圖書館數字資源評價指標權重賦值方法概述

賀梅萍

〔摘要〕探討圖書館數字資源評價指標權重的合理賦值方法，為相關的研究提供參考。通過文獻調研法，對國內已有的圖書館數字資源評價研究的指標權重賦值方法進行了分析、比較和研究。結果表明：主觀賦值法能充分利用評價專家的知識和經驗，操作簡單、有效，受專家的主觀因素影響較大；客觀賦權法的結果客觀、科學、嚴謹，有時會弱化指標的內涵及其現實意義，工作量大、計算復雜；綜合賦值法是最好的方法，也是工作量最大的方法，隨著信息技術的應用，將得到更大的發展。

〔關鍵詞〕圖書館；數字資源；電子資源；評價；評估；指標權重；賦值方法

〔Abstract〕This paper discussed the reasonable valuation method of evaluating indexes weight based on the digital resources from libraries and providing reference for related research.Through the method of literature research，valuation method of evaluating indexes weight is analyzed，compared and studied that existing domestic libraries.The result showed that the subjective valuation method can make full use of the knowledge and experience from evaluation expert，operation is simple and effective，but the subjective influence factor is also added from experts themselves；objective valuation method is objective，scientific，rigorous，sometimes，it can weaken the connotation and practical significance of the index and accompanied heavy workload，computational complexity，So comprehensive evaluation method is not only the best method，but also the maximum amount of work method，with the application of information technology It will get more development.

〔Key words〕library；digital resources；electronic resources；evaluation；index weigh；evaluation method

隨著信息技術和數字技術的迅速發展和廣泛應用，數字信息已經成為人們利用的主要信息類型，數字資源也隨之成為圖書館館藏建設的重點資源，有關圖書館數字資源評價的研究也成為業界的研究熱點。在CNKI中，以“主題”為檢索途徑、以“（評價OR評估）AND（數字資源 OR 電子資源）AND 圖書館”為檢索式進行檢索，共有674條檢索結果；如果檢索式改為：“（評價OR評估）AND（數字資源 OR 電子資源）AND 圖書館 AND 體系”，則檢索結果為265條記錄（檢索時間都是2016512）?？梢?，國內已經有大量關于圖書館數字資源評價的研究，并且，其中近40%為評價體系的研究。由于圖書館數字資源評價涉及多個指標，當評價指標體系確定后，各指標的權重賦值問題，就成為評價的核心工作。指標權重作為不同指標在評價時重要程度的反映，其賦值是否合理，直接影響著評價結果的科學性和準確性，對綜合評價的結果和質量起著決定性的作用。本文對國內圖書館數字資源評價研究中指標權重的賦值方法進行研究，分析各方法的優劣，為相關的評價工作提供參考。

1圖書館數字資源評價指標權重常用的賦值方法

圖書館數字資源評價體系是多項指標構成的綜合評價體系。對于評價體系各指標的權重，不同研究者的賦值方法可能不同，但大致可以歸納為3類[2]：第一類是主觀賦權法，如德爾菲、層次分析法；第二類是客觀賦權法，如網絡分析法、主成分分析法、神經網絡法；第三類是主觀和客觀相結合的綜合賦權法，如層次分析法和擬熵權相結合的方法；每類都有多種賦值方法。目前，國內圖書館數字資源評價指標權重的賦值方法主要有：

11德爾菲法

德爾菲法（Delphi法），也叫專家評判法，就是選擇若干位專家組成評判小組，各專家對評價指標獨立給出一套權重，形成一個評判矩陣，然后對各專家給出的權重進行綜合處理得出綜合權重的方法[3]。根據專家組的構成情況，對專家評判矩陣的處理可以采用簡單平均法，也可以采用加權平均法。

簡單平均法是根據各位專家對某項評價指標所賦予的相對重要性系數，求其算術平均值作為該項指標的權重。而加權平均法則是考慮不同專家的影響力不同，相應地給每位專家不同的權重，把每位專家的對某個指標的估計值乘以專家的權重，然后相加獲得總分，最后把總分除以專家權重的和，其結果就是該指標的最后權重。

德爾菲法充分利用了相關評判專家的知識、智慧、經驗等無法數量化的、帶有很大模糊性的個人知識和技能，指標權重的賦值過程中，帶有濃厚的主觀色彩。這種賦值方法原理簡單明了、操作容易、計算量小、直觀性強。但沒有完整的理論基礎，也沒有考慮指標間的交互性，使得指標的權重缺乏系統性；同時，權重受評價專家主觀因素影響較大，不能形成具有說服力且穩定的一套權重，有時難以保證評價結果的客觀性和準確性[4]。因此，選擇合適的評價專家組，是確保利用德爾菲法獲得客觀、準確權重的關鍵，一般應盡可能選擇那些對評價指標比較熟悉，并且具有豐富實踐經驗的專家。

實際研究中，人們往往靈活運用德爾菲法。如浮肖肖[5]在研究高校圖書館數字資源績效評估時，首先邀請了一批專家（主要為從事圖書館數字資源服務的工作人員），對各評價指標的重要程度打分；然后將專家的打分進行匯總，并做成圖表進行對比，將對比結果反饋給專家，專家根據匯總結果再次對各個指標重要程度進行打分；經過3、4次如此的匯總、反饋，最終確定各指標權重。這種通過權重圖表的反復對比，不斷修改指標權重，可提高權重的客觀性和準確性。

而余鵬彥[6]則對傳統德爾菲法的流程進行改正，建立了評價的計算機系統。這樣專家組的成員是由系統根據目標數字資源的特征，從專家庫中篩選出來（這樣可以保證所選擇的專家對擬評價的數字資源清楚、了解）。專家小組既可以針對資源的特點自定義調查因子，形成調查問卷，也可以由系統參照歷史經驗，從模板庫中選擇合適的模板，由模板生成問卷；系統產生的問卷還將附加若干項模型改善因子，以幫助優化和增強問卷的科學性。調查結果由系統進行統計、分析，并反饋給專家。這種使用計算機系統實施數字資源評價的活動，有助于評價流程的規范化，也使得指標權重趨向于客觀、準確。

層次分析法

層次分析法（Analytic Hierarchy Process，AHP），是美國運籌學家托馬斯，薩蒂（TL，Saaty）在20世紀70年代中期提出的一種定性與定量相結合的系統化、層次化的分析方法，它把一個難以完全定量分析的復雜問題表示為有序的遞階層次結構，通過兩兩比較、判斷和計算，使定量與定性因素有機地結合和統一起來，為決策提供定量的依據。

運用層次分析法確定權重的步驟是[8]：

（1）建立層次結構模型。將所研究的問題包含的因素劃分為不同層次，如目標層、準則層、方案層等，構建遞階層次結構模型。用不同形式的框圖表明層次的遞階結構和元素的從屬關系。

（2）構造判斷矩陣。判斷矩陣是層次分析法的核心，判斷矩陣是通過各元素兩兩比較得出來的。一般邀請相關專家組，對同一層次的各元素關于上一層次中某一準則的重要性進行兩兩比較（常用TL，Saaty 提出的“1～9標度法”進行比較）；然后對所有判斷結果平均，建立由均值形成的判斷矩陣。

（3）計算權向量并做一致性檢驗。對于每一個判斷矩陣計算特征向量及對應最大特征根，利用一致性指標、隨機一致性指標和一致性比率做一致性檢驗。若檢驗通過，則特征向量（歸一化后）即為權向量。

若不通過，需重復步驟（2）、（3），直到通過一致性檢驗。

（4）計算組合權向量并做組合一致性檢驗。 計算最下層對目標的組合權向量，并根據公式做組合一致性檢驗，若檢驗通過，則可按照組合權向量表示的結果進行決策，否則需要重新考慮模型或重新構造那些一致性比率較大的判斷矩陣。

層次分析法可以部分彌補德爾菲法的缺陷，能較為全面地匯集評價小組各專家的主觀意見，提高評價結果的客觀性，且所得結果簡單、明確，容易為決策者了解和掌握[9]，是一種行之有效的評價方法，在圖書館數字資源評價研究中得到了廣泛的運用。

如：熊倩[0]在自己的碩士學位論文中利用層次分析法對高校圖書館數字館藏資源評價指標的權重進行賦值。閆樂林等]構建高校圖書館數字資源評價指標體系后，通過走訪多所院校，請52位中級職稱以上的圖書館員和教師，按Saaty 1～9標度理論，對體系逐層判斷分析，構造比較判斷矩陣，計算各指標的權重。李迎迎等[2]由邀請的10位圖書館學研究的專業人員、圖書館學專業教師，運用“1～9標度法”，對各個評價指標權重進行賦值，獲取調研的第一手原始數據。利用平均值法將數據歸一化，利用最大特征值求一、二級指標權重W、W1，通過一二級指標的權重W、W1，求第三層即二級指標的組合權重W2。劉曉霞[3]則邀請10位武漢大學圖書館學、情報學專業的碩士、博士研究生，利用“1～9標度法”對圖書館數字資源評價指標同一層次的各元素關于上一層次中某一準則的重要性進行兩兩比較；然后對所有判斷結果平均，建立由均值形成的判斷矩陣，通過計算各個矩陣的最大特征根和特征向量獲得各矩陣中對應各指標的權重。

當然，利用層次分析法確定權重也存在一定的缺陷。其中的比較、判斷以及結果的計算過程都比較粗糙，不適用于精度較高的問題；從建立層次結構模型到給出判斷矩陣，直到最后得到權重，專家的主觀因素影響很大，這就使得結果難以讓所有的決策者接受。同時，實際問題的復雜性和模糊性，使得使用準確的數量（1，1/9）來描述相對重要性的程度顯得很困難[4]。因此，和德爾菲法一樣，利用層次分析法給指標權重賦值時，評判專家的選擇很重要，已有的研究一般都是選擇圖書館的工作人員或研究人員作為評判專家。

為了降低層次分析法中專家主觀因素的影響，梁冬瑩[4]等對層次分析法進行了改進：通過5人次同行專家對每個指標所給出的樂觀值a、一般值m和悲觀值b以及權重值e=（a+4m+b）/6進行加權平均，得到各級指標的權重估計值。然后根據估計值構造判斷矩陣，先計算單層指標的權重，再對層次間的指標進行總排序，來取代所有指標因素對于總指標的相對權重。這種方法，不僅降低了工作難度，提高了指標權重的精確度和可信度，并且所有數據可以應用Maplab軟件來處理，在實際應用中具有較強的可操作性和有效性。

13網絡分析法

1996年，薩蒂（TL，Saaty）在層次分析法的基礎上提出了網絡分析法（Analytic Network Process ANP）[5]，用以解決內部各要素之間存在著依存與反饋關系的復雜系統的非線性問題[6]。圖書館數字資源評價指標之間存在著明顯的依存與反饋關系，如資源的內容與易用性影響著資源的利用率，而利用率的提高很可能刺激數字資源提供商提高服務質量。因此，網絡分析法適用于圖書館數字資源評價的研究。

蒲筱哥等在確定高校圖書館電子資源服務績效評價體系的基礎上，綜合考慮高校圖書館電子資源績效評價指標體系內部各因素之間相互作用的關系，運用網絡分析法構建了由控制層和網絡層構成的高校圖書館電子資源服務績效評價的網絡結構模型，并通過網絡分析法構建的各層次的判斷矩陣求出相關指標的權重。

蒲筱哥等的研究表明：網絡分析法利用專家經驗和邏輯分析方法與超矩陣的科學數理運算相結合來定量地揭示高校圖書館電子資源績效評價各指標權重的大小，克服了純粹依靠專家咨詢和研究經驗所建立的指標體系的主觀性，從而使評價結果更加客觀和準確；但運用網絡分析法求解各指標的權重，需要解決復雜的超矩陣問題，工作量較大。當然，利用Super Decisions軟件可以使求解復雜的超矩陣過程變得簡單。

14主成分分析法

由于圖書館數字資源價評指標體系涉及的指標（變量）很多，并且指標相互之間存在一定的相關性，為了減少確定指標權重的計算工作量，可以利用指標間的相互依賴關系，把具有錯綜復雜關系的原始變量，轉化為少數幾個富含原始信息的綜合變量（指標），并以對綜合變量的研究代替原始變量的研究。主成分分析法（Principal Component Analysis）是實現這一目標的有效工具。

主成分分析也稱主分量分析，旨在利用降維的思想，把多指標轉化為少數幾個綜合指標（即主成分），其中每個主成分都能夠反映原始變量的大部分信息，且所含信息互不重復[8]。其優點是它確定的權數是基于數據分析而得到的指標之間的內在結構關系，不受主觀因素的影響，得到的綜合指標（主成分）之間彼此相互獨立，從根本上解決了指標間的信息重疊問題，使得分析評價結果具有客觀性和確定性[9]。因子分析中公共因子所反映的變量間的內在聯系，正表現了評價指標對評判對象的相對影響程度，因而可以利用該方法從樣本中直接確定權重[20]。實際研究中，往往利用社會科學統計軟件SPSS的因子分析方法來確定權重。

牛改芳[9]以河南省5所省屬高校的圖書館為樣本，從信息資源建設、信息服務體系、服務人員素質和信息服務效果4個方面，設計和篩選出由12個具體指標組成的圖書館信息服務質量評價指標體系，以相關圖書館的最新數據為基礎資料，運用SPSS115軟件對樣本數據進行主成分分析，得到了河南省5所省屬高校圖書館信息服務質量的主因子和總因子績效指數及排序。

唐瓊[21]在構建數字資源選擇標準時，采用因子分析法進行數據統計和分析，提煉精簡出關聯度最強、最具代表性的選擇標準，在此基礎上遴選適用性得分高于4 分的選擇標準，由此構建具有一定合理性和可操作性的數字資源選擇標準體系。

15神經網絡法

利用神經網絡法對圖書館數字資源進行評價時，需要利用已有的數據預先對構建的神經網絡模型進行訓練，各評價指標的權重在訓練的過程中自動產生，不需要人工的計算。在訓練過程中，神經網絡的自學習、自適應能力和強容錯性[22]，使得各指標權重不斷趨于科學、合理。

神經網絡法作為一種客觀賦值法，摒棄了傳統數字資源評價方法中人為確定或計算單項權重，省去了繁瑣的計算過程，通過訓練好的評價模型可直接得到某種電子資源的評價結果，某種程度上克服了評價中主觀因素的影響，保證了評價的客觀性。目前已有多篇文章采用神經網絡法對圖書館的數字資源進行評價[-28]。主要模型有BP（Back Propagation） 神經網絡和RBF（Radical Basis Function）神經網絡。BP神經網絡應用比較多，并且評價效果良好，但是BP神經網絡收斂速度慢，易陷入局部極小。

尹正梅，張捍東[25]通過研究發現RBF神經網絡在評價的準確度和精度上都高于常用的BP神經網絡，而且評價過程簡單方便，非常適合用于高校圖書館的數字資源評價研究。但是，RBF神經網絡評價模型的調用函數Newrb的工作原理是不斷增加神經元數量的，所以訓練時間相對BP神經網絡要長。

16結構方程模型

結構方程模型（Structural Equation Modeling，SEM），是社會科學研究中的一個非常好的方法[29]，是一種客觀賦值法。它運用數學模式和語言呈現事物間的客觀狀態，將事務的客觀狀態以因果假設的方式加以呈現，然后以量化的資料加以驗證[30]。結構方程模型用以確定指標權重的方法是：先將每個指標的負荷相加，得到一個和值，再用每個指標的負荷除以該和值即為因子或指標的權重。

結構方程模型融合了因素分析和路徑分析，可以對多變量間交互關系進行處理分析[31]。盧揚等[32]在構建高校圖書館數字資源評價指標時，采用結構方程模型LISREL87軟件來計算評價體系中各指標權重的大小，并以江蘇省三江學院圖書館為例進行實證研究；結果表明：采用結構方程模型的評價結果能夠反映圖書館數字資源建設發展的真實水平。

馬飛等[33]從用戶視角提出了影響數字圖書館服務質量的五維度因素測量模型，并構建了高校數字圖書館服務質量的結構方程模型，通過問卷分析對高校數字圖書館的服務質量進行實證研究，結果和實際相符較好。

17熵值法

熵值法，是用來判斷某個指標的離散程度的數學方法[34]。在圖書館數字資源評價指標體系中，如果某個指標的離散程度大（從信息學的角度來說就是該指標提供的信息量大），說明該指標的貢獻較為顯著，應賦予較大的權重；反之，則應賦予較小的權重。熵值賦權法就是根據這個原理，通過分析各指標之間的關聯程度及各指標所提供的信息量，測算各子系統及構成要素指標的權重[35]。

熵值法作為一種客觀賦權法，將指標原始數據的差異大小作為確定權重的依據。通過分析各指標間的聯系程度及指標所提供的信息量來客觀地決定指標的權重，從而可在一定程度上避免主觀因素帶來的偏差[36]。

如對于某項指標x，如果其指標值Xj在不同方案中的差距（離散程度）越大，則x在綜合評價中所起的作用越大；如果Xj在不同方案中全部相等，則x在綜合評價中不起作用[37]。因此，利用熵值法確定指標權重，能夠深刻反映指標信息熵值的效用價值，由它得出的指標權重值比主觀賦權法具有較高的可信度和精確度[38]。但由于熵值法確定權重的具體方法和步驟比較復雜[39]，并且熵值法缺乏各指標之間的橫向比較，各指標的權數隨樣本的變化而變化，權數依賴于樣本，因此在應用上受限制，在圖書館數字資源評價研究中應用也比較少。王小慧，張月琴[39]在對山西省老八所高校的圖書館進行評估時，就是采用熵值法對相關指標的權重進行賦值。

18綜合賦權法

由于單種指標權重賦值方法存在一定的缺陷，為盡可能確保指標權重科學、合理，人們往往綜合利用不同的賦值方法。

文獻[40-42]綜合運用了德爾菲法和層次分析法來確定圖書館數字資源評價指標的權重。這種方法往往先運用德爾菲法，由專家運用打分機制，確定數字資源評價指標體系。然后利用層次分析法，由專家對評價指標進行層次分析、等級劃分，確定一級指標和二級指標。最后，運用德爾菲法和層次分析法，計算出指標權重。這種賦權方法，結合了德爾菲法、層次分析法的優點，將定性與定量分析有機地結合起來，一定程度上避免了確定權重時的主觀片面性。

李迎迎等[43]把層次分析法和擬熵權結合起來確定權重，由層次分析法計算評價指標的主觀權重，編制Matlab程序實現擬熵權計算，確定客觀權重，然后再求表示各個層次指標的重要程度綜合權重。結果表明：層次分析法能夠反映專家的主觀評價，但由于各個專家喜好不同，導致結果具有一定偏差。通過擬熵權調整之后的綜合權重，各個指標之間的權重差距縮小了，其重要性也更加客觀、真實。

梁茹等[35]采用因子分析法對不同高校圖書館數字資源各評價指標分別進行加權合成，提取各類二級指標中具有獨立關系的綜合因子，再根據各公因子的方差貢獻率作為權重；對因子分析之后的4個評價維度的公因子得分進行系統聚類，類與類之間距離的測算選用歐氏距離（Euclidean Distance）。最后再用熵值法為各類評價指標賦予權重，并測算出數字資源綜合服務能力的整體情況。這種方法綜合了因子分析、聚類分析和熵值法，減少了評價過程中的主觀因素，增強了評價結果的可靠性。

結束語

除了前面介紹的方法外，圖書館數字資源評價研究中還有少數其它的指標權重賦值方法，如賀秀英等[44]應用三角模糊數（Triangular Fuzzy Number）的概念來確定評價指標的權重。由于這種賦值方法很少應用，并且限于篇幅，這里不再詳述。另外，已有研究中，鮮有關于不同賦值方法優劣比較的專門研究，僅發現馬曉英[45]在自己的研究中，利用Matlab，通過結合實例研究表明：擬熵賦權法優于專家賦權法和熵值賦權法。

總之，在圖書館數字資源的評價研究中，評價指標權重的賦值法很多。德爾菲法是最簡單、比較常用的方法，而層次分析法是使用得最多的方法。這兩種方法的優點是：專家可根據不同數字資源的特性，較為合理地確定各指標的權重，并且操作簡單、方便，不受各指標數據量的限制。但作為主觀賦權法，存在因評價專家偏好不同，指標權重有時會有較大差異的缺陷。

客觀賦權法不受人的主觀因素影響，指標權重賦值的根據來源于各指標的客觀數據，采用嚴謹的數學、統計方法，計算結果科學性強、精確性高；但客觀賦權法沒有聯系實際，僅僅依賴數據，有時會弱化指標的內涵及其現實意義。同時，收集數據的工作量太大，計算復雜。當然，隨著計算機技術在圖書館評價工作的應用，計算工作將不再成為問題。

將主觀賦值法和客觀賦值法相結合的綜合賦值法，既充分利用了評價專家的知識和經驗，又有客觀的數據為基礎，能夠保證指標權重符合客觀實際，同時又有很強的科學性和說服力，是最好的賦值方法，當然也是工作量最大的方法。隨著評價工作的程序化和智能化，綜合賦值法將得到更多的應用。

參考文獻

李珂.發展循環經濟理論、政策與實踐研究：以甘肅省為視角[M].北京：中國政法大學出版社，2013：107.

[2]王黎.水環境風險監測與應急響應技術[M].北京：中國環境出版社，2014：16-18.

[3]王春波，張紅.房地產企業集團績效評價[M].北京：清華大學出版社，2013：195.

[4]高建山.高校圖書館網站評價方法及其應用研究[M].杭州：浙江大學出版社，2012：60.

[5]浮肖肖.基于成本收益法的高校圖書館數字資源績效評估[J].科技情報開發與經濟，2015，25（2）：55-56，58.

[6]余鵬彥.基于德爾菲法的數字資源評價系統的研究與設計[J].圖書館建設，2009，（6）：15-17.

鐘建法.高校圖書館信息資源采訪[M].廣州：世界圖書出版公司廣東有限公司，2014：242.

[8]劉會新.新時期民營企業勞動關系調節機制研究[M].天津：南開大學出版社，2014：90-91.

[9]層次分析法優缺點[EB/OL].http：∥wenku.baidu.com/view/95b91077f46527d3240ce05d.html，2016-05-25.

[0]熊倩.高校圖書館數字館藏資源評價指標體系研究[D].哈爾濱：黑龍江大學，2015.

]閆樂林，亓萊濱，馮希葉.高校圖書館數字資源評價指標體系初探[J].情報雜志，2009，28（9）：97-101.

[2]李迎迎，王娟，鄭春厚.高校圖書館數字資源服務評價指標體系構建[J].情報雜志，2014，33（3）：192-197，142.

[3]劉曉霞.基于AHP的數字資源用戶綜合評價指標體系研究[J].情報科學，2008，26（10）：1526-1530.

[4]梁冬瑩，周慶梅，王克奇.基于層次分析法的數字資源服務績效評價體系構建[J].情報科學，2013，31（1）：78-81，128.

[5]Saaty TL..Decision Making with Dependence and Feedback[M].RWS Publication，Pitttsburgh，PA 1996：5-8.

[6]Saaty TL..Decision making with the analytic hierarchy process[J].ntJServices Sciences，2008，1（1）：83-98.

蒲筱哥，喬亞銘，胡亞敏.基于網絡分析法的高校圖書館電子資源服務績效評價模型及實證研究[J].大學圖書館學報，2014，（4）：41-49.

[8]主成分分析法[EB/OL].http：∥baike.baidu.com/link？url=t-cecwwMv3V4-o73Rk3imwJ-Ab-whV-8rDpqWnGeEzyve Ybk7Oq5mloxdqXrr1DRNNhhciwacgbN3FeZsCCEq，2016-05-25.

[9]牛改芳.基于主成分分析法的圖書館信息服務質量研究[J].情報雜志，2008，（7）：87-89.

[20]王春波，張紅.房地產企業集團績效評價[M].北京：清華大學出版社，2013：199.

[21]唐瓊.采用因子分析法構建數字資源選擇標準體系[J].大學圖書館學報，2011，（2）：56-63.

[22]杜棟，龐慶華.現代綜合評價方法與案例精選[M].北京：清華大學出版社，2005：87.

周慶梅，王克奇.圖書館數字資源服務績效模糊神經網絡評價研究[J].情報科學，2015，33（2）：41-45.

[24]賈潔，彭奇志.基于BP神經網絡的圖書館電子資源質量評價研究[J].圖書情報工作，2010，54（21）：84-87，79.

[25]尹正梅，張捍東.基于RBF神經網絡的高校圖書館電子資源評價研究[J].情報探索，2016，（1）：38-41.

[26]李維云，劉亞茹.基于FBP神經網絡的圖書館數字資源建設與服務評價體系[J].科技情報開發與經濟，2007，17（11）：30-31.

[27]朱世偉，鞠鎂隆，于俊鳳，等.基于模糊神經網絡的數字資源服務績效評價研究[J].山東科學，2013，26（6）：51-56.

[28]孫達辰，付佳，宋欣.基于Elman神經網絡的圖書館電子資源借閱服務評價模型構建[J].情報探索，2012，（7）：18-19.

[29]結構方程模型[EB/OL].http：∥baike.baidu.com/link？url=fQOXBKv0yT4Ts1CA-s8CtQqjnqDHvx1GdXfnLZEZ2rIq2g-CKWujZgYDPqg37ftt8if4q6XMFVoaL0M56eM4gC0PBqeyXdBGDZJzks-4WTIm，2016-05-25.

[30]黃方銘.結構方程模式理論與應用[M].北京：中國稅務出版社，2005：32-33.

[31]盧揚，田紅梅，任延安.基于結構方程的高校圖書館數字資源評價實證研究[J].圖書情報工作，2015，55（S1）：88-90.

[32]盧揚，田紅梅，羅凌云，等.基于E-Metrics的高校圖書館數字資源評價指標的構建[J].大學圖書情報學刊，2015，33（6）：32-37.

[33]馬飛，李毅斌，曹媛媛，等.基于結構方程模型的高校數字圖書館服務質量研究[J].圖書館理論與實踐，2013，（7）：78-81.

[34]熵值法[EB/OL].http：∥baike.baidu.com/link？url=VEf6AV5 QBro6y7YrFuIw7xDDCskmx0TovFpHWx1dFQk4RDhI-ZDp7e963BY qpeJzQwU6RmDcIcI3m8FTkLxgn，2016-05-25.

[35]梁茹，李建霞，劉穎，等.高校圖書館數字資源綜合服務能力評價[J].大學圖書館學報，2015，（2）：38-46.

[36]吳潔著.高校知識轉移的機理及效率研究[M].上海：上海大學出版社，2013：90.

[37]熵值法的原理及實例講解[EB/OL].http：∥www.wendangxiazai.com/b-2c70a61c0b4e767f5acfce4d.html，2016-05-30.

[38]熵值法[EB/OL].http：∥www.wendangxiazai.com/b-06f7590602768e9950e7386a-20.html，2016-05-30.

[39]王小慧，張月琴.基于熵值法的圖書館績效評價[J].科學之友，2013，（7）：60-61.

[40]朱雷，孫振球，劉莉.基于遞階層次BCS模型的高校數字資源綜合評價體系指標及權重設計[J].圖書情報工作，2008，52（7）：113-116.

[41]趙配影，王雅娟，熊軍潔.天津市高校數字圖書館聯盟信息服務質量評價指標體系研究[J].農業圖書情報學刊，2013，25（4）：150-152.

[42]張杰.數字資源綜合價值評價方法研究[J].情報科學，2013，31（10）：22-26，56.

[43]李迎迎，王煥景，鄭春厚.高校圖書館數字資源服務的擬熵權模糊綜合評價[J].圖書館論壇，2014，（5）：71-78.

[44]賀秀英，王曉文，呼翠俠.基于模糊語義法的高校圖書館電子資源績效評價研究[J].情報理論與實踐，2016，39（2）：113-115.

[45]馬曉英.圖書館數字化資源安全評估方法研究[J].圖書情報工作，2011，55（1）：70-74.

（本文責任編輯：孫國雷）

（上接第67頁）

[3]Koprinska I，Poon J，Clark J，et al.Learning to classify e-mail[J].Informationences，2007，177（10）：2167-2187.

[4]Guzella T S，Caminhas W M.A review of machine learning approaches to Spam filtering[J].Expert Systems with Applications，2009，36（7）：10206-10222.

[5]Li Y，Fang B，Guo L，et al.Research of a Novel Anti-Spam Technique Based on Users Feedback and Improved Naive Bayesian Approach[C].nullIEEE Computer Society，2006：86-86.

[6]Sakkis G，Androutsopoulos I，Paliouras G，et al.A Memory-Based Approach to Anti-Spam Filtering for Mailing Lists[J].Information Retrieval，2003，6（1）：49-73.

Elssied N O F，Ibrahim O，Osman A H.Enhancement of spam detection mechanism based on hybrid＼varvec{k}-mean clustering and support vector machine[J].Soft Computing，2014：1-12.

[8]孟美任，丁晟春.虛假商品評論信息發布者行為動機分析[J].情報科學，2013，31（10）：100-104.

[9]Mukherjee A，Liu B，Glance N.Spotting fake reviewer groups in consumer reviews[C].Proceedings of the 21st international conference on World Wide Web：ACM，2012.

[0]Bouguessa M.An unsupervised approach for identifying spammers in social networks[C]∥Tools with Artificial Intelligence（ICTAI），2011 23rd IEEE International Conference on.IEEE，2011：832-840.

]Jiang B，Chen B.Detecting Product Review Spammers using Activity Model[C].2013 International Conference on Advanced Computer Science and Electronics Information（ICACSEI 2013）.Atlantis Press，2013.

[2]Hinton G E，Osindero S，Teh Y W.A fast learning algorithm for deep belief nets[J].Neural computation，2006，18（7）：1527-1554.

[3]Lee S，Choeh J Y.Predicting the helpfulness of online reviews using multilayer perceptron neural networks[J].Expert Systems with Applications，2014，41（6）：3041-3046.

[4]Zhao Z，Xu S，Kang B H，et al.Investigation of Multilayer Perceptron and Class Imbalance Problems for Credit Rating[J].International Journal of Law & Information Technology，2014，3（4）：805-812.

[5]Leng B，Zhang X，Yao M，et al.A 3D model recognition mechanism based on deep Boltzmann machines[J].Neurocomputing，2015，151：593-602.

[6]Wang X Y，Yang H Y，Li D M.A new content-based image retrieval technique using color and texture information[J].Computers & Electrical Engineering，2013.