智能選書：圖書館精準采購實現策略

蔡迎春

（上海外國語大學圖書館，上海 200083）

人工智能應用于圖書館，是推動智慧圖書館建設的重要一環，促使圖書館由原來的生長和轉化階段過渡到超越和變革階段。首先，圖書館面對的外在環境已不再是傳統單一的信息環境，而是一個充斥著各種新型技術和數字化資源類型的大家庭[1]；其次，圖書館用戶已不再是傳統意義上被動的信息接收者，他們對圖書館提供資源的多樣性、個性化、便捷性和精準性更加關注。因此，在多載體共存互融的環境下，對圖書館資源采集、組織和服務提供等專業性活動提出智能化的要求[2]。面對如此眾多的資源類型，如此海量的書目數據，如何優化不同類型圖書配置，如何精準選書滿足用戶需求，已經成為圖書館精準采購面臨的問題和挑戰。

1 智能選書理論的演進

最早的智能選書理論是產生于20世紀70年代的拉·斯氏選書標準[3]，后來有人應用其中的一些內容設計出適合機器推理、演算方式的選書模型。國內選書專家系統研究始于1982年[4]，雖然相關研究晚于國外，但是在圖書選擇專家系統的概念、圖書“質量”的評價、復本的判定算法、館藏結構模型的建立及模擬人腦的選書過程等理論和技術方面已有成型的思路。1988年Fenly等[5]報告了美國國會圖書館使用專家系統在其職能部門，如采購、編目和期刊等部門控制中進行技術處理的可行性。雖然早期的智能選書理論相對成熟，但圖書采購智能系統主要是基于用數學模型解決劣構的問題，而不是逼真地模擬人腦的選書過程，其準確性難以保證。此外，對這些劣構問題（具有非數值、不適定、離散和開放信息等），很難建立傳統的數學模型，導致智能選書的烏托邦狀態。

隨著大數據時代的到來，圖書館行業迎來了智能化管理創新的機遇，其文獻資源采訪工作也受到了很大影響。無論是移動互聯網、大數據技術、云計算技術還是人工智能技術都有了日新月異的發展，已經能對用戶需求[6]、書目分類[7]、館藏數據[8]、圖書價值[9]、經費分配[10]等作出深度分析。從涉及圖書采購的人工智能理論研究來看，主要包括三方面：一是從實證角度，分析影響圖書采購的各種因素，間接提供采購決策方法等規律；二是運用數學模型或早期人工智能算法對圖書采訪進行定量研究；三是利用人工智能的神經網絡技術模擬人類思維，實現智能采訪。許多數據庫制造商還可以提供圖書選擇和訂購系統。例如，EBSCO的GOBI專家圖書訂購系統，可以根據預設的采購模式，為專業圖書館員和學科聯絡員提供專業學科的新書，許多美國大學圖書館就使用GOBI系統來挑選和訂購圖書[11]。

在此大環境下，利用計算機系統模擬人的思維與行為過程，從而形成智慧化采訪的技術取得了一定進步。例如，基于改進的遺傳算法建立購書模型，從制約用戶購買圖書資源時的一些規則性知識，對影響因素的權重和閾值進行優化，以此來判斷哪些書應該入選，哪些書不宜采購[12]；利用神經網絡算法建立基于薦購圖書信息、圖書受歡迎程度和價格等多種綜合信息下的圖書訂購決策模型，可以有效排除圖書訂購者個人喜好因素的干擾[13]；根據深度學習理論，讓人工智能基于用戶與圖書館之間的交互數據，對用戶需求做出更準確的預測，逐步形成貼近人類認知的館藏特征、采集偏好和圖書評價數據[14]等。以上這些研究成果均在宏觀層面為圖書館智能采訪的發展提供了可供參考的思路。在實踐操作層面，目前國內已有復旦大學、中國人民大學、重慶大學等高校的圖書館，先后研發了選書輔助采訪系統，能在一定程度上提高紙質圖書采訪的效率和精準度[15]。

2 智能時代圖書館精準采購面臨的問題

2.1 紙電融合出版

紙電融合出版是指出版社同種圖書的紙質版和電子版同時出版的融合發展的狀態。由于國外圖書館普遍存在單復本政策，出版社沒有惜售心理，紙電同步發售在國外推行得比較順暢。早在2012年，美國排名前六的出版社已實現93%的紙電同步率[16]；即使是占據世界出版市場份額較小的俄羅斯，在2015年的紙電同步率也已達到45%[17]。很多國外大型出版集團數字化轉型較早，如劍橋大學出版社早在2014年，紙電同步率已接近100%[18]。部分學術性較強的科技與醫學類圖書出版商，如Elsevier和Springer已完全實現數字出版，新書出版更是采取“先出電子書，如果有需求，才印刷紙質書”的策略[19]。國內情況則不同，出版社由于擔心電子書銷售影響到紙書利潤，一般采取紙書優先模式，真正實現紙電同步的相對較少。據2017年對36家核心出版社的統計，新書出版之后的第一年內可供電子書的僅占9.72%，第二年內超過50%，第三年則超過60%[20]。但是，隨著民眾電子書閱讀率的不斷提升，以及電子書市場內容供給不斷提質增量，近些年紙電融合發展乃至同步的速度也在加快。據《中國圖書市場報告》（2019—2020年度），紙電同步銷售的品種占比越來越高，2017年占比14.3%，到2019年已經超過35%[21]。

在紙電融合出版環境下，圖書館文獻資源建設與傳統紙書采選有所不同，不但要考慮圖書的內容、用戶借閱頻次，還要考慮圖書價格和復本需求，以及電子書延遲銷售期間紙本復本的補充問題。對用戶而言，多一種選擇是一件好事，但是對采訪人員來說，則存在紙電如何優先配置的問題。目前，已有部分出版社構建了自己的線上電子圖書銷售平臺；還有一些有影響力的館配商也開始通過研發紙電同步平臺，同步銷售中文紙本與電子圖書，如北京人天書店“暢想之星”、湖北三星“云田智慧”、浙江新華書店“蕓臺購”等。目前從圖書館采購角度看，主要存在以下問題：①不同館配供應商搭建的平臺之間無法對接，而且在與圖書館管理系統融合對接方面容易出現分歧和困難；②各大紙電同步平臺簽約的出版社有限，并且重復，圖書館無法做到只使用一個平臺采選所需圖書，嚴重影響圖書選書的便利性和效率；③查重困難，無法與館藏圖書進行對比和查重。

2.2 采訪技術傳統

目前圖書館紙質圖書普遍是政府招標采購為主、用戶薦購為輔，具體以書目圈選、現場采購、網上采購、用戶薦購等作為發現有價值圖書資源的主要手段；電子圖書則從包庫模式逐漸轉向單本采購模式。在傳統的選書模式下，高校圖書館選書工作主要由采訪館員和學科館員根據往年館藏采選情況、學校教學科研需求、學生的借閱使用等情況進行綜合判斷，并確定當年采選策略。在實際圖書采訪過程中，這些采訪方式雖都具有一定的優點，但也存在較大的弊端。

首先，從選書人員角度，傳統采選對采訪館員的要求主要體現在學科專業水平、知識結構、判斷能力、經驗等方面，由于將這些知識運用到實踐中需要一個較長的培養過程，勢必要求采訪隊伍保持相對穩定。然而近年來采訪館員人數不斷精簡，加上圖書館實行輪崗制度，新老采訪館員更迭較快。此外，在部分選書環節中，院系教師和學生也會參與到選書過程中，但是教師空閑時間較少，參與選書的熱情不高；學生參與薦書熱情較高，且對所學專業有一定領悟，但所選圖書一般為普通讀物和暢銷書，保存收藏價值不高。其次，從采購方式來看，各種方式優點和弊端并存，其中書目圈選是目前圖書館主流采購模式，但是無法實現精準采選，甚至館配商可能會有意無意地過濾掉部分質量好、價格高的圖書信息；現場采書由于圖書數量多，采選時容易漏掉真正需要的圖書；網上采購原先只針對零購圖書，但在新型冠狀病毒肺炎疫情之后涌現出一批“云采購”平臺，由于品種不全、無法查重、無法實現多平臺數據交互，應用局限性大；用戶薦購較為符合用戶的利用需求，但是存在重復、交叉、推薦圖書年限過于久遠無法獲取等問題，同時工作比較瑣碎、煩雜，零購圖書不在招標采購范圍內，致使操作難度大，到書數量和質量無法保證。

2.3 管理平臺局限

目前，多數圖書館使用的傳統圖書館管理系統在處理圖書館專業活動方面凸顯不足：第一，信息資源數量激增與單個圖書館館藏能力有限之間的矛盾加劇，資源需求的普遍性和復雜性與圖書館滿足需求的能力形成強烈反差；第二，信息資源的組織僅根據紙質資源的需求進行設計，不適合圖書館資源載體的多樣性共存，不能面對所有媒體資源的統一管理和數據共享問題；第三，傳統的管理系統在系統建設中沒有考慮用戶，更側重以業務流程為主要設計模塊，不能真正關注用戶的需求，不能透徹解讀用戶的信息需求和行為。因此，傳統的圖書館管理體制難以完全滿足圖書館信息環境和用戶不斷變化的需求，而現有的數字圖書館聯盟僅限于數字資源共建和服務共享，還存在管理系統不統一、共享效果不佳、服務水平不高等問題。

在紙電同步平臺與圖書館現有管理系統的兼容對接問題上，圖書館希望新的平臺能嵌入圖書館管理系統，而目前國內多個平臺并存競爭的局面又給這種對接融合帶來了一定程度上的困難。在2012年“下一代圖書館服務平臺”（Next Generation Library Services Platforms，LSP）的概念被首次提出后[22]，人們已經開始思考圖書館自動化管理系統的變革和升級，對融合了紙本資源、電子資源和數據資源管理的“下一代圖書館系統”報以期待，隨著新的平臺研發成功，國內外一些圖書館已經進行系統遷移。如香港大學圖書館長聯席會所屬的香港8所高校圖書館聯合將新平臺作為區域共用平臺，在統一工作流程的基礎上開展館藏開發和深度合作，拓展共享形式與內容，有效實現管理、資源和服務等方面的共享[23]。上海阿法迪智能標簽系統技術有限公司也開始研發國產的“云圖書智能管理平臺”，平臺具備大數據分析和電子資源管理功能[24]。同時，國內部分圖書館（如重慶大學圖書館、南京大學圖書館等）也參與到智慧管理平臺的建設，與數據庫商或者平臺商共同構建基于智慧采訪的新一代系統。

3 人工智能在圖書館精準采購中的實現策略

3.1 紙電同采使圖書館資源配置最優化

紙電同采主要是指基于紙電融合出版，圖書館依據館藏策略、選書原則或用戶需求優化圖書采選類型。從國內當前采選現狀來說，首先需要優先保障紙本圖書，沒有證據顯示電子書在保存和使用方面比紙本書更可靠，而電子書獲取的不穩定性，導致依靠館際互借等遠程獲取方式，會給用戶帶來諸多不便。所以大多數高校圖書館仍然采取較為保守的策略，尤其是對研究類館藏至少采購一個紙本，以確保本校研究者具有較為可靠的資料來源。其次需要合理配置電子圖書。紙本書不僅占據了較大的館舍空間，而且到館后需要經過多個流程的加工和調撥才能在多校區之間流通，而電子書在這方面的投入幾乎為零。因此，對圖書館而言，紙電同采是實現資源優化配置的必由之路，越來越多圖書館希望通過紙電同步采購和融合建設來緩解館舍空間緊張、經費有限等方面的問題，并同時滿足用戶閱讀需要。而且，當前的大數據技術已經可以自動收集并報告信息，依托大數據分析平臺，人工智能技術通過對已有采訪數據進行分析，挖掘出一些隱藏的規律、現象、原理等，進一步為紙電同采提供決策依據。

（1）人工智能測算電子圖書發售時效。根據已有研究，超過一定時限，一些核心出版社開始逐漸釋放一些電子書。出版后一年內，出版社可供電子書的數量非常少，而紙本書出版后的2~4年，是電子本發售比例最高的時段。如果利用人工智能技術追蹤各家核心出版社紙本書配套電子本的發售時間，采訪人員可以不需要被動等待圖書供應商制作出統一的書目訂單后再做選擇，而是預見性地做好經費規劃，在獲得最新的電子本書目數據后即可下單。

（2）人工智能預測哪些圖書需要追加復本。一般來說，紙電圖書在需求上具有較大差異性，理工科用戶更加追求文獻獲取的時效性和便捷性，對電子書的需求量會比較大；人文社科用戶更偏向紙質書的深度閱讀體驗；而教學輔導型圖書，由于紙書利潤較大，電子書可獲取程度較難。同時，紙電圖書建設成本也是資源建設中必須考慮的問題。Miller[25]對比了高校圖書館紙質圖書和電子書的價格差異，發現除宗教、哲學和社會科學以外的其他學科的電子書價格高于紙質圖書，科學圖書的紙電價格最高。人工智能技術可以根據品種和預算判斷采購的內容和載體類型，確定是否需要追加復本。一般情況下，一個平臺可以提供5個電子本的并發數，如果沒有電子本，則根據需要再行添加紙本復本，但對于一些暢銷書和教材、教輔書，仍會存在供應不夠的問題。

（3）人工智能對用戶的需求把握更準確。實際工作中，采訪人員需要實時關注用戶需求和館藏歷史記錄。通過對用戶借閱數據的分析，利用人工智能技術整體上預測用戶閱讀趨勢的變化，并根據某類圖書受用戶歡迎的程度來及時調整采訪策略。同時也可以對用戶群體進行觀察和分析，對年齡、學歷、職業等海量信息進行提取，可以更加準確地把握用戶的選書品味，購買到此階段用戶最需要的圖書品種，提升圖書的利用率。

3.2 深度學習使圖書館采購決策更智慧

從傳統采訪技術的弊端來看，無論是書目圈選、現場采購、網上采購還是用戶薦購，無法很好把握所有學科和專業發展的動向，導致對自己不熟悉或無興趣的圖書有可能不采選或采選數量較少。而用戶薦購圖書本身就帶有偶發性和自發性，采選的效率也較低。因此，在采訪過程中引入科學決策、統計分析乃至人工智能思想，讓機器代替人類去記憶、判斷、推理和決策，是人類一直以來的夢想。20世紀80年代的選書專家系統已經可以推理和演算，但不能推導出新知識。實際上，面對海量的書目信息，當前圖書采購過程受到多方面因素影響，已經由采訪人員“經驗式”采購轉變為學科發展、建設目標、用戶個性化需求等綜合因素下的采購，具有相當的復雜性和不確定性。

2006年Hinton等[26]首次提出了深度學習的概念，通過類似人腦的思維方式為解決特征提取問題提供了途徑，能夠有效解決若干對人來說很容易執行，但很難形式化描述的任務。其中的神經網絡算法，因其具有良好的非線性映射能力，能反映出圖書的各項參數與能被選中之間的關系；較快的數據處理速度，有利于解決圖書館供應商提供的圖書數據多而雜的問題；自適應學習能力，能夠通過訓練（學習），獲得圖書被采購與不被采購所具有的相關知識，因此在2007年就有研究人員基于改進的遺傳神經網絡算法，建立了圖書采購模型系統[27]。

把深度學習技術引入圖書采購領域，在處理復雜決策問題時更具智慧。首先，深度學習更容易引發大數據優勢。在不計算電子書數量的情況下，單以一年新增20萬種紙質書的數據規模，計算機完全能根據訓練模型對圖書特征和用戶自身數據進行有效整理，主動匹配用戶特征、行為偏好，滿足不同機構用戶的個性化需求。這種采訪方式能減少人工采購的偏差與失誤，保證館藏結果與品質的穩定。其次，深度學習在模仿人類認知、學習和判斷方面，只需通過類似圖書MARC的描述方式，就能快速對大量數據進行標記，有效預防在海量數據預處理時所產生的重復數據、數據丟失、虛假數據等問題。再次，深度學習能進行自主學習和進化。人工智能能實時自動追蹤出版社數據、專業作者數據，發布最新出版情況和學科發展，以最大限度地彌補采訪人員認知結構的不足。最后，在輸出智能采訪結果后，采訪人員如果不滿意，可用參數調節方式進行干預，為下一次輸出采訪結果進行校正。

3.3 智能選書使圖書館圖書采購更精準

為了最大限度地減少現有采訪模式帶來的弊端，我們亟需建立一個方便、快捷，并且全面鏈接出版社、書商、圖書館和讀者的紙電融合一體化采選平臺。這個平臺主要依托人工智能技術，由計算機來代替人工，對各類信息迅速進行相關性比較、權衡、評價，最后基于用戶需求，智能化地處理互聯網的海量信息。隨著圖書館管理系統的研發和探索，國內的“新一代智慧圖書館管理平臺”也逐漸成熟，以超星公司的“智慧圖書館管理平臺”為例，基于微服務的開放式構架，可以將紙電資源納入統一管理，并且通過安裝各類應用，允許圖書館靈活設計更適合需求的工作流程。有了這樣的服務平臺，完全可以將智能選書理念融入此類智慧采訪平臺中，根據使用場景設計出最適合使用場景的人工智能算法。采訪人員可以在統一界面下，接收來自不同出版社、不同學科分類的圖書信息；并在決定購買后，把在版編目數據納入本館的自動化管理系統中，書商通過查看訂購數據直接進行書目配送；采訪人員還可以查看用戶留言信息，遇到用戶薦購圖書，系統會直接比對已有館藏，自動進行查重；最后整合各出版社不同年份的圖書信息，并基于圖書館采訪政策、圖書出版信息、用戶借閱分析數據、經費分配方案、出版社權值等自動生成智慧書單，作為圖書精準采購的依據。

要實現精準采購和智能選書，大數據和人工智能算法是其中的關鍵。在大數據方面，主要有決策指導數據（館藏發展目標、館藏級別劃分、文獻采選原則、經費分配和控制、各類文獻選擇標準等）、書目信息數據（各種書目數據、各領域專家學者數據等）、推薦分析數據（出版社重點圖書數據、各種好書榜數據、網上書店或館配商銷售數據、其他圖書館訂單數據、學科專業建設數據、師生薦購數據、電子圖書借閱數據、社交媒體數據等）。在人工智能算法方面常見的有人工神經網絡算法、決策樹算法、小波分析算法、蟻群算法等幾十種[28]。每種類型的大數據、每種具體算法，對于不同類型的藏書都有適合自己的使用場景，智能選書平臺的構建就需要為每一種使用場景配置不同的人工智能算法，用于對數據集進行預測性分析和規范性分析。

根據圖書館的藏書結構體系可分為兩大使用場景：一類是基本館藏圖書；另一類是用戶薦購圖書。基本館藏圖書是圖書館館藏資源建設的主體，集中體現了圖書館的性質和功能，如大型出版物、工具書和學術類圖書等。此類圖書的采購主要由圖書館專業采購人員負責，以保證圖書館館藏結構的系統性、科學性和合理性。在實現智能采購的過程中，首先需要導入政策指導類數據，這是人工智能算法得以實施的基礎和依據。當采訪人員將可供書目導入系統時，系統首先自動與政策指導類數據進行對比，判斷是否符合學校的專業設置情況、是否符合圖書館對出版年的限制、是否已有紙質圖書館藏、是否符合經費分配原則等，根據這些情況來剔除無效重復數據。同時，系統自動利用各種預設或實時的推薦分析類數據，通過大數據分析對書目進行評價。最后，系統自動輸出智能選書訂單，采訪人員進一步核查后發訂。例如，通過對學校重點學科、碩博士建設點、本碩博人數等因素進行分析，確定生均圖書總量和學科經費配比，對各學科核心出版社、核心作者在內的書目進行標引，提醒采訪者關注，計算機將自動對比、推斷、匯總和確定購買各學科圖書種類和經費，根據用戶需求確定圖書復本量，并獲取需要購買圖書的種類和復本結果；用戶薦購圖書主要是為了滿足用戶的一般閱讀需求和個性化需求，不同類型的圖書館可以根據自身實際情況合理設置可選圖書的主題、類型和最高價格，也可以根據用戶身份設置不同的用戶群，分配不同的購買金額。

4 結語

人工智能將全面賦能圖書館專業活動的變革發展，有力促進圖書館超越現有思維、持續自我更新、形成新型模式，為圖書采訪更高效、精準、智慧和貼近用戶的需求提供全新思路。圖書館應抓住智能時代的機遇，通過對人工智能技術的深入研究，在紙電同采的基礎上，將深度學習技術應用到具體采選流程中，并研發紙電融合的一體化智能選書平臺，勢必會有力助推圖書館傳統采訪工作的轉型，不僅能優化館藏結構，促進紙電資源協調發展，還能促進選書效率最大化，使圖書館逐漸從傳統、數字向智能圖書館過渡，最終向智慧圖書館邁進。