面向深度学习的数字图书馆网络知识发现服务模式研究

陈骊

关键词：深度学习;数字图书馆;网络资源;知识发现;服务模式

摘 要：文章简述了深度学习的概念，对深度学习技术进行了阐述，在分析深度学习引入数字图书馆网络知识发现服务的价值的基础上，从构建原则、构建模型和安全保障三个方面探讨了面向深度学习的数字图书馆网络知识发现服务模式的有效构建，并强调了面向深度学习的数字图书馆网络知识发现服务中人的重要性。

中图分类号：G250.76文献标识码：A文章编号：1003-1588（2019）09-0068-03

伴随互联网技术的快速发展，世界已进入“互联网+”时代，技术融入图书馆服务并促进图书馆服务模式的转变是大势所趋。数量庞大的网络资源质量参差不齐，“信息过载”及“信息迷航”等现象层出不穷，怎样从庞大的网络资源中有效获取有价值的知识信息，成为图书馆界亟须思考的一个重要课题，而深度学习的出现为其解决上述问题提供了思路[1]。目前，深度学习已在图书馆的信息检索、图像识别等领域获得了较大成效，但将其与数字图书馆网络知识发现服务结合起来研究的成果并不多。因此，笔者试图从深度学习技术入手，深入探讨数字图书馆网络知识发现服务模式的构建，以期为知识发现服务研究提供借鉴或参考。

1 关于深度学习

深度学习是人工智能领域机器学习的一大发展趋势，其实质是模拟人脑学习、分析、决策的机制，采取自主学习处理未知问题[2]。深度学习以神经网络发展为基础，通过模拟人脑结构构建分层模型，采取由低至高的原则逐层抽取有关数据，学习并将数据知识与数据特征逐层输至高一层，使高一层的神经元获取更为抽象的知识表述，让数据实现“具体—抽象”“简单—复杂”的映射转变，进而正确觉察数据内涵，准确认知和预测数据的发展趋势。深度学习由多层神经网络构成，与传统神经网络的最大区别在于深度不一样，简单来说就是数据“输入—输出”所经历的层数不一样，后者大多由输入层和输出层构成，前者至少在上述两层之间增加一个隐含层，三层以上（含三层）的网络就能够被称为深度学习。

2 深度学习引入数字图书馆网络知识发现服务的价值所在

知识发现是指从海量数据中挖掘内隐、有用及新颖的知识，构建可被人认同接纳、有效应用的服务模式，是把信息资源逐步转化为有价值、有创新的知识的系统化过程，包含数据收集、数据挖掘和数据转换等多个环节。在图书馆信息服务工作中，知识发现能够帮助用户了解类型各异的信息资源间的内部联系，挖掘用户的个性化、专业化需求，从而为用户提供优质高效的知识服务。数字图书馆把深度学习引入网络知识发现服务，以逐层学习的形式获取海量数据，挖掘模态各异的网络信息间的关联点[3]，可加快网络信息检索速度，为用户带来优质的知识服务体验。

2.1 提升知识挖掘能力，促进资源高效利用

在傳统的数字图书馆服务中，数字资源的分布通常是分散孤立的，用户在检索数据时经常遭遇阻碍，这种孤立的资源存储形式导致不同数字资源之间的关联性不强，同时也缺乏统一标准的检索界面，在技术操作方面增加了用户知识发现的成本。因此，数字图书馆引入深度学习技术能够把零散、无规律的数字资源进行有效关联，进一步深挖与原信息相关和有价值的信息资源，为用户提供知识发现与访问的通道，有效降低用户的知识发现成本，提升数字资源的使用效率，将“人找知识”变为“知识找人”。

2.2 有效过滤垃圾信息，提升知识服务水平

在“互联网+”时代，每天产生的信息资源不计其数，质量参差不齐，单一的信息建设方式已无法满足用户的信息需求，而深度学习技术能够在一定程度上解决这一问题。数字图书馆通过收集整理、优化整合、关联分析等信息处理手段，能够深度挖掘信息资源内涵、网站架构及用户信息，归纳总结并有效利用潜在的信息特征和信息关联，最大限度地过滤、摒弃垃圾信息，真正为用户提供有价值的知识数据，进一步提升知识服务水平。

2.3 加强数字资源开发，推动数据库建设

数字图书馆引入深度学习技术可以收集整理、研究分析用户的信息需求和需求程度以及信息习惯和行为规律等，从而为数字资源建设提供真实有效的用户基础数据，进一步加强数字资源的开发与利用。此外，数字图书馆引入深度学习技术还可以在技术层面上增强对馆藏信息资源的挖掘深度和力度，多角度、全方位地挖掘潜在信息资源间的关联，打破数字资源的异构壁垒，构建合理统一的信息资源，进一步拓展数字资源的服务功能，有效推动数据库的建设，从而实现数字图书馆优质高效的知识发现服务。

3 面向深度学习的数字图书馆网络知识发现服务模式的有效构建

面向深度学习的数字图书馆网络知识发现服务具有资源整合、技术优化及服务延伸等优势[4]，能够实现网络知识的交流与共享，满足用户的数字资源检索与知识获取，并有效减少用户的知识发现成本，从而为用户提供优质高效的知识服务。

3.1 构建原则

数字图书馆在构建网络知识发现服务模式过程中应遵循以下原则：一是“以人为本”原则。数字图书馆应尊重用户的个性特征和行为规律，掌握用户的知识需求，激发用户参与知识发现活动的积极性，为用户提供优质高效的知识发现服务[5]。二是整体性原则。数字图书馆应完整获取有关的数字资源内容，确保数据的完整性，关注不同数据间的内在关联性，防止断章取义。三是规范性原则。数字图书馆在对信息资源进行优化整合、二次建构时，必须重视数据本身的特征和所处的专业领域，选择标准、规范的技术和方法对数据进行合理加工，以保障知识发现服务所提供数字资源的规范性。四是灵活性原则。数字图书馆网络知识发现服务模式应是符合用户需求及可变的，只有依据用户知识需求的改变而改变，才能实现知识服务的可持续发展。

3.2 构建模型

面向深度学习的数字图书馆网络知识发现服务模型包括数据资源层、信息服务层和知识发现层三大部分。

3.2.1 数据资源层。数据资源层由若干数据库组成，每一个数据库都存储着若干数据资源，大致分为馆藏数字资源、付费引进的商业资源以及社会学术机构的数据资源等，主要包括结构性资源和非结构性资源。数据的异构化特征使数据资源层不仅能够聚合数字图书馆的内部数据资源，还能聚合数字图书馆的外部数据资源，在一定程度上充实了数据资源层的数据资源。同时，数据资源层还包括用户基础数据，数字图书馆利用深度学习技术对用户基础数据进行深入研究，能够更准确地了解和掌握目标用户的信息需求和偏好，进而为目标用户提供更加优质、专业的知识发现服务，不仅能够缩短用户检索信息的时间，还提升了数字图书馆知识发现服务的效率。

3.2.2 信息服务层。由于目前数字图书馆数字资源层的数据还比较松散和凌乱，无法完全满足用户需求，因此，信息服务层作为数字图书馆网络知识发现服务模式的中间层，就起到了承上启下的作用。它通过云计算技术对数据资源层的数据信息进行甄别，利用元数据技术进一步挖掘数据内涵及揭示数据特征，从而实现数据索引。信息服务层对数据资源层的各种数据进行优化整合，使无序数据有序化，为知识发现层各项功能的实现做准备。

3.2.3 知识发现层。知识发现层主要是通过知识发现、知识组织等方式保障数据之间的内在关联。目前常用的关联聚合、关联分析及语义网等技术，可以实现不同类型、不同专业领域知识的有效组织，并且能对不同概念进行规范化处理。知识发现层主要是通过关联聚合、语义网分析、关联分析等技术实现不同概念之间的关联及不同知识单元（或知识点）的提取和关联，最终构建立体化的知识表示体系。

3.3 安全保障

用户在使用数字图书馆的知识发现服务时，有可能遭遇病毒攻击、隐私外泄等网络安全问题，从而削弱用户的知识发现行为。因此，数字图书馆必须制定和落实各方面的安全措施，采取双向认证技术、3G技术等提升信息的保密程度;构建科学规范的管理制度，规范数字图书馆的网络安全行为;定期检测网络知识发现服务系统，及时发现并处理安全隐患，尽量把危害消除在初始阶段。

4 面向深度学习的数字图书馆网络知识发现服务应重视人的问题

4.1 馆员的专业素养问题

面向深度学习的数字图书馆网络知识发现服务是一种与“互联网+”时代同步、蕴含先进技术的知识服务，必须有专业人才给予支撑。因此，数字图书馆要意识到馆员的专业素养必须与时代要求相匹配，加大“外引”和“内培”力度，在保障人才质量的前提下多方拓展人才引進渠道，不断输入新鲜血液，同时采取多种方式培养原有馆员，激发馆员的学习积极性和主动性，进而实现馆员队伍专业素养的整体提升[6]。此外，数字图书馆还要重视“理论+实践”的培养模式，鼓励馆员将学到的理论知识应用于工作实践，形成“学习—实践—学习”的良性循环。

4.2 用户的信息素养问题

培养用户的信息素养能力，促使其知识获取手段逐渐科学化，有助于数字图书馆网络知识发现服务质量的提升[7]。在培养用户信息素养能力方面，数字图书馆可以采取多途径宣传、专题讲座、信息培训、在线课程等方式，对其进行“个性化”教育和“跟踪式”教育。其中，“个性化”教育要针对不同用户的认知规律、心理特征、专业背景、文化程度等因材施教，设计不同的信息素养教育内容，选择合适的信息素养教育方式;“跟踪式”教育是数字图书馆积极参与用户知识发现过程，随时发现用户在知识发现过程中遇到的问题并给予协助解决，同时依据用户反馈及时调整教育内容和方式。数字图书馆进行用户信息素养教育培训时，除抓好用户的信息素养理论知识和实操能力外，还要提升用户的观察、分析、甄别等综合信息能力，强化自我服务能力，确保用户信息素养的有效提升。

5 结语

综上所述，数字图书馆引入深度学习技术构建网络知识发现服务将对用户的信息行为产生较大影响，数字图书馆应加大优化整合数据资源的力度，及时更新信息技术，对用户的知识需求和信息行为进行更加深入的调研，进一步提升数字图书馆网络知识发现服务的质量，稳步推进图书馆事业不断向前发展。

参考文献：

[1] 刘忠宝，赵文娟，贾君枝.深度学习及其对图书情报学的启示[J].情报工程，2017（4）：62-70.

[2] 山世光，阚美娜，刘听，等.深度学习：多层神经网络的复兴与变革[J].科技导报，2016（14）：60-70.

[3] 吴青兰.数字图书馆知识管理的基础理论研究[J].新西部（下旬·理论版），2011（2）：134-135.

[4] 杨延铮.以知识服务构建面向知识创新的数字图书馆[J].西北工业大学学报（社会科学版），2012（4）：120-124.

[5] 王宏波.高校数字图书馆信息检索用户认知模型研究[J].河南图书馆学刊，2017（8）：44-46.

[6] 宋敬果，刘敏榕.基于鲶鱼效应的高校图书馆学科馆员激励机制构建策略[J].情报探索，2015（2）：95-97.

[7] 温日琴.数字图书馆门户网站用户认知模型的构建研究[J].四川图书馆学报，2016（2）：34-37.

（编校：徐黎娟）