知識(shí)圖譜加持的智慧圖書館信息推薦架構(gòu)體系研究*

孫雨生 祝 博

(湖北工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院 武漢 430068)

0 引 言

伴隨數(shù)智化技術(shù)革新、知識(shí)應(yīng)用類型和服務(wù)內(nèi)容激增，圖書館逐步轉(zhuǎn)向以泛在化、數(shù)字化和智能化為核心特征的智慧化方向。同時(shí)，大數(shù)據(jù)時(shí)代智慧圖書館類型多樣、規(guī)模巨大、格式復(fù)雜，海量數(shù)據(jù)與讀者有限認(rèn)知能力間矛盾日益加劇，難以提供符合讀者需求的知識(shí)服務(wù)進(jìn)而面臨嚴(yán)峻的數(shù)據(jù)迷霧、信息過載、知識(shí)迷航等挑戰(zhàn)。在此形勢(shì)下，智慧圖書館信息推薦備受關(guān)注，其利用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)動(dòng)態(tài)感知讀者興趣、協(xié)同創(chuàng)新服務(wù)形式、語義管理知識(shí)資源，主動(dòng)提供智慧推薦服務(wù)，將服務(wù)方式由傳統(tǒng)閱讀轉(zhuǎn)向泛在服務(wù)，服務(wù)內(nèi)容由紙質(zhì)為主轉(zhuǎn)向多載體多模態(tài)數(shù)字資源為主，服務(wù)形式由被動(dòng)、大眾、單一轉(zhuǎn)向主動(dòng)、個(gè)性、多元，為此客觀急需利用新型知識(shí)服務(wù)技術(shù)構(gòu)建新一代智慧圖書館信息推薦系統(tǒng)，尤其是具備全局關(guān)聯(lián)、聚合管理、智能推理優(yōu)勢(shì)的知識(shí)圖譜：依托語義邏輯符號(hào)以圖結(jié)構(gòu)形式描述圖書館推薦場(chǎng)景中相關(guān)實(shí)體及關(guān)系[1]，提升推薦系統(tǒng)關(guān)聯(lián)擴(kuò)展、機(jī)讀處理、多維感知能力，支持推薦系統(tǒng)精準(zhǔn)量化、立體描述讀者需求以動(dòng)態(tài)響應(yīng)其請(qǐng)求，語義賦能智慧圖書館推薦機(jī)制以創(chuàng)新協(xié)同推薦策略，匯聚融合、關(guān)聯(lián)重構(gòu)圖書館海量多源異構(gòu)數(shù)據(jù)以規(guī)范組織知識(shí)資源，最終滿足用戶數(shù)智化、泛在化服務(wù)需求。

當(dāng)前知識(shí)圖譜加持的智慧圖書館推薦系統(tǒng)理論研究較少且多研究知識(shí)圖譜用于智慧圖書館推薦的方式及策略，實(shí)踐應(yīng)用尚無明確將知識(shí)圖譜引入到智慧圖書館推薦服務(wù)案例，僅吳榮[2]提出基于端到端框架用交替學(xué)習(xí)方式將知識(shí)圖譜融入推薦系統(tǒng)，以提升圖書推薦結(jié)果多樣性、圖書館個(gè)性化服務(wù)水平。業(yè)界多通過傳統(tǒng)項(xiàng)目式場(chǎng)景維護(hù)、單機(jī)式推薦算法進(jìn)行體系構(gòu)建、規(guī)劃設(shè)計(jì)，缺乏系統(tǒng)性，難以適應(yīng)智慧社會(huì)情境下服務(wù)內(nèi)容知識(shí)化、業(yè)務(wù)應(yīng)用集成化、技術(shù)構(gòu)成多元化、語義資源協(xié)同化、基礎(chǔ)設(shè)施智能化等要求，客觀需要從架構(gòu)體系視角研究知識(shí)圖譜加持的智慧圖書館信息推薦問題：明晰系統(tǒng)規(guī)劃，以適應(yīng)推薦業(yè)務(wù)場(chǎng)景多樣性、數(shù)據(jù)異構(gòu)性、技術(shù)時(shí)效性及推薦系統(tǒng)架構(gòu)復(fù)雜性、模塊擴(kuò)展性；強(qiáng)化業(yè)務(wù)協(xié)同，以融合圖書館推薦服務(wù)與其他業(yè)務(wù)應(yīng)用；優(yōu)化技術(shù)體系，以用新型信息技術(shù)升級(jí)推薦服務(wù)模式并提升推薦主動(dòng)性及質(zhì)量；規(guī)范資源建設(shè)，以突破傳統(tǒng)基于主題分類法[3]、學(xué)科隸屬關(guān)系及OPAC書目索引的圖書館資源管理模式，提升資源利用效率[4]、挖掘資源語義，進(jìn)而關(guān)聯(lián)化組織、一體化管理資源以降低讀者認(rèn)知負(fù)荷；升級(jí)基礎(chǔ)設(shè)施，以依托大數(shù)據(jù)基礎(chǔ)設(shè)施、分布式架構(gòu)改造業(yè)務(wù)流程[1]，融合智能設(shè)備與智慧化服務(wù)。

本文參考知識(shí)中臺(tái)思想，遵循圖書館行業(yè)規(guī)范與技術(shù)標(biāo)準(zhǔn)，應(yīng)用分布式架構(gòu)整合知識(shí)挖掘、知識(shí)集成及共享等知識(shí)服務(wù)技術(shù)及并行化計(jì)算、分布式存儲(chǔ)、動(dòng)態(tài)負(fù)載均衡等大數(shù)據(jù)技術(shù)、數(shù)智基礎(chǔ)設(shè)施；依托體系結(jié)構(gòu)分層構(gòu)建智慧圖書館推薦業(yè)務(wù)架構(gòu)以優(yōu)化推薦流程、重構(gòu)系統(tǒng)要素，通過功能模塊分模塊封裝系統(tǒng)組件以按圖書館應(yīng)用場(chǎng)景協(xié)同、集成，通過運(yùn)行機(jī)理按場(chǎng)景描述推薦策略，滿足知識(shí)圖譜加持的智慧圖書館推薦系統(tǒng)核心功能性、關(guān)鍵非功能性需求，提供深層次、泛在化智慧推薦服務(wù)。前者涉及讀者需求導(dǎo)向、推薦智慧化，后者涉及進(jìn)程高效協(xié)同、組件遷移復(fù)用、模塊按需擴(kuò)展、系統(tǒng)安全易維護(hù)等，最終揭示知識(shí)圖譜加持的智慧圖書館信息推薦架構(gòu)體系全貌。

1 知識(shí)圖譜加持的智慧圖書館信息推薦體系結(jié)構(gòu)

遵循以讀者需求為服務(wù)導(dǎo)向、技術(shù)為驅(qū)動(dòng)手段、業(yè)務(wù)流程為主線、知識(shí)為增值內(nèi)容、資源為核心載體、圖書館空間為基礎(chǔ)環(huán)境的思路，設(shè)計(jì)知識(shí)圖譜加持的智慧圖書館信息推薦體系結(jié)構(gòu)，其構(gòu)成見圖1。

圖1 知識(shí)圖譜加持的智慧圖書館信息推薦體系結(jié)構(gòu)

其按數(shù)據(jù)、知識(shí)、智慧演進(jìn)層次[5]分為基礎(chǔ)設(shè)施層、業(yè)務(wù)平臺(tái)層、智慧服務(wù)層以匯聚數(shù)據(jù)、升華知識(shí)、凝練智慧，進(jìn)而融合重組空間環(huán)境、人、資源等服務(wù)要素，深入揭示各層目標(biāo)及核心問題，關(guān)聯(lián)發(fā)現(xiàn)要素間知識(shí)流動(dòng)，高效提升推薦系統(tǒng)拓展性及適應(yīng)性。此外，運(yùn)維與安全標(biāo)準(zhǔn)支持推薦系統(tǒng)高效管理組件模塊、智能監(jiān)控系統(tǒng)資源，進(jìn)而保障系統(tǒng)安全及風(fēng)險(xiǎn)控制；數(shù)據(jù)管理標(biāo)準(zhǔn)支持規(guī)范數(shù)據(jù)格式、管理元數(shù)據(jù)體系、保障數(shù)據(jù)安全并提高數(shù)據(jù)質(zhì)量，支持平臺(tái)化管理館內(nèi)資源、標(biāo)準(zhǔn)化業(yè)務(wù)流程、動(dòng)態(tài)化治理數(shù)據(jù)。

1.1 智慧服務(wù)層

遵循以人為本服務(wù)原則，面向圖書館應(yīng)用場(chǎng)景、讀者閱讀需求，并依托館內(nèi)設(shè)備及移動(dòng)終端提供泛在化、融合化、實(shí)時(shí)化服務(wù)[5]，為讀者提供轉(zhuǎn)知成慧服務(wù)契機(jī)，其構(gòu)成見圖2。

圖2 智慧服務(wù)層構(gòu)成

a.用戶交互層。依據(jù)讀者需求，結(jié)合自主借還、閱讀盒子等智能終端設(shè)計(jì)交互門戶，為讀者提供知識(shí)服務(wù)并支持系統(tǒng)采集讀者交互信息、顯示推薦結(jié)果。提供登錄注冊(cè)、瀏覽、評(píng)價(jià)、反饋接口及結(jié)果可視化等基礎(chǔ)功能，對(duì)接智慧應(yīng)用層實(shí)現(xiàn)門戶功能及系統(tǒng)調(diào)用，最終依托移動(dòng)終端、智能交互系統(tǒng)、VR/AR設(shè)備及PC等，支持推薦系統(tǒng)場(chǎng)景化感知、動(dòng)態(tài)化響應(yīng)用戶請(qǐng)求[6]。

b.智慧應(yīng)用層。遵循圖書館應(yīng)用標(biāo)準(zhǔn)集成應(yīng)用接口、封裝服務(wù)模塊，依托多樣化應(yīng)用平臺(tái)按用戶需求返回推薦結(jié)果及服務(wù)方案。一體化部署公共服務(wù)組件支持監(jiān)控推薦系統(tǒng)運(yùn)維、軟硬件協(xié)同狀態(tài)；內(nèi)嵌多種服務(wù)模塊感知、挖掘讀者需求，并按用戶興趣用語義技術(shù)加工融合、重組分析學(xué)科知識(shí)元以定制知識(shí)服務(wù)方案，提供數(shù)據(jù)驅(qū)動(dòng)型、用戶驅(qū)動(dòng)型智慧推薦服務(wù)。

1.2 業(yè)務(wù)平臺(tái)層

遵循組件化思想，面向圖書館知識(shí)管理流程[6]、多場(chǎng)景推薦業(yè)務(wù)共性需求，依托知識(shí)圖譜優(yōu)勢(shì)，模塊化系統(tǒng)各層業(yè)務(wù)單元構(gòu)建知識(shí)中臺(tái)，以統(tǒng)一規(guī)范管理圖書館業(yè)務(wù)數(shù)據(jù)、共建共享海量館藏資源，分解、組合推薦策略，進(jìn)行匹配讀者興趣與圖書資源并高效、實(shí)時(shí)推薦，其構(gòu)成見圖3。

圖3 業(yè)務(wù)平臺(tái)層構(gòu)成

a.推薦平臺(tái)層。遵循模塊化思想，針對(duì)圖書館推薦場(chǎng)景下業(yè)務(wù)流程，調(diào)用推薦模型分析讀者交互數(shù)據(jù)以感知其需求,處理圖書館知識(shí)資源以優(yōu)化資源配置，精準(zhǔn)匹配讀者興趣及知識(shí)資源，按用戶需求生成易解釋推薦結(jié)果，實(shí)現(xiàn)推薦結(jié)果多樣化、服務(wù)功能動(dòng)態(tài)配置及靈活調(diào)用[3]。讀者興趣建模組件采集讀者實(shí)時(shí)行為、歷史交互信息以抽取興趣實(shí)體及關(guān)系，用知識(shí)圖譜節(jié)點(diǎn)及邊表示讀者興趣標(biāo)簽及關(guān)系，依托概念間關(guān)聯(lián)用機(jī)器學(xué)習(xí)、社交網(wǎng)絡(luò)技術(shù)處理讀者社交數(shù)據(jù)，并基于讀者實(shí)時(shí)反饋學(xué)習(xí)其新興趣屬性以進(jìn)化興趣模型，深度挖掘讀者閱讀興趣、咨詢需求，最終構(gòu)建讀者興趣模型。資源特征建模組件通過數(shù)據(jù)接口調(diào)用圖書館基礎(chǔ)知識(shí)庫資源，依托知識(shí)計(jì)算、知識(shí)發(fā)現(xiàn)組件用概念層次結(jié)構(gòu)向量表示與讀者興趣相關(guān)紙質(zhì)、數(shù)字等資源屬性及關(guān)系，基于機(jī)器學(xué)習(xí)技術(shù)按知識(shí)圖譜節(jié)點(diǎn)跳數(shù)、關(guān)系路徑相似度閾值預(yù)處理文獻(xiàn)、著作等資源知識(shí)圖譜以初篩資源特征并初始化特征模型，再基于情境圖譜向量化跨載體、跨模態(tài)圖書館資源及閱讀、科研等服務(wù)場(chǎng)景以賦權(quán)情境屬性并與資源特征組合，用知識(shí)發(fā)現(xiàn)組件挖掘符合讀者需求的隱性知識(shí)以進(jìn)化資源特征模型、補(bǔ)全資源體系，最終構(gòu)建圖書館資源特征模型，滿足服務(wù)情境化、資源多樣化需求。通過組合讀者興趣實(shí)體及資源、場(chǎng)景等特征數(shù)據(jù)構(gòu)建讀者-資源模型，并在輸入推薦模型前離線訓(xùn)練、在線更新以處理海量讀者歷史數(shù)據(jù)、實(shí)時(shí)響應(yīng)讀者交互請(qǐng)求，進(jìn)而提升模型訓(xùn)練效率及準(zhǔn)確性，最優(yōu)化推薦模型相關(guān)算法、策略中參數(shù)取值；輸入推薦模型后用知識(shí)圖譜學(xué)習(xí)框架多維度關(guān)聯(lián)主題、細(xì)粒度處理知識(shí)，快速高效召回海量碎片化資源中與用戶興趣相關(guān)候選資源集并按相似度精準(zhǔn)排序，再面向讀者業(yè)務(wù)場(chǎng)景及知識(shí)需求融合新書新穎度、主題關(guān)聯(lián)度等多維評(píng)價(jià)指標(biāo)重排序，最后優(yōu)化推薦結(jié)果組合方式，確定符合讀者興趣及認(rèn)知的推薦服務(wù)方案。此外，通過離線評(píng)估、線上A/B測(cè)試等評(píng)估模塊離線延遲、實(shí)時(shí)同步訓(xùn)練推薦數(shù)據(jù)集以迭代模型特征，適應(yīng)圖書館服務(wù)過程中讀者需求、情境變化并提升服務(wù)模型智能性、魯棒性。

b.知識(shí)分析層。面向智慧圖書館推薦服務(wù)精準(zhǔn)協(xié)同、知識(shí)資源整序重構(gòu)、文獻(xiàn)數(shù)據(jù)創(chuàng)新組織需求[3]，通過數(shù)據(jù)接口調(diào)用圖書館知識(shí)圖譜庫中各類知識(shí)圖譜，用知識(shí)計(jì)算、知識(shí)發(fā)現(xiàn)組件匯聚、融合、計(jì)算智慧圖書館平臺(tái)知識(shí)，促進(jìn)知識(shí)群落協(xié)同優(yōu)化、服務(wù)方式創(chuàng)新重構(gòu)及隱性知識(shí)動(dòng)態(tài)挖掘，為圖書館推薦服務(wù)提供知識(shí)基礎(chǔ)。知識(shí)計(jì)算組件基于知識(shí)圖譜節(jié)點(diǎn)及邊，通過圖譜嵌入、路徑召回、兩者混合方式選擇知識(shí)表示方式，支持推薦系統(tǒng)組織、管理、挖掘圖書館資源語義信息[7]；通過知識(shí)圖譜推理挖掘圖書資源隱性主題關(guān)聯(lián)以補(bǔ)全圖書館知識(shí)體系，支持業(yè)務(wù)處理。知識(shí)發(fā)現(xiàn)組件面向讀者需求，通過關(guān)聯(lián)挖掘、情感分析、模型預(yù)測(cè)等機(jī)器學(xué)習(xí)技術(shù)組合推薦場(chǎng)景特征，實(shí)現(xiàn)面向讀者的知識(shí)檢索與價(jià)值發(fā)現(xiàn)，支持精準(zhǔn)推薦。

1.3 基礎(chǔ)設(shè)施層

遵循圖書館全面感知、智慧服務(wù)泛在互聯(lián)、紙電資源一體融合思想,按多節(jié)點(diǎn)協(xié)同管理平臺(tái)應(yīng)用成熟、工業(yè)級(jí)大數(shù)據(jù)基礎(chǔ)設(shè)施及圖書館場(chǎng)景下硬件設(shè)備，敏捷化集成各類技術(shù)支持高效協(xié)同平臺(tái)架構(gòu)及業(yè)務(wù)處理，一體化管理資源服務(wù)支持整合互聯(lián)總分館模式下業(yè)務(wù)數(shù)據(jù)及知識(shí)要素，動(dòng)態(tài)化創(chuàng)新實(shí)體與虛擬空間環(huán)境支持深度拓展智慧服務(wù)模式思路。通過構(gòu)建多層次、全方位智慧空間，為智慧圖書館信息推薦融入?yún)⒖甲稍?、書目閱讀、智庫服務(wù)等服務(wù)鏈提供環(huán)境基礎(chǔ)[7]，其構(gòu)成見圖4。

圖4 基礎(chǔ)設(shè)施層構(gòu)成

a.數(shù)據(jù)管理層。面向圖書館推薦流程、遵循圖書館數(shù)據(jù)管理標(biāo)準(zhǔn)，用多類采集技術(shù)采集并處理讀者交互數(shù)據(jù)，按知識(shí)圖譜生命周期關(guān)聯(lián)重構(gòu)知識(shí)單元、組織再造閱讀資源，以構(gòu)建圖書館基礎(chǔ)知識(shí)庫進(jìn)而知識(shí)化數(shù)據(jù)價(jià)值、支撐推薦系統(tǒng)。按圖書館數(shù)據(jù)源類型及特點(diǎn)，依托基礎(chǔ)設(shè)施層設(shè)備選擇采集方式，面向圖書館業(yè)務(wù)全程整合主動(dòng)提交(終端提交、用戶生成)、被動(dòng)抓取(爬蟲、數(shù)據(jù)庫導(dǎo)入、工具采集)等方式，細(xì)粒度、全方位采集半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)；遵循清洗集成、規(guī)約轉(zhuǎn)換等流程，用分布式計(jì)算、云計(jì)算、內(nèi)存計(jì)算等計(jì)算框架預(yù)處理所采集圖書館數(shù)據(jù)集；遵循知識(shí)圖譜構(gòu)建流程機(jī)讀化處理、實(shí)體化鏈接、形式化表示處理后用戶、資源數(shù)據(jù)集，結(jié)合圖書館本體概念層次結(jié)構(gòu)構(gòu)建面向圖書館應(yīng)用場(chǎng)景的知識(shí)圖譜；按圖書館數(shù)據(jù)存儲(chǔ)標(biāo)準(zhǔn)，依托虛擬化、數(shù)據(jù)備份技術(shù)，基于多節(jié)點(diǎn)協(xié)同管理中心，組合使用分布式存儲(chǔ)、云計(jì)算存儲(chǔ)及圖數(shù)據(jù)庫存儲(chǔ)系統(tǒng)存儲(chǔ)線下館藏、數(shù)字資源及推薦系統(tǒng)業(yè)務(wù)數(shù)據(jù)，以協(xié)同共享數(shù)據(jù)資源并高效集成服務(wù)應(yīng)用。按數(shù)據(jù)管理標(biāo)準(zhǔn)組合數(shù)據(jù)庫配置與存取、元數(shù)據(jù)、安全與審計(jì)、數(shù)據(jù)集成等管理模塊，構(gòu)建圖書館資源管理引擎以分布式存取、一體化管理、低延遲安全傳輸數(shù)據(jù)資源；面向推薦系統(tǒng)及業(yè)務(wù)邏輯，集成用戶模型庫、推薦業(yè)務(wù)庫、館藏資源庫、知識(shí)圖譜庫、知識(shí)本體庫等知識(shí)庫，構(gòu)建圖書館基礎(chǔ)知識(shí)庫以整合發(fā)現(xiàn)、分類積淀知識(shí)資源，推動(dòng)跨領(lǐng)域、跨學(xué)科知識(shí)間協(xié)同創(chuàng)新、關(guān)聯(lián)整合，支撐智慧推薦服務(wù)、滿足數(shù)據(jù)管理需求。

b.基礎(chǔ)設(shè)備層。通過合理部署感知設(shè)備以主動(dòng)采集用戶需求，高效利用物理設(shè)備以提升服務(wù)體驗(yàn)，動(dòng)態(tài)集成系統(tǒng)設(shè)備以按需調(diào)用系統(tǒng)資源，智能聯(lián)接網(wǎng)絡(luò)服務(wù)以低延時(shí)整合圖書館數(shù)據(jù)，加強(qiáng)總分館間、館內(nèi)業(yè)務(wù)部門間互聯(lián)互通并優(yōu)化資源配置，匯聚融合數(shù)據(jù)資源并為數(shù)據(jù)管理層提供工具支持[7]。感知設(shè)備通過感知硬件實(shí)時(shí)感知館內(nèi)事務(wù)并自動(dòng)采集圖書館服務(wù)環(huán)境、設(shè)備運(yùn)行狀態(tài)、讀者交互行為及位置、推薦系統(tǒng)業(yè)務(wù)等數(shù)據(jù)；物理設(shè)備面向圖書館服務(wù)場(chǎng)景、應(yīng)用標(biāo)準(zhǔn)，通過部署智能終端構(gòu)建全館自助化集成方案、優(yōu)化讀者借閱流程及體驗(yàn)、簡化館員日常運(yùn)維并提升服務(wù)效率；系統(tǒng)設(shè)備通過按需配置軟硬件資源、合理部署中間件方案、集成管理服務(wù)器集群，支持圖書館數(shù)據(jù)高性能并行計(jì)算、多策略分布存儲(chǔ)與柔性管理；網(wǎng)絡(luò)服務(wù)通過互聯(lián)網(wǎng)、移動(dòng)網(wǎng)等通信技術(shù)實(shí)現(xiàn)智慧圖書館多網(wǎng)融合方案，支持?jǐn)?shù)據(jù)泛在互通、用戶快速接入，通過物聯(lián)網(wǎng)、云計(jì)算網(wǎng)絡(luò)服務(wù)實(shí)現(xiàn)圖書館設(shè)施廣泛互聯(lián)、數(shù)智管理，通過網(wǎng)絡(luò)保護(hù)設(shè)施加強(qiáng)網(wǎng)絡(luò)安全防護(hù)。

2 知識(shí)圖譜加持的智慧圖書館信息推薦功能模塊

依托系統(tǒng)體系結(jié)構(gòu)、面向圖書館服務(wù)，場(chǎng)景化、標(biāo)準(zhǔn)化、組件化推薦業(yè)務(wù)邏輯并遵循黑盒子原則封裝模塊功能，涉及讀者興趣建模、推薦處理、知識(shí)發(fā)現(xiàn)、知識(shí)計(jì)算、知識(shí)圖譜構(gòu)建等模塊。

2.1 讀者興趣建模模塊

遵循層次化、結(jié)構(gòu)化思路，基于概念層次結(jié)構(gòu)立體化表示、機(jī)讀化處理、動(dòng)態(tài)化更新讀者興趣，以基于知識(shí)圖譜表示、初始化及進(jìn)化讀者興趣模型。

2.1.1模型表示

遵循模型易擴(kuò)展、復(fù)用遷移、高內(nèi)聚低耦合等原則，用本體法、知識(shí)圖譜法語義化讀者興趣實(shí)體及關(guān)系，以多元組形式映射實(shí)體間語義關(guān)聯(lián)至知識(shí)圖譜節(jié)點(diǎn)、邊等，以全面動(dòng)態(tài)描述讀者興趣項(xiàng)；綜合標(biāo)簽法、評(píng)分矩陣法數(shù)值化讀者興趣度。

2.1.2模型初始化

通過交互門戶及設(shè)備感知采集讀者信息，用機(jī)器學(xué)習(xí)技術(shù)識(shí)別興趣項(xiàng)、量化興趣度以初始化讀者興趣模型。

a.數(shù)據(jù)采集。涉及采集來源、類型、內(nèi)容及方式，來源涉及圖書館數(shù)據(jù)庫、感知設(shè)備及館內(nèi)自動(dòng)化系統(tǒng)等，采集類型、內(nèi)容及方式見表1。此外，為最大限度獲取讀者興趣，可通過公共服務(wù)機(jī)構(gòu)間合作、參考商業(yè)網(wǎng)絡(luò)平臺(tái)自選標(biāo)簽由讀者自錄入等方式采集讀者興趣信息。

表1 讀者興趣采集類型、內(nèi)容及方式

b.數(shù)據(jù)處理。分興趣項(xiàng)識(shí)別及興趣度量化，前者遵循清洗過濾、轉(zhuǎn)化集成、特征提取等流程，按知識(shí)圖譜處理流程細(xì)粒度、概念化讀者興趣，映射讀者興趣實(shí)體及標(biāo)簽屬性等元素至用戶知識(shí)圖譜，基于圖神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘等機(jī)器學(xué)習(xí)技術(shù)挖掘聚類讀者感興趣資源主題類別，以語義描述、精準(zhǔn)識(shí)別興趣項(xiàng)；后者基于讀者閱讀評(píng)分綜合借閱頻次、時(shí)滯加權(quán)計(jì)算并賦值讀者圖譜節(jié)點(diǎn)間距離、邊權(quán)值進(jìn)而多維量化興趣度。

2.1.3模型進(jìn)化

依托大數(shù)據(jù)處理平臺(tái)實(shí)時(shí)采集讀者顯隱式反饋、跟蹤交互行為，基于時(shí)間窗口、漸進(jìn)遺忘機(jī)制，用機(jī)器學(xué)習(xí)、社交網(wǎng)絡(luò)技術(shù)處理海量交互數(shù)據(jù)，以動(dòng)態(tài)調(diào)整圖譜節(jié)點(diǎn)及其相似度、多維挖掘興趣間隱性關(guān)聯(lián)、增量更新興趣項(xiàng)進(jìn)而進(jìn)化讀者興趣模型，精準(zhǔn)揭示智慧圖書館場(chǎng)景下讀者興趣遷移、認(rèn)知提升。

2.2 推薦處理模塊

作為圖書館推薦系統(tǒng)核心，按推薦業(yè)務(wù)邏輯通過高效召回、精準(zhǔn)排序、多維策略補(bǔ)充等方式情境化感知推薦場(chǎng)景、并行化組合推薦策略、流程化分解推薦任務(wù)[8]，以多樣化推薦結(jié)果。

a.高效召回。按圖書館業(yè)務(wù)場(chǎng)景選擇召回策略，從海量資源集召回讀者可能感興趣資源?；谇度敕ㄏ蛄炕硎举Y源圖譜中節(jié)點(diǎn)等特征，并將多路召回中的圖書主題、館藏屬性、新書流行度等信息融入到特征向量，結(jié)合讀者興趣標(biāo)簽計(jì)算向量相似度以篩選強(qiáng)相關(guān)候選資源集，提高資源召回率并滿足讀者多樣需求。

b.精準(zhǔn)排序。遵循推薦邏輯通過知識(shí)概念體系感知讀者場(chǎng)景、分解推薦任務(wù)，按讀者興趣精排序初篩所得候選集。依托大數(shù)據(jù)技術(shù)分布式計(jì)算、并行化挖掘優(yōu)勢(shì)，基于資源、用戶知識(shí)圖譜結(jié)合機(jī)器學(xué)習(xí)框架向量化表示、語義化分析、多維度關(guān)聯(lián)用戶興趣、資源特征及場(chǎng)景信息等，通過依次學(xué)習(xí)(先生成低維向量再引入推薦算法)、聯(lián)合學(xué)習(xí)(遵循端到端思想，用知識(shí)圖譜表示學(xué)習(xí)并行化改進(jìn)推薦算法及目標(biāo)函數(shù)，生成關(guān)聯(lián)化、語義化特征向量進(jìn)而優(yōu)化算法性能、提高匹配精準(zhǔn)度)、交替學(xué)習(xí)(基于多任務(wù)學(xué)習(xí)框架關(guān)聯(lián)學(xué)習(xí)知識(shí)圖譜特征向量、推薦算法中相關(guān)向量以高效計(jì)算)等方式，考慮知識(shí)圖譜語義路徑連通性、知識(shí)結(jié)構(gòu)關(guān)聯(lián)性等特點(diǎn)優(yōu)化讀者、資源間特征組合方式以再排序、篩選候選資源集，提升推薦結(jié)果精準(zhǔn)度、可解釋性。

c.多維策略補(bǔ)充。通過調(diào)整指標(biāo)權(quán)重優(yōu)化候選資源集以合并、組合推薦結(jié)果，提升讀者體驗(yàn)。面向智慧圖書館應(yīng)用場(chǎng)景，兼顧多樣性、流行度、新穎性等指標(biāo)，用補(bǔ)充策略結(jié)合讀者興趣及反饋重排推薦結(jié)果，返回全面性、多樣化推薦方案。此外，推薦模型需通過模型訓(xùn)練最優(yōu)化推薦算法及機(jī)器學(xué)習(xí)模型參數(shù)，以支持推薦任務(wù)分解、推薦策略組合，按模型訓(xùn)練環(huán)境分離線訓(xùn)練、在線更新：前者用分布式平臺(tái)批處理全量交互樣本信息，通過高效訓(xùn)練模型挖掘隱性關(guān)聯(lián)、配置讀者場(chǎng)景信息，以迭代模型并確定參數(shù)全局最優(yōu)解；后者動(dòng)態(tài)跟蹤、匯聚讀者反饋并采集其顯隱性信息，通過流計(jì)算框架在線學(xué)習(xí)交互數(shù)據(jù)，快速更新讀者興趣特征及模型參數(shù)，以提升系統(tǒng)響應(yīng)速度、揭示數(shù)據(jù)變化趨勢(shì)，提升模型實(shí)效性。

2.3 知識(shí)發(fā)現(xiàn)模塊

面向主體知識(shí)需求，用知識(shí)管理技術(shù)深層挖掘、語義分析層級(jí)明晰及內(nèi)容關(guān)聯(lián)的資源組織網(wǎng)絡(luò)，支持推薦應(yīng)用挖掘、標(biāo)注讀者興趣相關(guān)資源，進(jìn)而創(chuàng)新推薦服務(wù)方式、優(yōu)化資源配置[4]，實(shí)現(xiàn)用戶驅(qū)動(dòng)的知識(shí)創(chuàng)造與服務(wù)創(chuàng)新?；诰垲惙治?、相關(guān)分析、主成分分析等數(shù)據(jù)挖掘方法，按關(guān)聯(lián)模式發(fā)現(xiàn)類別間、節(jié)點(diǎn)間語義關(guān)系，揭示知識(shí)間隱性關(guān)聯(lián)；基于機(jī)器學(xué)習(xí)計(jì)算資源知識(shí)圖譜節(jié)點(diǎn)特征以訓(xùn)練特征模型，預(yù)測(cè)知識(shí)節(jié)點(diǎn)間演化規(guī)律；通過分解圖書館推薦應(yīng)用場(chǎng)景標(biāo)簽化處理、形式化描述情境信息，支持推薦模型感知讀者情境并組合場(chǎng)景特征以調(diào)整推薦策略；基于用戶交互行為與情境信息間關(guān)系，用深度學(xué)習(xí)技術(shù)結(jié)合本體概念規(guī)則推理感知讀者推薦情感取向并分析其需求；通過知識(shí)檢索方法按主題語義、學(xué)科專題深層挖掘、聚類重構(gòu)資源知識(shí)元形成內(nèi)在邏輯關(guān)聯(lián)的知識(shí)鏈，結(jié)合用戶需求通過整合加工構(gòu)建內(nèi)容層次化、語義關(guān)聯(lián)化知識(shí)網(wǎng)絡(luò)，實(shí)現(xiàn)知識(shí)深層組織、資源二次開發(fā)。

2.4 知識(shí)計(jì)算模塊

基于概念層次結(jié)構(gòu)支持推薦系統(tǒng)向量化表示、機(jī)讀化處理圖書館知識(shí)資源，以挖掘推理知識(shí)潛在關(guān)聯(lián)、隱性價(jià)值并動(dòng)態(tài)補(bǔ)全圖書館知識(shí)體系[4]，分知識(shí)表示、知識(shí)圖譜推理。

a.知識(shí)表示。按圖書館元數(shù)據(jù)存儲(chǔ)格式選擇表示方式，用圖譜嵌入(通過翻譯模型、語義匹配模型映射館藏資源圖譜實(shí)體及關(guān)系至低維向量空間，以豐富讀者、圖書資源特征語義表示)、路徑召回(依托知識(shí)圖譜網(wǎng)狀結(jié)構(gòu)及連通性優(yōu)勢(shì)，計(jì)算圖譜實(shí)體關(guān)系路徑相似度以挖掘主題關(guān)聯(lián)資源、提高推薦可解釋性)及混合(通過結(jié)合知識(shí)圖譜向量表示、路徑傳遞語義表示讀者、資源實(shí)體屬性及關(guān)聯(lián))方法支持推薦系統(tǒng)智能理解、機(jī)讀處理語義知識(shí)，實(shí)現(xiàn)資源內(nèi)容統(tǒng)一加工、立體描述及語義集成。

b.知識(shí)圖譜推理?；谏疃葘W(xué)習(xí)技術(shù)挖掘推理知識(shí)資源、讀者興趣實(shí)體及關(guān)系，以發(fā)現(xiàn)知識(shí)單元間深層關(guān)聯(lián)、演化趨勢(shì)，常用基于規(guī)則(用圖書館資源本體間規(guī)則及統(tǒng)計(jì)特征自動(dòng)挖掘隱性實(shí)體及關(guān)系)、表示學(xué)習(xí)(向量化知識(shí)圖譜以分布式表示、語義化描述資源實(shí)體及關(guān)聯(lián)，支持概念邏輯推理)、神經(jīng)網(wǎng)絡(luò)(通過機(jī)器學(xué)習(xí)高效訓(xùn)練、自動(dòng)學(xué)習(xí)特征模型以挖掘隱性資源特征表示，補(bǔ)全知識(shí)圖譜)等方法，構(gòu)建內(nèi)在邏輯關(guān)聯(lián)的知識(shí)體系。

2.5 知識(shí)圖譜構(gòu)建模塊

依據(jù)圖書館資源特點(diǎn)、著錄規(guī)則及知識(shí)組織體系與規(guī)范構(gòu)建圖書館知識(shí)圖譜庫，以細(xì)粒度組織圖書館資源、關(guān)聯(lián)聚合主題知識(shí)鏈進(jìn)而序化整合、共建共享圖書館知識(shí)體系，支持智慧圖書館推薦服務(wù)。通過知識(shí)建模選擇框架法、語義標(biāo)注等表示機(jī)制形式化描述知識(shí)間關(guān)聯(lián)以進(jìn)行模式層構(gòu)建，再按知識(shí)抽取、加工、更新、存儲(chǔ)等流程進(jìn)行數(shù)據(jù)層構(gòu)建：針對(duì)知識(shí)抽取，依托機(jī)器學(xué)習(xí)技術(shù)，混合中圖分類法、OPAC識(shí)別實(shí)體、融合知識(shí)元、標(biāo)準(zhǔn)化書目、電子資源描述等元數(shù)據(jù)接口以高效整合期刊、專利、音視頻等紙質(zhì)、電子資源；針對(duì)知識(shí)加工，量化知識(shí)置信度[1]以評(píng)估知識(shí)質(zhì)量、推理知識(shí)進(jìn)而補(bǔ)全優(yōu)化知識(shí)體系，構(gòu)建關(guān)聯(lián)化、跨學(xué)科語義知識(shí)資源網(wǎng)絡(luò)；針對(duì)知識(shí)更新，增量、按需擴(kuò)展知識(shí)體系以滿足圖書館知識(shí)資源增長需求；針對(duì)知識(shí)存儲(chǔ)，基于RDF數(shù)據(jù)庫存儲(chǔ)實(shí)體、概念等圖譜數(shù)據(jù)及圖書館資源語義數(shù)據(jù)以按需擴(kuò)展、調(diào)用數(shù)據(jù)資源。

3 知識(shí)圖譜加持的智慧圖書館信息推薦運(yùn)行機(jī)理

遵循場(chǎng)景多樣化、推薦機(jī)制智能化原則，按用戶角色關(guān)聯(lián)推薦系統(tǒng)相應(yīng)功能模塊，揭示業(yè)務(wù)場(chǎng)景下面向讀者、館員及領(lǐng)域?qū)＜业鹊耐扑]流程及服務(wù)形式，詳見圖5。

圖5 知識(shí)圖譜加持的智慧圖書館信息推薦運(yùn)行機(jī)理

3.1 普通讀者

主要通過智慧門戶中應(yīng)用接口調(diào)用推薦平臺(tái)功能，分布式采集讀者閱讀、請(qǐng)求、評(píng)價(jià)等交互行為信息，基于知識(shí)圖譜語義化讀者興趣及行為信息以初始化、進(jìn)化讀者興趣模型[8]。依據(jù)讀者興趣從圖書館專利、文獻(xiàn)、圖書等資源知識(shí)圖譜中映射相關(guān)資源實(shí)體以構(gòu)建符合讀者興趣特征的資源知識(shí)圖譜子圖，輸入資源特征建模模塊后通過公共服務(wù)調(diào)用知識(shí)計(jì)算組件向量化子圖數(shù)據(jù)以快速建模特征工程、精準(zhǔn)提取關(guān)聯(lián)特征，用知識(shí)發(fā)現(xiàn)組件關(guān)聯(lián)挖掘隱性知識(shí)及資源間關(guān)系并配置場(chǎng)景參數(shù)擴(kuò)充特征，進(jìn)而通過特征預(yù)處理及組合構(gòu)建符合讀者需求的資源特征模型并依據(jù)用戶反饋動(dòng)態(tài)進(jìn)化[9]?；跈C(jī)器學(xué)習(xí)框架將讀者興趣模型、資源特征模型組合成讀者-資源模型輸至推薦處理組件，通過離線處理、在線更新按召回、排序、策略補(bǔ)充邏輯智能分解推薦任務(wù)、動(dòng)態(tài)組合推薦策略，進(jìn)而生成候選推薦結(jié)果并存入待推薦項(xiàng)目集，然后按圖書館應(yīng)用場(chǎng)景以列表、知識(shí)卡片、圖譜等形式，分別從資源、用戶角度提供數(shù)據(jù)驅(qū)動(dòng)型、用戶驅(qū)動(dòng)型智慧推薦，滿足讀者個(gè)性化、泛在化閱讀需求。

3.1.1數(shù)據(jù)驅(qū)動(dòng)型智慧推薦

依托高性能算力支持集成各類數(shù)據(jù)處理技術(shù)全域采集多模態(tài)數(shù)據(jù)、深層挖掘隱性知識(shí)，基于知識(shí)圖譜賦能資源組織機(jī)制以關(guān)聯(lián)整序、動(dòng)態(tài)重組知識(shí)元，進(jìn)而發(fā)現(xiàn)圖書館資源科學(xué)規(guī)律及語義關(guān)聯(lián)[10]，構(gòu)建泛在互聯(lián)、充分共享資源環(huán)境，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的知識(shí)資源增值及智慧圖書館推薦服務(wù)內(nèi)涵與維度提升。

a.館藏資源推薦。核心是通過知識(shí)圖譜重構(gòu)知識(shí)元、關(guān)聯(lián)知識(shí)鏈、聚合知識(shí)體系，以發(fā)揮知識(shí)集群效應(yīng)[11]，提供智慧知識(shí)定制、館藏知識(shí)推薦服務(wù)。前者考慮注冊(cè)讀者興趣、類型、科研屬性等特征及其知識(shí)領(lǐng)域、層次及粒度需求，依托知識(shí)圖譜概念知識(shí)體系匯聚多學(xué)科資源，重組多源渠道及多模態(tài)知識(shí)要素構(gòu)建并推薦全方位、定制化知識(shí)服務(wù)體系或知識(shí)鏈路，提升推薦結(jié)果可理解性；后者依托知識(shí)圖譜結(jié)構(gòu)化描述、語義化表示資源體系以深層推理、挖掘發(fā)現(xiàn)館藏資源文化價(jià)值，將讀者興趣模型中館藏實(shí)體映射至資源知識(shí)圖譜，精準(zhǔn)匹配并以圖譜形式推薦特色館藏、關(guān)聯(lián)主題，提升讀者體驗(yàn)。

b.泛在化場(chǎng)景推薦。依托內(nèi)嵌iBeacon、物聯(lián)網(wǎng)等技術(shù)[10]的泛在感知設(shè)備及終端協(xié)同技術(shù)，用情境知識(shí)圖譜精準(zhǔn)感知、語義描述注冊(cè)讀者情境要素及相關(guān)行為，由推薦系統(tǒng)通過在線更新模塊實(shí)時(shí)采集、流式處理讀者交互行為信息并賦權(quán)行為特征、情境屬性，結(jié)合離線處理模塊調(diào)用用戶歷史情境信息并配置場(chǎng)景參數(shù)，進(jìn)而場(chǎng)景化用戶需求以實(shí)時(shí)推薦圖書館知識(shí)資源。

3.1.2用戶驅(qū)動(dòng)型智慧推薦

面向圖書館場(chǎng)景集成智慧終端，基于情景感知、機(jī)器學(xué)習(xí)等技術(shù)多渠道采集、立體化描述用戶交互行為及情景屬性、社交關(guān)聯(lián)等信息，提升興趣表示維度及處理粒度進(jìn)而感知用戶個(gè)性化知識(shí)需求；拓展推薦系統(tǒng)服務(wù)形式、提升推薦性能以優(yōu)化用戶體驗(yàn)，有效整合與協(xié)同創(chuàng)新圖書館服務(wù)，提供主動(dòng)、精準(zhǔn)智慧推薦。

a.讀者閱讀推薦。依托智能設(shè)備、物聯(lián)網(wǎng)等技術(shù)采集讀者閱讀行為以感知其需求，在知識(shí)服務(wù)過程中動(dòng)態(tài)推薦，涉及檢索時(shí)推薦、相似用戶推薦。前者根據(jù)讀者查閱、檢索等行為遴選館藏資源并映射至資源知識(shí)圖譜，用知識(shí)發(fā)現(xiàn)模塊中相應(yīng)算法遍歷資源知識(shí)圖譜，以確定候選資源集并排序后動(dòng)態(tài)推薦，以便用戶延伸閱讀；后者基于用戶圖譜中用戶節(jié)點(diǎn)關(guān)系通過知識(shí)計(jì)算模塊發(fā)現(xiàn)用戶近鄰并推薦其潛在感興趣資源[12]。

b.無差異智能推薦。通過智慧門戶采集各類讀者資源興趣及借閱、收藏等行為，依托語義技術(shù)多維融合資源特征，向匿名讀者提供無差異智能推薦服務(wù)[11]，涉及熱門排序推薦、新書推薦。前者用推薦系統(tǒng)采集、分析讀者固定周期借閱、評(píng)分等交互行為初始化熱門館藏集并映射至資源知識(shí)圖譜中館藏知識(shí)圖譜，結(jié)合資源標(biāo)簽、曝光度、流行度等指標(biāo)加權(quán)計(jì)算、匯總排序后推薦熱門館藏資源；后者結(jié)合讀者薦購、館藏資源建設(shè)需求周期性采購資源，以專欄形式推薦匿名讀者可能感興趣新書資源。

c.特殊群體智慧推薦。面向老年人、未成年人、殘障人等弱勢(shì)群體，依托盲文打印機(jī)、語音識(shí)別等智能終端及無障礙工具構(gòu)建數(shù)智化圖書館空間環(huán)境，按特殊群體知識(shí)需求創(chuàng)新服務(wù)模式以提供多層次、多元化推薦服務(wù)。重點(diǎn)集成數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)，細(xì)粒度采集特殊群體用戶基本信息并全方位感知其交互行為以精準(zhǔn)建模用戶興趣，通過知識(shí)計(jì)算輔助推薦系統(tǒng)預(yù)測(cè)感知用戶狀態(tài)，構(gòu)建與用戶興趣實(shí)體相關(guān)的候選資源集，并按其需求智能調(diào)用輔助閱讀工具主動(dòng)、實(shí)時(shí)智慧推薦。

3.2 其他用戶

圖書館信息部門館員負(fù)責(zé)推薦系統(tǒng)運(yùn)維及安全管理，通過智慧門戶的業(yè)務(wù)網(wǎng)關(guān)集成各管理模塊接口，通過后臺(tái)管理功能設(shè)置安全管理、事務(wù)管理、用戶管理、反饋管理等系統(tǒng)功能，通過系統(tǒng)部署運(yùn)維管理及管理標(biāo)準(zhǔn)規(guī)范化系統(tǒng)部署運(yùn)維，通過監(jiān)控管理、容災(zāi)管理動(dòng)態(tài)均衡系統(tǒng)負(fù)載；領(lǐng)域?qū)＜颐嫦驁D書館場(chǎng)景及功能需求，通過專家管理功能規(guī)劃設(shè)計(jì)智慧圖書館應(yīng)用體系并審核、維護(hù)領(lǐng)域知識(shí)，進(jìn)而優(yōu)化業(yè)務(wù)平臺(tái)功能、明晰智慧推薦邏輯邊界。

4 結(jié)論與展望

本文以知識(shí)圖譜為知識(shí)傳導(dǎo)媒介及整合工具，融合重構(gòu)、協(xié)同創(chuàng)新智慧圖書館應(yīng)用場(chǎng)景下空間環(huán)境、人、資源等服務(wù)要素，從體系結(jié)構(gòu)、功能模塊、運(yùn)行機(jī)理三方面闡述了知識(shí)圖譜加持的智慧圖書館信息推薦架構(gòu)體系：體系結(jié)構(gòu)按數(shù)據(jù)、知識(shí)、智慧演進(jìn)層次分為基礎(chǔ)設(shè)施層、業(yè)務(wù)平臺(tái)層、智慧服務(wù)層；功能模塊關(guān)注圖書館應(yīng)用場(chǎng)景下關(guān)鍵模塊間調(diào)用協(xié)同，涉及讀者興趣建模、推薦處理、知識(shí)發(fā)現(xiàn)、知識(shí)計(jì)算、知識(shí)圖譜構(gòu)建等模塊；運(yùn)行機(jī)理為基于讀者智慧化閱讀、泛在化獲取、個(gè)性化服務(wù)需求分解推薦任務(wù)、組合推薦策略、規(guī)劃推薦流程，提供數(shù)據(jù)驅(qū)動(dòng)及用戶驅(qū)動(dòng)型智慧推薦服務(wù)，基于圖書館館員系統(tǒng)運(yùn)維部署需求明確業(yè)務(wù)職責(zé)，基于領(lǐng)域?qū)＜抑R(shí)管理需求界定服務(wù)范圍。

本文利用知識(shí)圖譜感知用戶興趣、創(chuàng)新推薦機(jī)制、聚合知識(shí)資源，以提升智慧圖書館推薦系統(tǒng)服務(wù)水平及智能性，但仍具有以下拓展空間。首先，本研究仍處方案總體設(shè)計(jì)階段，后續(xù)智慧圖書館平臺(tái)構(gòu)建及規(guī)劃落地需深入研討服務(wù)需求和業(yè)務(wù)流程，并將其標(biāo)準(zhǔn)化以達(dá)成業(yè)界共識(shí)；其次，本研究僅以推薦系統(tǒng)為例參考中臺(tái)概念設(shè)計(jì)，后續(xù)需研究推薦系統(tǒng)與參考咨詢、情報(bào)服務(wù)等服務(wù)形式融合問題，進(jìn)而從業(yè)務(wù)、技術(shù)、數(shù)據(jù)等層面設(shè)計(jì)智慧圖書館知識(shí)服務(wù)系統(tǒng)整套方案，真正促進(jìn)讀者“轉(zhuǎn)知成慧”；最后，本研究核心闡述知識(shí)圖譜賦能推薦系統(tǒng)的業(yè)務(wù)邏輯，利用知識(shí)圖譜集成管理智慧圖書館資源的方法研究不夠，后續(xù)需從數(shù)據(jù)標(biāo)準(zhǔn)化、資源規(guī)范化角度研究知識(shí)組織路徑以語義描述知識(shí)元、序化重組知識(shí)體系，進(jìn)而充分發(fā)揮智慧圖書館海量知識(shí)優(yōu)勢(shì)。