基于大數據技術的高校圖書館智慧服務模式研究

于 歡，孫 青，易 靜，路 青，孫紅亮

(河北醫科大學 圖書館，河北 石家莊 050017)

0 引言

隨著智能及信息技術的快速發展，智慧圖書館的理論研究和實踐成果也在不斷發展，適應大數據環境下用戶信息需求的不斷升級，提供全新的智慧服務模式是其發展的必然趨勢。信息泛化的時代，圖書館提供服務的各類設備、文獻系統、服務及社交平臺積累了海量資源和用戶行為數據，依靠信息識別、數據采集等技術將這些數據有效整合，深入挖掘空間、資源與人的內在關聯，能夠最大程度地發揮數據價值，突破時空局限，打造實時、優質、精確、專業的智慧服務體系，從而幫助用戶實現知識增值，提升知識服務內涵[1-2]。

1 大數據背景下高校圖書館智慧服務的特征

1.1 信息共享智能化

先進的信息技術及智能化的設備是圖書館提供智慧服務的基本技術保障，通過RFID、GPS、物聯網等智能感知技術，結合圖書館集成管理系統、各類空間資源、虛擬服務平臺及資源信息系統等多種途徑將空間、信息資源與用戶等多元異構數據建立關聯，形成圖書館的大數據，以此為基礎實現館內資源的互聯互通與信息共享，提高館員工作效率及用戶體驗。

1.2 個性服務精準化

圖書館蘊含著大量的文獻資料、用戶行為數據及業務流程數據，使用大數據技術能夠動態串聯這3類數據，然后通過數據挖掘、聚類分析、用戶畫像等技術，對用戶喜好與需求進行全方位分析，深入挖掘出數據的潛在交叉價值，發現用戶的隱性需求，進而構建精準、智慧的個性化服務，實現空間、資源與人三者之間的持續化融合。

1.3 圖書館服務功能創新融合化

信息爆炸的時代，圖書館應堅持以用戶體驗為中心，以大數據為驅動，深化圖書館服務層次，拓展圖書館服務功能及服務范圍，以優質的服務體現圖書館的存在價值。目前，圖書館基于大數據開展的個性化推薦服務主要集中在信息檢索及資源推薦，圖書館未來應逐步實現知識咨詢、閱讀推廣、空間使用等全領域、全要素智慧化、個性化服務；除此之外圖書館還應借助大數據技術，打破數據壁壘，積極探索跨領域、跨區域的融合發展路徑，借助外部力量拓展圖書館的服務功能，形成內外部環境立體交互、實體與虛擬服務融合的泛在服務空間。

2 基于大數據的高校圖書館智慧服務模式

2.1 整體邏輯框架

依據大數據的數據采集與存儲、數據治理與建模和大數據應用的技術使用流程，借鑒計算機軟件設計中的3層體系結構，構建基于智慧數據層、智慧業務層和智慧應用層的3層框架結構，如圖1所示。

(1)智慧數據層：匯總圖書館各終端、應用系統及服務平臺，采集用戶、用戶行為及資源3種不同維度的數據，并對數據進行清洗和預處理，在這個過程中一方面要對數據進行填補、降噪等處理，另一方面也要注重建立各異構系統數據間的關聯模型，形成標準、干凈、實時、連續的大數據資源，構建圖書館智慧大數據中心。

(2)智慧業務層：完成了元數據的標準化倉儲，需要對數據進行統計、特征提取、聚類分析，通過用戶畫像技術構建館藏資源畫像、用戶個人畫像、用戶群體畫像，建立資源與用戶、用戶與用戶、用戶與機構或群體間的關聯度模型，為智慧檢索、智慧推薦等服務提供數據支撐。智慧業務層具有承上啟下的作用，它接收智慧應用層的計算請求，并依此向智慧數據層發送數據請求，然后進行數據處理，最終將計算結果反饋至智慧應用層。

(3)智慧應用層：智慧應用層直接面向用戶，為用戶提供智慧服務。各高校圖書館依據辦學層次、學科類型、發展理念不同為用戶提供的各項服務也不盡相同，筆者以僅跨系統的大數據技術應用為前提，將智慧服務歸納為智慧檢索、智慧推薦、智慧學科及智慧互動4個場景。

2.2 技術支撐

2.2.1 數據清洗技術

圖書館的大數據采集自不同終端及系統，不可避免地存在數據重復、數據缺失、數據污染等各種類型的臟數據。因此需要通過數據的清洗與預處理完成數據的統一標準化，確保數據格式一致，提升大數據價值密度和可用性。對于重復數據一般采取主鍵去重策略；對于缺失數據，則需要根據不同情況，采取不同策略；對于無效、低價值、弱相關的缺失值可采取直接刪除的策略；對于高價值、高相關的缺失值則可酌情采取人工填補、均值填補、預測值填補等方式完成清洗。除此之外，還應特別注意異常數據和噪聲大數據的清洗，可以通過建立規則庫、分箱處理、聚類算法、構造回歸函數等方式完成數據清洗[3]。

2.2.2 數據挖掘技術

通過數據挖掘技術能夠了解、分析用戶行為，從而為用戶提供優質的個性化服務。常見的數據挖掘技術包括關聯分析、序列分析、聚類分析、協同過濾等技術。關聯分析即分析不同數據、表單的關聯性，挖掘隱藏信息，最常使用的算法是APRIOR算法[4]。通過關聯分析，能夠獲取用戶訪問不同數據資源間的關聯性；序列分析即將用戶行為與時間進行關聯，獲取在一定時間間隔內某事件發生的變化規律，可以對某一段時間內圖書館各個空間使用情況進行分析，并依此調整圖書館空間服務策略；聚類分析是首先抽取對象特征，然后判斷不同對象間特征的相似性，依據相似性實現數據分類集合，通過聚類分析，能夠獲取用戶的行為知識及興趣模式；協同過濾技術即利用集體智慧，分析不同用戶之間的項目信息并篩選出他們興趣的相似之處，一般用于推薦系統[5-6]。

2.2.3 用戶畫像技術

通過用戶畫像技術構建館藏資源畫像、用戶個人畫像、用戶群體畫像，建立資源和用戶間的關聯度模型，是智慧服務實現的前提和保障。用戶畫像創建流程大致可分為數據采集、數據處理及數據應用3個階段[7]。其中的標簽模塊是整個流程中的核心模塊，其模型的合理性直接影響用戶畫像的精確度。一般來說用戶標簽體系的構建需要使用多種算法完成，例如使用K-means聚類算法在用戶基本數據及海量的用戶行為數據中獲取相似用戶及其特征，實現用戶的分群處理；使用RFM、TF-IDF算法完成代表用戶選取和關鍵詞的權重賦值過程[7]；使用機器學習算法完成行為建模；使用協同過濾、回歸預測等方法計算用戶或館藏資源的相似度，實現相似用戶的行為預測及個性化推薦服務[8]。

2.3 應用場景

2.3.1 智慧檢索服務

相比傳統檢索服務，智慧檢索以大數據為基礎，通過用戶畫像與資源畫像關聯度模型的構建，能夠使檢索結果更為精準化、智能化、個性化。目前，我國高校圖書館智慧檢索服務僅有一定程度的實現傾向，其提供檢索功能的欄目導航大致可以分為：館藏目錄、中文發現、外文發現、聯盟資源、學術搜索、館內電子資源、數據庫、站內搜索8種，多數圖書館同時提供其中幾種檢索功能，不同欄目導航的檢索范圍有所重合，但檢索側重點略有不同。這就可能帶來一定的矛盾與問題：一方面，用戶依據自己需求選擇合適的搜索欄目能夠快速獲得信息；另一方面，在用戶對各檢索欄目不甚了解的前提下，過多的選擇可能會給用戶帶來困惑。為解決這一問題，部分高校圖書館，如清華大學、北京大學圖書館將紙質資源與電子資源進行了充分整合，實現了跨資源類型的一站式檢索，并提供智慧篩選及排序功能，形成了智慧檢索的雛形。但圖書館智慧檢索系統在檢索速度、界面可讀性及檢索功能的豐富程度上與互聯網其他搜索引擎還存在一定差距，一些先進技術如基于移動視覺的搜索模式，尚未得到有效利用。

2.3.2 智慧推薦服務

智慧推薦服務是圖書館主動服務用戶的重要形式，通過大數據技術分析用戶的行為特征和興趣屬性，將所獲取的信息與對應的服務信息進行匹配，并及時推送給用戶，能夠滿足用戶個性化需求。我國高校圖書館智慧推薦資源類型和范圍還存在局限性，主要集中在基于信息檢索的文獻資源推薦及依賴于OPAC系統的館藏資源推薦，其中動態非個性化推薦占主流，如“借閱排行”“熱門推薦”等，只有少數高校圖書館，如重慶大學、華東師范大學提供了“猜你喜歡”“與你相似的讀者也喜歡”這樣基于用戶借閱歷史、瀏覽記錄、用戶群體分析等能夠體現用戶偏好及需求的動態個性化閱讀推薦。由此可見，我國高校圖書館智慧推薦服務無論從廣度還是從深度上都難以滿足用戶需求，推薦場景單一、類型單一。因此未來的智慧推薦應立足大數據技術，跨系統收集用戶行為、用戶情景及用戶位置信息，與社交網絡及移動互聯網相融合，全方位獲取用戶信息，建立完備的用戶知識庫，拓展智慧推薦類型及手段，如依據用戶當前位置、用館習慣、用戶群體分類等信息，通過短信、微信、站內信等形式實時向用戶推薦空間、文獻、圖書、設備等所有圖書館可用資源，并進一步加強推薦服務精確度。

2.3.3 智慧學科服務

學科服務是圖書館的核心業務，大數據背景下，高校圖書館應堅守以用戶為核心的服務理念，積極運用各類智能、信息技術，探尋學科服務創新路徑，為用戶提供智慧、泛化、主動、精準、專業的學科信息和知識服務。學科服務平臺是高校圖書館智慧學科服務的新模式，它依托計算機與信息技術，整合了豐富的學科資源，提供了多種學科服務功能，是用戶和學科館員交流、互動的平臺。我國高校圖書館學科服務平臺搭建方式大體可分為基于LibGuides平臺、基于維度信息管理平臺、基于學科門戶網站、基于超星學科知識支持服務平臺4種模式，學科服務平臺整體建設程度不高，且存在發展不均衡、使用效率低下等問題。因此，積極強化用戶認知，整合技術資源，挖掘數據價值，以大數據技術為驅動，拓展學科服務平臺的智慧功能，在學科服務平臺中嵌入智慧檢索、智慧推薦、智慧學科社區、個性定制等深層次服務內容，為用戶提供自動化、智能化的體驗，用精準、個性化的服務提高用戶使用黏性是學科服務發展的必然趨勢。

2.3.4 智慧互動服務

智慧互動是圖書館提供泛在服務的重要手段，高校圖書館應通過構建圖書館日常知識庫、智慧社交平臺與智能咨詢機器人，創建實時的參考咨詢服務平臺，及時準確地處理用戶的各種服務需求，使用戶獲得良好的知識獲取體驗。目前一些高校已經開通了智能咨詢機器人服務，減少了館員的工作量，提高了用戶咨詢效率，符合圖書館24小時服務用戶的理念，給用戶帶來了良好的體驗。準確無誤地解決用戶問題，是智能咨詢機器人的最終目標，但在實際應用過程中仍存在答非所問、個性化需求無法滿足等情況。針對這樣的情況，可從人員和技術兩方面入手：一方面，在智能咨詢機器人中增加“轉人工”服務，滿足用戶個性化需求；另一方面，強調大數據技術的使用，在構建完備的圖書館日常知識庫的基礎上，建立用戶畫像、用戶畫像與資源畫像關聯度模型，在用戶發出信息之前，了解用戶基本行為特征，然后結合語義分析，使智能咨詢機器人獲取用戶真實意圖，最終將最優解決方案反饋給用戶。

3 高校圖書館智慧服務推進路徑

3.1 完善基礎設施，引入更多智能化設備

高校圖書館的智慧化建設離不開現代信息技術，開放的智慧服務中心更需要高科技、智能化的硬件設施作為支撐。RFID、AI機器人、3D打印機、智能書架、3D人臉識別、VR/AR、5G等技術和智能設備的使用，不僅能夠增強用戶的視聽體驗，依托這些傳感設備，通過數據的對象識別、信息采集與數字管控，能夠實時獲取圖書館的場館、空間、設施設備等信息，并依此進一步優化圖書館的智慧服務。例如，通過3D人臉識別、RFID自助借還、空間預約、門禁等業務系統的互聯，可為用戶提供無感知服務，即用戶只需要在入館時通過人臉識別進行身份驗證就可以無障礙地享受圖書館的借閱、空間使用等服務。

3.2 加強資源整合，實現數據統一組織管理

高校圖書館的大數據具有系統多樣性、分布異構性的特點，因此必須加強資源整合，實現數據統一組織管理。為提高數據整合效率，可在采集終端對海量的原始數據進行初步過濾及整合，消除部分冗余和噪聲數據，減少數據傳輸數量，減輕網絡擁塞。對于圖書館不同業務平臺數據，需借助于語義網和關聯數據技術，完成數據和資源的語義標注、鏈接，使其成為具有邏輯意義、能夠相互關聯的知識對象，創新數據價值。除此之外，圖書館還應注重與其合作的第三方數據的整合，從長遠發展的角度，綜合考慮大數據平臺的集成框架、采集技術、可擴展性及安全性。

3.3 加強人才隊伍建設，提升館員服務能力

智慧館員是提供智慧服務的主體，是實現智慧圖書館的關鍵。因此高校圖書館必須加強館員人才隊伍建設，可從以下3方面展開：第一，完善圖書館員準入制度，制定科學合理的招聘標準；第二，構建長效的培訓機制，定期開展系統的、有針對性的培訓，并鼓勵館員投入智慧圖書館的建設中來；第三，構建動態的智慧館員職業能力評估體系，優化績效考核，提升館員職業能力水平。

4 結語

我國圖書館智慧服務仍處于起步探索階段，大數據技術在圖書館領域的應用尚未全面展開，圖書館門戶網站、集成管理系統、各類服務及應用系統仍存在各自為政的局面。因此，在未來的智慧圖書館建設過程中，必須樹立大數據意識，深入挖掘數據內蘊含的知識與智慧，構建圖書館的大數據中心，以此提升圖書館服務的智慧化、主動性、個性化及準確度。