基于人工智能模型的圖書館數字化管理和智能服務模式探討

【摘 要】為了實現有效的讀者服務，構建人工智能圖書館是一條解決路徑，本論文從兩個層面探討了人工智能圖書館的構建，即中心圖書館與地方局部圖書館之間的關系、局部智能化圖書館內部的運行機制，形成了基于人工智能模型的數字化管理和服務新模式。最后，構建了神經網絡模型作為具體案例，分析了讀者信息的智能識別以及討論了如何借助人工智能模型實現圖書館的個性化服務。

【摘要】人工智能；數字圖書館；讀者信息；個性化服務；神經網絡

一、引言

由于海量信息的存在，加之提供的信息大多較為簡單，無法為讀者提供最優價值的服務。以上問題的存在導致現有的圖書館無法滿足讀者日益增長的個性化服務的需求，急需引入人工智能技術促進圖書館行業服務水平的發展，而目前的圖書館服務模式存在如下問題：

一是現有的圖書館呈現一個孤立的體系，不具有全局開放性。

二是現有的圖書館大多只記錄人員借閱數目等信息，無個性化分析功能。

三是現有的圖書館對于需求資源無法實現快速的預測和信息傳遞。

本論文就是以目前存在的問題為突破口，力圖探索建立一套行之有效的智能化服務系統，完成讀者個性化定制服務以實現讀者個性的標定和個性化圖書的推薦，完成閱讀書籍、期刊需求量以及讀者信息的關聯和識別，最終實現一套行之有效的個性化定制、服務新模式。

二、基于人工智能的圖書館全局開放性體系的構建

目前，圖書館界把圖書館的延伸服務定義為7 個方面的延伸服務：服務主體、服務對象、服務內容、服務方式、服務手段、服務時間及服務空間，如何圍繞以上的服務構建圖書館的整體性開放體系就成為開放性圖書館建設的核心思想。

為了實現各地圖書館之間的信息互通，有必要以國家為單位或者以省市圖書館為單位構建一套智能管體體系，該體系通過構建的智能大腦圖書館實現多館之間的信息傳輸、讀者辨識、讀者個性化服務等。

在服務提升空間方面，各個環節的圖書館可以根據實際的館內情況和中心圖書館之間進行圖書資源的分布式采購和管理，尤其是區域圖書館可以根據區域需求特點（如高校圖書館需求科研書籍、企業圖書館需求特點專業書籍）進行重點性和偏重性的采購，而其他的需求的書籍則可以通過中心圖書館或者關聯的其他圖書館之間進行館際的書籍傳遞，這將極大地提高圖書的資源利用率和各個圖書館可提供的圖書、資料等的資源量，從而更好提升服務的空間。

三、基于人工智能的讀者個性化需求服務

本研究提出將智能圖書館的個性化需求服務功能通過基礎數據信息層、人工智能分析層、服務機制內核層、客戶服務顯示層幾個核心層組成。具體的基于人工智能的讀者個性化需求服務服務框架如圖2所示。

1.基礎數據信息層

目前的圖書館大多數尚未實現針對讀者借閱歷史信息和借閱類型等特點開展相關的服務，通過讀者借閱基礎數據的處理，可以實現對讀者類型的準確把握，為基于人工智能的讀者個性化需求服務提供原始數據特征。

2.人工智能分析層

目前，現有的人工智能算法有支持向量機模型、隱馬爾可夫模型、深度神經網絡模型等，其中深度神經網絡模型在圖像識別、圍棋、醫學等多個領域已經展現出了巨大的潛力，能夠有效的依據前期的經驗對未知的信息進行有效的識別和分類。實現輸入特征信息的有效的提取、輸入信息和識別結果之間的有效的關聯、個性化辨識、智能分類等能力，本研究提出基于深度神經網絡模型，通過基礎數據層前期累積的大量的歷史讀者信息對深度神經網絡進行訓練，實現對未知讀者個性化的識別和分類。

3.服務機制內核層

作為圖書館的數字化實現，服務機制層重點是將人工智能模型分析、識別的讀者類型信息與可能提供的讀者服務進行緊密聯系的環節，通過圖書館構建的多個智能數據庫存儲中心，將中心歷史存儲信息和入館讀者信息進行比對，尤其是在復雜的多種類型的信息下有針對性的找到關聯，匹配讀者類型，進而更好的服務讀者，成為基于人工智能的圖書館個性化服務的核心內容。

4.客戶服務顯示層

客戶服務顯示層是直接面對讀者的服務部分，通過智能化的感知和互動實現讀者需求信息的獲取和館藏資源之間的互動交流。例如語音對話、智能顯示或者借閱引導等服務。

四、基于神經網絡學習的圖書館智能服務案例分析

為了構建圖書館智能化服務，通過前面的分析，對于讀者資源和圖書信息的有效匹配和關聯，實現大量異構信息之間的信息互通與識別，是智能化圖書館構建的核心。

論文以神經網絡為手段，試圖構建一套人工智能讀者信息識別系統，具體如下：

人工智能模型需要通過大量有效信息的訓練才能實現高精度的識別，因此，采集重慶第二師范學院近4年學生的借閱信息，如下表所示，將這些信息作為訓練樣本訓練神經網絡模型。

選取4年的借閱數據進行借閱可以將一個大學生4年的情況進行有效的表征，充分考慮4年過程中所處階段的借閱特點進行了全覆蓋，將以上信息進行處理之后訓練神經網絡，神經網絡模型將依據以上的特征信息進行識別和分類，從而實現對一類型或者有一些共同偏好借閱特征的讀者進行建模。

建模構建4層神經網絡模型，輸入層為表1所列的特征值，即輸入層個數為10，中間層1和中間層2分別設置25層和15層，輸出層設置個數為3層，具體為了實現理、工、文不同類別學生的借閱特征的分類，從而有效的實現讀者需求的智能推薦。具體的構建的神經網絡模型如圖3所示。

五、總結

本文以基于人工智能的圖書館讀者信息的個性化需求服務為主線，從兩個層面探討了人工智能圖書館的構建，即中央與地方圖書館之間的關系、智能化圖書館內部的運行機制，并基于案例分析了具體讀者信息識別的智能模型來討論了如何借助人工智能模型實現圖書館的個性化服務。

參考文獻：

[1]陳雪樵，李黎，毛小雪.基于“大數據”的圖書館應用系統平臺設計思路[J].四川圖書館學報，2016，2：15-18.

[2]李超，周瑛.基于BP 神經網絡的高校圖書館隱性知識管理績效評價模型研究[J].現代情報，2012，32（5）：92-96.

[3]鐘萍.基于大數據的圖書館開放數據信息服務系統研究—以安徽大學圖書館為例[J].大學圖書情報學刊，2016，34（6）：70-73.

[4]陳臣.基于大數據的圖書館數字資源重構與融合研究[J].現代情報，2016，36（8）：10-13.

作者簡介：

劉娟（1986—），女，重慶南岸區，碩士，重慶第二師范學院圖書館館員 ，主要進行圖情信息相關的研究。