【摘要】嵌入知識(shí)圖譜算法以自動(dòng)識(shí)別、關(guān)聯(lián)、分析龐雜而海量的大數(shù)據(jù)，從中挖掘出有價(jià)值的信息，為讀者提供精準(zhǔn)的信息服務(wù)，已成為當(dāng)今知識(shí)服務(wù)的核心目標(biāo)之一。文章基于知識(shí)圖譜算法之于知識(shí)服務(wù)智能化應(yīng)用方向的思考，從智能化功用層面概述了知識(shí)圖譜算法的應(yīng)用方向，探討了知識(shí)圖譜算法之于閱讀服務(wù)智能化的應(yīng)用理解，提出打通出版與閱讀服務(wù)智能化的融合路徑，構(gòu)建新的運(yùn)維模式，以推動(dòng)知識(shí)服務(wù)發(fā)展創(chuàng)新。

【關(guān)? 鍵? 詞】知識(shí)圖譜；知識(shí)服務(wù)；AI技術(shù)；智能閱讀；智能出版

【作者單位】王建文，湖南師范大學(xué)圖書館。

【中圖分類號(hào)】G237【文獻(xiàn)標(biāo)識(shí)碼】A【DOI】10.16491/j.cnki.cn45-1216/g2.2022.20.015

伴隨智媒時(shí)代的迅速演進(jìn)，閱讀和出版服務(wù)智能化的個(gè)體期待與業(yè)態(tài)高度不斷出現(xiàn)新的問題，一定程度上造成了閱讀需求與內(nèi)容推送的體驗(yàn)落差。為此，相關(guān)學(xué)者試圖通過AI（人工智能）技術(shù)重塑智能化閱讀服務(wù)，探尋閱讀與出版服務(wù)協(xié)作互促，實(shí)現(xiàn)二者的有機(jī)融合。筆者認(rèn)為，知識(shí)圖譜算法作為一種新的AI技術(shù)，對(duì)知識(shí)服務(wù)的智能化構(gòu)建具有強(qiáng)大的助力，可為智能化閱讀與出版服務(wù)融合提供可行的路徑。

一、知識(shí)圖譜算法之于知識(shí)服務(wù)智能化的應(yīng)用概要

知識(shí)圖譜算法的出現(xiàn)，使智能化知識(shí)服務(wù)具備可解釋、可理解和可推理的能力。作為一種數(shù)字世界的載體，知識(shí)圖譜基于網(wǎng)絡(luò)語義知識(shí)庫的規(guī)模使用，通過建立便于計(jì)算機(jī)理解和表達(dá)的知識(shí)關(guān)聯(lián)，利用圖結(jié)構(gòu)建模，識(shí)別和推斷事物間的復(fù)雜關(guān)系，實(shí)現(xiàn)資源整合，進(jìn)而為個(gè)性化知識(shí)服務(wù)提供智能化支持?？梢哉f，知識(shí)圖譜融合了自然語言處理（NLP）、深度學(xué)習(xí)等算法模型，從非結(jié)構(gòu)化的自然語言文本中自動(dòng)抽取用戶感興趣的信息，并以結(jié)構(gòu)化、可視化形式進(jìn)行表達(dá)，從而“實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)、文本、圖片、音頻、視頻、社會(huì)行為軌跡等海量資料的數(shù)據(jù)化生成、結(jié)構(gòu)化處理和計(jì)算”［1］，極大便利用戶捕捉感興趣的知識(shí)特征。在這一過程中，知識(shí)圖譜除了要進(jìn)一步融合和完善個(gè)性化推薦系統(tǒng)、機(jī)器翻譯、關(guān)系抽取和情感分析等復(fù)雜結(jié)構(gòu)的建模，還要充分發(fā)揮高度發(fā)達(dá)的網(wǎng)絡(luò)技術(shù)全域挖掘關(guān)聯(lián)信息的潛力。

結(jié)構(gòu)上，知識(shí)圖譜可劃分為數(shù)據(jù)層和模式層兩個(gè)層次，其中，數(shù)據(jù)層存儲(chǔ)真實(shí)的數(shù)據(jù)，模式層在數(shù)據(jù)層之上，存儲(chǔ)數(shù)據(jù)中經(jīng)過識(shí)別、抽取、提煉后形成的知識(shí)信息。可以說，知識(shí)圖譜展現(xiàn)一種隨時(shí)間而變化的可擴(kuò)展結(jié)構(gòu)，呈現(xiàn)一個(gè)需要并保持迭代更新的過程。而每一輪迭代基于本體建模包含了知識(shí)抽取、知識(shí)融合、知識(shí)計(jì)算、知識(shí)儲(chǔ)存四個(gè)階段，其中各類存儲(chǔ)知識(shí)包括基本屬性知識(shí)、關(guān)聯(lián)知識(shí)、事件知識(shí)、時(shí)序知識(shí)和資源類知識(shí)等，其目的在于為機(jī)器實(shí)現(xiàn)理解、解釋、推理、規(guī)劃等一系列人類所獨(dú)有的認(rèn)知能力賦能。

基于此，知識(shí)圖譜構(gòu)建的數(shù)據(jù)資源作為背景知識(shí)可供各類智能化系統(tǒng)融合使用，相關(guān)應(yīng)用場景包括：把多源異構(gòu)的知識(shí)結(jié)構(gòu)化，構(gòu)建數(shù)據(jù)間關(guān)聯(lián)；以其豐富的語義關(guān)系駕馭分詞、語義理解、文本挖掘等基本NLP（自然語言處理）任務(wù)，廣泛參與搜索、推薦、用戶畫像、智能問答、語言語義理解、大數(shù)據(jù)決策分析等系統(tǒng)級(jí)應(yīng)用。其可解釋性智能主要應(yīng)用于問答、推薦等場景，能極大提升用戶對(duì)系統(tǒng)的信任感和滿意度；其可推理性智能可用于“不一致性檢測、推斷補(bǔ)全、知識(shí)發(fā)現(xiàn)、輔助推理決策”［2］等常見邏輯型應(yīng)用。

二、知識(shí)圖譜算法之于閱讀服務(wù)智能化的應(yīng)用解析

知識(shí)圖譜算法最重要的應(yīng)用，既在于提取關(guān)鍵信息，精準(zhǔn)刻畫用戶畫像，又在于通過用戶畫像積累數(shù)據(jù)，將用戶行為信息與資源精準(zhǔn)對(duì)接，同時(shí)基于知識(shí)圖譜算法的個(gè)性化推薦、行為洞察、需求畫像、問題評(píng)估、資源推送等服務(wù)，構(gòu)建知識(shí)服務(wù)的“智腦”，由此應(yīng)用于不同的閱讀場景，賦能智慧學(xué)習(xí)，實(shí)現(xiàn)閱讀效率和閱讀質(zhì)量的提升，使出版資源更精準(zhǔn)地服務(wù)于讀者的個(gè)性化學(xué)習(xí)。但閱讀智能服務(wù)作為知識(shí)服務(wù)的高階形式，業(yè)內(nèi)更多地視之為技術(shù)層面的問題，操作層面難以體現(xiàn)知識(shí)圖譜算法之于智能化閱讀服務(wù)的賦能。因此，我們應(yīng)從認(rèn)知層面對(duì)知識(shí)圖譜算法的應(yīng)用理解有一個(gè)較為完整清晰的認(rèn)識(shí)。

1．資源整合

知識(shí)圖譜算法技術(shù)通過高效利用不同類型的知識(shí)體系來生產(chǎn)、組織、供給內(nèi)容產(chǎn)品和庫群，并將其融入算法“推薦池”，幫助讀者利用智能服務(wù)平臺(tái)提供的強(qiáng)大挖掘功能，從“異質(zhì)信息網(wǎng)絡(luò)（Network schema）”積累的大數(shù)據(jù)富礦中持續(xù)不斷地挖取所需知識(shí)。所謂異質(zhì)信息，指多種類型的對(duì)象或關(guān)系，每個(gè)對(duì)象屬于一個(gè)特定的對(duì)象類型，每種關(guān)系屬于一個(gè)特定的關(guān)聯(lián)類型。而異質(zhì)信息網(wǎng)絡(luò)模式，則指在特定的對(duì)象類型和關(guān)聯(lián)類型上的一個(gè)有向圖［1—2］，如科技文獻(xiàn)數(shù)據(jù)（或書目）構(gòu)成的典型異質(zhì)信息網(wǎng)絡(luò)包含四種實(shí)體對(duì)象：論文、場所（即會(huì)議/期刊）、作者和術(shù)語，每篇論文都有從作者到會(huì)議的鏈路關(guān)系，每條鏈路屬于一種相應(yīng)的關(guān)聯(lián)類型（撰寫與被撰寫、出版與被出版、引用與被引用）［3］。這種對(duì)異質(zhì)信息數(shù)據(jù)類型的智能化關(guān)聯(lián)整合，構(gòu)成了層次分明、結(jié)構(gòu)清晰、異質(zhì)互聯(lián)的知識(shí)網(wǎng)絡(luò)圖，使碎片化知識(shí)信息通過收集、整理、提煉、傳遞，突破時(shí)間與地域的界限，拓展讀者的學(xué)習(xí)邊界，整合多維學(xué)習(xí)資源，進(jìn)而幫助讀者提升閱讀學(xué)習(xí)效率。同時(shí)，知識(shí)圖譜還把多源異構(gòu)的知識(shí)結(jié)構(gòu)化，通過構(gòu)建數(shù)據(jù)間的智能化關(guān)聯(lián)，解決垂直領(lǐng)域內(nèi)數(shù)據(jù)分散、多樣、復(fù)雜和孤島化等問題。

2．讀者畫像

知識(shí)圖譜算法構(gòu)造的讀者畫像更為精細(xì)全面，具有對(duì)讀者相關(guān)背景及其文化偏好、專業(yè)學(xué)科關(guān)注度等進(jìn)行分析與預(yù)判的能力，不僅有助于精準(zhǔn)地診斷學(xué)情，還可通過強(qiáng)大的算法功能分析用戶感興趣的內(nèi)容特征，快速實(shí)時(shí)捕捉用戶的閱讀興趣與趨向，同時(shí)，還可關(guān)注讀者的學(xué)習(xí)過程與思想動(dòng)態(tài)，記錄讀者解決問題的數(shù)據(jù)，并根據(jù)知識(shí)關(guān)聯(lián)圖利用大數(shù)據(jù)將知識(shí)地圖與個(gè)人數(shù)據(jù)進(jìn)行匹配分析，幫助讀者把準(zhǔn)薄弱的知識(shí)點(diǎn)位，清晰了解問題所在?？梢哉f，知識(shí)圖譜算法的讀者畫像有助于讀者及時(shí)獲得學(xué)習(xí)評(píng)價(jià)和信息反饋，調(diào)整自我規(guī)劃與學(xué)習(xí)路徑，促使平臺(tái)為讀者推薦匹配更合適的閱讀資源。這種對(duì)讀者閱讀趨向的分析和個(gè)性需求預(yù)測，實(shí)質(zhì)上就是一種對(duì)智能化閱讀服務(wù)預(yù)測性極強(qiáng)的前瞻性實(shí)踐。

3．個(gè)性化推薦

平臺(tái)推薦系統(tǒng)主要分為兩類：一是預(yù)測用戶對(duì)物品的評(píng)價(jià)，如影視推薦系統(tǒng)通過預(yù)測用戶對(duì)影視的評(píng)分，以此為依據(jù)推送用戶喜歡的影視作品；二是預(yù)測用戶是否點(diǎn)擊物品，如產(chǎn)品推薦中預(yù)測用戶點(diǎn)擊某產(chǎn)品的概率優(yōu)化方案，使用的數(shù)據(jù)為用戶點(diǎn)擊/未點(diǎn)擊，此為體現(xiàn)用戶喜愛程度的隱式反饋。從目前的實(shí)踐探索看，一方面是基于特征的推薦方法，即從知識(shí)圖譜中抽取用戶和物品的屬性作為特征放入傳統(tǒng)模型中，引入實(shí)體特征；另一方面是基于路徑的推薦方法，即將知識(shí)圖譜視為一個(gè)異構(gòu)信息網(wǎng)絡(luò)，構(gòu)造物品之間的“meta-path（元路徑，即一種實(shí)體類型和關(guān)系交替而成的序列）”或“mata-graph（元圖，即一種解決小樣本鏈路預(yù)測問題的方法）”的特征。簡言之，“meta-path”是連接兩個(gè)實(shí)體的一條特定路徑，如“演員→電影→導(dǎo)演→電影→演員”，這條“meta-path”連接兩個(gè)演員，可視為一種挖掘演員之間潛在關(guān)系的方式，這個(gè)方法直觀地利用了知識(shí)圖譜的網(wǎng)絡(luò)結(jié)構(gòu)。

知識(shí)圖譜算法憑借對(duì)讀者閱讀趨向的精準(zhǔn)把握，為平臺(tái)將讀者閱讀需求融入“推薦池”提供支撐?；诖?，平臺(tái)可根據(jù)讀者用戶畫像適配情況及其權(quán)重配比，加大與個(gè)人用戶界面關(guān)聯(lián)度較大的信息推薦力度，從而大大提升閱讀資源推送的主動(dòng)性與精準(zhǔn)度。顯然，構(gòu)建基于內(nèi)容與算法功能的推薦圖譜，在滿足讀者個(gè)性化需求的同時(shí)，還能改進(jìn)并完善精準(zhǔn)信息推送主導(dǎo)下的推薦方法，有助于推動(dòng)智能化知識(shí)服務(wù)基于高度個(gè)性化的發(fā)展。

4．學(xué)習(xí)導(dǎo)引

鑒于讀者閱讀興趣的多樣化和不確定性，知識(shí)圖譜算法必須根據(jù)數(shù)據(jù)捕捉與分析向讀者適時(shí)推送，方便讀者“第一眼”即可“巧遇”閱讀資源，而無須撒大網(wǎng)捕小魚式瀏覽。更重要的是，知識(shí)圖譜算法有助于讀者“把新獲取的知識(shí)與已有的認(rèn)知結(jié)構(gòu)相聯(lián)系”，進(jìn)而自主“建構(gòu)新的認(rèn)知結(jié)構(gòu)和知識(shí)體系”［4］，促進(jìn)知識(shí)學(xué)習(xí)向目標(biāo)精確、過程精細(xì)的智能化方向發(fā)展。這個(gè)過程一方面通過對(duì)讀者畫像類知識(shí)圖譜分析，幫助讀者自動(dòng)屏蔽無關(guān)內(nèi)容，專注于問題知識(shí)，從而有效提高學(xué)習(xí)效率；另一方面通過將讀者畫像與學(xué)科知識(shí)圖譜精準(zhǔn)對(duì)接，以智能算法助力讀者分析問題，并根據(jù)讀者已有的理解能力推薦新知，從而導(dǎo)引讀者進(jìn)入自適應(yīng)主動(dòng)學(xué)習(xí)。

三、知識(shí)圖譜算法之于出版服務(wù)智能化的驅(qū)動(dòng)場景

知識(shí)圖譜算法為出版服務(wù)智能化帶來了現(xiàn)實(shí)機(jī)遇，其驅(qū)動(dòng)場景應(yīng)用于多個(gè)出版環(huán)節(jié)。

1．驅(qū)動(dòng)主題關(guān)聯(lián)，掌握研究熱點(diǎn)

知識(shí)圖譜具有強(qiáng)大的信息搜索與知識(shí)關(guān)聯(lián)功能。例如，我們可通過智能算法搜索繪制期刊發(fā)文高頻詞聯(lián)絡(luò)圖（見圖1）。根據(jù)圖1可知：圖中紅色大圓代表該類期刊的發(fā)文高頻詞，表明為研究熱點(diǎn)，圓越大代表該詞出現(xiàn)的頻次越高；藍(lán)色字體是高頻共現(xiàn)相關(guān)詞，藍(lán)色由深到淺代表其相關(guān)性由強(qiáng)到弱；中間連線最多的紅色大圓，代表當(dāng)前研究熱點(diǎn)與研究聚焦偏好；邊緣淺藍(lán)小圓代表初起的思維眼點(diǎn)，屬于值得關(guān)注的新動(dòng)向；聯(lián)絡(luò)網(wǎng)狀線為主題詞（關(guān)鍵詞）間的關(guān)聯(lián)關(guān)系，屬于縱橫關(guān)聯(lián)展示，既為主題研究擴(kuò)域，也為選題思路溯源。

雖然此圖只是粗淺的知識(shí)關(guān)聯(lián)圖，但深度融入知識(shí)圖譜算法及思維模式，經(jīng)由智能搜索、聚類、分析、計(jì)算找出各類期刊發(fā)文的高頻關(guān)鍵詞和相關(guān)詞，在關(guān)鍵詞互引與主題關(guān)聯(lián)驅(qū)動(dòng)下繪制主題聯(lián)絡(luò)全景圖，通過探測并關(guān)聯(lián)高頻詞勾畫出主題關(guān)聯(lián)圖。顯然，知識(shí)圖譜算法之于出版服務(wù)智能化，首先是通過主題關(guān)聯(lián)驅(qū)動(dòng)支持出版者掌握研究熱點(diǎn)，把握主題創(chuàng)作方向，并為選題出版提供參考，從而極大提升對(duì)出版現(xiàn)象的洞察力和對(duì)出版決策的駕馭力。

2．驅(qū)動(dòng)智能搜索，收集選題素材

在知識(shí)圖譜算法支持下，通過智能搜集、整理、提取、關(guān)聯(lián)、分析，各類碎片化資源可組成具有邏輯性的知識(shí)線索。如學(xué)術(shù)論壇中所發(fā)布文獻(xiàn)下的相關(guān)討論和回帖，經(jīng)過算法挖掘、分析和整理，可發(fā)掘諸多學(xué)術(shù)研究信息，成為激發(fā)創(chuàng)作靈感的關(guān)鍵素材。根據(jù)讀者用戶畫像了解用戶所需信息，再針對(duì)用戶群問題整理成新選題，不僅可滿足受眾對(duì)共性問題的解答需求，還可探尋出版題材創(chuàng)新的思路。如出版社根據(jù)知識(shí)圖譜算法收集讀者觀后感或?qū)W習(xí)要求，掌握讀者學(xué)習(xí)動(dòng)態(tài)，了解信息反饋動(dòng)向，審核評(píng)論區(qū)的散點(diǎn)語義，發(fā)掘深層次線索，進(jìn)而提取關(guān)鍵主題，為出版選題開發(fā)提供參考。

3．驅(qū)動(dòng)智能挖掘，捕捉選題線索

基于知識(shí)圖譜算法對(duì)海量數(shù)據(jù)深層次挖掘的效能，出版社可通過“判斷整體狀況和解析細(xì)微差異”［6］，對(duì)選題數(shù)據(jù)信息（含相關(guān)隱性元素）進(jìn)行加工組合，以此實(shí)現(xiàn)“知識(shí)創(chuàng)編”類型的智能出版。在此過程中，借助知識(shí)圖譜算法支持的智能挖掘技術(shù)，實(shí)施以讀者為中心的選題分析與資源擇優(yōu)，不僅有利于從眾多異質(zhì)信息中發(fā)掘讀者關(guān)心的信息，捕捉可靠的選題線索，還能精準(zhǔn)把握出版選題方向，快速推出即時(shí)融入讀者需求的新型知識(shí)產(chǎn)品。

相關(guān)研究表明，知識(shí)圖譜算法驅(qū)動(dòng)下的搜集、挖掘、過濾、聚焦，使得一切可能的新趨勢甚至微弱的新信號(hào)皆可提取為有價(jià)值的特征信息，為出版選題創(chuàng)新提供更具前瞻性的可行線索，將多源知識(shí)以精確的方式呈現(xiàn)，并使諸多隱性知識(shí)與讀者關(guān)注問題得以顯現(xiàn)，從而助力知識(shí)創(chuàng)新?？梢哉f，知識(shí)圖譜算法在“諸如數(shù)據(jù)對(duì)比、信息深度整理、知識(shí)洞察和特征識(shí)別”等出版選題駕馭層面中展現(xiàn)的挖掘與捕捉優(yōu)勢，能為出版選題智能化帶來無限可能。

4．驅(qū)動(dòng)模式構(gòu)建，賦能出版創(chuàng)新

知識(shí)圖譜算法引入因果推理機(jī)制，發(fā)掘不同主題或概念背后的因果關(guān)系，有助于出版社不斷挖掘出版熱點(diǎn)，發(fā)現(xiàn)并實(shí)施新的出版選題，進(jìn)而驅(qū)動(dòng)出版模式的創(chuàng)新構(gòu)建。其中的因果推斷變量與推斷算法，可以發(fā)掘高維數(shù)據(jù)上的隱變量（即未能觀測到或不明顯包含卻可推測的變量），這也是智能化知識(shí)服務(wù)的重要能力。知識(shí)圖譜算法驅(qū)動(dòng)構(gòu)建了一個(gè)不同知識(shí)單元之間具有邏輯因果或邏輯推理關(guān)系的描述性網(wǎng)絡(luò)，為探尋資源線索與知識(shí)脈絡(luò)提供了清晰的思路與邏輯性支撐，并基于問題求解通過自動(dòng)識(shí)別理解海量數(shù)據(jù)，從中挖掘有價(jià)值的信息，為知識(shí)的組織與生產(chǎn)提供精準(zhǔn)的智能化服務(wù)。

因此，根據(jù)知識(shí)圖譜算法探尋熱點(diǎn)或隱性主題，拓展出版選題視野，無疑有助于提升選題的敏感性與前瞻性。出版社可采集海量數(shù)據(jù)構(gòu)建知識(shí)圖譜，利用知識(shí)圖譜算法實(shí)現(xiàn)知識(shí)關(guān)聯(lián)的推理、挖掘、分析、聯(lián)想，并從顯性關(guān)系中獲取更多隱性數(shù)據(jù)關(guān)聯(lián)，多維度、深層次擴(kuò)展知識(shí)譜系，不斷完善以讀者為中心的出版內(nèi)容關(guān)聯(lián)智能化，從而驅(qū)動(dòng)出版決策調(diào)整與模式創(chuàng)新。

5．驅(qū)動(dòng)分野走向，提升決策效能

第十九次全國國民閱讀調(diào)查報(bào)告顯示，2021年我國成年國民人均每天接觸手機(jī)時(shí)長為101.12分鐘，人均每天接觸互聯(lián)網(wǎng)時(shí)間為68.42分鐘，而紙質(zhì)閱讀人均每天僅為21.05分鐘［7］?？梢?，紙媒接觸只占較小的比例，數(shù)字化閱讀占比持續(xù)居高不下。為此，很多出版選題面臨采用紙質(zhì)出版還是數(shù)字出版的選擇。一般而言，出版方式應(yīng)由選題內(nèi)容的屬性特征與閱讀服務(wù)模式?jīng)Q定，出版方式應(yīng)遵循市場需求的分野標(biāo)準(zhǔn)。因而，對(duì)出版方式的選擇關(guān)系到市場細(xì)分、市場挖掘及出版模式的決策。在此情況下，知識(shí)圖譜算法依據(jù)出版內(nèi)容與閱讀屬性的特征，構(gòu)建基于出版方式選擇規(guī)則標(biāo)準(zhǔn)化的知識(shí)圖譜，對(duì)提升出版決策效能具有重要的應(yīng)用價(jià)值。

以圖2為例，利用知識(shí)圖譜算法推演出版方式擇向的機(jī)理，可以探明出版市場的結(jié)構(gòu)性走向與選擇性規(guī)律：人文經(jīng)典類圖書屬于深閱讀，適合紙質(zhì)出版；教材教輔內(nèi)容基本穩(wěn)定，重印率高，屬被動(dòng)性課程體系，應(yīng)以紙質(zhì)出版為主；新聞、短知識(shí)等屬于淺閱讀，具有即時(shí)、動(dòng)態(tài)、個(gè)體、分散性特點(diǎn)，應(yīng)以數(shù)字出版為主。當(dāng)然，這種分野并非一成不變，當(dāng)紙質(zhì)圖書數(shù)量有限時(shí)，可用數(shù)字出版加以補(bǔ)充，以滿足更多讀者的個(gè)性化需求。隨著時(shí)間的推移，當(dāng)個(gè)性需求演變成共性需求時(shí)，亦可將數(shù)字出版轉(zhuǎn)成紙質(zhì)出版。

四、結(jié)語

知識(shí)圖譜算法模仿“人類解決復(fù)雜問題的智慧”，已成為創(chuàng)新性學(xué)習(xí)工具應(yīng)用中不可或缺的要素，它“所變革的不僅是技術(shù)手段，還深入調(diào)整和重構(gòu)知識(shí)的傳遞方式、生產(chǎn)方式和組織方式”。一方面，全新的知識(shí)服務(wù)智能化成果本身就是一種新興的智能出版物形態(tài)；另一方面，以語義搜索、精準(zhǔn)推送、用戶畫像、智能問答、行為預(yù)測、精確分析、決策支持、深度學(xué)習(xí)、數(shù)據(jù)挖掘、推理引擎等系列算法集成為基礎(chǔ)的知識(shí)圖譜智能構(gòu)成了知識(shí)服務(wù)大腦，促進(jìn)了知識(shí)服務(wù)的智能化轉(zhuǎn)型，并使閱讀與出版形成友好互動(dòng)的良性閉環(huán)。借助知識(shí)圖譜算法發(fā)現(xiàn)新知，貼近讀者所需重塑或更新知識(shí)，并透過讀者畫像抓住讀者需求，無疑是出版業(yè)值得關(guān)注的發(fā)展方向。

知識(shí)圖譜算法于閱讀與出版智能化知識(shí)服務(wù)雖然具有無限發(fā)展動(dòng)能，但也有其局限性：一是好的智能算法要依托于大數(shù)據(jù)，而行業(yè)數(shù)據(jù)卻是分割而固封的，極大阻礙了大數(shù)據(jù)環(huán)境的形成；二是本體知識(shí)庫的基礎(chǔ)薄弱，不利于智能算法的實(shí)現(xiàn)，亟須大力加強(qiáng)底層知識(shí)庫的構(gòu)建。對(duì)出版與閱讀服務(wù)融合而言，相關(guān)智能算法應(yīng)用創(chuàng)新更是任重道遠(yuǎn)。

｜參考文獻(xiàn)｜

［1］鄧國峰，高安安. 技術(shù)邏輯與價(jià)值定位：算法時(shí)代網(wǎng)絡(luò)思想政治教育新展望［J］. 思想教育研究，2022（2）：30-34.

［2］石庭豪. 解讀知識(shí)圖譜在教育智能化中的應(yīng)用（上）［EB/OL］. （2022-05-13）［2022-09-13］. https：//

mp.weixin.qq.com/s/G8YPNOPvaNzk0DL_YqU3aw.

［3］石川，孫怡舟，菲利普·俞. 異質(zhì)信息網(wǎng)絡(luò)的研究現(xiàn)狀和未來發(fā)展［J］. 中國計(jì)算機(jī)學(xué)會(huì)通訊，2017（11）：35-40.

［4］余勝泉. 序言［J］. 人工智能，2022（2）：2+6.

［5］20張全景大圖帶您縱覽2021年核心期刊發(fā)文主題脈絡(luò)［EB/OL］. （2022-01-20）［2022-09-13］.

https：//mp.weixin.qq.com/s/ZSX3ghEWM0A5XXwzpFb

V2g.

［6］魏華. 人工智能深度融合思想政治教育的實(shí)現(xiàn)路徑［J］. 理論視野，2021（12）：70-75.

［7］中國新聞出版研究院全國國民閱讀調(diào)查課題組，魏玉山，徐升國. 第十九次全國國民閱讀調(diào)查主要發(fā)現(xiàn)［J］. 出版發(fā)行研究，2022（5）：21-25.