人机智能融合下的红色文献知识检索研究

图书馆杂志 ›› 2025, Vol. 44 ›› Issue (415): 15-27.

人机智能融合下的红色文献知识检索研究

严承希1, 2 刘越男1, 2 余敏1 张燚明2, 3(1 中国人民大学信息资源管理学院 2 中国人民大学数字人文研究院 3 中国人民大学历史学院)

出版日期:2025-11-15 发布日期:2025-11-26
作者简介:
严承希中国人民大学信息资源管理学院,讲师。研究方向:数字人文与文化遗产、自然语言处理与大模型智能计算。作者贡献:初稿撰写与修改、系统设计与开发。E-mail 20218113@ruc. edu. cn 北京 100872
刘越男中国人民大学信息资源管理学院,院长,教授。研究方向:电子文件管理、数学档案馆、数据治理。作者贡献:确定研究选题与框架、修改与完善论文。北京 100872
余敏中国人民大学信息资源管理学院,博士研究生。研究方向:数字人文、数字叙事。作者贡献:完善研究框架、系统设计、修改与完善论文。北京 100872
张燚明中国人民大学历史学院,讲师。研究方向:中国近现代史、中共党史与抗日战争史。作者贡献:提供数据支持、修改与完善论文。北京 100872

Research on Knowledge Retrieval of Red Documents under Integrated Human-Machine Intelligence

Online:2025-11-15 Published:2025-11-26
About author:
Yan Chengxi1 2 Liu Yuenan1 2 Yu Min1 Zhang Yiming2 3（1 School of Information Resource Management Renmin University of China 2 Digital Humanities Center Renmin University of China 3 School of History Renmin University of China）

摘要/Abstract

摘要：

红色文献检索服务是红色资源深度开发与建设的重要实践方式。目前红色文献检索的应用服务主要围绕元数据展开,相关查询式构建策略与导航设计机制等都未能较好地服务于各类用户需求,特别是缺少对于红色文献内容知识的深度挖掘与展现。为了解决上述问题,本研究立足于红色文献检索服务的特点,结合当前主流的红色文献检索系统的通用特征,提出了一种以用户为中心的红色文献知识检索方案。该方案融入了前沿的人机智能融合技术,在目前的元数据检索模型基础上,不仅加入了红色文献的内容实体知识以丰富检索范围,而且设计了两个查询扩展模块,即基于“基本语义扩展”的语义扩展模块和基于AI 语义扩展的“ 人智交互模块”,以分别提供不同知识层次的查询拓展。根据上述方案,本研究开发了一个红色文献知识检索原型系统,并进行了多组用户实验评测。实验结果表明与其他基于元数据检索模型的红色文献检索平台相比,该原型系统在系统功能的丰富性与用户检索的评估指标上都更具优势。此外,两种新提出的检索扩展模块各自具有鲜明的特点和适用范围,可满足不同的检索需求类型。上述研究成果可为红色文献检索服务的知识化与智能化转型发展提供一定的技术参考。

关键词: 人机智能融合&emsp, 红色文献&emsp, 知识检索&emsp, 查询扩展

Abstract:

The retrieval of red documents is an important pathway for advancing the construction anddeep utilization of red digital resources. At present the red document-based retrieval mainly relies onmetadata in which the query formulation strategies and navigation design mechanisms fail to adequatelymeet diverse user needs. In particular existing approaches lack in-depth mining and content-levelpresentation. To address the problems above this study proposes a user-centered knowledge retrievalsolution for red documents which integrates both the functional features of retrieval systems and theunique characteristics of red documents. The model incorporates cutting-edge human-machine intelligencetechnology into the current metadata-based retrieval framework. Specifically it enriches the retrievalscope through entity-level knowledge extraction from document content and introduces two queryexpansion modules namely a 􀆵 semantic expansion module and a 􀆵 human-AI interaction module .These modules provide users with expanded query terms at multiple levels of knowledge representation.Accordingly we developed a knowledge retrieval prototype system for red documents and conductedmultiple user experiments for evaluation. The results show that compared with existing metadata-drivenretrieval platforms our proposed system has more advantages in functional richness and user satisfaction. In addition the two newly proposed query expansion modules have their own distinct characteristics andapplicability to meet different types of search needs. These findings provide certain technical referencesfor the transformation and development of red document retrieval services towards a more knowledgeableand intelligent direction.

Key words: Integrated human-machine intelligence, Red literature, Knowledge retrieval, Query expansion

严承希1, 2 　刘越男1, 2 　余　敏1 　张燚明2, 3(1 中国人民大学信息资源管理学院　2 中国人民大学数字人文研究院　3 中国人民大学历史学院). 人机智能融合下的红色文献知识检索研究[J]. 图书馆杂志, 2025, 44(415): 15-27.

Yan Chengxi1 2 Liu Yuenan1 2 Yu Min1 Zhang Yiming2 3（1 School of Information Resource Management Renmin University of China 2 Digital HumanitiesCenter Renmin University of China 3 School of History Renmin University of China）. Research on Knowledge Retrieval of Red Documents under Integrated Human-Machine Intelligence[J]. Libraly Journal, 2025, 44(415): 15-27.

参考文献

[ 1 ] 习近平. 用好红色资源,传承好红色基因,把红色江山世世代代传下去[ J]. 求是,2021 (10 ): 4 18.

[ 2 ] 李朋真,严丹,蔡迎春. 红色文献数据库的建设现状及优化策略研究[J]. 高校图书馆工作,2022,42(1):29 36.

[ 3 ] Zhang C Kim J Jeon J et al. Toward integratedhuman-machine intelligence for civil engineeringAn interdisciplinary perspective C / / Proceedingsof 2021 Computing in Civil Engineering. RestonVA USA American Society of Civil Engineers.2021:279 286.

[ 4 ] Liu W. Integrated human-machine intelligencebeyond artificial intelligence M . Cambridge MAUSA Elsevier 2023.

[ 5 ] 窦鹏,李悦. 共建共享视野下红色文化资源项目建设调查及启示[C] / / 中国图书馆学会年会论文集(2017 年卷). 北京:国家图书馆出版社, 2018: 228 241.

[ 6 ] 刘倩倩,夏翠娟,朱武信. 红色文化传承视域下的红色文献服务平台建设实践与思考[J]. 信息资源管理学报,2021, 11(4):17 24; 32; 16.

[ 7 ] 方丽真. 红色档案资源时代价值及开发利用研究———以闽西老区为例[J]. 北京档案,2021(6): 37 40.

[ 8 ] 侍琴,宋神恬,卞晶晶,等. 红色档案资源的保护与开发———以扬州市档案馆为例[J]. 档案与建设,2021(2):53 54; 49.

[ 9 ] 宋姬芳,朱小梅,王丽丽. 传承红色基因,助力资政育人———中国人民大学图书馆红色文献整理与利用实践[J]. 大学图书馆学报,2022, 40(1): 102 107.

[10] 任静,林卫东,李洪梅. 红色文献数字化建设现状研究[J]. 图书馆界,2021(5):11 15.

[11] 王乐. 高校红色专题特藏的价值挖掘———以复旦大学图书馆为例[J]. 大学图书馆学报,2022,40(1):97 101; 114.

[12] 罗敏,姜涛. “数据”与史学研究———抗日战争与近代中日关系文献数据平台介绍[J]. 数字人文,2020(2):116 126.

[13] 牛力,展超凡,高晨翔,等. 人物事件导向的多模态档案资源知识聚合模式研究[J]. 档案学通讯,2021(4):36 44.

[14] 李姗姗,罗梦涵,崔璐. 数字人文视域下多模态红色记忆资源知识聚合与开发[J]. 档案与建设, 2022(6):33 36.

[15] 陈海玉,向前,何剑锋. 面向知识服务的抗战档案资源聚合与可视化展现探究[J]. 档案学研究, 2021(2):111 118.

[16] 朱兰兰,段燕鸽. 叙事理论在红色档案资源开发中的应用———以大别山区为例[J]. 档案学研究,2023(2):95 102.

[17] 孙大东,张怡涵. 基于事理图谱的红色档案资源开发利用研究[J]. 档案学研究,2023 (5):7380.

[18] 张云中,郭冬,王亚鸽,等. 基于知识图谱的红色历史人物知识问答服务框架研究[J]. 图书情报工作,2021, 65(16):108 117.

[19] 赵莉. 红色文献资料综述[J]. 丝绸之路,2009(18):31. [20] 程焕文. 红色文献的概念界定[J]. 图书馆杂志, 2021, 40(7):9 11.

[21] 徐建华,杨丽娟,伍巧. 图书馆红色文献与红色专藏[J]. 图书馆论坛, 2021, 41(7):40 45.

[22] 文庭孝,罗贤春,刘晓英,等. 知识单元研究述评[J]. 中国图书馆学报,2011, 37(5):75 86.

[23] 王忠义,夏立新,李玉海. 基于知识内容的数字图书馆跨学科多粒度知识表示模型构建[J]. 中国图书馆学报,2019, 45(6):50 64.

[24] Che W Feng Y Qin L et al. N-LTP An OpensourceNeural Language Technology Platform forChinese C / / Proceedings of the 2021 Conference onEmpirical Methods in Natural Language Processing. Stroudsburg Association for ComputationalLinguistics 2021 42 49.

[25] Carpineto C Romano G. A survey of automaticquery expansion in information retrieval J . ACMComputing Surveys 2012 44 1 1 50.

[26] Azad H K Deepak A. Query expansion techniquesfor information retrieval a survey J . InformationProcessing & Management 2019 56 5 16981735. [27] Zhang Z Fang M Chen L et al. Is Neural TopicModelling Better than Clustering An EmpiricalStudy on Clustering with Contextual Embeddingsfor Topics C / / Proceedings of the 2022 Conferenceof the North American Chapter of the Associationfor Computational Linguistics Human LanguageTechnologies. Stroudsburg Association forComputational Linguistics 2022 3886 3893.

[28] Yan C Fang X Li Y. UFTDRDH A novel userorientedsolution for full-text database retrieval inChinese digital humanities J / OL . Journal ofInformation Science 2022-11-22 . https / / journals.sagepub. com / doi / 10. 1177 / 01655515221133529.

[29] Xing W Ghorbani A. Weighted pagerank algorithmC / / Proceedings of 2nd Annual Conference onCommunication Networks and Services Research.Washington D. C. IEEE 2004 305 314.

[30] 周振. 毛泽东与“珠峰”归属问题的解决[J]. 西藏民族大学学报( 哲学社会科学版), 2017,38(3):131 134.

[31] 李凤梅. 贺龙体育思想的实践品格、历史贡献及当代价值[J]. 沈阳体育学院学报,2022, 41(1): 138 144.

[32] Dattolo A Corbatto M. Assisting researchers inbibliographic tasks A new usable real-time toolfor analyzing bibliographies J . Journal of theAssociation for Information Science and Technology2022 73 6 757 776.

[33] He J Ping Q Lou W et al. Paper PolesFacilitating adaptive visual exploration of scientificpublications by citation links J . Journal of theAssociation for Information Science andTechnology 2019 70 8 843 857.

[34] Blei D M Ng A Y Jordan M I. Latent dirichletallocation J . Journal of machine Learningresearch 2003 3 993 1022.

[35] Wang C Paisley J Blei D M. Online variationalinference for the hierarchical Dirichlet process C / /Proceedings of the 14th international conference onartificial intelligence and statistics. CambridgeMA USA MIT Press 2011 752 760.

[36] Srivastava A Sutton C. Autoencoding variationalinference for topic models C / / Proceedings of 2017International Conference on Learning Representations.2017 1 12.

[37] Abdelrazek A Eid Y Gawish E et al. Topicmodeling algorithms and applications A survey J .Information Systems 2023 112 1 17.

[38] Li S Zhao Z Hu R et al. AnalogicalReasoning on Chinese Morphological and SemanticRelations C / / Proceedings of the 56th AnnualMeeting of the Association for ComputationalLinguistics. Stroudsburg Association forComputational Linguistics 2018 138 143.