从数字出版到智能出版：知识封装方式的演进

易 龙

（中南大学文学与新闻传播学院，长沙，410012）

1 知识封装的概念

在计算机科学领域，封装指的是将对象的属性和操作（或其他软件成分）结合成一个独立的系统单位，并尽可能隐蔽其内部细节[1]。在系统科学领域，复杂系统综合集成涉及到知识封装概念。杨一平、庞真提出运用知识封装方法来设计一个知识型复杂系统的想法，即在一个算法模块上加一层知识描述以负责实现知识环境与问题求解模块之间的通讯。通过知识封装，可以在知识系统这个统一框架下对复杂系统进行综合集成[2]。图书馆学研究领域，刘健等通过引入生态学以及计算机科学的相关理论，建立起一套生态化的图书馆知识系统虚拟化封装模型。它通过对知识生态系统的虚拟化封装，把多个关系相对松散的系统要素整合，形成一个有机整体，利用虚拟化的强大功能更有效地管理知识生态资源，提供更高级别服务，并简化信息系统管理使用流程[3]。 国际上有许多专做“图书包”（packager）的出版商，被称为“图书打包商”（book packaging company）[4]。按照柯尔斯顿· D.桑德伯格（Kirsten D. Sandberg）等人的观点，图书封装商专门帮助作者或出版商进行内容集成（assemble）[5]。

综上所述，知识封装是指基于用户信息使用行为习惯，利用不同的媒介技术系统对知识内容进行产品化组织并为用户提供知识服务的实现形式。以图书为例，通过元数据标准及一系列制作规格将人类知识进行封装，最终形成以书本介质为中心的知识传播行业。知识封装为知识产权保护提供了一种技术方案：通过封装，原先易被复制的裸露知识可通过软件技术很好地隐藏起来，在复用知识的过程中保护了知识创造者的利益。同时，经过封装的知识也可以进行在线交易，使得知识创新价值得以体现。知识封装是知识交付的必然形式，为用户提供稳定的知识获取方式；同时，它也是进行知识定价、实现知识交易的途径。在媒介形态创新层出不穷的当下，知识封装概念为统一数字出版内涵提供了崭新的认识维度。可以认为，知识封装是出版业实现知识产品化、开展知识服务等知识组织与传递活动的统一实现形式。

知识封装触及数字出版活动的本质。那么，出版的本质是什么？冯宏声曾指出，出版业是文化产业与信息产业融合地带的产业。出版是一种产生虚拟产品的过程， 而曾经的竹简、龟甲兽骨， 现在的纸张、屏幕以及未来的其他媒介都是这些虚拟产品附着的其他行业的生产活动成果[6]。徐升国提到，几千年文明史，就是信息传播载体及信息封装方式变革的历史，从甲骨文到简帛到纸书到电子书，从文字到图像到音、视频。通过沉浸式体验获取知识的模式，将使出版业不再以文字知识为主要知识封装内容。随之而来的，将是虚拟现实出版、增强现实出版、混合现实出版、扩展现实出版、数字孪生出版等全新的知识封装形式[7]。这些观点强调媒介载体及信息产品化的重要性；更进一步说，出版并不是普通信息产品的封装和生产活动，而是将信息进行系统化重组和价值挖掘后封装为可传播和可利用的知识产品的活动。

将知识作为出版的核心要素，得到了学界较为广泛的认可。从传统出版到数字出版，媒介形式与信息内容的结合方式成为出版形态的研究重心。王勇安提到，作为人类重要的文化产业诞生成熟之后，出版实际上已经成为人类知识的存在方式[8]。王鹏涛认为，知识的生产、传播、评价和利用，以及伴随其中的为使上述活动顺利完成而提供的服务，是我们考察出版和数字出版概念的一个重要视角[9]。范军提到，出版的本质特征是“知识生产”，即生产知识产品的活动和过程。出版人从事的是“知识整合”工作，本质上是新的知识生产和价值创新[10]。由此可见，数字出版的本质与知识传播也是分不开的。

回顾数字出版发展历史，知识封装的物理介质有电脑、手机、机器人等形式；内容组织形态有电子书、有声读物、知识服务等，而核心技术正是计算机技术。孙宇辉等提到，在移动互联网环境下，知识服务常见的产品形态如App产品、微信公众号产品和网页版产品，全部可以通过无代码开发技术实现快速产品化[11]。而这些产品类型恰恰也是出版机构通过产品化知识封装技术提供知识服务的几种常见模式。柯莹莹、陈丹认为，知识服务形式产生后， 被应用到各行各业进行知识创造， 进而实现服务产品化， 形成形形色色的知识服务产品[12]。产品化的过程，涉及采取不同的知识封装形式提供知识服务。经过封装的知识产品，具备良好的价值可评估性，便于进行知识付费。

随着技术的不断更新和进步，知识封装形式也不断变化，细化为不同类型的知识服务，促进了知识消费和知识利用，也为数字出版产业发展奠定了微观基础。因此，为满足用户知识获取需求，利用计算机等技术对知识进行产品化封装，进而实现知识内容的交付和传播是数字出版的主要特征。无论出版形态如何演进，其对知识封装方式的探索从未停歇。知识封装概念引入数字出版领域，其重要意义在于为不断演进的数字出版形态提供较为统一的、具有包容性和延展性的能指。通过知识封装概念，为数字出版产业创新传播方式打开思路。知识封装概念进一步强化了出版业“内容为王”“知识本位”的思想；在纷繁复杂的环境中，为出版本质的探索找到了认同之“锚”。从而，出版活动可重新界定为利用各类媒介形式和手段开展创造性“知识封装”活动，并将封装后的“知识产品”分发给知识获取者，或通过知识服务方式将知识生产与知识获取合而为一。其中，知识产品交付以异步方式进行，知识生产与知识消费不同期；知识服务中的知识交付以同步方式实现，知识生产与消费同期进行，见图1。

图1 知识封装流程示意图

知识产品由于可以脱离知识生产者依附特定知识封装媒介而存在，并且可以很容易地进行标准化制作，因此可以大规模批量化复制。知识服务由于需要即时提供知识，知识生产与知识获取行为难以分离，因此小规模、个性化的知识供给方式出现了。人工智能（Artificial Intelligence，AI）技术首次展现了解决大规模、个性化知识供给问题的潜质，从而有可能为知识服务提供新方案。它的引入加速了产品与服务在知识封装方面的分野，从而加速了产品和服务融合一体化的趋势。借助智能封装技术，出版业可以用智能化的知识产品实现个性化知识服务。

2 从信息传递到知识组织：数字出版概念演进

回顾数字出版概念的变迁，其中一个显著的变化是，从过去聚焦于信息传递的功能到今天关注知识组织的功能。巧合的是，这一变化也暗合了人工智能时代的到来。早在2005年，徐丽芳指出，数字出版是指从编辑加工、制作生产到发行传播过程中的所有信息都以二进制代码形式存储于光、磁、电等介质中， 必须借助计算机或类似设备来使用和传递信息的出版[13]。该定义基于当时数字出版业发展的最新状况提出，聚焦于以二进制代码形式为代表的计算机技术所形成的信息传递方式。后来，张大伟认为，数字出版是以标记语言为基础，以全媒体为显示形式，以强大的链接、搜索功能和个性化定制功能为主要特点的知识组织和生产方式[14]。该定义认为知识封装的基础技术从二进制代码开始转向标记语言，外观形式是全媒体，知识产品对外应用接口则包含连接、搜索和个性化定制等功能。概念变迁标志着数字出版产业进一步向纵深发展。

不同于传统出版内容借由数字化及信息重组技术实现简单地信息存储、编辑、发布与获取，人工智能所要实现的重点目标是机器运用算法处理大数据产生新知识。出版的重要职能是知识挖掘与提炼，因此在这个意义上人工智能与数字出版的核心业务领域可发生深度融合。人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，最早于1956年由约翰·麦卡锡（John McCarthy）命名。美国斯坦福大学人工智能研究中心尼尔斯·约翰·尼尔森（Nils John Nilsson）曾对人工智能下了这样一个定义：“人工智能是关于知识的学科—怎样表示知识以及怎样获得知识并使用知识的科学。”[15]王晓光指出知识正是出版与人工智能发生桥接的关键概念[16]。罗学科等提到，出版人工智能是以知识作为生产要素，以基于人工智能的知识挖掘作为核心技术，带来新知识的自主形成和规模化使用，并实现人工智能技术在出版领域应用的系统工程[17]。

因此，人工智能在出版领域的深度应用是以知识层级的挖掘与利用为标志，以智能化产品为主要知识封装形式进行知识交付与传播。出版业将为人工智能提供存量数据和旧有知识，人工智能则在存量知识学习和挖掘的基础上使出版业和自身都得以进化，实现高效的知识生产与知识传播。出版行业可将智能科技的应用作为知识传播的核心策略，通过重新架构信息流程、创新业务模式、探索新的应用场景，在智能化竞争浪潮中使自身立于不败之地。从信息传递到知识组织，数字出版完成了理论、实践、技术等各方面条件的初步积累，开始迈向智能出版新时代。

3 从“+AI”到“AI+”：知识封装方式“路径依赖”的破局之道

人工智能技术推动出版实践创新主要表现为对内推进业务流程再造以及对外提供智能化产品服务两个方面，其在出版领域的应用将从根本上改变出版选题策划、内容编辑、制作环节、生产分布和变现等一系列流程[18]。由于传统业务场景和盈利模式等的惯性影响，当前数字出版与人工智能的结合更多是“+AI”方式。亦即，数字出版业以现有业务场景和业务逻辑为主，在出版流程的特定环节运用人工智能技术进行辅助，最常见的是专注于选题策划、内容生产、审核校对及内容分发4个环节的某一方面，见表1，发挥人工智能优势，改进特定环节效率。它进一步强化了原有业务流程和业务模式；但是，从知识封装角度而言，并没有改变原有知识。

表1 数字出版全流程中人工智能技术应用情况

在选题策划环节，人工智能主要用来辅助甄别优秀选题，对选题前景进行大数据预测，最终节约出版成本创造效益。例如，人工智能辅助评议工具元文献计量智能（meta bibliometric intelligence，MBI） 使 用 复 杂的机器学习算法， 挖掘全球数百万篇学术文献全文进行训练，与业界合作开展大规模试验，结果表明元文献计量智能在出版前对新稿件影响级别的预测准确性是人工预测的2.5倍[19]；数据驱动的出版商英科特（Inkitt）则通过人工智能来演算趋势数据、判断用户使用模式、收集读者偏好、修改作品内容，然后利用网络数字出版打造口碑，最后再进行实体出版[20]。

在内容生产环节，人工智能技术的应用目标是自动生成特定内容，并通过人工进行质量监测。伦斯勒理工学院、华盛顿大学等研究人员开发的论文生成软件论文机器人（PaperRobot）生成的生物医学论文，分别就其摘要、结论和未来工作部分而言，占比30%、24%和12%以内，人类专家认为论文机器人生成的比人类写得更好。以色列创业公司文章（Articoolo）开发了一种算法，只需要用户给出一个可以用2—5个单词描述的主题，就可以自动“写”出一篇文章来[21]。人工智能公司开放人工智能（Open AI）发布的生成式语言模型GPT-3因其庞大的数据量和强大的内容生成能力而引发关注，但该系统仍不具备基本的语义理解能力，因而还不够智能。像人一样进行原创性内容的自动生成是人工智能追求的目标；但是，实现该目标尚有很长的路要走，尤其是在知识自动生成领域，人工智能尚难胜任。

在内容审校环节，出版智能化相对容易实现，也是应用较广的环节。实测研究发现，现有编校软件基本都可以发现拼写错误、错别字等问题，但对于需要结合文本分析的问题，查找和纠错能力仍需改进。因此，目前编校软件的智能化程度尚处于初级阶段；未来随着人工智能技术的进步，有望实现更高层次的智能化目标[22]。审校工具方面，Statreviewer和Statcheck是人工智能技术在这方面进行应用的两个代表，主要用来分析论文中的数理统计方法或结果是否正确。

在内容分发环节，智能推荐技术将为知识服务提供新的应用方式，智能搜索技术将为知识获取提供新的用户体验。中国科学院文献情报中心基于科技大数据中心研究设计了智能知识服务平台， 实现了语义搜索、智能综述、智能推荐、智能聚合、前沿分析等方面的功能，为科技情报分析提供知识挖掘与知识分析工具， 但其智能性与精准性还有待提升[23]。丹麦论文及专利搜索平台UNSILO的分类（Classify）功能可为出版商和用户提供精准的内容分类服务，最大限度地对期刊和图书内容进行细分以实现精确的内容打包服务[24]。内容智能发行商“魔窗”，基于用户画像的流量优化对信息资讯内容进行分发[25]。Trend MD是一个面向学术出版商的内容推荐引擎，它为大量网络站点提供个性化推荐服务。分发环节应用人工智能重点追求内容与读者匹配的精准性和高效性。

现阶段数字出版分环节应用人工智能的方式很大程度上沿袭原有编辑出版流程，是一种典型的“路径依赖”。“路径依赖”最早由美国斯坦福大学保罗· A.戴维（Paul A.David）于1975年提出，指人类社会中的技术演进或制度变迁均类似于物理学中的惯性，即一旦进入某一路径（无论“好”“坏”）就可能对这种路径产生依赖。在一种相对稳定的技术演进体系中，路径依赖可以有效保持数字出版企业的竞争优势；但是，在面对人工智能这样的颠覆性技术时，数字出版业如果还沿用传统出版流程进行小修小补的应用创新，将错失数字出版业革命性发展的一次良机。

综上，“+AI”方式是把传统出版方式加上人工智能，虽然有利于局部提升出版效率，但难以使传统出版顺利转型为智能出版。出版产业升级面临的问题并不是内容业务萎缩造成的；它是原有业务被新的技术工具和传播方式颠覆造成的。出版“+AI”是一种渐进式创新，优势是易于被原有业务吸收和利用，劣势是忽略了人工智能所具备的、重构完全不同于传统数字出版业态的新业态的可能性。数字出版转型为智能出版，应当基于人工智能技术所带来的知识传播方式变化及其新的可能性来重新架构出版业务流程，即用“AI+”方式彻底改进出版业运行方式。数字出版在延续传统纸质媒介思维的过程中已经变得缺乏想象力，未来应依靠智能出版开创新的应用场景；而其关键在于以正确方式建立出版与人工智能之间的有效连接，依托人工智能在知识组织与知识传播方面的能力，推进人类文化传承与知识传播效果。

4 从“以物理媒介为中心”到“以知识为中心”：知识封装形态演进

传统出版业乃至数字出版业是以物理媒介为中心组织起来的，对物理媒介的限定性有着严重依赖。无论是数字图书还是数字期刊，都是在对原有纸媒的路径依赖过程中发展起来的。现行的统一编辑、多格式发布的数字出版方式，依然是延续纸质媒介思维构建的。人工智能技术介入之后，虽说出版业可以通过智能推荐等方式辅助发现用户并推荐内容，但都难以逃脱用物理媒介进行知识封装的局限性。从数字出版到智能出版是信息组织和提炼并生成知识的传统方式演变为通过人工智能技术进行知识挖掘形成智能化产品和服务的过程。“知识工程”概念的提出者、美国计算机科学家爱德华·费根鲍姆（Edward Feigenbaum）曾说：“知识就是力量，电子计算机则是这种力量的放大器，而能把人类知识予以放大的机器，也会把一切方面的力量予以放大。”[26]

知识工程与出版业的相通之处主要体现在两者对知识的处理方式上，包括知识获取、知识生产、知识挖掘、知识组织等方面。也是在这个意义和层面上，人工智能和出版业可以发生深度融合。出版业拥有存量知识，人工智能可作为知识处理的技术，两者结合可以推进知识传播效果。人工智能对数据、算法和算力3要素最为依赖；而知识则比数据更加系统化，且更具可解释性，因此可以提升机器智能水平。数字出版转型为智能出版，需重新架构出版流程，建立一个以知识为核心的新的知识服务模式。从具体应用层面而言，智能出版的重点是要创新知识封装方式。

以知识传播为中心组织起来的出版业包含两种封装形态，即知识产品和知识服务形态。实际上知识服务也是一种特殊的知识产品，本质上是一种无形的供应物，强调产品使用权，且生产和消费具有不可分割性，形态上则具有易逝性，不能被储存、转售或者退回。知识封装是知识产品化的过程，是把知识打包成可用于消费的产品或服务的一种方式。根据具体封装技术的不同，数字出版可以划分为语义出版、出版机器人、增强出版、个性化出版、自适应教育、智能出版等形态，见表2。以知识图谱为代表的人工智能技术对知识产品进行封装，是数字出版进入智能出版新阶段的鲜明标志。

表2 知识封装的产品形态

语义出版（Semantic Publishing）最早于2009年由戴维·肖顿（David Shotton）等人提出。其认为语义出版是一种可以提高期刊文章语义，促进它们自动化获取， 使其能够链接至语义相关文章，并提供获取文章内数据可行途径，使论文之间的数据整合变得更加容易的出版形式[29]。语义出版将碎片化知识进行语义标注和重组，提供丰富的基于语义的知识共享和关联获取服务。语义出版首先在科学、技术与医学（Science，Technology&Medicine，STM）出版领域得到应用，现已扩展至各类数字出版领域。推动数字出版从“文献”层级进入细粒度解析的“知识”层级，促进知识生产与共享。语义出版体现了语义关联技术应用于知识封装带来的出版形态创新。

出版机器人是借助智能体（Agent）技术，以类人方式自主提供智能知识服务，以全觉传播交流为主要特征的知识机器人，包括自主传播、人机交互、决策辅助等。智能体是一个运行于动态环境中具有较高自制能力的实体，其根本目标是接受另外一个实体的委托并为之提供帮助和服务，并能够在该目标驱动下主动采取包括社交、学习等手段在内的各种必要行为以感知、适应并对动态环境变化进行适当反应；它与其服务主体之间具有较为松散和相对独立的关系[30]。智能体作为具有一定能动性的独立实体，对出版机器人的设计具有很强的指导意义。出版机器人公司通过与出版社合作获得知识授权，构建智能机器人为用户提供知识服务[31]。出版机器人以人工智能等技术为核心，以仿人界面作为交互方式来实现知识封装和知识传播，并以响应式和主动式知识服务为用户提供外在一致的知识获取体验。未来理想的出版机器人应具备对人类知识处理中枢即大脑及其多感官交互能力的全息模拟的能力。

作为一种使用了多种数据源的混合性知识封装方式，增强出版（Enhanced Publishing）不同于传统学术出版物。它利用先进的数字出版技术，将各种异构的、可独立使用的、相互关联的网络资源组成一个复合数字对象，为用户提供更全面、高质量的信息服务。通常，这些网络资源包括论文（或论文片段）、数据集、图片、音频、视频、评论、数据库信息等多种类型，重点在数据、语义及呈现3个方面增强知识[32]。增强出版的本质在于知识呈现方式的富数据（rich data）化，即采用富媒体（rich media）、混合数据、虚拟现实、全息影像、数据可视化等多样化方式辅助知识传播，重点在于提升知识获取的体验。在提供基本知识封装能力的基础上，增强出版进一步丰富了对知识封装的表现形式，可提供更细腻的知识获取体验。经过关联、装饰、凸显、美化的知识增强表达，知识封装形式能以用户接收体验为中心实现逻辑和艺术层面的重构。

个性化出版（Customized Publishing）是利用智能推荐技术将数字内容与目标用户进行精准匹配，实现为用户量身定制内容的目标。个性化出版依赖于对用户阅读兴趣偏好进行数据化和标签化，然后利用特定的推荐算法，实现“千人千面”的定制化内容呈现，在出版营销领域有着广泛应用。未来基于认知的智能推荐技术，可以更好地适应场景化知识服务。有学者基于信息技术成熟度和经济可行性的分析指出，出版活动正在由 “大规模复制” 朝着 “个性化定制”方向演进。不是只有复制品向公众发行才在经济上可行， 个性化内容已经可以低成本生产并向公众提供。因此，“大规模复制” 已不再是必须的生产条件[33]。支撑个性化出版最核心的技术目前看来还是人工智能，后者兼具规模化生产与个性化分发的双重优势。个性化的知识封装是智能出版的本质追求之一，目的是实现以个人知识获取需求为中心的知识弹性化供给与组织。对作为阅读者的个性挖掘与个性计算，成为个性化知识封装与知识供给的关键环节；个性化知识传播效果则成为下一轮迭代的基础，进而形成动态演进的封装方式。

自适应教育（Adaptive Education）表现为通过对学习者的数据收集、实时推断和智能测评，为学习者提供个性化学习体验。自适应教育的理论基础可追溯至知识空间理论（Knowledge Space Theory）， 是 由 杜 瓦尼翁（Doignon）和法尔马（Falmagne）等人于1985年提出的一种表示知识结构的理论。他认为学习者的知识状态由他所能解答的问题的集合构成，通过跟踪学习者学习路径可以形成特定的知识空间，从而能准确判断学习者目前的知识水平和学习状态[34]。创建于2008年的美国在线教育公司牛顿公司（Knewton）为自适应教育方面的知名企业，起初主要针对SAT、GMAT等标准化在线考试提供自适应测评。2011年后，开始向学校等机构提供自适应学习的底层引擎。该策略的实施使产品得以广泛应用。国内的自适应教育公司乂学教育推出的松鼠AI人工智能产品，会结合用户状态评估引擎和知识推荐引擎构建数据模型，精准高效地测出每个学生的知识漏洞，根据漏洞推荐相应学习内容。采取自适应教育学习系统对知识进行封装并依据学生特点提供个性化知识传授和服务，部分实现了智能教育的目标。

作为数字出版高级形态的智能出版，其实现的关键技术在于知识图谱（Knowledge Graph）。它是结构化的语义知识库， 用于以符号形式描述物理世界中的概念及其相互关系[35]。此概念于2012年由谷歌公司首先提出并应用于搜索引擎。人工智能一般可以分为计算智能、感知智能和认知智能3种形式；其中，认知智能被认为是人工智能发展的高级阶段。机器认知智能的实现依赖于知识图谱技术，其核心就是让机器具备理解和解释能力[36]。也有观点认为知识图谱面临发展困境，进而转向关注事理认知图谱这种新的海量数据智能计算模式[37]。认知智能使得机器具备基本的知识理解、逻辑推理和自主学习能力，并能够用人类易于理解的自然语言方式进行表达。认知智能应用于出版业将推动知识服务进入新阶段，通过人机深层次沟通实现知识的有效传递。在可以预见的未来，脑接机口等技术的进步会进一步推动出版形态创新，以脑机直连再到脑脑直连的方式来进行信息与知识交流，将使得远程知识传播呈现全新的样貌。在脑机接口带来的新传播革命方面，脑科学的发展程度将决定人工智能的发展高度。真正的智能出版应该具备怎样的特征呢？按照《麻省理工学院认知科学百科全书》对智能的定义，智能是适应、影响（改变）和选择环境的能力[38]。 要实现真正的智能，应当具备的基本特征应包括自学习、自动化、自组织和自适应的能力。因此，智能出版作为一种高级的知识封装方式，其发展目标是构建具有智能基础特征的知识复杂系统。

除了知识产品之外，服务是知识封装的另一种形态，且是人工智能尚难扮演主角的领域，因此也有必要予以探讨。与知识传播相关的活动如会议（Conference）、讲座（Lecture）、工作坊（Workshop）、研讨会（Seminar）、策展（Curation）、咨询服务（Consultancy ervice）、专家俱乐部（Expert Club）等都可以作为知识的封装形式，人工智能可以在其中起辅助作用。服务形态的知识封装需要将无形的、不稳定的知识传播过程尽可能地标准化，以获得用户对服务品质的稳定认知和品牌形象的持续积累。出版机构利用其所掌握的专家和知识资源，可以顺利地转型为知识社群连接者和知识服务商的角色。

5 结 语

知识封装概念的引入，一定程度上解决了数字出版产业由于技术不断演进导致的传统数字出版概念包容性不足的问题。知识封装为数字出版形态研究提供了一个统一的概念入口，在一定程度上缓解了出版行业对于技术形态变革引发的路径选择焦虑，使得出版界能够以不变应万变地面对层出不穷、错综复杂的出版形态迭代更新。知识封装把握了数字出版产业知识生产与服务的核心本质，同时又强调了出版形态的重要性，囊括了数字出版活动的基本要素且有着较为凝练的内涵。知识封装的高级形态是智能出版。它是人工智能科技驱动的知识产品与服务创新，以自动化方式满足个性化、多场景、即时性知识消费需求。知识需求程度越高的领域，作为需求解决方案的知识服务越有价值。人工智能技术的发展重构了数字出版产业的业务模式，催生了新的知识生产方式。特别是以知识图谱为代表的人工智能技术处于产品化的关键时期，其未来潜能正蓄势待发，其影响将波及以知识传播为核心业务的整个数字出版业。以知识封装的设计理念和思维方式着手规划基于人工智能的知识产品及其服务，将在数字出版产业升级下赢得先机。

注 释

[1]张效祥.计算机科学技术百科全书（第三版）[M].北京：清华大学出版社，2018：232

[2] 杨一平，庞真.知识封装及知识型复杂系统[J].系统工程理论与实践，1995（10）：25-31

[3] 刘健，张海涛，张连峰.图书馆知识生态系统的虚拟化封装模型构建及技术方法研究[J].情报科学，2015，33（2）：121-125+131

[4]罗小卫，张兵一.国际合作出版方式及利弊分析[J].出版发行研究，2016（6）：86-89

[5]柯尔斯顿· D.桑德伯格，王清越.商业出版的再思考：科技与专业知识的平衡[J].出版科学，2011，19（3）：5-12

[6] 刘冬.基于第一性原理的信息内容产业发展研究[J].科技与出版，2018（6）：6-10

[7] 徐升国.元宇宙时代的阅读与出版[J].科技与出版，2022（4）：5-10

[8] 王勇安.关于出版学核心范畴的思考：知识存在方式是出版学理论的逻辑起点[J].科技与出版，2022（1）：35-44

[9] 王鹏涛.知识服务视角下数字出版概念谱系的构建与拓展[J].现代出版，2022（2）：75-88

[10] 范军.出版本质上是一种知识生产[J].出版科学，2022，30（3）：1+50

[11] 孙宇辉，陈柏，韩姗姗.出版社知识服务的创新构建[J].科技与出版，2021（7）：93-97

[12] 柯莹莹，陈丹.分享经济环境下知识服务新业态分析[J].北京印刷学院学报，2018，26（11）：29-34

[13]徐丽芳.数字出版：概念与形态[J].出版发行研究，2005（7）：5-12

[14]张大伟.数字出版即全媒体出版论：对“数字出版”概念生成语境的一种分析[J].新闻大学，2010（1）：113-120

[15][16]王晓光.人工智能与出版的未来[J].科技与出版，2017（11）：4-6

[17] 罗学科，黄莹.出版人工智能：概念内涵、价值指向与实践路径[J].中国出版，2021（2）：3-7

[18] 黄先蓉，常嘉玲.融合发展背景下出版领域知识服务研究新进展：现状、模式、技术与路径[J].出版科学，2020，28（1）：11-21

[19]刘银娣.学术出版领域的人工智能应用：现状、挑战与应对[J].科技与出版，2019（1）：64-68

[20]王卉，张瑞静.人工智能技术在数字出版中的应用现状与发展趋势[J].出版发行研究，2018（2）：45-49

[21]黄历.人工智能在科技期刊出版领域中的应用现状与发展趋势[J].学报编辑论丛，2019（00）：361-365

[22]易龙，周涛.基于实测数据的中英文智能编校系统对比研究[J].出版科学，2020，28（4）：15-21

[23]钱力，谢靖，常志军，等.基于科技大数据的智能知识服务体系研究设计[J].数据分析与知识发现，2019，3（1）：4-14

[24]董文杰，李苑.科技期刊智能出版工具：UNSILO平台[J].中国科技期刊研究，2020，31（6）：702-709

[25]刘华东，马维娜，张新新.“出版+人工智能”：智能出版流程再造[J].出版广角，2018（1）：14-16

[26][美]计算机历史博物馆网站. 爱德华·费根鲍姆（Edward Feigenbaum）词条[EB/OL].[2021-12-22].https：//computerhistory.org/pro fi le/edward-feigenbaum

[27]闻丽，张扬，谢荣秀，等.中文科技期刊语义出版态势分析[J].传播与版权，2019（12）：29-32+35

[28]李静，亢小玉.科技期刊增强出版的融合模式分析与推进策略研究[J].编辑学报，2020，32（6）：615-618

[29]王晓光，陈孝禹.语义出版的概念与形式[J].出版发行研究，2011（11）：54-58

[30]赵龙文，侯义斌.智能软件：由面向对象到面向Agent[J].计算机工程与应用，2001（5）：41-43+125

[31]杨晓新，杨海平.人工智能背景下的出版业知识服务模式研究[J].科技与出版，2019（11）：61-65

[32]刘锦宏，张亚敏，徐丽芳.增强型学术期刊出版模式研究[J].编辑学报，2016，28（1）：15-17

[33] 韦英平.个性化出版：未来的主流出版形态[J].出版发行研究，2014（1）：5-8

[34]刘欣怡，徐丽芳.数字教育出版自适应智能教学与评估系统研究：以麦格劳-希尔的ALEKS为例[J].出版参考，2020（6）：18-23+32

[35]刘峤，李杨，段宏，等.知识图谱构建技术综述[J].计算机研究与发展，2016，53（3）：582-600

[36]肖仰华.知识图谱与认知智能[J].张江科技评论，2019（4）：30-33

[37]王军平，张文生，王勇飞，等.面向大数据领域的事理认知图谱构建与推断分析[J].中国科学：信息科学，2020，50（7）：988-1002

[38]杨学山.智能原理[M].北京：电子工业出版社，2018：129