摘要：知识图谱技术在实际应用中主要作用于智能检索、自动问答、大数据分析推荐三个方面，区别于传统数据库构建，知识图谱的对象识别、文本理解、关系推理、机器学习整合等功能是实现认知智能和高级人工智能的关键技术。在教育领域，知识图谱针对高校图书馆知识管理与智能服务的应用，从提供精准教育资源、高效个性化推荐、辅助教学答疑系统三个维度，帮助学生查阅知识要点，发现知识点之间的联系，构建知识体系，也帮助老师更好了解学生学习情况，优化调整教学方法，提升教学备课质量。

关键词：知识图谱；高校图书馆；智慧服务；应用策略

1.知识图谱具有精准快速检索作用

搜索引擎经常面临的一词多义情况，在知识图谱技术广泛应用后逐渐得以优化解决。通用的知识图谱，例如结构化的百科知识搜索，面向普通用户，强调知识信息的广度。但面向特定领域，使用者所需的行业内数据资源库的构建，更强调知识的深度。教育行业基于知识图谱可以对教学文献资源所涉及的知识点和关键考点、考题进行深度理解，通过知识图谱技术的语义搜索功能对文本内容进行属性和关系的整合，解决了书籍文献作者同名或内容版本更新等情况对检索造成的干扰，也将时代发展出现的新名词、新词义在数据算法层面进行抽取实体与关系的理解，起到消除歧义快速搜索和关键词精准识别作用。例如“小米”是某个公司名称、手机品牌，也是一种农作物，而研究网络科技与农业农产的文献资料都频繁出现包含小米的词汇，传统的关键词搜索模式是按照语法搜索，检索出的网页会由时间更新或点击热度等单一形式排列展示，现在按照知识图谱进行语义检索分类，把用户所需以知识卡片图谱的方式直观展示，例如，居里夫人，诸如她的简介、出生年代、籍贯，和她相关联的人，居里夫人的丈夫、孩子、主要学术成就等用户可能感兴趣的内容都被知识图谱列举。用户在输入关键词检索中，能查询到描述一个人或者一个事物的属性会特别多，且在特定算法计算中知识图谱会将用户最感兴趣和当前最需要的内容呈现。

2.基于知识图谱的智慧推荐

知识图谱的推荐功能是一种基于用户使用，综合图书的数量，引文数量以及图谱网络中节点的PageRank值（即考虑相邻节点数量和重要性）等多种因素计算得出的智能性推荐。以软件知乎的知识图谱应用为例，将书为节点，连接作品、作者、书评、书所涉及的相关话题讨论，以及对这个作品或作者感兴趣的人们，形成一个知识点聚合体，用户对书和文献的学习和探究，衍生出更多相关知识节点，认识更多关联作品、作者，以自身阅读学习的角度参与话题讨论，寻找到引发共鸣的讲书人和爱好者。

2.1知识图谱按照用户需求智慧推荐

知识图谱的语义搜索和数据分析技术，围绕本体搜索分析发现结果和关系，有权限控制知识的关联，使知识可以在不同用户之间共享，协同工作，合理的为用户做出针对性的资源推荐。应用在高校图书馆智慧服务中，主要表现为推荐优质学习资源和个性化学习资源，用户能够一目了然的发现与当前知识信息相关联的其他知识内容，并基于个人学习偏好，知识图谱能为用户提供量身定制的个性化学习路径规划服务，很大程度上减少用户课业负担，避免无规划的重复与停留表层的学习模式。

2.2知识图谱增强推荐的可解释性

可解释性是以人类认知的语言给人类提供解释的能力，知识图谱作为认知领域的核心技术之一，可以将不同的数据源进行统一结构，利用节点和关系把所有不同种类的信息连接在一起形成一个关系网络。例如，用户查询如何学习英语，知识图谱可以解释一门语言学习的基本概念，印欧语系和汉藏语系之间跨语系的语言学习差异，将英语发音、单词、语法、短句以层层递进的学习路径呈现，类似一本出版书籍的目录大纲，但网络形态的知识图谱具有极强延展性，可随着数据库的扩充，将大类学习步骤细化更具体形式，如语言发音经过知识图谱细化后，还能按照类别分为美式英式，按照内容分为元音和辅音，按照规律可分连读、弱读、重音、语调等。而知识图谱的应用将实体的若干节点和关系以关系网络直观展示在用户面前，查阅包含一项知识点的书籍，便根据系统算法推送相关书籍，上下关联知识点展示，精准预判用户深度学习所需的一切。加强高校图书馆智慧智能服务，以学科知识为核心，建立学科的知识点层级关系网络图谱，便于学生利用这个图谱，把知识学习路径可视化，构建系统知识体系，消除个人学习盲点，也便于老师掌握学科资源的版本更新动态，调整教学资源的教材讲义内容和考核范围。

3.知识图谱在智能问答系统的应用

人工智能实现的标志之一，是探索研究能模拟最接近人的思考、推理过程的答疑机器人技术。知识图谱技术和自然语言处理技术相结合，将发挥知识图谱的语义理解、图模型匹配、深度学习等功能优势，广泛应用在人机问答交互系统中，借助知识图谱技术对知识进行推理和计算，直接将用户的问题使用图谱计算的方式，从图数据库中检索，优化答疑交互系统的智能程度，更加灵活的使机器理解问题意图，查找对应的内容，以人类可理解的方式，输出经过处理后的可行性准确回答。有效的减轻简单重复问题给老师带来的负担和压力，很大程度解决学生的实际答疑需求。让高校图书馆馆藏和教研资源紧随数据互联时代的发展，完善智能问答系统功能，发挥图书馆本质职能，更便捷高效的服务人们获取文献并汲取文献知识。

4.总结

知识图谱通过融合多来源数据，让图谱在查询模板、语义理解、检索排序、深度学习等方面具备复杂的关联数据分析能力，在搜索引擎、关联推荐、智能问答、大数据分析领域广泛应用。国内高校智慧图书馆中对知识图谱的实际运用，能有效为用户突破数据隔离和信息茧房，提升获取学习资源、知识信息的深度和广度。数据互联时代中，图书馆的馆藏资源从载体类型到服务方式都在发生新的变化，加快高校图书馆数据馆藏建设，普及知识图谱技术的实践应用，是高校图书馆能够为用户提供更精准丰富、个性化的文献和知识，构建智慧智能教学服务的关键。

参考文献

[1]陈琳.基于知识图谱的国内智慧图书馆研究现状分析[J].济宁学院学报，2017，38（05）：108-115.

[2]柳益君等.知识图谱在高校图书馆智慧服务中应用研究[J].图书馆工作与研究，2019，14（11）：5-10.

[3]郑晓霞.基于知识图谱的高校图书馆用户服务研究[J].图书情报导刊，2022，7（07）：7-13.

[4]赵昆.基于文献计量的智慧图书馆研究分析[J].信息技术材料，2021，22（8）：86-88.

[5]郑钰凡.知识图谱在高校图书馆智慧服务中应用分析[J].电脑爱好者，2021（4）：674.