【摘 要】为了实现有效的讀者服务，构建人工智能图书馆是一条解决路径，本论文从两个层面探讨了人工智能图书馆的构建，即中心图书馆与地方局部图书馆之间的关系、局部智能化图书馆内部的运行机制，形成了基于人工智能模型的数字化管理和服务新模式。最后，构建了神经网络模型作为具体案例，分析了读者信息的智能识别以及讨论了如何借助人工智能模型实现图书馆的个性化服务。

【摘要】人工智能；数字图书馆；读者信息；个性化服务；神经网络

一、引言

由于海量信息的存在，加之提供的信息大多较为简单，无法为读者提供最优价值的服务。以上问题的存在导致现有的图书馆无法满足读者日益增长的个性化服务的需求，急需引入人工智能技术促进图书馆行业服务水平的发展，而目前的图书馆服务模式存在如下问题：

一是现有的图书馆呈现一个孤立的体系，不具有全局开放性。

二是现有的图书馆大多只记录人员借阅数目等信息，无个性化分析功能。

三是现有的图书馆对于需求资源无法实现快速的预测和信息传递。

本论文就是以目前存在的问题为突破口，力图探索建立一套行之有效的智能化服务系统，完成读者个性化定制服务以实现读者个性的标定和个性化图书的推荐，完成阅读书籍、期刊需求量以及读者信息的关联和识别，最终实现一套行之有效的个性化定制、服务新模式。

二、基于人工智能的图书馆全局开放性体系的构建

目前，图书馆界把图书馆的延伸服务定义为7 个方面的延伸服务：服务主体、服务对象、服务内容、服务方式、服务手段、服务时间及服务空间，如何围绕以上的服务构建图书馆的整体性开放体系就成为开放性图书馆建设的核心思想。

为了实现各地图书馆之间的信息互通，有必要以国家为单位或者以省市图书馆为单位构建一套智能管体体系，该体系通过构建的智能大脑图书馆实现多馆之间的信息传输、读者辨识、读者个性化服务等。

在服务提升空间方面，各个环节的图书馆可以根据实际的馆内情况和中心图书馆之间进行图书资源的分布式采购和管理，尤其是区域图书馆可以根据区域需求特点（如高校图书馆需求科研书籍、企业图书馆需求特点专业书籍）进行重点性和偏重性的采购，而其他的需求的书籍则可以通过中心图书馆或者关联的其他图书馆之间进行馆际的书籍传递，这将极大地提高图书的资源利用率和各个图书馆可提供的图书、资料等的资源量，从而更好提升服务的空间。

三、基于人工智能的读者个性化需求服务

本研究提出将智能图书馆的个性化需求服务功能通过基础数据信息层、人工智能分析层、服务机制内核层、客户服务显示层几个核心层组成。具体的基于人工智能的读者个性化需求服务服务框架如图2所示。

1.基础数据信息层

目前的图书馆大多数尚未实现针对读者借阅历史信息和借阅类型等特点开展相关的服务，通过读者借阅基础数据的处理，可以实现对读者类型的准确把握，为基于人工智能的读者个性化需求服务提供原始数据特征。

2.人工智能分析层

目前，现有的人工智能算法有支持向量机模型、隐马尔可夫模型、深度神经网络模型等，其中深度神经网络模型在图像识别、围棋、医学等多个领域已经展现出了巨大的潜力，能够有效的依据前期的经验对未知的信息进行有效的识别和分类。实现输入特征信息的有效的提取、输入信息和识别结果之间的有效的关联、个性化辨识、智能分类等能力，本研究提出基于深度神经网络模型，通过基础数据层前期累积的大量的历史读者信息对深度神经网络进行训练，实现对未知读者个性化的识别和分类。

3.服务机制内核层

作为图书馆的数字化实现，服务机制层重点是将人工智能模型分析、识别的读者类型信息与可能提供的读者服务进行紧密联系的环节，通过图书馆构建的多个智能数据库存储中心，将中心历史存储信息和入馆读者信息进行比对，尤其是在复杂的多种类型的信息下有针对性的找到关联，匹配读者类型，进而更好的服务读者，成为基于人工智能的图书馆个性化服务的核心内容。

4.客户服务显示层

客户服务显示层是直接面对读者的服务部分，通过智能化的感知和互动实现读者需求信息的获取和馆藏资源之间的互动交流。例如语音对话、智能显示或者借阅引导等服务。

四、基于神经网络学习的图书馆智能服务案例分析

为了构建图书馆智能化服务，通过前面的分析，对于读者资源和图书信息的有效匹配和关联，实现大量异构信息之间的信息互通与识别，是智能化图书馆构建的核心。

论文以神经网络为手段，试图构建一套人工智能读者信息识别系统，具体如下：

人工智能模型需要通过大量有效信息的训练才能实现高精度的识别，因此，采集重庆第二师范学院近4年学生的借阅信息，如下表所示，将这些信息作为训练样本训练神经网络模型。

选取4年的借阅数据进行借阅可以将一个大学生4年的情况进行有效的表征，充分考虑4年过程中所处阶段的借阅特点进行了全覆盖，将以上信息进行处理之后训练神经网络，神经网络模型将依据以上的特征信息进行识别和分类，从而实现对一类型或者有一些共同偏好借阅特征的读者进行建模。

建模构建4层神经网络模型，输入层为表1所列的特征值，即输入层个数为10，中间层1和中间层2分别设置25层和15层，输出层设置个数为3层，具体为了实现理、工、文不同类别学生的借阅特征的分类，从而有效的实现读者需求的智能推荐。具体的构建的神经网络模型如图3所示。

五、总结

本文以基于人工智能的图书馆读者信息的个性化需求服务为主线，从两个层面探讨了人工智能图书馆的构建，即中央与地方图书馆之间的关系、智能化图书馆内部的运行机制，并基于案例分析了具体读者信息识别的智能模型来讨论了如何借助人工智能模型实现图书馆的个性化服务。

参考文献：

[1]陈雪樵，李黎，毛小雪.基于“大数据”的图书馆应用系统平台设计思路[J].四川图书馆学报，2016，2：15-18.

[2]李超，周瑛.基于BP 神经网络的高校图书馆隐性知识管理绩效评价模型研究[J].现代情报，2012，32（5）：92-96.

[3]钟萍.基于大数据的图书馆开放数据信息服务系统研究—以安徽大学图书馆为例[J].大学图书情报学刊，2016，34（6）：70-73.

[4]陈臣.基于大数据的图书馆数字资源重构与融合研究[J].现代情报，2016，36（8）：10-13.

作者简介：

刘娟（1986—），女，重庆南岸区，硕士，重庆第二师范学院图书馆馆员 ，主要进行图情信息相关的研究。