“數智化”環境下圖書館數字學術個性化服務研究

摘要：隨著網絡技術、數字技術的迅猛發展，數字智慧與智慧數字的深度結合必將形成人機融合的新生態，即“數智化”新時代。圖書館數字學術個性化服務平臺以文獻數據庫為基礎，實現海量數字資源的深度挖掘、提取和過濾，向用戶推薦高價值信息資源，實現信息獲取的目的性，強調資源發現的高效性，以提高圖書館“數智化”時代的創新服務水平。

關鍵詞：圖書館；“數智化”；數字學術；個性化服務

中圖分類號：G258.6文獻標識碼：A文章編號：1003-1588（2023）09-0080-04

1背景

“數智化”是對“數字智商”的闡釋，是數字智慧化與智慧數字化的合成。隨著數字化、信息化時代的到來，“數智化”技術成為社會技術發展的主要力量，同時也對圖書館數字化、智慧化發展提出了新的要求和挑戰，進一步加快了圖書館創新服務的進程[1]。

圖書館研究型用戶的研究方向與學術資源信息獲取較穩定，信息資源搜索的針對性和目的性強?！皵抵腔睍r代科研用戶的個性化需求越來越強烈，在此背景下，數據整合和個性化處理成為圖書館服務的新趨勢。數字學術個性化服務是“數智化”時代圖書館信息資源服務的一種主要方式，即圖書館根據科研用戶需求，利用大數據、人工智能等技術構建數字學術個性化服務平臺，全方位提供資源整合、數據處理及信息共享等服務。

2圖書館數字學術個性化服務背景和意義

在學科多元化和融合性不斷發展的背景下，圖書館要順應信息化發展趨勢，突破傳統信息服務方式，為科研用戶提供精準、高效的信息服務，基于此，圖書館數字學術個性化服務應運而生[2]。

2.1數字學術個性化服務背景

2.1.1多媒體信息承載方式多樣化。隨著多媒體信息技術的飛速發展，移動數字圖書館逐漸成為圖書館為用戶提供信息服務的重要方式?！皵抵腔睍r代，海量數據為用戶提供信息便利的同時，也帶來了“信息超載”“信息迷航”等問題。因此，如何通過信息技術最大限度地利用信息資源，并以多媒體技術為介質為廣大用戶提供高效、精準的信息服務成為當前圖書館亟待解決的問題。

2.1.2多學科融合性要求突出。隨著學科融合交叉的不斷增強，科研用戶的信息需求呈現多樣化、精準化趨勢。為滿足科研用戶新穎化、多元化及精準化的信息要求，圖書館要以傳統文獻信息資源為基礎進行學科多樣化融合，加速構建數字學術個性化平臺，為科研用戶提供適時、精準的科研信息。這種服務模式既是傳統學科交叉模式的升級，也是學科融合的一種重要表現方式。

2.1.3用戶需求促進信息服務模式改變。受年齡、研究方向、知識體系等諸多因素影響，科研用戶對信息選擇的方式和認知不同，對信息的精細化分類以及精準個性化匹配的要求也日益明顯，從而促進了信息服務模式的個性化發展[3]。

2.2數字學術個性化服務意義

2.2.1有利于圖書館資源的充分利用。隨著信息技術的發展，圖書館不斷優化電子資源配置，將電子資源和紙質資源相結合，滿足了科研用戶的多方位需求，但在數字學術資源獲取方面還存在信息滯后、搜索引擎精準度不夠以及檢索方式欠缺快捷性等問題。在這種情況下，圖書館開展數字學術信息資源整合、提供個性化數字信息服務能夠極大滿足科研用戶的信息需求，使科研服務呈現信息化、智能化和個性化特征。

2.2.2有利于圖書館信息服務創新發展。在“數智化”時代，高效率的信息傳遞與服務需求對圖書館的學術科研服務提出了更高的要求。圖書館以電子資源為依托開展數字學術個性化服務，不僅能夠促進科研用戶對圖書館資源的最大化利用，使其更加方便快捷地獲取所需的信息資源，還能加速圖書館多學科服務融合的進程，將數字信息處理算法應用于多學科信息中，以創新圖書館信息服務方式，拓展圖書館信息服務范圍，提升圖書館信息服務能力。

2.2.3有利于體現“以人為本”理念。圖書館以“數智化”環境提供的數字資源為依托，完善科研用戶信息標簽體系，建立用戶畫像模型，通過歸納分類為科研用戶個體提供智能化精準信息。圖書館利用行為分析方法和智能算法能夠度量和預知科研用戶行為，并根據科研用戶行為進行信息推送，針對不同的科研用戶個體提供有效的個性化知識服務，一方面能夠高效準確地滿足科研用戶的信息需求，提升圖書館的信息服務價值；另一方面能夠根據科研用戶實際需求合理規劃資源配置，提升館藏資源利用率。

2.2.4有利于提升管理水平。圖書館的數字學術個性化服務受到科研用戶的關注和認可，如何最大限度地利用數字資源是圖書館員面臨的一個重要課題。數字學術個性化服務既是圖書館資源整合和共享理念的現實體現，也是圖書館多元化管理手段的重要表現，多元化管理是數字信息技術和管理技術相結合的一種管理方法，圖書館通過多元化管理電子信息資源和網絡資源，從而實現信息資源虛擬化和個性化檢索功能，有利于圖書館數字服務系統的統一管理。

3圖書館數字學術個性化服務國內外研究現狀

數字學術個性化服務本質上是基于數字信息技術構建的一個聚合數據資源、數據工具、數據服務的智能個性化知識共享平臺，是智慧圖書館創新服務的重要舉措。以數字資源為基礎的學術個性化服務可以將圖書館的信息資源與研究人員群體的數字環境進行有機結合，在數據密集環境中進行二次或多次數據加工、分析及管理，把信息服務融合到科研用戶的科研、教學過程。

3.1國外研究

1979年美國著名學者舒曼提出“圖書館和信息提供者應該提供契合個人需求的新服務”的觀點[4]，成為國外個性化信息服務的開端。1990年，美國制定《信息服務和信息用戶：信息提供者指南》，開始進行圖書館信息基礎建設，并慢慢發展成為個性化服務體系，如：1998年華盛頓大學圖書館推出圖書館個性化服務平臺，服務內容包括定制服務、信息推送服務和資源鏈接等[5]；康奈爾大學圖書館推出MyLibrary@cornell系統，提供定制服務、推送服務和參考咨詢服務等個性化服務；北卡羅來納州立大學圖書館研發MyLibrary@NCState系統，其個性化服務內容包括學科館員服務和信息資源定制服務等[6]。圖書館的個性化信息服務不僅使用戶的搜索更簡便，而且很大程度提高了信息獲取的效率和精準度[7]。

3.2國內研究

我國圖書館的傳統服務方式多以固定模式為用戶提供信息服務，服務方式單一，針對性不強。1999年，我國圖書館界首次提出個性化服務模式，將用戶個體需求與圖書館數字館藏資源相結合，建立圖書館服務新模式[8]。在“數智化”時代背景下，數字網絡迅速發展，數字信息交流日益頻繁，數字個性化服務成為圖書館服務拓展的新方向，圖書館要在了解科研用戶信息需求、興趣和習慣的基礎上，組織、分析、整合數字資源，為科研用戶的項目研究和信息檢索提供個性化、差異化數字信息服務。但是，由于我國圖書館個性化服務起步晚，硬件和軟件設施不完善，同時相關研究不夠深入，給圖書館的個性化信息服務推廣帶來較大困難[9]。

4圖書館數字學術個性化服務研究的關鍵技術

4.1用戶行為分析技術

用戶行為分析是圖書館以信息服務系統中的多元化用戶數據為基礎，分析用戶需求的相通性，并對相關數據進行知識交叉融合分析，建立關聯數據模型，預測用戶行為，其本質是對用戶屬性及訪問數據的行為分析[10]。圖書館的數據可分為基礎數據和分析數據兩部分，其中基礎數據是指圖書館的硬件設備、服務項目、用戶研究領域、用戶訪問習慣等數據；分析數據是以基礎數據為基礎構建用戶模型，挖掘用戶興趣點，有效提高信息推薦的準確度。圖書館可利用Scibe、Flume等工具進行全方位數據采集、存儲，并對采集到的數據進行信息類比、分析和加工，針對不同類型科研用戶的個性化需求進行詳細分類，從而更加科學合理地為其匹配學術資源。圖書館數字學術個性化服務平臺是建立在深入了解科研用戶信息的基礎上，并對使用數字圖書館的科研用戶行為進行深入分析，獲得系統所需的必要信息源后所建立的個性化信息服務體系。

4.2語義向量知識圖譜構建技術

知識圖譜通過圖譜形象直觀地展示學科的發展趨勢和前沿技術，旨在描述實體世界的關系，其作為“數智化”時代的知識表示方法，被廣泛應用于各學科領域。圖書館數字學術個性化服務平臺從多個異構數據源中抽取實體、關系及屬性等知識要素，組織成三元組形式，再通過知識融合算法將三元組融合成統一的學術知識圖譜；運用基于語義向量的知識圖譜表示學習模型TransH，該模型充分利用語料庫文本描述以及知識圖譜上下文構建實體語義向量和關系語義向量，以此深度擴展知識圖譜的語義結構，從語義角度將知識圖譜中實體間的復雜關系轉化為精確的簡單關系。

4.3信息資源深度挖掘技術

圖書館采集用戶信息的同時會帶入一定量的噪聲數據，需要使用數據深度挖掘技術將其中的噪聲數據排除，因此信息資源挖掘是圖書館數字學術個性化推薦系統的重點環節[11]。在“數智化”環境下，圖書館基于海量數據引入語義向量化技術、用戶畫像構建技術、空間信息技術等，并根據科研用戶需求、檢索記錄及其他異構特征，利用關聯規則、過濾算法等將龐大的數據源按照規則分解成多個具有針對性的小數據庫[12]，通過數據建模算法深入分析科研用戶需求，建立完善的科研用戶專屬數據庫，這些數據庫容量小、分類細致，可以很好地保護科研用戶的隱私信息。

4.4個性化推送技術

圖書館數字學術個性化服務研究要以信息資源深度挖掘技術為基礎，建立科研用戶個性化推薦系統模型，為圖書館提供數據資源支撐，最大限度地提升圖書館創新服務功能及滿意度。隨著深度學習算法的廣泛應用，基于神經網絡的推薦算法在一定程度上解決了個性推薦系統的關鍵性問題[13]，如：針對個性推薦系統中的數據稀疏問題，應用Bhattacharyya系數實現概率分布角度的計算問題；針對科研用戶評分預測的誤差問題，采用情境感知的混合神經網絡推薦算法緩解推薦系統的冷啟動問題。

傳統圖書館推薦系統無法精確獲取科研用戶的行為變化，且科研用戶行為存在不確定性，短期和長期受影響的因素也不同。鑒于以上問題，圖書館可基于神經網絡的推薦算法運用序列推薦模型，通過對科研用戶的交互序列獲取科研用戶行為的變化曲線，為推薦系統提供可靠的數據信息。時間卷積網絡不依賴過去的隱匿狀態，對序列進行并行計算，因而在預測精準度和學習效率方面具有優勢，基于神經網絡的推薦算法將時間卷積網絡引入科研用戶短期內序列建模，能夠提高推薦系統的效率和精準度。此外，基于用戶畫像的混合神經網絡推薦模型利用混合神經網絡推薦將科研用戶和交互過程以動態的序列關系建模，同時結合科研用戶畫像技術構建具體用戶模型，能夠有效利用數據信息，挖掘科研用戶興趣點，提高信息推薦的精準度。

5結語

綜上所述，圖書館數字學術個性化服務是順應“數智化”發展，提供數字學術研究支持和服務創新的一種新型智慧圖書館服務模式。圖書館構建數字學術個性化服務平臺既能將現有數字信息資源進行全面精細化組合，為科研用戶提供全方位、多視角的信息獲取途徑，又能將人工智能算法與數字學術服務相結合，為科研用戶提供形式多樣、精準優質的資源推薦服務，有利于促進圖書館“數智化”進程，助力學界學術研究水平的提高。

參考文獻：

[1]黃燕娟.“數智”賦能下公共圖書館空間建設新動向：IFLA2021年度公共圖書館獎研究與啟示[J].圖書館學研究，2021（23）：20-26.

[2]黃義文.大數據環境下圖書館學術資源個性化推薦服務研究[J].圖書館學刊，2016（7）：78-80.

[3]盧萍.高校圖書館在學術科研中的個性化服務[J].桂林師范高等?？茖W校學報，2011（1）：155-157.

[4]宋玲玲.大數據時代圖書館數字學術中心服務探析：以北美高校圖書館為例[J].圖書館理論與實踐，2018（8）：92-97.

[5]曹淼，肖希明.美國圖書館政策的發展歷程、制定與實施[J].國家圖書館學刊，2012（1）：9-14.

[6]郭平.國外高校數字圖書館個性化信息服務的發展與思考[J].現代情報，2009（9）：98-100.

[7]韓郁光.國內外圖書館個性化信息服務研究現狀[J].河南圖書館學刊，2013（3）：91-92.

[8]張玉琢.高校圖書館個性化定制服務管理模式與機制研究[J].河南圖書館學刊，2017（2）：132-133.

[9]孫紅鶯，徐賢得.高校圖書館嵌入式數字學術的構建與服務模式研究[J].圖書館理論與實踐，2022（1）：91-98.

[10]史葉明.基于大數據背景下的公共圖書館用戶行為分析與應用[J].新世紀圖書館，2016（10）：67-70.

[11]莫怡丹.小數據思維驅動下圖書館學術資源的個性化推薦服務探討[J].中國中醫藥圖書情報雜志，2020（2）：22-25.

[12]張立濱.協同過濾技術在高校圖書館學術資源個性化推薦服務中的應用研究[J].河北科技圖苑，2017（4）：83-86.

[13]李帥，紀希禹.移動數字圖書館個性化學術信息服務體系研究[J].情報探索，2017（9）：83-86.

（編校：徐黎娟）

收稿日期：2023-08-02

作者簡介：劉燕（1980—），鄭州大學圖書館副研究館員。

* 本文系2022年度河南省社科聯調研課題“數智驅動的圖書館服務模式創新研究”的階段性研究成果之一，課題編號：SKL-2022-1664。