基于机器学习的数字图书馆智能化服务模式研究

刘路

关键词：机器学习;数字图书馆;智能化服务

摘 要：文章介绍了基于机器学习的数字图书馆智能化服务的流程，从检索、推送、辅导三个方面分析了基于机器学习的数字图书馆智能化服务模式的主要内容，探索了基于机器学习的数字图书馆智能化服务的具体应用方式，以期推动数字图书馆智能化服务取得新突破。

中图分类号：G250文献标识码：A文章编号：1003-1588（2020）04-0099-03

信息服务是数字图书馆核心工作中的一项，是图书馆创新服务形式的重要内容。传统模式下，图书馆的服务水平在很大程度上取决于馆员的专业素养和职业精神，如果馆员缺乏丰富的知识储备和良好的职业素养，就难以满足读者与日俱增的信息需求。引入机器学习技术可以有效规避上述情况。依托机器学习的计算模式和数据挖掘技术，可以推动数字图书馆服务的智能化发展，增强数字图书馆信息服务的科学性和准确性，避免图书馆信息服务质量参差不齐情况的出现。机器学习是涉及统计学、算法理论、概率论等领域的交叉学科，具体来看，是指应用计算机模拟人类行为从而实现知识和技能学习的技术。基于机器学习技术，数字图书馆可以构建智能化服务模式，即在讀者数据库与馆藏资源数据库之间形成多层感知，依托阶层ANN的多种形态，深化数据的挖掘和关联，实现资源构建层的自动化与智能化[1]。同时，机器学习技术侧重于对数据进行归纳和综合，可以从读者检索的关键词中提取信息并自动匹配到目标资源，整个过程几乎不需要馆员的参与即可实现，体现了机器学习的智能化优势。

1 基于机器学习的数字图书馆智能化服务流程

1.1 信息资源智能化获取

数字图书馆在开展信息服务的过程中，可以采用两种方式获取读者的实际需求：动态方式与静态方式。动态方式是指对用户的信息行为、信息获取轨迹、浏览记录、收藏记录等进行动态追踪，从而了解读者的阅读偏好，推测读者感兴趣的学科领域。静态方式则是指数字图书馆可以直接从服务系统中调取读者的行为信息、请求信息等数据（每次登录系统时，系统都会将读者的活动数据记录下来），然后对这些数据进行初步处理和判断，再对其进行智能化分析[2]。

1.2 信息资源智能化过滤

基于机器学习技术，数字图书馆可以实现对信息资源的智能化过滤，即在获取信息数据并进行初步筛选后，挑选出与读者需求相符合的内容，然后结合动态与静态资源分析结果，对馆藏信息进行进一步的过滤，建立起针对用户的兴趣库。数字图书馆对信息资源的智能化过滤既要考虑全面性、避免资源的重复建设，又要通过机器学习实现对海量资源的科学分类，保障信息服务的精准性。

1.3 建立读者数据模型

很多数字图书馆虽然建立了信息服务系统用于信息的采集与分析，但由于数据具有动态变化的特点，而且一些图书馆也缺乏先进的数据分析技术，所以这项工作存在许多问题。数字信息服务系统可以根据读者的特点生成描述性文件并储存起来，这样一来数字图书馆就可以以读者数据模型为导向，实现文献资源的智能化匹配，提高图书馆的信息服务效率[3]。

2 基于机器学习技术的数字图书馆智能化服务模式

基于机器学习技术的数字图书馆智能化服务能够促进图书馆不同版块之间的合作与协调，使信息整合与用户信息获取更加高效，从而提升数字图书馆服务的智能化水平。

2.1 智能化检索服务模式

数字图书馆不仅需要根据不同阅读需求对读者进行群类划分，还需要对馆藏数据资源进行定向检索以提高服务效率。在这个过程中，数字图书馆不仅要对读者需求进行准确定位和精准识别，还要将分析结果与资源数据库进行比对。这是一种以用户需求为导向的检索模式，体现了服务的智能性和嵌入性。图1为数字图书馆智能化检索服务示意图，由图1可知，机器学习技术不仅有助于提高数据调取效率，还可以挖掘数据之间的联系和规律，准确、快速地获取读者的阅读需求，进而提高数字图书馆资源检索的智能化程度与读者体验满意度。

2.2 智能化推送服务模式

基于机器学习的数字图书馆智能化推送服务，是指根据读者数据库分析结果推算读者的资源需求，并通过数据传输平台将目标资源传送给读者的一种方式，是数字图书馆主动服务理念的具体体现。在此过程中，机器学习技术可以对读者线上行为和记录数据进行即时追踪，主动整理数据内容并推送资源。一方面，机器学习技术应用了数据聚类分析方式，该方式以群体为分析对象，聚合了相似属性群体读者的阅读特点，可以得到更加精准的推测结果;另一方面，机器学习技术根据读者类型的差异采用了过滤算法，降低了馆藏资源重复率，提高了数字图书馆推送服务的智能化水平[4]。

2.3 智能化辅导服务模式

数字图书馆可以借助机器学习技术对读者进行辅导，具体来讲，就是在掌握读者阅读兴趣、阅读习惯的基础上，采用智能代理的方式为读者提供更多自主学习的途径，包括在线咨询、专题学习、主题活动等。智能化辅导服务突破了传统数据服务模式的限制，开发出了更多可供读者自行选择的服务版块[5]。信息服务系统可以借助语义关联技术深入挖掘读者的行为规律，为数字图书馆智能化辅导服务提供客观准确的依据。

3 基于机器学习的数字图书馆智能化服务应用

机器学习包括图像识别、文字识别、人体识别等技术，基于机器学习的数字图书馆智能化服务主要包括读者体验阅读服务、个性化智能推荐服务以及基于语音的智能检索等。

3.1 读者体验服务

在数字化时代，读者的阅读方式发生了翻天覆地的变化，更多读者喜欢通过便携式阅读设备获取数字资源，这就要求数字图书馆重视资源的开发与利用，改善读者的阅读体验。结合机器学习技术，图书馆可以充分应用图像识别功能打造现实感、情境感强的VR服务，读者戴上VR设备即可产生置身图书馆的感觉，不仅可以“浏览”丰富的馆藏资源，还可以直观地感受虚拟的风景。同时，读者可通过VR技术实现与数字图书馆的交流，体验图书馆服务的智能性和科技性。总之，机器学习技术可以帮助图书馆开发出更多智能化的服务项目，给读者带来更佳的阅读体验。

3.2 个性化智能推荐服务

数字图书馆的核心价值在于为读者提供更优质的信息服务，因此要关注读者的实际阅读需求。数字图书馆可以借助SOM神经网络聚类算法和贝叶斯算法对数据库进行深度学习，对读者的需求划分层次和群类，根据每个层次和群类的特征计算出基于用户实际需求的语义算法，提高数字图书馆资源个性化推送的精准度[6]。总之，将机器学习分析结果作为图书馆信息服务的客观指导，可以增强图书馆服务的科学性，提高图书馆信息服务的水平。

3.3 基于语音的智能检索

数字图书馆可以使用语音识别技术对读者输入的语音信息进行收录与分析，再与馆藏数据资源进行匹配，经过相应的检索后生成检索成果并输出给读者。虽然基于机器学习的语音智能检索技术尚不成熟，语音识别的准确率仍有待提高，但基于语音的智能检索有其不可替代的优势：降低了读者检索的难度，更便于老年人和儿童使用。

4 结语

综上所述，机器学习是模拟人脑的一种学习机制，其模拟人脑神经连接结构，将读者行为数据库与数字图书馆资源数据库连接起来，深度挖掘数据的规律和内在联系，最大限度地挖掘用户数据和馆藏数据的价值，提高了图书馆服务的智能性与精准性[7]。网络时代下，数字信息呈爆炸式增长。机器学习技术的引入一方面提高了数字图书馆信息服务的效率，缩短了数据处理时间;另一方面也为读者带来了更便捷的体验，进一步简化了读者检索和资源获取的程序，降低了学习成本[8]，能够更好地助力图书馆提升信息服务水平。

参考文献：

[1] 杨九龙，阳玉堃，许碧涵.人工智能在图书馆应用的理论逻辑、现实困境与路径展望[J].图书情报工作，2019（4）：32-38.

[2] 周聪，张德林.基于机器学习的图书智能采编模式的构建[J].中华医学图书情报杂志，2018（12）：43-49.

[3] 梁少博，吴丹，徐惟佳.面向数字图书馆和档案馆的信息基础设施与机器学习数据管理、分析与出版的融合[J].图书情报知识，2018（5）：72-80.

[4] 王雪静.基于深度学习技术的数字图书馆智能化服务模式研究[J].农业图书情报学刊，2018（9）：150-153.

[5] 只莹莹.机器学习在图书馆知识发现系统中的应用初探：以基于知识图谱的发现工具Yewno为例[J].农业图书情报学刊，2018（7）：47-50.

[6] 张坤，王文韬，谢阳群.机器學习在图书情报领域的应用研究[J].图书馆学研究，2018（1）：47-52.

[7] 郭利敏，刘炜，吴佩娟，等.机器学习在图书馆应用初探以TensorFlow为例[J].大学图书馆学报，2017（6）：31-40.

[8] 沈敏，杨新涯，王楷.基于机器学习的高校图书馆用户偏好检索系统研究[J].图书情报工作，2015（11）：143-148.

（编校：周雪芹）