智能虚拟助手助力公共图书馆读者开展数字阅读

徐彤阳 滕琦

摘 要 智能化时代，为满足用户碎片化的阅读需求，智能虚拟助手作为一种高质量的人机交互方式而出现，帮助用户提升阅读体验。论文基于数字阅读的视角，将智能问答引入公共图书馆数字阅读，构建基于智能推荐的智能阅读助手，虚拟角色在线陪读，个性化推送用户感兴趣的信息，实现经典阅读推广与智能化新技术的协同发展，智能助手为用户提供了便捷的阅读服务，提升了用戶阅读的积极性，推进全民阅读，促进阅读推广。

关键词 公共图书馆;数字阅读;智能虚拟助手

分类号 G251.5

DOI 10.16810/j.cnki.1672-514X.2022.02.008

Abstract In the intelligent era， in order to meet the fragmented reading needs of users， intelligent virtual assistant appears as a high-quality man-machine interaction way to help users improve their reading experience. Based on the perspective of reading， intelligent Q&A is introduced into digital reading in public libraries in this paper， and an intelligent reading assistant based on intelligent recommendation is constructed. Virtual characters accompany reading online， and personalized information that users are interested in is pushed， so as to achieve the coordinated development of classic reading promotion and intelligent new technology， intelligent assistants provide users with convenient reading services， enhance users’ reading enthusiasm， promote national reading and reading promotion.

Keywords Public library. Digital reading. Intelligent virtual assistant.

0 引言

全民阅读是利国利民的事业。“全民阅读”于2014年写入政府工作报告及各项政策、条例的出台预示阅读已上升至国家战略。作为公共文化服务体系的一部分，公共图书馆发挥着文化传承、提高全民科学文化素养的作用。《公共图书馆法》明确指出，公共图书馆肩负着全民阅读普及的重任，承担着形成浓厚读书风气的社会责任感和人文关怀，传承中华优秀传统文化，增强我国文化软实力[1]。中国新闻出版研究院在线发布的第十七次全国国民阅读调查结果报告显示，2019年我国成年国民人均纸质图书阅读量为4.65本，略低于2018年的4.67本。2019年我国成年国民包括书报刊和数字出版物在内的各种媒介的综合阅读率为81.1%，国民数字化阅读方式的接触率为79.3%，较2018年76.2%上升了3.1个百分点[2]。在综合阅读率回温中，数字化阅读率逐年攀升，可以说数字阅读模式正成为当代阅读方式的主流。数字阅读作为信息技术迅速发展背景下的阅读模式，弥补了纸质图书的劣势。若将文字、图片、视频等多媒体资源搭配使用，将更进一步增强阅读体验。2020年，全球疫情的席卷，越来越多用户选择数字化阅读，也扩宽了图书馆服务的空间和时间[3]。公共图书馆应完善数字化信息服务体系，加强公共图书馆阅读资源的共建共享，充分发挥数字资源优势，保障丰富的数字资源，根据实际情况向读者推送数字资源，开展数字阅读活动，满足读者的知识和情报需求，培养公众的阅读意识，引导用户培养阅读兴趣、形成阅读习惯、提升阅读质量与能力，促进全民阅读，增强公共图书馆生命力和活力[4]。

智能化时代，智能助手已经广泛应用于医学、军事等多个领域。智能助手是基于人工智能的对话式服务，提供自然的人机交互模式，以“对话即平台”构建智能化时代的虚拟空间。智能虚拟助手在使用上具有易用性和跨平台性，在交互上更加自然化和人性化。在数字阅读中，设立智能助手，用户可以提出疑问，智能机器人通过调取答案回答，帮助读者高效获取阅读信息与资源帮助。目前，国内推行的聊天机器人或个人阅读助理，可以与读者进行简单的对话，针对用户的指令提供检索、回复[5]。聊天机器人根据一组预定义的规则运行，或使用机器学习，进行不同层次的人工智能工作，有效提供阅读支持，从用户熟悉的语境、情境出发，尽可能地展现具体内容与用户需求的关联性。

1 公共图书馆数字阅读服务现状

公共图书馆数字阅读服务处于探索阶段，主要借助于数字化媒体开展，涵盖了网络媒体、移动媒体（含App客户端）、数字电视等[5]，主要通过知识获取、订阅服务等开展数字阅读活动。社交平台具有用户数量多、信息传播快、互动功能强等特点，多数公共图书馆采用微信、微博、短视频等新媒体应用（App）将馆内动态、资源推送、活动宣传等推广数字阅读，向读者推荐经典读物。例如，汕头市图书馆利用微信公众号平台，开展主题为“扫码看书，百城共读”的活动，利用Web技术构建互联网资源数据库，使用户可以在一个集中的数字存储器中创建、存储、重复访问、管理和提供数字化资源。南京图书馆推出的“掌上南图”提供免费在线资源，用户通过浏览、搜索、筛选等有效获取资源。有些公共图书馆还开发了移动图书馆App向用户提供一站式文献检索、服务共享、订阅等服务，用户可以随时随地查阅馆内数字资源，获取信息。可以说，数字阅读在新媒体的推动下，已为读者提供各式各样的阅读服务，但仍存在一些问题，需不断完善，其中构建智能虚拟助手将克服目前存在的问题，提高用户的数字阅读体验。

（1）社交平台服务形式单一，更新不及时，单纯推荐用户，不能自行搜索查找需要阅读的资源，读者与资源的联系是“泛在化”的，只注重数字资源载体的传播，与用户需求契合度不高，读者难以发现资源的内在价值。智能虚拟助手可分析、整合用户行为数据，为用户推荐符合自身需求的资源，满足用户的阅读需求，当读者不知道真正需求时，根据以往行為数据推荐感兴趣的内容，极大提高了用户的搜索效率。

（2）用户通过平台查询有价值信息耗时费力，智能虚拟根据用户需求指令查找阅读资源，减少了用户花费的时间。

（3）公共图书馆将资源推送给用户时，无法提供很好的阅读引导。由于读者自身经验与知识能力缺乏，无法完全准确理解阅读中较为困难的内容，而借助智能助手不仅可以解决阅读中的难点与困惑，还可以加深对内容的理解，拉近读者与资源的认知距离[6]。在阅读过程中，用户遇到阅读障碍，也可以咨询智能助手，极大提高了用户的阅读效率。

（4）缺乏与读者探讨、交流的机制，无法掌握用户的实际需求。用户很少通过建立的QQ群、微信群等阅读交流群分享阅读内容，无法发挥阅读推广的效应。互动聊天的缺乏导致用户之间的互动性减弱，不能及时分享阅读的所感所想。智能助手能够使用户在没有阅读伙伴时，仍然能够自主的进行阅读，与助手分享自己的阅读心得，满足与人交流，分享心得的需要。

2 智能虚拟助手助力数字阅读

生活压力日渐增加，人们大多数时间被工作、学习与生活占据，阅读时间被压缩，逐渐呈现碎片化阅读。用户时间不充裕，难以深度阅读，导致阅读推广活动的效果较为平淡，黏性不高，受众人群不稳定，参与的可持续意愿不强。大数据社会，用户处于一个需求导向、随时随地的泛在的信息环境。无法准确定位用户的阅读需求，固定的用户社群也就难以形成。要激发用户的阅读兴趣，必须以用户需求为出发点，推广适合读者的阅读内容，强调用户在阅读中的积极性。问卷调查实证证明，阅读推介的信息内容与用户的需求并不匹配，推送内容不满意也是数字阅读活动发展的屏障，为满足读者的需求，提升读者阅读满意度，有必要提供更加优质的服务[7]。

“互联网+”思维下公共图书馆提供的数字阅读服务应以人为本，注重用户的阅读体验，强调用户参与[8]。智能虚拟助手利用自然语言对话，让用户感受查询与检索的简单、准确。根据不同的服务对象和需求，采用适当的方式进行资源应用，发挥资源的最大价值。作为一个强化知识再利用的框架，智能助手将在问答交互、辅助阅读、个性化学习等领域发挥优势，有助于自主学习与互动学习[9]。

2.1 选择环节

智能虚拟助手发挥导航作用，利用知识库地图帮助读者快速获取读物。用户以自然化的语言描述问题之后，智能助手可以根据读者提问给予答案，若问题很清晰，则直接可以跳出问题答案;若有模糊部分，智能助手可通过再次询问，缩小范围，将接近准确、简洁、符合用户需求的答案提供给用户。为读者提供个性推荐服务，有助于提高用户的阅读积极性，提升读者的参与度。用户阅读行为数据具有重要价值，是用户行为分析、获取用户画像、为用户提供个性化服务的基础数据[10]。在完成阅读后，智能助手会自动记录其阅读行为。公共图书馆可以根据读者在阅读中产生的数据，定期统计分析用户阅读行为和需求，精准把握用户的阅读需求，提供针对性高质量的阅读内容，帮助用户从泛化阅读转向精准阅读，为数字阅读推广提供智能分析和决策依据。

2.2 阅读环节

智能虚拟助手发挥导读作用，多数读者面对海量信息采用浅阅读方式，用户对于知识的理解通常是离散和孤立的，公共图书馆等机构有必要分析读者阅读倾向，对数字资源进行采集、整合、深度加工，为用户提供知识推荐与辅助阅读。

为用户制定阅读计划，安排日程。有用与及时的信息都可以通过智能助手快速获取，随时在线方便咨询访问。在阅读时，有阅读困难或疑惑可以咨询，智能助手快速做出回应，帮助读者做相关阅读笔记。在交互式问答中，通过不断学习增强智能性。辅导是学习生态系统中不可或缺的一部分，通过在互动中构建可持续的虚拟助手辅助读者阅读。当用户对阅读内容提出问题时，针对用户的阅读情况，提供针对性指导和帮助，实现情感交互。

贴合真实语境，变换不同的角色辅助用户。虚拟助读和陪读通过语言上的鼓励、督促、指导、启发，培养用户的阅读兴趣，提升读者阅读兴趣[11]。设置不同角色的虚拟助手，使对话过程更加人性化。不同用户因为经验、学识等水平不同，需要根据用户进行调整[12]。用户通过客户端设置可自行选择虚拟角色，以便在阅读学习中更好地为自己服务。

2.3 评价环节

智能虚拟助手发挥鼓励作用，引导、鼓励读者表达阅读评论，书写自己的观点、看法。通过“收集、阅读、融合与应用”形成完整的学习闭环[13]。在阅读完成后，智能助手与读者讨论，激励读者与助手交流感想、发表评论，帮助读者更好地梳理阅读内容，加深阅读理解。助手根据阅读表现为读者评定积分，累计的积分可以获得一定的物质、精神奖励，发挥积极的引导作用，提升读者自主学习的积极性。根据读者的实际阅读数据，学习分析、评价读者的阅读水平，自动调整下次阅读内容。

2.4 性能支撑

智能虚拟助手将服务集成至系统层面，并将服务的交互转化为对话的交互。用户在实践中实时反馈、分析、总结之后，以不断修正适应用户提出的多方面需求，得出符合要求的解决方案。在计划时间内响应某些触发条件来增强功能。虚拟助手可以智能识别某些类型的问题，提供用户反馈以进行持续开发、额外的学习与及时的故障排除。

3 构建智能阅读助手模型

公共图书馆的数字阅读服务在“人工智能+”背景下，可依托智能问答技术创新构建多样化、个性化的智能阅读服务。构建智能阅读助手，不仅可以快捷、准确地解决用户的阅读需求，让读者在与智能助手的互动中，更好进入阅读状态，获得更多的知识，而且加入推荐服务为目标读者推送有价值信息，能有效提升用户的需求满意度，加强用户粘性，提升数字阅读体验。

构建基于智能推荐的阅读助手，包括输入信息、自然语言处理、问答、智能推荐、输出和结果显示模块。输入模块，用于输入用户提问信息;自然语言处理模块，用于对所述提问信息进行数据结构化和数据处理，获得处理结果;问答模块，对用户提出的相关问题给予答复，帮助用户解决阅读难题，进行下一步阅读;智能推荐模块，用于对用户行为数据进行分析和挖掘，补充和丰富所获得的处理结果，并得到带有推荐内容的完整结果数据，个性化推送用户喜欢的数字资源，吸引用户阅读;输出模块，用于对结果数据进行封装;结果显示模块，用于显示问答结果。

3.1 自然语言处理

机器对人类语言的理解改变了人机交互的界面，人工智能通过自然语言处理（natural language processing，NLP）来实现人类学习与机器推理的结合[14]。人类自然语言存在着多义性和歧义性，需要语义层面的分析与理解。NLP是使用计算方式处理语言数据，目的是通过包含语言结构的解释建立文本表示，验证自然语言中的拼写错误、句子结构、语义关系等。智能虚拟助手使用NLP技术，计算机化由单词、短语或句子组成的特定问题，智能问答系统基于自然语言处理技术，深入理解用户意图，并通过智能助手以准确、简洁的方式和更接近于用户的语言习惯进行回答，满足用户需求。

3.2 问答模块

用户输入问题后，将问题通过问题分析模块分类处理，利用相似度匹配问题集，寻找答案，若问答库中无模板，即从档案知识库中提取答案，存储进问答库，输出答案，如图1所示。

3.2.1 知识库

知识库是结构化的知识集群，知识图谱是知识可视化的表示方式，知识库与知识图谱决定了智能信息处理响应不同情境时决策的复杂度[15]。智能问答系统通过知识库为用户提供准确的答案。数字资源是图书馆开展数字阅读推广活动的重要部分，丰富的数字资源为阅读活动提供了基础保障。将非结构化的数字化阅读资源整合处理，形成结构化的知识图谱作为问答系统的知识库，以三元组的形式存储，提高信息利用率。发掘数字资源之间的关联，将不同类型的知识单元关联聚合，形成庞大的知识网络，实现资源的深度挖掘。

数据的质量决定了信息的质量，知识表示是否统一、准确基于底层数据的构建，以数字阅读资源为核心进行清洗、分类与整合。通过本体建模的方式，对知识和数据从概念、属性、关系上进行组织，构建知识模型，以自底向上的方式构建知识图谱。采用NLP中文实体命名识别算法来完成实体的标注，python开源工具“Jieba”分词处理。挖掘实体之间的语义关系，对缺乏层次、逻辑性知识进行融合剔除。残缺关系需进行知识推理挖掘层次。最后，将知识持久存储在知识库[16]。面向大数据利用开源的Spark技术进行实时动态更新，提升了实际应用价值。

3.2.2 问题分析

用户输入问题文本，对输入的自然语言进行问题分析，完成分词、词性标注、实体识别与实体消歧的工作，分类问题文本，通过构造标准的SPAQRL查询生成模板与问题类别，并返回相应的结果，转化为用户易于理解的形式。智能问答核心是知识推理，对问题与答案进行准确分析，使之能正确匹配。问题分类把问题分为几种语义类型，缩小了答案的搜索空间，对系统的整体设计至关重要。对于给定的问题，智能问答系统在于识别问题类型，预期答案的格式。文本采用统计学习的方式。

智能助手能够处理的问题分为四类：（1）是/否型问题：要求回答是否的问题;（2）定义类问题：要求以简单而准确的定义作为答案的问题;（3）列表类问题：要求列出所有相关的实体的名称作为答案的问题;（4）感兴趣推荐。交互问答主要回答事实类问题，直接从数据库提取答案片段;而分析类问题的问答需要用户的参与，若要正确理解对话信息，必须考虑信息语义层和功能层的构建效果，扩大或缩小问题的范围，以便精确问题的回答。重复问题的集成节省了数据库的资源与多次回答相似语义问题的时间。当用户提出问题时，系统自动判断问题是否重复，利用余弦相似度度量之间的相似性。若重复直接返回已保存答案;若无重复，则调用图书知识库，抽取问题答案，并将问题答案存储在数据库中。

3.2.3 问答检索

核心就是对问句进行理解，给出符合的答案。用户发出查询请求时，智能问答系统进行解析与推理，根据用户提问采用NLP的分词能力对描述问题智能分解，根据预先建立的候选问题集，计算问题的相似度。查找相似度符合的问题-答案对集合中相匹配的知识，对应的结果直接输出给用户。问题重构为将用户恰当或不恰当的问题转换为自然问题并指定到相关领域，且每次提问自动更新至问题集。若提问与以往记录相符，省略再匹配过程，直接将答案提交给用户。其次，虚拟助手可实现用户聊天内容上下文语义分析功能，引导用户明确模糊或有歧义的问题，以便更准确回复用户。

3.3 智能推荐

智能助手为用户提供两种推荐服务：一是个性化推荐，以用户为基础，自动根据读者的年龄、性别、阅读习惯、资料选择等推荐合适的阅读模式，通过用户阅读历史记录计算用户偏好，贴合用户对阅读信息的需求。个性化阅读模式的推广可以提升读者的阅读体验和阅读效率。二是常规推荐，以图书为基础，通过计算图书的相似度为用户推荐类似风格的书单。增加用户推荐功能补充和丰富了问答结果，解决了多义性问题造成的回答偏差，同时极大地方便了用户获取相关信息，帮助用户快速定位有用信息，提升了用户的阅读体验和整体结果质量。

3.3.1 用戶行为数据挖掘

深入挖掘用户行为数据，对所获取的数据进行数据挖掘、聚类等分析，优化推荐服务。数据挖掘是从文本数据中抽取隐含的、潜在知识价值的过程，利用读者阅读的历史记录挖掘读者的阅读期望，结合用户大数据分析，在海量资源中快速筛选符合用户需求的内容，确定阅读推广模块核心用户群，分析用户增长趋势与属性特征，确定推广资源为用户推送，提高阅读推广的效率。通过推荐欢迎度较高的数字资源，扩大用户群体范围，培养用户阅读习惯，展开针对性的个性化推荐服务，实现公共图书馆文化资源的传播。

根据用户行为数据反馈，提取有价值的内容实体，丰富语义信息，使智能助手更贴合人的思维模式。智能助手深入了解用户的阅读行为，如阅读的频率、完成阅读任务的能力、阅读类型等，用于用户行为数据分析，为用户更好地进行个人服务、推荐活动等[17]。同时，对于相似内容问题提供语义模板，以便再次检索时减少人工服务的次数。通过强化学习（RL）的策略，机器学习与用户反馈行为信息相结合，实现智能问答的自动改进，建立多渠道的反馈机制，利用深度学习优化模型，提升效率，改善用户体验。

3.3.2 个性化推荐机制

个性化信息推荐机制主要采用协同过滤（Collaborative Filtering，CF）方法，保留个体的特征，基于CF的推荐系统通过分析用户的偏好行为，挖掘相似的用户或项目关联，得出推荐结果推送给目标用户，优化用户及项目特征预测、补全及提取规范化以提升相似度计算精度、推荐效率[18]。常用的方法有基于用户的协同过滤与基于项目的协同过滤，如图2所示。

（1）基于用户的协同过滤核心是用户，发现相似用户的偏好，匹配相关数字资源，推荐给目标用户。从评级表生成用户项目评级矩阵，找到k个相似用户，给定用户ID和评级矩阵，返回类似用户的相似度和索引，调用余弦函数Cosine计算相似度。公式为：

（2）基于项目的协同过滤核心是项目，用户喜欢与其历史偏好相似的书籍，根据以往喜好预测具有相同特征的相似项目偏好程度，推荐给目标用户，原理与基于用户的推荐类似。

4 总结与展望

技术是阅读服务创新的主要驱动力。公共图书馆应该突破原有的思维模式，优化数字化技术平台、改变阵地服务的固化思维，提升阅读服务。随着信息技术发展带来机器智慧程度的提升，智慧阅读服务成为未来的研究热点[19]。人工智能在个人助手领域的应用，增强了搜索设备的执行力，提升了检索效率。利用人工智能技术构建个性化的用户交互平台，未来阅读助手是基于场景的个性化的智能定制，利用多样化的设备带来全新的阅读体验，更主动的了解用户、与用户交互，便捷分享、交流与学习。

4.1 提升馆员信息技术能力保证后台运作

随着“人工智能+”技术与馆藏数字资源的融合，公共图书馆采用智能客户端、在线网站检索等多种方式开展数字阅读服务，但馆员缺少数字化管理的经验，需要提高信息技术的能力。公共图书馆为用户提供更好的服务体验的同时，需要进一步加强图书馆专业人才的培养，提升馆员在互联网阅读推广中所需的专业素养。馆员需具备专业的图书馆业务知识，掌握专业技能，定期进行知识和技能培训，提高工作效率，增强服务效果。馆员可以参与与用户的交互，在服务过程中与读者深度探讨，挖掘读者真实需求，提升阅读服务体验，树立“以用户为中心”的服务理念，提高自身服务的专业性[20]。馆员需提高人际交往能力，鼓励馆员阅读书籍，促进馆员、读者之间的双向沟通，留存忠实的阅读用户，发掘潜在用户。公共图书馆应加快构建一支高素质、业务能力强的馆员队伍，提升用户使用图书馆资源和服务的体验[21]。

4.2 多样化内容丰富数字阅读资源

公共图书馆数字阅读重点是内容，而内容质量是吸引用户的关键，高质量的内容对推动全民阅读起到促进作用。生活节奏加快，读者阅读娱乐化与碎片化严重，对纯文字信息内容的兴趣较低，对图片、视频、音频的喜爱度远高于文字[22]。数字阅读需提供有营养、高质量的内容，从公共服务、文化引导等多方面干预，同时采取政策措施，引导、鼓励优秀阅读内容的传播。

数字阅读以内容生态布局为依托，通过互联网技术的深度融合，将多媒体内容加入阅读推广中，丰富的多元化数字资源可以提高读者的参与度与满意度，极大地增加了用户的阅读兴趣，给用户新的阅读方式呈现。阅读内容必须是为用户（读者）提供有价值的信息，将数字文献资源丰富化，根据用户的行为数据，建立用户阅读的兴趣图谱，呈现多媒体式的主动信息推送方式，提供不同的数字阅读深度服务，以满足不同用户群体、不同年龄阶层的不同需要，适应数字阅读的个性化性特点，从而更好地为用户服务。

4.3 “5G+阅读”扩展阅读服务方式

后知识服务时代，以人工智能、区域链、云计算、大数据和物联网为标志的新技术融合，提升了图书馆智慧服务水平[23]。2020年中国数字阅读云上大会聚焦“5G+新阅读、新体验”，提供包括云上VR书店、云博物馆展区、5G体验区等系列5G+阅读黑科技体验。物联网技术实现传统线下文献资源与线上数字资源的有效整合，突破线下模式的限制，360度实体还原，让用户（读者）沉浸式阅读，增强阅读体验。围绕用户需求，借助AI、VR等技术将信息以不同的形式展示出来，将阅读过程以虚拟化、游戏化的方式呈现，拉近读者的阅读距离，直观体会文字信息中隐含的奥秘。通过虚拟环境的搭建，将未知与现实结合在一起，实现图书内容具象化。公共图书馆基于云端的全媒体服务，将数字阅读覆盖手机、平板等智能移动终端和互联网电视平台，读者在线上随时随地阅读，加入在线视频、语音互动，提供更加良好的体验[24]。公共图书馆提供有声阅读服务，是图书馆职能的升华和责任的体现，也是以人为本理念的深化[25]。智能语音模式极大丰富了用户的感官体验，激发用户的阅读兴趣，使阅读更加便捷。5G模式的开启，赋予阅读推广活动更多的可能。

5 结语

公共图书馆以用户为中心的数字阅读服务迎来发展空间，用户对网络化服务有着强烈的亲切感，智能虚拟助手应用于数字阅读服务，为读者提供了情感化的溝通路径与阅读支持功能，辅助了读者的阅读过程。读者以自然语言方式“提问—回答”，发挥“智慧”分享、传播知识，解决难题[26]。基于推荐的方式更好地满足读者阅读需求，注重个性化学习。智能助手已成为用户进行信息交流，满足个体知识需求的重要方式，在数字阅读中激发读者兴趣，带来全新阅读体验，推动全民阅读发展。但随着智能助手功能的强化，大量的用户行为数据涉及的隐私问题亟需解决，区块链技术有助于用户数据保护。以人类的方式理解对话语境与上下文语义，并与情绪相结合，是智能虚拟助手需要突破的瓶颈，需要学者更加深入研究。

参考文献：

李亚蓉，过仕明，袁永久.文化强国战略背景下公共图书馆的职能体系构建研究[J].情报科学，2020，38（3）：113-118，144.

新闻出版研究院：第十七次全国国民阅读调查[EB/OL].[ 2020-04-25].http：//www.199it.com/archives/1040053.html

黄百川：线上活动或将成为阅读推广新常态[N]，图书馆报，2020-04-27.

龚花萍，胡春琦.疫情期间公共图书馆的应急举措和发展启示 [J]. 图书馆，2020（5）：19-24.

朱亚玲，霍岩，刘劲杰.新媒体视角下公共图书馆数字阅读推广探析[J].图书馆学研究，2019（3）：84-87.

魏海燕.知识服务在资源推广中的应用：以香港城市大学和上海财经大学图书馆为例[J].大学图书馆学报，2018，36（3）：52-56.

姜兰，侯婕.“使用与满足”理论视域下高校图书馆新媒体阅读推广的实证研究[J].情报科学，2019，37（4）：125-129.

王文.公共图书馆开展未成年人数字阅读服务的思考：基于“互联网+数字阅读”[J].图书馆工作与研究，2018（11）：64-69.

NOBLE M.Chatbots for learning[EB/OL].（2016-09-12）[2017-03-05]. http//www.clomedia.com/2016/09/12/chatbots-for-learning.

錢吟，施晓华，余晓蔚.高校数字阅读学习平台建设研究：以上海交通大学图书馆“思源悦读”App为例[J].图书馆学研究，2020（4）：19-28.

王磊.人工智能在图书馆数字阅读推广服务中的应用[J].中国中医药图书情报杂志，2020，44（3）：45-48.

BELKADI F， DHUIEB M A， AGUADO J V， et al. Intelligent assistant system as a context-aware decision-making support for the workers of the future[J]. Computers & Industrial Engineering，2020：139.

马坤坤，茆意宏，Zhang Xiangmin，等.深度数字阅读推广的内容营销机制研究[J].图书情报工作，2020，64（8）：32-40.

GOKSEL-CANBEK N， MUTLU M E. On the track of artificial intelligence： learning with intelligent personal assistants[J].International Journal of Human Sciences， 2016（1）：592-601.

王萍，石磊，陈章进.智能虚拟助手：一种新型学习支持系统的分析与设计[J].电化教育研究，2018，39（2）：67-73.

刘峤，李扬，杨段宏，等.知识图谱构建技术综述[J].计算机研究与发展.2016，53（3）：582-600.

TODOROV J， VALKANOV V， POPCHEV I. Intelligent personal assistant for aiding students[C].International Conference：Automatics and Informatics，2017 （10）.

孙雨生，朱金宏，李亚奇.国内基于大数据的信息推荐研究进展：核心内容[J].现代情报，2020，40（8）：156-165.

茆意宏，朱玲玲，韩燕.智慧阅读服务概念界定及国内相关研究评析[J].图书情报工作，2020， 64 （1） ：131-138.

钱明辉，徐志轩，陈相仪.中外公共图书馆特色服务类型识别与比较研究[J].图书情报工作，2020，64（5）：60-70.

孟海红.图书馆员与人工智能协同发展路径探究[J].图书馆工作与研究，2020（4）：56-62.

姜兰，侯婕.“使用与满足”理论视域下高校图书馆新媒体阅读推广的实证研究[J].情报科学，2019，37（4）：125-129.

祁自顺，赵菲，王文涛.2000—2019年我国图书馆界数字阅读研究热点分析[J].图书馆工作与研究，2020（7）：29-36.

刘宏.我国高校图书馆数字阅读推广服务研究[J].图书馆工作与研究，2020（5）：66-70.

陈小友.浅谈图书馆有声读物资源建设与推广策略[J].科技与创新，2017（14）：113-115.

章小童.国内网络问答社区研究现状、热点及趋势分析：基于文献计量与内容归纳分析[J].情报科学，2020，38（1）：169-176.

徐彤阳 山西财经大学信息学院副教授。 山西太原，030006。

滕 琦 山西财经大学信息学院硕士研究生。 山西太原，030006。

（收稿日期：2020-11-26 编校：陈安琪，左静远）

3510500338248