劉崢 孫坦 張建勇

（1. 中國科學(xué)院文獻(xiàn)情報(bào)中心，北京 100190；2. 中國農(nóng)業(yè)科學(xué)院，北京 100081）

科技文獻(xiàn)信息是科技知識的重要載體，知識組織是對其深度組織和揭示，將無序或分散的特定知識，根據(jù)一定的原則與方法，使之有序、集中、定位，以方便知識的提供、利用和傳播。知識組織的內(nèi)容包括知識描述和元數(shù)據(jù)、知識組織過程和知識組織體系。知識組織是圖書館和信息科學(xué)的核心能力，也是圖書館、檔案館、博物館等信息服務(wù)機(jī)構(gòu)的一項(xiàng)基礎(chǔ)性工作。

NSTL作為國家科技文獻(xiàn)信息戰(zhàn)略保障服務(wù)系統(tǒng)和國家科技文獻(xiàn)信息資源的服務(wù)基地，一直將知識組織工作作為一項(xiàng)重要的任務(wù)。在不同時(shí)期，根據(jù)NSTL的建設(shè)任務(wù)，在知識組織建設(shè)不同方面開展了長期卓有成效的工作。本文通過回顧不同時(shí)期知識組織建設(shè)的內(nèi)容與重點(diǎn)，總結(jié)了知識組織發(fā)展變化，以厘清未來方向。

1 NSTL知識組織的發(fā)展階段

NSTL的知識組織發(fā)展歷程可以分為兩個(gè)階段。①基礎(chǔ)建設(shè)階段（2000—2009年）。以科技文獻(xiàn)資源的記錄描述為主，主要開展元數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范研究，以科技部科技基礎(chǔ)性工作專項(xiàng)基金重大項(xiàng)目“數(shù)字圖書館標(biāo)準(zhǔn)規(guī)范建設(shè)”為代表。②穩(wěn)步發(fā)展階段（2010年至今）。以科技文獻(xiàn)資源內(nèi)容揭示、語義互操作應(yīng)用為主，主要開展知識組織體系的建設(shè)，并對科技文獻(xiàn)的深度加工索引，以“十三五”國家科技支撐計(jì)劃“外文超級科技文獻(xiàn)的知識組織體系建設(shè)”項(xiàng)目為代表。

1.1 基礎(chǔ)建設(shè)階段

NSTL為實(shí)現(xiàn)我國外文文獻(xiàn)資源保障的戰(zhàn)略安全，突破我國文獻(xiàn)資源保障體系布局仿照蘇聯(lián)模式按行業(yè)、系統(tǒng)建設(shè)的瓶頸，打破管理體制部門分割、共建共享困難，避免印本資源的重復(fù)建設(shè)，實(shí)現(xiàn)全國性普惠服務(wù)。在資源建設(shè)上，按照“統(tǒng)一規(guī)劃、統(tǒng)籌協(xié)調(diào)、增量調(diào)控、盤活存量”的原則，收藏和開發(fā)理、工、農(nóng)、醫(yī)各學(xué)科領(lǐng)域的科技文獻(xiàn)資源，構(gòu)建基于印本文獻(xiàn)的國家科技文獻(xiàn)戰(zhàn)略保障系統(tǒng)。為適應(yīng)數(shù)字環(huán)境新形勢，以國家授權(quán)為主要采購方式、以回溯數(shù)據(jù)庫建設(shè)為重點(diǎn)、以長期擁有利用為前提，加強(qiáng)網(wǎng)絡(luò)版的數(shù)字資源建設(shè)[1]。在資源服務(wù)上，以文獻(xiàn)傳遞服務(wù)為根本，在2005年開通NSTL網(wǎng)絡(luò)服務(wù)，形成集中外文科技期刊、會(huì)議錄、學(xué)位論文、科技報(bào)告、專利、標(biāo)準(zhǔn)和計(jì)量規(guī)程于一體的服務(wù)系統(tǒng)；并自主開發(fā)了國際科學(xué)引文服務(wù)系統(tǒng)，免費(fèi)服務(wù)全國。

在這個(gè)階段，NSTL知識組織工作的重點(diǎn)是資源描述，通過研究和制訂一系列資源描述的標(biāo)準(zhǔn)規(guī)范，實(shí)現(xiàn)對NSTL科技文獻(xiàn)的描述，形成一套規(guī)范化、科學(xué)化的管理流程，研發(fā)和建設(shè)了文獻(xiàn)綜合管理系統(tǒng)、聯(lián)合編目系統(tǒng)、數(shù)據(jù)聯(lián)合加工系統(tǒng)、網(wǎng)絡(luò)服務(wù)系統(tǒng)、回溯數(shù)據(jù)庫服務(wù)系統(tǒng)、引文服務(wù)系統(tǒng)[2]。

以虹橋系統(tǒng)和NSTL聯(lián)機(jī)聯(lián)合編目標(biāo)準(zhǔn)規(guī)范為起點(diǎn)，對NSTL訂購文獻(xiàn)資源（如期刊、會(huì)議文獻(xiàn)等），以MARC21機(jī)讀目錄格式為基礎(chǔ)進(jìn)行書目數(shù)據(jù)的規(guī)范化和標(biāo)準(zhǔn)化。開展文獻(xiàn)信息加工和制訂《NSTL文獻(xiàn)資源加工規(guī)范》，對文獻(xiàn)資源的期刊目次、文摘和引文進(jìn)行規(guī)范，充分考慮元數(shù)據(jù)創(chuàng)建者、管理者和使用者各方的多層次需求，參考DC元數(shù)據(jù)的組織體系，結(jié)合資源對象特征，以XML作為交換格式。文獻(xiàn)綜合管理系統(tǒng)提供持續(xù)更新西文期刊、會(huì)議文獻(xiàn)備選數(shù)據(jù)庫和定量評價(jià)指標(biāo)體系，備選文獻(xiàn)數(shù)據(jù)庫元數(shù)據(jù)既含有國家層面保障情況和學(xué)科分布分析，又含有國際科技文獻(xiàn)供給狀況等動(dòng)態(tài)指標(biāo)數(shù)據(jù)。據(jù)此，NSTL的資源描述，在品種上實(shí)現(xiàn)對西文科技期刊、西文會(huì)議文獻(xiàn)、日俄科技期刊、外文科技報(bào)告、中文學(xué)位論文、西文學(xué)位論文、西文文集匯編、計(jì)量檢定規(guī)程、國內(nèi)外標(biāo)準(zhǔn)等的揭示；在內(nèi)容深度上實(shí)現(xiàn)從聯(lián)合目錄到期刊目次、從文摘加工到引文加工的描述和揭示。

2002年10月，NSTL倡導(dǎo)啟動(dòng)了科技部科技基礎(chǔ)性工作專項(xiàng)基金重大項(xiàng)目“我國數(shù)字圖書館標(biāo)準(zhǔn)規(guī)范建設(shè)”。由NSTL成員單位中國科學(xué)技術(shù)信息研究所、中國科學(xué)院文獻(xiàn)情報(bào)中心聯(lián)合中國國家圖書館共同發(fā)起，17個(gè)參加單位針對數(shù)字圖書館系統(tǒng)的數(shù)字資源建設(shè)與服務(wù)，制定了我國數(shù)字圖書館建設(shè)標(biāo)準(zhǔn)規(guī)范發(fā)展戰(zhàn)略與標(biāo)準(zhǔn)規(guī)范框架和數(shù)字圖書館核心標(biāo)準(zhǔn)規(guī)范體系，開展了數(shù)字圖書館元數(shù)據(jù)加工標(biāo)準(zhǔn)、各類專門元數(shù)據(jù)標(biāo)準(zhǔn)、檢索服務(wù)標(biāo)準(zhǔn)、服務(wù)登記標(biāo)準(zhǔn)、唯一標(biāo)識符等技術(shù)標(biāo)準(zhǔn)和規(guī)范的研究，建立了數(shù)字圖書館標(biāo)準(zhǔn)規(guī)范建設(shè)開放應(yīng)用機(jī)制，促進(jìn)了我國數(shù)字圖書館的可持續(xù)發(fā)展[3]。先后研制發(fā)布了89個(gè)標(biāo)準(zhǔn)規(guī)范，為全國數(shù)字圖書館建設(shè)奠定了基礎(chǔ)。

1.2 穩(wěn)步發(fā)展階段

2010年，NSTL初步建成一個(gè)面向全國、外文科技文獻(xiàn)最多、功能先進(jìn)、在國內(nèi)外享有廣泛聲譽(yù)、國內(nèi)最大的科技文獻(xiàn)信息戰(zhàn)略保障服務(wù)系統(tǒng)，但數(shù)字出版、開放獲取、來自學(xué)術(shù)信息服務(wù)市場的競爭等一系列信息環(huán)境的變化，又給NSTL帶來新的機(jī)遇和挑戰(zhàn)。數(shù)字文獻(xiàn)成為用戶首選使用的資源，網(wǎng)絡(luò)搜索引擎和信息門戶成為用戶文獻(xiàn)獲取的主流渠道，企業(yè)用戶所需要的不再是簡單的文獻(xiàn)，而是可靠、具體、可被直接利用的信息[4]。在這樣的背景下，NSTL在資源建設(shè)上，鞏固外文紙本科技期刊和會(huì)議錄的國家基礎(chǔ)保障，積極推進(jìn)數(shù)字科技文獻(xiàn)保障，從文獻(xiàn)保障為主積極向知識服務(wù)基礎(chǔ)支撐保障轉(zhuǎn)型；在服務(wù)上，增強(qiáng)知識組織能力，提升國家科技文獻(xiàn)平臺的系統(tǒng)服務(wù)能力，擴(kuò)大國家平臺資源的普惠服務(wù)能力，從文獻(xiàn)傳遞服務(wù)為主向資源發(fā)現(xiàn)服務(wù)、分析評價(jià)服務(wù)轉(zhuǎn)型[5]。

在此階段，NSTL知識組織重點(diǎn)是資源內(nèi)容深度揭示和整合，主要體現(xiàn)在開展的研究和工作兩個(gè)方面。制訂NSTL統(tǒng)一文獻(xiàn)元數(shù)據(jù)標(biāo)準(zhǔn)，解決了NSTL從采購、加工、發(fā)布到服務(wù)的數(shù)字化業(yè)務(wù)流程上各子系統(tǒng)使用的元數(shù)據(jù)不盡相同，難以實(shí)現(xiàn)資源的深度挖掘問題。形成能夠支持多種數(shù)據(jù)的統(tǒng)一描述和一致的數(shù)據(jù)描述體系，推進(jìn)科技文獻(xiàn)信息深度組織和揭示，為NSTL數(shù)據(jù)集成融合、數(shù)據(jù)分析和數(shù)據(jù)挖掘，以及為不同應(yīng)用服務(wù)系統(tǒng)間的互操作打下數(shù)據(jù)基礎(chǔ)，從而給科技決策和知識服務(wù)提供支撐[6]。

2011年，NSTL負(fù)責(zé)組織實(shí)施了科技部“十二五”科技支撐項(xiàng)目“面向外文科技文獻(xiàn)信息的知識組織體系建設(shè)與應(yīng)用示范”（STKOS），建成了以面向外文科技文獻(xiàn)信息組織為主要應(yīng)用目標(biāo)的數(shù)字化科技知識組織體系。STKOS為我國海量外文科技文獻(xiàn)信息的組織和利用提供支撐，有助于實(shí)現(xiàn)國家科技文獻(xiàn)信息戰(zhàn)略資源的有效組織、深度揭示和知識關(guān)聯(lián)，提供知識檢索服務(wù)，推進(jìn)基于國家科技文獻(xiàn)信息戰(zhàn)略資源的知識發(fā)現(xiàn)、知識挖掘和知識計(jì)算應(yīng)用示范，整體提升我國科技文獻(xiàn)信息機(jī)構(gòu)的知識服務(wù)能力[7]。

面向外文科技文獻(xiàn)的知識組織體系建設(shè)涵蓋知識組織體系內(nèi)容建設(shè)，加工協(xié)作平臺建設(shè)，開放服務(wù)平臺建設(shè)，自動(dòng)處理、智能檢索的應(yīng)用，知識服務(wù)的應(yīng)用示范和關(guān)鍵技術(shù)研究6個(gè)部分內(nèi)容。STKOS建成了一個(gè)涵蓋理工農(nóng)醫(yī)的科技術(shù)語倉儲系統(tǒng)，包括素材庫、基礎(chǔ)詞庫、范疇到本體4個(gè)部分。素材庫收集了來自975部詞表的1438萬個(gè)術(shù)語；基礎(chǔ)詞庫從201部高質(zhì)量科技詞表中遴選232萬個(gè)術(shù)語，形成了61.5萬個(gè)概念；范疇體系共含1.2萬個(gè)類目名稱，規(guī)定概念所屬的學(xué)科；本體庫包括4個(gè)領(lǐng)域本體和1個(gè)科研本體。

2 NSTL知識組織的發(fā)展變化

20年來，計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)飛速發(fā)展，互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)到大數(shù)據(jù)和人工智能，使科研信息環(huán)境發(fā)生深刻變革，出版模式從訂購為主的商業(yè)模式向訂購、開放獲取等多種模式共存轉(zhuǎn)變，圖書館服務(wù)從印本文獻(xiàn)服務(wù)模式向數(shù)字化服務(wù)保障模式轉(zhuǎn)變。為適應(yīng)這些發(fā)展和變革，NSTL知識組織的研究和建設(shè)也隨之發(fā)生了相應(yīng)的變化：在知識描述和揭示上，揭示的內(nèi)容從聯(lián)合目錄到期刊目錄、從文摘加工到引文加工，揭示的深度從資源品種的描述發(fā)展到知識內(nèi)容、實(shí)體結(jié)構(gòu)關(guān)系的揭示；在知識組織方法和使用工具上，從單一的學(xué)科分類到詞表、本體，組織維度從二維的表結(jié)構(gòu)到多維的圖結(jié)構(gòu)；在使用范圍上，從獨(dú)立單個(gè)系統(tǒng)的知識描述到多系統(tǒng)使用元數(shù)據(jù)的統(tǒng)一，從NSTL各服務(wù)系統(tǒng)的知識描述和索引“各自為政”到統(tǒng)一規(guī)范。

2.1 知識內(nèi)容描述從記錄到實(shí)體結(jié)構(gòu)

NSTL作為國家科技文獻(xiàn)信息戰(zhàn)略保障服務(wù)系統(tǒng)，形成了從采購、加工、發(fā)布到服務(wù)的數(shù)字化業(yè)務(wù)流程。為實(shí)現(xiàn)科技信息資源業(yè)務(wù)流程的數(shù)字化操作，NSTL根據(jù)不同業(yè)務(wù)需求，先后制訂了多種科技文獻(xiàn)描述采集加工標(biāo)準(zhǔn)規(guī)范，其中包括聯(lián)合編目系統(tǒng)參考新版《MARC21機(jī)讀目錄格式》，制訂了各種文獻(xiàn)類型的書目記錄標(biāo)準(zhǔn)；加工系統(tǒng)為了文摘和引文數(shù)據(jù)的加工，參考DC元數(shù)據(jù)的組織體系，結(jié)合資源對象特征，制訂了《NSTL文獻(xiàn)資源加工規(guī)范》；針對開放資源服務(wù)任務(wù)，根據(jù)不同文獻(xiàn)類型（如開放會(huì)議、開放課件），制訂了相應(yīng)的元數(shù)據(jù)標(biāo)準(zhǔn)[8]。

一系列NSTL科技文獻(xiàn)描述采集加工標(biāo)準(zhǔn)規(guī)范的制訂，保證了NSTL不同服務(wù)系統(tǒng)所需文獻(xiàn)信息的準(zhǔn)確性、完備性。但這些資源內(nèi)容的標(biāo)準(zhǔn)規(guī)范，都依托各自系統(tǒng)，以單條文獻(xiàn)記錄為基礎(chǔ)，如同一系列的會(huì)議文獻(xiàn)，因出版方式不同，NSTL業(yè)務(wù)流程會(huì)根據(jù)訂購和開放獲取采用不同的處理流程、文獻(xiàn)描述標(biāo)準(zhǔn)進(jìn)行加工。以單條文獻(xiàn)記錄為基本單元的處理方式，造成記錄中的數(shù)據(jù)元素與記錄的高度綁定；記錄中的單個(gè)數(shù)據(jù)元素，也難以成為一個(gè)獨(dú)立的實(shí)體，相互關(guān)聯(lián)和跨系統(tǒng)重用、重組。

為了實(shí)現(xiàn)數(shù)據(jù)的靈活使用，NSTL通過聯(lián)合目錄系統(tǒng)元數(shù)據(jù)、NSTL統(tǒng)一文獻(xiàn)元數(shù)據(jù)標(biāo)準(zhǔn)的制訂，將以記錄條目為基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)變?yōu)橐詫?shí)體為基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)。這兩個(gè)標(biāo)準(zhǔn)采用了模塊化設(shè)計(jì)的思路，用元素集來表示實(shí)體，注重實(shí)體關(guān)系的揭示。NSTL聯(lián)合目錄系統(tǒng)元數(shù)據(jù)設(shè)計(jì)，根據(jù)科技期刊、會(huì)議文獻(xiàn)、科技叢書、文集匯編、工具書、科技報(bào)告、學(xué)位論文、科技專著8種類型，每種類型的元數(shù)據(jù)由一個(gè)元數(shù)據(jù)框架支撐，元數(shù)據(jù)中包含多個(gè)元素集，也包含元素集之間的關(guān)系。每種類型文獻(xiàn)元數(shù)據(jù)的元素集包含其描述信息元素集（一般包括編碼標(biāo)識元素、外部特征元素、內(nèi)容特征元素）、館藏信息元素集和管理信息元素集。同時(shí)根據(jù)每種文獻(xiàn)類型的特點(diǎn)形成具有該文獻(xiàn)類型特色的元素集，如科技期刊的“歷史變革元素集”、科技叢書的“叢編信息元素集”等[9]。NSTL統(tǒng)一文獻(xiàn)元數(shù)據(jù)標(biāo)準(zhǔn)制訂設(shè)計(jì)進(jìn)一步綜合對各類型文獻(xiàn)進(jìn)行研究和分析，形成了12個(gè)元素集（包括來源元素集、論文元素集、全文元素集、引文元素集、圖表元素集、附加資源元素集、Agent元素集、主題元素集、基金元素集、會(huì)議元素集、獲取管理元素集和操作信息元素集），以及5種元素集之間的關(guān)系（組成關(guān)系、相關(guān)關(guān)系、規(guī)范關(guān)系、沿革關(guān)系、引用關(guān)系）。

從文獻(xiàn)外部特征的描述到數(shù)據(jù)實(shí)體關(guān)系揭示的轉(zhuǎn)變，可方便將人類閱讀轉(zhuǎn)變?yōu)橹C(jī)器理解、機(jī)器可執(zhí)行。將記錄條目作為計(jì)算處理單元，進(jìn)一步細(xì)化到以元素集為實(shí)體的計(jì)算處理單元，使得數(shù)據(jù)的分析、重組的能力加強(qiáng)，為NSTL向知識服務(wù)基礎(chǔ)設(shè)施平臺發(fā)展，未來在整個(gè)互聯(lián)網(wǎng)上方便地交換、發(fā)布和共享奠定數(shù)據(jù)結(jié)構(gòu)基礎(chǔ)。

2.2 知識組織體系從科技術(shù)語到本體

科技文獻(xiàn)元數(shù)據(jù)的描述完成了從文獻(xiàn)書目、期刊目次、文章題錄、文摘、引文和全文等不同層次的基本數(shù)據(jù)結(jié)構(gòu)與關(guān)系的揭示，而對于文獻(xiàn)內(nèi)容中知識對象的描述、揭示、分析、計(jì)算和挖掘，以及知識關(guān)聯(lián)、推理和發(fā)現(xiàn)，則依賴科技知識組織體系的構(gòu)建。

NSTL在基礎(chǔ)建設(shè)階段，采用《中國圖書館分類法》進(jìn)行學(xué)科分類，主要提供期刊或書目為單元的瀏覽導(dǎo)航和檢索服務(wù)；而隨著NSTL擁有科技文獻(xiàn)數(shù)量的增加，知識服務(wù)深度擴(kuò)展，NSTL通過組織實(shí)施“面向外文科技文獻(xiàn)信息的知識組織體系建設(shè)與應(yīng)用示范”項(xiàng)目，構(gòu)建了STKOS知識組織體系，實(shí)現(xiàn)了從科技術(shù)語、概念、范疇到本體的多層級知識組織能力。

STKOS知識組織體系包括超級科技詞表和本體兩部分。超級科技詞表通過統(tǒng)一結(jié)構(gòu)對多源異構(gòu)的來源知識組織體系中的科學(xué)術(shù)語進(jìn)行同義歸并，形成以概念為單位的同義詞群，關(guān)聯(lián)不同來源知識組織體系的術(shù)語；通過范疇對概念進(jìn)行所屬學(xué)科分類，形成從科技術(shù)語、概念到范疇的三級詞網(wǎng)絡(luò)。超級詞表為實(shí)現(xiàn)科技文獻(xiàn)信息自動(dòng)標(biāo)注、智能檢索、知識導(dǎo)航，以及后續(xù)本體的發(fā)展奠定了基礎(chǔ)。借助STKOS知識組織體系，NSTL文獻(xiàn)發(fā)現(xiàn)系統(tǒng)從基于“查詢請求與文獻(xiàn)特征的簡單匹配來獲取查詢結(jié)果”，升級為“對文獻(xiàn)資源進(jìn)行語義標(biāo)注，建立基于概念的文獻(xiàn)索引，同時(shí)對用戶檢索條件分析準(zhǔn)確的信息需求”，從而改善檢索效果與增強(qiáng)用戶體驗(yàn)[10]。

STKOS知識組織體系中的本體建設(shè)，是通過研究形成適合科技文獻(xiàn)知識內(nèi)容組織的本體網(wǎng)絡(luò)方法論和構(gòu)建相應(yīng)的工具集，開展示范應(yīng)用來帶動(dòng)整個(gè)知識語義發(fā)現(xiàn)、關(guān)聯(lián)和推理。STKOS本體的方法，是根據(jù)本體建設(shè)的目標(biāo)場景和本體的生命周期，確定本體建設(shè)需要路徑和活動(dòng)，并根據(jù)本體活動(dòng)來構(gòu)建相應(yīng)的工具集以支持本體網(wǎng)絡(luò)建設(shè)；在科技文獻(xiàn)知識內(nèi)容的發(fā)現(xiàn)和揭示上，設(shè)計(jì)了將通用的科研本體與領(lǐng)域本體相結(jié)合形成本體網(wǎng)絡(luò)的方法。通用的科研本體是一種揭示科研活動(dòng)各參與方的實(shí)體和實(shí)體間關(guān)系的本體模型，旨在分析科研活動(dòng)參與方的相互關(guān)系、合作關(guān)系，支持對科研產(chǎn)出效果的評價(jià)分析，主要的實(shí)體對象包括科研人員（作者）、論文、文獻(xiàn)（期刊或會(huì)議論文集）、圖書、基金、科研機(jī)構(gòu)；領(lǐng)域本體根據(jù)研究領(lǐng)域、研究對象以及需求目標(biāo)來揭示領(lǐng)域中實(shí)體對象之間的關(guān)系。在基于STKOS的知識服務(wù)應(yīng)用示范系統(tǒng)建設(shè)上，在植物多樣性、可再生能源、水稻、呼吸系統(tǒng)腫瘤4個(gè)學(xué)科領(lǐng)域創(chuàng)建了領(lǐng)域本體，通過領(lǐng)域本體和科研本體對科技文獻(xiàn)中的知識對象、知識對象之間的關(guān)系進(jìn)行識別和標(biāo)注，構(gòu)成了一個(gè)可供分析和挖掘的知識庫系統(tǒng)，從而實(shí)現(xiàn)學(xué)科領(lǐng)域科技監(jiān)測、學(xué)術(shù)關(guān)系網(wǎng)絡(luò)、知識結(jié)構(gòu)與知識演化等應(yīng)用分析。

STKOS知識組織體系構(gòu)建，實(shí)現(xiàn)了從科技術(shù)語到本體的多層級的數(shù)據(jù)內(nèi)容架構(gòu)，為語義檢索、知識對象分析、計(jì)算和服務(wù)積累了方法、數(shù)據(jù)、工具，為構(gòu)建知識服務(wù)的支撐體系奠定了數(shù)據(jù)內(nèi)容基礎(chǔ)。

2.3 系統(tǒng)應(yīng)用從封閉孤立到融合統(tǒng)一

NSTL作為國家科技文獻(xiàn)信息戰(zhàn)略保障服務(wù)系統(tǒng)，適應(yīng)國家科技創(chuàng)新、數(shù)字信息環(huán)境和科技信息需求的變革，不斷拓展科技文獻(xiàn)信息服務(wù)的范圍和方式。從自建的聯(lián)機(jī)聯(lián)合編目數(shù)據(jù)、國際科技引文服務(wù)到開放獲取資源，從訂購的外文現(xiàn)刊數(shù)據(jù)庫、外文回溯期刊全文庫到擬南芥數(shù)據(jù)庫，這些資源服務(wù)系統(tǒng)都是作為獨(dú)立系統(tǒng)來設(shè)計(jì)和建設(shè)的，采用的元數(shù)據(jù)標(biāo)準(zhǔn)和知識組織體系也有所差異。因此，形成了NSTL內(nèi)部數(shù)據(jù)孤島和用戶使用的不便，乃至困惑。

為解決系統(tǒng)間的這一問題，NSTL從數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)內(nèi)容揭示兩個(gè)角度實(shí)現(xiàn)了內(nèi)部數(shù)據(jù)的規(guī)范，減少系統(tǒng)間數(shù)據(jù)傳遞損失，增強(qiáng)系統(tǒng)間的協(xié)同能力。一方面，NSTL制訂了《NSTL統(tǒng)一文獻(xiàn)元數(shù)據(jù)標(biāo)準(zhǔn)》，該標(biāo)準(zhǔn)適用于NSTL通過購買、交換、贈(zèng)予等方式獲取的所有科技類資源，NSTL加工系統(tǒng)采用此標(biāo)準(zhǔn)進(jìn)行數(shù)據(jù)加工處理，NSTL文獻(xiàn)服務(wù)系統(tǒng)通過元數(shù)據(jù)映射進(jìn)行數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換，以支持NSTL文獻(xiàn)發(fā)現(xiàn)系統(tǒng)的數(shù)據(jù)挖掘、分析評估功能實(shí)現(xiàn)；另一方面，搭建了NSTL數(shù)據(jù)管理和計(jì)算平臺，匯聚NSTL數(shù)據(jù)書目元數(shù)據(jù)、全文數(shù)據(jù)、引文數(shù)據(jù)、規(guī)范數(shù)據(jù)文檔、STKOS知識組織體系數(shù)據(jù)，并在此平臺統(tǒng)一采用STKOS知識組織體系對所有科技類文獻(xiàn)資源進(jìn)行加工標(biāo)引，實(shí)現(xiàn)了內(nèi)容標(biāo)引范圍和細(xì)節(jié)的標(biāo)準(zhǔn)化控制，并應(yīng)用于NSTL資源發(fā)現(xiàn)系統(tǒng)建設(shè)和其他服務(wù)系統(tǒng)。

在NSTL與第三方信息服務(wù)機(jī)構(gòu)間，為使各類信息服務(wù)機(jī)構(gòu)的用戶能夠像使用本機(jī)構(gòu)的服務(wù)系統(tǒng)一樣利用NSTL資源和服務(wù)，將NSTL資源嵌入用戶主體本身的信息環(huán)境中，并與這些用戶所屬機(jī)構(gòu)提供的全文下載、原文傳遞、參考咨詢等服務(wù)和過程無縫連接，構(gòu)建了“面向信息機(jī)構(gòu)的嵌入式NSTL資源集成服務(wù)系統(tǒng)”[11]。

3 NSTL知識組織建設(shè)的展望

通過20年的發(fā)展，NSTL已經(jīng)累積海量的科技文獻(xiàn)信息資源，研制了適用NSTL訂購、采集和交換的所有科技文獻(xiàn)資源的元數(shù)據(jù)標(biāo)準(zhǔn)，初步構(gòu)建了從科學(xué)術(shù)語、科學(xué)概念、分類范疇到本體的多層次的知識組織體系。但面對中美貿(mào)易戰(zhàn)、保護(hù)主義、單邊主義的外部環(huán)境壓力，5G、物聯(lián)網(wǎng)（IoT）、大數(shù)據(jù)、云服務(wù)和人工智能等科技創(chuàng)新發(fā)展，現(xiàn)有的知識組織建設(shè)工作，尚不能夠產(chǎn)出形成支撐大數(shù)據(jù)環(huán)境、智能應(yīng)用和知識服務(wù)的數(shù)據(jù)架構(gòu)和基礎(chǔ)設(shè)施，需要加快步伐，提速發(fā)展。

3.1 加強(qiáng)數(shù)據(jù)治理融合，建設(shè)開放關(guān)聯(lián)的科技文獻(xiàn)大數(shù)據(jù)網(wǎng)絡(luò)

NSTL要在前期建設(shè)的基礎(chǔ)上，對內(nèi)部數(shù)據(jù)進(jìn)行拉通，形成NSTL數(shù)據(jù)網(wǎng)絡(luò)。NSTL擁有大量的科技文獻(xiàn)書目元數(shù)據(jù)和全文元數(shù)據(jù)記錄，加快書目記錄轉(zhuǎn)化為數(shù)據(jù)的過程，對文獻(xiàn)元數(shù)據(jù)中實(shí)體結(jié)構(gòu)進(jìn)行抽取、轉(zhuǎn)換和融合，形成實(shí)體數(shù)據(jù)及關(guān)系；進(jìn)一步消除NSTL系統(tǒng)間的數(shù)據(jù)孤島，加強(qiáng)數(shù)據(jù)融合治理，提升數(shù)據(jù)質(zhì)量，如與NSTL已建成的名稱規(guī)范控制文檔、期刊規(guī)范文檔、會(huì)議規(guī)范文檔融合，與NSTL用戶基本數(shù)據(jù)（姓名、單位、學(xué)科等）、NSTL文獻(xiàn)傳遞數(shù)據(jù)、NSTL使用數(shù)據(jù)（檢索、瀏覽數(shù)據(jù)）、NSTL國際引文數(shù)據(jù)庫的引文數(shù)據(jù)相結(jié)合。

將NSTL科技文獻(xiàn)數(shù)據(jù)以開放關(guān)聯(lián)數(shù)據(jù)的形式發(fā)布，致力于生成語義鏈接、機(jī)器可讀的數(shù)據(jù)，從“在互聯(lián)網(wǎng)上”轉(zhuǎn)成為“在互聯(lián)網(wǎng)中”，從只能通過NSTL系統(tǒng)訪問到開放第三方、搜索引擎直接利用，嵌入到數(shù)字化科研環(huán)境。NSTL數(shù)據(jù)與外部開放的科技數(shù)據(jù)結(jié)合使用，如網(wǎng)上開放知識圖譜，包括清華大學(xué)Aminer知識圖譜、微軟學(xué)術(shù)圖譜（Microsoft Academic Graph，MAG）等。微軟利用機(jī)器學(xué)習(xí)、語義推理和知識發(fā)現(xiàn)方面的能力，創(chuàng)建每周更新的MAG，涵蓋資助者、研究項(xiàng)目、會(huì)議、機(jī)構(gòu)和出版物等實(shí)體類型及實(shí)體間關(guān)系[12]；與逐步開放的科研管理機(jī)構(gòu)、科研資助機(jī)構(gòu)、科研機(jī)構(gòu)的科技數(shù)據(jù)相關(guān)聯(lián)，如科技部、國家自然科學(xué)基金委的項(xiàng)目數(shù)據(jù)、政策、科研儀器設(shè)備數(shù)據(jù)、科學(xué)數(shù)據(jù)等，形成國家科技大數(shù)據(jù)。

數(shù)據(jù)治理、提升數(shù)據(jù)質(zhì)量、數(shù)據(jù)的融合和關(guān)聯(lián)，無論是在NSTL內(nèi)部服務(wù)系統(tǒng)之間，還是NSTL與外部第三方系統(tǒng)，都有著重要的意義，既能充分發(fā)揮大數(shù)據(jù)的優(yōu)勢，獲取多維度的信息，發(fā)現(xiàn)信息中相關(guān)性“互信息”和實(shí)現(xiàn)交叉驗(yàn)證；也能實(shí)現(xiàn)科技大數(shù)據(jù)的共建共享，避免重復(fù)建設(shè)，發(fā)揮NSTL在大數(shù)據(jù)環(huán)境下作為國家科技文獻(xiàn)保障體系的重要使命。

3.2 注重STKOS的應(yīng)用推廣，提升知識組織的服務(wù)能力

STKOS知識組織系統(tǒng)整合理工農(nóng)醫(yī)領(lǐng)域常用的知名知識組織體系，如數(shù)學(xué)分類表、工程敘詞表、航空航天敘詞表、醫(yī)學(xué)敘詞表、國際糧農(nóng)組織多語種農(nóng)業(yè)主題詞表等，建成了一個(gè)覆蓋理工農(nóng)醫(yī)全領(lǐng)域的科技術(shù)語倉儲系統(tǒng)。該系統(tǒng)可提供不少于61.5萬個(gè)概念的中英文優(yōu)選表達(dá)、232萬個(gè)術(shù)語英文表達(dá)形式以及概念在不同知識組織體系中的關(guān)系。而且，STKOS還開發(fā)了處理術(shù)語原型化的工具、使用STKOS術(shù)語進(jìn)行文本抽取工具、分類表敘詞表轉(zhuǎn)換本體工具、本體裁切和合并工具等工具集以促進(jìn)定制應(yīng)用。

STKOS知識組織系統(tǒng)作為我國具有獨(dú)立知識產(chǎn)權(quán)的語義知識庫，對于文本處理以提取概念、關(guān)系和知識，促進(jìn)術(shù)語之間的映射，開發(fā)信息檢索系統(tǒng)，從STKOS知識組織系統(tǒng)中提取特定術(shù)語，創(chuàng)建和維護(hù)本地的術(shù)語，開發(fā)術(shù)語服務(wù)，研究術(shù)語或本體，都有著重要的作用；并可支持科技信息資源，如文獻(xiàn)、科學(xué)數(shù)據(jù)、人才數(shù)據(jù)、產(chǎn)業(yè)事實(shí)數(shù)據(jù)等多種信息，從出版、存儲管理、應(yīng)用的深層次揭示和處理。

持續(xù)建設(shè)STKOS知識組織系統(tǒng)，加大對科技領(lǐng)域基礎(chǔ)術(shù)語的累積，除了從新出版審校的詞典、主題詞表收集外，還需要從科技文獻(xiàn)題名和文摘數(shù)據(jù)中進(jìn)行抽取，可采用包括句法模式、聚類方法、基于機(jī)器可讀詞典的方法以及詞嵌入方法；可參考微軟亞洲研究院利用基于句法模式的迭代學(xué)習(xí)算法，從Web文本中提取詞對，進(jìn)而構(gòu)建了數(shù)百萬個(gè)細(xì)粒度的概念及其關(guān)系的語義網(wǎng)絡(luò)Probase的方法[13]；更要結(jié)合NSTL科技文獻(xiàn)揭示和利用的需要，把科技文獻(xiàn)中的科技術(shù)語共現(xiàn)頻次作為科技術(shù)語之間關(guān)系的一部分，來擴(kuò)展科技概念的關(guān)系。

將STKOS知識組織系統(tǒng)作為NSTL的一項(xiàng)數(shù)據(jù)服務(wù)，將其從服務(wù)于NSTL資源發(fā)現(xiàn)系統(tǒng)的內(nèi)部系統(tǒng)和工具，變成NSTL提供的一項(xiàng)公益服務(wù)，用來支持科研人員、研究團(tuán)隊(duì)、研究機(jī)構(gòu)，并以授權(quán)許可的形式免費(fèi)使用。立足用戶立場，以用戶使用場景對現(xiàn)有數(shù)據(jù)和工具進(jìn)行適配及改造，來發(fā)展最佳實(shí)踐，推進(jìn)STKOS數(shù)據(jù)使用。在現(xiàn)有STKOS知識組織系統(tǒng)的基礎(chǔ)上，建立持續(xù)運(yùn)營和維護(hù)機(jī)制，融入STKOS數(shù)據(jù)工作流程中。

3.3 深入挖掘數(shù)據(jù)的語義關(guān)系，奠定智能知識發(fā)現(xiàn)的基礎(chǔ)

在系統(tǒng)中搜索可用知識源尋找到可用的知識，是知識發(fā)現(xiàn)的基本要求，但知識發(fā)現(xiàn)遠(yuǎn)不止于此。根據(jù)Google基于知識圖譜的知識發(fā)現(xiàn)總結(jié)，知識發(fā)現(xiàn)可以抽象為3種類型。①實(shí)體中新關(guān)系。如發(fā)現(xiàn)藥品的新的副作用，作為收購目標(biāo)或銷售對象的潛在新興公司，用于關(guān)系預(yù)測、關(guān)系發(fā)現(xiàn)、關(guān)系排名。②領(lǐng)域中新的潛在重要實(shí)體。如顯示技術(shù)中的新材料、特定投資領(lǐng)域的新投資者，用于實(shí)體發(fā)現(xiàn)、實(shí)體推薦、實(shí)體排名。③更改現(xiàn)有實(shí)體的重要性。主要是關(guān)系、屬性或指標(biāo)的變化，如投資者股權(quán)的變更、銷售者對特定產(chǎn)品/服務(wù)投訴量的減少，用于趨勢分析、分布分析、異常檢測[14]。知識圖譜以結(jié)構(gòu)化的形式描述客觀世界中概念、實(shí)體及其之間的關(guān)系，將互聯(lián)網(wǎng)信息內(nèi)容表達(dá)成更接近人類認(rèn)知世界的形式，從而使計(jì)算機(jī)具備類腦推理能力，主要用于支持自然語言理解、語義搜索、智能問答等。

STKOS知識組織系統(tǒng)現(xiàn)已用于支持NSTL文獻(xiàn)發(fā)現(xiàn)系統(tǒng)進(jìn)行文檔索引和用戶檢索用語的處理，有效提升了知識發(fā)現(xiàn)的查全率和檢準(zhǔn)率。NSTL還應(yīng)在STKOS本體建設(shè)的基礎(chǔ)上進(jìn)一步發(fā)展，深入挖掘科技文獻(xiàn)數(shù)據(jù)中的語義關(guān)系，發(fā)展基于科技文獻(xiàn)的知識圖譜，提升NSTL下一代知識服務(wù)系統(tǒng)的服務(wù)能力。知識圖譜深度語義關(guān)系的建設(shè)主要分為兩個(gè)方面：一是通過對文獻(xiàn)資源元數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換、治理和融匯，與外部數(shù)據(jù)關(guān)聯(lián)，能夠形成基于通用科研本體的知識圖譜，這部分的難點(diǎn)在于人名消歧，識別出哪些同名作者的論文屬于同一個(gè)人；二是對于學(xué)術(shù)研究領(lǐng)域或科研任務(wù)的知識圖譜，要通過對文獻(xiàn)資源元數(shù)據(jù)的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行模型構(gòu)建、實(shí)體識別、抽取和關(guān)系構(gòu)建，領(lǐng)域本體構(gòu)建在數(shù)據(jù)模型和實(shí)例數(shù)據(jù)構(gòu)建的難度高于通用科研本體創(chuàng)建。其中最困難的領(lǐng)域本體的建模，要面向應(yīng)用，采用以點(diǎn)帶面的方式，注重復(fù)用已有的本體，并與國家重點(diǎn)研發(fā)領(lǐng)域、NSTL下一代服務(wù)系統(tǒng)相結(jié)合，逐步擴(kuò)展領(lǐng)域知識圖譜的范圍。

總而言之，為了支撐大數(shù)據(jù)環(huán)境和智能應(yīng)用，需要多層次多角度來開展知識組織的建設(shè)和研究工作。在數(shù)據(jù)層面，要持續(xù)進(jìn)行理工農(nóng)醫(yī)領(lǐng)域的科技術(shù)語和科技概念的累積，并在數(shù)據(jù)治理的基礎(chǔ)上建成大規(guī)模科研本體和領(lǐng)域本體為基礎(chǔ)的知識圖譜；在服務(wù)層面，要建設(shè)NSTL數(shù)據(jù)管理和數(shù)據(jù)計(jì)算平臺，以支持NSTL系統(tǒng)和第三系統(tǒng)的不同應(yīng)用服務(wù)對知識圖譜、科學(xué)術(shù)語詞庫的調(diào)用；在技術(shù)層面，要繼續(xù)加大機(jī)器學(xué)習(xí)、自然語言處理的核心技術(shù)應(yīng)用，以提升知識組織數(shù)據(jù)處理的效率和準(zhǔn)確性；在應(yīng)用層面，要圍繞提升檢索、瀏覽、個(gè)性化定制、推薦和總結(jié)的語義應(yīng)用能力，來發(fā)展最佳實(shí)踐，為我國科技信息服務(wù)提供示范，起到引領(lǐng)帶頭作用。