圖書薦購云服務平臺的功能設計與研究

摘要：針對目前圖書薦購系統存在的薦購知識庫數據貧乏、不夠準確、不能自動查重、反饋或互動交流未受重視等不足，研究和開發一種以網上書店圖書數據作為共享知識庫，以“資源共享，兼顧個性”理念開發的符合圖書館實際需求的圖書薦購云平臺。

關鍵詞：圖書薦購;共享知識庫;薦購云平臺;薦購系統

中圖分類號：G258.6文獻標識碼：A

DOI：10.13897/j.cnki.hbkjty.2019.0113

圖書薦購作為圖書采訪環節的重要補充，尤其在“Web3.0”環境下，隨著讀者的需求越來越個性化，圖書薦購服務也越來越受到了圖書館的重視。據調查，國內高校圖書館開展圖書薦購服務的比率已經在90%以上，但薦購服務所獲得的效果卻不盡如人意，讀者的滿意度不高、薦購積極性逐步下降，且薦購圖書在館藏中所占比例仍然很低[1]。究其原因，主要有幾個方面：薦購政策復雜，條件限制過多[2];薦購方式蕪雜，薦購名稱不夠規范[3];薦購流程繁瑣，薦購效率低下、獲取圖書周期過長[4];薦購時沒有薦購知識庫;薦購圖書不能實時反饋等等。

對于圖書薦購存在的問題，國內學者也做了相關的研究。為了提高圖書薦購效率，提升讀者參與薦購的熱情和滿意度，張美莉認為圖書館需要“去中間化”，大幅度開放讀者的采購權[5]。田艷艷認為讀者的需求不應被薦購政策一刀切的否決掉，圖書館應該根據讀者的實際需要，更加個性化地服務讀者的需求。對于讀者薦購的圖書，各館可根據實際情況設置薦購服務崗位，設立專項經費，通過多種渠道及時購買讀者薦購的圖書[6]。黃琴玲認為構建一個自帶圖書知識庫、功能豐富、反饋及時的智能薦書系統十分必要[7]。

目前，圖書薦購的方式種類較為豐富，大部分圖書館都同時開設了多項薦購服務。雖然部分學者提倡圖書館的薦購服務應該多種方式并用，但在實際使用中多數讀者會傾向于采用其中一種更為便捷的方式，而其他方式則鮮有問津。因此，本文嘗試從薦購系統平臺的思路出發，提出一種圖書薦購云服務平臺系統的功能設計方法。

1國內圖書薦購系統的研究現狀

目前，國內學者對圖書薦購系統的理論研究不斷深入，在實際系統開發應用經驗總結上存在不少典型的案例。如解金蘭[8]提出基于用戶需求的圖書薦購發現系統，以用戶信息需求為基礎，整合各種薦購數據源，實現圖書館資源服務和用戶薦購信息一體化的管理。王潔慧[9]將網上讀者薦購與讀者決策采購兩者結合，構建了統一的一站式讀者薦購服務平臺，無縫集成館藏系統和書商系統，實現功能融合、資源共享、交流互動的一體化服務平臺。解金蘭和王潔慧均提出整合多種薦購數據源，但整合過多數據源容易出現數據格式的規范統一問題，同時數據的準確度也會下降。許新巧[10]提出上海大學圖書館薦購系統最優化方案：以CALIS中心書目庫為基礎，同OPAC無縫對接實現先查重再薦購，增加薦購反饋，同時探索融合決策采購的圖書薦購系統。周群英[11]探討了基于讀秀平臺的薦購模式。認為目前讀秀平臺在薦購以及薦購反饋方面對于讀者使用還不太友好，需要改進。豆志磊[12]、葉小嬌[13]、孔云[14]三者均從移動端設計了薦購系統，使用手機掃描條形碼從網絡中獲取圖書信息來減少用戶錄入圖書信息的思路，但由于系統缺少薦購知識庫，一般適用于讀者在實體書店閱讀時向圖書館薦購圖書，適用面較窄。

綜上，國內學者對于圖書薦購系統的研究已有不少的成果和案例，圖書薦購系統正越來越被更多的圖書館在使用，有能力和條件的圖書館自己開發了圖書薦購系統。但是，目前的圖書薦購系統都存在著或多或少的缺點，如OPAC系統自帶薦購功能有限，不能夠適應“Web3.0”時代的薦購要求;而圖書館如果都各自開發自己的圖書薦購系統，又存在重復造車、浪費資源之嫌;第三方公司開發的薦購平臺，一方面較難及時準確地滿足圖書館的需求，另一方面也會給圖書館的成本增加不少負擔。

因此，本文從“資源共享，兼顧個性”的理念出發，總結當前圖書薦購系統或平臺的優點與不足，設計了基于網上書店的共享圖書薦購知識庫、兼顧圖書館及讀者個性需求的跨平臺、跨終端的圖書薦購云平臺系統。

2薦購云服務平臺設計

2.1平臺開發及運行環境介紹

平臺系統具有可擴展、跨平臺、跨終端的優勢，采用了Django2.1框架 + Mysql8.0數據庫來構建服務器后端，前端渲染采用了Bootstrap4和CSS3。Django是基于python語言開發的開源Web應用框架，采用了MVC的軟件設計模式，其最大的優勢就是APP可插拔。

以本平臺為例，云平臺作為一個項目，其中可以包含多個APP模塊，如圖書信息模塊、讀者信息模塊、圖書薦購模塊、留言板模塊等等，如現在不想要留言板模塊，那么直接刪除留言板這個APP即可，而如果現在需要增加一個館配商模塊，那么在項目中創建館配商APP并實現其相關功能即可。所以，當操作其中一個APP模塊時，其他APP模塊可基本不受影響，整個平臺可正常運行。

項目前端采用了基于Bootstrap4和CSS3的響應式布局，平臺能自動識別用戶的客戶端并渲染出合適的頁面展現給讀者，在任何操作系統（Windows、Linux、Mac、Android等）或是終端（PC、Pad、手機等）下均能很好的顯示和使用。

2.2平臺主要功能模塊設計

平臺目前主要分為五大模塊，分別是圖書信息模塊、用戶信息模塊、圖書館模塊、圖書薦購模塊和留言模塊。平臺以用戶信息模塊為核心與其他各模塊之間互相關聯，形成一個有機的整體（如圖1所示）。

2.2.1圖書信息模塊

圖書信息模塊是薦購平臺的基礎模塊，即薦購知識庫。圖書信息模塊要實現的功能主要包括：圖書信息的自動獲取與更新、圖書信息的檢索、圖書信息的列表展示與詳情展示以及圖書信息的管理與維護。

（1）圖書信息的自動獲取與更新

圖書信息的自動獲取依靠爬蟲軟件實現，爬蟲在工作時需要注意以下原則：遵守目標網站的機器人協議;設置爬蟲的爬取間隔時間（1-3秒）;爬蟲工作頻率不可過度頻繁，可以設定每周爬取或更長時間，但切不可24小時不停的爬取。做到以上幾點，平臺的薦購知識庫即可基本達到免維護、自更新的水平，對于極少量的錯誤數據，可由讀者舉報錯誤數據來幫助糾正。

雖然圖書信息的獲取來源較多，目前常見的有出版社、館配商、國圖或CALIS書目庫等，但由于出版社和館配商的數據不夠豐富，國圖或CALIS的數據又因太過豐富而顯得臃腫，這些數據源對于薦購知識庫來說都不是最優的選擇。因此，綜合考慮圖書信息的豐富性以及后期圖書信息的更新和維護，平臺采用了網絡爬取網上書店的圖書數據作為圖書信息的數據源。以京東圖書為例，目前共爬取了該圖書商城的自營圖書品種超過70萬種。該商城圖書的種類豐富，幾乎涵蓋了社會、生活、學習的方方面面，且圖書數據信息較準確、格式較規范、介紹較詳細。平臺通過網絡爬蟲定期爬取京東圖書的圖書數據，自動比對數據庫中已有圖書，增加新的圖書數據到數據庫中。如果有需要，平臺還可以增加其他的爬取目標源，以豐富薦購知識庫。

（2）圖書信息的檢索

讀者在薦購圖書時，通常情況下會通過搜索方式來獲取相關圖書進行薦購。因此，圖書的檢索功能在圖書信息模塊中很重要，檢索條件的設置以及檢索查詢語句的考慮必須慎重，檢索條件設置過少則不能滿足實際需求，設置過多又會浪費系統資源。平臺為讀者提供了兩種檢索方式：一種是類似百度搜索的檢索框，提供給讀者模糊檢索，采用“Haystack + whoosh”的全文檢索引擎。讀者輸入任意的檢索詞，系統首先通過jieba分詞技術將檢索詞分割為若干詞語，然后通過全文檢索引擎在后臺數據庫中進行全文檢索，最后將檢索到的記錄返回給讀者。該檢索方式通常可獲取到較多的檢索結果，需要由讀者篩選檢索結果，獲得圖書信息;另一種方式是高級檢索，讀者可以同時輸入多個檢索條件，只有多個檢索條件同時滿足時，系統才能匹配到記錄，該檢索方式自動篩選檢索結果，將目標圖書信息展示給讀者。

（3）圖書信息展示

讀者在檢索圖書或是分類瀏覽圖書信息時，后臺需要獲取相應的圖書信息展示給讀者。由于圖書列表信息需要在一個頁面中能包含盡量多的圖書，因此列表中就需要包含盡可能少的圖書詳情信息，但包含的信息又需要讓讀者能夠分辨出該圖書。因此，這里參考了京東的商品列表頁，圖書列表采用以圖書的封面圖片為主，書名和出版社為輔的方式來展示。

通常，讀者在看到圖書的封面圖片時，基本上就能確定該書是不是想要找的圖書，再輔以書名和出版社進行確認，讀者就可以在圖書列表展示頁以最少的時間找到目標圖書。如果讀者還需要對目標圖書的詳情進行瀏覽或薦購圖書，則可以點擊圖書封面進入該書的詳情展示頁，詳情展示頁面主要向讀者提供了該書的詳情信息、該書的薦購熱度和圖書薦購功能。

（4）圖書信息維護

系統在爬取圖書時可能會因為目標圖書數據格式不規范或存在錯誤，導致爬取到的圖書數據不完整，這時就需要人工干預，手動糾正錯誤的數據。由于錯誤數據相對于整個數據的體量來說是微不足道的，因此，我們不需要去逐條排查錯誤數據。平臺采取在圖書信息詳情頁增加一個糾正圖書數據的功能，由讀者來幫助完善圖書數據的準確性和完整性。當讀者瀏覽詳情頁時發現數據有錯誤、矛盾或不完整的地方，就可通過該功能告知系統，系統后臺收到讀者的舉報信息后，管理員可通過網絡查詢正確的圖書數據信息并予以更正。

2.2.2用戶信息模塊

用戶信息模塊是薦購平臺的核心模塊，是與其他模塊之間相互關聯的橋梁，該模塊包括了用戶的注冊和登錄、用戶資料的修改和完善等。

（1）用戶注冊

用戶注冊可以由讀者自主注冊，或者圖書館批量導入用戶信息注冊。讀者注冊的用戶名必須唯一，讀者自主注冊時，可選任意漢字、字母、數字的組合或E-mail作為用戶名，而圖書館批量注冊用戶時，用戶名則只能是E-mail或手機號之類的具有唯一性的資料。

（2）用戶資料的修改和完善

用戶注冊成功后，需要對自身資料進行補充和完善。如自主注冊的需要至少完善E-mail或手機號碼其中一個聯系方式，以方便圖書館與讀者聯系，其他信息可自主選擇填寫。用戶必須在用戶資料中綁定所屬圖書館方可向所屬館薦購圖書，否則薦購功能不向用戶開放，而圖書館的管理員在用戶綁定所屬圖書館之前也查看不到新注冊的用戶。

（3）用戶密碼的找回

用戶忘記密碼是較為常見的一種情況，平臺目前提供了通過綁定的郵箱自主修改密碼的功能。用戶在點擊找回密碼時，系統會向用戶綁定的郵箱發送一封攜帶驗證碼的郵件，用戶在使用正確的驗證碼的條件下，可以直接更改新的密碼。

2.2.3圖書薦購模塊

圖書薦購模塊是平臺的主要功能模塊，主要包括薦購圖書、薦購歷史以及薦購熱度。

（1）薦購圖書

平臺提供薦購圖書的途徑有兩種：直接薦購和表單薦購。通常讀者在薦購時習慣通過檢索或瀏覽薦購知識庫，獲取到目標圖書后直接薦購，而當讀者需要的圖書在薦購知識庫中沒有時，則可通過表單薦購。表單薦購一般需要填寫較多的圖書信息，且要求信息填寫準確，否則很容易造成圖書版本不正確，購買不到或者買錯圖書。因此，圖書館工作人員可根據讀者表單薦購的圖書信息在網絡上嘗試查找目標圖書，并將目標圖書的詳情信息更新到薦購知識庫中，然后向讀者發送薦購確認信息，等待讀者確認無誤后再繼續薦購處理流程。

讀者在薦購圖書時有兩種方式可供選擇：快速薦購和普通薦購。快速薦購是一鍵薦購，不需要讀者填寫任何信息，而普通薦購則需要讀者填寫薦購理由，圖書館工作人員可以根據薦購理由，對薦購圖書酌情優先或加快處理，使讀者在認真填寫薦購理由后能有所收獲，從而提升薦購滿意度。

云平臺在讀者薦購圖書時，會在系統后臺與所屬圖書館的OPAC系統實現自動ISBN查重，不需要與圖書館的數據庫直接對接，保障了圖書館的數據安全。實現此功能的關鍵技術依然是網絡爬蟲技術，圖書館在成為平臺的用戶后，需要將該館的OPAC查詢地址登記到圖書館的信息資料中，且圖書館的OPAC需要開通外網訪問功能。

當讀者薦購時，平臺系統會通過所屬館的OPAC系統進行自動查重，并提示讀者查重的結果。如果館藏已有薦購圖書，則將館藏展示給讀者;如果館藏沒有薦購圖書，則平臺直接將薦購圖書轉到所屬圖書館處理。

（2）薦購歷史

讀者在個人中心可以看到薦購圖書的反饋狀態以及個人的薦購歷史。薦購圖書的反饋狀態由圖書館采訪人員根據采訪進度來更新，因此，讀者可以實時看到所薦購圖書的采訪進展情況。同時，歷史薦購圖書盡管已處理完畢，但仍然保留給讀者查看，并統計個人的月度薦購圖書數量、年度薦購圖書數量以及總薦購圖書的數量。

（3）薦購熱度

薦購熱度是某一種圖書的總薦購次數。這里的總薦購次數不是該書在某個圖書館的總薦購次數，而是該書在所有圖書館中的總薦購次數。因此，總薦購次數越多，說明該書在全國范圍內越受到讀者的歡迎，圖書館采訪人員可以根據薦購熱度適當增加館藏復本量。平臺系統也可以根據薦購熱度自動生成圖書薦購的月度和年度榜單，推薦給讀者參考使用。

2.2.4圖書館模塊

圖書館模塊負責管理和處理與讀者相關的任務，包括管理和審核讀者用戶、處理讀者薦購、管理和回復讀者留言。

（1）管理和審核讀者用戶

讀者注冊成功并綁定所屬圖書館后，系統會將該讀者推送給所屬館的后臺管理模塊，即圖書館用戶管理模塊。所屬館工作人員對讀者身份進行驗證審核，驗證通過后讀者即可獲得薦購權限。批量注冊的用戶可立即獲得薦購權限，不再需要驗證。圖書館工作人員可對已通過身份驗證的讀者取消身份驗證，防止部分非法用戶（指身份過期或多次無效薦購的用戶）繼續使用薦購權限。

（2）處理讀者薦購

薦購處理與反饋是薦購系統的核心業務，在薦購處理方面，圖書館采訪人員需要逐條逐個地處理讀者的薦購請求。云平臺提供給了圖書館采訪人員便捷的薦購處理功能，當有新的薦購信息時會通過消息提醒圖書館采訪人員，采訪人員在處理薦購時，平臺提供了常用的反饋狀態信息供采訪人員批量地快捷回復讀者或更新采訪狀態。同時，在薦購處理頁面，平臺會將薦購的圖書自動鏈接到目標源網站，采訪人員可以通過鏈接一鍵直達目標源網站，方便采訪人員檢查或網上購買圖書。

讀者通過身份驗證后獲得薦購權限，讀者薦購的圖書由系統推送給所屬館的薦購管理模塊，由所屬館采訪人員對薦購圖書進行處理，并根據不同的處理進度給出相應的反饋信息。平臺提供常見的反饋信息供采訪人員快速回復，默認的反饋信息為處理中，采訪人員可根據采訪的實際情況向讀者反饋不同的薦購狀態信息，如采購中、已到館、可借閱、或該書缺貨請耐心等待、該書不適館藏等等。默認的反饋信息根據內容有不同的顏色表示區別，如“可借閱”為綠色，“該書不適館藏”為紅色等等。

（3）管理和回復讀者留言

讀者可以在留言板通過留言的方式與所屬館工作人員進行互動交流，圖書館工作人員有權管理留言，對留言進行回復、屏蔽或刪除的操作。圖書館對讀者的留言及時回復能夠使讀者感到受重視，得到滿足感，從而提高薦購的滿意度，而屏蔽或刪除留言則適用于管理某些不合適的留言或重復的留言，比如屏蔽某些敏感留言。

2.2.5留言模塊

留言模塊是薦購平臺的補充模塊，讀者通過身份驗證以后，可以在留言板給所屬館留言，留言的信息包括留言人的ID、留言時間和留言內容。讀者可以針對薦購圖書給圖書館留言，也可以對薦購圖書的反饋疑問進行留言，讀者的留言僅顯示在所屬館的留言板上，由所屬館的工作人員對留言進行管理與回復。

3結語

平臺的開發建立在圖書館可以自主零星網上采購的假設下，對于資金管理較為嚴格或保守的圖書館來說，圖書采購只能通過中標或合作的館配商來獲取，平臺可能無法滿足該部分圖書館需求;讀者身份認證需要圖書館工作人員人工審核，后期可以增加導入身份信息自動識別認證、人臉識別認證或者加入統一認證平臺來解決;平臺還未實現針對不同圖書館提供個性化的薦購規則定制，但該功能實現較為簡單，需要根據不同館的薦購政策來個性化定制;未來或可增加出版社模塊，由出版社根據圖書薦購熱度來決定圖書按需出版的數量。

參考文獻

[1]史麗香.高校圖書館讀者網上薦購的現狀與思考——基于對50所高校的調查[J].圖書館論壇，2013（5）：117-122.

[2]劉華，許新巧.高校圖書館薦購系統建設研究[J].圖書館建設，2015（4）：5-9.

[3]婁冰.“雙一流”大學圖書館網上薦購服務現狀調查與分析[J].圖書館工作與研究，2018（2）：98-103.

[4]韓冰，白福春，李萍.遼寧省高校圖書館讀者網上薦購服務的調研與思考[J].圖書館工作與研究，2016（6）：83-87.

[5]張美莉.河南省本科院校圖書館薦購服務調查分析[J].圖書館學研究，2016（20）：46-51，68.

[6]田艷艷.中南六省區“211”高校圖書館網絡薦購服務探究[J].圖書館工作與研究，2018（4）：78-82，92.

[7]黃琴玲，高協，李芳等.協同工作模式下的高校圖書館新型圖書薦購系統建設與思考——以上海交通大學圖書館為例[J].圖書情報工作，2016（22）：61-66.

[8]解金蘭，張洪艷.文獻發現薦購系統的框架設計與功能研究[J].圖書館學研究，2014（6）：45-49.

[9]王潔慧，張洪艷.高校圖書館一站式讀者薦購服務平臺的設計與研究[J].現代情報，2016（7）：90-95.

[10]許新巧，劉華，張馨允.上海大學圖書館薦購系統實證研究[J].圖書館學研究，2014（24）：5-9.

[11]周群英，張贊梅.基于讀秀學術搜索平臺的文獻薦購模式探析[J].圖書館建設，2014（1）：37-39.

[12]豆志磊.基于微信掃碼技術的圖書薦購系統的設計與實現[J].現代情報，2016（12）：95-98，103.

[13]葉小嬌，李檢舟.讀者圖書薦購移動 APP 的設計與實現研究[J].新世紀圖書館，2018（5）：33-37.

[14]孔云，田春燕，資蕓，等.面向“互聯網 + ”的圖書薦購模型研究與實踐[J].現代情報，2017（3）：90-95.

作者簡介：陳剛（1982-），男，蘇州健雄職業技術學院圖書館館員。研究方向：智慧圖書館與文獻資源建設。

（收稿日期：2019-06-08責任編輯：張長安）

Research on the Function Design of the Cloud Platform for

Book Purchase Recommendation

Chen Gang

Abstract：Aiming at the deficiencies of book purchase recommendation system such as poor knowledge data base， imprecision， no？automatic duplicate checking， unheeded recommendation feedback or interaction and so on， the author developed a cloud platform for book purchase recommendation. Taking the book data of online bookstore as shared knowledge base， based on the ideas of “resources sharing and individualization”， the cloud platform for book purchase recommendation conforms to the actual needs of libraries.

Keywords：Book Purchase Recommendation; Shared Knowledge Base; Cloud Platform for Purchase Recommendation; Purchase Recommendation System