基于語義網技術的高校圖書館個性化知識服務研究

趙小榮+何勝+錢進+柳益君+錢秀芳

摘 要 論文提出了一種基于語義網技術的高校圖書館個性化知識服務。該方法首先通過語義網技術和數據挖掘技術對高校多部門的數據資源進行整合；然后根據用戶的相關信息構建出用戶的個人興趣模型；最后使得用戶可以快捷、高效、準確地獲取資源。

關鍵詞 大數據 高校圖書館 語義網技術

分類號 G250.76

DOI 10.16810/j.cnki.1672-514X.2017.11.012

Research on the Individualized Knowledge Service of University Libraries Based on Semantic Web Technology

Zhao Xiaorong， He sheng， Qian jin， Liu yijun， Qian xiufang

Abstract This paper proposes an individualized knowledge service of university libraries based on Semantic Web. Firstly， the digital resources of multiple departments of university will be integrated by the semantic network and data mining technology. Secondly， the users personal interest model will be build based on the user information. Finally， the users can get access to services quickly， efficiently and accurately.

Keywords Big data.University library. Semantic Web technology.

隨著大數據時代到來，圖書館服務系統基礎設施結構和用戶服務模式在發生變化的同時，大數據也在重構了圖書館對用戶閱讀需求發現、服務資源整合、服務提供和服務質量 （Quality of Service， QoS）保證的過程和方法[1]。當前高校圖書館中應充分地利用大數據技術對豐富的館藏資源進行分析挖掘，從而更好的為用戶開展個性化服務。高校圖書館個性化推薦應該是以用戶的個人背景、專業領域、興趣和習慣等個性化信息為依據，通過對用戶的個性化信息分析與挖掘，最終為每個用戶快速定制個性化的推薦服務[2-5]。在圖書館的知識服務中，個性化推薦是圖書館知識服務的重要組成部分，也是關鍵的應用領域。個性化服務最直接的體現就是“以用戶為中心”的學科服務，圖書館根據用戶的查詢和登錄來定位用戶的研究領域、科研項目以及用戶的個性與習慣進而來對現有館藏等知識資源的組織、分析與推送而實現向用戶提供個性化服務。

1 高校圖書館個性化知識服務研究進展及挑戰

1.1 圖書館個性化知識服務的研究進展

圖書館個性化推薦服務的核心任務是如何通過深度挖掘用戶興趣和偏好信息，并把挖掘所獲得的信息與館藏資源信息關聯起來，最終能夠準確，高效地把用戶所感興趣的資源信息推送給用戶。圖書館個性化推薦最終需要實現兩個方面的目的：一方面，圖書館個性化推薦可以很好地幫助用戶發現對自己有價值的館藏資源，讓用戶更加容易的獲取有用資源；另一方面，圖書館個性化推薦應該讓館藏資源最大程度地展現在有需求或有潛在需求的用戶面前，從而讓館藏資源得到合理、高效的利用[6]。

國內目前的研究主題主要集中在服務模式、信息資源建設、用戶興趣建模、服務方式、服務技術等方面，并始終以高校圖書館為主要載體[7]。

本文通過對我國知名高校圖書館網站的調查來了解目前高校圖書館個性化推薦的應用現狀，調查結果如表1所示[8]：

從表1中可以看出，目前我國高校關于圖書館內圖書推薦方面的應用還比較欠缺，除了南京大學以外的5所大學的推薦系統都屬于“非個性化推薦系統”，且該系統是一種初級的個性化推薦。雖然部分高校也推出了相關的個性化服務，但推送內容僅限于把該領域的所有書籍或文獻全部提交給用戶，沒有對所推薦信息進行“二次加工”。

2000—2002年主要注重個性化服務理念推廣、國外研究成果的吸收以及圖書館的數字化；2003—2006年出現了大量的新研究方向，逐步形成核心研究主題；2007—2012年逐步關注用戶興趣建模、技術實現，不斷豐富服務方式，提高服務精準性、語義性和交互性[7]。

1.2 圖書館個性化知識服務面臨的挑戰

數字圖書館是對傳統圖書館資源進行了數字化，相對于傳統圖書館的資源獲取更加容易。目前，圖書館已經進入大數據時代，圖書館大數據產生了海量的半結構化、非結構化數據，這些在組成結構、類型格式、存在形態上各具特點。圖書館大數據環境呈現出“4V+1C”的特點[9-10]。具體表現為：（1）Variety，數據各類繁多，包括結構化、半結構化和非結構化等多類型數據；（2）Volume，具有龐大數據量，且每年以60%的速度遞增的特點；（3）Velocity，數據的快速處理，數據的處理與分析具有較強的實時性要求；（4）Value，數據的高價值；（5）Complexity，大數據處理難度、用戶興趣捕捉難度和領域專家定位難度較大。

面對上述所述的結構、類型格式、形態各異的海量數據，高校圖書館個性化服務所面臨的挑戰主要表現在以下幾個方面：（1）對于關聯度較低的各類數據，如何使其差異性和異構性在發現平臺進行無縫連接、統一檢索。（2）為了更好的服務用戶，圖書館在進行個性化推薦時必須建立用戶興趣模型。高校圖書館在整合現有資源的同時，還需要有效整合學校相關部門的數據資源。如果僅僅是把這些數據簡單地堆砌在一起，用戶很難進行有效的知識發現并得到有價值的信息。（3） 這些海量的數據如何有效存儲以及如何為用戶提供高速訪問也在挑戰著傳統的存儲方式。endprint

2 高校圖書館個性化知識服務應用模式

高校圖書館雖然有著豐富的圖書、現刊、中外文文獻和碩博論文等資源，但廣大的師生卻沒有能從中獲得更好的服務。因此，圖書館個性化服務首先需要準確地實現對用戶的定位，然后才是對用戶信息需求進行分析與研究，最后才能有針對性地對用戶進行個性化服務。

2.1 高校圖書館數字資源及其整合

高校圖書館數字資源涵蓋了中外科技期刊全文期刊、碩博論文、會議論文和書刊等門類齊全的數據庫，其結構見圖1。對于這些數據庫，若從提高資源利用角度來說，其數據的活力與價值就在于數據交換中的各類數據的聯動[11]。

為了更好的服務于師生，高校圖書館還必須整合高校各級部門數據，如科研部門、教務部門和學工部門，然后對數據庫進行關聯數據挖掘和聚合。聚合主要包括三個層次：結構層次、信息層次和語義層次。（1） 結構層次上的聚合，主要目的是為了降低資源之間的結構上的異構性[12]。（2） 信息層次上的聚合，主要目的是將具有相互關系的信息形成一個有機統一體[12]。（3） 語義層次上的聚合，主要目的是實現數據的融合并產生新的數據信息供用戶使用。

由于高校各部門的數據資源具有較強的異構性，因此，構建基于高校圖書館的大數據挖掘與分析決策體系，需要對各部門中各類數據進行采集、抽取、清洗、關聯、分析，發掘出數據的潛在價值，為高校圖書館的發展提供夯實的分析決策驅動模型，并為高校及圖書館的管理者提供決策與分析基礎[11]。

語義網技術能很好地解決數字資源的語義描述問題，從而實現數字資源之間的整合、集成和語義關聯[13]。語義網技術在圖書館個性化服務系統中的應用主要體現在三個方面：語義描述標準、本體的構建和關聯數據的產生。對數據信息的準確分類、語義關系和領域本體構建是語義網質量的關鍵。圖書館還可以通過引入知識評價，將用戶需要的、高質量的資源進行過濾和排序并推送給用戶，使得用戶能夠獲取更好的服務。

2.2 高校圖書館個性化知識服務模塊整體框架

本文所提出的個性化模塊主要是由四部分組成：（1） 數據資源層。數據資源層分為系統數據庫和網格節點集合兩部分。系統數據庫是由高校數字圖書館通過提取和聚合而形成的，高校數字圖書館是由包括圖書館內圖書信息庫、期刊信息庫、學生成績庫、教師信息庫等構成。系統數據庫是為后面的兩個層（語義網格平臺層和個性化推薦層）提供信息服務。網絡節點集合層對底層信息資源進行建設，同時將提供的服務注冊到語義網平臺。（2） 語義網格平臺。該層包括網格平臺的安全管理、網格監控與維護、網格智能管理等。語義網格平臺是使用RDF（Resource Description Framework）來進行標準化信息描述（參照元數據標準），并實現數據的采集和語義注釋組件等，為個性化推薦層提供支持，并根據用戶反饋進行系統數據庫的更新。（3） 個性化推薦層。該層實現了推薦任務分解和推薦策略的制定，同時利用對用戶信息積累以及數據挖掘和聚合來及時更新系統數據庫；（4） 用戶交互層。該層主要實現用戶信息的收集、推薦請求與推薦信息顯示、用戶反饋信息的接收等。基于語義網技術的高校數字圖書館個性化服務應用模式整體模型如圖2所示。

2.3 高校圖書館個性化推薦模型

個性化服務就要針對不同用戶個性需求來提供服務，高校圖書館主要服務對象是教師和學生。通過用戶登錄信息來進行用戶定位，通過對用戶搜索信息以及用戶所在院系來確定用戶的興趣模型，通過關聯信息來獲取相關領域或學科的優秀學生或教師，并通過對優秀學生或科研成果突出教師的數據庫進行定位，同時對用戶進行個性化推薦，而要實現上述圖書館個性化服務必須為用戶建立個人興趣模型。基于語義網技術的高校圖書館個性化推薦模型如圖3所示。

個人興趣模型依據用戶的搜索信息數據、所在學院信息、專業信息、科研和學科方向、專業、團隊方向和發表論文情況等信息來建立，因此高校圖書館必須強制推動圖書館與校內多部門的數據共享，如科研部門、學工、教務部門等。

在個性化推薦模型中，領域本體要根據興趣信息數據對高校圖書館系統數據庫中的學科進行語義重組，并通過數據挖掘來建立關聯規則庫[14]，這樣用戶通過登錄進行信息確認后，就自動實現和用戶興趣庫匹配。本文以學生和教師兩種用戶來詳細介紹圖書推薦方法。

（1） 學生用戶。學生用戶使用個性化服務平臺的目的主要是學習知識并最終掌握知識，因此學生用戶主要想從圖書館資源中獲取對知識點的歸納與總結文本、教學視頻、習題講解與練習和相關感興趣的領域信息等。由于圖書館個性化推薦平臺利用高校多部門的協作和數據共享，并對數據信息進行深度聚合，使得對學生用戶的興趣模型建立更加準確，從而能讓學生用戶更加準確、便捷的獲取圖書館中的有用資源。

學生用戶個性化推薦平臺具體流程：學生用戶在使用圖書館個性化平臺時，首先要進行用戶登錄，通過登錄信息，系統進行用戶信息定位，如學生所在學院、所學專業和成績等個人信息。系統通過對用戶最近6個月數據信息進行分析研究，重構用戶興趣模型，最終對學生用戶形成個性化推薦。

（2） 教師用戶。教師用戶使用服務平臺的目的主要是獲取相關研究領域的最新研究進展、研究動態、期刊文獻、教學視頻和論文集等。因此，本推薦平臺可以根據用戶所從事的學科特點和專業特色，以及本人的成果來獲取準確的用戶興趣模型，并實現對教師用戶進行本專業最前沿的信息資源的推薦。

教師用戶個性化推薦平臺工作流程：教師用戶在使用圖書館個性化平臺時，首先要進行系統登錄，登錄后系統對教師用戶信息進行定位，如教師用戶所在學院、所學專業、研究成果等相關個人信息，同時重構用戶的個人興趣模型；根據檢索關鍵詞把相關學科領域的科研熱點、研究進展以及該學科近三年學校立項的省部級以上項目題目和優秀教師（通過教師個人成果庫按一定標準篩選所得）推薦等形成報告推送過來；最后系統會把結果形成個性化推薦給用戶。endprint

3 結語

基于語義網技術的高校圖書館個性化服務是通過語義網技術和數據挖掘技術對高校各部門的數據以及用戶查詢數據進行采集、抽取、清洗、關聯、分析，從而為用戶建立個性化興趣模型，最終用戶可以快速、高效、準確的獲取個性化推薦服務。該應用能夠有效化解高校圖書館學術資源過載與用戶資源獲取困難之間的矛盾，并能高效、合理的利用圖書館資源，同時對高校圖書館個性化服務研究者具有很好的參考意義。

參考文獻：

1馬曉亭.基于可信大數據的圖書館個性化服務平臺構建[J].圖書館理論與實踐，2015（1）：85-88.

2曾子明，金鵬.智慧圖書館個性化推薦服務體系及模式研究[J].圖書館雜志，2015（12）：16-22.

3聶珍，王華秋，周建.個性化推薦技術在圖書館服務中的應用[J].現代情報，2013，33（9）：95-102.

4金勇進.圖書館個性化推薦方法研究[J].軟件，2014，35（4）：125-129.

5楊華.數據挖掘在高校圖書館個性化推薦中的應用研究[D].四川：電子科技大學，2009.

6王連喜.一種面向高校圖書館的個性化圖書推薦系統[J].現代情報，2015（12）：41-46.

7孫雨生，仇蓉蓉，黃傳慧，等.國內數字圖書館個性化服務研究主題演化分析[J].情報理論與實踐，2014，（08）：41-47.

邱均平，張聰.高校圖書館館藏資源協同推薦系統研究[J].圖書情報工作，2013（22）：132-137.

陳臣.大數據時代一種基于用戶行為分析的圖書館個性化智慧服務模式[J].圖書館理論與實踐，2015（2）：96-99.

楊方銘，章華.大數據環境下圖書館服務變革探討[J].圖書館研究，2016（1）：48-50.

李艷，呂鵬，李瓏.基于大數據挖掘與決策分析體系的高校圖書館個性化服務研究[J].圖書情報知識，2016（2）：60-68.

劉曉娟，黃海晶，尤斌.語義網技術在圖書館數字資源深度聚合中的應用[J].圖書館雜志，2015（6）：76-82.

劉曉娟，黃海晶，尤斌.語義網技術在圖書館數據資源深度聚合中的應用[J].圖書館雜志，2015（6）：76-82.

熊擁軍.數字圖書館個性化服務資源推薦模式分析[J].圖書館，2014（2）：132-134.endprint