基于機器學習的數字圖書館智能化服務模式研究

劉路

關鍵詞：機器學習;數字圖書館;智能化服務

摘 要：文章介紹了基于機器學習的數字圖書館智能化服務的流程，從檢索、推送、輔導三個方面分析了基于機器學習的數字圖書館智能化服務模式的主要內容，探索了基于機器學習的數字圖書館智能化服務的具體應用方式，以期推動數字圖書館智能化服務取得新突破。

中圖分類號：G250文獻標識碼：A文章編號：1003-1588（2020）04-0099-03

信息服務是數字圖書館核心工作中的一項，是圖書館創新服務形式的重要內容。傳統模式下，圖書館的服務水平在很大程度上取決于館員的專業素養和職業精神，如果館員缺乏豐富的知識儲備和良好的職業素養，就難以滿足讀者與日俱增的信息需求。引入機器學習技術可以有效規避上述情況。依托機器學習的計算模式和數據挖掘技術，可以推動數字圖書館服務的智能化發展，增強數字圖書館信息服務的科學性和準確性，避免圖書館信息服務質量參差不齊情況的出現。機器學習是涉及統計學、算法理論、概率論等領域的交叉學科，具體來看，是指應用計算機模擬人類行為從而實現知識和技能學習的技術。基于機器學習技術，數字圖書館可以構建智能化服務模式，即在讀者數據庫與館藏資源數據庫之間形成多層感知，依托階層ANN的多種形態，深化數據的挖掘和關聯，實現資源構建層的自動化與智能化[1]。同時，機器學習技術側重于對數據進行歸納和綜合，可以從讀者檢索的關鍵詞中提取信息并自動匹配到目標資源，整個過程幾乎不需要館員的參與即可實現，體現了機器學習的智能化優勢。

1 基于機器學習的數字圖書館智能化服務流程

1.1 信息資源智能化獲取

數字圖書館在開展信息服務的過程中，可以采用兩種方式獲取讀者的實際需求：動態方式與靜態方式。動態方式是指對用戶的信息行為、信息獲取軌跡、瀏覽記錄、收藏記錄等進行動態追蹤，從而了解讀者的閱讀偏好，推測讀者感興趣的學科領域。靜態方式則是指數字圖書館可以直接從服務系統中調取讀者的行為信息、請求信息等數據（每次登錄系統時，系統都會將讀者的活動數據記錄下來），然后對這些數據進行初步處理和判斷，再對其進行智能化分析[2]。

1.2 信息資源智能化過濾

基于機器學習技術，數字圖書館可以實現對信息資源的智能化過濾，即在獲取信息數據并進行初步篩選后，挑選出與讀者需求相符合的內容，然后結合動態與靜態資源分析結果，對館藏信息進行進一步的過濾，建立起針對用戶的興趣庫。數字圖書館對信息資源的智能化過濾既要考慮全面性、避免資源的重復建設，又要通過機器學習實現對海量資源的科學分類，保障信息服務的精準性。

1.3 建立讀者數據模型

很多數字圖書館雖然建立了信息服務系統用于信息的采集與分析，但由于數據具有動態變化的特點，而且一些圖書館也缺乏先進的數據分析技術，所以這項工作存在許多問題。數字信息服務系統可以根據讀者的特點生成描述性文件并儲存起來，這樣一來數字圖書館就可以以讀者數據模型為導向，實現文獻資源的智能化匹配，提高圖書館的信息服務效率[3]。

2 基于機器學習技術的數字圖書館智能化服務模式

基于機器學習技術的數字圖書館智能化服務能夠促進圖書館不同版塊之間的合作與協調，使信息整合與用戶信息獲取更加高效，從而提升數字圖書館服務的智能化水平。

2.1 智能化檢索服務模式

數字圖書館不僅需要根據不同閱讀需求對讀者進行群類劃分，還需要對館藏數據資源進行定向檢索以提高服務效率。在這個過程中，數字圖書館不僅要對讀者需求進行準確定位和精準識別，還要將分析結果與資源數據庫進行比對。這是一種以用戶需求為導向的檢索模式，體現了服務的智能性和嵌入性。圖1為數字圖書館智能化檢索服務示意圖，由圖1可知，機器學習技術不僅有助于提高數據調取效率，還可以挖掘數據之間的聯系和規律，準確、快速地獲取讀者的閱讀需求，進而提高數字圖書館資源檢索的智能化程度與讀者體驗滿意度。

2.2 智能化推送服務模式

基于機器學習的數字圖書館智能化推送服務，是指根據讀者數據庫分析結果推算讀者的資源需求，并通過數據傳輸平臺將目標資源傳送給讀者的一種方式，是數字圖書館主動服務理念的具體體現。在此過程中，機器學習技術可以對讀者線上行為和記錄數據進行即時追蹤，主動整理數據內容并推送資源。一方面，機器學習技術應用了數據聚類分析方式，該方式以群體為分析對象，聚合了相似屬性群體讀者的閱讀特點，可以得到更加精準的推測結果;另一方面，機器學習技術根據讀者類型的差異采用了過濾算法，降低了館藏資源重復率，提高了數字圖書館推送服務的智能化水平[4]。

2.3 智能化輔導服務模式

數字圖書館可以借助機器學習技術對讀者進行輔導，具體來講，就是在掌握讀者閱讀興趣、閱讀習慣的基礎上，采用智能代理的方式為讀者提供更多自主學習的途徑，包括在線咨詢、專題學習、主題活動等。智能化輔導服務突破了傳統數據服務模式的限制，開發出了更多可供讀者自行選擇的服務版塊[5]。信息服務系統可以借助語義關聯技術深入挖掘讀者的行為規律，為數字圖書館智能化輔導服務提供客觀準確的依據。

3 基于機器學習的數字圖書館智能化服務應用

機器學習包括圖像識別、文字識別、人體識別等技術，基于機器學習的數字圖書館智能化服務主要包括讀者體驗閱讀服務、個性化智能推薦服務以及基于語音的智能檢索等。

3.1 讀者體驗服務

在數字化時代，讀者的閱讀方式發生了翻天覆地的變化，更多讀者喜歡通過便攜式閱讀設備獲取數字資源，這就要求數字圖書館重視資源的開發與利用，改善讀者的閱讀體驗。結合機器學習技術，圖書館可以充分應用圖像識別功能打造現實感、情境感強的VR服務，讀者戴上VR設備即可產生置身圖書館的感覺，不僅可以“瀏覽”豐富的館藏資源，還可以直觀地感受虛擬的風景。同時，讀者可通過VR技術實現與數字圖書館的交流，體驗圖書館服務的智能性和科技性。總之，機器學習技術可以幫助圖書館開發出更多智能化的服務項目，給讀者帶來更佳的閱讀體驗。

3.2 個性化智能推薦服務

數字圖書館的核心價值在于為讀者提供更優質的信息服務，因此要關注讀者的實際閱讀需求。數字圖書館可以借助SOM神經網絡聚類算法和貝葉斯算法對數據庫進行深度學習，對讀者的需求劃分層次和群類，根據每個層次和群類的特征計算出基于用戶實際需求的語義算法，提高數字圖書館資源個性化推送的精準度[6]。總之，將機器學習分析結果作為圖書館信息服務的客觀指導，可以增強圖書館服務的科學性，提高圖書館信息服務的水平。

3.3 基于語音的智能檢索

數字圖書館可以使用語音識別技術對讀者輸入的語音信息進行收錄與分析，再與館藏數據資源進行匹配，經過相應的檢索后生成檢索成果并輸出給讀者。雖然基于機器學習的語音智能檢索技術尚不成熟，語音識別的準確率仍有待提高，但基于語音的智能檢索有其不可替代的優勢：降低了讀者檢索的難度，更便于老年人和兒童使用。

4 結語

綜上所述，機器學習是模擬人腦的一種學習機制，其模擬人腦神經連接結構，將讀者行為數據庫與數字圖書館資源數據庫連接起來，深度挖掘數據的規律和內在聯系，最大限度地挖掘用戶數據和館藏數據的價值，提高了圖書館服務的智能性與精準性[7]。網絡時代下，數字信息呈爆炸式增長。機器學習技術的引入一方面提高了數字圖書館信息服務的效率，縮短了數據處理時間;另一方面也為讀者帶來了更便捷的體驗，進一步簡化了讀者檢索和資源獲取的程序，降低了學習成本[8]，能夠更好地助力圖書館提升信息服務水平。

參考文獻：

[1] 楊九龍，陽玉堃，許碧涵.人工智能在圖書館應用的理論邏輯、現實困境與路徑展望[J].圖書情報工作，2019（4）：32-38.

[2] 周聰，張德林.基于機器學習的圖書智能采編模式的構建[J].中華醫學圖書情報雜志，2018（12）：43-49.

[3] 梁少博，吳丹，徐惟佳.面向數字圖書館和檔案館的信息基礎設施與機器學習數據管理、分析與出版的融合[J].圖書情報知識，2018（5）：72-80.

[4] 王雪靜.基于深度學習技術的數字圖書館智能化服務模式研究[J].農業圖書情報學刊，2018（9）：150-153.

[5] 只瑩瑩.機器學習在圖書館知識發現系統中的應用初探：以基于知識圖譜的發現工具Yewno為例[J].農業圖書情報學刊，2018（7）：47-50.

[6] 張坤，王文韜，謝陽群.機器學習在圖書情報領域的應用研究[J].圖書館學研究，2018（1）：47-52.

[7] 郭利敏，劉煒，吳佩娟，等.機器學習在圖書館應用初探以TensorFlow為例[J].大學圖書館學報，2017（6）：31-40.

[8] 沈敏，楊新涯，王楷.基于機器學習的高校圖書館用戶偏好檢索系統研究[J].圖書情報工作，2015（11）：143-148.

（編校：周雪芹）