The Application of Machine Learning in the Evaluation of Foreign Electronic Resources

Abstract Establishing ascientificand efficient method for evaluating electronic resources isa crucial task in the development of university library resourcesand theenhancement of service quality.This paper focuses on foreign electronicresourcesandestablishestwodistincttypesofevaluation indexsystems：onefor foreign journal ful-text databases，the other for foreign abstract databases.Using machine learning models，the study builds feature engineering forthe indicator data，performs normalization，dimensionalityreduction，and featureselection，followed bymodel construction，training，andthetuningandevaluationof different models.TheKNNalgorithm isultimatelyidentifiedas theoptimalmodel，which isthenusedforobjectiveevaluationofforeignelectronicresources.Theresults indicatethat machine learning models，compared with traditional evaluation methods，provide more accurate and eficient predictions， guiding electronic resource optimization inamore objective manner，thereby enabling libraries to make data-driven decisions.

Key Words machine learning; university libraries; electronic resources; evaluation indicators

1引言

电子资源是高校图书馆文献资源建设不可或缺的组成部分，其中外文电子资源对于提升高校教学和科研的国际化水平具有重要意义。然而，外文电子资源采购价格较高且逐年上涨，给图书馆资源建设带来一系列问题：一方面，外文电子资源采购经费占比过高导致其他资源采购受到限制，影响高校资源保障的整体平衡和多样性；另一方面，过度投入外文电子资源采购，使图书馆在资源建设中缺乏灵活性，难以应对不断变化的教学和科研需求。因此，研究和建立准确、高效、智能的电子资源评价方法，能够为合理分配经费、及时调整采购策略提供可靠的依据，对图书馆文献资源建设可持续发展及服务质量的提升具有重要意义。

电子资源评价是对电子资源内容、价格、系统功能、数据库商服务等方面进行系统化评价，旨在为图书馆电子资源采选、续订等决策提供依据[1]，是高校图书馆文献资源建设工作中的重点和难点。目前电子资源评价研究主要集中在建立评价指标体系和探索评价方法方面，存在评价结果不客观等问题。随着大数据分析和人工智能技术的落地应用，电子资源评价工作更加注重评价指标数据收集和处理。机器学习通过对样本数据的学习去除人为干扰，发现数据内部的规律和表示层次，能够自动识别和分析输入的数据并得出评价结果。

2电子资源评价指标体系设计

当前我国各高校图书馆数据库资源的利用存在差异，陈英2、刘爽[3]、肖珑等人4都提出了评价指标体系来指导电子资源建设。……