基于机器学习的数字图书馆智能化服务模式研究.docx

?

?

基于机器学习的数字图书馆智能化服务模式研究

?

?

刘路

关键词：机器学习;数字图书馆;智能化服务

摘要：文章介绍了基于机器学习的数字图书馆智能化服务的流程，从检索、推送、辅导三个方面分析了基于机器学习的数字图书馆智能化服务模式的主要内容，探索了基于机器学习的数字图书馆智能化服务的具体应用方式，以期推动数字图书馆智能化服务取得新突破。

：G250：A：1003-1588（2020）04-0099-03

信息服务是数字图书馆核心工作中的一项，是图书馆创新服务形式的重要内容。传统模式下，图书馆的服务水平在很大程度上取决于馆员的专业素养和职业精神，如果馆员缺乏丰富的知识储备和良好的职业素养，就难以满足读者与日俱增的信息需求。引入机器学习技术可以有效规避上述情况。依托机器学习的计算模式和数据挖掘技术，可以推动数字图书馆服务的智能化发展，增强数字图书馆信息服务的科学性和准确性，避免图书馆信息服务质量参差不齐情况的出现。机器学习是涉及统计学、算法理论、概率论等领域的交叉学科，具体来看，是指应用计算机模拟人类行为从而实现知识和技能学习的技术。基于机器学习技术，数字图书馆可以构建智能化服务模式，即在讀者数据库与馆藏资源数据库之间形成多层感知，依托阶层ANN的多种形态，深化数据的挖掘和关联，实现资源构建层的自动化与智能化[1]。同时，机器学习技术侧重于对数据进行归纳和综合，可以从读者检索的关键词中提取信息并自动匹配到目标资源，整个过程几乎不需要馆员的参与即可实现，体现了机器学习的智能化优势。

1基于机器学习的数字图书馆智能化服务流程

1.1信息资源智能化获取

数字图书馆在开展信息服务的过程中，可以采用两种方式获取读者的实际需求：动态方式与静态方式。动态方式是指对用户的信息行为、信息获取轨迹、浏览记录、收藏记录等进行动态追踪，从而了解读者的阅读偏好，推测读者感兴趣的学科领域。静态方式则是指数字图书馆可以直接从服务系统中调取读者的行为信息、请求信息等数据（每次登录系统时，系统都会将读者的活动数据记录下来），然后对这些数据进行初步处理和判断，再对其进行智能化分析[2]。

1.2信息资源智能化过滤

基于机器学习技术，数字图书馆可以实现对信息资源的智能化过滤，即在获取信息数据并进行初步筛选后，挑选出与读者需求相符合的内容，然后结合动态与静态资源分析结果，对馆藏信息进行进一步的过滤，建立起针对用户的兴趣库。数字图书馆对信息资源的智能化过滤既要考虑全面性、避免资源的重复建设，又要通过机器学习实现对海量资源的科学分类，保障信息服务的精准性。

1.3建立读者数据模型

很多数字图书馆虽然建立了信息服务系统用于信息的采集与分析，但由于数据具有动态变化的特点，而且一些图书馆也缺乏先进的数据分析技术，所以这项工作存在许多问题。数字信息服务系统可以根据读者的特点生成描述性文件并储存起来，这样一来数字图书馆就可以以读者数据模型为导向，实现文献资源的智能化匹配，提高图书馆的信息服务效率[3]。

2基于机器学习技术的数字图书馆智能化服务模式

基于机器学习技术的数字图书馆智能化服务能够促进图书馆不同版块之间的合作与协调，使信息整合与用户信息获取更加高效，从而提升数字图书馆服务的智能化水平。

2.1智能化检索服务模式

数字图书馆不仅需要根据不同阅读需求对读者进行群类划分，还需要对馆藏数据资源进行定向检索以提高服务效率。在这个过程中，数字图书馆不仅要对读者需求进行准确定位和精准识别，还要将分析结果与资源数据库进行比对。这是一种以用户需求为导向的检索模式，体现了服务的智能性和嵌入性。图1为数字图书馆智能化检索服务示意图，由图1可知，机器学习技术不仅有助于提高数据调取效率，还可以挖掘数据之间的联系和规律，准确、快速地获取读者的阅读需求，进而提高数字图书馆资源检索的智能化程度与读者体验满意度。

2.2智能化推送服务模式

基于机器学习的数字图书馆智能化推送服务，是指根据读者数据库分析结果推算读者的资源需求，并通过数据传输平台将目标资源传送给读者的一种方式，是数字图书馆主动服务理念的具体体现。在此过程中，机器学习技术可以对读者线上行为和记录数据进行即时追踪，主动整理数据内容并推送资源。一方面，机器学习技术应用了数据聚类分析方式，该方式以群体为分析对象，聚合了相似属性群体读者的阅读特点，可以得到更加精准的推测结果;另一方面，机器学习技术根据读者类型的差异采用了过滤算法，降低了馆藏资源重复率，提高了数字图书馆推送服务的智能化水平[4]。

2.3智能化辅导服务模式

数字图书馆可以借助机器学习技术对读者进行辅导，具体来讲，就是在掌握读者阅读兴趣、阅读习惯的基础上，采用智能代理的方式为读者提供更多自主学习的途径，包括在线咨询、专题学习、主题活动等。智能化辅导服务突破了传