基于人工智能的高校图书馆图书智慧采访研究*

林 曦 赵大志

(攀枝花学院图书馆，四川攀枝花 617000)

近年来，随着人工智能的快速发展，其超强的功能引起了各国政府和企业的高度重视，目前已将人工智能应用到智能制造、智慧医疗、智慧交通、智慧农业、智慧教育、智慧旅游等人类社会各个方面，引发了人类生产、生活的巨大变革。图书馆的发展同样离不开新技术的加持，随着人工智能时代的到来，加速了图书馆变革的步伐，2003年，芬兰奥卢大学的MarkusAittola等学者首次提出了智慧图书馆的概念[1]，拉开了人工智能在图书馆应用的序幕，我国高校图书馆也逐渐开启了智慧化建设的新征程，并且在对读者智慧服务的常规工作中取得了较为显著的效果。图书采访的智慧化虽然在此大环境推动下也取得了一定的进步，但离图书馆的预期还有较大差距，如何利用人工智能来实现真正意义上的采访智慧化，值得深入研究与探讨。

1 研究综述

1.1 概念界定

智慧图书馆是智能图书馆发展的顶级形态，是通过人机交互的耦合方式，全面感知、互联互通和智能融合图书馆的各个环节的知识服务新体系[2]。图书智慧采访是智慧图书馆的重要组成部分，是通过人工智能感知知识承载和知识需求的一种决策性活动，其中人的智慧与采访信息的智能结合是智慧采访最基本、最核心的构成要素。

1.2 文献回顾

随着高校图书馆智慧化进程的不断深入，产出了大量的研究成果，笔者以“智慧图书馆”为检索词在CNKI中共检索到2747条结果。这其中，因智慧采访涉及面广、技术性强、操作环节多等因素，研究成果相对较少，比较具有代表性的有：卞丽琴，陈峰[3]提出以读者推荐、读者喜好和价格等多种综合信息为基础，通过人工智能技术进行仿真建模辅助完成图书订购任务的理念；白广思[4]提出通过大数据技术搭建图书馆智能采购系统，实现政策性采购、读者荐购和大数据采购功能；王红，雷菊霞[5]阐述了通过模仿人类思维方式，让人工智能不断训练和学习读者需求、历次采访、馆藏等数据，并结合科学决策工具优化图书采访方式；涂佳琪，杨新涯，沈敏[6]提出以重点学科建设和读者需求决策驱动，借助人工智能技术，设置科学的资源采访规则及决策权重，优化采访工作流程，实现智能化筛选纸质文献等。这些研究成果均在宏观层面为图书馆智慧采访的发展指明了方向，但在实际可操作层面上还与人工智能技术契合得不够紧密。

2 图书采访现状

纸质文献是高校图书馆最重要的文献资源之一，它既是师生开展教学和科研的重要载体，也是高校办学的基本条件之一，因此，各高校图书馆每年都会花大量经费购买纸质文献。据“教育部高校图书馆事实数据库”公布的2020年统计数据显示，我国1224所高校图书馆购置纸质文献资源总经费达25.33亿元，均值为206.9万元，纸质文献采购经费上千万的985、211高校比比皆是，其中中山大学图书馆纸质文献购置经费更是高达5945.3万元[7]，连续几年蝉联第一。在高校纸质文献的采访中，报纸、期刊经费占比较小且每年出版变化不大，图书馆一般通过在续订的基础上进行细微调整即可完成采购，而难度最大的是纸质图书的采访，国家新闻出版署2021年12月公布的《2020年新闻出版产业分析报告》中提到，我国2020年出版发行的图书已多达48.9万种[8]，若再加上近几年国内外出版的图书，图书数量将更为庞大，在目前以人工决策为主导的采访模式下，高校图书馆要想用有限的经费在海量的图书中选购到满足本校学科建设和读者需要的图书并非易事。

2.1 当前图书采访方式的优点和弊端

图书馆要采购到优质的图书资源，资源的发现是前提，目前，在图书馆广泛使用的各种采购方式缺少发现优质资源有效的手段。在实际图书采访过程中，各种采访方式虽都具有一定的优点，但也存在较大的弊端(见表1)。

表1 高校图书馆采购图书主要方式优缺点一览表

2.2 参与采访人员的优点与弊端

2018年9月，四川大学图书馆馆长党跃武在“双一流形势下高校图书馆资源建设策略与数据分析研讨会”上曾讲到：“现在高校图书馆中还存在图书采购‘一买了之’的现象。”得到了大家的一致认可，这也从侧面反映出高校图书馆采访工作还有较大的提升空间。目前，大多数高校图书采访工作是由采访馆员、院系老师、学生来共同来完成，图书馆采访馆员参与到采访的各个环节，工作重点是搭建读者需求与馆配图书供给之间的桥梁，师生主要参与书目和网选图书的荐购工作。参与采访的各类人员专业水平和对采访工作重视程度有较大差异，在采访过程中反映出每类人员自身都存在一些优点和弊端(见表2)，采访实际效果存在较大的不确定性。

表2 各类参与图书采访人员的优缺点一览表

3 图书智慧采访的实现

从表1、表2不难看出，就目前图书馆采访模式而言，不论是采购方式还是采购人员都存在一定的弊端或不足，这些年，图书馆一直在探索怎样突破图书采访的瓶颈，提高图书采购的质量，但收效甚微。随着人工智能技术的日趋成熟，智慧图书馆得到了前所未有的发展，人工智能的加持也将给图书馆采访工作带来新的契机，其可根据用户的需求来重构资源发现，全面整合各出版社不同年份的图书信息，并根据学校学科专业建设和读者的个性化需求甄选出最适合本馆馆藏的图书，使采购的图书资源更具专业性、针对性和实用性，最大限度减少现有采访模式所带弊端的不利影响。人工智能的三大基础要素是：数据、计算能力和算法，怎样围绕这三大基石做好图书采访工作，是实现智慧采访关键。

3.1 数据

数据是人工智能得以实施的基础，智慧采访所需的并非是常规意义上的数据，而是与图书采访相关的各种大数据，此类大数据是一个海量、异构、快速增长中的数据集，智慧采访系统可对这些数据进行分析，从而发现一些隐藏的规律、现象、原理等，并借助人工智能的批处理、流式处理、图像处理等多种数据处理方式，从这些大数据中提取出各类图书信息内在的价值，并深度挖掘读者潜在的阅读需求和偏好[9]，有效拓展智慧采访的深度与广度，提高图书馆采访工作的效率和质量。

3.1.1 书目数据

对于图书采访而言，书目数据不论是新华书目报还是馆配商的可供新书目，数据的源头都是出版社提供的书目信息。出版社书目基础元数据格式的转化和内容的丰富是一个纷繁复杂的工作，这既需要使用者(图书馆、馆配商、书店)的促进、引导，也需要出版社转变服务理念，在人力、物力和技术上给予大力支持方可顺利完成。出版社可将“码书”技术运用到书目数据之中，“码书”是当前图书出版发行的最新技术，简单地说，就是在图书中嵌入著者或出版社觉得应该加载在各环节或各知识点的视频、图片、动画、表格等信息的二维码，读者只需用手机“扫一扫”分布在书中各处的二维码，即可呈现出该二维码中隐藏的内容，大大增加了图书的扩展空间，使知识“活”起来，深受读者的喜爱。这种技术应该推广到出版社对书目的制作中去，在书目中嵌入图书照片、目录、作者简介、专家推荐视频等内容的二维码，使书目“活”起来，内容丰富起来，既方便读者和图书馆进行选择，也方便人工智能的机器学习，使智慧采访系统加深对书目信息的“理解”，便于做好优质图书的发现及对读者推荐工作。

3.1.2 出版社重点图书数据

出版社对该社出版的每一本图书都进行了评审、校对，熟知每一本图书的内容，就像老师了解自己的学生一样，哪些图书是本年度出版的精品，出版社最具发言权，出版社推荐的重点图书信息对于图书馆来说有较强的参考价值。

3.1.3 各种好书榜数据

不论是诺贝尔文学奖，还是央视“中国好书”榜、中华优秀出版物奖、茅盾文学奖、文津图书奖、新浪好书榜、豆瓣高分图书榜等各种好书榜，都会定期评选出一定数量的上榜图书，虽然各种好书榜关注的侧重点有所不同，但都是在海量的新版图书中通过业内专家、知名学者和广大读者层层推荐、评选而形成的，只要能上榜的图书都有其过人之处或独到之处，具有较强的代表性，也是各图书馆收藏的重点。上海交通大学图书馆在2019年度数据中专门提到各类好书榜的馆藏率达到98%[10]，也说明好书榜图书对于高校来说具有较高的使用价值和收藏价值。

3.1.4 各领域顶尖专家学者数据

各行业的顶尖专家、学者对该行业的贡献非常巨大，2020年，“新型冠状病毒肺炎”席卷全世界，在抗击疫情的过程中，中国能在短时间内控制住疫情的快速蔓延，像钟南山、张伯礼、李兰娟等行业顶级专家起到了力挽狂澜的作用，他们的贡献是普通专家学者无法比拟的，而这些顶级专家所出版的著作具有更强的实战型、典型性，一直都是图书馆收藏图书的重点，要做到全面收藏这类专家学者的著作，首先得建立各行业顶级专家学者库，这方面百度已经做出了积极的探索，百度学术携手中科院推出的“学者主页”已经入驻了122061个科研机构，3549182个专家学者，大部分行业的顶级专家已经被包含其中[11]。图书馆可依托百度学术建立与本校学科专业相关领域的顶尖专家学者著作的大数据，建立好此大数据后，一方面可智能匹配图书馆是否收录齐全这些专家已发表的著作，做好查漏补缺的工作，另一方面，此类专家学者一旦有新的著作出版，图书馆即可智能获取到最新的出版信息，便于图书馆采访工作与时俱进、实时更新。

3.1.5 大型网上书店、馆配商销售数据

图书实时的销售信息，从一个侧面反映出广大读者对图书最真实的需求状况，各种图书销量排行榜都能比较直观地反映出广大读者对这些图书的认可度和需求度，图书馆获取到此数据后，还需结合本校的专业建设和读者群体等情况，通过人工智能采访系统甄别出适合本校馆藏的图书，使图书采购充分兼顾高校图书馆藏书的学术性和实用性。

3.1.6 各高校图书馆的订单数据

各高校当年的订单数据是经过本校师生和图书馆花了大量的精力在海量图书中挑选而形成，具有较强的代表性，目前，图书馆可通过与兄弟院校沟通交流或通过馆配商获取到此数据，图书馆将获取到的与本校学科专业设置相近的高校图书订单数据通过人工智能进行比对、分析和计算，能快速筛选出适合本校图书馆购买的新书初选数据，可节约大量选购时间，有效提高采访工作效率。

3.1.7 本校学科专业建设数据

学科专业建设是图书馆文献资源建设的指挥棒，图书馆的馆藏结构要和学校的学科专业建设相匹配才能在教学和科研中发挥出更大的作用，本校学科专业建设情况也是人工智能必须掌握的基础数据。2015年10月，党中央、国务院提出建设世界一流大学和一流学科(简称“双一流”)的重大战略决策[12]，将高校学科专业建设提到了全新的高度，各高校在进行双一流建设时都离不开专业文献资源的保障，此举也推动了高校图书馆专业文献的建设工作。此外，为了师生和图书馆获取到各学科专业最新、最适合的教参图书信息，中国高等教育文献保障系统(CALIS)曾联合全国51所高校初步建成了“中国高校教学参考信息系统”，为CALIS成员馆的用户提供课程与教学参考资料书目信息在线检索服务，目前，该系统收入国内各高校教师精选的教学参考书6万余种，内容基本覆盖我国高等教育文理工农林医的重点学科[13]，该系统后期还不断有高校将最新的教参书更新导入，对各高校的学科专业建设起到了较好的参考作用，图书馆在文献采购时，结合本校学科专业建设的要求，将教参系统中发布的最新教参书实时导入采购，也是加大配合学校学科专业建设力度的一种形式。

3.1.8 师生荐书数据

图书馆获取师生荐购图书数据是精准对接师生需求最有效的方式。随着高校教学改革的不断深化，慕课、微课、翻转课堂、探究式学习等新教学模式逐渐被师生所认可，这对图书馆文献资源提出了更高、更新的要求，也提高了师生参与图书馆文献资源建设的积极性，近年来，向图书馆荐购或选购图书的师生人次和所选图书数量都有较大幅度的增长，图书馆可及时抓住这一机遇，通过多渠道收集师生提供的采访数据，特别可通过按需订购模式(PDA)精准收集读者荐购图书的数据，这些荐购大数据的合理利用，不仅能提高智慧采访的针对性，还可有效提高新购图书借阅率。

3.1.9 电子图书借阅数据

电子图书具有数量庞大、检索方便、便于携带、更新及时、不受时间和空间限制等优势，得到了越来越多读者的认可，各高校每年都会购买了大量电子图书数据库以满足师生的阅读需求，这些电子图书的借阅数据也从一定程度反映出该校读者的阅读偏好与需求，对于纸质图书采购具有较强的参考作用。如重庆大学2017年引入了京东阅读数据库，图书馆就通过对京东阅读数据库的电子图书借阅排行情况进行分析，并对比了这些电子书所对应纸质图书的馆藏情况及借阅情况，给纸质图书采访提供了较为准确的读者阅读偏好的第一手资料[14]。

3.1.10 社交媒体数据

运用大数据技术，可从各个渠道收集到详实的读者阅读需求信息，对高校图书馆来说也是一份重要的边缘数据。比如可通过建立读者阅读需求模型，收集读者在图书馆论坛、微信等社交媒体的发言、评论、建议，并整理读者在图书馆的搜索及阅读记录，通过人工智能模拟、分析和预测其真实需求，进而有针对性采购相应图书。

3.2 计算能力

强大的计算能力是人工智能得以实施的保障，图书馆作为高校的信息文献中心，近年来不管是在硬件、人才等方面，还是新计算技术应用方面都取得了较大的进步。

3.2.1 计算硬件

近年来，各高校图书馆在智慧化建设进程中，均加大了用于图书馆机房硬件设施、设备升级换代专项资金投入力度，使图书馆在计算硬件上有了质的飞跃。以清华大学图书馆为例，其数据中心在2018年就拥有服务器114台，虚拟机169个，存储容量1258TB[15]，这些强大的计算和储存设备，为智慧图书馆项目顺利实施奠定了坚实的硬件基础。

3.2.2 计算人才

技术部是各高校图书馆的常设机构，因工作性质的特殊性，在该部门工作的员工大多是计算机专业的技术人才，近年来，随着高校图书馆智慧化建设的不断深入，图书馆引进或培养了不少高端计算人才，有的高校甚至为了充分发挥好智慧校园的作用，直接将网络中心与图书馆合并成立图书与信息中心，更是给图书馆增加了庞大的计算人才队伍，浙江大学早在2009年就将图书馆和网络信息中心整合后成立了“图书与信息中心”，随后，安徽财经大学、南京农业大学、中国矿业大学等多所高校也采取了类似的做法成立了图书与信息中心[16]。这些举措都为智慧图书馆的顺利实施提供了强有力的人才保障。

3.2.3 云计算

云计算是传统IT技术的集大成者，时至今日，已经从一个新兴事物成为业界广泛使用的一项常规技能，其凭借超大规模、虚拟化、高可靠性、扩展性、通用性、可按需定制、便捷及廉价等优势，得到了诸多图书馆的青睐[17]。在我国高校不断发展壮大的过程中，大多数高校都建有分校区，也就出现了分布在各校区的图书分馆，在对各个分馆管理和对读者服务时需要一个或多个强有力的计算中心进行统一的协调和整合资源,图书馆大多通过云平台的建设来解决跨区域的管理和服务，积累了大量云计算的经验，为智慧图书馆的建设带来了契机。例如北京联合大学图书馆就通过部署虚拟化软件—VMware VSphere整合多校区图书馆数据中心的服务器和存储等设施，搭建多位一体的智慧服务平台，优化、整合和共享多校区图书馆信息资源，构建起智慧化服务的生态模式[18]。图书馆计算能力的不断进步，给智慧采访系统处理海量的基础数据提供了强有力的技术支撑。

3.3 算法

算法是数据驱动的自动化和智能化的核心关键。对于智慧采访而言，当我们收集了各类相关数据之后，运用合适的算法便可智能化地进行决策和分析，通过数据来感知读者和图书馆的交互。人工智能算法主要分为有监督学习，无监督学习和强化学习三大类。下面笔者将逐个分析各类机器学习方法在智能采访上面的应用。

3.3.1 有监督学习

有监督学习包括线性或非线性回归分析、决策树分析等，主要服务于研究标签和特征之间的联系，同时为未知特征组合进行标签预测，旨在建立标签和特征之间的联系。在这里标签通常是单一连续和离散的指标，如图书受欢迎的程度(连续)，或本校同学是否喜爱该图书(离散)；特征则指图书本身、本图书馆以及本校师生相关的属性，例如图书的出版日期、话题、类别、本校相关专业学生数量占比、同类书目的历史访问借阅量等。我们可以通过有监督学习的方式，当图书馆获取并发布最新的书目数据后直接对最新书目进行预测分析。例如决策树算法(包括经典分类树，CART，Boosting，Bagging，随机森林等)可以通过收集到的数据层层推断和归一，从根节点向下进行决策直达子节点(或称叶节点)，最后实现分类的效果[19]。如图1就是一个模拟纸质图书决策树算法的智能采购模式示意图，人工智能采购系统会将书目数据与收集到的“师生推荐图书”“好书榜图书”“业内专家、学者推荐图书”“业内顶级专家出版著作”“馆配商、大型电商图书销量排行榜”和“本校借阅量大的电子书”等数据进行自动比对，再根据是否符合本校学科专业建设需求、本馆是否有纸质图书馆藏、是否符合当年图书馆采购图书对出版年的限制、是否超过图书码洋的最高限额等设定的条件智能判断哪些书该入选纸质图书采购订单，哪些书不宜采购。智慧采访有了决策树算法的介入，像类似于重庆大学的“京东阅读”平台上借阅量排在前20名的电子书居然有3种图书馆没有纸质馆藏的现象将会被杜绝。

图1 纸质图书决策树算法采购示意图

3.3.2 无监督学习

无监督学习旨在对无标注数据进行规律挖掘和模式识别。该学习模式既可应用在简单的结构化数据上，也可以应用在复杂的非结构化数据上[20]。例如，对于图书馆师生的身份信息、借阅习惯和频率这样的相对维度较多的结构化数据，我们就可以利用无监督学习的主成分分析(PCA)的方式进行降维简化，能有效防止后续的机器学习中出现过拟合。同时，PCA后获得的主成分相量也有助于我们分析各个因素对图书借阅的影响以及相关性。对于复杂的非结构化数据，我们可以相应地使用复杂的非参数模型或者深度学习模型对图书品类、话题、借阅者等对象进行聚类。例如，我们可以用经典的K-means模型对师生进行归类，这样就可以对各类别读者的图书荐购信息和使用信息进行分析，从个性化数据中找出读者的共性需求，能解决图书选择中的最优化问题。无监督学习的优势还在于不需要对对象进行提前标注，也可以说是对标注信息没有依赖。例如我们很难通过师生的年级和专业信息去判断学生在本专业之外的阅读兴趣和频率，但通过无监督学习的方式，我们就可以在适当的粒度下对师生进行群类划分，这些都是有监督学习无法实现的。

3.3.3 强化学习

强化学习是近年来新兴的一个人工智能的分支，主要代表为围棋机器人Alpha-Go和各类自动驾驶算法。强化学习的核心目的是平衡决策的探索与开发。在强化学习中，主要有状态、行为和奖励三个空间，下面我们在图书推荐的情形下对这三个空间进行分析和推演。在图书推荐的过程中，“状态”可以包括图书馆当前的书目储备和借阅状态，学生及教师的基本信息、历史借阅记录等。“行为”则指的是图书的推荐，包括推荐的类别和具体书目等等。“奖励”则是“状态”和“行为”产生的结果，可以用多种衡量方式，包括同学是否点击浏览了图书推荐，是否借阅等等。在强化学习的过程中，当算法接收到推荐需求之后，会自动通过历史数据、当前决策以及被推荐者的状态进行分析，给出一个推荐目录。这个推荐目录既可能包括被推荐者长期喜爱的话题，也可能包括当下最热门但被推荐者没有浏览借阅过的书目。当算法给出推荐目录后，会跟踪该推荐的结果，量化出一个推荐的质量，并反馈给智慧采访系统，实现决策的更优化。

4 智慧采访可持续发展策略

4.1 加强人工智能人才储备

美国学者伊安·约翰逊曾说道：“除了智慧的图书馆员没有人创造出智慧图书馆”[21]。目前，虽然各高校图书馆在专业人才储备上取得了喜人的进步，博士、硕士学历的职工占比也在逐年增大，能基本满足现阶段图书馆建设需求，但随着图书馆智慧化进程的不断深入，人工智能人才的需求将进一步扩大，这就需要高校在此类人才的配比和培养上持续向图书馆倾斜，才能保证图书馆智慧化的不断深入，智慧采访也才能得到长足的发展。

4.2 强化数据安全与隐私保护

在智慧图书馆的建设中，数据安全和读者隐私保护一直都是比较敏感的问题，人工智能整合了互联网、大数据、物联网、云计算等新技术，由于人工智能对所获取的数据具有一定的感知、计算和执行能力，海量的数据被智能获取后，一切都将变得更加“透明”，人工智能系统在管理权限的设定上将涉及道德、伦理等问题，甚至是法律问题，若这些数据被不当使用，将会给社会、学校和个人信息安全构成严重威胁，所以强化数据安全和个人隐私保护也是智慧图书馆建设当中尤其要重视的问题，只有在保护好读者隐私的前提下加强各种数据的安全保障，才能充分发挥好各类数据在智慧采访中的作用。

4.3 实现高校图书馆采访数据共享

目前，各高校图书馆的采访数据未对外界公开，这并不利于高校之间相互学习、取长补短和共同进步，特别是一些文献资源建设做得好的标杆高校的示范、引领作用没发挥出来，各高校图书馆要想参考其他高校图书馆的采访数据一般通过非官方的渠道获取，获取过程较为麻烦且不够全面，给人工智能的机器学习带来数据缺憾。各高校的采访数据对行业的公开，相当于把自己的采购成果和采访水平也暴露给了同行的各位采访专家，给各高校采访人员增加了无形的压力，有效杜绝采购的随意性，使采访人员工作更细致，采购图书时更能做到“好中选优、优中选精”，也是对各高校图书馆采访工作的一种监督和促进。各图书馆对同类高校的采访数据都有不同程度的需求，再加上采访数据的共享无损于各自学校的利益，也不存在保密的要求，理应早日搭建高校图书采访数据共享平台，使智慧采访的多了一个重要的数据观测点，这既需要图书馆学会、高校图工委这样的行业机构统筹、协调和管理，更需要得到各高校图书馆的大力支持。

4.4 运用新技术提升智慧采访的便捷度

随着时代的变迁，人们在享受智慧生产、生活和学习时，会接触到许多人工智能新技术，这些新技术在诸多行业中已被成熟运用。在智慧采访设计和升级改造中可奉行“拿来主义”，将这些新技术嵌入其中，使智慧采访变得更加便捷。

4.4.1 智能语音识别技术

“天猫精灵”“百度小度”等设备或应用都具有强大的语音识别和信息发现能力，能和人类进行“沟通交流”并“理解”人们的意图，智能语音识别技术的加持，也能使智慧采访系统在接受读者荐购图书时，不需要读者再进行费时、费力地输入荐购图书的书名、书号、著者等信息，只需将自己的需求告诉智慧采访系统即可。例如当老师接手了一门《MATLAB仿真应用》新课程时，可以直接对图书馆智慧采访系统说道：“推荐几本最新MATLAB仿真应用的好书给图书馆，请他们采购一下。”剩下的工作，智慧采访系统就会自动完成该类图书信息的获取、查重和订购，并及时给荐购者反馈图书馆采购这些图书的实时信息，图书到馆后还会提醒读者前来借阅。

4.4.2 智能图像识别技术

“百度”“淘宝”和“京东”都是人们日常生活中最常用的应用，其拥有强大的图像识别能力，智慧采访也可借鉴这些应用的设计，将图像识别功能嵌入其中，当读者在任何地方看到心仪的图书时，都可打开手机端的图书馆智慧采访软件进行拍照，其通过图像识别技术，智能识别出该图书的信息并进行查重，若该书已在馆，则会告知读者其馆藏信息，若该书没有馆藏，则通过智慧采购系统进行甄别、订购，并将图书订购、入藏等信息实时反馈给读者。

4.4.3 APP技术拓展智慧采访功能

随着智能手机的普及和移动互联网的高速发展，手机APP成了大家生活的一部分，这是一种潮流，更是一种趋势，为了顺应这种趋势，一些高校智慧图书馆APP已经上线运用，使读者能随时随地体验智慧图书馆带来的方便与快捷，智慧图书馆APP除了可提供文献检索、图书借阅等基本功能而外，各个图书馆还根据自身的业务需要或本馆特色在APP中开辟了一些特色服务的板块，使智慧图书馆服务的方式更具多样性和实用性。如重庆大学智慧图书馆APP集成了扫码荐购图书、二维码门禁、我的书斋等特色模块[22]。宁波大学智慧图书馆APP集成了微书阅读、书店借书等功能模块[23]。随着智慧图书馆业务广度和深度的不断推进，图书馆在开发或升级智慧APP时应考虑嵌入智慧采访模块，使图书采访不再受固定设备和时间的限制，采购更加便捷、及时。

4.5 持续加强机器学习

机器学习是使机器变得更“聪明”的重要因素，也是人工智能的核心，机器学习除了能识别其软件中程序代码，更多的是学习、“理解”大量的数据。例如谷歌、百度等公司反复让无人驾驶汽车行驶数百万英里，就是为了收集数据，促进软件的深度学习，人工智能软件会不断地添加、修改代码和学习数据，直至达到能轻松应对各种驾驶场景和突发事件的目标[24]。图书馆在智慧采访系统的使用过程中，通过不断总结和发现自身的不足、及时了解读者的新需求，并充分领悟机器学习的精髓，加强“自身学习”，使采访系统变得更加完美。

5 结语

采访的实质就是搭建好文献资源与读者需求之间的桥梁，人工智能在图书馆的深度运用，将推进图书采访由人工化向智慧化的转型，使信息互通和需求匹配变得更加顺畅，高效、智慧、精准采访图书的目标得以实现。如果把正在蓬勃发展的智慧图书馆看作是一辆汽车的话，人工智能就是一台高效能的汽车发动机，当发动机迸发出更强的驱动力时，将推动智慧图书馆朝着更远的目标迈进。