基于Web3.0的智慧圖書館知識服務體系架構設計

[摘 要]采用文獻調研、內容分析等方法，梳理知識服務概況及Web3.0技術特點，發現Web3.0可以為知識服務創造開放共享、跨界合作的新業態，海量的知識資源庫，“人與知識”情境感知服務場景。將Web3.0架構與智慧圖書館知識服務運轉機制相結合，提供基于Web3.0的智慧圖書館知識服務體系架構，讓智慧圖書館能夠為用戶提供多元化的大眾泛在知識服務、精準化的學科深度知識應用服務以及個性化的互聯網用戶知識服務。

[關鍵詞]Web3.0 智慧圖書館 知識服務

[分類號]G251

當今互聯網已經跨入Web3.0時代，其創造的三維空間語義網將物理環境中的對象、環境交互連接在一起，所帶來的信息技術數量也呈指數型增長，為人類的生活帶來巨大改變。“十四五”期間，各行各業進行著數字化向智慧化的轉型建設。在圖書館方面，《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》明確提出要積極發展智慧圖書館[1]。“以人為本”是智慧圖書館的建設根本，為用戶提供精準的智慧化知識服務是智慧圖書館重要建設任務之一。Web3.0倡導的去中心化和分散化的網絡空間，服務者與被服務者共同參與建設的模式，情境感知對話的交互方式，以及其引領的人工智能、物聯網、大數據、區塊鏈、VR/AR、邊緣計算等先進技術正是智慧化知識服務所需要的，能夠讓智慧圖書館知識服務形成“用戶—需求—服務—反饋”的良性循環圈，讓“用戶—知識—圖書館”之間產生情境感知對話式應用場景，從而不斷提升圖書館知識服務智慧化能力。基于此，筆者根據Web3.0技術優勢及體系架構，結合智慧圖書館知識服務運轉機制，設計提出基于Web3.0的智慧圖書館知識服務體系架構，以及Web3.0所引導的智慧圖書館知識服務應用場景，為智慧圖書館知識服務提供建設新思路。

1 智慧圖書館

1.1 智慧圖書館知識服務概念

知識服務是從20世紀90年代開始，在知識經濟浪潮和信息技術發展推動下，為適應社會對知識共享與創新需求而產生的[2]，是以信息知識的搜尋、組織、分析、重組的知識和能力為基礎，根據用戶的問題和環境，融入用戶解決問題的過程中，提供能夠有效支持知識應用和知識創新的服務[3]，具備集成化、過程性、增值型特征[4]。柯平[5]認為圖書館的知識服務是高層次的信息服務，是知識化的服務，是以用戶為中心的知識化的服務。初景利等[6]指出知識服務是圖書館的核心能力與重要趨勢，是直接面向用戶需求與用戶過程的服務。劉健等[7]認為，知識服務模式的重構與創新對提升智慧圖書館服務對象的體驗起到了至關重要的作用。隨著大數據技術的高速發展、知識服務的廣泛應用以及智慧圖書館的起步建設，知識服務正逐漸成為智慧圖書館的重要特征和核心價值體現，是“全國智慧圖書館體系”建設的重要內容和最終目標[8]。

1.2 智慧圖書館知識服務建設實踐及文獻研究

近年來，各圖書館都在開展或嘗試開展智慧化知識服務的相關實踐。總體來看，主要可以分為3類：一是注重用戶知識服務體驗，建立良好品牌效益，如各公共圖書館引入智能交互服務機器人，特別是上海圖書館，將智能交互、智能問答、用戶數據、書籍數據等相結合，為用戶提供隨行閱讀、交互指引的機器人服務；二是以知識挖掘、關聯圖譜、用戶畫像為技術基礎，為用戶提供智慧閱讀服務，如江西省圖書館對不同用戶進行畫像，并通過智能分析、智能推送滿足不同的知識與文獻需求，真正實現了用戶的“品書”；三是利用大數據、主題模型等技術，為行業、研究機構、學者等提供學科變化趨勢、學術評價、發展預測等智能服務，如中國工程科技知識中心建立的工程科技領域的公益、開放式知識服務平臺，專門提供學科興趣變化趨勢、熱點發展趨勢、特色知識圖譜、技術前沿追蹤等智能知識服務。

在文獻研究方面，以CNKI為數據源，以“智慧圖書館+知識服務”為主題檢索詞，時間截至2023年2月17日，共檢索出383篇相關文獻，從這些文獻累計前10的主題河流圖可以看出，智慧圖書館知識服務相關文獻的發表年份及數量趨勢變化（見圖1）。

由圖1可知，在“智慧圖書館+知識服務”主題文獻中：（1）智慧圖書館知識服務文獻最早出現于2011年，在2018年前發文量逐年上升，2018年后發文量快速增長，并于2019年、2021年、2022年發表數量持續高位，說明智慧圖書館知識服務近年來已經成為圖書情報類學術研究熱點。（2）不管是公共、高校、學術、醫學圖書館，還是數字、智慧、虛擬圖書館等，都需要立足于自身特點，向讀者提供知識服務。（3）知識服務需要借助于大數據、人工智能、5G、物聯網、云計算、區塊鏈等技術，實現提供用戶畫像、學科服務、知識圖譜、知識生態系統、移動視覺搜索、個性化服務等智慧化知識服務。

1.3 智慧圖書館知識服務發展趨勢

1.3.1 開放共享、跨界合作的新業態

習近平總書記強調，人類要破解共同發展難題，比以往任何時候都更需要國際合作和開放共享[9]。知識是無邊界的，圖書館自身的知識服務已經無法滿足讀者多元化、個性化需求，這就需要圖書館克服自身局限性，建立開放獲取、跨界合作、知識共享的服務機制，如國家圖書館與字節跳動合作，共同研發《永樂大典》高清影像數據庫；浙江大學圖書館向浙江大學出版社提供豐富的館藏資源，構建了數字化出版平臺[10]。總而言之，各圖書館要以開放、包容、積極的心態迎接智慧圖書館知識服務新業態。

1.3.2 海量的知識資源庫

大數據時代，得數據者得天下，智慧圖書館的數據在種類、數量、存儲、應用等方面都有顛覆性地升級。智慧圖書館知識服務的基礎仍然是數據，除紙質文獻、電子文獻外，自建資源、開放獲取資源、音視頻資源等多元化資源都屬于智慧圖書館文獻數據，同時讀者數據（信息數據+行為數據）、系統運行數據也是重要的數據來源，可將這些數據通過描述、關聯、揭示形成知識神經網絡，為知識服務所應用。

1.3.3 “人與知識”情境感知服務場景

數字圖書館時代的知識服務以解決用戶問題為服務目標，而在“以人為本”的智慧圖書館時代，提供知識服務的核心是：讓讀者和知識通過圖書館這個平臺進行對話，產生情境感知的服務場景，使讀者在成為知識使用者的同時也成為知識的生產者。這是因為每個人社會經歷不同，對各類知識的體會程度和探究方向也不同，形成的隱性知識更是差異甚大，將寶貴的個人精神財富資源與圖書館資源相結合，有助于促進圖書館知識的傳播和人類知識的創新發展[11]。

2 Web3.0

2.1 Web3.0簡介

Web3.0的熱度自2021年開始呈現爆發式增長，其定義為深度語義網，具有去中心化、交互化、智能化、個性化、聚合化特征，是一種智能網絡，不但能夠理解詞語和概念，還能夠理解它們之間的邏輯關系，使交流變得更有效率和價值[12]。與Web1.0、Web2.0不同的是，Web3.0除了包含Web1.0的靜態數據、Web2.0的媒體數據，還包含了空間數據，將人、地、物連接起來，形成一個立體的智慧空間網[13]。

Web3.0由多種技術融合驅動發展，形成“技術堆棧”，其體系架構由交互層、邏輯層、數據層組成，同時利用超空間交易協議（HSTP）將三層相連，形成一個開放、智慧的網絡空間。在交互層中包含AR/VR、物聯網、機器人等技術應用，邏輯層包含智能合約、人工智能、量子計算、Mashup、Widget等技術應用，數據層包含區塊鏈、邊緣計算、分布式賬本等技術應用。

Web3.0所引導的是一個重視空間的立體世界，引入穿戴設備和智能傳感器應用，其所營造的不僅是一個簡單的數字孿生空間，還是一個擁有個人ID、交互規則的智能數字孿生空間。Web3.0時代對于讀者而言，不是“智慧圖書館”，而是“我的智慧圖書館”，同樣對于圖書館而言，是把讀者的世界以“書”或者“知識”的形式呈現出來。

2.2 Web3.0適用于智慧圖書館知識服務

2.2.1 開放的網絡空間為知識服務提供適合的服務空間

智慧圖書館需要能夠把人、地、物智能、自適應地連接起來的網絡空間，而Web3.0所打造的正是回歸去中心化，對所有人都開放的全球共享空間。在這個開放空間中，通過超空間交易協議（HSTP），圖書館可以將知識傳遞到世界中的任何人、物體、地點，同樣讀者可以通過任何物體、在任何時間向圖書館反饋自己所需的知識，打造全新的、“以人為本”的知識服務產業鏈。

2.2.2 三維空間產生的海量數據形成知識服務資源池

據預測，到2025年物聯網所連接的設備數量將超過一萬億，且90%的數據都是近幾年產生的。Web3.0關注空間維度，人類的感知、認知、行動都是基于空間發展起來的，都會產生海量的結構化、半結構化、非結構化數據，智慧圖書館亦如此。通過Web3.0圖書館可以真正實現“以眼睛為中心”，捕捉讀者對于知識的需求，并獲取讀者的喜好、思想、反饋、評價信息，再通過清洗加工、自動切詞、關聯計算、知識元揭示，形成知識服務的知識基礎庫。

2.2.3 以Web3.0為技術驅動，推動知識服務業務發展

Web3.0時代，技術的快速發展推動全人類的進步，同樣也推動智慧圖書館知識服務的發展：區塊鏈技術可以賦予讀者數字身份，對知識等數字資產進行確權；分布式賬本、智能合約技術能夠確保讀者信息及行為的安全隱私；語義網可以提高知識的全生命周期運轉效率；VR/AR技術能夠生成萬物虛擬化的數字知識孿生世界；人工智能、量子計算可以提升知識服務的融合能力……通過這些技術，人們有能力以前所未有的方式提升圖書館知識服務能力，共同分享、完善和管理全球知識資源。

3 基于Web3.0的智慧圖書館知識服務關鍵技術

Web3.0以技術為驅動力，將其技術特點與知識服務相結合，可以生成許多專業的智慧圖書館知識服務技術，其中知識抽取、主題模型、個性化知識庫是智慧圖書館時代知識服務的關鍵技術，這些技術讓讀者不僅是知識服務的受服務者，同時也是知識服務的生產者、建設者、分享者，從而提升讀者對于智慧圖書館知識服務的參與感。

3.1 知識抽取

隨著數字時代的發展，圖書館所獲取的音視頻、圖片、系統數據等非結構化數據增長速度遠遠超過結構化數據，如何對這些海量數據進行多維度、高質量知識抽取成為技術挑戰。面對多源異構的海量數據，除了傳統的自然語言處理、社會網絡分析、數據挖掘等關鍵技術外，還需要借助大數據技術對數據進行快速、迭代地抽取，并對相關知識進行驗證評估，將匹配度高的數據傳輸至知識抽取過程中，不斷地讓新知識擴大知識本體庫、知識圖譜規模。對于異構數據來說，以“抽取目的”為導向可分為：收集術語形成規則，再依據模式抽取新術語庫的概念抽取；利用監督學習等方法對論文、專利等文獻的元數據抽取；借助人工智能技術，從文獻中自動識別人名、物名、地名等進行的實體抽取；利用機器學習技術，從海量文獻中抽取概念關系的概念抽取；通過大規模語料庫，將機器學習方法與規則抽取相結合的實體關系抽取等抽取方式。

3.2 主題模型

主題模型是近年來面對類型雜、噪聲大、海量數據的用于熱點捕捉、主題演化、未來預測的一種有效技術方法，這也是智慧圖書館知識服務重要發展方向之一。主題模型假設存在一定概率的某些主題，并在這些主題中以一定的概率選擇某個主題詞匯產生，其主題詞概率可以表示為：p（特征詞/文檔）=Σp（特征詞/主題）×p（主題/文檔）。隨著主題模式的廣泛應用，其模型也在不斷地進化，從“主體間為樹結構”到“識別文檔集合中最有影響力的文檔”[2]，已經有效避免了使用關鍵詞、標題詞分析趨勢的局限性，深入到文獻全文中尋找有效主題，其代表模型為LAS模型、PLSA模型和LDA模型。其中LDA模型應用最為廣泛，分為文檔層、主題層、特征詞層3層拓撲結構，將主題詞歸類為隱藏變量，使語料庫中詞概率分布與文檔的語義表達相重合，這樣降維后的概率可以提升主題詞提取的準確性。基于LDA的主題模型可以貫穿于知識挖掘的整個生命周期，分別實現全局、階段層、主體層的語義挖掘。

3.3 個性化知識庫

個性化知識庫是智慧圖書館知識服務的必要業務。個性化知識庫技術就是將知識服務與個性化服務技術相結合，以用戶為根本，準確捕捉用戶知識服務需求并與知識服務運轉機制相結合，建立屬于用戶自己的知識庫或為不同用戶群體提供專屬知識庫。個性化知識服務與知識服務的最大區別就是要以知識定制服務、智能定向推薦、個性化知識導航等服務形式為目的，知識組織對象除圖書館各類文獻、系統顯性數據，還包含來自用戶的需求信息及行為信息，并且這部分數據處于先導地位。在有效地收集和分析用戶需求后，就要建立個性化知識庫的需求模型，準確描述用戶的興趣與特征，對其進行群組劃分，形成用戶群畫像，并且要在提供個性化知識服務過程中不斷循環糾正、升級用戶個性化知識服務需求，這樣才能動態掌握用戶需求，建立個性化知識庫，有效指導知識的正確使用，為用戶提供個性化知識服務。

4 基于Web3.0的智慧圖書館知識服務體系架構

以讀者知識服務需求為導向、圖書館資源為基礎、知識服務流程為主線、Web 3.0技術為驅動手段、去中心化為設計思路，結合經典計算機堆棧體系結構，將智慧圖書館知識服務架構體系分為服務層、邏輯層、基礎層3層（見圖2），使數據、知識、人、圖書館智慧融合，深層揭示知識服務各層級任務與目標，確保數據間傳輸的靈活性、服務應用的擴展性，利用智能安全設備以及完善的安全風險控制機制，確保智慧圖書館知識服務全流程的高效、平穩。

4.1 基礎層

數據是智慧圖書館知識服務的基礎，遵循全面感知、智慧互聯、以人為本的融合思想構建智慧圖書館知識服務架構體系的基礎層。

（1）根據業務所需，運用智能技術實現數據快速采集。與Web2.0時代的數字圖書館不同，Web3.0時代的智慧圖書館更注重感知數據、空間數據、非結構化數據和半結構化數據，并且強調實現紙電一體化管理。系統設備面向圖書館線上知識服務，通過知識服務平臺向用戶提供服務的同時獲取讀者信息及行為數據、系統運行數據、知識使用情況等；物聯網設備通過移動、穿戴、觸摸、傳感等設備，實時感知用戶位置、情緒、表情等以及這些設備的相關知識應用、運行情況；文獻資源不僅是紙質與電子文獻，還包含音視頻、多媒體數據等，要制定統一的數據加工標準進行有效管理和使用；物理設備面向線下知識服務，通過智能機器人、虛擬現實體驗區等提升用戶在圖書館內享受知識服務的體驗感；場館設備為用戶提供知識服務空間場所，其監控系統、安全設備等確保知識服務安全運行；網絡設備通過5G、互聯網、WiFi等通信技術，為知識服務提供網絡保障，實現設施互聯、數智管理。

（2）加工采集數據，構建知識服務基礎數據庫。在采集到的數據中，80%都是半結構化數據或非結構化數據，其內容多為媒體社交數據、移動數據、傳感數據、監控數據等，具備數據多種、內容多樣、容量海量的特點。以最小化原則存儲數據[14]，按照業務所需，通過分布式計算框架處理采集數據，建立文獻元數據庫（文獻種類、名稱、學科分類、關鍵詞、作者、出版機構等）、文獻全文數據庫（封面、目錄、全文、附錄等）、音視頻數據庫（資源類型、名稱、內容、容量等）、社交媒體庫（社交App、社交類型、關注熱點、學科分類等）、場館空間庫（讀者位置、設備位置、移動方式、場館環境等）、用戶信息庫（年齡、職業、學歷、專業、聯系方式等）、用戶行為庫（檢索、閱讀、下載、使用系統、評價反饋信息等）、系統情況庫（系統名稱、服務內容、使用量、網絡流量等）、作者對象庫（作者單位、研究方向、職稱、單位等）、機構對象庫（機構名稱、所屬行業、機構性質等），形成智慧圖書館知識服務的基礎數據庫。

（3）面向知識服務業務邏輯，生成知識基礎庫。結合智慧圖書館自身層次結構，遵循知識服務的應用場景，按照流程化處理、實體連接、形式處理等步驟構建知識圖譜。面向知識服務的業務邏輯，通過數據整合、分類計算等方法，生成知識本體庫、知識推薦庫、知識索引庫、虛擬場景庫、用戶模型庫、文獻資源庫、數字資產庫等知識庫，同時重視跨學科、跨行業知識的協同運用、創新整合，構建更豐富的基礎知識庫，為智慧圖書館知識服務提供應用基礎，滿足用戶需求。

4.2 邏輯層

邏輯層是智慧圖書館知識服務的骨架，包含知識組織和知識發現兩個步驟。面對海量、多源的數據，需要借助Web3.0中的認知計算相關技術，基于對讀者知識服務需求的理解，將資源數據帶入圖書館物理世界，讓資源數據按照特定模型自主、智能地進行知識抽取、計算、挖掘、學習、發現，以滿足讀者對于智慧圖書館知識服務的需求和期望。

（1）知識組織包含數據抽取、知識計算兩個步驟，是智慧圖書館知識服務的數據組成。面對智慧圖書館知識服務的復雜數據類型，數據抽取是數據處理重要的第一步。數據源從結構上可分為結構化數據、半結構化數據和非結構化數據。借助量子計算技術，同時控制“0”和“1”開關，且在量子位存儲大量信息，以每秒百萬次以上速度快速搜索整個數據源，再按照知識服務需求，把合乎要求的數據抽出，傳送至知識計算文件中，數據抽取方式包含全量抽取、增量抽取（觸發器方式、時間戳方式、全表刪除插入方式、全表對比方式、日志對比方式[15]）等。

面向動態變化、多元化關系、多源化資源的變化趨勢，Web3.0豐富了智慧圖書館知識計算的內涵。通過知識統計與圖挖掘、知識推理[16]兩種方法構建跨圖書情報行業的知識圖譜，豐富了人工智能與機器學習訓練的數據基礎。知識統計與圖挖掘包含圖檢索、圖特征統計、節點分類、關聯分析等方式，其重點是研究資源的圖挖掘、知識檢索和指標統計；知識推理是實現基于圖譜的邏輯推理，包含基于統計和基于符號的兩種推理方式，其目標在于找出知識圖譜中的實體關系及屬性。

（2）知識發現包含知識挖掘、知識學習兩個步驟，是智慧圖書館知識服務的自動建模、機器深度學習過程。Web3.0所引導的知識挖掘借助人工智能技術，以大數據驅動與知識服務相結合的模式，對海量碎片化資源數據實現自主、實時的結構化組織，將圖書館采集的無序數據轉變為有序的知識數據，通過實體融合、知識關聯、特征挖掘、趨勢分析、場景融合、建模預測等方法進行深度、多維語義關聯，進而實現智能知識挖掘。實體融合是智慧圖書館知識挖掘中一個新穎且重要的方法，因為智慧圖書館的知識是多模態的，同一知識在不同圖譜中擁有不同的概念和描述，要想解決知識多模態對齊問題，可以參考多模態知識方法，將多模態知識從各自分離的空間中遷移到一個統一的空間里[17]，進而提升知識挖掘的準確率。

人工智能、智能合約、機器學習讓知識學習進化到自適應學習模式，以指數級的速度提升知識學習效率、規模及范圍，通過聚類分析、回歸分析、貝葉斯網絡、近似推斷等算法，形成用戶畫像、參考咨詢、知識傳播、知識個性化服務等不同的知識服務模型，為智慧圖書館知識服務應用提供模型樣本。

4.3 服務層

面向大眾讀者、專業學者、互聯網用戶等不同用戶群體，Web3.0的人工智能、區塊鏈、VR/AR等技術為智慧圖書館知識服務創造了豐富多彩、精準度高的服務場景（見圖3），相較于Web2.0以及數字圖書館，其服務升級的內涵是：用戶、圖書館、知識數據的數字化；知識與用戶、圖書館與用戶的交易化；知識與圖書館交互的空間化；用戶感官體驗知識的貨幣化。這樣的變化給“知識”賦予了生命力，讓讀者對知識服務更有興趣，可以沉浸在知識的立體世界中學習、生活，產生對知識的正向情緒及共鳴。

（1）面向大眾的泛在知識服務場景。在Web3.0背景下，智慧圖書館知識服務更加注重讀者的感官體驗，通過物聯網將讀者與知識相連，可以為其提供多種多樣的線上線下知識服務：線上知識服務場景包含知識服務平臺、知識智能檢索、知識專題庫、知識數據索引、智能參考咨詢、智能決策服務[18]、智能知識問答、知識地圖、移動知識服務、智能危機處理、知識數字藏品、智能知識傳遞等；線下知識服務場景包含：知識資源推廣（主題知識資源、館藏特色資源[19]）、沉浸知識體驗服務、智能機器人知識問答、自助式知識導航、知識數字孿生空間等。

（2）面向專業學科的深度知識應用服務場景。對于專業學者或學科學者，需要為其提供有深度和廣度的知識服務場景，主要分為語義關聯及知識深度挖掘的服務場景：語義關聯的服務場景包含學科信息門戶服務[20]、輿情分析服務、知識可視化分析（知識圖譜、相似度網絡、有向圖等）、知識工具服務（語義自動分詞、文獻自動結構化、自動文獻著錄、知識智能標引、詞表智慧管理）、知識評價（機構評價、行業評價、區域評價等）、知識智能關聯整合（跨學科、跨專業）等；知識深度挖掘的服務場景包含專業前沿智能綜述、演化分析與預測、突破性研究文獻識別[21]、情報服務（科研、機構）、學科熱點追蹤[22]、科研項目輔助服務、學科人才評價、細粒度知識挖掘等。

（3）面向互聯網用戶的個性化知識服務場景。由Web3.0構建的立體空間網絡中，圖書館互聯網用戶需要更為精準的個性化知識平臺服務以及個性化知識移動服務：從用戶角度講，智慧圖書館可以為用戶提供個性化的知識門戶定制、知識推送[23]、知識學習、知識搜索、知識服務需求追蹤以及自助生成知識報告等服務；從圖書館角度講，智慧圖書館需要準確獲取用戶的知識服務需求，劃分不同類型的用戶組，并分別向其提供符合需求的知識服務，服務包含用戶組分群、用戶群畫像、智能知識推送、知識媒體社交應用、知識元宇宙世界、用戶群知識服務需求追蹤等。

5 機遇與危機

據第五十一次《中國互聯網絡發展狀況統計報告》顯示，截至2022年12月，我國網民規模達10.67億，移動網絡的終端連接總數已達35.28億戶，移動物聯網連接數達到18.45億戶[24]。智慧圖書館的發展離不開互聯網的發展，人工智能讓智慧圖書館知識服務擁有無限的分析能力，得以獲取萬億級別的數據。Web3.0讓知識服務的功能更全面、數據更有生命力，加深了圖書館對讀者知識服務使用情況的了解程度，從讀者“用了哪些知識服務”上升到“用這些知識服務時在想什么”進而預測讀者下一步要做什么、對于知識服務還有什么新需求……可以說Web3.0為智慧圖書館知識服務帶來了歷史發展機遇。

擁有機遇往往也意味著存在危機，Web3.0所帶來的危機不僅是“數字化戰爭”，還包括了“體驗式戰爭”。圖書館構造出的智慧圖書館知識服務虛擬世界遭到黑客攻擊時，數據會被濫用、篡改、買賣，導致讀者隱私泄露，對知識服務產生極為嚴重的影響，讓人們對于圖書館服務倫理產生質疑。因此，在快速發展的同時，政府要盡快啟動相關法律的制定及服務行為的監管，更加重視知識產權，讓圖書館精準、安全地為讀者提供智慧化知識服務。

參考文獻：

[1] 中華人民共和國中央人民政府.中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要[EB/OL].[2023-01-27].http：//www.gov.cn/xinwen/2021-03/13/content_5592681.htm.

[2] 王日芬，陳必坤，關鵬.數據驅動的知識服務體系與方法[M].北京：科學出版社，2019.

[3] 張曉林.走向知識服務：尋找新世紀圖書情報工作的生長點[J].中國圖書館學報，2000（5）：32-37.

[4] 王忠義.數字圖書館多粒度集成知識服務理論與實現[M].北京：科學出版社，2021.

[5] 柯平.圖書館知識管理與知識服務的若干問題[EB/OL].[2005-04-13].http：//www.chinalibs.net/Upload/Pusfile/n5

395.pdf.

[6] 初景利，任嬌菡，王玨.圖書館知識服務與出版知識服務的比較分析[J].圖書情報知識，2021（6）：110-122.

[7] 劉健，王小菲.基于知識生態系統的智慧圖書館知識服務模式研究[J].情報科學，2021（9）：18-24.

[8] 張秀麗，馬新蕾.圖書館智慧化知識服務建設路徑研究[J].情報探索，2022（4）：122-128.

[9] 新京報客戶端.習近平：切實加強基礎研究 夯實科技自立自強根基[EB/OL].[2023-01-30].https：//m.bjnews.com.cn/detail/167704037814432.html.

[10] 牛耕.論“互聯網+”背景下國內圖書館跨界合作[J].大學圖書情報學刊，2020（4）：69-72.

[11] 蔡迎春，等.元宇宙時代智慧圖書館的實踐路徑——從圖書館的智慧化走向智慧的圖書館化[J].中國圖書館學報，2023（4）：103-113.

[12] 搜狗百科.語義網[EB/OL].[2023-02-02].https：//baike.sogou.com/v27563.htm？fromTitle=%E8%AF%AD%E4

4%B9%89%E7%BD%91.

[13] 加布里埃爾·雷內，丹·馬普斯著；徐鍔，孫亞洛譯.智慧空間[M].北京：清華大學出版社，2020.

[14] 楊征.智慧圖書館資源服務建設探究[J].四川圖書館學報，2022（6）：46-51.

[15] 企通查.數據抽取：大數據處理的基本流程（一）[EB/OL].[2023-02-12].https：//zhuanlan.zhihu.com/p/269065578.

[16] micklongen.F.知識圖譜 知識計算[EB/OL].[2023-02-17].https：//blog.csdn.net/micklongen/article/details/120723711.

[17] Suky.從知識獲取到應用，華為云知識計算三大關鍵技術揭秘[EB/OL].[2023-03-15].http：//www.techweb.com.cn/internet/2021-07-22/2850236.shtml.

[18] 熊莉君，連書勤，張燦.“5G+人工智能”的大數據知識服務體系構建研究[J].圖書館理論與實踐，2022（3）：58-63，85.

[19] 周笑盈.我國智慧圖書館體系下的知識資源建設：內涵、路徑和策略分析[J].圖書館理論與實踐，2022（6）：84-91.

[20] 姚雪梅.面向知識服務的公共圖書館空間再造研究[J].圖書館工作與研究，2023（1）：28-34.

[21] 黃永文，等.大數據與人工智能背景下新型知識服務研究與實踐[J].圖書情報工作，2022（19）：36-46.

[22] 趙麗杰.多源數據協同賦能的圖書館智慧化知識服務模式研究[J].高校圖書館工作，2022（6）：70-74.

[23] 楊曉菲，孔悅凡.圖書館知識服務與用戶互動關系研究[J].圖書館學刊，2022（9）：13-20.

[24] 中國互聯網絡信息中心.CNNIC發布第51次《中國互聯網絡發展狀況統計報告》[EB/OL].[2023-03-20].https：//www.cnnic.net.cn/n4/2023/0302/c199-10755.html.

楊 征 女，1987年生。碩士，館員。研究方向：數字圖書館、智慧圖書館。

（收稿日期：2023-04-20；責編：劉清揚。）