贺梅萍

〔摘要〕探讨图书馆数字资源评价指标权重的合理赋值方法，为相关的研究提供参考。通过文献调研法，对国内已有的图书馆数字资源评价研究的指标权重赋值方法进行了分析、比较和研究。结果表明：主观赋值法能充分利用评价专家的知识和经验，操作简单、有效，受专家的主观因素影响较大；客观赋权法的结果客观、科学、严谨，有时会弱化指标的内涵及其现实意义，工作量大、计算复杂；综合赋值法是最好的方法，也是工作量最大的方法，随着信息技术的应用，将得到更大的发展。

〔关键词〕图书馆；数字资源；电子资源；评价；评估；指标权重；赋值方法

〔Abstract〕This paper discussed the reasonable valuation method of evaluating indexes weight based on the digital resources from libraries and providing reference for related research.Through the method of literature research，valuation method of evaluating indexes weight is analyzed，compared and studied that existing domestic libraries.The result showed that the subjective valuation method can make full use of the knowledge and experience from evaluation expert，operation is simple and effective，but the subjective influence factor is also added from experts themselves；objective valuation method is objective，scientific，rigorous，sometimes，it can weaken the connotation and practical significance of the index and accompanied heavy workload，computational complexity，So comprehensive evaluation method is not only the best method，but also the maximum amount of work method，with the application of information technology It will get more development.

〔Key words〕library；digital resources；electronic resources；evaluation；index weigh；evaluation method

随着信息技术和数字技术的迅速发展和广泛应用，数字信息已经成为人们利用的主要信息类型，数字资源也随之成为图书馆馆藏建设的重点资源，有关图书馆数字资源评价的研究也成为业界的研究热点。在CNKI中，以“主题”为检索途径、以“（评价OR评估）AND（数字资源 OR 电子资源）AND 图书馆”为检索式进行检索，共有674条检索结果；如果检索式改为：“（评价OR评估）AND（数字资源 OR 电子资源）AND 图书馆 AND 体系”，则检索结果为265条记录（检索时间都是2016512）。可见，国内已经有大量关于图书馆数字资源评价的研究，并且，其中近40%为评价体系的研究。由于图书馆数字资源评价涉及多个指标，当评价指标体系确定后，各指标的权重赋值问题，就成为评价的核心工作。指标权重作为不同指标在评价时重要程度的反映，其赋值是否合理，直接影响着评价结果的科学性和准确性，对综合评价的结果和质量起着决定性的作用。本文对国内图书馆数字资源评价研究中指标权重的赋值方法进行研究，分析各方法的优劣，为相关的评价工作提供参考。

1图书馆数字资源评价指标权重常用的赋值方法

图书馆数字资源评价体系是多项指标构成的综合评价体系。对于评价体系各指标的权重，不同研究者的赋值方法可能不同，但大致可以归纳为3类[2]：第一类是主观赋权法，如德尔菲、层次分析法；第二类是客观赋权法，如网络分析法、主成分分析法、神经网络法；第三类是主观和客观相结合的综合赋权法，如层次分析法和拟熵权相结合的方法；每类都有多种赋值方法。目前，国内图书馆数字资源评价指标权重的赋值方法主要有：

11德尔菲法

德尔菲法（Delphi法），也叫专家评判法，就是选择若干位专家组成评判小组，各专家对评价指标独立给出一套权重，形成一个评判矩阵，然后对各专家给出的权重进行综合处理得出综合权重的方法[3]。根据专家组的构成情况，对专家评判矩阵的处理可以采用简单平均法，也可以采用加权平均法。

简单平均法是根据各位专家对某项评价指标所赋予的相对重要性系数，求其算术平均值作为该项指标的权重。而加权平均法则是考虑不同专家的影响力不同，相应地给每位专家不同的权重，把每位专家的对某个指标的估计值乘以专家的权重，然后相加获得总分，最后把总分除以专家权重的和，其结果就是该指标的最后权重。

德尔菲法充分利用了相关评判专家的知识、智慧、经验等无法数量化的、带有很大模糊性的个人知识和技能，指标权重的赋值过程中，带有浓厚的主观色彩。这种赋值方法原理简单明了、操作容易、计算量小、直观性强。但没有完整的理论基础，也没有考虑指标间的交互性，使得指标的权重缺乏系统性；同时，权重受评价专家主观因素影响较大，不能形成具有说服力且稳定的一套权重，有时难以保证评价结果的客观性和准确性[4]。因此，选择合适的评价专家组，是确保利用德尔菲法获得客观、准确权重的关键，一般应尽可能选择那些对评价指标比较熟悉，并且具有丰富实践经验的专家。

实际研究中，人们往往灵活运用德尔菲法。如浮肖肖[5]在研究高校图书馆数字资源绩效评估时，首先邀请了一批专家（主要为从事图书馆数字资源服务的工作人员），对各评价指标的重要程度打分；然后将专家的打分进行汇总，并做成图表进行对比，将对比结果反馈给专家，专家根据汇总结果再次对各个指标重要程度进行打分；经过3、4次如此的汇总、反馈，最终确定各指标权重。这种通过权重图表的反复对比，不断修改指标权重，可提高权重的客观性和准确性。

而余鹏彦[6]则对传统德尔菲法的流程进行改正，建立了评价的计算机系统。这样专家组的成员是由系统根据目标数字资源的特征，从专家库中筛选出来（这样可以保证所选择的专家对拟评价的数字资源清楚、了解）。专家小组既可以针对资源的特点自定义调查因子，形成调查问卷，也可以由系统参照历史经验，从模板库中选择合适的模板，由模板生成问卷；系统产生的问卷还将附加若干项模型改善因子，以帮助优化和增强问卷的科学性。调查结果由系统进行统计、分析，并反馈给专家。这种使用计算机系统实施数字资源评价的活动，有助于评价流程的规范化，也使得指标权重趋向于客观、准确。

层次分析法

层次分析法（Analytic Hierarchy Process，AHP），是美国运筹学家托马斯，萨蒂（TL，Saaty）在20世纪70年代中期提出的一种定性与定量相结合的系统化、层次化的分析方法，它把一个难以完全定量分析的复杂问题表示为有序的递阶层次结构，通过两两比较、判断和计算，使定量与定性因素有机地结合和统一起来，为决策提供定量的依据。

运用层次分析法确定权重的步骤是[8]：

（1）建立层次结构模型。将所研究的问题包含的因素划分为不同层次，如目标层、准则层、方案层等，构建递阶层次结构模型。用不同形式的框图表明层次的递阶结构和元素的从属关系。

（2）构造判断矩阵。判断矩阵是层次分析法的核心，判断矩阵是通过各元素两两比较得出来的。一般邀请相关专家组，对同一层次的各元素关于上一层次中某一准则的重要性进行两两比较（常用TL，Saaty 提出的“1～9标度法”进行比较）；然后对所有判断结果平均，建立由均值形成的判断矩阵。

（3）计算权向量并做一致性检验。对于每一个判断矩阵计算特征向量及对应最大特征根，利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过，则特征向量（归一化后）即为权向量。

若不通过，需重复步骤（2）、（3），直到通过一致性检验。

（4）计算组合权向量并做组合一致性检验。 计算最下层对目标的组合权向量，并根据公式做组合一致性检验，若检验通过，则可按照组合权向量表示的结果进行决策，否则需要重新考虑模型或重新构造那些一致性比率较大的判断矩阵。

层次分析法可以部分弥补德尔菲法的缺陷，能较为全面地汇集评价小组各专家的主观意见，提高评价结果的客观性，且所得结果简单、明确，容易为决策者了解和掌握[9]，是一种行之有效的评价方法，在图书馆数字资源评价研究中得到了广泛的运用。

如：熊倩[0]在自己的硕士学位论文中利用层次分析法对高校图书馆数字馆藏资源评价指标的权重进行赋值。闫乐林等]构建高校图书馆数字资源评价指标体系后，通过走访多所院校，请52位中级职称以上的图书馆员和教师，按Saaty 1～9标度理论，对体系逐层判断分析，构造比较判断矩阵，计算各指标的权重。李迎迎等[2]由邀请的10位图书馆学研究的专业人员、图书馆学专业教师，运用“1～9标度法”，对各个评价指标权重进行赋值，获取调研的第一手原始数据。利用平均值法将数据归一化，利用最大特征值求一、二级指标权重W、W1，通过一二级指标的权重W、W1，求第三层即二级指标的组合权重W2。刘晓霞[3]则邀请10位武汉大学图书馆学、情报学专业的硕士、博士研究生，利用“1～9标度法”对图书馆数字资源评价指标同一层次的各元素关于上一层次中某一准则的重要性进行两两比较；然后对所有判断结果平均，建立由均值形成的判断矩阵，通过计算各个矩阵的最大特征根和特征向量获得各矩阵中对应各指标的权重。

当然，利用层次分析法确定权重也存在一定的缺陷。其中的比较、判断以及结果的计算过程都比较粗糙，不适用于精度较高的问题；从建立层次结构模型到给出判断矩阵，直到最后得到权重，专家的主观因素影响很大，这就使得结果难以让所有的决策者接受。同时，实际问题的复杂性和模糊性，使得使用准确的数量（1，1/9）来描述相对重要性的程度显得很困难[4]。因此，和德尔菲法一样，利用层次分析法给指标权重赋值时，评判专家的选择很重要，已有的研究一般都是选择图书馆的工作人员或研究人员作为评判专家。

为了降低层次分析法中专家主观因素的影响，梁冬莹[4]等对层次分析法进行了改进：通过5人次同行专家对每个指标所给出的乐观值a、一般值m和悲观值b以及权重值e=（a+4m+b）/6进行加权平均，得到各级指标的权重估计值。然后根据估计值构造判断矩阵，先计算单层指标的权重，再对层次间的指标进行总排序，来取代所有指标因素对于总指标的相对权重。这种方法，不仅降低了工作难度，提高了指标权重的精确度和可信度，并且所有数据可以应用Maplab软件来处理，在实际应用中具有较强的可操作性和有效性。

13网络分析法

1996年，萨蒂（TL，Saaty）在层次分析法的基础上提出了网络分析法（Analytic Network Process ANP）[5]，用以解决内部各要素之间存在着依存与反馈关系的复杂系统的非线性问题[6]。图书馆数字资源评价指标之间存在着明显的依存与反馈关系，如资源的内容与易用性影响着资源的利用率，而利用率的提高很可能刺激数字资源提供商提高服务质量。因此，网络分析法适用于图书馆数字资源评价的研究。

蒲筱哥等在确定高校图书馆电子资源服务绩效评价体系的基础上，综合考虑高校图书馆电子资源绩效评价指标体系内部各因素之间相互作用的关系，运用网络分析法构建了由控制层和网络层构成的高校图书馆电子资源服务绩效评价的网络结构模型，并通过网络分析法构建的各层次的判断矩阵求出相关指标的权重。

蒲筱哥等的研究表明：网络分析法利用专家经验和逻辑分析方法与超矩阵的科学数理运算相结合来定量地揭示高校图书馆电子资源绩效评价各指标权重的大小，克服了纯粹依靠专家咨询和研究经验所建立的指标体系的主观性，从而使评价结果更加客观和准确；但运用网络分析法求解各指标的权重，需要解决复杂的超矩阵问题，工作量较大。当然，利用Super Decisions软件可以使求解复杂的超矩阵过程变得简单。

14主成分分析法

由于图书馆数字资源价评指标体系涉及的指标（变量）很多，并且指标相互之间存在一定的相关性，为了减少确定指标权重的计算工作量，可以利用指标间的相互依赖关系，把具有错综复杂关系的原始变量，转化为少数几个富含原始信息的综合变量（指标），并以对综合变量的研究代替原始变量的研究。主成分分析法（Principal Component Analysis）是实现这一目标的有效工具。

主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标（即主成分），其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复[8]。其优点是它确定的权数是基于数据分析而得到的指标之间的内在结构关系，不受主观因素的影响，得到的综合指标（主成分）之间彼此相互独立，从根本上解决了指标间的信息重叠问题，使得分析评价结果具有客观性和确定性[9]。因子分析中公共因子所反映的变量间的内在联系，正表现了评价指标对评判对象的相对影响程度，因而可以利用该方法从样本中直接确定权重[20]。实际研究中，往往利用社会科学统计软件SPSS的因子分析方法来确定权重。

牛改芳[9]以河南省5所省属高校的图书馆为样本，从信息资源建设、信息服务体系、服务人员素质和信息服务效果4个方面，设计和筛选出由12个具体指标组成的图书馆信息服务质量评价指标体系，以相关图书馆的最新数据为基础资料，运用SPSS115软件对样本数据进行主成分分析，得到了河南省5所省属高校图书馆信息服务质量的主因子和总因子绩效指数及排序。

唐琼[21]在构建数字资源选择标准时，采用因子分析法进行数据统计和分析，提炼精简出关联度最强、最具代表性的选择标准，在此基础上遴选适用性得分高于4 分的选择标准，由此构建具有一定合理性和可操作性的数字资源选择标准体系。

15神经网络法

利用神经网络法对图书馆数字资源进行评价时，需要利用已有的数据预先对构建的神经网络模型进行训练，各评价指标的权重在训练的过程中自动产生，不需要人工的计算。在训练过程中，神经网络的自学习、自适应能力和强容错性[22]，使得各指标权重不断趋于科学、合理。

神经网络法作为一种客观赋值法，摒弃了传统数字资源评价方法中人为确定或计算单项权重，省去了繁琐的计算过程，通过训练好的评价模型可直接得到某种电子资源的评价结果，某种程度上克服了评价中主观因素的影响，保证了评价的客观性。目前已有多篇文章采用神经网络法对图书馆的数字资源进行评价[-28]。主要模型有BP（Back Propagation） 神经网络和RBF（Radical Basis Function）神经网络。BP神经网络应用比较多，并且评价效果良好，但是BP神经网络收敛速度慢，易陷入局部极小。

尹正梅，张捍东[25]通过研究发现RBF神经网络在评价的准确度和精度上都高于常用的BP神经网络，而且评价过程简单方便，非常适合用于高校图书馆的数字资源评价研究。但是，RBF神经网络评价模型的调用函数Newrb的工作原理是不断增加神经元数量的，所以训练时间相对BP神经网络要长。

16结构方程模型

结构方程模型（Structural Equation Modeling，SEM），是社会科学研究中的一个非常好的方法[29]，是一种客观赋值法。它运用数学模式和语言呈现事物间的客观状态，将事务的客观状态以因果假设的方式加以呈现，然后以量化的资料加以验证[30]。结构方程模型用以确定指标权重的方法是：先将每个指标的负荷相加，得到一个和值，再用每个指标的负荷除以该和值即为因子或指标的权重。

结构方程模型融合了因素分析和路径分析，可以对多变量间交互关系进行处理分析[31]。卢扬等[32]在构建高校图书馆数字资源评价指标时，采用结构方程模型LISREL87软件来计算评价体系中各指标权重的大小，并以江苏省三江学院图书馆为例进行实证研究；结果表明：采用结构方程模型的评价结果能够反映图书馆数字资源建设发展的真实水平。

马飞等[33]从用户视角提出了影响数字图书馆服务质量的五维度因素测量模型，并构建了高校数字图书馆服务质量的结构方程模型，通过问卷分析对高校数字图书馆的服务质量进行实证研究，结果和实际相符较好。

17熵值法

熵值法，是用来判断某个指标的离散程度的数学方法[34]。在图书馆数字资源评价指标体系中，如果某个指标的离散程度大（从信息学的角度来说就是该指标提供的信息量大），说明该指标的贡献较为显著，应赋予较大的权重；反之，则应赋予较小的权重。熵值赋权法就是根据这个原理，通过分析各指标之间的关联程度及各指标所提供的信息量，测算各子系统及构成要素指标的权重[35]。

熵值法作为一种客观赋权法，将指标原始数据的差异大小作为确定权重的依据。通过分析各指标间的联系程度及指标所提供的信息量来客观地决定指标的权重，从而可在一定程度上避免主观因素带来的偏差[36]。

如对于某项指标x，如果其指标值Xj在不同方案中的差距（离散程度）越大，则x在综合评价中所起的作用越大；如果Xj在不同方案中全部相等，则x在综合评价中不起作用[37]。因此，利用熵值法确定指标权重，能够深刻反映指标信息熵值的效用价值，由它得出的指标权重值比主观赋权法具有较高的可信度和精确度[38]。但由于熵值法确定权重的具体方法和步骤比较复杂[39]，并且熵值法缺乏各指标之间的横向比较，各指标的权数随样本的变化而变化，权数依赖于样本，因此在应用上受限制，在图书馆数字资源评价研究中应用也比较少。王小慧，张月琴[39]在对山西省老八所高校的图书馆进行评估时，就是采用熵值法对相关指标的权重进行赋值。

18综合赋权法

由于单种指标权重赋值方法存在一定的缺陷，为尽可能确保指标权重科学、合理，人们往往综合利用不同的赋值方法。

文献[40-42]综合运用了德尔菲法和层次分析法来确定图书馆数字资源评价指标的权重。这种方法往往先运用德尔菲法，由专家运用打分机制，确定数字资源评价指标体系。然后利用层次分析法，由专家对评价指标进行层次分析、等级划分，确定一级指标和二级指标。最后，运用德尔菲法和层次分析法，计算出指标权重。这种赋权方法，结合了德尔菲法、层次分析法的优点，将定性与定量分析有机地结合起来，一定程度上避免了确定权重时的主观片面性。

李迎迎等[43]把层次分析法和拟熵权结合起来确定权重，由层次分析法计算评价指标的主观权重，编制Matlab程序实现拟熵权计算，确定客观权重，然后再求表示各个层次指标的重要程度综合权重。结果表明：层次分析法能够反映专家的主观评价，但由于各个专家喜好不同，导致结果具有一定偏差。通过拟熵权调整之后的综合权重，各个指标之间的权重差距缩小了，其重要性也更加客观、真实。

梁茹等[35]采用因子分析法对不同高校图书馆数字资源各评价指标分别进行加权合成，提取各类二级指标中具有独立关系的综合因子，再根据各公因子的方差贡献率作为权重；对因子分析之后的4个评价维度的公因子得分进行系统聚类，类与类之间距离的测算选用欧氏距离（Euclidean Distance）。最后再用熵值法为各类评价指标赋予权重，并测算出数字资源综合服务能力的整体情况。这种方法综合了因子分析、聚类分析和熵值法，减少了评价过程中的主观因素，增强了评价结果的可靠性。

结束语

除了前面介绍的方法外，图书馆数字资源评价研究中还有少数其它的指标权重赋值方法，如贺秀英等[44]应用三角模糊数（Triangular Fuzzy Number）的概念来确定评价指标的权重。由于这种赋值方法很少应用，并且限于篇幅，这里不再详述。另外，已有研究中，鲜有关于不同赋值方法优劣比较的专门研究，仅发现马晓英[45]在自己的研究中，利用Matlab，通过结合实例研究表明：拟熵赋权法优于专家赋权法和熵值赋权法。

总之，在图书馆数字资源的评价研究中，评价指标权重的赋值法很多。德尔菲法是最简单、比较常用的方法，而层次分析法是使用得最多的方法。这两种方法的优点是：专家可根据不同数字资源的特性，较为合理地确定各指标的权重，并且操作简单、方便，不受各指标数据量的限制。但作为主观赋权法，存在因评价专家偏好不同，指标权重有时会有较大差异的缺陷。

客观赋权法不受人的主观因素影响，指标权重赋值的根据来源于各指标的客观数据，采用严谨的数学、统计方法，计算结果科学性强、精确性高；但客观赋权法没有联系实际，仅仅依赖数据，有时会弱化指标的内涵及其现实意义。同时，收集数据的工作量太大，计算复杂。当然，随着计算机技术在图书馆评价工作的应用，计算工作将不再成为问题。

将主观赋值法和客观赋值法相结合的综合赋值法，既充分利用了评价专家的知识和经验，又有客观的数据为基础，能够保证指标权重符合客观实际，同时又有很强的科学性和说服力，是最好的赋值方法，当然也是工作量最大的方法。随着评价工作的程序化和智能化，综合赋值法将得到更多的应用。

参考文献

李珂.发展循环经济理论、政策与实践研究：以甘肃省为视角[M].北京：中国政法大学出版社，2013：107.

[2]王黎.水环境风险监测与应急响应技术[M].北京：中国环境出版社，2014：16-18.

[3]王春波，张红.房地产企业集团绩效评价[M].北京：清华大学出版社，2013：195.

[4]高建山.高校图书馆网站评价方法及其应用研究[M].杭州：浙江大学出版社，2012：60.

[5]浮肖肖.基于成本收益法的高校图书馆数字资源绩效评估[J].科技情报开发与经济，2015，25（2）：55-56，58.

[6]余鹏彦.基于德尔菲法的数字资源评价系统的研究与设计[J].图书馆建设，2009，（6）：15-17.

钟建法.高校图书馆信息资源采访[M].广州：世界图书出版公司广东有限公司，2014：242.

[8]刘会新.新时期民营企业劳动关系调节机制研究[M].天津：南开大学出版社，2014：90-91.

[9]层次分析法优缺点[EB/OL].http：∥wenku.baidu.com/view/95b91077f46527d3240ce05d.html，2016-05-25.

[0]熊倩.高校图书馆数字馆藏资源评价指标体系研究[D].哈尔滨：黑龙江大学，2015.

]闫乐林，亓莱滨，冯希叶.高校图书馆数字资源评价指标体系初探[J].情报杂志，2009，28（9）：97-101.

[2]李迎迎，王娟，郑春厚.高校图书馆数字资源服务评价指标体系构建[J].情报杂志，2014，33（3）：192-197，142.

[3]刘晓霞.基于AHP的数字资源用户综合评价指标体系研究[J].情报科学，2008，26（10）：1526-1530.

[4]梁冬莹，周庆梅，王克奇.基于层次分析法的数字资源服务绩效评价体系构建[J].情报科学，2013，31（1）：78-81，128.

[5]Saaty TL..Decision Making with Dependence and Feedback[M].RWS Publication，Pitttsburgh，PA 1996：5-8.

[6]Saaty TL..Decision making with the analytic hierarchy process[J].ntJServices Sciences，2008，1（1）：83-98.

蒲筱哥，乔亚铭，胡亚敏.基于网络分析法的高校图书馆电子资源服务绩效评价模型及实证研究[J].大学图书馆学报，2014，（4）：41-49.

[8]主成分分析法[EB/OL].http：∥baike.baidu.com/link？url=t-cecwwMv3V4-o73Rk3imwJ-Ab-whV-8rDpqWnGeEzyve Ybk7Oq5mloxdqXrr1DRNNhhciwacgbN3FeZsCCEq，2016-05-25.

[9]牛改芳.基于主成分分析法的图书馆信息服务质量研究[J].情报杂志，2008，（7）：87-89.

[20]王春波，张红.房地产企业集团绩效评价[M].北京：清华大学出版社，2013：199.

[21]唐琼.采用因子分析法构建数字资源选择标准体系[J].大学图书馆学报，2011，（2）：56-63.

[22]杜栋，庞庆华.现代综合评价方法与案例精选[M].北京：清华大学出版社，2005：87.

周庆梅，王克奇.图书馆数字资源服务绩效模糊神经网络评价研究[J].情报科学，2015，33（2）：41-45.

[24]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，2010，54（21）：84-87，79.

[25]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.

[26]李维云，刘亚茹.基于FBP神经网络的图书馆数字资源建设与服务评价体系[J].科技情报开发与经济，2007，17（11）：30-31.

[27]朱世伟，鞠镁隆，于俊凤，等.基于模糊神经网络的数字资源服务绩效评价研究[J].山东科学，2013，26（6）：51-56.

[28]孙达辰，付佳，宋欣.基于Elman神经网络的图书馆电子资源借阅服务评价模型构建[J].情报探索，2012，（7）：18-19.

[29]结构方程模型[EB/OL].http：∥baike.baidu.com/link？url=fQOXBKv0yT4Ts1CA-s8CtQqjnqDHvx1GdXfnLZEZ2rIq2g-CKWujZgYDPqg37ftt8if4q6XMFVoaL0M56eM4gC0PBqeyXdBGDZJzks-4WTIm，2016-05-25.

[30]黄方铭.结构方程模式理论与应用[M].北京：中国税务出版社，2005：32-33.

[31]卢扬，田红梅，任延安.基于结构方程的高校图书馆数字资源评价实证研究[J].图书情报工作，2015，55（S1）：88-90.

[32]卢扬，田红梅，罗凌云，等.基于E-Metrics的高校图书馆数字资源评价指标的构建[J].大学图书情报学刊，2015，33（6）：32-37.

[33]马飞，李毅斌，曹媛媛，等.基于结构方程模型的高校数字图书馆服务质量研究[J].图书馆理论与实践，2013，（7）：78-81.

[34]熵值法[EB/OL].http：∥baike.baidu.com/link？url=VEf6AV5 QBro6y7YrFuIw7xDDCskmx0TovFpHWx1dFQk4RDhI-ZDp7e963BY qpeJzQwU6RmDcIcI3m8FTkLxgn，2016-05-25.

[35]梁茹，李建霞，刘颖，等.高校图书馆数字资源综合服务能力评价[J].大学图书馆学报，2015，（2）：38-46.

[36]吴洁著.高校知识转移的机理及效率研究[M].上海：上海大学出版社，2013：90.

[37]熵值法的原理及实例讲解[EB/OL].http：∥www.wendangxiazai.com/b-2c70a61c0b4e767f5acfce4d.html，2016-05-30.

[38]熵值法[EB/OL].http：∥www.wendangxiazai.com/b-06f7590602768e9950e7386a-20.html，2016-05-30.

[39]王小慧，张月琴.基于熵值法的图书馆绩效评价[J].科学之友，2013，（7）：60-61.

[40]朱雷，孙振球，刘莉.基于递阶层次BCS模型的高校数字资源综合评价体系指标及权重设计[J].图书情报工作，2008，52（7）：113-116.

[41]赵配影，王雅娟，熊军洁.天津市高校数字图书馆联盟信息服务质量评价指标体系研究[J].农业图书情报学刊，2013，25（4）：150-152.

[42]张杰.数字资源综合价值评价方法研究[J].情报科学，2013，31（10）：22-26，56.

[43]李迎迎，王焕景，郑春厚.高校图书馆数字资源服务的拟熵权模糊综合评价[J].图书馆论坛，2014，（5）：71-78.

[44]贺秀英，王晓文，呼翠侠.基于模糊语义法的高校图书馆电子资源绩效评价研究[J].情报理论与实践，2016，39（2）：113-115.

[45]马晓英.图书馆数字化资源安全评估方法研究[J].图书情报工作，2011，55（1）：70-74.

（本文责任编辑：孙国雷）

（上接第67页）

[3]Koprinska I，Poon J，Clark J，et al.Learning to classify e-mail[J].Informationences，2007，177（10）：2167-2187.

[4]Guzella T S，Caminhas W M.A review of machine learning approaches to Spam filtering[J].Expert Systems with Applications，2009，36（7）：10206-10222.

[5]Li Y，Fang B，Guo L，et al.Research of a Novel Anti-Spam Technique Based on Users Feedback and Improved Naive Bayesian Approach[C].nullIEEE Computer Society，2006：86-86.

[6]Sakkis G，Androutsopoulos I，Paliouras G，et al.A Memory-Based Approach to Anti-Spam Filtering for Mailing Lists[J].Information Retrieval，2003，6（1）：49-73.

Elssied N O F，Ibrahim O，Osman A H.Enhancement of spam detection mechanism based on hybrid＼varvec{k}-mean clustering and support vector machine[J].Soft Computing，2014：1-12.

[8]孟美任，丁晟春.虚假商品评论信息发布者行为动机分析[J].情报科学，2013，31（10）：100-104.

[9]Mukherjee A，Liu B，Glance N.Spotting fake reviewer groups in consumer reviews[C].Proceedings of the 21st international conference on World Wide Web：ACM，2012.

[0]Bouguessa M.An unsupervised approach for identifying spammers in social networks[C]∥Tools with Artificial Intelligence（ICTAI），2011 23rd IEEE International Conference on.IEEE，2011：832-840.

]Jiang B，Chen B.Detecting Product Review Spammers using Activity Model[C].2013 International Conference on Advanced Computer Science and Electronics Information（ICACSEI 2013）.Atlantis Press，2013.

[2]Hinton G E，Osindero S，Teh Y W.A fast learning algorithm for deep belief nets[J].Neural computation，2006，18（7）：1527-1554.

[3]Lee S，Choeh J Y.Predicting the helpfulness of online reviews using multilayer perceptron neural networks[J].Expert Systems with Applications，2014，41（6）：3041-3046.

[4]Zhao Z，Xu S，Kang B H，et al.Investigation of Multilayer Perceptron and Class Imbalance Problems for Credit Rating[J].International Journal of Law & Information Technology，2014，3（4）：805-812.

[5]Leng B，Zhang X，Yao M，et al.A 3D model recognition mechanism based on deep Boltzmann machines[J].Neurocomputing，2015，151：593-602.

[6]Wang X Y，Yang H Y，Li D M.A new content-based image retrieval technique using color and texture information[J].Computers & Electrical Engineering，2013.