刘小琴

摘要：伴随着网络信息的普及和推广，越来越多的数据信息出现在人民群众的生活之中，其中不乏诸多重复的内容，增加了人们寻找到所需信息的时间。本文将立足于数字图书馆个性化信息推荐服务的重要意义，分析数字图书馆智能化过滤信息，个性化推荐服务系统构建，并研究数字图书馆信息推荐个性化服务形式。

关键词：智能过滤;数字图书馆;个性化服务;信息推荐

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2021）23-0025-02

数字图书馆是运用数字处理技术存储各类图文的信息化图书馆，其本质是利用多媒体制作的分布式信息系统，可以将各种不同的数据信息用数字技术加工、存储、检索和传输，是基于网络环境下构建的共享知识网络系统。

1 数字图书馆个性化信息推荐服务的重要意义

在信息时代的背景下，用户身处在数据信息的环绕之中，人们对于提高文化素养加强自身能力，对自己有用的信息“求贤若渴”，从而造成大众化的信息已经无法满足人民群众的要求，个性化定制的信息服务将逐渐成为人们获取信息的主要途径，这也要求数字图书馆必须改变传统的信息推荐服务模式，以适应现代社会环境下的用户需求。数字图书馆的信息服务对象多具有专业性，例如学生、教师或行业专家，这些群体对信息的获取具有较强的专业要求，除了其本身需要获取的信息外，还有对后续科研和教学的铺垫。正因为这些特性，使得数字图书馆不能再使用传统的推送服务，要结合用户的信息资源数据，建设有助于用户操作的信息系统。并且现阶段部分用户是依靠兴趣爱好来使用数字图书馆，其需求的内容与专业用户不同，两者的个性化服务也存在差异，前者应是兴趣愛好偏娱乐性的需求，而后者则是为了提高实践和应用能力的专业需求。此外，网络的快速发展使得数字图书馆不再是用户获取专业信息的唯一途径，高效的网络让用户之间的信息交流剧增，电子书、数据库等多媒体信息资源开始与数字图书馆竞争，这就导致数字图书馆急需提供个性化的信息推荐服务，优化系统配置，提高数字服务质量。

2 数字图书馆智能化过滤信息，个性化推荐服务系统构建

2.1 创建个性化系统模型

应用智能过滤技术应先创建个性化系统模型，从获取用户信息、智能过滤管理、优化系统服务方面建立三大系统模块。首先是用户信息模块，此模块的本质与传统服务系统类似，为用户提供登录、检索、信息浏览等基础服务，其功能是对用户个人信息及行为数据进行收集整理，根据检索词汇为用户建立相应的系统文件，并记录用户的兴趣和信息浏览情况。用户信息模块主要是收集数据信息，为智能过滤管理模块所服务。在过滤信息之后，就可以将汇总的用户数据通过智能算法、分析工具等技术整理为用户的个性化信息，可以依靠大数据或语义关联等智能化分析软件帮助系统进行过滤。最后则是系统服务模块，由于很多用户不会专一某项信息，其检索和浏览的范畴可能非常广泛，仅依靠用户信息模块无法判断出用户的准确需求，并且智能过滤对于浏览新闻类信息数据的准确性较低。优化服务系统并不是针对用户要求的系统，而是帮助智能过滤模块提升科学决策、合理推荐的有效性[1]。以新闻为例，当用户浏览新闻内容后，智能过滤系统很大概率会推送相同的新闻，而用户并不需要浏览同样内容的新闻，这时优化服务模块将对数据进行分析，认定此推荐信息属于新闻类，再次推荐时应注重新闻时效性和重复性。

2.2 智能过滤技术的个性化服务

构建数字图书馆智能化过滤信息，个性化推荐服务系统并不困难，如何有效实现个性化信息推荐服务才是其关键，而智能过滤技术是服务系统中的重要组成部分。智能过滤技术主要从两方面表现。一方面是其关键技术，以内容过滤、协同过滤和聚类分析为基础实现个性化服务。内容过滤基于个性化系统中的用户信息模块进行，通过管控用户的信息需求和信息描述，将用户可能感兴趣的信息传输给用户，传统的过滤技术多以内容过滤为主，其方便快捷但也简单粗暴，很容易将数据信息一刀切，使部分有用的信息被屏蔽掉。协同过滤技术是分析用户的兴趣，并从数据库中筛选出类似的用户信息，利用用户之间的相似需求进行推荐服务，提升了内容的信息含量和质量。协同过滤技术在面对专业性的数据信息时较为有效，但在信息涉及较为广泛或用户检索范围较大时，推荐服务无法达到个性化的要求。聚类分析是将数据信息本身进行简化分类，根据用户浏览的集合进行推荐，简单来说聚类分析类似于数学概念中的交集，当用户检索的数目越多，其推荐服务信息的个性化越强。另一方面是通过智能过滤构建的基于用户个人的信息化服务，多是以个人历史记录、个人书架、个人导向服务等形式出现，本质上并不是信息推荐服务，而是建设多样的信息获取渠道，从多方面收集用户信息的服务系统。

2.3 个性化系统的用户隐私安全

伴随着网络信息的快速传递，数字图书馆也需丰富自身信息资源以满足不同用户的信息需要，这就导致数字图书馆的服务范围较为广泛，从而在开展个性化服务时用户的个人隐私信息会被智能过滤系统所获取。个性化服务和用户隐私安全既是相辅相成的关系，也是一把双刃剑。因此在构建信息系统的同时要注重对用户个人信息的保护。《网络安全法》中明确指出了个人隐私信息被泄露的问题，在数字图书馆开展个性化信息推荐服务系统时要严格遵守此法律，也应加强对系统工作人员的信息安全教育，定期开展网络安全培训，重视对用户个人信息的保密。在用户使用个性化服务的过程中，信息系统应提醒用户保护自身隐私安全，并且系统应尽量以用户使用为主，建立征求用户同意的检索内容，用户可以将不愿看到或重复推荐的信息屏蔽，在保障用户隐私安全的同时，提高用户信息系统的使用效果[2]。

3 数字图书馆信息推荐个性化服务形式

3.1 个性化信息获取与个性化服务互动

数字图书馆利用智能化过滤信息，个性化推荐服务系统为用户提供全方位的数字服务，一般是以静态获取和动态获取两种形式为主。静态获取以用户信息模块为基础，而动态获取则以智能过滤为基础，信息系统将会分析用户在动静态中不同的需求，并以此建立用户个人的数据库，根据数据库中的行为偏好、信息习惯、使用记录为用户智能推荐个性化信息。这也是目前大多数数字图书馆所应用的个性化信息推荐系统，其优点是可以依靠系统大量数据的分析得出最符合用户推荐信息的结果，减少用户获取信息资源的检索时间，提高信息服务效率。而其缺点则是智能过滤技术下的交互不足。以用户行为作为基础的推荐服务在大体上是符合个性化推荐服务要求的，不过智能过滤技术的本质是收集信息后传递信息，并未从根本上获取到用户的个性化需求。要想进一步提高个性化推荐服务的覆盖效果应当加强对个性化信息的获取和收集。例如上文提到的个人书架、个性化检索等服务系统，以个性化检索来说，当用户检索“数字”时，因为其覆盖面广，个性化推荐服务难以准确定位。此时个性化服务系统应加强对“数字”的智能过滤，不仅要在数据中将最为关键“数字”信息提取出来，也应在检索目录列出信息、技术、图书馆、系统等与“数字”有连带关系的热门数据，还可以列举数字化、数学、指数等跟“数字”类似的信息，使用户能够进一步筛选出其需要的内容。基于智能过滤技术的数字图书馆个性化信息推荐不应是单独的、唯一的，而应该是在用户需求范围内给出最贴切、适宜的数据信息[3]。