用戶個性化檔案信息在智慧圖書館中的應用研究

金潔潔

摘 要：文章從智慧圖書館建設需求出發，分析圖書館加強用戶個性化檔案信息歸集整理和利用的必要性，闡述圖書館用戶個性化檔案信息的主要內容、類別和功用，并以作者設計和實現的圖書館個性化圖書精準推薦系統為例，詳細展示用戶個性化檔案信息在智慧圖書館中的應用，指出在歸集和使用圖書館用戶個性化檔案信息的過程中應該注意的問題，以期能夠為智慧圖書館建設提供參考和借鑒。

中圖分類號：G252文獻標識碼：A文章編號：1003-1588（2021）09-0128-03

關鍵詞：用戶個性化檔案信息;智慧圖書館;個性化圖書精準推薦系統

隨著移動互聯技術的發展，用戶對圖書館提出了更高的需求。他們不僅要求圖書館可以隨時隨地為用戶提供資源與服務，更希望圖書館能夠根據用戶的個性化需求直接從圖書館海量的資源中有針對性地篩選出用戶最有可能使用的資源，提供智能化、精準化的信息資源，以實現資源與服務的高效獲取，智慧圖書館正是在這種背景下應運而生的。智慧圖書館是圖書館在“人工智能+5G”技術視域下，充分利用5G網絡、人工智能、物聯網、大數據等技術，全面掌握不同類型用戶的需求，并為用戶提供精準化、智能化信息服務的綜合性知識服務系統[1]。智慧圖書館強調圖書館資源、用戶、館舍（系統）以及服務的相互感知。通過智慧圖書館建設，圖書館服務將由被動轉為主動，通過人工智能、大數據分析、云計算技術精準分析用戶個性化信息需求，繼而通過數據挖掘、推薦算法等應用系統實現圖書館資源與服務的主動精準推介。

1 圖書館的用戶個性化檔案

1.1 加強用戶個性化檔案信息的歸集整理和利用的必要性

檔案是國家機構、社會組織或個人在社會活動中直接形成的有價值的各種形式的歷史記錄[2]。圖書館作為圖書的收集、傳遞、服務機構，用戶在使用圖書館資源與服務的過程中必然會留下很多“痕跡”。這些痕跡以數字、數據、符號等形式記錄存儲在圖書館的各類系統中，形成圖書館用戶個性化信息檔案。

由于圖書館員素質和技術條件的限制，當前大部分圖書館對用戶個性化檔案信息僅作存檔，并未對其進行充分開發和利用，基本處于閑置狀態。而在智慧圖書館環境下，智能化、精準化、個性化是其顯著特征。提供智能、精準、個性化智慧服務均以分析用戶當前需求和潛在需求為前提，以用戶個性化檔案信息為基礎。因此，在智慧圖書館建設過程中，加強用戶個性化檔案信息的歸集整理和利用是重要的基礎環節。

1.2 圖書館用戶個性化檔案信息的主要內容和功用

圖書館用戶個性化檔案信息主要包含個人身份識別信息、個人資源與服務使用信息及個人行為軌跡信息等[3]。個人身份識別信息主要包含具有身份識別屬性的文本信息和生物特征信息，文本信息主要包括用戶姓名、性別、身份證號、讀者證號、專業、學歷、家庭住址等，生物特征識別信息主要包含指紋、人臉、虹膜等信息。個人身份識別信息主要用于實現用戶身份識別，以確定圖書館與用戶的一對一關系，區分圖書館的不同用戶。個人借閱檔案信息主要指讀者在圖書館借閱過程中產生的各種記錄，主要包含借閱圖書信息、借閱行為信息（如借閱時間、歸還時間）、資源使用記錄等。通過對借閱信息的處理和分析可以了解讀者的基本閱讀偏好、閱讀習慣、借閱信用、專業背景、研究方向等信息，掌握用戶的個性化信息需求，并將其需求與新書推薦、參考咨詢、專題服務等業務相結合，有針對性地為用戶推送他們所需的資源和服務。個人軌跡信息主要利用圖書館門禁、借閱讀卡器、監控攝像頭等設備，依托RFID和人臉識別等生物識別技術實現用戶在館內的動態身份識別，并不間斷地記錄用戶在圖書館的時空運動軌跡。在智慧圖書館建設中，目前圖書館采用最廣泛、最便捷的生物特征識別技術即人臉識別技術，人臉信息對于實現圖書館人與館舍環境的感知具有決定性作用。軌跡信息是圖書館針對用戶開展信息空間精準推送服務的重要依據。

2 個性化檔案信息在智慧圖書館中的應用——以個性化圖書精準推薦系統為例

筆者在實際工作中將智慧圖書館理念融入數字圖書館建設中，進行了智慧圖書館嘗試性建設，特別是在圖書個性化推薦方面，充分利用用戶個性化檔案信息，精準分析用戶需求，開展資源推送服務，并取得了一定成效。現以筆者設計的個性化圖書精準推薦系統為例，展示個性化檔案信息在智慧圖書館的應用，以期能夠為業內同仁開發同類系統提供參考，為智慧圖書館建設提供參考和借鑒。

2.1 系統實現的基本流程

用戶到館借閱資源，流通管理系統記錄用戶的借閱行為形成用戶借閱檔案。系統通過用戶的借閱檔案信息，從流通管理系統中查找具有相似借閱記錄的若干用戶進行用戶聚類，形成相似用戶群;依托用戶群獲取相似用戶的借閱歷史記錄，形成初始資源推薦集合，同時對用戶和相似用戶進行借閱歷史行為比較，生成用戶與相似用戶群中每位用戶的相似度;通過初始資源推薦集合與用戶相似度的加權計算形成擬推薦資源權重，并通過一定的協同過濾規則對結果進行刪除和排序，形成最終的推薦資源庫;依托用戶使用的圖書館服務終端，如網站、App、微信公眾號等將資源推薦給用戶，進而完成整個推送過程。見圖1。

2.2 系統實現的關鍵模塊——推薦算法

推薦算法是系統實現的關鍵，其通過對用戶資源使用檔案記錄進行分析，發現用戶之間的潛在聯系，并經過一系列模型計算，最終推薦用戶最有可能感興趣的資源[4]。目前，主流的推薦算法包括基于項目內容的過濾推薦算法和基于用戶行為的協同過濾推薦算法。

基于內容的推薦方法是根據用戶過去的借閱記錄和用戶個人信息屬性向用戶推薦用戶沒有接觸過的推薦資源，其推薦過程主要包含信息檢索和信息過濾兩個部分。在實際應用中，基于項目內容的過濾算法大多應用于系統冷啟動階段，即在用戶和數據較少的情況下通過一定策略推薦相關資源，如：智慧圖書館可以根據用戶個人檔案信息中的專業信息，從系統中自動隨機選取一部分本專業的圖書作為推薦資源。

基于用戶行為的協同過濾算法按照“物以類聚、人以群分”的基本思想，為用戶推薦和他有相似行為的用戶（鄰域用戶）喜歡的資源。用戶行為相似度越高，其喜歡的資源被推薦的可能性就越大。相似度計算是基于用戶行為的協同過濾算法的核心，其計算結果決定了推薦結果的排序，進而影響被推薦資源能否被有效展示。常見的相似度算法包括余弦相似度、Jaccard相似系數、歐式距離、曼哈頓距離等。相對于基于內容的線性推薦，基于用戶行為的協同過濾系統推薦的資源更科學和準確，推薦資源的范圍可以脫離系統冷啟動階段推薦策略限制（如專業、學科等），結果集合更廣泛;當用戶和使用數據達到一定規模后，其推薦結果具有較高的準確率，也更符合用戶實際需求。基于用戶行為的協同過濾系統推薦的不足之處主要在于無法解決新資源、新用戶冷啟動問題以及個別用戶推薦數據稀疏問題。

無論哪種推薦系統均是在分析用戶個性化檔案信息的基礎上，了解用戶興趣愛好和需求，進而為用戶推薦資源。用戶個性化檔案信息是推薦系統的基礎和出發點[5]。筆者設計和實現的個性化圖書推薦系統將兩種推薦算法結合使用，即在用戶行為數據較少、相似用戶不具規模的情況下，采用內容推薦算法進行冷啟動推薦相關資源，保證推薦系統的全面性;當系統運行一段時間，用戶數據積累到一定數量時采用基于用戶行為的協同推薦算法，提高推薦的科學性和準確率。

2.3 推薦系統使用效果

筆者設計和實現的個性化圖書精準推薦系統，以“拉取”和“推送”相結合的方式為用戶推薦資源。在“拉取”模式下，在用戶進行館藏檢索、借閱歷史查詢時，圖書館將其可能喜歡的圖書展示在對應頁面上，供用戶點擊查看，提高相關資源的曝光率，進而提升資源被借閱的可能。在“推送”模式下，系統主要以圖書館微信公眾號為服務平臺，以模板消息提醒的形式，定期為用戶推送其可能感興趣的圖書資源，主動出擊，吸引用戶到館閱讀。系統上線后，圖書館讀者到館率、二次借閱量和資源使用量較之前均有顯著提升。基于用戶個性化檔案信息的圖書精準推薦系統在提升圖書館資源利用率和服務層次的同時，也增強了用戶的使用體驗，提高了用戶使用資源與服務的效率，深受用戶好評。

3 智慧圖書館在使用用戶個性化檔案信息時應注意的問題

3.1 個性化檔案信息的搜集應符合相關法律規范

圖書館用戶個人檔案信息涉及基本識別信息、借閱愛好信息、行為軌跡信息等，相關信息的獲取應在國家允許采集的范圍內進行，采集過程應符合國家法律規范，如：用戶人臉信息的獲取應在明確告知用戶且在用戶允許采集的情況下才能開展。同時，圖書館應根據相關法律規定制定本館不同用戶個人檔案信息的機密程度、使用范圍、使用策略、安全機制等使用辦法，以制度約束使用行為，確保信息使用安全。

3.2 在資源使用過程中，應注意用戶個人隱私權的保護

在使用用戶個性化檔案信息實現個性化、智能化資源推薦服務的過程中，圖書館要注意用戶個人隱私特別是敏感數據的保護，應絕對避免個人信息的泄露，涉及用戶隱私的數據應盡量只在程序后臺使用，而不應對他人公開。例如，在圖書資源的智能化推薦過程中，圖書館應盡量做到根據用戶本人借閱檔案信息，推薦具有相似借閱行為的用戶借閱了哪些書，而不應涉及借閱相同書的用戶有哪些（以書會友），以免引起不必要的麻煩甚至是法律糾紛。

4 結語

物聯網、大數據、人工智能以及數據挖掘技術為圖書館帶來了新的機遇，為圖書館實現由數字化向智能化信息服務的轉變提供了可能。基于用戶個性化檔案信息的智慧服務可以讓圖書館主動地服務用戶，通過信息推送實現用戶之間、用戶與圖書館之間、用戶與信息資源之間的溝通，進而實現真正意義上的智慧化服務和管理[6]。今后，圖書館將繼續發揮用戶個性化檔案信息的服務保障功能，加強用戶個性化檔案信息管理，利用大數據分析技術進一步挖掘用戶的潛在信息需求，為智慧圖書館建設提供強有力的支撐。

參考文獻：

[1] 趙希波.“人工智能+5G”視域下圖書館泛在化智慧服務模式研究[J].中國中醫藥圖書情報雜志，2021（2）：38-40，44.

[2] 朱加榮.小站練兵研究的史料基礎與檔案利用[J].軍事歷史研究，2010（S1）：198-199.

[3] 化秀玲.高校圖書館資源整合與個性化用戶檔案管理[J].檔案管理，2018（4）：91-92.

[4] 賈偉，劉旭艷，徐彤陽.融合用戶智能標簽與社會化標簽的推薦服務[J].情報科學，2019（10）：120-125.

[5] 閆巧琴.圖書館個性化服務與數字化用戶檔案管理[J].檔案管理，2016（3）：75-77.

[6] 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.

（編校：崔 萌）