基于AI 的第三代图书馆服务平台数据管理研究*

0 引言

近年来，随着大数据技术、云计算技术、传感器网络技术与人工智能技术的快速发展，图书馆已跨入了第三代图书馆时代。第三代图书馆可以全方位、多对象、多角度和不间断地采集服务系统运营与读者个性化服务相关大数据，并通过对所采集大数据的完全价值挖掘与知识发现可大幅提高图书馆服务能力，在服务平台系统构建、读者阅读需求预测、个性化服务定制与推送等方面改善和提升用户关系管理的智慧化水平

。

大数据技术是第三代图书馆的核心技术，大数据应用在提高图书馆智慧服务能力与读者阅读满意度的同时，也导致图书馆大数据应用场景中被访问的数据总量以指数级激增，使图书馆大数据环境呈现出海量（Volume）、多类型（Variety ）、处理速度快（Velocity）、价值密度低（Value）的“4V”特点。可以说当下的大数据应用现实状况对图书馆数据管理提出了新的要求。

传统的第二代图书馆数据管理策略与技术已不能满足第三代图书馆大数据智慧决策的需求

。调研机构Gartner公司也在其2018年4月发布的名为《数据中心即将消亡，数字基础设施出现》的调查报告中表明，到2025年，80%的企业将关闭其传统的数据中心

。因此，如何利用人工智能技术（AI）强大的机器学习、逻辑推理和系统规划能力，来智慧管理复杂数据场景下的图书馆大数据库系统与应用，是第三代图书馆提升大数据管理效率与智慧化水平，降低大数据决策与应用成本，保证图书馆智慧化建设与用户服务能力的关键。

表8列示了经过GDP平减指数调整与增加经济周期变量后研发投入的断点诊断分析结果。笔者发现，企业研发投入在供给侧改革当年(2013年)就呈现出显著的结构性调整效果，断点跳跃(Lwald)系数显著为正的0.366，且达到了最高峰值，2014年跳跃系数仅为0.148。而相对地，供给侧改革前(2012年)企业研发投入断点回归中却有一个显著地向下跳跃的断点，跳跃系数显著地为负的0.113。这表明在排除经济周期性与通货膨胀等因素后，供给侧改革前我国企业研发投入是存在一个递减的趋势。因此，整体而言，上述断点检验结果佐证了供给侧改革结构性调整的结构性效果，而且政策执行效果在2013年底体现出实质性调整效果。

1 第三代图书馆基于AI 大数据管理的价值

第三代图书馆的概念源于“上海图书馆东馆”筹建调研。为了确保新馆20年不落后，调研组对全球图书馆建筑现状和发展趋势进行了深入分析研究，并结合新中国建立前后两个时期上海图书馆建筑的特点，提出了作为第三代的上海图书馆东馆建设规划

。面向未来的第三代图书馆相比第二代图书馆而言，具有促进知识流通、创新交流环境、注重多元素养、激发社群活力等4个显著功能，将更加注重人的需求、可接近性、开放性、生态环境和资源融合，致力于促进知识流通、创新交流环境、注重多元素养和激发社群活力。在此基础上，图书馆需要在服务系统构建、运营和读者服务过程中，加大对相关全数据进行有效的收集、存储、处理和应用，才能满足其大数据智慧管理和用户服务智慧决策的需求。而随着图书馆数据中心数据总量、结构复杂度的不断增长，以及大数据决策的效率、可用性需求和数据管理工作量的快速上升，图书馆必须利用人工智能（AI）技术来完成这一任务。

1.1 AI 可实现大数据管理平台的自动化管理与维护

数据质量保证层接收来自底层数据资源层的数据，通过大数据清洗与过滤、数据集成提取、数据分析处理等流程，实现图书馆大数据的噪声信号过滤和价值提取。清洗后的数据交付数据价值评估模块进行数据价值总量、信噪比、决策相关性和可用性评估，并依据评估结果对大数据清洗、数据集成提取；数据分析处理模块进行反馈控制与二次优化，并将最终达标合格信号交付标准化输出系统进行数据格式、内容的转换与标准化处理，然后传输至可用数据验收模块进行存储管理

。

此外，基于DL （深度学习）的AI数据管理系统，也应通过自我学习的威胁检测和监控算法来鉴别被管理数据的完整性和安全性，以及实施最优化的数据管理负载平衡、服务系统电力分配和服务系统资源调度等工作

。

1.2 可确保动态变化的主数据管理具有科学性和准确性

图书馆主数据是用来描述读者个体特征与阅读行为、第三方增值服务商业务、图书馆管理与服务系统、读者个性化服务内容、传感器采集数据、读者评价与反馈数据、阅读终端采集数据的数据。这些数据具有较高的大数据决策价值，可以在图书馆不同业务部门和不同决策对象中反复使用，并且存在于多个异构的应用系统中。集成、共享、数据质量、数据治理是图书馆主数据管理的四大要素，对于图书馆主数据管理应坚持高价值总量、高价值密度、精确、完整、一致和权威性的原则，确保主数据可支持图书馆不同的业务部门、业务系统、业务流程和业务对象大数据决策的科学性

。

伴随着图书馆服务模式多样化和大数据应用技术的不断发展，图书馆数据环境复杂度快速增长。在读者个性化阅读服务中，图书馆服务产生的非结构化数据主要有服务系统运营数据、传感器网络采集数据、阅读终端采集数据、读者阅读行为数据、读者个体位置与移动路径数据、视频监控数据等，且数据总量也由GB上升到PB级。这些非结构化数据在维度、内在关联性等方面的复杂度均不断在大幅提升，将占据数据总量的80%以上，且呈现逐年递增现象

。从空间维度上来说，这些非结构化数据属于不同的图书馆要素，这些要素之间存在着千丝万缕的关联性，如何完全、实时、准确和经济地发现他们之间隐匿的知识，对图书馆大数据应用提出了严峻挑战。从时间维度上分析，这些非结构化数据采集于图书馆各要素不同的历史时间，在不同的决策对象和决策目的上有着不同的价值

。因此，面对复杂的大数据环境，有必要采取AI技术来解决。

1.3 可支持复杂大数据的价值发现与知识图谱构建

首先，AI主数据管理可以在图书馆不同的分散系统中实现主数据的集中管理，实现主数据的自动合规检测、应用决策快速部署、一致性保证和增强决策系统IT结构灵活性，在图书馆大数据决策时可以全面、快速、准确地共享主数据资源。其次，AI通过增强的计算能力、数据自动查录与输入，可提升图书馆主数据决策的效率与准确性，使主数据决策更加高效、精确、快速和经济。再次，将AI引入到图书馆主数据的质量管理和治理中，可构建适应于主数据特征和主数据决策需求而动态变化的主数据管理标准，有效降低图书馆员对主数据管理的人工干预程度，有利于主数据的价值挖掘与知识发现

。

首先，AI可以辅助图书馆数据管理员科学地实现对非结构化大数据的有效管理、价值挖掘与知识发现，并依据图书馆大数据决策的对象、内容和标准需求，将大数据精准、实时和经济地输出到决策系统来支持图书馆数据决策。其次，AI可以通过深度挖掘图书馆复杂大数据之间的关联性构建知识图谱，为读者个性化服务提供科学的大数据决策依据

。

图书馆在基于AI的大数据管理平台业务架构中，应坚持大数据管理平台业务系统架构支持智能化的大数据应用开发、统一的业务语义层结构、一站式数据决策服务、智能自动化的系统运维管理原则，确保图书馆数据管理员与数据管理平台科学、高效、协同、弹性伸缩、成本可控地构建人机综合应用系统，满足复杂大数据环境下图书馆数据智慧决策的需求

。本文构建的基于AI的图书馆大数据管理平台业务架构如图1所示。

1.4 可实现大数据全生命周期流程的科学管理

AI数据管理涉及大数据采集、传输、识别、整合、清洗、发布、监控和反馈优化等全数据生命周期流程。从当前数据存储方式实际看，图书馆可根据所存储大数据的复杂环境特点和大数据科学决策的需求，采取图书馆自建私有云与租赁公有云相结合的数据存储与管理方式。

首先，图书馆可采用高性能海量数据分布式存储架构的模式来统一数据管理平台，依据大数据的价值、数据总量、决策对象和决策标准将数据存储于不同的云空间上，并在多云之间形成统一的全局命名空间，实现数据在不同云空间之间的自由传输与交换。同时可对不同数据访问接口的交换数据进行统一管理，以提升大数据管理、读取的效率

。其次，图书馆数据管理系统要坚持构建图形化数据管理界面的原则，支持异构数据对象的连接及建模，支持灵活多样的数据交互管理途径，建立实时数据传递触发的机制，以保障系统之间数据的快速交换响应能力。第三，数据管理应根据大数据存储需求与决策对象特点，构建图书馆服务系统运营数据域、图书馆管理员域、读者域、个性化定制服务产品域、第三方合作服务商域、图书馆资产域等多个数据业务模型，实现对数据全生命周期管理流程的准确性、一致性、完整性、可用性和可靠性的全程监控，并将监控结果通知大数据管理员，最终保障基于AI的大数据质量自动化监控、评估、反馈控制与优化

。

2 图书馆基于AI 大数据管理的内容与目标

数据管理是指通过规划、控制与提供数据和信息资产职能，来开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，以获取、控制、保护、交付和提高数据与信息资产价值。大数据时代的图书馆数据管理是着眼于第三代图书馆发展、职责与读者服务需要，站在未来图书馆事业宏观发展的全局高度，将所拥有的大数据视为有价值的信息资源而进行的贯穿于数据全生命周期的管理。2015年，国际数据管理协会在DBMOK2.0知识领域将其扩展为11个管理职能，分别是数据架构、数据模型与设计、数据存储与操作、数据安全、数据集成与互操作性、文件和内容、参考数据和主数据、数据仓库、商务智能、元数据、数据质量等。由此，本研究基于第三代图书馆读者个性化服务大数据智慧决策与大数据管理需求，并结合国际数据管理协会在DBMOK2.0知识领域将数据管理扩展的11个管理职能，我们定义第三代图书馆基于AI大数据管理的内容与目标，如表1所示

。

宋某的公司在经营转型过程中，选择在规模化农业生产方面进行投资，这与其以前所经营的农业机械等现代农业生产资料销售和服务有着密切的关系。宋某的公司经营了近40年的农机销售业务，因而推进农业生产机械化和规模化与其公司的以往业务有着内在一致性的联系。宋某选择在Y乡进行土地流转和规模农业生产经营的投资，主要看中了Y乡的6000多亩耕地。在这个乡，主要交通公路两旁的甲村和乙村以及其他几个村子的耕地面积较为广阔，且有交通便利的优势(图1)。按照宋某公司的规划，他们希望能在几年时间里将Y乡所有耕地全部流转到公司名下，建立规模化农业生产的园区。

图书馆基于AI的大数据管理应坚持统一数据管理模型、统一数据管理标准化体系、统一数据管理系统平台、统一数据决策服务标准的原则，才能确保图书馆大数据管理适应图书馆大数据复杂、异构的环境特点，才能确保大数据管理安全、智能、自动化和动态可扩展。

3 第三代图书馆基于AI 大数据管理平台业务架构

百香果、胡萝卜、白砂糖、奶粉，均为市售；保加利亚乳杆菌、嗜热链球菌，广东燕塘乳业有限公司提供；黄原胶、羧甲基纤维素钠（CMC）、小苏打，均为食品级。

该平台业务架构按照图书馆大数据生命周期管理流程与数据智慧决策需求设计，共由数据资源层、数据质量保证层、数据管理层、AI读者服务层四部分组成。

数据资源层是该平台的基础层，负责对图书馆业务服务数据、相关服务系统与监控系统数据、读者阅读活动数据、第三方共享数据的采集与传输管理，数据资源层所涉及的数据主要是图书馆服务原始数据，具有数据海量、结构复杂、低价值密度、干扰信号多样和可用性低的特点，不适宜图书馆的大数据管理与决策需求。

基于AI的大数据管理平台都是机器通过自主学习而集成的模型。机器结合各种技术在大数据管理工作中通过不断的自我学习而优化，进而将数据管理工程师和数据分析师从繁杂的大数据管理常规工作中解放出来。

A 52-year-old man with compensated alcoholic cirrhosis presented for follow up esophagogastroduodenoscopy and multiple duodenal polyps were found.

再次，图书馆数据中心要防止数据管理参数出现漂移和偏差，必须要在正确采集、评估和使用图书馆的大数据管理数据的基础上才能科学部署数据管理模型，利用ML（机器学习）来训练、优化和测试图书馆的数据管理系统性能，实现数据管理资源的动态分配与工作负载优化。

读者服务层基于数据管理层提供的科学、正确、高价值和易使用数据，为图书馆服务系统构建、读者个性化服务需求定制、用户服务质量保证、图书馆未来宏观发展预测等提供科学数据决策支持。从决策范围和对象划分，图书馆AI决策可分为战略级别、战术级别、运营级别三大类

。战略级别决策主要涉及图书馆战略发展宏观规划，重塑经营和管理模式、大数据智慧管理与优化、大数据分析与智慧决策、智慧图书馆构建管理等。战术级别主要是对图书馆服务与读者阅读场景的构建做出更精准、实时、科学的决策，进而提升场景的服务效果和价值，主要涉及虚拟化阅读空间构建、服务质量管理与保证等。运营级别决策是提升图书馆综合服务能力的创造性、运营效率、可持续发展和服务收益等，主要涉及全面感知读者阅读环境、读者资源画像、读者生理信息识别、读者个体定位与位置信息数据采集等

。

4 基于AI 的图书馆大数据管理平台管理策略

4.1 做好数据准备与管理系统自动化工作

为满足复杂大数据环境下图书馆数据智慧决策需求，在实施AI数据科学管理的过程中，数据准备与管理系统自动化是必然的前提条件。

首先，图书馆必须提前采集、存储与数据管理实际高度吻合的管理业务数据，并且实现数据存储随着图书馆数据管理业务活动的变更而动态变化。因为在基于AI的数据管理模型开发中，训练数据与图书馆大数据应用决策服务场景的匹配度至关重要，关系到AI数据管理模型是否与服务场景高度一致，是否可以训练出与图书馆数据管理实际超级匹配的AI数据管理模型，是否可以实现对现实数据安全、科学、动态和经济的管理。

其次，随着网络化、信息化及其新媒体的发展，图书馆所涉及到的视频与动态图像数据将会成为数据管理的主流数据。这些数据具有数据总量以指数级增长、结构复杂和管理难度大的特点，对于图书馆的数据管理业务繁杂度和实时动态管理需求增加了不少难度。图书馆必须事先通过AI数据管理实现数据的自动清洗、纠错和上传，才能提升数据管理的效率。

数据管理层的AI训练与推理开发平台基于数据质量保证层标准化、结构化的可靠数据支持，通过可视化建模、大规模分布式训练等操作，帮助数据管理员对海量大数据进行分析、建模和模型训练，以增强图书馆训练算法模型的科学性和开展机器学习的能力。同时，利用训练好的AI模型应用算法对图像、视频、文本与音频数据进行分析处理，将最优化决策结果部署到数据管理的各个层面和模块，通过监控、学习、预测、推荐和实施5个过程，为图书馆数据结构管理、数据模型与设计管理、数据存储与操作管理、数据安全管理、数据集成与互操作性管理、文件和内容管理、参考数据和主数据管理、数据仓库管理、商务智能管理、元数据与数据质量管理等不同的数据治理场景，提供因果分析、自动参数调优、安全保证、负载预测和调度、性能预测和规划、IT服务管理等数据管理服务

。

首先，AI可以从图书馆海量的数据管理历史数据中自主学习规则、程序，明确这些数据所涉及的数据管理时间表及其有效性，不断增强图书馆自动化智能数据管理中心的监控管理智慧水平，科学、准确和快速地预测与定位数据管理系统的故障点，及时监控、发现管理策略是否为整体水平评估最优，并自动形成智慧决策来提升大数据管理的科学性、准确性、可用性和经济性

。其次，对于复杂度、价值和决策对象不同的大数据，AI大数据管理平台可依据图书馆大数据决策实际，动态、个性化地定制与执行不同的大数据管理策略。第三，AI大数据管理平台可依据图书馆大数据环境和大数据决策实际，实现大数据管理的无人值守和定期自动巡检，并自动为管理员反馈数据管理的历史指标参数和分析报表，提升数据管理的安全性与可靠性。

4.2 统一AI 数据管理标准及数据资产管理平台

图书馆应规范ETL（数据从来源端经过抽取、转换、加载）标准的流程，实现跨部门、跨业务的统一数据指标口径、统一对外数据服务接口、统一ID（身份标识号）体系等数据管理流程，确保被管理数据准确、完整、高价值和可用。在此基础上，图书馆AI数据管理应坚持统一数据资产管理平台和统一应用系统开发平台的原则，利用统一的数据资产管理平台实现数据源管理的统一，使多源数据管理、优化和决策变为对单源的管理，不断提升AI数据管理、决策与服务的效率、安全性和可控性。

系统采用分层监控策略，首先设定参数上下限，对每一个监测变量进行单独监测；其次，考虑到部分参变量之间的耦合性和相关性，利用主元分析法(Principle Component Analysis，PCA)[7-8]进行故障诊断，其流程如图5所示.步骤如下：首先在模型训练过程中利用历史样本选取主元变量，计算得到相应的过程统计量T2和残差统计量SPE在95%置信度下的控制限；然后计算新样本的T2和SPE统计量来判定是否存在故障.具体算法可参见文献[7-8].

此外，图书馆AI数据管理平台应支持所管理数据权责可溯源、质量可评估、可用性统一评分，将人工智能与机器学习技术应用到大数据标示、数据智慧决策、智能算法引擎设计、智慧管理策略优化、数据管理风险的警示与自动排队、决策结果的可视化展示、数据管理系统与其它系统的应用对接中去，构建在统一图书馆AI数据管理平台下跨部门、跨业务、跨决策对象、跨决策内容的高效数据管理与知识服务体系。

生物技术是以现代生命科学为基础，结合其他基础科学的科学原理，采用先进的科学技术，按照预先的设计改造生物体或加工生物原料，以提供产品为人类社会服务的技术。生物技术包括发酵工程、酶工程、细胞工程、基因工程和蛋白质工程技术等，其中发酵工程技术、酶工程技术等与人类生活息息相关，被广泛应用于工业、农业、环境和医药等众多行业之中。

4.3 通过数据高效存储来消除AI 数据管理瓶颈

大数据时代的图书馆数据不仅呈现指数级快速增长现象，而且复杂结构化、半结构化和非结构化大数据已成为图书馆数据的主流，可以说当前数据管理系统的规模和工作负荷能力的增长，对图书馆大数据的管理提出了更高的要求。以往传统的图书馆数据管理员凭借个人经验或是启发归纳式数据管理规则，来进行数据存取与查询负载预测、数据库配置参数调优等，已不适应图书馆复杂、海量、多类型和低价值数据环境的数据管理需求。数据管理员必须基于AI技术实现负载的精准、自动化分配与优化，需要基于AI技术数据管理来应对查询负载、系统响应参数、大数据分布、数据库硬件参数指标、数据查询性能表现、故障与中断、安全威胁、负载与负荷等历史数据，通过数据特征抽取、训练和建模等操作，有针对性的优化数据库管理系统、流程和策略，才能确保AI数据管理安全、科学、高效与经济

。

首先，为了提升图书馆大数据管理与决策的效率，必须增强图书馆数据传输网络与数据存储系统的吞吐量，防止因图书馆数据网络传输延时和存储堆栈IOPS（每秒输入/输出操作）调用延迟而产生数据管理瓶颈，特别应重点考虑数据管理系统在服务峰值时系统资源调度、分配与优化的效率和冗余性问题。

其次，必须利用人工智能的机器学习和数据挖掘知识发现技术，依靠AI数据管理技术来确定不同类型和安全级别最高的云存储空间，以及选择在哪些列上建立最优化的索引，来实现大数据的高速检索、读取和安全管理。

飞往韩国的班机上，我闭上眼睛，虔诚地哀求上苍，但愿崔仁浩家庭强大的关系网，不要调查出我的整容记录。但愿崔仁浩，永远都不知晓我这个代孕的秘密。我会用一辈子的深爱和忠贞，去换取灵魂的救赎。

安：可能你听过的都是经典版本的“拉三”，但我得说，在很多比赛的决赛里多次听到让我几乎想要拂袖离场的“拉三”，也正是因为“拉三”在我心里的地位太高，所以我不能忍受演奏者对其机械、麻木、纯炫技式的演绎。当然我赞成你的观点，让这样完全无可比性的作品出现在同一轮次本身就不合理，如果我是比赛的艺术总监，我一定会制止这样情况的发生！

4.4 重点突出对元数据与主数据的管理

元数据是描述信息资源或其它数据的数据，其使用目的在于识别资源、评价资源、追踪资源在使用过程中的变化，以及实现简单、高效地管理大量网络化数据，实现信息资源的有效发现、查找、一体化组织和对已使用资源的有效管理。而主数据是指系统间共享数据（诸如不同读者、图书馆不同部门、阅读终端和第三方服务商共享的相关数据）。元数据与主数据管理的有效性是图书馆AI数据科学管理和智慧化决策的前提，因此，必须确保图书馆元数据与主数据在各子系统之间共享数据的一致性、完整性、可控性、通用性和正确性，才能实现图书馆数据管理安全、高效，才能为读者提供科学、动态和经济的大数据决策服务。

元数据作为图书馆执行全数据生命周期管理的应用数据，主要涉及数据分析、数据价值评估与保证、数据治理、数据风险和合规性管理等内容。因此，在元数据采集过程中，数据管理员应优化元数据比对算法与入库逻辑，提高元数据采集、存储的效率。同时，数据管理员应新增标签管理功能来扩展业务元数据管理途径，通过在标签管理中维护业务元数据分类、业务术语等业务元数据信息，建立业务元数据与技术元数据的关联，实现业务元数据与技术元数据的统一管理。

主数据具有多共享对象、多数据类型、多应用系统和多数据标准的特点，因此，图书馆必须构建涉及不同读者、不同图书馆应用服务系统、不同读者服务内容、不同第三方服务商的主数据标准化模型，以满足不同阅读场景下所需的信息视图和主数据决策环境。此外，对需要多用户共享的主数据要构建数据关系视图和采取集中存储的方式管理，提升主数据存储和调用的效率。同时，提供丰富的数据管理接口与主数据决策应用业务平台快速集成，满足图书馆不同的数据决策系统对主数据的个性化需求。

5 结语

当前，图书馆已进入大数据时代，数据已成为第三代图书馆发展与服务质量保证的重要战略资源。图书馆通过对大数据的采集、清洗、处理、分析、挖掘与决策，可以为图书馆宏观发展战略设计、读者服务系统构建、读者个体画像、读者个性化服务内容定制与推送、用户服务质量评估与保障等，提供安全、科学、经济和实时的数据决策支持。但是，图书馆大数据环境特有的数据海量、结构复杂、处理快速和低价值密度的特点，也给大数据的管理与决策带来了许多挑战。标准不规范、低可用性、多噪声和错误的数据不仅会降低图书馆大数据决策的科学性、可用性和经济性，甚至会导致错误、失败的决策。因此，图书馆必须对大数据开展全生命周期的管理，而基于AI的大数据管理技术能够在复杂数据环境下，实现大数据生命周期全程的安全管理、隐私保护、价值提升、知识发现和科学决策。

3种类型避雨棚内温度不同，除了半拱式简易避雨棚温度略低于对照，差异不显著，其他2种类型温度高于对照，标准连栋避雨棚内的温度最高，比对照高10.40%。3种类型避雨棚内湿度差异不显著，标准连栋避雨棚略低于对照。

图书馆在基于AI的大数据管理中，应重点关注关系数据质量和数据决策科学性的数据采集、数据清洗、数据存储、数据标注、数据分析等环节，坚持统一数据标准、兼容开放、弹性管理和科学高效的原则。此外，在大数据资源管理系统构建和管理模式选择上，应坚持管理系统集成化、管理范围时空化、管理表述知识化、管理流程模块化和管理结果可视化的原则，充分利用AI技术海量存储、高性能分布计算、机器学习、逻辑推理与系统自动进化等能力，才能实现数据、人员、知识和服务的高度聚合，才能为图书馆读者个性化定制服务、服务系统运营管理、经营策略制定与运行、未来发展战略规划提供可靠的大数据科学决策支持

。

[ 1 ]吴建中.走向第三代图书馆[J].图书馆杂志,2016(6):4-9．

[ 2 ]李娟,张雪蕾,杨峰.基于实证分析的下一代图书馆服务平台选择策略:以 ALAM、Kuali OLE、OCLC World Share 和 Sierra 为例 [J].图书与情报,2017(3):84-92.

[ 3 ]刘炜.关于“下一代图书馆系统”的思考[J].国家图书馆学刊,2015,24(5):7-10.

[ 4 ]刘素清.从电子资源管理视角分析我国高校图书馆服务平台的发展[J].大学图书馆学报,2018,36(4):11-17.

[ 5 ]谢蓉,刘炜,朱雯晶.第三代图书馆服务平台: 新需求与新突破[J].中国图书馆学报,2019,45(3):25-37.

[ 6 ]BREEDING M. Library systems report 2018:new technologies enable an expanded vision of library services[J/OL]. American Libraries,2018(5)[2021-08-10]. https://Americanlibrariesmagazine.org/2018/05/01/library-systems-report- 2018/.

[ 7 ]杨新涯,袁辉,沈敏.向服务平台转型的下一代图书馆管理系统实践研究[J].图书馆杂志,2015(9):23-27．

[ 8 ]周义刚,聂华.新一代图书馆服务平台调研及思考:基于北京大学图书馆的需求[J].图书馆杂志,2019(2):69-78．

[ 9 ]许磊,夏翠娟.第三代图书馆服务平台的元数据管理:以FOLIO 的Codex 方案为例[J].中国图书馆学报,2020,46(1):99-113.

[10]张磊,贺晨芝,赵亮. 面向数据与知识服务的第三代图书馆服务平台[J].国家图书馆学刊,2018,27(6):40-47.

[11]BEHARA S.Breaking the monolithic database in your microservices architecture[EB/OL].[2021-08-11].https://dzone.com/articles/breaking-themonolithic-database-in-your-microserv.

[12]康晓丹. 构建第三代图书馆的技术思考:以上海大学图书馆为例[J].大学图书馆学报,2014(1):78-82．

[13]李国良,周煊赫.面向AI 的数据管理技术综述[J].软件学报,2021,31(1):21-40．

[14]LI GL, ZHOU XH, LI SH. XuanYuan:an AI-native database[J].IEEE Data Engineering Bulletin,2019,42(2):70-81.

[15]许磊.图书馆系统演变及其元数据管理[J].图书馆论坛, 2021,(6):1-11．

[16]GREENBERG J. Big metadata, smart metadata,and metadata capital: toward greater synergy between data science and metadata[J].Journal of Data and Information Science, 2017,2(3):19-36.

[17]The codex metadata model[EB/OL].[2021-08-12].https://wiki.folio.org/pages/viewpage.action?pageId=1415393.

[18]张晓林.颠覆性变革与后图书馆时代:推动知识服务的供给侧结构性改革[J].中国图书馆学报, 2018, 44(1): 4-16.

[19]初景利,赵艳.图书馆从资源能力到服务能力的转型变革[J].图书情报工作,2019,63(1):11-17.