论文部分内容阅读
摘 要：文章从智慧图书馆建设需求出发，分析图书馆加强用户个性化档案信息归集整理和利用的必要性，阐述图书馆用户个性化档案信息的主要内容、类别和功用，并以作者设计和实现的图书馆个性化图书精准推荐系统为例，详细展示用户个性化档案信息在智慧图书馆中的应用，指出在归集和使用图书馆用户个性化档案信息的过程中应该注意的问题，以期能够为智慧图书馆建设提供参考和借鉴。
中图分类号：G252文献标识码：A文章编号：1003-1588（2021）09-0128-03
关键词：用户个性化档案信息;智慧图书馆;个性化图书精准推荐系统
随着移动互联技术的发展，用户对图书馆提出了更高的需求。他们不仅要求图书馆可以随时随地为用户提供资源与服务，更希望图书馆能够根据用户的个性化需求直接从图书馆海量的资源中有针对性地筛选出用户最有可能使用的资源，提供智能化、精准化的信息资源，以实现资源与服务的高效获取，智慧图书馆正是在这种背景下应运而生的。智慧图书馆是图书馆在“人工智能+5G”技术视域下，充分利用5G网络、人工智能、物联网、大数据等技术，全面掌握不同类型用户的需求，并为用户提供精准化、智能化信息服务的综合性知识服务系统[1]。智慧图书馆强调图书馆资源、用户、馆舍（系统）以及服务的相互感知。通过智慧图书馆建设，图书馆服务将由被动转为主动，通过人工智能、大数据分析、云计算技术精准分析用户个性化信息需求，继而通过数据挖掘、推荐算法等应用系统实现图书馆资源与服务的主动精准推介。
1 图书馆的用户个性化档案
1.1 加强用户个性化档案信息的归集整理和利用的必要性
档案是国家机构、社会组织或个人在社会活动中直接形成的有价值的各种形式的历史记录[2]。图书馆作为图书的收集、传递、服务机构，用户在使用图书馆资源与服务的过程中必然会留下很多“痕迹”。这些痕迹以数字、数据、符号等形式记录存储在图书馆的各类系统中，形成图书馆用户个性化信息档案。
由于图书馆员素质和技术条件的限制，当前大部分图书馆对用户个性化档案信息仅作存档，并未对其进行充分开发和利用，基本处于闲置状态。而在智慧图书馆环境下，智能化、精准化、个性化是其显著特征。提供智能、精准、个性化智慧服务均以分析用户当前需求和潜在需求为前提，以用户个性化档案信息为基础。因此，在智慧图书馆建设过程中，加强用户个性化档案信息的归集整理和利用是重要的基础环节。
1.2 图书馆用户个性化档案信息的主要内容和功用
图书馆用户个性化档案信息主要包含个人身份识别信息、个人资源与服务使用信息及个人行为轨迹信息等[3]。个人身份识别信息主要包含具有身份识别属性的文本信息和生物特征信息，文本信息主要包括用户姓名、性别、身份证号、读者证号、专业、学历、家庭住址等，生物特征识别信息主要包含指纹、人脸、虹膜等信息。个人身份识别信息主要用于实现用户身份识别，以确定图书馆与用户的一对一关系，区分图书馆的不同用户。个人借阅档案信息主要指读者在图书馆借阅过程中产生的各種记录，主要包含借阅图书信息、借阅行为信息（如借阅时间、归还时间）、资源使用记录等。通过对借阅信息的处理和分析可以了解读者的基本阅读偏好、阅读习惯、借阅信用、专业背景、研究方向等信息，掌握用户的个性化信息需求，并将其需求与新书推荐、参考咨询、专题服务等业务相结合，有针对性地为用户推送他们所需的资源和服务。个人轨迹信息主要利用图书馆门禁、借阅读卡器、监控摄像头等设备，依托RFID和人脸识别等生物识别技术实现用户在馆内的动态身份识别，并不间断地记录用户在图书馆的时空运动轨迹。在智慧图书馆建设中，目前图书馆采用最广泛、最便捷的生物特征识别技术即人脸识别技术，人脸信息对于实现图书馆人与馆舍环境的感知具有决定性作用。轨迹信息是图书馆针对用户开展信息空间精准推送服务的重要依据。
2 个性化档案信息在智慧图书馆中的应用——以个性化图书精准推荐系统为例
笔者在实际工作中将智慧图书馆理念融入数字图书馆建设中，进行了智慧图书馆尝试性建设，特别是在图书个性化推荐方面，充分利用用户个性化档案信息，精准分析用户需求，开展资源推送服务，并取得了一定成效。现以笔者设计的个性化图书精准推荐系统为例，展示个性化档案信息在智慧图书馆的应用，以期能够为业内同仁开发同类系统提供参考，为智慧图书馆建设提供参考和借鉴。
2.1 系统实现的基本流程
用户到馆借阅资源，流通管理系统记录用户的借阅行为形成用户借阅档案。系统通过用户的借阅档案信息，从流通管理系统中查找具有相似借阅记录的若干用户进行用户聚类，形成相似用户群;依托用户群获取相似用户的借阅历史记录，形成初始资源推荐集合，同时对用户和相似用户进行借阅历史行为比较，生成用户与相似用户群中每位用户的相似度;通过初始资源推荐集合与用户相似度的加权计算形成拟推荐资源权重，并通过一定的协同过滤规则对结果进行删除和排序，形成最终的推荐资源库;依托用户使用的图书馆服务终端，如网站、App、微信公众号等将资源推荐给用户，进而完成整个推送过程。见图1。
2.2 系统实现的关键模块——推荐算法
推荐算法是系统实现的关键，其通过对用户资源使用档案记录进行分析，发现用户之间的潜在联系，并经过一系列模型计算，最终推荐用户最有可能感兴趣的资源[4]。目前，主流的推荐算法包括基于项目内容的过滤推荐算法和基于用户行为的协同过滤推荐算法。
基于内容的推荐方法是根据用户过去的借阅记录和用户个人信息属性向用户推荐用户没有接触过的推荐资源，其推荐过程主要包含信息检索和信息过滤两个部分。在实际应用中，基于项目内容的过滤算法大多应用于系统冷启动阶段，即在用户和数据较少的情况下通过一定策略推荐相关资源，如：智慧图书馆可以根据用户个人档案信息中的专业信息，从系统中自动随机选取一部分本专业的图书作为推荐资源。 基于用户行为的协同过滤算法按照“物以类聚、人以群分”的基本思想，为用户推荐和他有相似行为的用户（邻域用户）喜欢的资源。用户行为相似度越高，其喜欢的资源被推荐的可能性就越大。相似度计算是基于用户行为的协同过滤算法的核心，其计算结果决定了推荐结果的排序，进而影响被推荐资源能否被有效展示。常见的相似度算法包括余弦相似度、Jaccard相似系数、欧式距离、曼哈顿距离等。相对于基于内容的线性推荐，基于用户行为的协同过滤系统推荐的资源更科学和准确，推荐资源的范围可以脱离系统冷启动阶段推荐策略限制（如专业、学科等），结果集合更广泛;当用户和使用数据达到一定规模后，其推荐结果具有较高的准确率，也更符合用户实际需求。基于用户行为的协同过滤系统推荐的不足之处主要在于无法解决新资源、新用户冷启动问题以及个别用户推荐数据稀疏问题。
无论哪种推荐系统均是在分析用户个性化档案信息的基础上，了解用户兴趣爱好和需求，进而为用户推荐资源。用户个性化档案信息是推荐系统的基础和出发点[5]。笔者设计和实现的个性化图书推荐系统将两种推荐算法结合使用，即在用户行为数据较少、相似用户不具规模的情况下，采用内容推荐算法进行冷启动推荐相关资源，保证推荐系统的全面性;当系统运行一段时间，用户数据积累到一定数量时采用基于用户行为的协同推荐算法，提高推荐的科学性和准确率。
2.3 推荐系统使用效果
笔者设计和实现的个性化图书精准推荐系统，以“拉取”和“推送”相结合的方式为用户推荐资源。在“拉取”模式下，在用户进行馆藏检索、借阅历史查询时，图书馆将其可能喜欢的图书展示在对应页面上，供用户点击查看，提高相关资源的曝光率，进而提升资源被借阅的可能。在“推送”模式下，系统主要以图书馆微信公众号为服务平台，以模板消息提醒的形式，定期为用户推送其可能感兴趣的图书资源，主动出击，吸引用户到馆阅读。系统上线后，图书馆读者到馆率、二次借阅量和资源使用量较之前均有显著提升。基于用户个性化档案信息的图书精准推荐系统在提升图书馆资源利用率和服务层次的同时，也增强了用户的使用体验，提高了用户使用资源与服务的效率，深受用户好评。
3 智慧图书馆在使用用户个性化档案信息时应注意的问题
3.1 个性化档案信息的搜集应符合相关法律规范
图书馆用户个人档案信息涉及基本识别信息、借阅爱好信息、行为轨迹信息等，相关信息的获取应在国家允许采集的范围内进行，采集过程应符合国家法律规范，如：用户人脸信息的获取应在明确告知用戶且在用户允许采集的情况下才能开展。同时，图书馆应根据相关法律规定制定本馆不同用户个人档案信息的机密程度、使用范围、使用策略、安全机制等使用办法，以制度约束使用行为，确保信息使用安全。
3.2 在资源使用过程中，应注意用户个人隐私权的保护
在使用用户个性化档案信息实现个性化、智能化资源推荐服务的过程中，图书馆要注意用户个人隐私特别是敏感数据的保护，应绝对避免个人信息的泄露，涉及用户隐私的数据应尽量只在程序后台使用，而不应对他人公开。例如，在图书资源的智能化推荐过程中，图书馆应尽量做到根据用户本人借阅档案信息，推荐具有相似借阅行为的用户借阅了哪些书，而不应涉及借阅相同书的用户有哪些（以书会友），以免引起不必要的麻烦甚至是法律纠纷。
4 结语
物联网、大数据、人工智能以及数据挖掘技术为图书馆带来了新的机遇，为图书馆实现由数字化向智能化信息服务的转变提供了可能。基于用户个性化档案信息的智慧服务可以让图书馆主动地服务用户，通过信息推送实现用户之间、用户与图书馆之间、用户与信息资源之间的沟通，进而实现真正意义上的智慧化服务和管理[6]。今后，图书馆将继续发挥用户个性化档案信息的服务保障功能，加强用户个性化档案信息管理，利用大数据分析技术进一步挖掘用户的潜在信息需求，为智慧图书馆建设提供强有力的支撑。
参考文献：
[1] 赵希波.“人工智能+5G”视域下图书馆泛在化智慧服务模式研究[J].中国中医药图书情报杂志，2021（2）：38-40，44.
[2] 朱加荣.小站练兵研究的史料基础与档案利用[J].军事历史研究，2010（S1）：198-199.
[3] 化秀玲.高校图书馆资源整合与个性化用户档案管理[J].档案管理，2018（4）：91-92.
[4] 贾伟，刘旭艳，徐彤阳.融合用户智能标签与社会化标签的推荐服务[J].情报科学，2019（10）：120-125.
[5] 闫巧琴.图书馆个性化服务与数字化用户档案管理[J].档案管理，2016（3）：75-77.
[6] 熊拥军.数字图书馆个性化服务资源推荐模式分析[J].图书馆，2014（2）：132-134.
（编校：崔 萌）
中图分类号：G252文献标识码：A文章编号：1003-1588（2021）09-0128-03
关键词：用户个性化档案信息;智慧图书馆;个性化图书精准推荐系统
随着移动互联技术的发展，用户对图书馆提出了更高的需求。他们不仅要求图书馆可以随时随地为用户提供资源与服务，更希望图书馆能够根据用户的个性化需求直接从图书馆海量的资源中有针对性地筛选出用户最有可能使用的资源，提供智能化、精准化的信息资源，以实现资源与服务的高效获取，智慧图书馆正是在这种背景下应运而生的。智慧图书馆是图书馆在“人工智能+5G”技术视域下，充分利用5G网络、人工智能、物联网、大数据等技术，全面掌握不同类型用户的需求，并为用户提供精准化、智能化信息服务的综合性知识服务系统[1]。智慧图书馆强调图书馆资源、用户、馆舍（系统）以及服务的相互感知。通过智慧图书馆建设，图书馆服务将由被动转为主动，通过人工智能、大数据分析、云计算技术精准分析用户个性化信息需求，继而通过数据挖掘、推荐算法等应用系统实现图书馆资源与服务的主动精准推介。
1 图书馆的用户个性化档案
1.1 加强用户个性化档案信息的归集整理和利用的必要性
档案是国家机构、社会组织或个人在社会活动中直接形成的有价值的各种形式的历史记录[2]。图书馆作为图书的收集、传递、服务机构，用户在使用图书馆资源与服务的过程中必然会留下很多“痕迹”。这些痕迹以数字、数据、符号等形式记录存储在图书馆的各类系统中，形成图书馆用户个性化信息档案。
由于图书馆员素质和技术条件的限制，当前大部分图书馆对用户个性化档案信息仅作存档，并未对其进行充分开发和利用，基本处于闲置状态。而在智慧图书馆环境下，智能化、精准化、个性化是其显著特征。提供智能、精准、个性化智慧服务均以分析用户当前需求和潜在需求为前提，以用户个性化档案信息为基础。因此，在智慧图书馆建设过程中，加强用户个性化档案信息的归集整理和利用是重要的基础环节。
1.2 图书馆用户个性化档案信息的主要内容和功用
图书馆用户个性化档案信息主要包含个人身份识别信息、个人资源与服务使用信息及个人行为轨迹信息等[3]。个人身份识别信息主要包含具有身份识别属性的文本信息和生物特征信息，文本信息主要包括用户姓名、性别、身份证号、读者证号、专业、学历、家庭住址等，生物特征识别信息主要包含指纹、人脸、虹膜等信息。个人身份识别信息主要用于实现用户身份识别，以确定图书馆与用户的一对一关系，区分图书馆的不同用户。个人借阅档案信息主要指读者在图书馆借阅过程中产生的各種记录，主要包含借阅图书信息、借阅行为信息（如借阅时间、归还时间）、资源使用记录等。通过对借阅信息的处理和分析可以了解读者的基本阅读偏好、阅读习惯、借阅信用、专业背景、研究方向等信息，掌握用户的个性化信息需求，并将其需求与新书推荐、参考咨询、专题服务等业务相结合，有针对性地为用户推送他们所需的资源和服务。个人轨迹信息主要利用图书馆门禁、借阅读卡器、监控摄像头等设备，依托RFID和人脸识别等生物识别技术实现用户在馆内的动态身份识别，并不间断地记录用户在图书馆的时空运动轨迹。在智慧图书馆建设中，目前图书馆采用最广泛、最便捷的生物特征识别技术即人脸识别技术，人脸信息对于实现图书馆人与馆舍环境的感知具有决定性作用。轨迹信息是图书馆针对用户开展信息空间精准推送服务的重要依据。
2 个性化档案信息在智慧图书馆中的应用——以个性化图书精准推荐系统为例
笔者在实际工作中将智慧图书馆理念融入数字图书馆建设中，进行了智慧图书馆尝试性建设，特别是在图书个性化推荐方面，充分利用用户个性化档案信息，精准分析用户需求，开展资源推送服务，并取得了一定成效。现以笔者设计的个性化图书精准推荐系统为例，展示个性化档案信息在智慧图书馆的应用，以期能够为业内同仁开发同类系统提供参考，为智慧图书馆建设提供参考和借鉴。
2.1 系统实现的基本流程
用户到馆借阅资源，流通管理系统记录用户的借阅行为形成用户借阅档案。系统通过用户的借阅档案信息，从流通管理系统中查找具有相似借阅记录的若干用户进行用户聚类，形成相似用户群;依托用户群获取相似用户的借阅历史记录，形成初始资源推荐集合，同时对用户和相似用户进行借阅历史行为比较，生成用户与相似用户群中每位用户的相似度;通过初始资源推荐集合与用户相似度的加权计算形成拟推荐资源权重，并通过一定的协同过滤规则对结果进行删除和排序，形成最终的推荐资源库;依托用户使用的图书馆服务终端，如网站、App、微信公众号等将资源推荐给用户，进而完成整个推送过程。见图1。
2.2 系统实现的关键模块——推荐算法
推荐算法是系统实现的关键，其通过对用户资源使用档案记录进行分析，发现用户之间的潜在联系，并经过一系列模型计算，最终推荐用户最有可能感兴趣的资源[4]。目前，主流的推荐算法包括基于项目内容的过滤推荐算法和基于用户行为的协同过滤推荐算法。
基于内容的推荐方法是根据用户过去的借阅记录和用户个人信息属性向用户推荐用户没有接触过的推荐资源，其推荐过程主要包含信息检索和信息过滤两个部分。在实际应用中，基于项目内容的过滤算法大多应用于系统冷启动阶段，即在用户和数据较少的情况下通过一定策略推荐相关资源，如：智慧图书馆可以根据用户个人档案信息中的专业信息，从系统中自动随机选取一部分本专业的图书作为推荐资源。 基于用户行为的协同过滤算法按照“物以类聚、人以群分”的基本思想，为用户推荐和他有相似行为的用户（邻域用户）喜欢的资源。用户行为相似度越高，其喜欢的资源被推荐的可能性就越大。相似度计算是基于用户行为的协同过滤算法的核心，其计算结果决定了推荐结果的排序，进而影响被推荐资源能否被有效展示。常见的相似度算法包括余弦相似度、Jaccard相似系数、欧式距离、曼哈顿距离等。相对于基于内容的线性推荐，基于用户行为的协同过滤系统推荐的资源更科学和准确，推荐资源的范围可以脱离系统冷启动阶段推荐策略限制（如专业、学科等），结果集合更广泛;当用户和使用数据达到一定规模后，其推荐结果具有较高的准确率，也更符合用户实际需求。基于用户行为的协同过滤系统推荐的不足之处主要在于无法解决新资源、新用户冷启动问题以及个别用户推荐数据稀疏问题。
无论哪种推荐系统均是在分析用户个性化档案信息的基础上，了解用户兴趣爱好和需求，进而为用户推荐资源。用户个性化档案信息是推荐系统的基础和出发点[5]。笔者设计和实现的个性化图书推荐系统将两种推荐算法结合使用，即在用户行为数据较少、相似用户不具规模的情况下，采用内容推荐算法进行冷启动推荐相关资源，保证推荐系统的全面性;当系统运行一段时间，用户数据积累到一定数量时采用基于用户行为的协同推荐算法，提高推荐的科学性和准确率。
2.3 推荐系统使用效果
笔者设计和实现的个性化图书精准推荐系统，以“拉取”和“推送”相结合的方式为用户推荐资源。在“拉取”模式下，在用户进行馆藏检索、借阅历史查询时，图书馆将其可能喜欢的图书展示在对应页面上，供用户点击查看，提高相关资源的曝光率，进而提升资源被借阅的可能。在“推送”模式下，系统主要以图书馆微信公众号为服务平台，以模板消息提醒的形式，定期为用户推送其可能感兴趣的图书资源，主动出击，吸引用户到馆阅读。系统上线后，图书馆读者到馆率、二次借阅量和资源使用量较之前均有显著提升。基于用户个性化档案信息的图书精准推荐系统在提升图书馆资源利用率和服务层次的同时，也增强了用户的使用体验，提高了用户使用资源与服务的效率，深受用户好评。
3 智慧图书馆在使用用户个性化档案信息时应注意的问题
3.1 个性化档案信息的搜集应符合相关法律规范
图书馆用户个人档案信息涉及基本识别信息、借阅爱好信息、行为轨迹信息等，相关信息的获取应在国家允许采集的范围内进行，采集过程应符合国家法律规范，如：用户人脸信息的获取应在明确告知用戶且在用户允许采集的情况下才能开展。同时，图书馆应根据相关法律规定制定本馆不同用户个人档案信息的机密程度、使用范围、使用策略、安全机制等使用办法，以制度约束使用行为，确保信息使用安全。
3.2 在资源使用过程中，应注意用户个人隐私权的保护
在使用用户个性化档案信息实现个性化、智能化资源推荐服务的过程中，图书馆要注意用户个人隐私特别是敏感数据的保护，应绝对避免个人信息的泄露，涉及用户隐私的数据应尽量只在程序后台使用，而不应对他人公开。例如，在图书资源的智能化推荐过程中，图书馆应尽量做到根据用户本人借阅档案信息，推荐具有相似借阅行为的用户借阅了哪些书，而不应涉及借阅相同书的用户有哪些（以书会友），以免引起不必要的麻烦甚至是法律纠纷。
4 结语
物联网、大数据、人工智能以及数据挖掘技术为图书馆带来了新的机遇，为图书馆实现由数字化向智能化信息服务的转变提供了可能。基于用户个性化档案信息的智慧服务可以让图书馆主动地服务用户，通过信息推送实现用户之间、用户与图书馆之间、用户与信息资源之间的沟通，进而实现真正意义上的智慧化服务和管理[6]。今后，图书馆将继续发挥用户个性化档案信息的服务保障功能，加强用户个性化档案信息管理，利用大数据分析技术进一步挖掘用户的潜在信息需求，为智慧图书馆建设提供强有力的支撑。
参考文献：
[1] 赵希波.“人工智能+5G”视域下图书馆泛在化智慧服务模式研究[J].中国中医药图书情报杂志，2021（2）：38-40，44.
[2] 朱加荣.小站练兵研究的史料基础与档案利用[J].军事历史研究，2010（S1）：198-199.
[3] 化秀玲.高校图书馆资源整合与个性化用户档案管理[J].档案管理，2018（4）：91-92.
[4] 贾伟，刘旭艳，徐彤阳.融合用户智能标签与社会化标签的推荐服务[J].情报科学，2019（10）：120-125.
[5] 闫巧琴.图书馆个性化服务与数字化用户档案管理[J].档案管理，2016（3）：75-77.
[6] 熊拥军.数字图书馆个性化服务资源推荐模式分析[J].图书馆，2014（2）：132-134.
（编校：崔 萌）