摘要：阅读推广是图书馆对外宣传工作的重要部分，然而在实际推广活动中，经常遇到活动参与人数少、推广效率低的问题。本文讨论如何借助人工智能技术中的智能推荐系统优化图书馆阅读推广活动。智能推荐系统能够根据读者群体的历史阅读行为信息，智能分析读者的阅读规律，从而预测读者群体的阅读偏好，图书馆可借此在阅读推广活动中，向读者更精准地推荐感兴趣的优质读物，让更多读者爱上阅读。

关键词：阅读推广；智能推荐；推广活动；阅读偏好

1. 智能推荐技术在阅读推广中的意义

1.1 图书馆信息化走向智能化

互联网时代，计算机相关的技术已经深入工作和生活的方方面面，逐步推动着社会进步。图书馆的信息化发展也离不开互联网技术的推动。早在20世纪90年代，我国图书馆就开始从国外引进图书馆系统管理软件，推行“一卡通”等数字信息化项目，大幅提升了图书馆的服务效率。信息化时代为人们带来了很多便利，随着智能化技术的普及，图书馆如果能够顺应时代的发展趋势，借助智能化技术提升图书馆服务和管理，将会带来新一轮的体验升级。区别于传统的信息化技术，智能化技术能够带来更加高效、便捷和人性化的服务。智能图书馆将充分体现“以人为本”的服务理念，根据场景内容的不同，提供更加个性化的解决方案。

目前，大数据智能技术已经在很多行业领域取得了不错的效果，本文以“智能推荐技术”为例。智能推荐技术是借助大数据相关计算机技术预测用户的兴趣爱好，更精准地为用户推荐相关内容。比如，手机上的短视频应用，可以根据用户的观看内容和点赞记录，精准预测用户喜欢观看的视频。超市运营部门借助智能推荐系统分析商品的销售情况，将当地最受欢迎的商品摆在最好的位置，提升商品销售额。供应链公司借助智能推荐系统，分析市场需求，优化库存策略，降低采购成本。

1.2 智能化在图书馆的应用

当前，智能化也是图书馆发展的下一个趋势[1]，主要体现为人工智能技术逐步应用于图书馆的多个领域。人工智能中的生物识别技术，用于图书馆智能人脸识别门禁系统，可以降低图书馆进出人员管理的难度，防止借用他人图书卡进出图书馆的违规行为。人工智能中的自然语言处理技术，可以用于优化图书搜索系统的准确度，支持语义层面的通用搜索功能，帮助读者更快找到自己想要的书籍，而不仅是局限于图书名搜索的传统搜索匹配方式；人工智能中的深度学习技术，可以用于图书自动分类，帮助书籍整理人员更快归类书籍，降低人力消耗。

1.3 智能推荐在阅读推广中的意义

在圖书馆阅读推广工作中，智能推荐系统的作用在于，可以较准确地预测目标群体的阅读兴趣。智能推荐系统利用读者的历史阅读数据，通过智能推荐算法从中挖掘出特定群体的兴趣爱好。比如，通过推荐分析，发现计算机专业的同学最近经常借阅区块链相关技术的读物，说明计算机专业的同学对区块链技术比较感兴趣。在面向计算机专业读者的阅读推荐工作中，可以多推荐一些区块链相关的读物进行推广。又比如，分析全校师生在图书馆的搜索记录，发现图书《大国崛起》最近30天的搜索量很大，说明全校师生对这本书比较感兴趣，在阅读推广工作中可以重点选择这本书进行推荐。在推广读物时，找一个优秀的同学分享这本书的读后感，可以吸引更多的同学参与活动。当读者从阅读推广活动中收获到自己感兴趣的知识点，就会有更强的意愿参加后续的相关活动。当阅读推广工作达到预期目的，就可以更好地开展下一阶段工作，形成良性循环。

2. 图书馆阅读推广工作的现状和问题

2.1 图书馆阅读推广的现状

图书馆是公共传播知识的重要场所。一个好的现代化图书馆，除了利用信息化技术做好图书保存管理的工作，还需要将这些人类智慧的结晶推广出去，这样才能让馆藏的图书发挥更大的价值。阅读推广是图书馆向外输出的重要途径，图书馆需要借助阅读推广项目提升自身价值，扩大影响力，服务更多公共人群。图书馆阅读推广的工作形式多种多样，可以在学校或者图书馆的关键位置张贴海报，精选一些优秀书籍，或者摘抄名言名句，宣传阅读的重要性；也可以通过公众号或者微博官方账号发送阅读资讯内容，借机可以接触到更多年轻读者，将好的读物分享给更多的人；或者经常组织一些阅读交流活动，提供机会让一些兴趣相似的读者可以聚在一起分享阅读的收获；还可以举办阅读讲座，邀请知名学者分享阅读感悟，吸引更多的读者通过阅读提升自己。

2.2 阅读推广中存在的问题

不论是什么形式的阅读推广活动，都希望能够吸引足够多的读者参与其中，扩大活动的影响力。所以这些推广活动经常面临一个问题，即应该选择什么主题或者图书进行推广。为了保证推阅读推广工作能够达到预期的效果，让推广活动可持续地进行下去，关键的一项工作就是准确地选择推广的读物。比如，张贴图书推广海报的时候，需要从馆藏的几十万册书籍中选择几本书籍进行宣传，就是一件非常具有挑战性的工作。在以往的工作中，有的工作人员会根据历史经验选择经典书籍进行推广。但这样经常出现读者群体对推广读物不感兴趣的情况，导致图书馆投入大量人力和财力举办活动，却吸引不到足够的读者参与活动，项目收效甚微，后续的工作也很难继续开展。

2.3 智能推荐用于解决阅读推广效率低的问题

实际的阅读推广场景是复杂多变的，推广内容需要考虑到时代的不同和读者群体的差异。想要从几十万册书籍中选择最有价值，且当前时代背景下读者群体最感兴趣的书籍，需要做大量的调研和数据分析工作，了解读者群体的背景，了解大量书籍的评价信息，然后从中汇总信息得出结论。这时候，图书馆需要有一个智能推荐系统，可以准确地预测读者群体的兴趣爱好，使用智能推荐技术优化图书馆阅读推广项目的质量，向受众群体个性化地精准推荐更感兴趣的优质书籍和刊物，让更多读者能够方便快捷地接触到自己感兴趣的读物。随着时代的快速发展和读者群体不断变化的阅读需求，当前图书馆的信息化程度无法完全动态满足读者需要。如何快速挖掘读者的阅读兴趣，更加智能地判断读者需求，是新时代背景下图书馆亟须考虑和解决的问题。通过智能推荐系统的引入，将帮助图书馆从信息化向智能化升级，构建更加完善的服务体系。

3. 智能推荐技术应用于阅读推广的具体途径

智能推荐技术能够用于提升阅读推广活动的质量，关键在于推荐系统的结果要准确，而推荐的准确度依赖于历史数据的管理和利用。为了构建一个好的阅读推广推荐系统，第一步就是管理和建设好历史数据，将读者的相关历史数据安全地保存在服务器上。第二步是合理利用读者阅读信息，搭建一套智能推荐服务系统，利用智能推荐技术预测读者的阅读偏好。第三步是在实际的推广过程中，结合具体的场景和问题，合理利用智能推广技术。如果更进一步，还可以在推广过程中，引导读者对推荐的读物进行打分，推荐系统也可以利用反馈的打分结果进一步自动优化系统。

3.1 数据管理建设

做好数据管理建设，是构建智能推荐系统的基础。对系统构建有帮助的数据主要包括四个方面。

3.1.1用户画像数据信息

用户画像用于描述用户的个体特性，是用户身上的一系列标签信息。用户画像可以收集的信息包括用户的学院、专业、年级、籍贯、成绩、选课信息等，这些信息可以用于区分不同的用户特性。需要注意的是，这些信息需要脱敏保存，保证数据信息安全[2]。

3.1.2书籍属性数据信息

书籍的属性信息主要是区分不同书籍之间的差异。常用的书籍信息包括图书名称、图书学科分类、图书种类、语种、作者和出版社等。

3.1.3用户行为数据信息

用户行为数据是用户个性化的表现。从用户在图书馆的一些行为数据，系统可以推断出用户的一些爱好。比如一个经常借天文学相关书籍的同学，大概率是对天文学比较感兴趣。因此，用户行为数据的收集对推荐系统的构建也非常重要。常见的行为数据包括图书借阅历史、借阅时长和图书搜索记录等。

3.1.4用户对图书的评分信息

智能推荐系统还有一个很重要的特点，就是可以不断自动迭代更新，根据最新收集到的一些用户行为数据，优化推荐系统的准确性。为了更好地优化推荐系统，可以收集一些用户评分的数据，可以知道读者对哪些图书感兴趣，对哪些图书不感兴趣，这样推荐系统可以更好地进行优化[3]。

3.2 构建智能推荐系统

智能推荐系统是计算机专业的一项专业技术，需要相关专业人员负责开发完成。推荐系统可以充分利用用户画像数据、书籍属性信息和用户历史行为数据经过分析后进行智能推荐。其中，用户画像数据用户帮助智能系统更加客观地认识用户；书籍信息帮助智能系统更加客观地认识书籍；而用户的阅读历史行为数据，描述的是读者和书籍之间的联系，帮助智能系统更加客观地认识读者和书籍之间的关联。借助这三类信息，智能推荐系统就能从大量的数据中自动总结出规律，推断出用户可能感兴趣的图书类型。

为了适应不同的图书推广场景，图书推荐系统应该具备以下几种能力：

3.2.1针对群体的推荐方案

群体推荐方案有两方面的作用，一是挖掘读者群体已经阅读过的最喜欢的书籍，这样图书馆可以举办一些阅读分享交流的活动，提供平台让有共同爱好的读者分享交流读书心得。二是预测读者群体可能感兴趣的书籍，图书馆可以通过各种渠道将这些书籍推广给读者，让读者有更多机会接触到自己感兴趣的知识。

3.2.2 针对个人的推荐方案

针对个人的推荐方案是根据读者过去的阅读历史记录，预测读者未来可能感兴趣的读物。比如一个读者历史上借阅过《数据结构》的数据，那么可以预测这个读者对同系列的《算法导论》是感兴趣的。用户历史上借阅过的书籍越多，预测会越准。如果用户没有借阅历史，也可以通过相似用户推荐的方式预测用户的喜好，比如一个学生对《算法导论》感兴趣，那么他的同班同学大概率也是对这本书感兴趣的。这些预测过程都是通过推荐系统，利用计算机强大的计算能力自动完成的。

3.3 应用于具体场景

搭建好智能推荐系统后，就可以借助智能推荐技术优化图书推广活动的流程，让阅读推广项目可以更加高效地开展。智能推荐系统可以考虑使用在以下几种场景：

3.3.1 官方公众账号推广热门读物

图书馆的互联网公众账号是一种低成本且覆盖度广的推广渠道。推荐一些好的读物，不仅可以传播优质作品，还可以吸引更多读者关注图书馆公众账号的消息。推广的读物可以由智能推荐系统辅助选择。借助智能推荐系统，根据过去一年全校师生的借阅记录和借阅时长，可以统计出过去一年最受师生喜爱的读物；还可以根据全校师生的图书搜索记录整理一些热门图书，如果这些图书还没有馆藏，可以考虑优先采购，如果已经有馆藏，将这些根据全校师生热爱读书的同学的阅读历史筛选出来的读物推广到全校，可以让更多的同学从这些优秀读物中受益。

3.3.2 面向特定专业师生的推广宣传

面向专业师生的推广宣传，最重要的是需要突出专业特色。除了推荐一些专业的热门书籍外，还可以考虑其他学科专业师生借阅的该专业领域书籍。比如历史学科专业的师生，会去借阅一些历史方向的英文书籍，那么这些书籍可以推荐给英文专业的学生，这种交叉学科的推荐可以有效扩展读者的视野。

3.3.3 个人页面图书推荐

在一些展示个人信息的阅读推荐场景，比如图书馆电子系统的个人主页，可以采用推荐系统的个人推荐方案。個人推荐一方面是根据读者历史借阅记录预测读者可能喜欢的书籍，另一方面是推荐相似用户阅读过的优秀书籍。由于每个读者都会有自己独特的兴趣爱好，针对个人的千人千面图书推荐可以更准确预测个人的阅读兴趣，推荐个性化的图书，让读者有机会了解到更多自己可能感兴趣的书籍。

结语

智能推荐系统的主要作用就在于可以精准预测读者个人或者群体的兴趣意向。借助智能推荐系统，可以轻松发现读者感兴趣的读物，从而利用这些读物吸引读者参与图书馆的阅读推广活动。智能推荐系统已经成功应用于很多传统领域，本文讨论了智能推荐在阅读推广场景的应用思路，包括智能推荐的构建方式、应用的具体场景和优点，希望借助这一新兴技术提升阅读推广的效率，帮助图书馆完成从信息化向智能化的升级，构建更加完善的服务体系。智能推荐不仅可以用于优化阅读推广项目，还可以考虑推广到图书采购、图书管理等项目，降低图书馆的运营成本，提升运营效率。

参考文献：

[1]吴竞.浅析现代信息智能化图书馆建设[J].电子世界，2018，（20）：69-71.

[2]黄燕.大数据时代高校阅读推广综合评价指标体系研究[J].图书馆学刊，2021，43（8）：15-19.

[3]胡三宁.个性化推荐技术在学习资源共享系统中的应用[J].三门峡职业技术学院学报，2017，16（2）：140-144.

作者简介：姚金霞，本科，图书管理员馆员，研究方向：图书馆学。