大数据视角下智能知识服务模式研究

摘 要：[目的/意义]把握大数据驱动下知识服务模式的研究现状与趋势，对于理解当下和未来的知识服务活动，有效指导知识服务实践具有重要意义。[方法/过程]通过对国内外相关研究综合述评，剖析知识服务内涵、知识服务模式和大数据环境下知识服务技术变革，进而构建了大数据环境影响下知识服务创新模式。[结果/结论]未来大数据驱动下的知识服务模式研究前沿将是基于知识集成的个性化服务、基于知识挖掘的知识发现服务、基于知识聚合的知识关联服务和基于知识融合的知识精准服务。

关键词：知识服务;大数据;服务模式;研究趋势

随着云计算和可信计算等信息技术的迅速发展，数字信息环境越来越泛在化、移动化和智能化，海量半结构化、非结构化的多源数据利用需要进行多维度处理，由此推动了基于大数据的知识服务模式创新。由此，探索大数据驱动下的知识服务新模式愈发重要，这也成为近期知识服务新的关注点。同时，这一探索也面临着一些机遇和挑战。目前面向大数据的知识服务研究与实践刚起步，研究成果还不多。因此有必要对现有知识服务模式相关研究进行及时梳理与评价，分析未来的研究方向，以期对今后的知识服务研究提供参考。

本文首先梳理国内外关于知识服务及其模式的概念界定，建构了面向大数据的知识服务概念模型;厘清知识服务模式的发展演化脉络，在此基础上总结大数据技术驱动的知识服务模式变革，探索大数据环境下知识服务模式的发展趋势。

1大数据知识服务及知识服务模式

1.1 国内外关于知识服务的概念界定

国外知识服务最早出现在国外的管理学研究中，上世纪90年代知识服务被引入图书馆学。2001年，首次提出专业图书馆员和信息专家的新作用，随后学科馆员团队理念被应用于高校图书馆的知识服务中[1]。1994年国内引入知识服务的观念，后有引入产业部门并将知识含量高的服务业称为深度知识服务业，将知识服务分为技术、咨询和电子商务服务[2]。

综上，国外对知识服务多以知识管理为切入点，将知识服务看作知识管理的发展和延伸，突出知识服务实践，因而国外以论述知识服务模式为主要内容的文章鲜有报道。自图书情报界将知识管理概念引入后，国内图情界的研究成果主要集中在从知识管理角度讨论图书馆的参考咨询服务方面，知识服务的概念界定从宏观视角转向服务过程视角，重点强调从技术和组织创新的角度满足用户的知识服务需求。

1.2 大数据知识服务

大数据知识服务是基于网络环境的一种新型知识服务，它是为适应信息服务的智慧化、协作化、移动化、虚拟化和泛在化而衍生的新型服务，有助于实现结构化、半结构化及非结构化数据的多维处理。大数据知识服务并非大数据技术和传统知识服务的简单叠加，其特点如下：（1）立足于大数据环境，强调资源和能力的良性互动。（2）资源和能力以过程的形式有机融合在大数据处理中。（3）知识服务机构根据用户的使用反馈，不断完善资源和自身能力，并实现知识创新。

1.3知识服务模式

服务模式是对服务活动的结构构成要素及其关系的简要直观描述，它不仅是实践经验的高度总结和有效归纳，同样也是理论认识的进一步提升，指导着知识服务的理论研究和具体实践[3]。它是一种有规律的可以重复借鉴的有价值的框架结构或固定范式，能够综合知识服务的产品和项目、技术和经验、方式和方法以及合理化流程等要素，有效提升知识服务能力。

2知识服务模式研究进展

探讨知识服务模式发展演化，知识生命周期理论是较为合适的分析方法[4]。根据知识及其服务的内涵和特征，知識服务的知识生命周期可以被定义为知识获取、知识组织、知识分布、知识共享、知识创新、知识利用和知识更新。据此可以将知识服务模式分为三类：基础知识服务、增值知识服务和再生产知识服务。

2.1基础模式：基于知识共享的知识服务

知识服务的基础模式覆盖知识的获取、组织、分布和共享四个阶段，形成简单的知识聚类、知识重组等基础服务，推动知识在用户与服务机构间的传播。相关研究主要是基于知识服务的需求主体、主客体、内容、资源、平台及特性而展开[5]。20世纪90年代起，俄罗斯科学院社科情报专家首先意识到用户的信息获取需求的重要性，开展了相关服务。国内外许多学者从上述多个角度出发，倡导知识服务必须顺应用户对定制化和专业化的服务要求[6]。

2.2增值模式：基于用户应用的知识服务

增值知识服务模式是建立在基础模式之上，突出了知识创新和知识增值。这一模式不仅关注知识的分享，而且从用户的角度强调知识的实际应用，通过对知识进行改造、创新，大幅提升知识的价值。（1）以用户为中心的设计理念。倡导用户参与，重视用户体验，提出图书馆的嵌入式学科化知识服务模式，强调融入用户解决具体问题的过程和环境。（2）注重用户的服务体验。基于将数字图书馆扩展成为一个以用户为中心的工作空间的研究，尤其是将知识服务与云计算技术相结合，设计出一种可以实现个性化知识推送和学习路径优化的云服务平台。（3）重视用户反馈评价。用户体验的好坏直接影响到服务评价。通过对用户反馈建模提出用户反馈定量分析的方法，对于用户信息管理，促进知识服务质量提升具有重要性。

2.3再生产模式：基于技术创新的知识服务

再生产知识服务模式是对增值知识服务模式的再完善。它在增值服务的基础上加入对知识再生产过程，通过服务的需求者与提供者间的互动评价来实现知识产品的更新。随着知识服务模式不断扩展和创新，图书馆传统知识服务逐渐向智慧服务转型。智慧图书馆是一个不受空间限制，在数字图书馆的基础上，借助智能技术对图书馆实现全自动管理。

3 大数据技术推动知识服务模式创新

3.1实现知识服务的大数据关键技术

在大数据环境下，用户数据快速增长，多源异构数据加速累积，这些对数据挖掘和知识发现提出了新的要求和挑战。同时，以本体、云计算、人工智能等为核心的新一代大数据信息技术蓬勃发展，推动了知识服务的深度变革。

3.1.1知识服务的本体研究

基于本体的知识服务技术研究集中于用户兴趣建模、知识资源管理和知识服务系统等方面，应用领域包括企业、医疗健康和图书情报服务。（1）用户兴趣建模。分析用户情境行为的内涵，研发基于用户情境的知识推荐方法，实现数据的动态、精准采集，表示用户的潜在需求。（2）知识资源管理。基于本体技术的高效知识采集方法实现了非结构化、半结构化信息转化为结构化存储知识项，精准描述知识资源标注和知识元间链接关系的构建。（3）知识服务系统。有助于建构实现企业知识共享、提高企业知识的重用率和使用率的主动式知识服务及跨知识库个性化知识服务的知识服务系统，有效改善用户检索环境的知识服务系统。

3.1.2 云计算和人工智能

云计算技术具有快速实现资源共享、方便存储和使用的特性，被广泛应用于知识服务领域，其关键技术包括虚拟化、分布式存储和海量数据处理。人工智能是一门对人脑的意识、思维认知功能进行模拟的新兴学科。从20世纪70年代开始，AI技术对知识服务带来巨大的变化，包括知识采集、分析、管理以及知识再生产等环节。

3.2 大数据技术驱动下的知识服务模式发展

在以本体、云计算和人工智能为主体的新一代信息技术驱动下，各种面向大数据的新型知识服务模式随之应运而生，包括：（1）基于本体的内容生产模式：主要涉及公共部门、农业部门、电子商务和资源传递。（2）基于云计算的平台架构模式：相关的平台架构包括：平台底层架构、平台系统架构、平台内容架构和平台资源管理。（3）基于人工智能的知识产品输出模式：在AI+知识服务环境下，运用人工智能技术开发知识服务同时，为知识服务人员和用户提供知识服务。越来越多图书馆通过深度学习知识图谱，利用蕴含其中的知识指导深度神经网络模型的学习[7]。场景化知识推荐也逐渐成为知識服务产品输出的主要模式[8]。

4大数据驱动下知识服务模式展望

4.1 大数据驱动下知识服务框架

大数据环境下的知识服务是一项系统工程，需要科学的大数据知识服务战略规划指导。根据大数据环境下知识服务的内涵和特点，结合大数据对“知识采集—知识处理—知识存储—知识服务”的影响，构建了大数据环境下的知识服务创新模式。包括采集存储层、分析处理层、产品服务层。整个服务过程离不开数据分析技术的运用，包括大数据挖掘与存储技术、大数据分析与处理技术、知识服务可视交互技术、大数据智能感知技术、知识服务安全保障技术等。（1）采集存储层。该层为大数据知识服务提供了最初的知识来源。（2）分析处理层。该层是大数据知识服务模式的重要组成部分。（3）产品服务层。这是直接与用户进行交互，实现创新知识服务的表现层。

4.2 大数据知识服务模式展望

4.2.1 基于知识集成的深度个性化服务

大数据时代给知识服务带来的变化之一就是使深度个性化服务成为可能。包括：（1）知识与知识的集成。该集成不仅包括大数据知识服务模式下采集存储层的数据组织，也涵盖分析处理层的知识抽取、网络服务与开放获取、知识创新等。未来图书馆可以在海量情境知识的基础上，对用户行为及其背后的知识结构进行分类、聚类与推理，进而汇聚成知识地图，帮助用户获取其他的关联知识网络。（2）知识与人的集成。着眼于用户与知识服务工作人员两类主体，通过引进高素质知识服务人才，将存储于知识库的显性知识转存至服务人员的理论知识、自身经验等隐性知识;另一方面，通过大数据知识服务模式下的共享平台、运营平台和数据平台，建立知识服务人员和用户之间的高效互动机制，快速定位用户所需，从而实现知识的提炼、整合与创新。

4.2.2 基于知识挖掘的多维知识发现服务

知识发现是一种对信息资源的高级处理过程，是从数据集中识别出隐含未知的、潜在有价值的内容。知识发现趋势是基于数据源由单一向混合转变，分析的粒度从粗化转向细化，分析的维度由单一分散转向多维复合，从多源异构海量数据中分析、提取知识，知识发现的深度和广度也不短深化和拓展。从多维知识发现的技术来看，主要热点仍然是针对海量数据进行数据挖掘的技术。目前知识挖掘的方式主要是直接挖掘，而间接挖掘和链接挖掘的技术不断发展，将来间接挖掘和链接挖掘的技术变得越来越重要，挖掘的维度随着知识关联研究的拓展更加丰富和多维，随之而来的是知识发现服务更加多维。

4.2.3 基于知识聚合的深度知识关联服务

大数据的价值源于蕴含在各种知识之间的关联，如何去描述、刻画、揭示这种关联，是大数据在知识服务过程中的价值提升核心。未来知识关联研究应侧重于聚合维度关联方法研究，即通过一定的方法，在知识粒度分析的基础上，对知识单元进行凝聚，形成多维多层且相互关联的知识体系，实现基于知识聚合的知识关联。同时，要注重通过本体技术和人工智能，对不同数据层面关联开展实证研究，重视知识聚合方法的融合，增强关联数据的应用范围。随着未来研究中知识聚合方法的不断延伸、融合程度的不断深入，从而实现深层次语义关联框架的构建。

4.2.4 基于知识融合的知识精准服务

大数据时代的知识服务，用户需求从个性化服务的一般满足上升为精准、智慧层面，于是精准服务应运而生。基于知识融合的知识精准服务主要在分析处理层实现，通过大数据技术智能处理，利用云技术将分布于领域知识库、非结构化的网络数据源和异构数据源中抽取知识，运用知识服务匹配技术、知识融合算法技术和智能优化技术等，从大数据知识服务集合中优选和组合出最佳的一组解决方案，精准满足用户的知识服务请求。未来图书馆精准知识服务可以运用本体技术，基于内部读者画像及资源画像，构建图书馆大数据知识服务运营平台，消除知识服务用户大量的信息垃圾;同时可以跨界融合，通过多方位、多维度的互动交流渠道衔接外部资源，进行跨界资源的有机融合，展开图书馆知识服务嫁接，集成更多功能形成联动互通。

参考文献

[1]孙雨生，白璧娇.国内基于本体的知识服务研究进展：核心内容[J].图书馆学研究，2018（16）：9-16.

[2]谢智敏，郭倩玲.基于深度学习的学术搜索引擎：Semantic Scholar[J].情报杂志，2017（8）：175-182.

[3]张兴旺.信息推荐为例探讨图书馆人工智能体系的基本运作模式[J].情报理论与实践，2017（12）：69-74.

[4]申晓敏.基于关联数据的电子商务知识挖掘模型研究[D].河北科技大学.2016.

[5]王淼.基于知识发现数字图书馆知识服务研究[J].中外企业家，2018（14）：80.

[6]范兴丰.基于云计算和大数据的知识服务平台架构研究[J].无线互联科技，2016，11（21）：50-52.

[7]Jun Yin，Xin Jiang，Zhengdong Lu，Lifeng Shang，Hang Li，Xiaoming Li. Neural Generative Question Answering. [C].Proceedings of the 25th International Joint Conference on Artificial Intelligence，

2016，2972-2978.

[8]何胜，熊太纯，柳益君，叶飞跃，潘瑜.基于Spark的高校图书馆文献推荐方案及实证研究[J].图书情报工作，2017（23）：129-137.

作者简介：王玉梅，女，南京大学博士生。研究方向：人工智能与大数据，机器识别，信息管理与知识服务。