数字图书馆大数据知识服务体系协同设计的分析
来源:用户上传
作者:
[摘要]文章首先对数字图书馆大数据知识服务的含义和特点进行了简明扼要的概括，然后运用理论与实际相结合的方式，从三个方面针对数字图书馆大数据知识服务的协同设计展开了分析，分别是体系架构、模式和需要应用到的技术，并提出相应观点，希望能够在某些方面给从事相关设计工作的人员以启发。
[关键词]数字图书馆;大数据;知识服务体系;协同设计
[中图分类号]G25 [文献标识码]A [文章编号]1009—0274（2019）03—0110—04
[作者简介]王帆，兵团党委党校图书馆馆员，研究方向：图书资料。
随着社会的发展，围绕着大数据展开的研究已然成为人们关注的热点，数字图书馆的研究人员也从大数据的科学研究和工程实践中，成功提炼出了能够将其与数字图书馆相融合的思路及方法。但是通过对文献进行梳理能够发现，目前研究人员针对“大数据与数字图书馆相融合”这一命题展开的研究，主要集中在关键技术、系统构建、服务创新和应用现状四个方面，知识服务体系的协同设计鲜有涉及。需要明确一点，大数据的知识服务，往往是在获取、组织、存储和分析大数据的过程中产生的，用来对大数据整合知识、资源或服务的能力加以体现，正是因为如此，如何以相关文献为基础，在大数据环境下，提出适用于数字图书馆的知识服务协同设计，就成为了保证大数据知识服务作用得以实现的关键。
作为信息技术发展进程中的里程碑，物联网、云计算和大数据的出现，均给人们的生活带来了巨大影响。对数字图书馆而言，在对大数据知识服务体系进行协同的过程中，所涉及数据量的增加以及种类的多元化，都导致人们不得不将关注的重心转向大数据知识服务的方面。由此可以看出，想要保证相关工作的顺利进行，针对大数据知识体系的协同服务展开探究，是非常有必要的。
一、数字图书馆大数据知识服务的概述
作为以嵌入式、协作化的知识服务，用户参与以自主需求为对象的一种智慧服务模式，大数据知识服务可以在网络环境中，以知识服务的全生命周期为对象，提供可按需支付并使用，随时获取，绿色优质且安全可行的知识服务活动，也就是说，大数据知识服务可以被看作知识服务、信息服务、移动服务等模式。大数据知识服务不仅具有数字图书馆在服务模式方面的优势，还通过与云计算、大数据相结合的方式，消除了传统数字图书馆在信息服务模式方面具有的不足。[1]針对数字图书馆大数据知识服务体系所开展的协同设计，现阶段面临的一个关键问题，是如何通过深度分析大数据的方式，提取出用户所需的知识，再以此为基础，完成对具备查询、计算和分析功能的知识库的构建工作。
实践结果表明，大数据知识服务体系能够对数字图书馆和大数据之间存在的融合问题进行有效解决，尤其是某些资源丰富，并且对服务具有较大需求的高校或是高校图书馆，往往需要通过开发并分配知识服务产品的方式，将服务能力和知识服务资源进行协调，以此来达到提高数字图书馆在知识服务方面具有的自主创新能力，以及在知识交互方面具有的协同创造能力。由于大数据知识服务给数字图书馆由生产信息服务模式向指挥知识服务模式进行转化提供了全新的思路，因此，它也就成为了云图书馆、智慧图书馆和移动图书馆得到推广的关键，对云服务、指挥服务和移动服务的开展，具有无法替代的重要作用。
二、数字图书馆大数据知识服务体系的架构
（一）体系架构的概述
通过分析不难看出，对数字图书馆而言，大数据知识服务体系对应的协同设计，如果想要取得应有的效果，至少应满足下文所提及的条件：第一个条件，为访问并使用图书馆内部异构资源提供支持，常见的异构资源包括文本、音频等协同设计需要应用到的信息资源，场地、人力等物料资源，存储器、服务器等物理资源;第二个条件，在数字图书馆的运营者、提供者和用户间，为可以用来完成协同管理的工作提供支持;第三个条件，以数字图书馆具有的动态资源能力服务为对象，为与之相对应的分布协同调度提供支持。[2]数字图书馆大数据知识服务体系所对应协同设计的框架，从结构上来看，共分为五层，分别是大数据资源层、协同设计的支撑层、协同设计的服务层、协同设计的门户层以及协同设计的应用层。
（二）具体描述与解读
数字图书馆大数据知识服务体系协同设计的过程往往十分复杂，仅从某个方面出发，对其进行描述与解读，很难将该体系不同层面具有的特性和内在联系加以反映，下面就从信息管理、协同管理等视角出发，分别对体系架构进行分析。
1.信息管理。大数据知识服务体系所涉及信息普遍存在规模大、结构复杂以及内容多的特点，安全信息、用户信息、协作信息、知识服务信息、图书馆信息等均包含其中。通过分析对大数据知识服务体系进行协同设计时产生的信息，可得出相应的管理视图，为后续设计工作的开展提供帮助。
2.协同管理。对大数据知识服务体系对应的协同设计而言，以下功能具有十分重要的作用：首先，对以异构软硬件、技术和信息为代表的知识服务资源进行管理的功能，对知识服务资源而言，这部分功能对应的是封装、监测、发布、质量评价等诸多内容;其次，对协同规划以及设计需求进行管理的功能，主要指的是对大数据知识服务体系协同设计所具有的需求进行分解，并以此为基础完成后续的建模，资源调配和人员管理工作;再次，对协同规划以及设计过程进行管理的功能，通过对大数据知识服务体系进行协同设计的过程进行实时监控的方式，明确在设计过程中较为常见，或是已经出现的错误、故障和冲突，将其向容错机制或其他管理模块进行提交，在短时间内对其加以解决;最后，对信息、数据和知识进行管理的功能，具体包括数字图书馆在运行过程中产生的数据，拥有的知识、信息资源，还有案例、教学、经验、科研等在协同设计的过程中需要应用到的知识。[3]
将上文所提及的功能模块进行有机融合，达到相互补充、相互作用的效果，是保证协同设计工作顺利开展的关键。在协同设计流程启动的同时，其中一个功能模块，通过自身运转的方式带动其他功能模块，为用户提供与知识服务需求相契合的各项服务，以此来达到增强协同效果的目的。 3.协同组织。大数据知识服务体系，可以将不同领域、区域和机构中包含的数字图书馆资源进行紧密关联，例如，科研机构、高校图书馆、管理者、用户等，在此基础上形成相对完善的组织体系。
4.服务资源。对数字图书馆而言，可以用作对知识服务资源进行分类的方式有许多种，以大数据知识服务具有的资源性为依据，对服务资源进行划分，共包括六大类，分别是人力资源、知识资源、信息资源、物能资源、服务能力资源和其他资源。人力资源指的是在数字图书馆中负责运营、维护和管理工作的人员，参与协同设计的专家、技术人员等;知识资源指的是数字图书馆提供的建设、实例、服务规范等资源，服务设计对应的经验知识和原理知识;信息资源指的是数字图书馆提供的专利、图书、文献等资源及市场信息、机构信息、技术信息、厂商信息等资源;物能资源指的是数字图书馆在建设及管理过程中，需要应用到的物料资源、场地资源、办公设施和基础设施资源;服务能力资源指的是软硬件资源，知识服务的生产、运营管理和维护能力，服务模拟仿真的能力，还有协同设计的能力;其他资源主要指的是资金资源。
三、数字图书馆大数据知识服务体系协同设计的模式
对以数字图书馆为对象所构建的大数据知识服务体系而言，用户并不需要对知识服务体系协同设计的提供者具有深入了解，只需要将自己在知识服务方面具有的需求向大数据知识服务系统对应的平台进行提交即可。数字图书馆在接收到用户的需求后，往往会在第一时间对服务资源进行自动组织，为后续协同设计的顺利进行提供便利，再以此为基础，对知识服务资源加以配置，保证所提供知识服务与用户需求高度契合。对数字图书馆的运营者和管理者而言，以互联网为平台，对封装，虚拟化等服务进行提供，并在资源中心对其进行保存和发布。[4]用户在了解自身对知识服务具有的需求后，可以选择在数字图书馆对应大数据知识服务体系的平台上，对自己具有的需求加以描述，确定协同设计方案和相应的知识服务环境。相关平台在接受任务后，需要在第一时间拆分并解释用户需求，再通过资源匹配和服务资源组合优化的方式，确定符合用户需求的最优资源，并将该资源和围绕着该资源所制定的服务方案向用户进行反馈，至此，知识服务工作告一段落。
四、数字图书馆大数据知识服务体系协同设计的技术
（一）服务资源管理
首先需要明确一点，服务资源是指包括数据、知识、信息、服务能力和软硬件在内的多项资源，而对服务资源进行管理，始终是对大数据知识服务体系进行协同設计的核心内容。作为兼具良好服务能力及知识服务资源集成能力的环境，数字图书馆内部往往蕴含着大量的异构服务资源，基于此，围绕大数据知识服务资源展开的管理，应包含以下内容：其一，针对服务资源表达及描述模型展开研究，确定适用于数字图书馆、与服务资源相关的定义和描述，尽量避免异构服务资源在定义或语义方面出现误解的情况;其二，由于数字图书馆的服务资源存在规模庞大、结构复杂的情况，因此，无论是对其进行描述还是表达，都需要通过标准化的手段，完成统一定义的有关工作;其三，以用户在知识服务方面具有的需求为依据，对发现、组合、优化以及匹配等服务资源需要涉及到的问题加以考虑;其四，针对数字图书馆所包含服务资源的发现、优化、匹配等模型展开研究;其五，围绕着服务资源的封装、虚拟化和协同管理展开研究，尽量减弱服务资源具有的异构性和地域性特征，为用户提供标准化的访问接口，用来对大数据知识服务进行获取。
（二）知识服务交易模型
想要对数字图书馆大数据知识服务的提供者和用户间针对知识服务开展的交易过程进行管理，关键是提出多模块动态交易模型;该模型的构成主要分为以下几个部分：首先是具备支付、协商、购入等多种功能的交易模型，其次是包括制定服务规则、管理交易流程在内的交易流程的管理及控制;再次是通过对可行交易规则加以制定的方式，在管理者、提供者和用户间建立起信任关系的知识服务的交易规则，最后是用来对高度协作、异构和动态变化的服务交易提供支持的协商模型。
（三）全生命周期管理
以对大数据知识服务体系进行智能匹配及组合为出发点，围绕着全生命周期展开研究，可将智能匹配及组合划分成以下几个阶段：第一阶段，知识服务设计;第二阶段，知识服务部署;第三阶段，知识服务的选择和优化;第四阶段，知识服务的执行和监控;第五阶段，知识服务的综合评估。虽然不同阶段对应的操作内容、管理方式往往存在明显区别，但是下文提到的几个问题是普遍存在的：
首先是大数据知识服务体系的关联问题。由于该体系是根据现有标准和规范，将不同服务单元进行组装，最终得出的能够对用户在知识服务方面具有的需求加以满足的体系，在对知识服务进行组合时，大数据知识服务体系所包含不同单元间的关联关系，往往会给知识服务组合的整体质量带来决定性作用。基于此，针对大数据知识服务体系所包含组合间的关联关系展开研究，就显得很有必要。
其次是大数据知识服务体系组合网络。以传统数字图书馆的信息服务模式为背景展开研究，不难发现，无论是负责提供信息资源或服务的人员还是用户，都希望能够将信息资源和知识具有的效益、效用进行最大化呈现。正是因为如此，数字图书馆就需要对需要提供的知识服务，如何保证数字图书馆利用效率的提升，实现知识及相关服务的增值等问题的答案加以明确。调查结果表明，数字图书馆内部单个的知识服务单元，很少被用来对用户的服务需求加以满足，较为常见的情况是将知识服务单元与其他服务进行组合，以此来达到满足用户需求的目标。由此可以看出，利用包括系统科学、复杂网络在内的知识、理论与方法，围绕着大数据知识服务体系的单元构成展开研究，具有无法被替代的现实意义。[5]
再次是对大数据知识服务进行优化与评估。由于数字图书馆的用户，在知识服务方面具有的需求已经不再局限于传统的存储、计算和网络带宽服务，而是向知识资源、知识服务能力和异构信息资源进行延伸，另外，调查研究表明，用户在知识服务方面具有的需求，往往涉及诸多领域，也就是说，需求具有规模大、不确定性以及动态变化等特征，而数字图书馆自身拥有的大量知识服务单元，也间接增强了大数据知识服务体系所对应组合方案的不确定性。由此可以看出，如何保证所选择组合方案具备应有的科学性就显得十分重要，而评估优化方案、可执行性以及知识服务质量，同样重要。 最后是适用于大数据知识服务体系的柔性管理法。数字图书馆往往会受到知识服务组合的关联关系、知识服务资源或能力、用户对知识服务的需求，还有知识服务质量以及状态的影响，导致针对大数据知识服务体系所开展全生命周期管理工作面临着诸多无法确定的因素，一旦不确定因素出现变化，大数据知识服务体系就会受到影响。想要从根本上解决这个问题，关键在于数字图书馆在短时间内对组合方案加以调整，保证能够满足用户对知识服务具有需求的能力可以被成功执行。适用于大数据知识服务体系的柔性管理法，往往包括以下三方面内容：其一，可能给柔性管理带来影响的因素;其二，提升柔性管理效率的策略;其三，与柔性管理相符的测量方法。
（四）知识服务体系协同监测技术
以数字图书馆为对象的大数据知识服务体系协同监测技术，主要监测以下几方面内容。首先是知识服务资源。由于数字图书馆内存在着大量的软件和硬件资源，如何对其进行科学、系统的管控及协同监测，就成为了想要使大数据知识服务得以实现，需要解决的关键问题。对协同监测有力的体系架构加以研究，使其能够在最大程度上满足协同监测具有的需求;对灵活、高效的知识服务体系协同监测策略进行研究;对知识服务资源状态所对应智慧管理技术加以研究……均是需要研究人员引起重视的内容。[6]其次是知识服务过程。对知识服务过程而言，遇到各类问题是无法避免的，针对知识服务过程展开协同监测，能够在很大程度上提高大数据知识服务体系的准确性和高效性。再次是协同设计过程。这部分研究的主要是大數据知识服务体系协同设计需要应用到的模型、方案以及较易产生的冲突、故障和错误，在此基础上研究出与大数据知识服务体系需求相符的智慧监测模型，用来完成围绕大数据知识服务体系协同设计开展的监测工作。最后是知识服务平台。对这部分进行协同监测的原因，主要是用户对大数据知识服务进行获取的主要交互结构，为数字图书馆所对应的知识服务平台。
围绕大数据知识服务体系建立相应的协同监测系统，用以研究协同监测体系所对应不同层次的常见故障与解决方法，充分发挥智慧监测及预判问题的重要性，围绕着较为常见的冲突、故障及错误建立预警系统和容错机制，保证在问题发生时，能够第一时间对其加以解决，只有这样才能保证知识服务体系运行的高效性。
综上所述，无论是信息资源建设的需求，还是多元化知识服务的需求，都导致在对数字图书馆进行建设的过程中，面临着前所未有的挑战。需要明确一点，影响建设工作进展的主要原因并不是大数据本身，而是因为大数据尚且属于新生事物，因此，在大数据基础上衍生得来的知识服务，仍旧处于不断发展、走向完善的阶段。因此，想要保证大数据知识服务体系的协同设计顺利进行，需要以数字图书馆的需求为核心，对相关技术进行深入的探索。
参考文献：
[1]李艳，余鹏，李珑.“大数据+微服务”模式下的高校图书馆知识服务体系研究[J].图书馆理论与实践，2017（3）：99-103.
[2]刘桂锋，卢章平，化慧.图书馆大数据知识服务生态体系及其动力机制研究[J].国家图书馆学刊，2016，25（3）：52-60.
[3]张兴旺，李晨晖.数字图书馆与大数据：研究范式的分析、比较与融合[J].情报理论与实践，2015，38（12）：37-42.
[4]张兴旺，李晨晖.数字图书馆大数据知识服务体系协同设计研究[J].图书与情报，2015（3）：61-70.
[5]古珊，吴进琼.大数据环境下数字图书馆建设的发展战略研究[J].电子世界，2014（17）：4-5.
[6]陈国兰.如何利用大数据构建图书馆新型知识服务体系[J].现代情报，2014，34（9）：149-152.
责任编辑：杨建平
转载注明来源:https://www.xzbu.com/1/view-14913724.htm
