数字图书馆大数据知识服务体系协同设计研究*

张兴旺李晨晖（1．桂林理工大学图书馆　广西桂林　541004）（．桂林理工大学现代教育技术中心　广西桂林　541004）（3．中山大学资讯管理学院　广东广州　510006）

·图书馆与图书馆事业·

数字图书馆大数据知识服务体系协同设计研究*

张兴旺李晨晖
（1．桂林理工大学图书馆广西桂林541004）
（2．桂林理工大学现代教育技术中心广西桂林541004）
（3．中山大学资讯管理学院广东广州510006）

摘要：

大数据知识服务正逐渐成为数字图书馆领域新的服务增长点。文章通过网络与文献调研，对数字图书馆大数据知识服务体系的理论与应用研究现状进行了分析，对比分析了其协同设计的特征，搭建了一个基于SOA架构、开放式的、松散耦合的体系架构，并从功能管理、协同管理、信息管理、服务资源及协同过程等五个视角对其进行了分析.最后，对其所涉及到的关键技术与协同设计运行模式进行了研究与分析。

关键词：

数字图书馆；大数据；战略规划；知识服务

1　引言

目前，大数据知识服务正逐渐成为数字图书馆领域新的服务增长点。随着大数据与数字图书馆的飞速发展，知识服务逐渐发展成为多重角色协作参与、多个领域协同设计的活动，需要跨机构、跨区域、跨领域的知识服务资源的支持，由于大数据知识服务资源的分布不均衡，许多图书馆尤其是西部地区县级以下公共图书馆面临着资金紧张、信息资源与人才匮乏、服务技术及软硬件资源落后等问题，从而大大制约着数字图书馆的服务创新和知识服务能力的提升，而研究型图书馆、高校图书馆与一些中东部公共图书馆大量的信息资源、软硬件资源与能力资源处于相对闲置状态，造成了资源的极大浪费。

大数据知识服务模式的提出，为解决大数据与数字图书馆的融合问题，特别是资源丰富、服务需求量大的高校、研究型图书馆的知识服务产品开发与分配问题，实现知识服务资源与服务能力的最优化协调、增效与增值，进而提升数字图书馆知识服务的自主创新能力与基于知识的交互协同创造能力，提供了新的解决方法、思路和途径。正是因为大数据知识服务能为数字图书馆的生产型信息服务模式向智慧型知识服务模式转型提供了一种新的思路，使其成为智慧图书馆、云图书馆、移动图书馆的关键技术之一，对智慧服务、泛在服务或云服务的实施和开展具有重要意义。

2　面向数字图书馆的大数据知识服务概述

2.1相关研究简述

目前国内有关于数字图书馆与大数据的融合研究内容主要集中在服务创新、系统研发、技术实时与现状分析等理论研究方面，对于数字图书馆大数据知识服务体系协同设计的研究较少。由于大数据与数字图书馆的融合研究是一个较新鲜的概念，国内外对大数据知识服务方面的研究正处于探索和起步阶段。在国内，张兴旺等对大数据知识服务提出的背景、内涵、典型特征及体系结构等进行了研究和分析，并给出大数据生态系统在图书馆中的软硬一体优化集成的综合解决方案。陈传夫等在分析大数据的特点和数字图书馆建设需求的基础上，就如何推动我国数字图书馆建设、实现大数据服务与管理实践，提出了四条战略性建议：改进资源选择、整合与保存方式；发展新型数字知识服务；完善财政投入机制；规避知识产权风险。

数字图书馆大数据知识服务体系协同管理的一个重要问题，就是要对数字图书馆所包含的大数据进行深度分析，从其中抽取出对用户有价值的知识，并将其构建成可支持查询、分析和计算的知识库。目前，全球各类政府、商业或组织所构建的大数据知识库与知识服务应用程序多达上百种，较为典型的知识库或知识服务应用有：KnowItAll、Probase、SOFIE等，以及一些类似于维基百科与百度百科等在线知识协同管理的知识库，如DBpedia、YAGO、Wiki-Taxonomy等。此外，还有美国政府推出的Data.gov知识服务平台、Evi公司的TrueKnowledge知识搜索平台、Google的知识图谱（Google Knowledge Graph，也称Google知识图）、Facebook公司的Graph Search知识搜索服务平台等。国内的数字图书馆知识服务平台研发和建设工作也出了不少成果，其中最为典型的有CNKI知识搜索平台、中科院的OpenKN与Knowware、上海交通大学的zhishi.me中文语义互联知识库、复旦大学的GDM中文知识图谱平台等。

可以发现，大数据知识服务各方面的研究已经陆续展开，但无论在理论研究还是应用实践上，数字图书馆大数据知识服务研究仍处于探索阶段，没有形成较为统一的知识服务模式和标准。协同管理尤其协同设计作为大数据知识服务的关键技术之一，一直被数字图书馆领域所重视，而大数据技术的出现，给数字图书馆知识服务体系协同设计的研究带来了新的机遇与挑战。

2.2大数据知识服务协同设计的特点

大数据知识服务作为一种面向嵌入式协作化知识服务、自主需求和强调用户参与的泛在化智慧服务新模式，可以通过大数据网络环境为知识服务全生命周期过程提供随时获取、按需使用和支付、安全可信、绿色优质的各类知识服务活动。它可看作信息服务、知识服务、移动服务、信息推荐服务等先进服务模式在大数据环境下的发展与延伸，它继承了数字图书馆各种先进服务模式的优势，同时又结合大数据、云计算的优势与特征，弥补了传统数字图书馆信息服务模式的不足与缺点。从协同设计在大数据知识服务、传统信息服务及知识服务3种服务模式下的特点对比（见表1），可见大数据知识服务具有明显的优势。

3　面向数字图书馆的大数据知识服务协同设计的体系架构

3.1体系架构

根据前面的分析，面向数字图书馆的大数据知识服务体系的协同设计至少需要满足三个条件：一是能够提供访问和使用数字图书馆所提供的各类异构软硬件资源的支持，这些异构软硬件资源包括完成数字图书馆大数据知识服务体系协同设计的所有资源（如文本、图片、音视频等信息资源；服务器、存储器、网络设备等物理资源；人力、场地、服务设施等物料资源）；二是能够提供在数字图书馆运营者、服务提供者、用户等大数据知识服务主客体之间协同管理工作的支持；三是能够提供数字图书馆中动态资源能力服务的分布式协同调度的支持。整个面向数字图书馆的大数据知识服务体系的协同设计框架在逻辑结构上可描述为五层结构（见图1）。

第一层为大数据资源层，包含物理资源和虚拟资源两层，提供在数字图书馆大数据知识服务体系协同设计过程中所涉及到的各类软硬件资源，将分布在互联网各个角落的异构知识服务资源虚拟化封装后接入到大数据知识服务体系中，进行统一的协同规划、设计和管理；第二层为大数据知识服务协同设计支撑层，负责管理与维护各种被封装的、可组合、可重用的大数据服务模块，同时按照既定的标准、规范进行服务注册、发布，为协同设计服务层提供各种标准、规则、约束和支撑；第三层为大数据知识服务协同设计服务层，为协同设计需求提供各类型服务，按照上一层制定的标准确立相应的标准化接口，并向数字图书馆运营者、服务提供者和用户提供对应的服务接口；第四层为大数据知识服务协同设计门户层，将数字图书馆大数据知识服务体系所涉及到的各类管理、服务和建设过程分别 （按照权限、类型、服务与管理需求等进行分类）向数字图书馆运营者、服务提供者和用户等提供交互接口；第五层为应用层，可以使数字图书馆运营者、服务提供者、用户等通过较为简便的操作界面，在不同服务终端上使用数字图书馆大数据知识服务体系的协同设计平台获取相应的知识服务。

表1　协同设计在三种先进数字图书馆服务模式下的特点

3.2体系架构的描述与解读

由于面向数字图书馆的大数据知识服务体系的协同设计过程较为复杂，单从某一方面来对其体系架构进行描述和解读，都难以反映该体系各个层面的特性及彼此之间的内在联系。基于此，笔者从管理功能、协同管理、信息管理、服务资源及协同过程等五个视角对其进行分析。

3.2.1管理功能视角

图1　面向数字图书馆的大数据知识服务协同设计体系结构

大数据知识服务体系协同设计的功能主要包括：（1）知识服务资源的管理，负责对各类异构软硬件、信息与技术等知识服务资源进行管理，包括知识服务资源的虚拟化、封装、发布、组合优化、监测及服务质量评价管理等；（2）协同规划与设计需求的管理，负责大数据知识服务体系协同规划与设计需求的分解、服务与管理流程建模、资源调配，以及对参与整个协同设计过程的机构、人员和企业的管理；（3）协同规划与设计过程的管理，负责对整个大数据知识服务协同设计过程进行监控，实时检测出在协同设计过程中所发生的各类故障、错误及冲突，并提交至容错机制、知识服务需求冲突消解机制等管理模块中进行解决；（4）提供负载均衡、容错及冲突消解机制等功能模块，保证整个大数据知识服务协同设计过程的成功进行；（5）协同设计工具的管理，负责数字图书馆运营者、知识服务提供者和用户之间交流、协作通道、平台及通信工具的正常运行，确保大数据知识服务主客体之间能有效及时的进行信息交互；（6）数据、信息与知识的管理，对数字图书馆产生的所有数据、所拥有的信息资源与知识，以及在整个大数据知识服务协同设计过程中所涉及到的各类知识等进行管理，如教学类知识、科研类知识、经验类知识、标准类知识、案例类知识等。

这些所有功能模块有机融合在一起，相互作用、相互补充、环环相扣。随着大数据知识服务协同设计流程的启动，一个功能模块开始运转缓缓带动与之相关联的其他功能模块的运转，才能提供与用户知识服务需求相匹配的服务，从而增强知识服务协同效果。

3.2.2协同组织视角

通过大数据知识服务体系将分布在不同区域、机构和领域的各种数字图书馆资源 （包括数据库厂商、高校及其图书馆、科研机构、用户及管理者等）紧密的关联在一起，形成完整的数字图书馆大数据知识服务协同组织体系（见图2）。

3.2.3信息管理视角

大数据知识服务体系的信息涉及规模大、内容多、结构与类型复杂，包括数字图书馆信息、用户信息、知识服务信息、资源信息、技术信息、安全信息、管理信息、协作信息、评价信息及其他信息等。通过对大数据知识服务体系协同设计过程中所产生的各类信息进行分析，得出其面向数字图书馆的大数据知识服务体系的信息管理视图（见图3）

3.2.4服务资源视角

针对数字图书馆中知识服务资源的分类有多种方式，依据大数据知识服务过程所涉及到的资源性质，本文将服务资源分为：信息资源、知识资源、服务能力资源、人力资源、物能资源及其他资源等六大类。其中，信息资源主要包括数字图书馆所提供的各类文献、图书、专利、标准等各类知识服务信息资源、知识服务市场信息、图书馆与所属机构信息、用户信息、技术信息、数据库厂商信息、协同工作信息等；知识资源主要包括数字图书馆所提供的各类服务实例知识、建设与服务规范类知识、服务设计原理类知识、经验类知识等；服务能力资源主要包括底层软硬件资源、各类知识服务协同设计能力、服务模拟仿真能力、知识与知识服务生产能力、管理能力、运营能力及维护能力等；人力资源主要包括数字图书馆的各类管理、运营与维护人员、技术人员、参与大数据知识服务协同设计的各类专家等；物能资源主要包括数字图书馆建设与管理所需要的物理场地资源、基础设施资源、物料资源、办公设施等；其他资源主要包括资金资源等。

3.2.5协同过程视角

通过协同过程视角可以将上述四个视角进行有机融合，形成一个有机的、较为系统的大数据知识服务体系。面向数字图书馆的大数据知识服务体系的整体运转流程（见图4）系统的描述了在面向数字图书馆的大数据知识服务体系协同设计过程中，各种服务资源、协同组织的交互过程，以及大数据知识服务体系协同设计的各个功能模块信息的组合情况。

图2　面向数字图书馆的大数据知识服务体系的协同组织视图

图3　面向数字图书馆的大数据知识服务体系的信息管理视图

图4　面向数字图书馆的大数据知识服务体系的协同过程图

4　面向数字图书馆的大数据知识服务协同设计的关键技术

4.1基于SOA的大数据知识服务架构

面向服务的体系架构（SOA）是一个由彼此之间可通信的具有特定功能的服务构成的灵活抽象的分布式IT架构模式。通过SOA技术可将大数据知识服务体系中的各个不同服务单元分解成多个独立的功能模块，并通过已经定义好的服务接口和规则联系起来，从而使得数字图书馆可以在大数据环境中对松散耦合和跨平台的粗粒度知识服务应用组件进行分布式部署、组合、交互和使用。一方面，通过SOA设计模式，可将数字图书馆、管理者与用户之间协同设计过程，以及数字图书馆所提供的各类大数据知识服务直接转换成可操作性强的、基于标准系统接口的、可被重组和优化的一系列相互嵌套、相互关联的服务功能模块。另一方面，基于SOA的大数据知识服务架构还可为服务提供者、服务运营者与用户屏蔽掉数字图书馆及对应的大数据知识服务平台在运行平台、操作系统、数据与信息来源等方面的复杂性、异构性，使得数据、信息、服务等在跨系统、跨平台环境下，按照一种统一的、标准化的接口提供有效的大数据知识服务。因此，将SOA引入大数据知识服务体系协同设计过程，能有效地打破运行平台、管理与服务等异构性的限制，使得其具备较强的迁移性、互操作性和可重用性，进而使数字图书馆能够迅速应对用户的知识服务需求。

4.2服务资源管理

服务资源（数据、信息和知识资源、软硬件资源、服务能力资源等）管理问题是大数据知识服务体系协同设计的重点和难点问题之一。数字图书馆是一个集成知识服务资源和服务能力的环境，且拥有大量异构的服务资源。针对大数据环境下数字图书馆知识服务资源的科学、有效管理可从五个方面展开：（1）对服务资源的表达与描述模型进行研究，对数字图书馆所提供的服务资源进行标准、统一、系统的描述与定义，消除异构的服务资源之间的定义误解与语义冲突；（2）由于服务资源规模庞大、类型与结构复杂，在对其进行表达和描述时，需要采用标准化手段对其进行统一定义与描述；（3）针对用户知识服务需求，需要充分考虑到与之相匹配的服务资源发现、匹配、选择、优化与组合等问题；（4）要对服务资源的虚拟化、封装与协同管理方法进行研究，对数字图书馆所涉及到的物理资源进行虚拟化封装，以及对信息、知识与服务资源等进行协同管理，使得用户忽视服务资源的地域性与异构性，只在统一的标准化访问接口中获取大数据知识服务；（5）对数字图书馆中服务资源快速发现、匹配、组合和优化等模型进行研究。

4.3知识服务智能匹配与组合的全生命周期管理

从大数据知识服务智能匹配与组合的全生命周期（即服务匹配与组合执行前、执行中与执行后）角度出发，可将数字图书馆大数据知识服务智能匹配与组合分为五个阶段：知识服务设计阶段、知识服务部署阶段、知识服务选择与优化阶段、知识服务执行与监控阶段、知识服务综合评估阶段。每个阶段所涉及到的操作内容与管理方式都不一样，但有几个共性问题却是每个阶段都会涉及，且需要解决的：

（1）大数据知识服务建模、描述、一致性检查与可执行模型转换问题。由于大数据知识服务是对知识服务资源的能力进行大数据化后的产物，且具有异构性、动态性及专业性等特征，加上用户知识服务需求、知识协作关系与知识利用的动态变化性及复杂性，使得用户对大数据知识服务有更高要求。为形成不同粒度的知识服务资源和知识服务能力，实现大数据知识服务按需分配和使用的目的，就必须研究大数据知识服务建模与描述方法，建立模型后，还需要对其进行形式化验证，解决大数据知识服务智能匹配与组合过程中的服务冲突、流程死锁、匹配不一致等问题，而在知识服务过程中还需要研究知识服务匹配与组合的可执行模型转化与验证方法。

（2）大数据知识服务组合的关联问题。由于大数据知识服务体系是将一系列服务单元按照既定的规则、标准与规范进行组装，进而满足用户知识服务需求。而在知识服务组合过程中，大数据知识服务单元之间的组合关联关系（如统计引文合作关联关系、服务主客体关联关系、服务组合关联关系等）对整个知识服务组合质量（如服务可靠性、服务组合成功率、用户体验质量等）起到了关键性的作用。因此，有必要对大数据知识服务组合中的服务之间关联关系进行研究，一是知识服务组合关联关系的分类、定义、内涵及描述方法；二是知识服务组合关联关系的动态QoS评估方法与模型；三是基于知识服务组合关联关系的智能构建方法。

（3）大数据知识服务组合的柔性管理方法。随着数字图书馆中大数据知识服务资源和服务能力、知识服务状态与服务质量、知识服务组合关联关系，以及用户知识服务需求的动态变化，使得大数据知识服务组合的全生命周期管理过程中存在着许多不确定因素，对其服务过程和服务质量产生较大影响。因此，当这些不确定因素发生变化，影响到大数据知识服务组合的执行时，就要求数字图书馆能够及时调整大数据知识服务组合方案，从而成功执行满足用户知识服务需求的服务能力，即对大数据知识服务组合的柔性管理方法进行研究。大数据知识服务组合的柔性管理研究主要包括：一是大数据知识服务组合柔性管理的影响因素；二是大数据知识服务组合柔性测量方法；三是大数据知识服务组合柔性管理的提升策略。

（4）大数据知识服务组合网络研究。在传统数字图书馆信息服务模式下，信息资源或信息服务提供者和用户都希望最大化实现信息资源、知识的效用或效益。因此，数字图书馆就必须明确应该提供怎样的知识服务，以及如何提升数字图书馆的利用率，才能实现知识与知识服务的增效和增值。但在数字图书馆中，单个知识服务单元被用来满足用户服务需求的较少，通常是与其他服务组合在一起来满足用户的知识服务需求。因此，有必要结合复杂网络、系统科学等相关理论、知识和方法，对所有大数据知识服务单元构成的服务网络进行系统研究，如知识服务网络构建规则、知识服务网络动态演化模型与构建方法、知识服务网络的动力学特征分析、知识服务网络的服务节点控制方法与策略等。

（5）大数据知识服务选择、优化与评估研究。数字图书馆用户的知识服务需求不是简单的计算、存储或网络带宽的服务需求，而是对数字图书馆中各类异构信息资源、知识资源和知识服务能力的综合需求，同时由于用户知识服务需求涉及领域广，使得需求是动态变化的、不确定的、大规模的。此外，随着用户知识服务需求、大数据知识服务资源状态和服务能力的动态变化，加上数字图书馆拥有着大量待选的知识服务单元，使得可选的大数据知识服务组合的方案也是不确定的。因此，如何选择最为合适的大数据知识服务组合方案也显得尤为重要，而对大数据知识服务选择、优化方案进行评估（包括大数据知识服务质量评估、可执行性评估、最优化方案及最佳选择方案评估等）也变的十分有必要。

（6）大数据知识服务组合的其他相关研究。与大数据知识服务组合相关的研究还有：知识服务过程（如服务质量、服务需求等）中的不确定性研究、知识服务可视化研究、基于大数据生态系统的知识服务组合链研究等。

4.4知识服务交易模型

为管理数字图书馆中大数据知识服务提供者与用户之间知识服务交易过程，就需要提出一种科学的多模块动态知识服务交易模型，该交易模型应包含多元化动态知识服务交易模式 （支持知识服务定位、协作、协商、支付与购入等多种交易模式）、知识服务交易流程管理与控制 （交易流程一般包括服务规则制定、服务规则执行/服务规则交易、交易后流程管理与控制等）、知识服务交易规则制定（通过制定可信的交易规则，提供评价机制来维护知识服务提供者、管理者与用户之间的信任关系）、基于协同设计的多赢的自动知识服务协商模型等，用来支持动态变化、异构、高度协作的大数据知识服务交易。

4.5知识服务协同监测体系

面向数字图书馆的大数据知识服务协同设计监测体系主要包括：（1）知识服务资源的协同监测。数字图书馆有着大量的、异构的软硬件资源，怎样对其进行有效的协同监测、管理及控制，是实现大数据知识服务的基本保障。这一环节就需要重点研究这几个问题：研究利于协同监测的体系架构，以满足协同监测需求；研究高效的、灵活性强的知识服务资源协同监测策略；研究知识服务资源状态的智慧化管理技术等。（2）知识服务过程的协同检测。在整个知识服务过程中，必然会出现各类问题，对其进行有效的协同监测，有助于大数据知识服务过程高效、准确的完成。（3）协同设计过程的监测。这一部分主要研究大数据知识服务体系中协同设计过程中的模型、方案、协同过程设计等各个环节产生故障、冲突或错误的影响因素、原因、特征及问题类型，从而研究出适合大数据知识服务体系的智慧化监测模型，以对大数据知识服务体系协同设计过程进行及时有效地监测。（4）知识服务平台的协同监测。毫无疑问，数字图书馆的知识服务平台是用户获取其所提供的大数据知识服务的交互接口。

针对大数据知识服务平台建立多层次协同监测体系，研究不同层次的协同监测体系的故障状况及相应的解决方法，实现智慧化监测和预判各类问题，并对可能发生的故障、冲突与错误进行预警，从而确立对应的容错机制、迁移与恢复策略，及时排除问题，确保整个知识服务过程的高效运行。

5　面向数字图书馆的大数据知识服务协同设计的应用模式

在面向数字图书馆的大数据知识服务体系中，用户无需深入了解知识服务协同设计环境的提供者，只需要向大数据知识服务平台提交知识服务需求，在接受用户知识服务需求后，数字图书馆会自动组织服务资源进行协同设计，开始知识服务协同设计过程，并自动配置相应的知识服务资源来完成整个知识服务过程，为用户提供最合适的知识服务（大数据知识服务协同设计的运行模式见图5）。

数字图书馆管理者与运营者通过互联网，在服务资源模块注册、发布各类知识服务资源、知识服务等，知识服务协同设计体系将服务资源与知识服务进行虚拟化、封装成相应的服务，并发布、保存到大数据知识服务资源中心；用户在明确其知识服务需求后，通过数字图书馆所提供的大数据知识服务平台对其知识服务需求进行表达与描述，确立其知识服务协同设计方案、相应的服务资源及知识服务环境；数字图书馆在接受用户知识服务需求任务后，对用户知识服务需求处理任务进行拆分、解释、服务资源匹配、选择及服务资源组合优化，并将最优化的知识服务资源提供给用户，结束整个知识服务流程后，将最佳知识服务方案及结果反馈给用户。

6　结语

随着大数据理论与技术的飞速发展，急速膨胀的信息资源建设需求和多元化知识服务需求不断给数字图书馆的知识服务模式带来新的机遇与挑战。由于大数据知识服务还是一个新生事物，正处于不断改进和发展的阶段，并且现有的数字图书馆尚未形成功能完备的、标准的、稳定的大数据知识服务体系，因此，需要根据数字图书馆服务特性及用户知识服务需求，在做好顶层设计的基础上，统一进行协调规划、设计，分步实施。

图5　面向数字图书馆的大数据知识服务协同设计的运行模式

目前这一领域还存在许多值得研究和探讨的问题。本文简要描述了数字图书馆大数据知识服务体系理论与应用的研究现状，对比分析了面向数字图书馆的大数据知识服务体系协同设计的特征，搭建了一个基于SOA架构、开放式的、松散耦合的体系架构，并从管理功能、协同管理、信息管理、服务资源及协同过程等五个视角对其进行分析，指出其所涉及到的关键技术及主要研究内容，并结合应用需求对其运行模式进行了分析。

参考文献：

［1］张兴旺.大数据知识服务体系研究［J］.情报资料工作，2013（2）:11.

［2］张晓林.研究图书馆2020:嵌入式协作化知识实验室［J］.中国图书馆学报，2012（1）:11-20.

［3］张兴旺.图书馆大数据体系构建的学术环境和战略思考［J］.情报资料工作，2013（2）:12-17.

［4］秦晓珠，李晨晖，麦范金.大数据知识服务的内涵、典型特征及概念模型［J］.情报资料工作，2013（2）:18-22.

［5］郭自宽，张兴旺，麦范金.大数据生态系统在图书馆中的应用［J］.情报资料工作，2013（2）:23-28.

［6］李晨晖，崔建明，陈超泉.大数据知识服务平台构建关键技术研究［J］.情报资料工作，2013（2）:29-34.

［7］陈传夫，钱鸥，代钰珠.大数据时代的数字图书馆建设研究［J］.图书情报工作，2014（7）:40-45.

［8］Etzioni O.，Cafarella M.，Downey D.et al.Web-Scale information extraction in knowitall（preliminary results）［C］.Proc. Ofthe 13thInt’l Conf.on World Wide Web.ACM，2004：100-110.

［9］Wu W.，Li H.，Wang H.et al.Probase:A probabilistic taxonomy for text understanding［C］.Proc.of the 2012 ACM SIGMODInt’l Conf.on Management of Data.New York:ACM，2012：481-492.

［10］Suchanek F.M.，Sozio M.，WeikumG..SOFIE:A self-organizing framework for information extraction［C］.Proc.of the 18th Int’lConf.on World Wide Web.New York:ACM，2009：631-640.

［11］BizerC.，Lehmann，J.，Kobilarov，G.et al.DBpedia:A crystallization point for the Web of Data［J］.Web Semantics:Science，Services and Agents on the World Wide Web.2009，7（3）:154-165.

［12］Fabian M.S.，Gjergji K.，Gerhard W.YAGO:a core of semantic knowledge unifying WordNet and Wikipedia［C］.Proc.Of the International World Wide Web Conference Committee.Banff，Alberta，Canaba，2007：697-706.

［13］Simone P.P.，Michael S..Wikitaxonomy:a large scale knowledge resource［J/OL］.［2015-04-01］.http://wwwusers.di.uniroma1.it/～ponzetto/pubs/ponzetto08a.pdf.

［14］U.S.Government［EB/OL］.［2015-04-01］.http://www.data.gov.

［15］Evi.TrueKnowledge［EB/OL］.https://www.evi.com

［16］维基百科.Google知识图谱［EB/OL］.［2015-04-01］.http://zh.wikipedia.org/wiki/Google%E7%9F%A5%E8%AF%86%E5% 9B%BE%E8%B0%B1.

［17］Facebook.Facebook Graph Search［EB/OL］.［2015-04-01］.http://www.fanscape.com/wp-content/uploads/2014/08/Facebook -Graph-Search.pdf.

［18］CNKI.CNKI 3.0知识搜索［EB/OL］.［2015-04-01］.http://search.cnki.com.cn/.

［19］王元卓，贾岩涛，赵泽亚，等.OpenKN—网络大数据时代的知识计算引擎［J］.中国计算机学会通讯，2014，10（11）:30-35.

［20］Lu R.Q..From knowledge based software engineering to knowware based software engineering［J］.Science in China（Series F:Information Sciences），2008（6）:638-660.

［21］Xing N.，Xin R.S.，Hao F.W.et al.Zhishi.me-weaving Chinese linking open data［C］.Proc.Of the 10th International Semantic Web Conference，2011:205-220.

［22］朱志良，苑海涛，宋杰，等.SOA与云计算:竞争还是融合［J］.计算机科学，2011（12）:6-11.

［23］齐勇，罗英伟，孙毓忠.网络资源虚拟化技术专题前言［J］.软件学报，2014（10）:2187-2188.

［24］陶飞，张霖，郭华，等.云制造特征及云服务组合关键问题研究［J］.计算机集成制造系统，2011（3）:477-486.

中图分类号：

G250.76

文献标识码：

A

DOI：

10.11968/tsygb.1003-6938.2015064

作者简介：

张兴旺（1982-），男，桂林理工大学图书馆副研究馆员，中山大学资讯管理学院博士研究生；李晨晖（1984-），女，桂林理工大学现代教育中心讲师。

*本文系

2013年广西哲社“十二五”规划课题“基于大数据知识服务体系的广西数字图书馆战略规划模型与实证研究”（项目编号：13CTQ001）与2014年广西教育厅一般项目“适应用户兴趣变化的移动个性化信息服务进化机制研究”（项目编号：YB2014152）研究成果之一。

收稿日期：

2015-04-25；责任编辑：刘全根

Study on Collaborative Design for Big Data Knowledge Service of Digital Library

Abstract

Big data knowledge service is becoming a new growth point of digital library field.Through literature investigation,theoretical and applied research status of big data in digital library knowledge service system is analyzed, and comparative analysis is made of the characteristics of the collaborative design.An SOA-based,open,loosely coupled system architecture is built,and it is analyzed from the functional management,collaborative management, information management,service resources and collaborative process.Finally,the involved key technologies and collaborative design operation mode is studied and analyzed.

Key words

digital library；big data；strategic planning；knowledge service