网络文献知识发现模式

文献知识发现是一个涉及从大量文献中提取、整合和分析知识的复杂过程。文献知识发现是指从公开发表的文献中发现某些知识片段间的隐含联系，并在此基础上提出科学假设或猜想，引导科研人员进行攻关或实验，从而发现新知识。这一概念由Swanson教授在1986年提出，它基于一个事实：记录性知识（文献）总量与人类吸收知识能力之间的鸿沟巨大且不断扩展，同时知识分裂（分化）现象日趋严重，跨学科、跨专业的知识交流导致各个学科不断产生新的分支和专业，使得文献中隐含的关系不易被发觉。文献知识发现是一个涉及多个方面和环节的复杂过程。通过加强文献筛选和评估、提升数据挖掘技术、培养跨学科人才等措施，我们可以更好地应对挑战并推动文献知识发现的发展和应用。包括知识来源与过滤层、知识存储层、 知识表示与标引层、知识处理与挖掘层。网络文献知识发现模式

“互联网+”思维下数字图书馆智慧阅读平台的构建将改变传统图书馆的服务模式，智慧阅读平台更像一个生态的、可循环的系统，读者资源共享和智慧交流拓展了数字图书馆的服务内容、提高了数字图书馆的服务效率、增强了数字图书馆与“互联网+”的融合度，将很大程度地为读者提供个性化、开放式的资源服务。从“互联网+”背景下数字图书馆智慧阅读平台的建设现状来看，加强技术融合、提高社会参与度、扩大资金积累成为推动平台建设的有效策略。总之，尽管现阶段我国数字图书馆的智慧阅读平台建设尚处于初始阶段，但随着科技的飞速发展，智慧阅读平台发展前景广阔智能化文献知识发现价格对分析和利用用户行为信息来实现知识服务的研 究已经有十多年的历史。

文献数据库列表明细：当前数据源检索下的站点明细（如：数据源为一个数据库，则在站点明细中只出现该数据可。） 在站点明细中可以，可以查看各个具体文献数据库的浏览，阅读，下载，以及流量情况，支持对应排序。用户列表明细，可以查看用户具体的访问情况，例如：当前选择的数据源为CNKI这个数据库。则在用户列表中为所有用户访问CNKI的明细，包含，阅读，下载，浏览，站点数以及流量。如选择统计数据源为部门，则用户站点数就为该用户一共访问的数据库个数。

   随着图书馆数字文献资源的规模越来越大；数据库品种数量越来越多,；读者服务的手段（远程、移动、跨库搜索等）也越来越多样化。但是，如何能使图书馆清晰了解读者的阅读行为，优化现有数字文献馆藏，让有限的数字资源采购资金发挥更大的读者服务效益？其中，哪些部门、哪些读者在使用？使用哪些文献数据库？数字文献利用统计在图书馆工作中，越发显得越为重要。然而，数字图书馆目前服务现状是：图书馆统一采购数字文献资源，图书馆的读者各自分别访问一个个的数字文献资源数据库。现有的文献数据库-读者文献利用模式在示例的网络拓扑中，我们很难确定图书馆所处的位置。由此可见，随着读者数字文献需求不断增长、文献数据商蓬勃发展，图书馆的服务功能却正在逐步被边缘化。在上述文献数据库-读者文献利用模式中，常见的传统计量评价方法包括：图书馆资源首页数据库进入次数统计、文献数据库原厂商各自提供的访问量/下载量报表等。但实际情况是：这些数据很难真实反映读者文献数据库的实际利用情况。63296 所以需要对用户阅读行为信息和知识进行组织，针对科技文献资源使用和组织。

数字图书馆依靠计算机技术，将拥有的文献资源数字化，然后通过网络为用户提供数字信息服务。服务内容多样化数字图书馆中海量的信息资源都是运用计算机技术管理的，数字图书馆的文献资源呈现多样化、数量多的特点，其数字资源不仅包含自身收集的文献，还包括通过互联网获取的并不属于自身拥有的共享数据库资源、多媒体信息以及其他链接信息资源。数字图书馆的服务内容有提供统一检索平台服务、信息传播服务、参考咨询服务、用户教育培训服务。服务方式多样化数字图书馆的活动周期包括数字资源的形成、发布、传播、应用和存储。数字图书馆可以为用户提供多样化信息资源，便捷的导航方式和个性化的信息服务。图书馆为培养学生的阅读能力，利用文献服务和信息服务等手段。安徽创新文献知识发现

所谓浅阅读就是阅读不需要思考而采取跳跃式的阅读方法，它侧重的是知识面的广度，而忽略知识的深度。网络文献知识发现模式

文献特征矩阵：为辅助读者研判一篇文献的相关性，检索系统通常会针对某一文献内容特征进行单一维度的文献聚类细分。例如：依据关键词或者依据作者，对检出文献进行再聚类并揭示其所对应的相关文献。对于读者而言，有时，用户可能更加关心的是多个文献内容特征之间的相互关联，例如想了解某位作者可能所涉及的相关主题；想了解某个主题可能涉及的作者或其他文本自由词热点等等。由此，上海半坡的文献特征矩阵技术，依据实时一站式读者文献搜索结果的TopN篇，将诸如PubMed人工标引的主要主题词(MajorMeSH)、次要主题(MinorMeSH)、作者关键词、作者、篇名自由词等5列（字段），在同一个显示矩阵里以多维度模式对文献标识（元数据列）进行聚类细分（图），并且能够同时对各个节点相互间的关联关系进行揭示（聚焦节点及其聚焦相关节点）。从而，可以辅助读者更好地区分和识别相关兴趣点和兴趣文献（发明专项权利申请：）。网络文献知识发现模式