大数据环境下农业知识服务协作体系探索与实践

叶飒， 朱亮， 寇远涛， 赵瑞雪， 顾亮亮， 季雪婧

(中国农业科学院农业信息研究所，农业农村部大数据重点实验室，北京 100081)

知识服务在国外主要应用在教育、咨询、医疗卫生、经济管理等不同领域，以形式多样的知识项目实践于领域内具体问题的解决；在我国主要集中在图情领域和计算机领域，偏重理论研究[1]。农业领域的知识服务研究与应用较为少见，究其原因主要有两点：一是由于外部环境，如国内外数据库商业学术资源的垄断、互联网公司技术的快速提升，迫使农业知识服务主要承担机构的发展受到了制约、面临被边缘化；二是农业领域的情报信息服务机构普遍存在科研经费不足、复合人才断档、用户认可度不高等内部问题。

周国民等[2]提出，我国农业知识服务是指将存在于计算机中农业显形知识和农业专家大脑中的隐性知识服务农业用户。之后，严霞等[3]提出，农业知识服务是建立在农业科技情报研究机构及图书馆的服务功能和农业知识基础上的一种特殊服务行业。赵瑞雪等[4]提出，面向农业科技创新的多维知识服务建设，将形成的“一站式公共集成服务+个性化深层次知识服务”技术体系应用于中国农业科学院和部分省级农业科学院的科研创新。杨小薇等[5]提出，农业领域知识服务是一个与用户全程沟通、向领域专家及时咨询的过程，是用户、领域专家与服务团队多方智慧融合的协同工作过程。

总的来说，农业知识服务是面向农业科研、农业产业、农业企业、农业管理与决策等领域用户，提供知识获取、知识分析、知识关联以及知识推理等不同知识服务和解决方案。以往传统的知识服务基本上由独立图书情报机构提供，但由于各机构的资源、服务及团队单一、分散，无法满足不同用户群体需求的随机性、专业性、特殊性以及综合性。同时，用户在寻找准确的知识服务提供者也往往不尽人意。因此，知识供需容易出现信息不对称，对需求的准确理解和有价值知识的精准供应成为提供优质农业领域知识服务的关键[6]。

为提升情报信息服务机构在知识服务中的竞争力，发挥最大的服务价值，通过分析农业领域目标用户群体需求与特征，本文提出依托农业知识服务协作体系，通过加强机构间的协同合作优势互补、资源技术与团队专家有效整合、供需信息顺畅传递等模式，解决行业短板和供需信息不对称的问题，促进农业领域大规模、跨地域、跨机构、跨领域的专业知识服务高效开展。

1 农业专业知识服务用户需求与特征分析

农业专业知识服务主要用户群体包括高端智库、科研高校、涉农企业和政府部门四大类，其特征主要体现为两点：一是用户群体类型多、数量大，二是用户分布地域广、专业性强。针对不同地域、不同领域的用户，知识服务需求也呈现多样性。

高端智库用户是指农业相关领域院士和国家重点研发计划、重大研发专项及战略咨询等科研项目或课题组，这类用户特征是“高、精、深”，为智库用户提供的知识服务主要是辅助用户开展国家、地区以及行业领域的宏观战略咨询与情报分析。一方面提供的服务站位要高而全，另一方面服务内容需要前瞻、精准且有深度的情报分析，可以指导国家地区的规划发展、引领行业产业的发展方向、规避降低突发事件等对社会的危害程度。基于此类用户的特征，通过构建跨领域情报服务团队来实时跟踪智库用户需求，以协同嵌入式的服务模式与用户专家深入对接，借助大数据技术对数据遴选、抽取、统计和关联计算，由情报人员反复验证、最终分析形成各类型情报产品，以支撑智库用户需求。

农业科研院所和农业高校用户群是农业科研工作开展的主力军，包括中国农业科学院、中国水产科学院、中国热带农业科学院和各省市地方等上百家专业研究机构，以及中国农业大学、南京农业大学等近百个高校。科研用户特征是“多、专、广”，用户群体多、服务专业性强、领域服务广。面向科研用户开展的服务涵盖了农业的各个学科和产业，服务内容层次不一，可能是一篇科技文献、一类科研数据、一项科技成果，也可能是学科领域的趋势分析、前沿热点追踪，还可能是成果转化的市场环境分析、机构和个人成果规范化集成与管理等。面向大部分科研用户，服务方式将会按需不同，包括情报服务、知识搜索发现、数据服务以及工具和平台搭建等。

涉农科技型企业主要指企业核心生产和研发部门，这类用户需求主要围绕农业科技成果转化对接、农产品生产研发、农业进出口贸易等方面，希望获取农业市场、农业产业以及农业技术等方面数据、情报与平台服务，以专利分析以及竞争力分析为主。企业需求服务往往要求明确、方案具体，可直接帮助企业实现产能转化增效收益。

开展面向中央及各级政府部门的知识服务以决策咨询为主，基于农业领域的综合性数据对科技管理、政策动向、科技工作现状、国内外新兴与热门技术及前沿动态等方面的情报信息进行分析，形成专题报告支撑特定部门或地区进行科技规划与管理、学科产业政策引导、项目技术评估审核等工作。

为加快现代农业产业技术体系建设步伐，提升国家、区域创新能力和农业科技自主创新能力，我国启动了“现代农业产业技术体系”建设，将“产、学、研”联合分布在产业上、中、下游，将智库用户、科研用户、企业用户以及政府部门等用户群体耦合关联形成一体，进一步促进了农业知识服务模式的整合与发展[7]。

2 农业专业知识服务协作体系框架

作为农业大国，我国从传统农业到新型农业的高效、快速转型离不开农业科研、农业种植、农业生产、农业贸易以及农业管理等领域创新推进。《乡村振兴战略规划(2018—2022年)》要求，至2022年实现粮食综合生产能力6亿t、农业科技进步贡献率61.5%、畜禽粪污综合利用率78%、农村居民恩格尔系数29.2%等规划目标；2020年中央一号文件再次明确，稳定粮食生产、加强现代农业设施建设、强化科技支撑作用等任务需要尽快落实[8]。新农业农村的快速发展需要紧密依赖农业大数据支撑的知识服务和信息技术，这种对知识服务的迫切需求推动农业领域知识信息支撑服务的快速发展。然而传统零散独立的知识服务模式在资源数量、专业深度、用户扩展、内容全面及服务时效性等方面都有缺失，构建协同服务网络化的知识服务体系可以有效解决以上问题。

协同网络是基于资源共享创新的特殊社会网络体，以协同共享单元作为基础来进行知识共享活动，可以发挥协同效应并产生创新成果，面向多维属性特征的知识协同模式的核心包含三大概念：知识多维属性、协同知识共享、协同网络[9]。按照协同网络的构建思路，结合农业知识用户的特征需求、农业情报信息机构现状和知识服务服务形式及产品，本文提出农业专业知识服务协作体系(图1)，由图情机构联合农业科研院所、高校等单位，共建资源、平台、技术和服务团队，依托专业知识服务平台、农业信息服务机构和领域专题服务团队分别开展面向区域共性需求和个性化专业需求提供服务。

图1 农业专业知识服务协作体系

基于推动行业共同发展的协作机制，知识服务协作体系从供给侧与服务侧设计了知识服务提供者、知识服务对象及知识服务形式和内容。知识协同服务不再是单向、单一的服务行为，而是依赖于一定的组织模式，通过不同的机构和人员有机组合形成完整的、交融的知识服务链和关系网。协作服务体系的构建一方面可增强服务提供方的服务能效，避免了资源与人员分散、时空与专业的限制；另一方面，通过需求与服务的紧耦合，加强了知识服务的目标性、个性化以及时效性，网络中的供需方可以快速对接交流、交叉完成知识服务进程从而同步完成知识服务产生协同效应。

2.1 协作共建机制

农业专业知识服务协作体系的基础是协作共建，通过良好的机制建设推动协作体系的良好运行，整合体系成员的资源与技术，加强各成员单位的人才队伍培养，可以提升整个行业知识服务能力及各成员单位竞争力，形成生态可持续推进的协作关系网。农业专业知识服务协作体系机制建设主要包括以下三类。

2.1.1基础支撑机制 建立国内优势单位联盟，建立行业协会。通过组织国际、国内优势单位参与，搭平台、统定义、建标准、促合作，建立联盟和行业协会，加速基础支撑机制完善。

2.1.2产能建设机制 为促进整个体系知识服务能力的不断提升，通过定期举办高端论坛、联合人才培养等方式，帮助业内服务机构和知识服务人员获取、了解和学习新的技术、新的资源以及新的服务模式。同时，借助社会资本构建专项基金，依托国家农业政策支持和示范项目建设牵引，支持产品孵化、平台建设、应用推广。

2.1.3成果共享机制 为加强协作体系内部的紧密合作，采用项目联合申报、知识产权共建共享、成果转化共赢等措施，将体系目标和建设方向明确化、具体化，将不同单位、地区的资源、技术、领域优势合并，增加凝聚力共同推动体系的创新发展和建设。

2.2 协作体系供给侧

供给侧指知识服务提供方，从资源、技术到产品开发全链条支撑知识服务活动开展，主要面向体系内部成员提供各类型基础及支撑服务。知识服务提供者在协作模式中是跨专业、跨地域的联盟形态，信息服务机构、科研高校、企业政府乃至专家学者等个人都可以是知识服务的提供方，通过经费支持、队伍培养、配套技术、共同申报项目等协作机制方式，促进提供者们在资源层、技术层、产品层开展合作、相互支撑，实现知识服务提供方内部的优势互补、服务关联。在面对不同需求时，整合打通不同来源的资源、技术、团队，提供真正意义上满足用户不同层级的知识需求，提高国家农业资源的有效使用和合理配置、降低业内知识服务的成本。

2.2.1协作体系资源与技术支撑

①资源协作模式。资源建设是供给侧的基础，通过构建多源异构农业科技大数据仓储，实现对农业全领域资源的收集与应用。由联盟牵头单位负责、各成员单位协同配合参与，对农业通用资源制定统一的元数据标准和加工入库流程，构建高效的大数据ETL与清洗技术体系支撑了十亿级多源异构数据向同构元数据的高效汇聚融合；同时，专业和领域特色资源由体系内容参与者按照优势原则提交元数据样例，进行分类发布、展示和宣传；在进行知识产权有效约束下进行线上线下服务，消除资源来源壁垒，加强资源的流转和增值。

②技术协作方式。技术支撑是供给侧的资源转化为知识的主要途径，主要由体系内部技术优势单位承担研发，形成通用软件后在体系中进行推广和分享，包括知识加工与协作平台、语义智能搜索引擎、知识自动抽取与智能重构工具等；同时，按照服务场景、服务方式以及数据属性的不同特征，由多家单位参建、以“技术+数据”协同模式提供个性化知识产品，满足体系内部技术服务需求及终端用户多样化的知识服务需求。

2.2.2协作体系知识产品与服务 供给侧的产品层依托于协同单位的资源和技术，对标服务侧的需要进行设计和开发，通过服务层面向用户提供基于数据与产品的多形态知识服务，主要包括知识集市、知识加工、知识管理、知识发现、专题知识、知识推荐、知识分析和知识宣传八种服务模式。

①知识集市。集市服务帮助用户提升数据的市场认知度、使用效率以及实现数据转化收益。知识市场提供两类服务：一是通过农业知识服务平台将体系内部的特色资源、农业数据、情报产品、知识工具等进行线上展示，用户可以直接订购资源或者联系资源提供方；二是农业领域用户也可以上传经过审核的资源和数据，在平台开放共享。

②知识加工。加工服务指帮助用户开展个性、专业和特色数据资源的采集、加工、清洗、组织、融合等服务，如纸本资源数字化、网络资源的跟踪采集、实验数据的规范清洗、多源异构数据融合存贮等；另一方面，基于已有的数据，按照用户需求进行深度挖掘，从不同维度开展研究和分析，形成科研态势分析、科技前沿预测、产业技术竞争力分析、地区机构竞争力评价、国际战略规划与发展等专题报告和情报产品。

③知识管理。通过构建知识管理平台或是扩展数据库管理后台，建立规范的元数据标准，依托技术整合资源，开展本地或云端资源的规范管理与存储、质量监测与管控、数据揭示与增值，实现知识资源的更新、监管、关联及分析应用等全流程、全生命周期管理，帮助用户进行知识资源长期保存与管理、知识利用与宣传以及在线实时分析及应用服务。

④知识发现。依托体系内部共建的知识资源，以智能搜索引擎为驱动构建知识发现平台，通过语义搜索、框计算命中、检索结果自动关联呈现、知识智能排序以及知识资源来源全解析等技术与功能实现知识资源同于搜索和管理发现，帮助用户查数据、找资源、快速定位和获取知识，为用户提供知识的精准发现[10]。

⑤知识专题。专题服务指通过主题知识资源自动抽取引擎进行知识主题资源的匹配、抽取与重构，实现领域主题内最新优质资源的及时跟踪和有序展示，以及主题资源的热点和发展脉络等多维度的可视化展示。

⑥知识推荐。根据用户需求，长期跟踪特定专题或特定领域的资源，通过整理跟踪的资源以简报和专题快报等形式发送给用户，帮助用户实时跟进国内外动态、技术研发、科研进展等；同时，基于用户属性及行为轨迹等实时数据，挖掘用户偏好特征，集成多种推荐策略，为用户提供个性化资源推荐服务[11]。

⑦知识分析。基于文本挖掘与可视化分析技术构建知识应用产品，在线快速提供知识资源内在关联性、特征性、价值性的深度解析和分析。通过底层数据动态抽取与计算，用户可以自行定义和选取知识资源分析指标和维度，实现从整体到局部、宏观到微观的开展农业信息与领域知识的认知和辨识。

⑧知识宣传。基于新媒体运营技术与环境，通过社交媒体、直播平台、搜索引擎优化、短视频投放等多渠道，为用户群体提供资源曝光与增值、用户价值展示等服务，同时增加体系内外优势互补、推进跨领域跨地区的用户对接与互动、提升用户群体及农业领域各行业对协作体系资源、平台与服务的认知度、认可度和依赖性。

2.3 协作体系服务侧

知识服务协作体系服务侧通过服务层辐射不同地区、不同类型用户群体，异地同步开展线上线下协作服务。基于多源异构农业科技大数据仓储以及知识推荐、知识发现、知识专题等八类知识服务产品构建的专业知识服务平台，整合了资源和各种知识服务产品，以及为供需双方的快速对接提供在线服务。同时，依托专业知识服务平台，区域性服务站和服务团队共享体系内部技术与资源、分享交流与展示经验；也提供终端用户自行查找资源、查找服务提供方以及提交需求等[12]。

服务层将提供者们按机构和个人特性进行划分，形成区域性服务站和专业服务团队，可提升知识服务广度和深度，满足“最后一公里”的知识服务需求。例如院士服务对知识深度有很高的要求，通过知识关系网可快速匹配同领域的专业团队开展服务，使服务前期能够顺畅对接、后期知识服务更加精准专业，保证了知识服务质量“最后一公里”的成效。我国幅员辽阔，农业产业、科研、农企以及个人用户分布在各省直自治区，区域性服务站可通过知识关系网对接不同资源、技术和专家，负责特定区域及专业的服务，满足空间“最后一公里”的知识服务需求。

目前，农业专业知识服务的用户群体主要是科研高校和专家学者，少数涉农企业、政府机关、农业个体经营者等。但基于农业专业知识服务协作模式的不断成熟和扩大，知识服务用户群将更加多元化、需求将更加的复杂化，便捷高效的服务和资源会吸引来自不同行业、不同地域的跨领域用户。同时，用户也不再仅满足获取服务，会积极参与到知识服务的生产链当中，促进服务体量增长、服务质量提升、服务模式更新。以用户为核心、以知识需求为导引、以定制化和个性化为形式、以互动创新知识传播的效果和效率为目标、全程开放性为特点的领域知识服务生态系统将会形成，用户既是需求方也是协作型知识服务中的提供者、生产者和需求者。

3 农业知识服务协作体系实践与成效

近年来，本团队一直持续推动农业专业知识服务协作体系建设，与农业科研院所、高校企业等单位开展合作，已建立了一个专业知识服务平台、一个知识加工与协作推送服务平台和一个农业总中心、一个热带分中心、七家区域性服务站以及一个信息推送服务团队，在知识推送服务、知识应用与情报构建等方面开展了实践和应用。目前，协作体系内资源已累计10亿条，提供各类农业行业报告上万余份，每年累计推送信息5 026条，发布快报630期、专题月刊12册、领域年刊14册，完成领域态势深度分析报告十余份，线上线下用户年度服务量已达百万人次，覆盖全球150多个国家和地区以及国内各省市自治区，服务机构超过50多家。

3.1 知识推送协同服务

依托中国农业科学院农业信息研究所，联合沈阳农业大学、湖南省农业信息与工程研究所等单位组建了一支涵盖农学、经济管理、农产品安全、水土工程等十多个领域的专业信息服务团队，依托知识加工与协作推送服务平台实现异地同步推送服务，持续为18名院士和十多个课题组提供信息推送及深度分析报告，得到充分肯定。

3.2 知识应用协同构建

与中国农业科学院农业区划所、北京理工大学、中央财经大学、辽宁师范大学等单位合作研发了多个知识应用，面向终端用户提供在线深度挖掘分析。如与北京理工大学合作开发了国际农产品贸易知识应用，为从事国际农产品贸易研究的学者、专家提供科研支撑。

3.3 情报服务协同构建

与中国农业科学院海外农业研究中心、北京市农林科学院、江苏省农科院、山东省农科院等单位共建协作情报服务，面向用户提供上万份行业分析报告及情报定制服务。增强体系内部成果及能力的宣传广，也为用户寻找报告、定制报告提供了可靠的来源。

经过多次实践和探索，农业专业知识服务协作体系建设初见成效，但尚处于起步发展阶段。一方面协同体系的资源整合仍有缺口，尤其是农业科学数据资源不全，对开展特定专业的数据挖掘及模拟计算等应用服务需求无法满足；另一方面，随着需求数量的增加和用户需求的变化，体系内部成员数量还需积极拓展，部分团队服务能力还需提升，跨领域产品的设计开发机制还有待完善。

4 展望

面向农业创新驱动发展战略，开展海量分散的农业大数据知识服务是提升农业科研治理能力、提高科技创新效率的重要举措，也是缓解当前信息爆炸与知识供给不平衡的有效途径。通过推进农业专业知识服务协作体系建设，可以提升农业知识服务群体的凝聚力、竞争力和影响力，有效解决行业内资源与服务分布不均、供需不匹配等问题，提高农业专业知识服务的效率和质量，为我国农业农村发展提供持续信息服务支撑。

新媒体联盟协同瑞士库尔技术与经济学院图书馆、苏黎世联邦理工学院图书馆以及德国国家科学技术图书馆发布的 《新媒体联盟地平线报告2017》报告显示，未来5年开展跨机构合作对学术和研究型图书馆越来越重要，面对经费的紧张和大型数据库商的垄断，通过合作来提高学术资料使用率、参与任务驱动型合作项目，以期实现有效沟通和提高资源获取能力[13]。由此可见，协作共建的服务模式是未来知识服务以及图书情报领域的发展方面。农业专业知识服务协作体系建设初步成形，借助大数据人工智能等数字技术，如何规避资源共享风险、加强体系内部的紧耦合、分析知识服务群体用户数据、激励多元化服务模式创新是下一步建设重点。同时，随着新媒体知识服务的不断发展，微信、Twitter、直播等新媒体也将成为知识服务的重要场所，更多的协作体系用户将利用微博等社交平台发现和获取所需，因此依托新媒体设计和开发更多样化的服务场景也是未来体系建设必不可少的环节。