基于数据科学的知识创新服务应用模式构建研究

Journal of the China Society for Scientific and Technical Information, Oct. 2018, 37(10): 971-978 DOI: 10.3772/j.issn.1000-0135.2018.10.001

基于数据科学的知识创新服务

应用模式构建研究

曹嘉君1，王曰芬1,2

（1. 南京理工大学经济管理学院，南京 210094；2. 江苏省社会公共安全科技协同创新中心，南京 210094）

摘 要 大数据时代背景下知识需求发生变化，现有知识服务模式难以适用于知识创新发展与数据密集型科学研

究范式的转变，需要导入数据科学构建面向知识创新服务的应用模式。本研究在概述知识创新、知识服务、数据科学的基础上，探索知识创新服务的概念与特点及导入数据科学的目的，并分析知识创新服务模式的研究现状。进而提出知识创新服务模式构建需求及目标，尝试构建基于数据科学的知识创新服务应用模式。研究认为基于数据科学的知识创新服务模式主要应由数据基础层、分析逻辑层和结果展现层三个层面构成。同时，依据知识内容分析、知识创新模式等角度，从四个方面对知识创新服务模式进行阐述。

关键词 知识创新；知识服务；知识创新服务；数据科学；应用模式；模式构建

Research on the Application Model of Knowledge Innovation

Service Based on Data Science

Cao Jiajun1 and Wang Yuefen1,2

(1. School of Economics and Management, Nanjing University of Science & Technology, Nanjing 210094;

2. Jiangsu Social Public Security Technology Cooperative Innovation Center, Nanjing 210094) Abstract: In the era of big data, knowledge demand has changed. The existing knowledge service model is not feasi-ble for the development of knowledge innovation and for the transformation of data-intensive scientific research paradigms. Therefore, it is necessary to establish an application pattern facing knowledge innovation by introducing data science. Through summarizing knowledge innovation, knowledge service, and data science, this research ex-plores the concept and characteristics of knowledge innovation service and the aim of introducing data science. Addi-tionally, it analyzes the current situation in knowledge innovation service model research. Further, it presents the aim and the demand of knowledge innovation service model; and finally, it tries to build an application pattern of knowl-edge innovation service based on data science. The research considers that the application pattern of knowledge in-novation service based on data science consists of three layers: database layer, analysis logic layer, and result presen-tation layer. Based on knowledge content analysis, knowledge innovation model, and other angles, this paper ex-pounds the service model of knowledge innovation from four different perspectives.

Key words: knowledge innovation; knowledge service; knowledge innovation service; data science; application model; pattern construction

收稿日期：2018-09-26；修回日期：2018-10-8

基金项目：国家社会科学基金重大项目“面向知识创新服务的数据科学理论与方法研究”（16DZA224）。

作者简介：曹嘉君，女，1995年生，博士研究生，研究方向为数据科学，知识工程；王曰芬，女，1963年生，教授，博士生导师，研究

方向为知识服务与数据挖掘，E-mail: yfwang@njust.edu.cn。

972 情 报 学 报 第37卷

1 引 言

科学技术的网络化与数字化快速发展，使得人类社会处于大数据背景下，学术活动的信息数据来源、组成、价值以及处理技术都发生了巨大变化，科学研究向数据密集型科研转变，越来越多的科研工作是基于现有数据的重新分析、组织、认识、解析和利用，数据成为了科学研究的基础[1]。科学研究方式产生深刻变革，科学家Tony Hey提出了数据密集型科学研究的第四范式[2]，大数据的发展催生出“数据科学”学科[3]。

在数据密集型的科学研究中，数据、信息与知识的转化并产生新知识成为科学发展的关键，也就是知识是重要的资源，知识创新则是推动科学研究发展的动力。如今大数据发展的结果，使得科学研究者在纷繁的数据世界里，享受着知识交流与分享便捷的同时，面临着知识创新模式的变革和更严峻的数据/信息供给过载但有效知识不足等问题，原有知识服务受到时代发展的挑战，如何借助于新兴的理论与方法，从大数据中提取出知识并转化为知识创新所需要的知识资源，构建面向知识创新服务的新模式与应用形式，是迫切需要研究的问题。

数据科学是基于数据统计应用不断普遍与深化的需求产生，又在大数据与技术发展的推动下逐渐成为一个新的学科，正在形成面向新研究范式需求与指引相关应用的理论和方法体系。

在此背景下，本研究在梳理相关概念与研究的基础上，基于数据科学，为探讨大数据时代下构建知识创新服务模式的相关问题，拟从以下几方面展开研究：首先，调研与分析大数据背景下知识创新服务模式国内外现状；其次，归纳基于数据科学的知识创新服务的需求以及知识创新服务应用模式的构建目标；最后，在此基础上从三个层面四个实现形式进行知识创新服务应用模式体系的构建，并探索不同应用形式涵盖的主要内容。

2 知识创新服务与数据科学概述

2.1 知识创新与知识服务

1）知识创新及其特征

有关知识创新的定义，学者们对Nonaka提出的定义较为认同。他认为知识创新是通过隐性知识和显性知识之间的螺旋上升转换过程，知识转换有四种模式，即社会化、外在化、组合化和内隐化，表

示为SECI模型。在前期研究的基础上[4]，结合数据发展的背景，本研究将知识创新的特征归纳为：a. 知识创新的目的是在已有知识的基础上通过数据处理方法产生新的知识，并应用于社会和经济的发展；b. 知识创新的主体为科学研究者或商业知识服务机构；c. 知识创新过程是群体交互学习的过程，涉及隐性知识和显性知识的转换。

2）知识服务及其特征

国外知识服务的研究主要从管理学和组织机构的角度出发[5-6]，将知识服务看成是知识管理发展和延伸的概念；国内知识服务的研究集中于图书情报领域，从知识服务的过程给出定义，强调对用户不同需求的满足[7]。可以认为，知识服务是针对用户的需求，借助适当的方法和手段，依据知识发展和使用的过程，提出的能够有效支撑知识应用的服务。总结归纳知识服务的特征如下：a. 知识服务的目的是满足用户需求，通过服务解决满足用户需求；b. 知识服务是面向知识内容的服务，提高知识应用和知识创新效率；c. 知识服务的过程符合用户进行知识提取、集成与创新的过程。此外，部分学者对知识服务的定义与知识创新相结合，认为知识创新是知识服务的直接目标和主要实现方式，本文将此划分为知识创新服务研究。

2.2 知识创新服务及其特征

知识经济的核心是通过知识与服务实现创新，知识服务是支撑知识创新的重要途径。目前，知识创新服务尚未形成统一的定义。通过文献研读，得知知识创新服务主要涉及知识创新和知识服务这两个概念。知识服务是支撑知识创新的重要途径，其目标是建立一个进行知识收集、传播、扩散的以支撑用户需求的知识信息资源系统和交互网络平台[8]；知识创新是知识服务的直接目标和主要实现方式[9]，其过程是群体交互学习的过程[4]。因此，本研究将知识创新服务定义为以知识创新为目标的知识服务，即面向创新的知识服务。其核心内容包括知识创新服务需求、信息采集与知识抽取、知识融合与知识发现、知识创新服务机制、知识创新服务应用。结合知识创新和知识服务的内涵，知识创新服务应具有以下几点特征：a. 知识创新服务需满足知识创新过程，考虑知识的采集、分析、集成等；b. 知识创新服务面向的对象是知识创新的主体，主要为科研工作者或研究机构组织；c. 知识创新服务的目的是为知识创新主体提供知识服务以促进用户实现知识

第10期 曹嘉君等：基于数据科学的知识创新服务应用模式构建研究 973

创新；d. 知识创新服务连接知识资源与用户,寻求用户知识获取成本的降低。

服务的参与者，探讨知识创新服务过程中的知识处理以及转换等流程，形成可广泛推广并复用的样式，本研究将这种样式定义为知识创新服务模式。知识创新服务模式是一种整体性样式，其服务于知识创新的主体，促进知识创新的过程，提供知识转换的全过程服务，是对知识创新服务的实现。目前，国

2.3 数据科学、特征及其应用

Cleveland W. S.较早对数据科学进行描述，认为数据科学是指从数据中提取以前无法获得的、潜在

有用的信息的理论、方法和应用，其最大刺激就 内外相关研究主要为有关知识创新服务和知识服务

是分析数据以解决学科领域潜藏在调查背景下的问题[10]。随着大数据的发展，数据科学的内涵不断丰富，面对不同的科学问题，学者们对数据科学的描述不同。但均认为数据科学的研究以数据为中心，是探测数据世界奥秘和规律的理论、方法与技术[11]。在已有文献综述的基础上，概括数据科学的主要特征有：a. 数据科学的研究对象是来源于各种载体与形式中的数据，数据科学研究数据本身具有或者呈现出的各种类型、特点、存在方式及其变化形式和规律等；b. 目的是从数据中发现并提取出知识，以应用于实际需求，揭示具体现象和规律；c. 其主要研究内容包括数据科学基础理论、数据加工、数据计算、数据管理、数据分析和数据产品开发[12]。结合数据科学的主要特征以及数据处理的流程，数据科学研究内容的主要流程为多源异构数据获取、数据预处理、数据统计分析、数据挖掘、数据可视化和数据产品。由此可见，数据科学的基本理论与知识创新服务核心内容相对应，数据科学支撑数据分析的思维，并驱动知识创新的过程。

应用是科学研究的落脚点，有关数据科学的应用问题也成为各个领域学者们的研究热点。王曰芬等[13]在对有关数据科学应用研究的梳理中发现，数据科学应用方向的研究主要有两大类：一类是对现存解决方法的优化或对已有研究结果精度的提高，这一应用体现在许多领域，以管理学为主；另一类以大数据具有的特性为基础面向创新性需求而发展的应用，主要体现在生物、医学等领域。不论是面向优化的应用还是面向创新的应用，均是数据科学自身发展的牵引力。大数据发展背景下，基于数据科学构建知识创新服务的模式与应用形式，有助于突破大数据发展的局限。

3 大数据背景下知识创新服务模式研

究现状与构建的需求及目标

3.1 知识创新服务模式的研究现状

在知识创新服务研究的基础上，识别知识创新

模式两个方面，尚缺少整体上对知识创新服务模式的研究。

国内外学者从多个角度研究了以创新为目标的知识服务需求、实现模式与条件，研究均注重对知识创新服务的主体以及实现层面的研究。例如，Miles等[14]认为服务公司和行业在知识密集型业务服务驱动下，应结合自己的知识库和自身技术，采取适当的知识创新轨迹。张玉珍[15]认为知识服务的模式应该面向知识创新并实现读者服务向信息用户服务的拓展、文献单元向知识单元的转移、阶段性服务向全过程服务的转变、信息资源无序配置向个性化定制服务的深化。王娜[16]结合语义网技术设计了一种协作式知识创新服务系统，系统框架分为应用层、本体层、元数据层和资源层，实现了知识螺旋创新模式。

此外，国内学者对知识服务模式的研究集中在图书馆学领域，从知识服务的背景、需求等角度进行图书馆领域知识服务模式的构建。例如，胡莲香[17]提出大数据知识服务是面向海量数据处理、智慧图书馆和下一代图书馆的知识服务模式；马天舒[18]基于知识生命周期的理论，构建高校图书馆知识服务的创新模式；曹霞等[19]针对图书采访模式，在分析了知识服务需求的基础上，提出用户与馆员双驱动的创新模式；胡芳[20]针对高校图书馆知识服务工作的现状及特点，提出构建个性化知识服务、虚拟参考咨询、学科馆员制度及嵌入式知识服务等四个方面的服务体系；闫闵等[21]基于读者行为偏好，针对高校数字图书馆进行知识服务模式创新研究。同时，部分图书馆学研究针对具体学科领域进行知识服务模式研究，例如，席玉爱等[22]在大数据时代背景下研究医院图书馆知识服务创新；郭彩[23]分析农业专业图书馆知识服务特征，提出农业专业图书馆创新的知识服务模式。

综合相关研究可知，直接论述知识创新服务模式的研究正处于兴起之时，许多研究都呈现出新的观点与参考价值。而伴随着科学研究范式的转移与国家知识创新战略的实施，深入研究知识创新服务

974 情 报 学 报 第37卷

的需求和特点、系统研究知识创新服务模式的构建具有重要意义。

3.2 知识创新服务模式构建的需求

大数据时代，除了出版发行的各种科学研究成果外，科研过程中的数据集、互联网的资源与社交媒体的交互数据都是知识创新的重要源头。由于数据来源广泛、形式多样、异构分散、变化瞬息、真伪难辨等资源特点，促使用户对服务机构提出整合多源数据、建立多维数据关联以及数据分析维度多元化等更多更高的要求，并以满足各种创新活动支撑为落脚点。因此，迫切需要专业化、集成化、敏捷化和个性化的知识创新服务。

知识创新服务的实现需要知识创新服务模式的支撑。因而，知识创新服务模式构建的需求就是要以解决用户知识创新活动中的各种知识服务需要为出发点，按照用户的动机需求与行为特征构建切合创新活动过程的服务模式，通过服务缩短知识资源与用户之间的距离，降低用户获取知识的时间与成本，为用户实现知识创新提供帮助[16]。

3.3 数据科学导入到知识创新服务模式构建中的应用思路及其目标

综合已有研究，数据科学旨在揭示数据的内在规律，探索数据计算理论、实现从数据到知识的转化

[24]

，其方法论主要涉及数据获取、数据管理、数

据分析和数据呈现四个方面[25]

。那么，从数据科学

角度出发，知识创新服务是以知识资源为基础、以知识创新用户为服务对象的服务,需要将数据处理的流程贯穿于知识创新服务的全过程中。而结合数据分析的流程，可将数据到知识的转化划分为数据资源基础层、数据分析逻辑层和结果展现层三个层面。

因此，依据数据科学理论逻辑，借助数据科学构建知识创新服务模式的研究思路主要来源于上述三个层面的考量：其一，从知识创新服务的数据资源基础层角度看，数据载体的多样化使知识依存载体、传播媒介及价值链节点与能量要素之间相互协同，为知识创新服务提供新的可转化为知识的数据来源，在已有多源数据的基础上利用语义分析技术进行知识抽取与表示，以形成语义化知识创新服务；其二，从知识创新服务的数据分析逻辑层角度看，主要分为广度数据分析层和深度数据分析层，在知识抽取与表示后，运用语义关联和数据挖掘技术进行知识融合与知识发现，以形成关联性知识创新服

务；其三，从结果展示层角度看，知识融合与知识发现后，运用可视化技术以知识创新服务的形式呈现结果，以形成社会化、演化和可视化等的知识创新服务。

由此，对应于上文分析的三个层面，基于数据科学的知识创新服务需以数据资源为支撑，对数据进行分析处理，形成的结果以服务形式展现。构建大数据时代的知识创新服务应用模式，其目标就是以满足用户知识创新服务需求为依据，以多源数据的信息采集、知识抽取与表示（知识创新服务的数据资源基础层）、基于数据关联与数据分析的知识融合（知识创新服务的广度数据分析逻辑层）、基于知识融合的知识发现（知识创新服务的深度数据分析逻辑层）、基于数据洞见和数据驱动的服务创新（结果展现层）等逻辑层次为核心，形成大数据时代基于数据科学的语义、关联、社会化、演化、可视化等知识创新服务。

4 基于数据科学的知识创新服务应用模式的体系架构与实现形式

在知识创新服务需求及数据处理流程的基础上，利用数据科学方法，可实现信息采集、知识提取、数据关联、数据分析、数据计算和知识融合等，从语义分析、关联分析等进行知识融合和发现，以形成知识创新服务。对应于知识创新服务数据层面的语义需求、分析层面的关联和社会化需求以及展现层面的演化和可视化需求，分别结合语义分析技术、语义关联和数据挖掘技术以及可视化技术，在数据科学理论基础上，构建如图1所示的基于数据科学的知识创新服务应用模式的体系架构。由图1可见，基于数据科学的知识创新服务模式将侧重于数据的处理流程以及数据分析方法的运用，知识创新过程与知识创新需求相结合产生的知识创新成果，知识创新新活动中不仅产生知识创新成果类的显性知识，同时也存在未显现的隐性知识，将此作为数据源进行知识采集，在知识抽取与表示后进行知识融合与知识发现并运用可视化技术以知识创新服务的形式呈现结果，为知识创新服务平台提供支撑，整体形成知识创新服务模式体系。其中，数据资源基础层主要为知识的抽取与表示，对应于数据科学中多源异构数据采集和数据预处理；数据分析逻辑层的知识融合和知识发现对应于数据科学中的数据统计分析和数据挖掘；结果展现层为知识服务产品展现，对应于数据科学中的数据产品方面的内

第10期 曹嘉君等：基于数据科学的知识创新服务应用模式构建研究 975

图1 基于数据科学的知识创新服务应用模式的体系架构

容。基于数据科学的知识创新服务能够更加系统性的展现知识创新服务的形成过程，从数据资源基础层出发，利用数据科学中的数据分析方法进行知识的处理，有效提出针对海量多源异构数据知识服务的解决方案。相较于一般知识服务，其具有系统性和流程性。

结合提出的基于数据科学的知识创新服务应用模式的体系架构，对其中数据资源基础层、数据分析层以及结果展现层三个层面进行进一步的探究，其中数据分析层主要从内容角度分别基于知识融合和知识发现进行研究，连接数据资源基础层和结果展现层，起到衔接的关键作用。知识创新服务模式应以用户对知识服务的需求为基础出发点，从大数据时代数据科学理论基础的情况下来看，其知识创新服务模式实现形式从以下四个方面进行：一是知识融合支撑的知识内容分析和动态集成的知识创新服务，体现在数据分析层，主要从内容角度进行研究，保障知识内容分析的精准与完善；二是语义关联整合用户需求的个性化、专题化和智能化知识创新服务，体现在数据分析层，是对知识内容的进一步处理，结合语义关联和用户需求构建满足用户需求的知识创新服务；三是显性知识和隐性知识交融转化的知识创新服务，体现在数据资源基础层和数据分析层，考虑到不同形式的知识包括显性知识和隐性知识，对其运用不同的分析处理方法，以形成知识创新服务，解决更复杂的知识需求问题；四是知识融合和发现集成的知识呈现与知识导航服务，体现在结果展现层，在知识融合与发现的基础上以可视化技术进行知识创新服务的具体化呈现。下文

对这四个方面分别进行阐述。

4.1 知识融合支撑的知识内容分析和动态集成的知识创新服务

为实现大数据时代知识创新服务的全面性和系统性，需要首先对多源异构的知识进行融合，使得知识内容分析的结果更加完善和精准；同时，大数据时代知识增量巨大、知识更新迅速，迫使知识内容的集成和更新要实现动态化。为此，知识融合支撑的知识内容分析和动态集成的知识创新服务成为迫切需要。

大数据环境下，数据处理难度增加，对知识服务的要求增高，知识融合为知识获取、组织和利用提供方法和手段。知识融合的价值在于从众多分散、异构的数据源、知识源中挖掘出隐含的、有价值的、尚未被发现的信息和知识[26]。知识融合能够使知识之间建立联联系，使得知识更加集中化、有序化，因此，知识融合支撑的知识内容分析和动态集成能够使用户与知识资源之间建立有效的联系，缓解大数据环境下知识量冗余无法快速获取用户需求的问题。

知识融合模型主要分成三部分，知识提取与存储、知识融合以及融合结果分析。实际处理过程中，融合结论可能需要多层次融合才能完成。现有融合算法主要有Bayes、证据组合理论、模糊理论、神经网络、卡尔曼滤波、小波变换、马尔科夫链等方法[27]。建立知识融合支撑的知识内容分析和动态集成的知识创新服务框架设计样式如图2所示。知识融合的本质是多源异构的知识的优化重组，对应于数据科学中对数据的分析和挖掘，主要对概念、实体以及

976 情 报 学 报 第37卷

图2 知识融合支撑的知识创新服务框架模型

关系等进行融合和关系推理。融合过程根据融合规则，通过一定的融合算法对元知识集中的知识进行融合，形成解知识空间。从内容角度出发，在知识抽取与表示后进行知识融合，以形成知识创新服务。其中知识融合过程首先需进行统一模式的构建，构建元知识集以及有效元知识集，随后运用算法对此进行融合处理，之后进行解知识空间。基于知识融合的知识内容分析和动态集成侧重于知识融合的 过程。

4.2 语义关联整合用户需求的个性化、专题化和智能化知识创新服务

知识抽取、表示、融合实现了大数据知识元间的多维度、多层次、多粒度的关联，需结合自动推理系统、本体知识系统、专家系统等核心技术，在理解和挖掘用户需求的基础上提供个性化、专题化和智能化知识创新服务，如智能知识检索、个性化知识推荐、学科领域专题知识服务。

目前知识管理与知识服务领域的研究工作主要集中在传统的知识表示、知识检索、知识推送等技术方面，基于语义关联的知识服务研究较少，导致知识系统中知识的语义信息处理的缺失，语义层面的智能推理不足，用户难以获得真正所需的知识服务。同时，知识服务的研究服务于知识创新的主体，知识服务的设定需要符合知识创新主体的需求。因此，需要以语义关联和用户需求为基础，从知识的内容层面进行分析处理以提供个性化、专题化和智能化的知识创新服务，语义关联整合用户需求的知识创新服务研究框架模型如图3所示。其中将用户需求与语义关联相结合，对需求的关注与数据科学应用研究中的诉求一脉相承。语义关联和用户需求整合的个性化、专题化和智能化知识创新服务，在知识采集后与用户需求相结合进行语义关联研究，主要考虑：知识语义表达的多层次多维度本体建模技术研究，提取领域概念并抽象语义关系，构建能够反映领域内真实语义环境的领域本体[28]；研究知识语义分析技术以及语义提取技术，发掘知识间隐

含语义关联；知识语义建模技术研究，构建语义表达模型；利用语义化知识服务技术对知识进行语义层面的处理，并运用方法进行知识服务方案。

图3 语义关联整合用户需求的知识创新服务框架模型

4.3 显性知识和隐性知识交融转化的知识创新服务

大数据时代，多种特定场景和问题需要多维度、多层次的大数据知识服务，不仅要提供以文献为主导的基于显性知识的服务模式，还需要以人为主导的基于隐性知识的服务模式。实现两种服务模式的有效交互、融合才能针对更复杂问题提供专业化、集成化、敏捷化的知识创新服务。

知识创新过程是显性知识和隐性知识转化的过程，是社会化、外在化、组合化、内在化四种模式依次交替的知识转换过程。知识创新服务平台需为知识创新提供环境，促进知识内在化、社会化、外在化以及组合化的螺旋式转换。显性知识的存储以文献为主导，其研究主要建立在语义网基础上，利用文本挖掘技术进行显性知识的组合化，同时，语义技术的研究推动知识的外在化进程。隐性知识的存储以人的经验为主，用户之间的相互协作以及相互促进，有利于形成知识的外显。在显性知识和隐性知识双服务模式交叉融合的基础上，建立知识创新服务，能够更加有效的贴合用户的知识创新过程。显性知识和隐性知识双服务模式交叉融合的知识创新服务主要考虑知识库与知识存储类型、知识的形态以及知识转化过程，对不同知识存储类型中的知识采取不同的知识处理方式，图4表示的是显性知识和隐形知识交融转化的知识创新服务框架模型。其中融入数据科学研究方法中的文本挖掘技术。由图4可见，以文献承载为主的显性知识与以人的经验承载为主的隐性知识之间相互转化并交叉融合，利用文本挖掘技术对显性知识进行语义分析，同时用户的协作创新促进隐形知识的外显，二者相互作

第10期 曹嘉君等：基于数据科学的知识创新服务应用模式构建研究 977

用形成知识创新服务与知识创新过程和数据科学的应用目标相吻合。

图4 显性知识和隐性知识交融转化的

知识创新服务框架模型

4.4 知识融合和发现集成的知识呈现与知识导航服务

大数据时代的知识融合与发现得以从多个侧面完整的再现学科领域和技术领域的发展脉络、现状和趋势，需要以多维度对其进行可视化，进而实现知识呈现和知识导航，发现其领域的热点、趋势和突变，更直观的为科学决策提供数据支撑。

知识融合与发现分别从深度以及广度两个层面对知识进行数据分析，获得学科领域或技术领域下的知识状况。对知识融合与知识发现形成的知识进行分析处理，实现知识呈现与知识导航，形成具有条理性、组织性与易读性的知识，服务于用户。构建知识呈现与知识导航研究框架模型如图5所示。知识呈现和知识导航是知识成果的展现，对应于数据科学中的结果展示研究。知识融合与知识发现形成的知识利用可视化技术进行知识的呈现，同时，对知识进行框架梳理，结合用户需求以及系统设计原则构建知识导航。知识导航是大数据时代知识服务的重要内容，促进用户汲取知识形成知识创新。

图5 知识呈现与知识导航服务框架模型

知识呈现技术主要为可视化技术，目前以概念图、思维导图、因果图、语义网络以及思维地图等为主。有关学科研究的知识呈现涉及知识演化、知识组织等。知识导航需要考虑：知识组织形成满足用户需求的知识集合和体现知识之间相互关系的知识网络，从而建立知识检索目录供用户检索；知识链是知识导航的最基本方式；知识资源的共享等。

5 结 语

随着大数据时代的发展，对知识创新服务要求提高的同时，数据科学研究为知识的采集、处理、分析等提供方法技术支持。本文提出基于数据科学的知识创新服务应用模式，针对数据多源异构等特点，结合知识内容、知识分析、知识集成等，从数据基础层、分析逻辑层和结果展示层三个层面设计整体框架，并从四个方面进行细粒度的研究框架样式构建。基于数据科学的知识创新服务应用模式的构建，将不仅扩展知识创新服务的理论内容，也将丰富知识创新服务模式的构建维度，有助于知识创新服务模式更深层次的探索。为了推进知识创新服务模式在大数据环境下的研究和应用，未来将在本模式框架研究的基础上，分别对细粒度的模块进行深入探讨。

参 考 文 献

[1] 刘艳红, 罗健. 数据密集型科学环境下的情报服务与发展[J]. 图书与情报, 2013, 2013(6): 105-108.

[2]

Hey T. The Fourth Paradigm – Data-intensive scientific discov-ery[C]// Proceedings of the International Symposium on Informa-tion Management in a Changing World. Heidelberg: Springer, 2012, 317: 1. [3] 杨京, 王效岳, 白如江, 等. 大数据背景下数据科学分析工具现状及发展趋势[J]. 情报理论与实践, 2015, 38(3): 134-137. [4] 曹嘉君, 周晴雪, 王曰芬. 知识创新的研究状况与科学知识创新面临的大数据挑战[J]. 数字图书馆论坛, 2018(4): 59-65. [5] Clair G S, Reich M J. Knowledge services: financial strategies and budgeting[J]. Immunochemistry, 2002, 14(2): 85-90. [6]

Simard A, Broome J, Drury M, et al. Understanding knowledge services at Natural Resources Canada[R/OL]. http: //publications. gc.ca/site/eng/313224/publication.html. [7] 张晓林. 走向知识服务[M]. 成都: 四川大学出版社, 2001. [8] 刘海君. 基于知识管理的创新服务模式[J]. 大学图书情报学刊, 2005, 23(4): 31-33

[9]

姜永常. 知识创新与知识服务[J]. 图书与情报, 2001(1): 24-26.

[10] Cleveland W S. Data Science: An action plan for expanding the

978 情 报 学 报

第37卷

technical areas of the field of statistics[J]. International Statistical Review, 2001, 69(1): 21-26.

[11] 巴志超, 李纲, 周利琴, 等. 数据科学及其对情报学变革的影

响[J]. 情报学报, 2018, 37(7): 653-667.

[12] 朝乐门. 数据科学理论与实践[M]. 北京: 清华大学出版社,

2017: 15.

[13] 王曰芬, 谢清楠, 宋小康. 国外数据科学研究的回顾与展望[J].

图书情报工作, 2016, 60(14): 5-14.

[14] Miles I, Andersen B, Boden M, et al. Service production and

intellectual property[J]. International Journal of Technology Management, 2000, 1(2): 37-57.

[15] 张玉珍. 知识创新与图书馆知识服务[J]. 情报资料工作, 2005,

26(2): 81-84.

[16] 王娜. 基于语义网的协作式知识创新服务系统的设计[J]. 情

报杂志, 2009, 28(12): 138-142.

[17] 胡莲香. 走向大数据知识服务: 大数据时代图书馆服务模式

创新[J]. 农业图书情报学刊, 2014, 26(2): 173-177.

[18] 马天舒. 基于知识生命周期的高校图书馆知识服务[J]. 图书

馆学刊, 2012(3): 70-72.

[19] 曹霞, 韦华昌. 基于知识服务的高校图书馆图书采访“双驱”创

新模式研究[J]. 情报科学, 2013, 31(10): 66-69, 153.

[20] 胡芳. 高校图书馆知识服务创新模式研究[J]. 青海师范大学

学报(哲学社会科学版), 2013, 35(5): 165-166.

[21] 闫闵, 过仕明. 高校数字图书馆知识服务模式创新研究——基

于读者行为偏好[J]. 情报科学, 2018, 36(5): 35-40.

[22] 席玉爱, 陈泽宇, 刘芳, 等. 大数据时代医院图书馆知识服务

创新[J]. 中国药物与临床, 2018(2): 293-295.

[23] 郭彩. 创新农业专业图书馆知识服务模式的思考[J]. 天津农

业科学, 2011, 17(6): 78-80.

[24] Gil Press. A very shot history of data science[EB/OL]. [2016-

06-02]. http: //www.forbes.com/sites/gilpress/2013/05/28/a-very- short-history-of-data-science/#6575961c69fd.

[25] 叶鹰, 马费成. 数据科学兴起及其与信息科学的关联[J]. 情报

学报, 2015, 34(6): 575-580.

[26] 唐晓波, 魏巍. 知识融合: 大数据时代知识服务的增长点[J].

图书馆学研究, 2015(5): 9-14.

[27] 周芳, 王鹏波, 韩立岩. 多源知识融合处理算法[J]. 北京航空

航天大学学报, 2013, 39(1): 109-114.

[28] 陈思. 面向产品设计的语义化知识服务关键技术研究[D]. 北

京: 北京理工大学, 2015.

（责任编辑 魏瑞斌）