基于知识图谱的高校数字档案资源数据知识化分析.pdf

数字与缩微影像DIGIITAL&MICROGRAPHIC IMAGING应用技术研究4数字与缩微影像 2023.4摘 要：本文从理论角度对知识图谱进行了介绍，从高校数字档案资源的知识架构、技术成熟度两方面阐述了该技术的可行性，从知识抽取层、图谱构建层、图谱更新层、图谱应用层分析了高校数字档案资源知识化的具体模式，从数据资源平台、数据挖掘源平台、可视化操作平台三个层面对平台建构的路径进行了总结，并针对如何运用知识图谱来促进高校数字档案资源数据库知识化进程的方法进行了分析。关键词：知识图谱；高校；档案资源；数字化 a课题基金：安徽省高校档案工作协会基金项目资助（项目编号：2023YB013）的阶段性成果0 引言档案是事实的记录，是一切治理经验的总结与未来治理行为的依据。档案资源是一个单位发展的软基础，在全面完善现代大学制度的宏观环境下，高校数字档案资源的高效利用已经成为这个时代高校档案工作必须要重点研究的课题。在 20 世纪 90 年代之前，我国高校档案管理工作基本上就是简单的“实体化保存”，主要是基于对高校建设与发展过程中相关纸质资料的存档与保存，档案资源的利用效率偏低，档案资源的价值发挥受到严重桎梏。自 20 世纪 90 年代起，信息技术蔓延至各个产业，资源的数字化加工和利用，有效地提升了档案资源的价值，促进了高校的发展，数字化档案资源逐渐成为了主流。近年来，随着大数据、云计算、人工智能等现代化信息技术的逐步成熟与发展，数字资源的利用逐渐朝自动化、智能化方向发展，数字化档案资源的利用升级迫在眉睫。知识图谱是近年来人工智能技术发展的产物，能够基于开放的互联网与指定的数据库对特定的信息主题进行语义处理，这种智能化工具的应用场景广泛，功能强大。知识图谱在档案管理中的应用，能有效推动档案资源的知识化进程，数字化档案资源将成为高校治理的智慧力量，同时高校教学、科研、教研等活动的动态反馈也得以有效实现，从而为高校的领导、教育主管部门规范高校管理与及时调整发展策略提供必要的参考。1 知识图谱及其应用的相关研究知识图谱是人工智能领域的一个表现形式，其主要功能在于描绘实体之间的关系，需要基于特定的知识库才能发挥其功能。目前国际上应用较为广泛的知识库 有 Freebase、Wikidata、YAGO等，国内则以复旦大学所开发的CN-Probase 为 主 流。然 而，这些知识库大多属于通用型的知识库，在专业领域的应用依然存在着一定的局限性。基于特定的专业领域构建知识图谱已经成为业界共识，也有许多学者、企业已经开展了基于元数据的知识图谱构建【1】。目前，针对知识图谱应用的研究大多还停留在数字档案服务层面，如档案服务模式与服务内容地构建等，而知识图谱在数字档案资源服务中的实际应用还处于起步阶段。无论是公共的档案馆、高校的档案管理部门还是图书馆，都未能强化知识图谱在档案资源服务中的应用，智能化数字档案资源利用模式也未能在实际中得以成型。就目前高校档案管理的实践情况来看，数字档案资源的系统性管理与智能化应用程度都相对较低。目前，我国的智慧化档案技术发展以及网络语义相关技术的发展，已经赋予了档案智慧化管理进一步发展的能力，高校逐渐意识到基于语义技术构建知识图谱来提升档案管理与利用的重要性。武汉大学、复旦大学等高校已经开始尝试基于知识图谱来解决高校数字档案零散化等问题，并可通过系统集成等方式来为用户提供更加全面且有针对性的档案 服务【2】。2 基于知识图谱提升高校数字化档案资源知识化程度的技术可行性分析实际上，知识图谱是基于大数据而衍生出来的概念，而松散性是大数据的一个基本特征。为了从海量版的数据中找到我们所需要的数据，就必须对数据对象进行描述。知识图谱是基于三元组结构来对信息展开基础性的描述，其基本模基于知识图谱的高校数字档案资源数据知识化分析赵正敏安徽医科大学安徽合肥230022数字与缩微影像DIGIITAL&MICROGRAPHIC IMAGING应用技术研究52023.4 数字与缩微影像型如图1 所示【3】。通过这种模型，数据分析实现了“实体关系实体”的关系转换。2.1 知识图谱能够优化高校数字档案资源的知识架构数字化档案处理、加工与存储技术的发展，赋予了高校档案资源进一步丰富的能力，然而高校事物的繁杂性导致了数字化档案资源的多元化，再加之缺乏统一的数据格式，文档、图谱、视频等不同格式的资源相互交织，穿插于不同类型的档案之中。此外，学校内部的教务系统、办公系统等不同系统也并没有采用完全统计的技术架构，通过不同系统所获得的数字化档案资源的内容、格式与价值也存在着明显的差别，这些都给数字化档案资源的高效利用带来了新的挑战。知识图谱在数字档案资源中的应用能突破数据结构的束缚，通过构建一个网络化的语义知识网络来对所有的数字档案资源进行整理与处理，构建一个基于特定目标词的知识架构，极大地提升了数字档案资源的利用效率【4】。2.2 知识图谱的应用技术已经基本成熟从技术层面上来看，尽管针对高校数字档案资源的知识图谱应用技术尚处于起步阶段，但知识图谱在特定知识库中的应用已经较为频繁，二者的技术原理基本相同。由此可见，高校数字档案资源管理引入知识图谱的技术条件已经基本成熟。2010 年，谷歌公司以 Freebase 为基础构建了谷歌知识图谱，短短 4 年时间就有 7000 万个知识实体被引入到知识图谱之中，谷歌知识图谱还建立了超过 10 亿条关系与 25 亿条三元组。清华大学为满足校内师生对于科研、论文等数字档案资源的需求，研发了 AMiner 知识服务平台。该平台是基于大数据分析、科研专家档案、智能搜索等多种不同类型的信息技术而建立的，除了能够直接进行特定主体的科研数据搜索之外，还能基于科研学者展开二次搜索。由此可见，基于知识图谱开展高校数字档案资源知识化发展的技术条件已经基本成熟。3 基于知识图谱的高校数字档案资源知识化模式知识图谱的构建路径有从上往下与从下往上两种不同的方式。从高校数字档案资源的应用领域来看，应选择从下往上的构建方式，即通过更新迭代的方式，首先开展知识的提取，再进行融合与加工，最后对知识进行更新。依据知识图谱的基本理论、云计算以及个性化推荐等技术，高校数字化档案资源知识图谱应基于知识抽取层、图谱构建层、图谱更新层与图谱应用层四个层次来实现。【5】3.1 知识抽取层知识抽取层主要是基于特定目标知识的汇集，再将这些信息转化为计算机能够有效识别的信息，并按照标准的格式进行再加工，以便进行知识图谱地构建。由于高校数字化档案资源的多样性，应以 NPL 技术、包装器等信息化工具对这些数字化资源进行调整与修正，比如可以运用词典来对数字档案资源进行分词；还可以利用 Word2vec 模型基于词缀将档案词语从 one-hot encoder 形式的表示降维到较短的词向量，从而使得计算机能够更好地理解实体之间的关系。信息抽取与关系抽取的具体流程如图 2所示。3.2 图谱构建层图谱构建层的主要功能是抽取用户所需要的档案知识并进行本体建构，通过识别实体和本体来形成对应的知识库。具体而言，知识图谱构建层分为融合与加工两大模块。非结构化的信息图 1知识图谱的架构?图 2数字档案资源实体抽取与关系抽取流程数字与缩微影像DIGIITAL&MICROGRAPHIC IMAGING应用技术研究6数字与缩微影像 2023.4经过加工处理之后，能够有效获取其实体、关系以及相关联的属性。但这些结果中可能夹杂着大量的无用信息，数据之间的逻辑关系也并不清晰。知识融合是通过将抽取的实体与关联库相结合，以实现共指消解的目的。【6】3.3 图谱更新层图图谱更新层是由两个不同部分共同构成，一部分是针对客户的搜索与浏览痕迹来对知识库进行更新，另一部分则是基于新收集的数字化档案资源来对知识库进行更新，从而确保知识库能够得以及时更新。3.4 图谱应用层在图谱应用层中将通过构建完整的知识图谱来对档案资源进行归档，从而形成特定的知识图谱，并输入到与之对应的应用层面之中，再通过知识图谱对数字档案资源所生成的信息进行再处理，将得到的结果应用于算法的再训练，从而不断精化不同场景下的研判模型，并形成解决问题的最终方案。简单而言，在图谱应用层需要实现基于用户习惯的信息推荐、基于分类的预测与数字化档案资源的智能化搜索。4 基于知识图谱的高校数字档案资源知识化服务平台构建4.1 数据资源平台结合当前高校管理的实际需求，知识图谱数据资源平台应坚持两库设计，即基础资源库与档案知识库，并采用两库协同的服务模式。这是由于高校科研、管理涉及的内容繁多，所产生的信息资讯也较多，且大多数信息并非专业的数字化档案资源，但可能是某一特定档案资源的延展性资源，采用两库协同的数据资源的平台设计，可以解决数据专业化与泛化的矛盾。档案知识库的构建应以档案管理与服务为核心，以确保平台内资源的价值、可靠性与精准性，并采用规范化的格式对数字档案资源进行加工处理，从而满足数据高效利用的基本条件。档案知识库的构建应以档案专业人员为骨干力量，同时强化专业信息化技术应用，在坚持数据统一性原则的基础之上提升数据的容错性与可扩展性，从而满足高效利用的实际需求。在知识图谱中专业知识库并非单一的数据资源库，而是一种结构化的知识结构，档案信息以知识节点的方式存在，可以为用户提供高效的知识发现与检索。缺乏基础资源库的支撑，专业知识库的知识图谱框架所构建的三元数据结构就难以得到有效实现，从而阻碍数据档案资源的检索效率。为此，应围绕高校治理的全过程，构建基础资源库，作为专业知识库的外延。4.2 数据挖掘源平台在知识图谱当中，实体和属性之间的关系需要构建知识化的表达，这就要求必须对数据进行大规模的处理，从大数据中找到最优的价值数据，从而达成特定的知识模型。通过模型建构实现对数字档案资源的深度开发与利用，基于语义本体构建组织关系。笔者认为，现阶段高校数字档案资源知识化模型应采用单元分析技术，按照既定规则与要求，解析档案信息的实体并挖掘其背后的属性，从而显化知识关系。在数字档案资源挖掘中引入数据挖掘技术，能够实现搜索目标的快速定位，并基于所提供的规则和依据，来选择最近的概念或者在特定语义上进行推理分析。4.3可视化操作平台从用户的角度来看，数字化档案资源的使用过程与结果呈现，都要尽量采用可视化的方式来实现。因此，高校在构建知识图谱时应内置可视化操作平台，允许用户在电脑、手机上用更便捷的方式来接收和处理信息【7】。5 结论总的来说，随着计算机技术和信息技术的发展，知识图谱逐渐成为了学术界研究的热点。因此，应从数字档案资源数据知识化角度，对高校数字档案资源数据进行分析和研究，构建出基于知识图谱技术框架的高校数字档案资源数据知识化框架，并从信息资源建设、数字档案数据存储与管理、数字档案资源整合与共享等方面对高校数字档案资源数据知识化，进而为高校数字档案资源数据知识化的发展提供理论参考和实践指导，以促进高校知识服务的进一步发展。参考文献1李睿绎.中国红色档案研究现状、热点及趋势分析基于 CiteSpace 与VOSviewer 的知识图谱可视化研究J.兰台世界，2023（06）：25-28+32.2 高 锦，王 婷，张 龙.我 国 数 字档案馆制度体系研究综述基于CiteSpace 可视化知识图谱对 CNKI 数据库的分析J.机电兵船档案，2023（03）：44-48.3陈茜月.概念、逻辑与普适模型：数字时代档案信息文本表示研究J.山西档案，2022（06）：33-40.4胡侃，王明莉，魏晓倩.融合桥梁建设知识图谱建立多元数据检索方法实现桥梁工程内业资料数字化创新应用J.四川档案，2023（02）：34-35.5刘利俊，刘婧，陈志凌.近三十年我国高校档案研究的发展脉络与前沿基于 CNKI 核心期刊文献的知识图谱分析J.河北开放大学学报，2023，28（02）：87-92.6朱兰兰，段燕鸽.叙事理论在红色档案资源开发中的应用以大别山区为例J.档案学研究，2023（02）：95-102.7胡安琪.基于知识图谱的我国图情档领域区块链研究主题分析J.情报工程，2023，9（02）：19-27.