摘要：随着网络技术、数字技术的迅猛发展，数字智慧与智慧数字的深度结合必将形成人机融合的新生态，即“数智化”新时代。图书馆数字学术个性化服务平台以文献数据库为基础，实现海量数字资源的深度挖掘、提取和过滤，向用户推荐高价值信息资源，实现信息获取的目的性，强调资源发现的高效性，以提高图书馆“数智化”时代的创新服务水平。

关键词：图书馆；“数智化”；数字学术；个性化服务

中图分类号：G258.6文献标识码：A文章编号：1003-1588（2023）09-0080-04

1背景

“数智化”是对“数字智商”的阐释，是数字智慧化与智慧数字化的合成。随着数字化、信息化时代的到来，“数智化”技术成为社会技术发展的主要力量，同时也对图书馆数字化、智慧化发展提出了新的要求和挑战，进一步加快了图书馆创新服务的进程[1]。

图书馆研究型用户的研究方向与学术资源信息获取较稳定，信息资源搜索的针对性和目的性强。“数智化”时代科研用户的个性化需求越来越强烈，在此背景下，数据整合和个性化处理成为图书馆服务的新趋势。数字学术个性化服务是“数智化”时代图书馆信息资源服务的一种主要方式，即图书馆根据科研用户需求，利用大数据、人工智能等技术构建数字学术个性化服务平台，全方位提供资源整合、数据处理及信息共享等服务。

2图书馆数字学术个性化服务背景和意义

在学科多元化和融合性不断发展的背景下，图书馆要顺应信息化发展趋势，突破传统信息服务方式，为科研用户提供精准、高效的信息服务，基于此，图书馆数字学术个性化服务应运而生[2]。

2.1数字学术个性化服务背景

2.1.1多媒体信息承载方式多样化。随着多媒体信息技术的飞速发展，移动数字图书馆逐渐成为图书馆为用户提供信息服务的重要方式。“数智化”时代，海量数据为用户提供信息便利的同时，也带来了“信息超载”“信息迷航”等问题。因此，如何通过信息技术最大限度地利用信息资源，并以多媒体技术为介质为广大用户提供高效、精准的信息服务成为当前图书馆亟待解决的问题。

2.1.2多学科融合性要求突出。随着学科融合交叉的不断增强，科研用户的信息需求呈现多样化、精准化趋势。为满足科研用户新颖化、多元化及精准化的信息要求，图书馆要以传统文献信息资源为基础进行学科多样化融合，加速构建数字学术个性化平台，为科研用户提供适时、精准的科研信息。这种服务模式既是传统学科交叉模式的升级，也是学科融合的一种重要表现方式。

2.1.3用户需求促进信息服务模式改变。受年龄、研究方向、知识体系等诸多因素影响，科研用户对信息选择的方式和认知不同，对信息的精细化分类以及精准个性化匹配的要求也日益明显，从而促进了信息服务模式的个性化发展[3]。

2.2数字学术个性化服务意义

2.2.1有利于图书馆资源的充分利用。隨着信息技术的发展，图书馆不断优化电子资源配置，将电子资源和纸质资源相结合，满足了科研用户的多方位需求，但在数字学术资源获取方面还存在信息滞后、搜索引擎精准度不够以及检索方式欠缺快捷性等问题。在这种情况下，图书馆开展数字学术信息资源整合、提供个性化数字信息服务能够极大满足科研用户的信息需求，使科研服务呈现信息化、智能化和个性化特征。

2.2.2有利于图书馆信息服务创新发展。在“数智化”时代，高效率的信息传递与服务需求对图书馆的学术科研服务提出了更高的要求。图书馆以电子资源为依托开展数字学术个性化服务，不仅能够促进科研用户对图书馆资源的最大化利用，使其更加方便快捷地获取所需的信息资源，还能加速图书馆多学科服务融合的进程，将数字信息处理算法应用于多学科信息中，以创新图书馆信息服务方式，拓展图书馆信息服务范围，提升图书馆信息服务能力。

2.2.3有利于体现“以人为本”理念。图书馆以“数智化”环境提供的数字资源为依托，完善科研用户信息标签体系，建立用户画像模型，通过归纳分类为科研用户个体提供智能化精准信息。图书馆利用行为分析方法和智能算法能够度量和预知科研用户行为，并根据科研用户行为进行信息推送，针对不同的科研用户个体提供有效的个性化知识服务，一方面能够高效准确地满足科研用户的信息需求，提升图书馆的信息服务价值；另一方面能够根据科研用户实际需求合理规划资源配置，提升馆藏资源利用率。

2.2.4有利于提升管理水平。图书馆的数字学术个性化服务受到科研用户的关注和认可，如何最大限度地利用数字资源是图书馆员面临的一个重要课题。数字学术个性化服务既是图书馆资源整合和共享理念的现实体现，也是图书馆多元化管理手段的重要表现，多元化管理是数字信息技术和管理技术相结合的一种管理方法，图书馆通过多元化管理电子信息资源和网络资源，从而实现信息资源虚拟化和个性化检索功能，有利于图书馆数字服务系统的统一管理。

3图书馆数字学术个性化服务国内外研究现状

数字学术个性化服务本质上是基于数字信息技术构建的一个聚合数据资源、数据工具、数据服务的智能个性化知识共享平台，是智慧图书馆创新服务的重要举措。以数字资源为基础的学术个性化服务可以将图书馆的信息资源与研究人员群体的数字环境进行有机结合，在数据密集环境中进行二次或多次数据加工、分析及管理，把信息服务融合到科研用户的科研、教学过程。

3.1国外研究

1979年美国著名学者舒曼提出“图书馆和信息提供者应该提供契合个人需求的新服务”的观点[4]，成为国外个性化信息服务的开端。1990年，美国制定《信息服务和信息用户：信息提供者指南》，开始进行图书馆信息基础建设，并慢慢发展成为个性化服务体系，如：1998年华盛顿大学图书馆推出图书馆个性化服务平台，服务内容包括定制服务、信息推送服务和资源链接等[5]；康奈尔大学图书馆推出MyLibrary@cornell系统，提供定制服务、推送服务和参考咨询服务等个性化服务；北卡罗来纳州立大学图书馆研发MyLibrary@NCState系统，其个性化服务内容包括学科馆员服务和信息资源定制服务等[6]。图书馆的个性化信息服务不仅使用户的搜索更简便，而且很大程度提高了信息获取的效率和精准度[7]。

3.2国内研究

我国图书馆的传统服务方式多以固定模式为用户提供信息服务，服务方式单一，针对性不强。1999年，我国图书馆界首次提出个性化服务模式，将用户个体需求与图书馆数字馆藏资源相结合，建立图书馆服务新模式[8]。在“数智化”时代背景下，数字网络迅速发展，数字信息交流日益频繁，数字个性化服务成为图书馆服务拓展的新方向，图书馆要在了解科研用户信息需求、兴趣和习惯的基础上，组织、分析、整合数字资源，为科研用户的项目研究和信息检索提供个性化、差异化数字信息服务。但是，由于我国图书馆个性化服务起步晚，硬件和软件设施不完善，同时相关研究不够深入，给图书馆的个性化信息服务推广带来较大困难[9]。

4图书馆数字学术个性化服务研究的关键技术

4.1用户行为分析技术

用户行为分析是图书馆以信息服务系统中的多元化用户数据为基础，分析用户需求的相通性，并对相关数据进行知识交叉融合分析，建立关联数据模型，预测用户行为，其本质是对用户属性及访问数据的行为分析[10]。图书馆的数据可分为基础数据和分析数据两部分，其中基础数据是指图书馆的硬件设备、服务项目、用户研究领域、用户访问习惯等数据；分析数据是以基础数据为基础构建用户模型，挖掘用户兴趣点，有效提高信息推荐的准确度。图书馆可利用Scibe、Flume等工具进行全方位数据采集、存储，并对采集到的数据进行信息类比、分析和加工，针对不同类型科研用户的个性化需求进行详细分类，从而更加科学合理地为其匹配学术资源。图书馆数字学术个性化服务平台是建立在深入了解科研用户信息的基础上，并对使用数字图书馆的科研用户行为进行深入分析，获得系统所需的必要信息源后所建立的个性化信息服务体系。

4.2语义向量知识图谱构建技术

知识图谱通过图谱形象直观地展示学科的发展趋势和前沿技术，旨在描述实体世界的关系，其作为“数智化”时代的知识表示方法，被广泛应用于各学科领域。图书馆数字学术个性化服务平台从多个异构数据源中抽取实体、关系及属性等知识要素，组织成三元组形式，再通过知识融合算法将三元组融合成统一的学术知识图谱；运用基于语义向量的知识图谱表示学习模型TransH，该模型充分利用语料库文本描述以及知识图谱上下文构建实体语义向量和关系语义向量，以此深度扩展知识图谱的语义结构，从语义角度将知识图谱中实体间的复杂关系转化为精确的简单关系。

4.3信息资源深度挖掘技术

图书馆采集用户信息的同时会带入一定量的噪声数据，需要使用数据深度挖掘技术将其中的噪声数据排除，因此信息资源挖掘是图书馆数字学术个性化推荐系统的重点环节[11]。在“数智化”环境下，图书馆基于海量数据引入语义向量化技术、用户画像构建技术、空间信息技术等，并根据科研用户需求、检索记录及其他异构特征，利用关联规则、过滤算法等将庞大的数据源按照规则分解成多个具有针对性的小数据库[12]，通过数据建模算法深入分析科研用户需求，建立完善的科研用户专属数据库，这些数据库容量小、分类细致，可以很好地保护科研用户的隐私信息。

4.4个性化推送技术

图书馆数字学术个性化服务研究要以信息资源深度挖掘技术为基础，建立科研用户个性化推荐系统模型，为图书馆提供数据资源支撑，最大限度地提升图书馆创新服务功能及满意度。随着深度学习算法的广泛应用，基于神经网络的推荐算法在一定程度上解决了个性推荐系统的关键性问题[13]，如：针对个性推荐系统中的数据稀疏问题，应用Bhattacharyya系数实现概率分布角度的计算问题；针对科研用户评分预测的误差问题，采用情境感知的混合神经网络推荐算法缓解推荐系统的冷启动问题。

传统图书馆推荐系统无法精确获取科研用户的行为变化，且科研用户行为存在不确定性，短期和长期受影响的因素也不同。鉴于以上问题，图书馆可基于神经网络的推荐算法运用序列推荐模型，通过对科研用户的交互序列获取科研用户行为的变化曲线，为推荐系统提供可靠的数据信息。时间卷积网络不依赖过去的隐匿状态，对序列进行并行计算，因而在预测精准度和学习效率方面具有优势，基于神经网络的推荐算法将时间卷积网络引入科研用户短期内序列建模，能够提高推荐系统的效率和精准度。此外，基于用户画像的混合神经网络推荐模型利用混合神经网络推荐将科研用户和交互过程以动态的序列关系建模，同时结合科研用户画像技术构建具体用户模型，能够有效利用数据信息，挖掘科研用户兴趣点，提高信息推荐的精准度。

5结语

综上所述，图书馆数字学术个性化服务是顺应“数智化”发展，提供数字学术研究支持和服务创新的一种新型智慧图书馆服务模式。图书馆构建数字学术个性化服务平台既能将现有数字信息资源进行全面精细化组合，为科研用户提供全方位、多视角的信息获取途径，又能将人工智能算法与数字学术服务相结合，为科研用户提供形式多样、精准优质的资源推荐服务，有利于促进图书馆“数智化”进程，助力学界学术研究水平的提高。

参考文献：

[1]黄燕娟.“数智”赋能下公共图书馆空间建设新动向：IFLA2021年度公共图书馆奖研究与启示[J].图书馆学研究，2021（23）：20-26.

[2]黄义文.大数据环境下图书馆学术资源个性化推荐服务研究[J].图书馆学刊，2016（7）：78-80.

[3]卢萍.高校图书馆在学术科研中的个性化服务[J].桂林师范高等专科学校学报，2011（1）：155-157.

[4]宋玲玲.大数据时代图书馆数字学术中心服务探析：以北美高校图书馆为例[J].图书馆理论与实践，2018（8）：92-97.

[5]曹淼，肖希明.美国图书馆政策的发展历程、制定与实施[J].国家图书馆学刊，2012（1）：9-14.

[6]郭平.国外高校数字图书馆个性化信息服务的发展与思考[J].现代情报，2009（9）：98-100.

[7]韩郁光.国内外图书馆个性化信息服务研究现状[J].河南图书馆学刊，2013（3）：91-92.

[8]张玉琢.高校图书馆个性化定制服务管理模式與机制研究[J].河南图书馆学刊，2017（2）：132-133.

[9]孙红莺，徐贤得.高校图书馆嵌入式数字学术的构建与服务模式研究[J].图书馆理论与实践，2022（1）：91-98.

[10]史叶明.基于大数据背景下的公共图书馆用户行为分析与应用[J].新世纪图书馆，2016（10）：67-70.

[11]莫怡丹.小数据思维驱动下图书馆学术资源的个性化推荐服务探讨[J].中国中医药图书情报杂志，2020（2）：22-25.

[12]张立滨.协同过滤技术在高校图书馆学术资源个性化推荐服务中的应用研究[J].河北科技图苑，2017（4）：83-86.

[13]李帅，纪希禹.移动数字图书馆个性化学术信息服务体系研究[J].情报探索，2017（9）：83-86.

（编校：徐黎娟）

收稿日期：2023-08-02

作者简介：刘燕（1980—），郑州大学图书馆副研究馆员。

* 本文系2022年度河南省社科联调研课题“数智驱动的图书馆服务模式创新研究”的阶段性研究成果之一，课题编号：SKL-2022-1664。