数据驱动的智慧图书馆建设与智慧服务研究

于兴尚 董红丽 郭 畅

（1.广州工商学院图书馆 广东佛山 528100； 2.白城师范学院图书馆 吉林白城 137000）

1 引言

随着信息化的普及、交互迭加和深入发展，数据容量以指数级体量堆积，规模化数据集现象已司空见惯。从数据集合过滤嘈杂信息、凸显数据弱信号、关联数据复本、优化数据散落节点、开发具备价值属性的融合数据是目前大数据时代面临的紧要问题。由于图书馆数据可划分为现实数据（馆藏数据、设备运行数据）和网络空间流动数据即非现实数据（交互数据、感知数据等）配置信息，所以在开源文化时代，知识生产和信息输出以多构面和多样本存在，以稀缺性和精准供需为导向的价值尺度显得尤为重要。鉴于数据资源“信息孤岛”和“信息离散”等现象，在图书馆用户数据流中引入用户画像、数据挖掘、数据仓储、深度学习等人工智能技术，利用现有技术理论对海量数据进行有效组织和处理，在知识服务中创新适应人们需求模式的信息供给工作平台更不容小觑[1]，其对于图书查询系统、馆藏系统、用户界面系统、查收查引系统和服务平台系统等规划数据“零件”、开发服务产品具有重新组合、混合和再造功能。加上标准网络服务和动态数据计算的浮现，图书馆服务通信的本质实际上是机器间的交流协作，借助浏览器、视觉应用、网页等方式访问数据，并在多样数据中心、存储系统和互联数据库中以数据驱动形式为智慧图书馆通用基础架构建设打下良好基础。数据驱动理念的引入意味着图书馆实现学术圈数据共享、受众个性化服务、时效性服务、异构数据挖掘等智慧化服务指日可待，因此革新数据驱动战略思维对于智慧图书馆集成创建和智慧定向服务起到推波助澜的作用。

2 研究综述

从人类发展史来看，任何文化构建都不是自然流露，而是在不同分类系统和知识表征的基础上慢慢累加，也会随着不同技术差异、文化体系迥异、历史变迁的发展而呈现不同形态，智慧图书馆也不例外。智慧图书馆概念的提出者是芬兰大学图书馆学者艾托拉，2003年他将一个不受空间制约且能被感知的服务定义展现出来[2]。王世伟基于技术背后的实质性表现将智慧图书馆的互联化归类于全面感知、立体互联、信息共享三大特征[3]，可见智慧图书馆的精细分析不仅活跃于应用技术诠释的智能属性，还聚焦于服务的泛在化描述和人文设计。洪亮等基于信息生态链理论组件基础设施层、数据资源层、服务应用层3层智慧服务体系[4]，对于深入揭示、细化各要素之间的业务流具有自适应性和扩展性优势。苏云[5]从大数据和人工智能角度运用大数据分析算法、知识图谱技术等以多场景、多服务的服务法则构建智慧图书馆服务框架图，并在服务层嵌入资源服务、内容服务、用户服务3类智慧服务。在推向数据驱动的快车道上，戎军涛等[6]强调图书馆知识服务孵化进程不只依赖于大数据、物联网、云计算等数据处理设施，更取决于语义挖掘、知识关联呈现等数字算法分析能力。曹树金等[7]根据用户数据类型结合大数据技术设计了面向精准服务图层框架，为社群推送、千人千面的智慧服务实证研究设定体验导航指标。徐潇洁[8]以用户多样需求为依托点，以数据驱动理念为基石并容纳知识管理、智慧空间、智慧管理的核心动向构建智慧图书馆服务模型。解金兰等[9]以数据服务开启智慧图书馆研究，在平台搭建上以全面、共享、互通、易用为切入点打造服务路线图，支持智能化、机器算法准则等，在缜密智慧图书馆数据服务架构路线以及规划部署上为业界业务实践勾画对接轮廓。盛铨[10]着重以高职院校所具有的静态和动态数据为基准，对两大类数据进行降噪、标准化处理、挖掘、权重赋值等流程界定，确保智慧图书馆智能推荐系统的有效应用。综观数据驱动环境下智慧图书馆研究发展趋势，主要集中于智慧服务深化、智慧框架创新、技术与需求双轮驱动、图书馆资源深度开发等层面，泛在数字时代，网络、信息资源和先进技术的智能融合，对于智慧图书馆演进的服务模式不再是表面的叙述、注释和论证，而是从数据景观的高端探知文化思想圈的未知领域、关联知识互通。用户数据是图书馆服务价值产生的源泉，图书馆作为数据集结高地，理应以数据驱动培育新动能，在综合研判中使得优渥资源和成熟技术成为图书馆与时俱进的新亮点。数字化数据所阐述的内涵不再是传统形式的定量凭证，而是对知识创造和增值服务的开发与映射，数据驱动的非介入性研究可以提高用户日常数据交互的真实性和可靠性，规避受外部环境影响而产生的偏差。数据驱动的智慧图书馆之所以倍受青睐，主要因为其反映了用户信息行为的思辨特征，对于智慧图书馆的应用和深化具有特殊指向性。

3 数据思维对智慧图书馆的研究定位

从数据界中收集数据集并服务于某项工作是未来发展的常态，数据的采集、清理、整合、挖掘、分析和管理与跨界协同、创新赋能的概念一以贯之。就数据认知而言，技术领域偏向于数据技术，应用领域偏爱于数据应用。鉴于技术层面和应用层面对于数据内涵的理解，图书馆在大数据带来的决策变革中，应是技术和应用的有效结合。毕强等结合数据密集型的研究价值主张数据驱动将人们从“知识析解问题”的传统认知引向“数据解决问题”的潮流中来[11]，从用户本质需求探索图书馆服务发展的新话题，对于精准把控智慧图书馆建设、深度攫取现有资源、收割智慧服务具有重要参考价值。

3.1 规划智慧图书馆发展的主流趋势和引擎规则

图书馆传统服务模式一般提供的是单一阅读视角和线性服务结构，由于受载体生产数据量和论证模式的制约，在用户之间提供的稳定性和针对性服务稍显不足。而数据思维模式下的内容分析则是对图书馆用户数据容量中类型、特征偏好和频次等数据的及时反馈，通常把用户访问数量、借还热点、社区活跃度、分享内容和检索倾向等作为智慧图书馆建设的元数据统计项，以此筛选出内容输出的核心指标，为图书馆建设的智慧思维提供针对性的构建策略，有利于智慧图书馆的整体运营和持续发展。同时，数据驱动的服务空间以非线性的形式打破传统模式对信息来源、交流的限制，支持多样平台的数据重组与修订，并以多个平台逻辑集成的形式重构用户检索信息和检索路径，对于预测甚至勾勒智慧图书馆的主流趋势的去生硬化和规则设定具有显著的实践效用。

3.2 以数据资产化的研究范式铸造智慧服务

在数据新时代，图书馆应本着激活数据、融合数据、强化服务推广意识促进不同系统、不同区域的数据整合，构建数据资产共同体。如今数据逐渐成为信息资产和知识载体的代名词，源源不断的信息流所产生的生活数据和个体主观意识的镜像关系，可能会使公共区域和私人空间、身份认同和社群服务概念发生巨大改变，从海量碎片化数据中甄别有用信息并识别共同群体的特有喜好、沟通用户群体服务新模型，集体性思想以及个性化观念“物质化”实现似乎不是遥不可及。图书馆借助数据流通，依据个人偏好可提供定制化服务；凭借馆内运转情况探测环境变化；通过用户借阅与访问轨迹可视化热门书籍与研究前沿。如重庆大学图书馆结合专业课程、阅读和数据下载等信息行为，为在校学生提供具有前瞻性的馆藏信息[12-13]。由此数据背后隐藏的重要线索不仅可以完善用户需求的知识网络，还可在数据在线的互动情境中精深智慧服务，使得数据资产成为扩展智慧图书馆服务的有力武器。

3.3 融入智慧图书馆技术转型与价值链的新元素

全方位盘活所有可用数据并打破数据壁垒、发现数据区间的兼容平衡点等都离不开先进技术的支持和应用。李显志等提出智慧图书馆是涵盖技术、资源、馆员、用户等为一体的智慧协同体[14]；勾丹等[15]借鉴行为数据（用户和馆员），通过物联网和大数据技术构建智慧服务模式。数据依靠数字工具获取或模拟化表示，利用数据仓储或储藏工具进行数据存储，这些迹象表明关联多元化技术载体所衍生的存取接口和功能延伸会在智慧图书馆生命周期的各个阶段中以知识迭代的形式进行演绎和具现。如果说用户数据流动能够记录每一次服务呈现的具体方式，那么颠覆性技术则可将数据转化成智慧服务成品。特别是5G移动技术的多场景设置，第四次工业革命中区块链技术分布式存储的去中心化和智能合约对企业、生态、产业链的变革创新等，使得用户行为痕迹在技术介质的辅助下进一步揭开了数据领域的神秘面纱，在多层次无缝衔接的高速网络中促进图书馆馆藏资源的生产、利用和传播。

4 数据驱动下智慧图书馆建设与智慧服务系统规划

随着社交媒体向纵深领域发展，用户基数的增大所引发的信息行为复杂度的加深，传统定式下用户信息行为的研究质量也得到新的改进[16]。足量的数据在线、集成化的网络组织是智慧图书馆数据服务的特征趋势[9]56-57。但是数据驱动和智慧图书馆的结合意味着什么？对于传统图书馆服务而言，数据化和新技术可以智慧解决服务零散化和无关联的现状，依靠现代技术拥有的多功能性和可支配性，通过设计、模拟、计算、分析、推导等手段改造图书馆人文知识体系，为用户提供多差异化、宏观可视性和趋势性研究的可能线索，从而扩充服务潜力。就用户数据本身来讲，如何精准分析和理解用户行为痕迹？如何同构不同来源的数据资源？如何从社群思维角度挖掘用户共同点？如何贯彻和融合多种智能技术与图书馆系统的有效兼容、打造服务的实际性？这些问题依然是数据驱动环境下智慧图书馆研究的难题和挑战。在内外挑战并存的形势下，图书馆转型问题在业界已成热门话题[17]。文章在参考前人研究的基础上，加大用户数据质量管控力度，明确数据剖析步骤、数据度量标准、数据异常监测和数据集成规则，灵活运用相关技术，采用支持到需求的二元维度构建综合集成框架，将智慧图书馆构建划分为数据采集层、数据管理层、技术分析层和应用展现层4个层级，在数据采集层、数据管理层、技术分析层的协调统一下获得应用展现层的智慧化，以高效方式实现数据驱动图书馆智慧构建的合理性和提高图书馆智慧服务的精准度。

4.1 遵循数据管理生命周期打造智慧图书馆服务基础来源

“生命周期”一词起源于生物学领域，其机理是指一个生命体从孕育、诞生、成长、成熟到消亡的规律性过程。1985年Marchand等将信息生命周期视为信息管理中逻辑严谨并紧密相连的若干阶段[18]，从此探索信息生命周期管理的研究热潮开始在国内外掀起。随着其内涵的引申和推进，具备一系列系统工程的研究方法也在各大领域逐渐出现[19]。身处数据驱动的图书馆转型中，由于信息技术应用的普及，技术所产生的催化效应加速了数据型服务的进度。为满足不同用户需求所体现的层次复杂化、需求多变化、对象广泛化等特点，数据彰显的价值功能对于图书馆智慧服务的依赖性和明晰性尤为重要。为了揭示图书馆智慧服务的创新开发、统计分析、改造利用和行为趋势，文章将数据生命管理周期规划为数据采集、数据整合、数据存储、数据处理、数据备份、数据再用6大预期流程（如图1所示）。

图1 数据管理生命周期预期流程

数据采集可依据用户实际需求或者以应用为出发点收集相关体量数据，这些数据可源于图书馆用户，也可从外部环境批量导入（如超链接、社交网站等）。为了确保结构化数据、非结构化数据、半结构化数据、流数据的合并和统一，应实现不同数据来源之间的转化、净化和集成等功能数据格式的一致性，形成各类数据为一体的数据存储，从而为图书馆服务智慧营销和管理决策提供客观依据。数据处理对图书馆现实和虚拟数据中存在的质量问题和集成错误进行分析和组织，提取有用信息，以智能技术为协助，保障数据质量管理体系的有效运转。数据备份的目的是防止由于人为操作失误或自然灾害造成系统失灵引发的数据丢失，将部分或者全部数据进行备份，以便发挥智慧图书馆的应急功能。数据再利用是为更大范围内发挥数据二次开发功能，在数据模拟、场景变化、服务调整等多数据共享中带来收益。

4.2 数据驱动的智慧图书馆模型构建的基本原则

智慧图书馆的价值核心在于用户服务[20]，打造新颖、及时的数据产品是智慧图书馆的显著特征，迎合用户需求、 隐性需求显性化、厘清服务划分准则是智慧图书馆构建的基本要求。智慧图书馆鉴于相同数据集在不同的应用场景所产生的数据诠释方式不同，本着数据模式统一化的服务准则，巧妙利用现代技术确定内外部数据规格，为缓解数据控制失衡提供高效和智慧的解决平台。但是大数据新的理念和特征所衍生的数据再生环节的服务再造能力使得图书馆智慧建设不在关注技术本身的连锁智能反应，而是服务背后的便捷性和人文关怀。可见智慧图书馆服务在存储方式、整合手段、呈现和展现程度上与传统图书馆相比有了大幅度改善，规避了传统服务模式对待数据样本的存储模式。文章基于可持续性的制定方针，认为智慧图书馆构建的路径优化和功能界定应该符合以下3个原则。

4.2.1 确保数据来源与有效处理相结合

继文献和电子资源之后，数据资源逐渐成为图书馆建设的重要资源之一，借助挖掘手段揭开隐藏在数据背后的信息价值，为创新服务内容、提升服务实效、衔接师生科研创造条件[21]。考虑到数据采集的分散性以及图书馆各大系统之间的相对独立性，尽量减少数据使用对知识记录和建模的框架延伸，对于确保各大数据类型的来源数据库、区分数据类别对消除智慧图书馆构建的不确定性、降低分析门槛、明确用户需求倾向具有显著成效。图书馆用户数据可分为个体数据和集体数据，个体数据应具备小数据特性，而集体数据可关联用户的共有需求属性。智慧图书馆有效运用小数据匹配个人需求，从宏观理念聚焦用户共同需求偏好，挖掘智慧服务发展的规律和因果关系，这两者的相辅相成构成了智慧图书馆数据高效甄选的主要目标。但是图书馆用户通过线上服务获取信息，其隐私信息在虚拟开放网络中难免被窃取和丢失，因此应在智慧模型搭建的底层嵌入健全的信息保护机制，在数据隐私、数据管理、数据监控的三重机制中确保用户信息安全。

4.2.2 精选技术性要素捕捉功能布局

积极融汇数据技术，扩充图书馆知识服务空间是对数据革命环境下图书馆服务的重新洗牌。智能技术对数据的过滤和处理能够基于大量文本、数据和图片得出宏观结果，也能针对个别文档和数据元素开展微观探析，并且能够在两种模式之间灵活变换。图书馆服务对于技术数据集成、整合甚至筛选能力的信任程度，必将带来新的发展高度和服务视野。鉴于用户海量数据中蕴藏的有用数据量，挖掘核心数据能力是智慧图书馆建设精选技术元素的关键指标。智能技术的引入不仅仅是工具算法的运用，它们也是认知界面，通过预先设定好的组织和理论规则实现数据到知识的生产和传递。综观图书情报界研究成果发现，知识挖掘、物联网、大数据、云计算、移动视觉、知识图谱、人工智能、情境感知技术等在智慧图书馆的建模研究中相互促进，鉴于各项技术指标对标记文本、自然语言处理的分析和总结，智慧图书馆的技术挑选应本着全面融合、功能兼容、层层关联的原则面向服务提供智慧化支持。

4.2.3 以到位的服务准则进行精准营销

服务在智慧图书馆的塑造与设计中被赋予丰富的“伞概念”，涉及各式各样的服务类型：可视化展示、智能存储、泛在互联、阅读游戏开发、智能检索、智能馆藏、智慧参考咨询以及在多种智能场景中对不同用户的需求结构进行开发的互动空间和休闲空间。智慧图书馆打造的核心指标在于用户参与的黏性强度和个性化展现。图书馆用户停留在网页的时间、检索方式、知识分享、社交交流、检索程度等信息行为都是图书馆着力凸显特色服务的导向，坚守执行精准、开阔思路、完善机制、提升馆员、求实发展的服务准则来不断强化人文服务的核心内涵，以用户现实需求为出发点完善图书馆发展韬略，在技术含量累积的情况下实现服务质的飞跃，在以人为本的精髓中注入“转型”“赋能”“创新”“绿色”的发展理念，这就是智慧图书馆精准营销的价值所在。

4.3 模型规划与设计

数据驱动机制推动图书馆服务系统迈向大融合，智慧图书馆服务架构设置的功能角色包含数据处理平台、数据分析平台和服务营销平台。图书馆用户数据源具有模式异构、地理位置分散、访问机制不统一、价值密度高等特征，这将引发数据密度解析和集成模式的问题。数据处理平台包括数据采集层和数据管理层两项。数据采集层把接口转换为用户可用的数据接口，以解决不同数据类和数据库之间的接口统一和协作一致的问题，使得各种数据源以适当存储格式反馈给用户。加上良好的数据隐私保护、粒度审计、溯源追踪等管理策略的防护，保障智慧图书馆应用平台从技术挖掘到数据管理安全传输的应用，减少了大数据环境下图书馆面临的安全威胁。数据管理层在基础采集层的有效对接下主要解决用户数据的个性化，清除混杂信息，知悉数据属性，只有明确用户数据行为的发展方向，才能针对智慧服务对症下药。数据分析平台指代技术分析层，从管理工具集和应用工具集的控制手段达到知识输入与输出的完整管控，在特征吸取和智能交互的多种体验中打破数据隐藏的模糊屏障，为服务营销平台创造和谐服务环境。应用展示层作为服务营销平台的典型代表，其核心宗旨是以互通、共享的服务理念实现智慧服务的大众化，在延伸图书馆社会职能、宣传知识工程等一揽子服务展示中实现服务到用户的精准推送，具体模型如图2所示。

图2 数据驱动的智慧图书馆模型

4.3.1 数据采集层

数据采集层主要聚焦结构化数据、非结构化数据、半结构化数据和数据流4种数据类型，其中结构化数据主要有感知数据（环境、温度、进馆人次、光感强度、设备监管状态等）、元数据（关键词、摘要、主题等），这些数据主要来源于感知数据库、馆藏数据库和其他数据库。当然，图片、视频、声音、日志、文本文件、技术规范数据等非结构化数据以及XML、HTML存储的半结构化数据也可源自这两类数据库，但其存储形式以网络数据库为主。检索频次、网络流量监控、用户浏览时间、借阅频次以及以字节流动的依附性数据都可在借阅数据库、网络数据库等收集。由于数据采集层承载了海量高价值信息，用户数据的加密、评定、防护成为智慧图书馆建设的中心。数据隐私保护对策使得未受用户许可的敏感数据以加密机制隐藏起来，让不断接入的用户数据在没有解密处理的新型管控中得到有效屏蔽。为了解决用户数据量多、用户访问权限繁琐的问题，数据访问控制加入了综合组合用户权限和数据权限的控制方式，给予双重数据保护；同时，以数据溯源追踪技术加强图书馆用户数据的整理、分配、提取各个环节的力度，探究数据收取的可靠性、本源性并查询数据真伪，并在标准粒度审计的稽查中加大数据采集的发送和接收的审核力度，在实时安全控制的动态跟踪分析下及时发现安全漏洞，修复采集过程中系统出现的薄弱环节。

4.3.2 数据管理层

数据管理层使用数据剖析（抽取、转换、清洗、整合）将相互关联的异构数据进行集成并统计数据的内容和结构，为后续的数据存储和数据细化提供依据。首先从数据采集层中抽取数据集，数据抽取相当于数据复制或者数据移动，其次通过数据转换的形式解决格式不统一和数据离散化问题，为了进一步查缺补漏，替换、过滤掉冗杂内容，数据清洗可谓字段查重的强大引擎，最后以数据整合的方式将元数据存放在数据仓储中。由于数据仓储存储了多维数据，联机分析处理可针对不同的数据进行快速访问和分析，在多维度数据集市中集群图书馆用户信息行为。系统数据库可通过数据挖掘、聚类分析、主题分析实现数据驱动具体化，将数据类型划分为静态数据（姓名、专业、年级、教育程度）、动态数据（检索行为、信息偏好、浏览、位置感知数据、下载等）、社交数据（社区评论、微博互动等）和监控数据（馆内环境数据）4大类。在新的发展环境下，智慧图书馆基于数据管理层智能计算技术的有效部署挖掘全体用户的数据价值，突破信息管理体制和分析机制的障碍，实现信息深度协同共享。

4.3.3 技术分析层

智慧图书馆建设和服务是汇集智能化、网络化、自动化为一体的、技术和需求并举的智慧艺术。技术分析层全面贯注于优良服务和高品质管理之中，在节省用户搜索时间、精准分析用户需求、构建知识网络上大放异彩。此层面以数据管理层中涉及的数据分类为接入点，通过信息特征提取发掘用户信息行为取向，借助语义分析技术辨析用户信息特征出现的多含义行为，从而在画像技术的渗透下抽象用户信息全貌。信息技术不但实现了馆舍、用户与馆员之间的互动互通，为各类数据的精准预测和服务个性化和鲜明化提供展示空间。技术分析层位于模型的中间地带，VR/AR、智能推荐、人机交互、可视化技术、认知计算等，主要发挥服务的个性化分析、多场景呈现、信息的推荐与管理、智慧教学、资源富集等算法功能。融合共进的服务理念，对于数据更新的合理把握、探索用户需求价值有普惠意义。实质上智慧图书馆的提出到研究映射出数据感知、挖掘、处理到发现智慧的服务流程，而技术的参与为用户行为和服务的扩展融合抢占了先机。

4.3.4 应用展示层

应用展示层作为整个模型体系的顶端交互层，用于用户与服务应用的综合工程。智慧图书馆的服务将传统服务按照新的规则进行重组，主要体现了体验拟实化、交互互联、可视化描述、空间智慧化和知识丰富化等特点。智慧图书馆的智慧之处不是对局部领域发展的成功驾驭，而是图书馆服务的全局深化和泛在表达。场景模拟化利用虚拟现实和增强现实技术实现虚拟资源与真实资源的完美融合，特别在古籍再现上效果俱佳。精准推送涉及用户位置、时间分配等，依据不同的情景推送不同知识，协助用户跨越学科门类调整知识结构。个性化推荐按照数据到资源的运作原理，对用户的信息需求特征进行精准和深度挖掘，在用户账号登录活跃度、阅读下载、点评和收藏等信息行为和馆藏资源中借助智能推荐服务满足用户个性化需求。用户隐性需求可在搜索内容和检索方式的交互下衡量需求尺度并预测用户需求范围，并以可视化的形式呈现给用户。基于用户数据的智慧服务是从浅表到深处的化学融合，也可说是计算机技术与人文服务的考量和凝练，可在人机交互和认知计算的智能领域中不断迭代用户需求，判断用户对信息的利用程度。此外身份认证技术的有效利用，不仅可以评估用户的进馆次数，而且两者的相互作用还可通过用户对图书馆的粘性程度判断用户的忠诚度，并依据相关信息提炼用户服务满意度，从而针对不同需求层次的用户作出智慧决策，稳定核心用户数量。智慧服务空间的路径体现在高度延伸和泛在记忆的循环体系中，涵盖智慧课堂、资源聚焦、共读经典和学术交流。数据驱动所体现的智慧课堂，依据用户数据动态量身打造满足用户需求的课程，在不受时间和空间制约的情况下，借助线上线下的研讨交流开辟特色空间。资源聚焦是学科语料库建设的凭据之一，也是图书馆用户知识汇聚的重要资源库。构建面向各大专业和领域的智库平台，可在很大程度上改善用户的认知深度和研究范式。同时，图书馆作为学术交流和阅读推广的主要平台，在教学和研究中的作用日益凸显。智慧图书馆的精心构建不再限于传统服务，其开源文化的服务意味着学术交流体系的重构和多元文化的崛起。

5 数据驱动下智慧图书馆研究的相关问题

智慧图书馆构建带给图书情报界的不仅是服务的转变，更是一套系统的认知体系。继传统图书馆向数字图书馆变革，在技术革命的引领下，图书馆向智慧图书馆发展，图书馆服务向智慧服务迈进[22]。由于智慧图书馆的发展还处于理论探索阶段，在实践操作方面有所欠缺，因此图书馆走向智慧化还应统筹兼顾、协调并进。

5.1 加强战略部署和应变能力

不断提升用户满意度是图书馆服务迭代的最终目标。在数据赋能研究中，智慧的概念已经变得接近于流动且充满灵感、碰撞，图书馆每一个数据元素在一个模型制作下创造知识，它们的相互独立身份又被融为交织的整体。智慧图书馆的服务框架应根据馆内工作重点、服务方式以及业务体系在不同发展阶段作出及时调整，使得粗放的服务内容向精准的知识单元转型。合作性的技术团队和用户群聚数据为智慧图书馆将若干个分层组合为一个逻辑整体提供了可能。图书馆应增加技术更新敏感性，构建技术预警机制并科学判断其在馆内的应用评估，促成图档博以及其他机构之间的战略性合作来形成智慧共享空间，以支持智慧服务在网络环境中找准定向、瞄准目标，并进一步完善新一代服务系统。

5.2 夯实智慧图书馆应急保障体系

智慧图书馆建设对突发事件的处理不能停留在事后简单回应或者表面的应对，只有完善应急事件管理规章，规范服务保障体系，才能更有利于智慧图书馆高效灵活运转。图书馆可实行行业准入准则，明确人才引进要求，强化馆员专业背景，定期以培训和讲座形式加强馆员对智能技术和智能设备的理解和认知。根据数据采集层、数据管理层、技术分析层和应用展示层合理配置专门馆员进行组织和管理，保持和相关技术企业密切联系，共同保障智慧图书馆有效运转。图书馆可因馆制宜、馆馆相联，通过承担科研合作项目和外包服务机制等途径获得专项资金，明确资金使用范围；学习和借鉴外国技术经验，自主研发应急技术，鼓励馆员突破理论限制，寻求技术创新。

5.3 完善智慧图书馆模型的逻辑体系

智能技术的先进理念为智慧图书馆的理性构建和定向推广提供了严谨的技术支撑。虽然共同作用于数据驱动的智慧生态的各层级的功能不同，但是各个层次之间的调控和整合是目前智慧图书馆研究的一大难题。①技术标准统一问题。可以参考成熟技术参数标准和主流技术的系统体系来解决智慧图书馆技术标准和接口一致问题，其对于资源探索和模型融合具有消除数字壁垒和缩小成本等优势。②接口规范化问题。在智慧图书馆推进流程中，软硬件的引进与安装不可缺少，通过统一的接口信道加强各模型之间数据的有效传输，让当前的系统软件和硬件设备可以跟上智慧图书馆发展的节奏，避免由于标准问题引发资源浪费和信息处理故障等问题。

5.4 增大数据产品的实现力度

数据驱动模型会从不同的来源自动收集数据，起初这些数据处于完全独立状态，需要根据某种研究目的进行加工和提取。图书馆用户海量及多维度的数据为智慧图书馆的研究提供了有力支撑。由于数据本质所具有的辅助性和预测性结论，所以直接通过数据所开展的服务深度往往是不够的，仅从图书馆单一检索模型和关联体系中洞察用户需求走向可能会导致智慧服务决策失误。为了应对数据驱动模式下图书馆用户复杂行为所带来的严峻挑战，数据到产品化的实现机制显得非常关键[23]。但是图书馆数据如何用，用在何处等问题依然是实现图书馆智慧服务的重要缺口。笔者认为可利用用户的完整数据全面勾勒用户行为特点，进而在用户行为建模层面加大描述广度，但是如何更加准确地挖掘用户关联数据，呈现数据产品的人性化特点，依然是图书情报界研究和关注的问题之一。

6 结语

智慧图书馆建设不是简单的分层和共生，智慧服务也不是单纯地为用户提供文献下载和借还服务，而是在智能技术的推动下深究用户信息行为动向并主动向用户提供个性化的智慧服务。但是大多数研究主要从理论研究角度论述，可资借鉴的完整案例还没有形成。数据驱动研究扩展和延伸遵照“需求多样化，服务精准化”准则，重新定位图书馆职能，使得智慧图书馆在非排他性的前提下，为智慧图书馆创建交互式的服务平台贡献力量。随着数据处理和分析技术的不断成熟以及研究方法、理论框架的体系化，智慧图书馆的建设和发展将会不断完善。