J]. 软件学报,2014,25(9):1909-1936.

[2]田 宁. 读者服务视角下的资源发现系统可视化服务研究[J].图书馆学研究, 2014(17):71-75.

[3]许 微. 基于知识发现机制的企业决策支持系统构建研究[D].湘潭:湘潭大学公共管理学院, 2013:11-16..

[4]王思丽, 刘 巍, 祝忠明, 等. 语义化的知识资源发现方法探析[J]. 图书馆学研究, 2014(9):2-6.

[5]董岳珂. 发现系统引发的关于信息素养教育的思考[J]. 图书馆论坛, 2014,34(4):58-63.

[6]张为江. 基于用户需求分析的数字图书馆知识发现系统研究[J].图书馆理论与实践, 2014(9):83-85.

[7]郝 飞. 图书馆资源发现系统应用研究[J]. 电子世界, 2014(4):48-49.

[8]李 楠. 基于关联数据的知识发现研究[D].北京:中国农业科学院农业信息研究所研究生院, 2012:93-99.

[9]李 楠, 张学福. 基于关联数据的知识发现应用体系研究[J]. 图书情报工作, 2013,57(6):127-133.

[10]沈志宏, 黎建辉, 张晓林. 面向LOD关联发现过程的定位目标与复杂性分析[J]. 中国图书馆学报, 2013,39(6):101-108.

[11]李迎迎, 王 娟, 郑春厚. 高校图书馆数字资源服务评价指标体系构建[J]. 情报杂志, 2014,33(3):192-197,142.

[12]刘江玲. 面向大数据的知识发现系统研究[J]. 情报科学, 2014,32(3):90-92,101.

[13]解金兰, 王 颖. 发现视角下机构库的建设与功能研究[J]. 图书馆学研究, 2014(8):52-57.

[14]刘 段. 发现系统在学术研究中的应用研究[D]. 武汉:华中师范大学信息管理学院, 2014:16-26.

[15]田 宁. 基于关联数据的信息资源整合[J]. 图书馆学刊, 2014(1):37-39.

[16]杨 会, 汪 荣. 网络级知识发现服务的功能分析及问题探讨[J]. 情报杂志, 2013,32(11):149-153.

[17]李丹丹. 应急制造资源动态发现与优化配置方法[D]. 哈尔滨:哈尔滨理工大学机械动力工程学院, 2013:22-32.

[18]李 楠,张学福. 基于关联数据的知识发现模型研究[J]. 图书馆学研究, 2013(1):73-77,67.