论文部分内容阅读
摘 要 论文首先描述了图书馆电子资源质量评价指标体系的构建，并且详细阐述了采用BP神经网络建立图书馆电子资源质量评价模型的过程，包括BP神经网络基本原理、网络结构的确定和网络的检验。并通过实证进一步阐明为了能够有效地管理评价图书馆的电子资源，需要采用BP神经网络模型对图书馆电子资源的质量进行评价。
关键词 BP神经网络 图书馆电子资源 质量评价
分类号 G255.76
DOI 10.16810/j.cnki.1672-514X.2017.03.005
Study on the Construction of Electronic Resources’ Quality Evaluation System in University Libraries：Based on the BP Neural Network Model
Wang Junguang
Abstract This paper firstly describes the construction of library electronic resources’ quality evaluation index system， and describes the process of setting up a library electronic resources’ quality evaluation model based on BP neural network， including the basic principle of BP neural network， the network structure and network test and so on.Then it illustrates that in order to effectively manage and evaluate the electronic resources of the library， the BP neural network model is used to evaluate the quality of the electronic resources in the library.
Keywords BP neural network. Library electronic resources. Quality evaluation.
近年来，随着电子信息技术在图书馆中应用越来越深入且智能化，电子资源或数字资源在图书馆馆藏资源中所占比重也越来越大，读者对电子资源的利用效率、服务的质量和用户体验方面的要求越来越高。如何进行有效的电子资源质量评价已经成为各大图书馆需要解决的重要课题，学者们针对电子资源质量评价的传统方法有模糊层次分析法、层次分析法等等，然而这些评价方法主观随意性较强，往往带有强烈的个人主观因素，在评估的过程和结果中精确度不够。本研究的主要内容是将BP神经网络理论应用在图书馆电子资源的构建中，通过建立模型的方式对电子资源的质量进行评价，解决传统评价模式的模糊性和主观性，为电子资源质量的评价提供一种新的方法和思路。
1 构建基于用户满意度的电子资源质量评价指标体系
要对图书馆电子资源做出评价就必须建立相应的科学评价体系，在以往的评价体系中，学者们大都采用的是针对电子资源的使用效率、资源质量等评价指标。本文研究的方向与以往有所区别，打破了传统的评价模式，从“用户”的主体性角度出发，以用户的满意程度为主要的评价标准。应用该种理念的目的主要有两个：其一，电子资源的价值是需要不断被挖掘和开发的，只有站在利用者，即用户的角度去思考问题才能有效地将该资源的作用发挥到极致；其二，数据商在提供数据的过程中，统计的方法和统计的指标不明确使得统计结果出现了某种程度的失真，在利用和评价过程中需得到纠正。
在本文的研究中提到的“用户满意度”主要指的是用户在体验了产品之后，对产品的一种满意度反馈评价。此概念首次提出是在经济领域，当今已经应用在各行各业中，逐渐地成为了衡量一个企业质量的重要标准。现今，电子资源的使用过程中，影响用户满意度的因素有很多，从电子资源内容方面进行分析，主要包括电子资源时间的跨度、种类的覆盖率、内容的权威性和更新速率；从资源检索系统方面进行分析，包括检索功能、检索的结果和用户的体验等等；另外用户在使用的过程中，会特别在意所检资源的查全率、查准率和资料结果的满意程度；最后数据商在提供服务方面，用户也会给予一定的评价。因此，上述这些都是当前图书馆构建基于BP神经网络电子资源评价体系的重要参考因素。
在构建电子资源评价体系的过程中，需要参考的变量有5个，包括电子资源的内容、使用的情况、检索系统的完整性、数据商的服务情况以及用户的满意程度。基于用户的满意度，对电子资源质量评价体系的指标设置如下表1：
表1 基于用户满意度的电子资源质量评价指标
2 BP神经网络及其评价原理
在图书馆电子资源质量评价的过程中，本文采用的方法是构建BP神经网络的模型，通过锻炼各系统的组织能力，拟合出各项指标的最佳权数，从而实现评价的最终目的。当前阶段，对于BP神经网络的理论已经有了很多系统深入的研究。BP神经网络也是人工神经网络中最重要的组成部分，运用函数的理论知识进行控制，广泛的应用于函数逼近、模式分类和非线性建模等阶段，在当今的图书馆电子资源质量评价的应用中非常广泛。
以下通过几个步骤来设计图书馆电子资源质量评价的BP模型。
首先，建立Y體系，根据指标体系的内容采用问卷调查、网络提问和访谈的方式收集客户的反馈信息，为了能够更加方便的对函数进行运算，需要对原始的数据进行进一步的整理，将处理完的数据分为学习样本和测试样本，方便采用BP神经网络进行分析和研究[1]。 其次，通过构建BP神经网络的模型确定BP神经网络的参数。想要成功的建立BP神经网络模型，就必须对网络的层次数以及网络层的神经元数进行合理的确认。通过以往的数据研究发现：在闭区间内的任何连续的函数都可以用一个隐含的BP神经网络来逼近，在本次的研究中，采用的隐含层数为1，利用3层对图书馆电子资源质量评价的模型进行构建；在Y体系中针对用户的满意度采用了8个二级指标，由此可知BP神经网络的输入层结点数为8，输出层的神经元的个数为1，其中用户对电子资源质量的满意度值即为神经网络的输出值。在进行分析的过程中，采用的方法主要是“试凑法”，经过一系列的仿真拟合确定出隐含层的节点数为6，从而就可以确定出BP神经网络模型的结构为8-6-1；在对BP神经网络参数进行设定的过程中，输出层结构和隐含层结构的的函数均采用的是Sngmoid函数，将Logsig函数作为输出层的神经元的传递函数，在（0，1）之间随机取出一个数作为初始权值，期望值误差维持在0.0001左右，学习的速率定为0.1，在设定完参数之后需要对BP神经网络进行训练。
最后，利用Matlab软件的平台对BP神经网络进行训练，采用的开发软件是Matlab7.0，将检测的样本输入到软件中，读取必要的网络参数对BP神经网络进行训练工作，完成预定的检测次数，当各项指标都达标之后即为符合要求，网络的训练达到成功，如果没有达到预期的要求则必须重新调整网络参数，直到训练合格为止。
除此之外，需要利用Matlab的软件将训练好的BP神经网络进行仿真测试，不断地提高它的精准度，将测试的样本输入到训练好的BP神经网络中，检验测试的误差是否满足要求。在测试结束之后，如果误差比较大则需要对不理想的样本进行剔除，得到新的测试样本之后再进行网络测试，直到完全符合要求位置为止[2]。
3 BP神经网络模型在图书馆中的应用
采用BP神经网络可以有效的对图书馆中各种信息进行处理，并且能够完成对相关业务的评估、预测和建模功能，为管理图书馆的人员提供了一种科学有效的评价方法[3]。
首先是评价与评估的方法。评价与评估指的是按照一定的原则和准则对相关的业务进行评价，利用BP神经网络对图书馆电子资源质量评价可避免人为因素的影响，在评估之前需要做相关的准备工作，结合各图书馆的具体情况，建立一套完整的评价和评估系统，再利用BP神经网络进行评估。例如将某高校作为研究对象，建立高校图书馆网站，采用基于用户满意程度的评价指标体系，利用编程对BP神经网络进行程序化的处理，构建出具体的模型，实现对图书馆电子资源的质量评价。在设计过程中，需要将中文图书采购招标评价的体系考虑进去，建立必要的评价机制，从而实现准确快速的评价，为图书馆建设提供了重要的数据信息。
其次是预测。预测是指根据图书馆其他业务的信息，由已知信息对未知信息进行准确的估计和预测，其中预测功能是BP神经网络的主要特征，无论是样本的显性和非线性都可以进行预测和评估，例如将BP神经网络的预测功能应用于图书馆借阅量的研究，将某一个年份图书馆的借阅量进行分析研究预测，甚至可以分析出部分读者的阅读习惯和个人爱好，根据大量数据研究结果可以及时地调整图书馆馆藏采购计划，使得图书馆的管理更加信息化。在管理过程中采用的都是智能自动化方法，避免了人为因素造成的影响，为制定图书馆的发展战略提供了重要的依据[4]。
最后是建模过程。建模主要是指在图书馆资源配置过程中，由于很多非线性关系的存在，需要建立一种符合图书馆管理的模型，其中包括输入样本和输出样本。如在用户满意程度的指标之上，建立合适的图书馆满意程度评测模型。将200名高校师生作为研究对象，调查他们对图书馆电子资源质量的满意程度，建立学校各个影响因素之间的关系模型。研究表明采用BP神经网络对图书馆电子资源质量评价分析是可行的，并且能够反应出具体的实际情况。除此之外，还可以建立图书馆员工离职、工作压力、工作态度等方面的情况，从而全面掌握图书馆员工的工作状态，有利于工作内容的调整[5]。
4 基于BP神经网络的图书馆电子资源质量评价实证
在对图书馆电子资源进行质量评价过程中，需要采用有效样本，为了能够保证研究的有效性，笔者选取某大学图书馆9种电子资源作为主要研究对象，选取6种电子资源作为训练样本，选取3种电子资源作为测试样本，邀请10位专家针对每个电子资源的8个质量指标做出合理的评价，并且记录下具体分数，其中专家打分范围在[0，10]，在对数据分析之前需要对数据进行归一化的处理，其中归一化的处理表格如表2所示。
对数据进行归一化的处理之后，需要采用Matlab7.0软件进行开发，首先要输入提前预定好的网络参数，经过多次处理之后，使得网络的误差值达到最小，之后对网络输出的结果和专家的预测结果进行对比分析，通过研究发现两种形式的评价结果误差比较小。因此，可以说明网络的分析能力与专家基本相似，从某一方面来说网络可以按照专家的方式进行评价，其中仿真的结果处理之后为表3所示。
表3 仿真的模拟输出与专家评价值比较
通过上述表格分析研究发现，网络输出与专家的评价误差都在设定的范围之内，采用BP神经网络对图书馆电子资源质量评价的方法和预测的精度要求基本符合，是一个科学可行的预测模型；另外为了能够明确用户的满意程度，将用户的满意程度分为四个等级，一级为非常满意（0.85～1），二级比较满意（0.65～0.85），三级为一般（0.4～0.65），四级为不满意（0～0.4），根据不同的等级可以明确知晓用户的满意程度。
5 BP神经网络模型评价方法的优势
将基于BP神经网络的图书馆电子资源质量评价方法与传统的评价方法对比，通过比较和分析可以进一步说明BP神经网络评价模型的优势。
根据层次分析法的原理，Y体系可以分为三层，第一个层次是目标层，将电子资源用户的满意程度定为目标A；第二个层次是准则层，在Y体系中的准则层分为四个内容，分别是从B1～B4；第三个层次与四个准则层相对应。在分析的过程中，由专家对每个指标准则进行两两分析研究，由此构造出五个矩阵，由矩阵计算出权重。计算特征向量的过程中必须检查一致性，最后计算出合成权重。层次分析法的指标体系的权重需要事先设定，BP神经网络可以通过对此样本训练完成权重的自拟合调整。但是非线性的问题层次分析法是无法解决的。训练成功的BP神经网络在计算一个新的样本时能够自动输出正确的判断值，用户的满意程度也很高，也更加的符合专家的判断[6]。
BP神经网络模型在处理信息方面有着巨大的潜力，然而BP神经网络并不是没有缺点，其中反向的传播算法收敛的速度比较慢，只能实现局部优化。由于隐含的网络结点太多，在进行处理时只能凭借着经验。因此，还需要不断地改进各种算法，达到提高处理信息的能力，在实际应用中一定要进行灵活处理。提高收敛的速度和避免局部最优已经成为当今BP神经网络发展的重要方向。如要提高收敛的速度就必须要加动量项，采用更加高端的算法；若要避免局部最優，在进行运行的过程中一定要与其他的应用程序结合起来。这样才能使得高校图书馆的电子资源质量评价逐步建立起适合自身管理的强大网络体系，不断根据用户的使用习惯和需求进行完善和改进，提高图书馆资源的利用效率，将BP神经网络的作用发挥到极致[7]。弥补传统分析方法的缺陷，发挥出快速、方便、可靠的评价特征，提高辨识度，充分满足用户实际需求[8]。
参考文献：
[ 1 ] 贾洁，彭奇志.基于BP神经网络的图书馆电子资源质量评价研究[J].图书情报工作，2010（21）：79，84-87.
[ 2 ] 蒲筱哥，胡亚敏.图书馆电子资源绩效多指标综合评价方法评析[J].图书情报工作，2013（7）：139-143，146.
[ 3 ] 尹正梅，张捍东.基于RBF神经网络的高校图书馆电子资源评价研究[J].情报探索，2016（1）：38-41.
[ 4 ] 高祥.森林资源调查监测信息化技术方法研究[D].北京：北京林业大学，2015.
[ 5 ] 陈笑怡.泛在学习中教学质量评价的数据挖掘研究[D].上海：上海交通大学，2011.
[ 6 ] 李佳成.面向用户网络的物流网络自适应运作机制研究[D].北京：北京交通大学，2012.
[ 7 ] 刘天娇.基于神经网络方法的高校图书馆知识服务评价体系研究[D].合肥：安徽大学，2013.
[ 8 ] 孙达辰，孙常丽，卢国强.基于BP神经网络的图书馆电子资料借阅服务评价模型[J].价值工程，2012（7）：119-120.
王军光 燕山大学里仁学院图书馆馆员。河北秦皇岛，066004。
（收稿日期：2016-04-29 编校：刘忠斌）
关键词 BP神经网络 图书馆电子资源 质量评价
分类号 G255.76
DOI 10.16810/j.cnki.1672-514X.2017.03.005
Study on the Construction of Electronic Resources’ Quality Evaluation System in University Libraries：Based on the BP Neural Network Model
Wang Junguang
Abstract This paper firstly describes the construction of library electronic resources’ quality evaluation index system， and describes the process of setting up a library electronic resources’ quality evaluation model based on BP neural network， including the basic principle of BP neural network， the network structure and network test and so on.Then it illustrates that in order to effectively manage and evaluate the electronic resources of the library， the BP neural network model is used to evaluate the quality of the electronic resources in the library.
Keywords BP neural network. Library electronic resources. Quality evaluation.
近年来，随着电子信息技术在图书馆中应用越来越深入且智能化，电子资源或数字资源在图书馆馆藏资源中所占比重也越来越大，读者对电子资源的利用效率、服务的质量和用户体验方面的要求越来越高。如何进行有效的电子资源质量评价已经成为各大图书馆需要解决的重要课题，学者们针对电子资源质量评价的传统方法有模糊层次分析法、层次分析法等等，然而这些评价方法主观随意性较强，往往带有强烈的个人主观因素，在评估的过程和结果中精确度不够。本研究的主要内容是将BP神经网络理论应用在图书馆电子资源的构建中，通过建立模型的方式对电子资源的质量进行评价，解决传统评价模式的模糊性和主观性，为电子资源质量的评价提供一种新的方法和思路。
1 构建基于用户满意度的电子资源质量评价指标体系
要对图书馆电子资源做出评价就必须建立相应的科学评价体系，在以往的评价体系中，学者们大都采用的是针对电子资源的使用效率、资源质量等评价指标。本文研究的方向与以往有所区别，打破了传统的评价模式，从“用户”的主体性角度出发，以用户的满意程度为主要的评价标准。应用该种理念的目的主要有两个：其一，电子资源的价值是需要不断被挖掘和开发的，只有站在利用者，即用户的角度去思考问题才能有效地将该资源的作用发挥到极致；其二，数据商在提供数据的过程中，统计的方法和统计的指标不明确使得统计结果出现了某种程度的失真，在利用和评价过程中需得到纠正。
在本文的研究中提到的“用户满意度”主要指的是用户在体验了产品之后，对产品的一种满意度反馈评价。此概念首次提出是在经济领域，当今已经应用在各行各业中，逐渐地成为了衡量一个企业质量的重要标准。现今，电子资源的使用过程中，影响用户满意度的因素有很多，从电子资源内容方面进行分析，主要包括电子资源时间的跨度、种类的覆盖率、内容的权威性和更新速率；从资源检索系统方面进行分析，包括检索功能、检索的结果和用户的体验等等；另外用户在使用的过程中，会特别在意所检资源的查全率、查准率和资料结果的满意程度；最后数据商在提供服务方面，用户也会给予一定的评价。因此，上述这些都是当前图书馆构建基于BP神经网络电子资源评价体系的重要参考因素。
在构建电子资源评价体系的过程中，需要参考的变量有5个，包括电子资源的内容、使用的情况、检索系统的完整性、数据商的服务情况以及用户的满意程度。基于用户的满意度，对电子资源质量评价体系的指标设置如下表1：
表1 基于用户满意度的电子资源质量评价指标
2 BP神经网络及其评价原理
在图书馆电子资源质量评价的过程中，本文采用的方法是构建BP神经网络的模型，通过锻炼各系统的组织能力，拟合出各项指标的最佳权数，从而实现评价的最终目的。当前阶段，对于BP神经网络的理论已经有了很多系统深入的研究。BP神经网络也是人工神经网络中最重要的组成部分，运用函数的理论知识进行控制，广泛的应用于函数逼近、模式分类和非线性建模等阶段，在当今的图书馆电子资源质量评价的应用中非常广泛。
以下通过几个步骤来设计图书馆电子资源质量评价的BP模型。
首先，建立Y體系，根据指标体系的内容采用问卷调查、网络提问和访谈的方式收集客户的反馈信息，为了能够更加方便的对函数进行运算，需要对原始的数据进行进一步的整理，将处理完的数据分为学习样本和测试样本，方便采用BP神经网络进行分析和研究[1]。 其次，通过构建BP神经网络的模型确定BP神经网络的参数。想要成功的建立BP神经网络模型，就必须对网络的层次数以及网络层的神经元数进行合理的确认。通过以往的数据研究发现：在闭区间内的任何连续的函数都可以用一个隐含的BP神经网络来逼近，在本次的研究中，采用的隐含层数为1，利用3层对图书馆电子资源质量评价的模型进行构建；在Y体系中针对用户的满意度采用了8个二级指标，由此可知BP神经网络的输入层结点数为8，输出层的神经元的个数为1，其中用户对电子资源质量的满意度值即为神经网络的输出值。在进行分析的过程中，采用的方法主要是“试凑法”，经过一系列的仿真拟合确定出隐含层的节点数为6，从而就可以确定出BP神经网络模型的结构为8-6-1；在对BP神经网络参数进行设定的过程中，输出层结构和隐含层结构的的函数均采用的是Sngmoid函数，将Logsig函数作为输出层的神经元的传递函数，在（0，1）之间随机取出一个数作为初始权值，期望值误差维持在0.0001左右，学习的速率定为0.1，在设定完参数之后需要对BP神经网络进行训练。
最后，利用Matlab软件的平台对BP神经网络进行训练，采用的开发软件是Matlab7.0，将检测的样本输入到软件中，读取必要的网络参数对BP神经网络进行训练工作，完成预定的检测次数，当各项指标都达标之后即为符合要求，网络的训练达到成功，如果没有达到预期的要求则必须重新调整网络参数，直到训练合格为止。
除此之外，需要利用Matlab的软件将训练好的BP神经网络进行仿真测试，不断地提高它的精准度，将测试的样本输入到训练好的BP神经网络中，检验测试的误差是否满足要求。在测试结束之后，如果误差比较大则需要对不理想的样本进行剔除，得到新的测试样本之后再进行网络测试，直到完全符合要求位置为止[2]。
3 BP神经网络模型在图书馆中的应用
采用BP神经网络可以有效的对图书馆中各种信息进行处理，并且能够完成对相关业务的评估、预测和建模功能，为管理图书馆的人员提供了一种科学有效的评价方法[3]。
首先是评价与评估的方法。评价与评估指的是按照一定的原则和准则对相关的业务进行评价，利用BP神经网络对图书馆电子资源质量评价可避免人为因素的影响，在评估之前需要做相关的准备工作，结合各图书馆的具体情况，建立一套完整的评价和评估系统，再利用BP神经网络进行评估。例如将某高校作为研究对象，建立高校图书馆网站，采用基于用户满意程度的评价指标体系，利用编程对BP神经网络进行程序化的处理，构建出具体的模型，实现对图书馆电子资源的质量评价。在设计过程中，需要将中文图书采购招标评价的体系考虑进去，建立必要的评价机制，从而实现准确快速的评价，为图书馆建设提供了重要的数据信息。
其次是预测。预测是指根据图书馆其他业务的信息，由已知信息对未知信息进行准确的估计和预测，其中预测功能是BP神经网络的主要特征，无论是样本的显性和非线性都可以进行预测和评估，例如将BP神经网络的预测功能应用于图书馆借阅量的研究，将某一个年份图书馆的借阅量进行分析研究预测，甚至可以分析出部分读者的阅读习惯和个人爱好，根据大量数据研究结果可以及时地调整图书馆馆藏采购计划，使得图书馆的管理更加信息化。在管理过程中采用的都是智能自动化方法，避免了人为因素造成的影响，为制定图书馆的发展战略提供了重要的依据[4]。
最后是建模过程。建模主要是指在图书馆资源配置过程中，由于很多非线性关系的存在，需要建立一种符合图书馆管理的模型，其中包括输入样本和输出样本。如在用户满意程度的指标之上，建立合适的图书馆满意程度评测模型。将200名高校师生作为研究对象，调查他们对图书馆电子资源质量的满意程度，建立学校各个影响因素之间的关系模型。研究表明采用BP神经网络对图书馆电子资源质量评价分析是可行的，并且能够反应出具体的实际情况。除此之外，还可以建立图书馆员工离职、工作压力、工作态度等方面的情况，从而全面掌握图书馆员工的工作状态，有利于工作内容的调整[5]。
4 基于BP神经网络的图书馆电子资源质量评价实证
在对图书馆电子资源进行质量评价过程中，需要采用有效样本，为了能够保证研究的有效性，笔者选取某大学图书馆9种电子资源作为主要研究对象，选取6种电子资源作为训练样本，选取3种电子资源作为测试样本，邀请10位专家针对每个电子资源的8个质量指标做出合理的评价，并且记录下具体分数，其中专家打分范围在[0，10]，在对数据分析之前需要对数据进行归一化的处理，其中归一化的处理表格如表2所示。
对数据进行归一化的处理之后，需要采用Matlab7.0软件进行开发，首先要输入提前预定好的网络参数，经过多次处理之后，使得网络的误差值达到最小，之后对网络输出的结果和专家的预测结果进行对比分析，通过研究发现两种形式的评价结果误差比较小。因此，可以说明网络的分析能力与专家基本相似，从某一方面来说网络可以按照专家的方式进行评价，其中仿真的结果处理之后为表3所示。
表3 仿真的模拟输出与专家评价值比较
通过上述表格分析研究发现，网络输出与专家的评价误差都在设定的范围之内，采用BP神经网络对图书馆电子资源质量评价的方法和预测的精度要求基本符合，是一个科学可行的预测模型；另外为了能够明确用户的满意程度，将用户的满意程度分为四个等级，一级为非常满意（0.85～1），二级比较满意（0.65～0.85），三级为一般（0.4～0.65），四级为不满意（0～0.4），根据不同的等级可以明确知晓用户的满意程度。
5 BP神经网络模型评价方法的优势
将基于BP神经网络的图书馆电子资源质量评价方法与传统的评价方法对比，通过比较和分析可以进一步说明BP神经网络评价模型的优势。
根据层次分析法的原理，Y体系可以分为三层，第一个层次是目标层，将电子资源用户的满意程度定为目标A；第二个层次是准则层，在Y体系中的准则层分为四个内容，分别是从B1～B4；第三个层次与四个准则层相对应。在分析的过程中，由专家对每个指标准则进行两两分析研究，由此构造出五个矩阵，由矩阵计算出权重。计算特征向量的过程中必须检查一致性，最后计算出合成权重。层次分析法的指标体系的权重需要事先设定，BP神经网络可以通过对此样本训练完成权重的自拟合调整。但是非线性的问题层次分析法是无法解决的。训练成功的BP神经网络在计算一个新的样本时能够自动输出正确的判断值，用户的满意程度也很高，也更加的符合专家的判断[6]。
BP神经网络模型在处理信息方面有着巨大的潜力，然而BP神经网络并不是没有缺点，其中反向的传播算法收敛的速度比较慢，只能实现局部优化。由于隐含的网络结点太多，在进行处理时只能凭借着经验。因此，还需要不断地改进各种算法，达到提高处理信息的能力，在实际应用中一定要进行灵活处理。提高收敛的速度和避免局部最优已经成为当今BP神经网络发展的重要方向。如要提高收敛的速度就必须要加动量项，采用更加高端的算法；若要避免局部最優，在进行运行的过程中一定要与其他的应用程序结合起来。这样才能使得高校图书馆的电子资源质量评价逐步建立起适合自身管理的强大网络体系，不断根据用户的使用习惯和需求进行完善和改进，提高图书馆资源的利用效率，将BP神经网络的作用发挥到极致[7]。弥补传统分析方法的缺陷，发挥出快速、方便、可靠的评价特征，提高辨识度，充分满足用户实际需求[8]。
参考文献：
[ 1 ] 贾洁，彭奇志.基于BP神经网络的图书馆电子资源质量评价研究[J].图书情报工作，2010（21）：79，84-87.
[ 2 ] 蒲筱哥，胡亚敏.图书馆电子资源绩效多指标综合评价方法评析[J].图书情报工作，2013（7）：139-143，146.
[ 3 ] 尹正梅，张捍东.基于RBF神经网络的高校图书馆电子资源评价研究[J].情报探索，2016（1）：38-41.
[ 4 ] 高祥.森林资源调查监测信息化技术方法研究[D].北京：北京林业大学，2015.
[ 5 ] 陈笑怡.泛在学习中教学质量评价的数据挖掘研究[D].上海：上海交通大学，2011.
[ 6 ] 李佳成.面向用户网络的物流网络自适应运作机制研究[D].北京：北京交通大学，2012.
[ 7 ] 刘天娇.基于神经网络方法的高校图书馆知识服务评价体系研究[D].合肥：安徽大学，2013.
[ 8 ] 孙达辰，孙常丽，卢国强.基于BP神经网络的图书馆电子资料借阅服务评价模型[J].价值工程，2012（7）：119-120.
王军光 燕山大学里仁学院图书馆馆员。河北秦皇岛，066004。
（收稿日期：2016-04-29 编校：刘忠斌）