摘 要

本文介紹了目前國內(nèi)外跨媒體科技大數(shù)據(jù)知識服務與交互可視化構件的研究進展，梳理和分析了科技大數(shù)據(jù)知識服務構件的開放協(xié)同機制和跨媒體科技大數(shù)據(jù)的動態(tài)推演展示與交互可視化，最后對未來工作進行了展望。

關鍵字

科技大數(shù)據(jù)；知識服務構件；交互可視化

0 引言

科技資源呈現(xiàn)的數(shù)據(jù)規(guī)模大、多模態(tài)、更新快速、時效性高和價值密度較低等趨勢，對有效獲取和利用科技資源帶來嚴峻的挑戰(zhàn)，因此，發(fā)現(xiàn)跨媒體科技資源間關聯(lián)關系，實現(xiàn)跨模態(tài)語義關聯(lián)，并在此基礎上提供知識服務和可視化至關重要。利用科技資源間的語義關聯(lián)關系，將科技信息可視化，一方面可以利用科技實體進行搜索結(jié)果的排序優(yōu)化，以提供更好的知識服務；另一方面可以用知識圖譜的形式把科技資源中的實體概念和實體概念之間的關聯(lián)關系可視化，幫助用戶更好地獲取檢索結(jié)果信息，提高科技信息的檢索性能。

知識服務構件開發(fā)技術將面向服務架構(SOA) 的思想引入構件開發(fā)技術中，SOA 是一種支持解耦、可協(xié)同性好的的應用軟件開發(fā)方式。實現(xiàn) SOA 思想目前主要有三種服務構件技術，分別是開放服務網(wǎng)關協(xié)議（OSGI）、服務組件架構 (SCA) 和 Java 業(yè)務集成（JBI），這些服務構件技術都有相對應的服務構件模型。

OSGI 是一系列用于面向服務框架的規(guī)范定義，開放服務網(wǎng)關協(xié)議允許所有的用戶服務應用程序可以在同一個網(wǎng)絡通信機器之間進行通信。常見的 OSGI 服務構件模型有SOCM。它是一種面向 Java 系統(tǒng)的、可動態(tài)變化的構件模型。知識服務構件可以通過開放服務網(wǎng)關協(xié)議實現(xiàn)服務構件之間的連接通信，參與連接的構件可以組裝成一個 Bundle，再經(jīng)過簡單的拆除與組裝，就可以開發(fā)需要的應用程序。

SCA 是 IBM、BEA 等軟件公司在 2005 年聯(lián)合發(fā)布的，是一種新規(guī)范，用于支持 SOA的實施。它是一個與網(wǎng)絡通信交互協(xié)議、服務訪問請求方式、程序開發(fā)語言都無關的服務構件模型。SCA 主要為用戶提供的接口類型是WSDL，當然也有一部分 SCA 提供的是 Java 開發(fā)語言接口。通過 SCA 可以簡單方便地封裝現(xiàn)在流行的技術，比如 Springboot 技術、Spring技術、Dubbo 技術、SpringCloud 技術等，使之成為符合日常需求的服務構件。

JBI 是互聯(lián)網(wǎng)技術服務公司 Sun 首次提出的，目的是構建一個規(guī)范的、開放的平臺來實現(xiàn) Java 企業(yè)級應用的集成。在 JBI 的統(tǒng)一框架下，用戶可以自行集成滿足開發(fā)規(guī)范的第三方軟件公司實現(xiàn)的各種構件，用戶植入所有的構件可以在 JBI 容器中相互通信、相互協(xié)作。JBI架構主要由服務引擎構件與服務綁定構件這兩種重要的構件組成，服務引擎構件的主要功能是為插入的業(yè)務邏輯提供服務編排；服務綁定構件的主要功能是連接外部應用程序與 JBI 構件之間的通信。

跨媒體科技大數(shù)據(jù)的交互可視化主要有知識圖譜類可視化、發(fā)展趨勢類可視化、地域發(fā)布類可視化、事務流程類可視化、綜合信息類可視化等類別，知識圖譜類可視化主要用于展示研究主體之間的關聯(lián)關系，同時可能通過疊加條形圖或折線圖等對科技信息可視化進行升級；發(fā)展趨勢類可視化主要用于揭示論文、專利、技術主題等與時間的變化關系；地域發(fā)布類可視化主要用于展示地區(qū)的科研實力，通過配合熱力圖的使用，可以很快獲知不同地區(qū)的科技能力；事務流程類可視化主要用于科技產(chǎn)品的發(fā)展周期和相應的變化情況；綜合信息類可視化是現(xiàn)如今的發(fā)展趨勢，主要用于大數(shù)據(jù)項目的展示，通過對科技信息的重要程度進行分級，分時展示各類科技信息。隨著 ECharts插件的快速普及，基于 ECharts 技術的交互式數(shù)據(jù)可視化非常流行?；?ECharts 技術的交互式數(shù)據(jù)可視化工具，可以方便地將科技信息轉(zhuǎn)化為科技知識，同時為用戶提供友好的界面。ECharts 工具可幫助用戶更好地實現(xiàn)目標，并為用戶提供良好的思路。跨媒體科技大數(shù)據(jù)的交互可視化在大多數(shù)情況下，信息以條形或餅圖、折線圖和其他度量等傳統(tǒng)格式進行說明。但是，有時一些交互式數(shù)據(jù)可視化的高科技工具可提供對實時數(shù)據(jù)變化、趨勢、統(tǒng)計顯著性檢驗的即時圖形響應。交互可視化的工具面板通常由儀表板或用戶控制面板組成，其中包含用戶關注的關鍵元素。這些儀表板通常排列有不同格式的各種信息塊，可以提供圖形和數(shù)字信息以進行分析。

1 科技大數(shù)據(jù)知識服務構件的開放協(xié)同機制

1.1 基于微服務知識服務構件的開放協(xié)同機制

通過使用微服務技術對知識服務構件進行開發(fā)是一類重要方法，該方法通過 RPC 遠程調(diào)用完成服務之間的開放協(xié)同，使知識服務構件具有良好的可擴展性和開放性，可以實現(xiàn)知識服務構件的分布式運行，以及實現(xiàn)知識服務構件開發(fā)的協(xié)同開放。目前已開發(fā)的知識服務構件包括檢索知識服務構件、實體關系識別服務構件、可視化服務構件。各個服務獨立進行開發(fā)，完成開發(fā)后獨立進行部署，服務上線后可以使用遠程過程調(diào)用（RPC）框架或通用的 HTTP協(xié)議進行通信交互?；谖⒎占軜嬕苑諡閱挝?，拆分的粒度更細，更具有分布式和去中心化的特性?；谖⒎盏闹R服務構件的服務定義，如圖 1 所示。

圖 1 基于微服務知識服務構件的服務定義

根據(jù)業(yè)務邏輯，可以將跨媒體科技大數(shù)據(jù)知識服務與交互可視化系統(tǒng)分解成三個微服務構件，構件之間通過輕量的 HTTP 協(xié)議進行通信。當用戶需要訪問知識服務構件時，一般先發(fā)送 http 請求，用戶請求會先到達后臺的負載均衡器；負載均衡器會利用負載均衡算法優(yōu)化請求的分配，以免造成服務器的負載不均衡現(xiàn)象，提高了服務的可用性。依據(jù)用戶請求的具體服務，分配到具體機器后，機器對請求進行處理，將處理結(jié)果發(fā)送給用戶，這樣就完成用戶的一次相應請求。三個服務構件相互獨立，每個構件都有自己的獨立數(shù)據(jù)庫，檢索服務主要對應 Elasticsearch 索引數(shù)據(jù)庫；實體關系識別服務主要對應 MySQL 關系型數(shù)據(jù)庫；可視化服務主要對應 Neo4j 非關系型數(shù)據(jù)。每個服務構件可以獨立開發(fā)、部署、運行，檢索服務為用戶提供跨媒體科技大數(shù)據(jù)的檢索功能；實體關系識別服務為用戶提供抽取文本中實體和關系的功能；可視化服務為用戶提供搜索結(jié)果可視化、知識圖譜等功能。

基于微服務架構對知識服務構件進行開發(fā)，使服務可以獨立部署，開發(fā)人員對服務可以進行升級或更改，使構件的持續(xù)集成持續(xù)部署（CICD）成為可能，從而使知識服務構件的開發(fā)開放協(xié)同?；谖⒎盏闹R服務構件開發(fā)的開放協(xié)同機制，使開發(fā)人員之間的友好協(xié)作變?yōu)榭赡埽酶鞣N現(xiàn)代技術和工具減少開發(fā)人員之間的溝通障礙，真正實現(xiàn)軟件從開發(fā)到最終上線的全過程自動化開發(fā)到運維的一體化。通過知識服務構件開發(fā)的開放協(xié)同機制，能夠顯著提升知識服務構件的開發(fā)效率，縮短交付周期，更加適應當今快速發(fā)展的互聯(lián)網(wǎng)時代。

基于微服務的知識服務構件開發(fā)的開放協(xié)同流程主要由 Gitlab 代碼倉庫、Jenkins 持續(xù) 集 成 工 具、Docker 容 器、Harbor 鏡像倉庫、Kubernetes 容器集群管理系統(tǒng)五部分組成。程序開發(fā)人員在個人電腦上開發(fā)系統(tǒng)功能，開發(fā)完成并測試通過后，自行將代碼上傳到 Gitlab 代碼倉庫。Gitlab 通過程序員定義好的 Webhook 通知方式，當程序員 push 完代碼，Jenkins 持續(xù)集成工具可以自動感知，并從 Gitlab 中實時 pull 最新版的代碼。此時的Jenkins 會對最新代碼進行編譯檢查。

編譯成功后，可以自動進行單元測試等。成功通過這一系列操作后，說明開發(fā)的代碼具備上線的條件。此時，Jenkins 持續(xù)集成工具會將代碼打包成 Docker 鏡像；打包成功鏡像后，會將Docker 鏡像 push 到 Harbor 鏡像倉庫；上傳鏡像成功后，Jenkins 會通知Kubernetes 對服務進行更新。Kubernetes 先是從鏡像倉庫中拉取鏡像，然后進行迭代更新，以確保服務在更新的過程中不會中斷。通過這些流程，保證知識服務構件的持續(xù)集成持續(xù)部署，從而實現(xiàn)開發(fā)開放協(xié)同。

1.2 基于對抗生成學習和語義相似度跨媒體科技大數(shù)據(jù)的檢索知識服務

跨媒體科技大數(shù)據(jù)包含文本和圖像數(shù)據(jù)。跨媒體數(shù)據(jù)具有特征異構性，實現(xiàn)跨媒體檢索需要處理不同模態(tài)的數(shù)據(jù)，把文本和圖像數(shù)據(jù)的特征映射到同一語義空間中，再根據(jù)語義相似度對檢索結(jié)果進行排序，以實現(xiàn)跨媒體科技大數(shù)據(jù)的檢索知識服務。跨媒體科技大數(shù)據(jù)的檢索算法實現(xiàn)流程主要包括文本特征輸入網(wǎng)絡、圖像特征輸入網(wǎng)絡、模態(tài)判別網(wǎng)絡和特征映射網(wǎng)絡（見圖 2）。

圖 2 跨媒體科技大數(shù)據(jù)的檢索知識服務總體框架

輸入一個（科技文本 - 科技圖像 - 語義）三元組，首先對跨媒體科技文本和跨媒體科技圖像進行提取特征，而后分別進入到文本特征映射網(wǎng)絡和圖像特征映射網(wǎng)絡中，將得到的語義向量作為語義分布網(wǎng)絡的輸入；特征映射網(wǎng)絡將同語義數(shù)據(jù)映射后的模態(tài)偏差和同模態(tài)數(shù)據(jù)映射前后的語義偏差最小化，使生成模型達到最優(yōu)；模態(tài)判別網(wǎng)絡將映射后數(shù)據(jù)原始模態(tài)判定的誤差最小化，使判別模型達到最優(yōu)；生成模型和判別模型通過對抗學習進行訓練，最后都達到較好效果。

2 跨媒體科技大數(shù)據(jù)的動態(tài)推演展示與交互可視化

2.1 基于循環(huán)神經(jīng)網(wǎng)絡的動態(tài)推演展示

基于循環(huán)神經(jīng)網(wǎng)絡的動態(tài)推演算法是利用循環(huán)神經(jīng)網(wǎng)絡結(jié)構，將知識圖譜中的實體和關系向量作為輸入，結(jié)合上一時刻的狀態(tài)進行計算，得到當前時刻的隱藏值，經(jīng)過迭代運算，輸出一個融合了知識圖譜中的實體和關系的結(jié)果向量。利用該算法動態(tài)推演知識圖譜中的關系數(shù)，為構建大規(guī)模的科技大數(shù)據(jù)知識圖譜提供基礎。

2.2 基于 ECharts 技術跨媒體科技大數(shù)據(jù)的交互可視化

基于 ECharts 技術的交互式數(shù)據(jù)可視化，主要是借助于圖形化手段，將科技數(shù)據(jù)背后的規(guī)律展示給用戶?；?ECharts 技術的交互式數(shù)據(jù)可視化工具，可以方便地將科技信息轉(zhuǎn)化為科技知識，同時為用戶提供友好的界面。依靠強大的數(shù)據(jù)圖形表示，用戶可以實時查看、理解和分析數(shù)據(jù)趨勢?？缑襟w科技大數(shù)據(jù)的交互可視化通常以數(shù)字格式，呈現(xiàn)邏輯分析形式。ECharts 工具可幫助用戶更好地實現(xiàn)目標，并為用戶提供良好的思路?？缑襟w科技大數(shù)據(jù)的交互可視化在大多數(shù)情況下，信息以條形或餅圖、折線圖和其他度量等傳統(tǒng)格式進行說明。但是，有時一些交互式數(shù)據(jù)可視化的高科技工具，可提供對實時數(shù)據(jù)變化、趨勢、統(tǒng)計顯著性檢驗的即時圖形響應?？缑襟w科技大數(shù)據(jù)的交互可視化的其他種類可以包括思維導圖。思維導圖由隨機鏈接在一起的各種元素組成，通常用于創(chuàng)造性頭腦風暴和創(chuàng)新。大數(shù)據(jù)的交互可視化的常見示例可以包括從地理街道地圖到網(wǎng)站使用趨勢、跨媒體科技動態(tài)，以及全球 Internet 活動的所有內(nèi)容。交互可視化的工具面板通常由儀表板或用戶控制面板組成，其中包含用戶關注的關鍵元素。這些儀表板通常排列有不同格式的各種信息塊，可以提供圖形和數(shù)字信息以進行分析。

圖 3 基于實體和關系統(tǒng)計的科技大數(shù)據(jù)知識圖譜實現(xiàn)流程

當用戶輸入關鍵詞時，通過跨媒體檢索知識服務構件得到科技文本結(jié)果。將科技文本進行預處理后，經(jīng)過實體關系抽取模型就可以對現(xiàn)有的科技文本數(shù)據(jù)進行實體識別和關系抽取，為科技大數(shù)據(jù)知識圖譜的構建提供最為重要的技術支持。在知識圖譜的基礎上，運用詞頻分析、共詞分析、網(wǎng)絡中心度、聚類分析等方法，結(jié)合數(shù)據(jù)統(tǒng)計與挖掘方法，通過各項統(tǒng)計指標反映技術的熱度、組織或個人的影響力等科技實體隱藏在知識圖譜中的知識，完成科技大數(shù)據(jù)知識圖譜的構建。利用 Neo4j 圖數(shù)據(jù)庫存儲已經(jīng)獲取的實體和實體關系，然后統(tǒng)計科技資源申請的組織或個人與技術實體的數(shù)量進行排序，最后利用 Echarts 技術進行可視化?；趯嶓w和關系統(tǒng)計的科技大數(shù)據(jù)知識圖譜的實現(xiàn)流程，如圖 3 所示。例如，通過分析專利或論文等科技資源 , 了解企業(yè)所屬行業(yè)的科技資源發(fā)表情況、同行業(yè)從業(yè)者的科技資源發(fā)表情況、新增同行者的科技資源發(fā)表情況、上下游合作者的科技資源發(fā)表情況、企業(yè)自身的科技資源發(fā)表情況等。通過統(tǒng)計搜索關鍵詞相關的科技資源發(fā)表數(shù)量，可以繪制出每年科技資源（專利、論文）的發(fā)表趨勢圖，從而方便用戶跟蹤科技資源發(fā)表熱點。

如圖 4 所示，基于實現(xiàn)的科技資源發(fā)表的歷年趨勢圖可以為用戶提供良好的交互作用，通過縮放按鈕實現(xiàn)數(shù)據(jù)縮放。當用戶想要重點關注某些年份的數(shù)據(jù)時，只需要將橫軸下方的開關向中間靠近；想要重點關注某些范圍的數(shù)據(jù)時，只需要將縱軸附近的開關向中間靠近，橫軸會自動進行相應變化。同時用戶可以將所有數(shù)據(jù)表現(xiàn)形式都轉(zhuǎn)換成折線圖或柱狀圖，以折線圖的形式展示歷年科技資源發(fā)表數(shù)量，方便查看專利、論文、總數(shù)的變化趨勢；以柱狀圖的形式展示歷年科技資源發(fā)表數(shù)量，方便比較每年發(fā)表的專利、論文的大小。最后用戶也可以通過右上方工具欄圖標，實現(xiàn)對圖形區(qū)域的縮放、原始數(shù)據(jù)瀏覽、數(shù)據(jù)更新與圖片下載等功能，為用戶提供豐富的操作功能，真正實現(xiàn)與用戶的交互可視化。

圖 4 科技資源發(fā)表的歷年趨勢圖

3 結(jié)束語

跨媒體科技大數(shù)據(jù)知識服務與交互可視化構件的開發(fā)受到關注，知識服務的內(nèi)容和可視化形式日益多樣化。但是，跨媒體展示時由于需要將搜索內(nèi)容進行語義空間映射，以及進行語義相似度計算并排序，導致展示一個條目會耗費大量的時間，而且目前已有系統(tǒng)界面的展示還有待調(diào)整和優(yōu)化，在系統(tǒng)的邏輯交互和健壯性方面還需進一步加強。

（參考文獻略）

選自《中國人工智能學會通訊》

2021年第11卷第5期

科技大數(shù)據(jù)理論和技術專輯

標簽： 科技信息 主要用于 實體關系