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

莫怡丹

摘要：小數據是大數據的補充和延伸，在聚合、分類、數據集建立過程中傾向于社會個體行為偏好數據的感知、搜集與分析，運算處理結果具有極強的針對性。小數據思維驅動下圖書館學術資源個性化推薦服務具有對用戶行為偏好數據的分析程度加深、根據用戶個性化需求精準推薦學術資源、提供更加精細化的服務模式的優勢。優質的支持性政策、健全的學術資源體系和個性化學科服務團隊是個性化推薦服務的構建要素。其建構路徑為提高學術資源整合效率，建立面向用戶的個性化推薦服務系統;優化個性化推薦服務內容，制定數據、知識個性化推薦標準;建立個性化推薦服務體系，實現個性化、精準化的推薦服務;重視用戶的數據安全。

關鍵詞：小數據思維;圖書館;學術資源;個性化推薦服務

中圖分類號：G252 文獻標識碼：A 文章編號：2095-5707（2020）02-0022-04

DOI： 10.3969/j.issn.2095-5707.2020.02.005

Abstract： Small data is the supplement and extension of big data. In the process of aggregation， classification and data set building， small data tend to perceive， collect and analyze the social individual behavior preference data. The results of operation and processing are highly targeted. The personalized recommendation service of academic resources in libraries driven by small data thinking has the advantages of deepening the analysis of user behavior preference data， accurately recommending academic resources according to user personalized needs， and providing a more refined service model. High quality supportive policies， sound academic resource system and personalized chemistry service team are the building elements of personalized recommendation service. Its construction path is to improve the integration efficiency of academic resources， establish a personalized recommendation service system for users， optimize the content of personalized recommendation service， develop personalized recommendation standards for data and knowledge， establish a personalized recommendation service system， realize personalized and accurate recommendation service， and attach importance to the data security of users.

Key words： small data thinking; libraries; academic resources; personalized recommendation service

目前，圖書館學術資源推薦服務在服務質量、服務效果、服務滿意度方面還不能完全滿足用戶信息查詢、數據檢索、科技查新、知識資源等方面的個性化需求。服務效能不足，圖書館學術資源服務在應用范圍和用戶問題解決方面不能令用戶滿意，主要表現在不能根據用戶的個性化需求為用戶精準推薦學術資源，不利于圖書館學術資源服務能力進一步提升。當前階段，用戶個性化學術資源需求逐步擴大，有必要在詳細分析用戶行為偏好的基礎上為用戶開展個性化推薦服務，對圖書館各類學術資源深度整合，從服務方式、服務模式等角度提高個性化推薦服務的精準性和有效性。為了提高圖書館學術資源個性化推薦服務能力，有必要應用小數據思維來提升服務效能，即根據用戶的個性化學術資源需求面向用戶提供個性化推薦服務，在分析用戶個性化行為、興趣偏好等基本數據的基礎上，面向用戶進行個性化引導，使用戶根據個人需求多元化獲取學術資源并根據自身使用需求深度融合，使圖書館形成立體化的個性化推薦服務體系[1]。

1 小數據的含義

1.1 小數據的概念

小數據（small data）也被學者稱為面向個體的資料數據，是在信息環境下應用新工具構建出面向用戶的高價值信息資產。一些數據學家將小數據定義為大數據的補充和延伸，是彌補大數據應用缺陷的信息資源[2]。大數據是社會領域、商業領域面向海量信息資源進行綜合處理的技術體系，也是目前各互聯網巨頭布局競爭的焦點領域。具體而言，小數據是基于用戶個體產生的細化數據，并具有一定的針對性，在信息的節點功能和分析上具有指向性，能將用戶的現實需求與行為偏好進一步呈現出來。故而，小數據又被稱為“量化的自我”，使用目的與大數據相同，是為用戶決策提供參考依據。

1.2 小數據的內涵

隨著學界對小數據的研究不斷加深，學者們發現，小數據在聚合、分類、數據集建立過程中傾向于社會個體行為偏好數據的感知、搜集與分析，運算處理結果具有極強的針對性，盡管數據的體量較小，但運算處理結果十分精準，可以說小數據在分析和存儲過程中具有明顯的標志性，能把用戶的行為表現和習慣偏好精準化地表現出來，小數據和大數據的具體差異主要體現在結構、量級、處理方式和價值密度上[3]。另一方面，小數據在數據類型選擇上比大數據更加精細化，所以在數據結構上也呈現出更加精細化、細致化、多樣化的特點。在圖書館中，小數據更能將每個用戶的個性化需求清晰地表現出來，而大數據需要海量數據支持并針對海量數據的結構、類型進行整體分析。二者的數據來源和數據采集渠道有著顯著差異，小數據以用戶的個性化需求為中心進行全方位的數據采集，有著更精細化的采集過程和更為具體的實施策略，這種針對用戶個體進行全過程的信息采集方式是大數據不具備的。在圖書館學術資源服務過程中，小數據可以針對大數據覆蓋不到的細小領域進行處理和分析，能在學術資源個性化推薦服務過程中與大數據形成良好的互補作用，針對微小領域的信息數據進行處理分析，更精準地分析用戶的個性化需求[4]。

2 小數據思維驅動下圖書館學術資源個性化推薦服務的優勢

隨著科學技術的快速進步，面對互聯網空間海量微小的信息數據集進行運算處理的小數據受到了學者們的廣泛重視，并進行了深入研究，目前在圖書情報領域得到廣泛應用。圖書館針對用戶的個性化需求進行學術資源推薦，小數據思維更趨向基于用戶的行為偏好數據定位用戶的個性化需求，以更為精準的學術資源個性化推薦模式為用戶提供更便捷高效的服務，使用戶具有更佳的服務體驗，這是現階段圖書館學術資源個性化推薦服務的重點。具體而言，引入小數據思維能全面分析用戶的個性化需求，針對用戶的個性化行為進行科學分析，在精準判定用戶個性化需求的基礎上為用戶推薦學術資源，使學術資源服務更加精準有效。

2.1 對用戶行為偏好數據的分析程度加深

圖書館基于小數據思維為用戶提供學術資源個性化推薦服務有著巨大的優勢，可針對用戶的行為偏好進行全方位的數據采集，能實現對數據的存儲、處理與決策，實現精準化分析，在信息分析和處理過程中對大量數據進行類比，是基于用戶個人信息的小樣本數據研究，對用戶的個性化需求更能科學判定[5]。因此，要以小數據思維作為圖書館個性化推薦服務的核心機制，通過精準分析用戶的學術資源需求，為用戶提供個性化服務。

2.2 根據用戶個性化需求精準推薦學術資源

圖書館可以滿足用戶對于某一具體學科的個性化學術資源需求，但很難滿足用戶對于某一交叉學科的學術資源需求，尤其容易出現學術資源引用來源混淆的問題。在這種情況下，將小數據思維應用到用戶學術資源引用中，能針對用戶的個性化需求進行有效甄別，通過對用戶的個性化需求進行大規模篩選，對學術資源數據進行有效的采集、整理、計算、分析、優化和重組，并使用個性化推薦系統將學術資源數據匹配到用戶的具體需求中，在全面計算分析后，與用戶的個性化需求有效匹配，實現學術資源的個性化推薦[6]。

2.3 更加精細化的服務模式

隨著各類學科數據資源快速增長，缺乏大數據支持的學科資源個性化推薦服務無法使用戶的個性化需求得到有效滿足，也無法適應信息環境下用戶快速增長的學術資源需求，在這樣的情況下，有必要應用小數據思維以更加精細化的服務模式為用戶提供完善的學術資源個性化推薦服務，在保障服務高效、及時、有效的同時，在小數據更為細化規范的信息處理能力下，促進學術信息資源的有效利用。盡管小數據在處理效率、數據結構轉化、信號識別方面存在一定缺陷，但其小維度的標準化信息處理能力，能為用戶提供更加精細化的服務。

3 小數據思維驅動下圖書館學術資源的個性化推薦服務構建要素

圖書館在構建學術資源個性化推薦服務過程中需要把準若干關鍵點，在具體實施過程中要結合實際情況，有計劃、有目的的開展，從政策支持、學術資源體系構建和學科服務團隊3個角度開展，這樣不僅能為學術資源個性化推薦服務提供有效的支持，還能基于用戶個體提供更為全面的個性化推薦服務，從而提升個性化推薦服務效果。

3.1 優質的支持性政策

小數據思維對圖書館學術資源個性化推薦服務進行有效驅動依靠圖書館自身不能有效完成，還需要政府的政策支持，這樣圖書館就能夠與檔案館、博物館、學術機構、科研部門和高校，共同構建學術資源個性化推薦服務系統，來滿足用戶的個性化學術資源需求，并建立大數據分析平臺，針對用戶的個性化學術資源需求具體分析，進而掌握用戶個性化需求的變化規律，將學術資源個性化推薦服務納入到學術服務體系中，使用戶的個性化需求得到最有效的滿足。

3.2 健全的學術資源體系

圖書館是龐大的知識信息資源庫，涉及到眾多的學術內容和學術服務項目，引入小數據思維面向用戶開展個性化推薦服務勢必會造成學術服務內容快速增多，在現有的技術機制和資源體系下，很難針對每一位用戶做到精準化的個性化推薦服務。為了保障小數據思維驅動的有效性，圖書館有必要更新技術機制，使用大數據、人工智能技術健全學術資源體系，逐步增加學術資源個性化推薦服務內容，保障容易被過濾和忽視的個性化推薦服務需求及時得到調整和彌補，將學術資源的結構、密度、變量、規模、時效性特征納入到個性化推薦服務中，從復雜的服務需求和學科要素之間構建起滿足用戶個性化需求的學術資源數據組，依托個性化服務系統為用戶推薦學術資源，快速滿足用戶的個性化需求。

3.3 個性化學科服務團隊

圖書館引入小數據思維為用戶提供個性化推薦服務過程中會涉及到多種結構、類型復雜的多源數據，在個性化推薦服務過程中具有較高的應用價值，這就需要建立能發現用戶個性化需求的學科服務團隊，在個性化推薦服務過程中精準判斷，進而不斷改變服務模式和優化工作流程，提高個性化推薦服務的效能。這不僅是圖書館個性化推薦服務體系構建的前提條件，在應用層面也能保障個性化推薦服務體系與用戶需求有效契合。因此，圖書館需要引進具有小數據應用分析能力的專業人才充實現有的學科服務團隊，設置專業的學科服務部門與崗位，發揮專業人才的能力，對用戶信息進行采集、分類、整理與分析，這樣才能使個性化推薦服務模式與用戶的個性化需求有效匹配。

4 小數據思維驅動下圖書館學術資源個性化推薦服務的建構路徑

小數據思維重視學術資源與用戶個性化需求的有效匹配，需要從圖書館海量的用戶信息數據中將反映用戶需求的行為偏好數據提取出來，這要依靠小數據分析處理技術實現。由此，構建圖書館學術資源個性化推薦服務，需要根據小數據思維應用的一般規律保障個性化推薦服務效能的增強。圖書館應在小數據思維指導下提高學術資源整合效率，優化個性化推薦服務內容，建立個性化推薦服務體系，重視用戶的數據安全。

4.1 提高學術資源整合效率，建立面向用戶的個性化推薦服務系統

圖書館面向用戶實現有效的個性化推薦服務，要著力于提高學術資源整合效率，建立面向用戶的個性化服務推薦系統。現階段，圖書館的個性化推薦服務內容多元，缺乏指向性、針對性，無法針對用戶的個性化需求精準分析并有效地提供學術資源。在小數據思維驅動下，針對各類學術資源數據有效地歸類、搜集、整合，針對用戶的個性化需求精準分析，有效匹配學術資源，從而保障面向用戶的個性化推薦服務不僅是面向單一學科的學術資源的供給，而是能與用戶個性化需求形成有效的互動體系，組建互利共同體。例如，在公共圖書館設置生命化學、醫學專題網站或是醫學與生物學交叉領域的線上知識論壇，構建面向用戶的個性化推薦服務系統，進而全面提高個性化推薦服務的效能。

4.2 優化個性化推薦服務內容，制定數據、知識個性化推薦標準

在小數據思維的引導下，圖書館要優化個性化推薦服務內容，并進行有效創新，對用戶群體進行詳細分類，針對不同類型用戶具體的個性化需求進行有效歸納、匯總、整體分析，通過數據聚類和語義關聯的方式在不同交叉領域學科制定數據、知識個性化推薦標準，例如，把臨床醫學與生物化學交叉領域的知識進行優化重組，同時針對用戶的工作環境、生活環境、學習環境、學術環境和行為偏好進行個性化知識信息推薦，這樣能根據用戶的個性化需求更科學化地為用戶匹配學術資源，使個性化推薦服務效能得到提升。圖書館制定科學的數據、知識個性化推薦標準，規范數據采集、過濾、清洗規則，細化到每個用戶的具體需求中，從而建立以小數據數據庫為基礎的個性化推薦服務模式，使用戶的個性化學術資源需求得到滿足。

4.3 建立個性化推薦服務體系，實現個性化、精準化的推薦服務

學術資源個性化推薦服務體系包括用戶數據分析、信息采集、數據交互、學術資源精準化推薦等，只有將凸顯用戶個性的服務方式融入到每個服務模塊當中，才能實現個性化、精準化的推薦服務，提升學術資源個性化推薦服務的精細化程度。在學術資源個性化推薦服務中，小數據思維更傾向根據用戶不同的個性化需求定制專屬服務，也就是在以“用戶為中心”思想的指導下，通過建立個性化推薦服務體系實現精準化的學術資源個性化推薦服務，幫助圖書館提升學術資源推薦服務效能。

4.4 重視用戶的數據安全

圖書館使用小數據思維對用戶的個性化需求信息進行體系化整理與流程化分析時，涉及到用戶大量的隱私數據和個人信息，如工作信息、教育背景信息、家庭信息等，圖書館處理這些信息時需要重視用戶的數據安全，建立具有較高安全水平的數據處理模塊，保障用戶數據的安全。在學術資源個性化推薦服務過程中，圖書館要擺脫傳統個性化推薦服務模式的限制，使用加密技術、智能技術、數據庫技術，建立獨立的數據運算處理系統，保障用戶基礎數據的安全，在服務過程中針對不同用戶的個性化需求，將數據拆分成不同的單元模塊，從而為圖書館個性化推薦服務系統的平穩運行保駕護航。

5 小結

小數據思維能使圖書館面向用戶提供的個性化推薦服務效能得到全面提升，使用戶感受到更良好的服務體驗。圖書館在小數據思維的引導下，針對用戶的個性化需求具體分析，能精準找到用戶學術資源的需求重點，以有效的學術資源服務及信息推送滿足用戶的個性化需求。隨著大數據技術的快速迭代，小數據思維在圖書館的服務應用中也逐漸走向成熟，圖書館應全面發揮自身的學術資源優勢，提升小數據思維的應用程度，擴大小數據思維的覆蓋范圍，構建科學全面的學術資源個性化推薦服務體系，更有效滿足用戶的個性化需求，使圖書館的個性化推薦服務能力全面提升。

參考文獻

[1] 王欣，張冬梅，閆鳳云，等.大數據環境下基于科研用戶小數據的圖書館個性化科研服務研究[J].情報理論與實踐，2017，40（10）：85-90，95.

[2] 馬曉亭.圖書館思維的變革：從小數據思維到大數據思維[J].圖書館，2016（5）：61-65.

[3] 王敏.小數據思維驅動下的公共圖書館信息服務模式研究[J].圖書館學刊，2015，37（12）：77-79.

[4] 劉杰.小數據思維驅動下圖書館的服務定位與建設策略研究[J].河南圖書館學刊，2016，36（6）：113-115.

[5] 孫紅蕾，鄭建明.小數據思維驅動下的數字文化治理路徑探析[J].圖書館學研究，2015（18）：39-43.

[6] 張衛東.小數據架構下的數字化治理路徑研究[J].高校圖書館工作，2016，36（6）：46-48，56.

（收稿日期：2019-09-29）

（修回日期：2019-10-21;編輯：魏民）