基于关联数据数字图书馆知识发现系统研究.docVIP

基于关联数据数字图书馆知识发现系统研究 　　关键词：关联数据；数字图书馆；知识发现系统模型 　　摘要：文章介绍了数字图书馆知识发现系统的现实意义和基于关联数据的知识发现过程，阐述了基于关联数据的知识发现系统模型的功能要素、构建过程和模型特征，归纳了基于关联数据的数字图书馆知识发现系统的创新之处。 　　中图分类号：G250.7文献标识码：A文章编号：1003-1588（2017）11-0101-03 　　近年来，随着关联数据的快速发展和广泛应用，逐渐呈现给人们一个“数据网络”的资源环境。如何把该网络资源环境的潜力和优势充分发挥到知识发现应用的实现过程中，是值得研究的课题。从问题起源上来说，在关联数据基础上开展的知识发现研究是为了对关联数据资源进行更加充分的利用，并且通过知识发现问题的解决更好地促进网络发展。关联数据网络的发展和知识发现活动的开展需要融合两个领域的理论体系，并做进一步扩展。在关联数据基础上开展的知识发现系统，关联数据负责把数据、发现数据的工具和网络资源环境注入知识发现中，知识发现推动着关联数据的实现和发展[1]。 　　1数字图书馆知识发现系统的现实意义 　　在关联数据基础上研究数字图书馆知识发现系统，是在分析处理大数据过程中使用知识发现技术，不仅可以克服传统图书馆的服务缺陷，还可以拓展数字图书馆知识服务的内容。 　　1.1增强数字图书馆对潜在知识的挖掘能力，带动资源的高效利用 　　图书馆在数字化进程中，比较注重检索和传递资源能力的提升，忽略了用户对资源的利用率问题。知识发现系统能把用户需求的相关知识充分地挖掘出来，实现资源利用率最大化[2]。与图书馆传统服务模式相比，知识发现系统具有以下特点：用户在搜索和获取知识A的过程中，系统可以自动把与知识A相关的知识B一同推送给用户，不仅有助于用户获取所需知识，还有助于提升知识B的利用率。因此，知识发现系统更加注重挖掘知识，在该服务模式中不仅体现了用户找知识的过程，还体现出了知识主动“找”用户的过程。知识发现系统的应用可以使数字资源的利用率得到有效提升。 　　1.2有效过滤垃圾信息，增强数字图书馆的个性化服务水平 　　随着信息技术的不断发展，在全球范围内，每天产生的信息量可?_l0亿UB，如果把它们刻录到DVD光盘中，需要用掉1.88亿张光盘。在海量的数据中，必然有大量的垃圾数据存在，用户只有先排除垃圾数据，才能获取有价值的信息。在大数据时代，由于传统的信息检索方式太过单一，已经不能满足用户日益增长的资源索取需求，该问题通过知识发现系统可以得到有效的解决[3]。知识发现系统通过运用聚类、分类、收集以及关联分析方法，可以深度挖掘资源内容、用户信息以及网站结构，把其中潜在的关联信息找出来并推送给用户，使图书馆的信息服务水平得到提升。 　　2基于关联数据的知识发现过程分析 　　2.1知识发现的一般过程 　　虽然知识发现过程的描述方式是多样化的，但是他们只是语言组织与表达方式不同。知识发现过程的步骤依次是：对知识发现的目标、任务以及对象进行确定；对数据进行搜集和提取，构建关键性指标；根据具体任务，合法性检查和清理数据，把无关的数据去除；对数据挖掘算法进行选择；用可视化的形式表述知识发现的结果，并提供给用户和专家评价。在知识发现过程中需要反复修改以上步骤，确保最终形成的知识发现结果高效可用。 　　2.2基于关联数据的知识发现过程 　　在关联数据基础上，用户根据知识发现的特征、大数据以及网络环境特性，基于知识发现的一般规律，可以对知识发现过程模型进行重新思考和定位[4]。在关联数据基础上开展的知识发现过程有别于一般的知识发现过程，它的特点是：数据源由关系型向关联开放网络转变，整个网络中的数据源都是知识发现的基础和对象；关联数据的整合是与具体的数据转换和处理过程相一致的，不需要付出额外成本；针对关联数据的具体需求和特殊性，在数据挖掘和解释评估环节开展特定的设计。基于关联数据的知识发现过程见图1。 　　3基于关联数据的知识发现系统模型构建 　　3.1功能要素分析 　　功能要素包括：①数据准备功能。数据准备工作不仅是数据处理的前提，还是知识发现的基础。数据准备工作是在保证数据源的基础属性下，筛选出合格的数据源，进而保证整个数据挖掘工作的准确性和有效性。②数据获取功能。数据获取功能是知识发现的关键因素，它可以分为数据查阅功能和数据获取功能。数据获取功能是在数据源中展开搜索并获取所需数据，该功能直接影响知识发现和获取的结果。③数据处理功能。数据处理功能是在数据准备功能和数据获取功能基础上进行的，它的功能是挖掘相关联的有效数据源集合。一般情况下，数据处理环节不仅要保证待处理数据的准确性、一致性以及完整性，还要参照知识发现和数据获取的原则筛选和整理出适合数据挖掘的