江　波，張曾昱（．吉林化工學院信息與控制工程學院；．吉林醫(yī)藥學院圖書館）

?

基于讀者行為的手機圖書館文獻推送系統(tǒng)構建探討

江波1，張曾昱2（1．吉林化工學院信息與控制工程學院；2．吉林醫(yī)藥學院圖書館）

摘要：在手機圖書館的使用過程中，讀者對文獻的操作行為在一定程度上反映出其對文獻的需求。以此為研究的出發(fā)點，首先通過文獻標題和關鍵詞層次的比較，在讀者已下載操作的文獻中，選擇詞頻最高的標題和關鍵詞作為檢索詞，在讀者瀏覽操作的文獻中，選擇詞頻最低的標題和關鍵詞作為排除詞，通過手機圖書館的數據庫檢索文獻。之后選擇讀者已下載且打開次數最多的文獻作為目標文獻，將檢索返回的文獻與目標文獻進行知識元組織層面的比較，過濾掉差異較大的文獻。以上各步驟可以人為進行調整，以使文獻推送更加個性化且具有實用性。

關鍵詞：讀者行為；手機圖書館；文獻推送

智能手機作為手機圖書館的終端使用設備，具有便攜性，因此得到快速普及，手機圖書館成為未來圖書館事業(yè)的發(fā)展重心之一。在此背景下，許多電子數據庫服務商，如CNKI、萬方等紛紛推出了手機圖書館，部分傳統(tǒng)的實體圖書館如首都圖書館等，也構建了掌上圖書閱讀平臺，使手機圖書館與讀者拉近了距離。與傳統(tǒng)基于計算機的數字圖書館一樣，在海量的信息面前，如何快速、有效地獲取信息？筆者認為，構建基于讀者行為的手機圖書館文獻推送系統(tǒng)，是解決該問題的有效途徑。

1　研究回顧

文獻推送屬于信息推送的一個服務分支，信息推送就是通過定期傳送用戶所需的信息，檢索信息的一種技術，簡單的說，就是實現信息找人的功能。［1］文獻推送就是將信息推送概念中的“信息”二字替換為“文獻”，提高讀者文獻檢索的效率和質量。

隨著情報學和計算機學等學科的高速發(fā)展，信息推送服務已經由傳統(tǒng)的人工信息推送向智能化、個性化信息推送轉變，成為現階段情報學等學科研究的熱點和難點。如，張靜將用戶情景感知技術與數據挖掘技術相互結合，構建了基于二者的泛在信息推送服務體系；［2］高俊峰將研究方向相似的用戶自動聚類，結合用戶的瀏覽興趣，設計一種基于概念格的信息推送方法；［3］陳誠為了解決用戶合理分類和興趣更新等關鍵性問題，提出了信息三維具象化及其量化的方法，以此構建出用戶分類和用戶興趣管理模型［4］等。

以上各種信息推送的方法，在技術層面日益成熟，較好地滿足了用戶的信息獲取需求。由于受到用戶使用工具的制約，即在智能手機普及之前，計算機是用戶瀏覽和下載信息的主要終端設備，用戶與計算機并沒有嚴格的所屬關系，只與賬號存在著一對一的關系，增加了信息推送服務的復雜性和不準確性。復雜性表現在：用戶注冊的個人信息和研究方向涉及個人的隱私，使讀者個人信息的保護成為信息推送服務中不得不考慮的一個問題，如楊清蘭為了有效保護用戶的個人信息，將數字簽名和對稱加密等技術結合，以提高信息推送服務過程的安全性；［5］王福為了使用戶的信息和行為不受他人監(jiān)控、盜取和買賣，提出了基于可信第三方的圖書情報機構個性化信息推送模式等；［6］不準確性表現在：許多現有的信息推送技術，即使用戶不輸入個人信息和研究方向，也能夠根據用戶的行為進行推送。但用戶與計算機往往是多對一或一對多的關系，在用戶或計算機變化的條件下，系統(tǒng)不可能判斷出以上情況的發(fā)生，使信息推送錯誤，且無法對推送的信息進行系統(tǒng)的記錄和后期調整，降低了信息推送服務的效率和質量。

筆者于2015年6月30日，在CNKI數據庫中以（手機圖書館or掌上圖書館or移動圖書館）and（信息推送or文獻推送）為檢索詞進行主題檢索，僅得到6條檢索結果，進一步對文獻內容判斷，發(fā)現僅有一篇文獻與檢索詞密切相關，可見基于手機終端的信息推送相關研究仍然停留在理論階段。近年來，以資源為主要服務內容的手機圖書館已經從理論研究走向實際應用?？傮w來說，一方面智能手機已經具備計算機的基本功能，可將基于計算機端的個性化信息推送服務的理論和方法，與手機圖書館讀者的操作行為相互結合，提高文獻推送的質量；另一方面手機圖書館以手機作為終端設備，手機是讀者個人必備的通信工具，與讀者間是嚴格一對一的關系，可以完全跳過使用計算機時用戶身份注冊和驗證的環(huán)節(jié)，降低了文獻推送系統(tǒng)構建的復雜性。

2　構建方法

2.1 Agnet技術的引入

在系統(tǒng)的構建過程中，引入Agent的概念和技術可以解決封閉系統(tǒng)局限性的問題。Agent具有如下特性。（1）自治性。Agent能夠根據周圍環(huán)境的變化，調整自身的行為和狀態(tài)。（2）反應性。Agent能對外界的刺激作出相應的反應。（3）主動性。Agent可以主動的采取措施和方法，以適應環(huán)境的變化。（4）社會性。不同的Agent間，可以彼此相互學習、協同合作。（5）進化性。Agent類似于人的大腦，通過不斷的學習加以進化。［7,8］在手機圖書館文獻推送系統(tǒng)的構建方面，根據讀者對文獻不同的操作行為，將A-gent的反應性、自治性等特性相互結合，能夠保證和提高文獻推送的靈活性和準確性。

2.2整體結構

筆者借鑒CNKI、萬方等數據庫中信息推送系統(tǒng)構建方面的文獻，設計基于讀者行為的手機圖書館文獻推送系統(tǒng)的基本結構，然后采用專家調查法，向計算機學、情報學等專業(yè)領域的專家進行咨詢和調整，最終設計出系統(tǒng)的簡明結構（見圖）。由于系統(tǒng)是基于讀者手機端運行，因此系統(tǒng)的開發(fā)采取Java和C#語言，面向Android系統(tǒng)、Windows Phone和蘋果的OS系統(tǒng)開發(fā)應用程序。

2.3系統(tǒng)具體設計

2.3.1讀者閱讀行為分析Agent層

讀者閱讀行為分析Agent層的構建目的是對讀者文獻操作的情況進行記錄，分析和掌握讀者的閱讀興趣，為文獻推送服務指明方向。［9］具體過程如下。按讀者對文獻的操作情況分類。在手機圖書館的使用方面，讀者的行為主要包括瀏覽文獻、下載文獻兩種情況，從文獻對讀者的使用價值和需求角度分析，顯然下載文獻的重要性更高。以冊為單位排序，對每冊文獻來說，讀者每次打開的情況能進一步反映出其重要程度，如重要的文獻往往要反復閱讀，因此在上一級分類中，按文獻打開次數的多少進行詳細的排序。

圖　基于讀者行為的手機圖書館文獻推送系統(tǒng)

2.3.2文獻差異分析Agent層

2.3.2.1文獻差異分析Agent層的作用

比較不同文獻間的差異是非常必要的。如，以A、B和C三冊圖書為例，經過讀者閱讀行為Agent層分析后，排序結果為C、B和A；但若僅對C圖書進行分析，只能得到C圖書的作者、題目等相關細節(jié)信息，這些都是C圖書自身固有的特征，對所有讀者來說都是相同的。而文獻與讀者的需求是相互對應的關系，只有在讀者的個性化需求與圖書的固有信息相互吻合的情況下，才能建立起需求關系。因此需要從文獻差異的角度出發(fā)，分析出哪些文獻是讀者需求的，以便推送的文獻更具有個性化。

2.3.2.2設計文獻差異的比較標準

文獻所屬的組織情況可以反映出文獻的自身特點，不同的組織分類，也可以反映出文獻的差異。目前，手機圖書館主要的知識組織方式為信息元組織方式，但信息元的知識組織粒度過大，如題目相同或相近的文獻，其部分內容可能并不相同，因此為了使文獻差異的比較更為合理，采取信息元與知識元相結合的組織方法來確定比較標準。

信息元組織方式包括題目、關鍵詞、摘要、作者和參考文獻等，其中文獻的題目和關鍵詞與其他組織方式比較，更加簡單直接表述了文獻論述的主要內容，因此在現有信息元的組織背景下，提取文獻的標題和關鍵詞，作為第一級和第二級比較標準。

提取文獻的知識元，將知識元組織方式作為第三級比較標準，彌補信息元知識組織粒度過大的缺陷。知識元提取的過程如下。分詞環(huán)節(jié)采取ICTCLAS 2014分詞系統(tǒng)實現。ICTCLAS分詞系統(tǒng)的1.0版本，在國內973位專家組組織的評測活動中獲得第一名，加之掌上圖書館的文獻資源均由紙質文獻數字化轉換而來，文獻在審稿和編輯過程中經過多人嚴格的審校，最大限度的避免了錯別字、歧義詞的出現，進一步保證了分詞的質量和效率。在關鍵詞提取環(huán)節(jié)，采取改良TFIDF算法實現。改良TFIDF算法就是在傳統(tǒng)TFIDF算法基礎上，增加關鍵詞所處位置的權重系數K，改善傳統(tǒng)TFIDF算法只計算詞頻，未考慮詞語所處位置的缺陷。經過多次計算和修改，最終詞語出現的位置與系數K的對應關系如表1所示。若相同詞語出現在多個位置，按最大值計算。算法設計完成后，筆者在CNKI數據庫中隨機下載200篇文獻，分別采取傳統(tǒng)TFIDF算法和改良TFIDF算法提取關鍵詞進行比較，傳統(tǒng)TFIDF算法的計算精度、召回率和結果分別為18.12%、35.79%和22.77%，改良TFIDF算法計算結果分別為37.91%、83.66%和48.82%，可見改良TFIDF算法計算結果更為理想。在關鍵詞的數量確定上，由于不同類型的文獻字數差異非常明顯，如博碩論文多達數萬字，而短篇報道只有1000字左右，制定統(tǒng)一的關鍵詞標準并不可行。因此根據文章內容字數的不同，按文章字數除以200，靈活的確定關鍵詞數量。提取關鍵句的步驟較為簡單，就是將確定的關鍵詞返回在其所在的句子中，對句子進行特征分析，判斷其是否是一個完整的句子等。最后是標引知識元，即根據文獻推送系統(tǒng)實際工作需求，以標識、作者、所屬文獻、知識元內容、關鍵句所含關鍵詞等屬性設計知識元的結構，將定義好的知識元結構對關鍵句進行描述，就完成了知識元標引的過程。

表1　詞語文中所處位置與系數K對應關系

2.3.2.3比較方法

主要針對讀者手機圖書館已下載和瀏覽的文獻進行比較，分為三個比較層次。

（1）標題比較。第一層次從標題角度出發(fā)，粗略的比較相關文獻的差異。即以確定的關鍵詞作為字典，采取基于詞表的字符串匹配算法提取文獻標題所含有的重點詞語，簡單的說，就是將標題的句子轉化為數個詞語，以便于對不同文獻標題進行比較。如以《基于Agent的信息推送技術的研究》和《基于Agent 和LBS的信息推送服務研究》兩篇文章為例，轉化的結果為“Agent”、“信息推送”和“Agent”、“LBS”“信息推送”。通過比較發(fā)現，兩篇文獻的共同點為“Agent”和“信息推送”；不同點為“LBS”，是后者文獻特有的詞語。

（2）關鍵詞比較。第二層次對文獻的關鍵詞進行比較，在標題比較的基礎上，進一步分析文獻的差異。文獻的關鍵詞本身就是以詞語為單位的，因此比較過程較為容易實現，對提取的關鍵詞直接進行比較即可。關鍵詞語義相近，判斷為相同，反之則為不同。

（3）知識元比較。在文獻的細節(jié)比較方面，從第三層次即知識元層面分析和挖掘文獻間的差異。知識元是依附在文獻提取的關鍵句中的，關鍵句在某種程度上可以直接表示為知識元的本體，因此知識元的比較可通過關鍵句即知識元的內容屬性值比較來實現。

關鍵句是以句子為組織單位的，其中存在較為復雜的邏輯關系和很多無意義的詞語，比較起來非常困難，因此需要將句子轉化為詞語進行比較。為了提高知識元比較的效率，采取主題詞語比較的方法，分別從關鍵句中提取核心詞語和功能詞語組成主題詞語進行比較。

以關鍵句為“文獻差異比較模型……”和“文獻差異的比較……”兩個知識元A、B為例，具體過程如下。第一步是提取核心詞語。直接從知識元的結構中，提取出關鍵句所含有的關鍵詞屬性值作為核心詞語，實現句子向詞語的初步轉換。以上兩個知識元的關鍵句所含關鍵詞的屬性值均為“文獻差異”，可見兩者比較結果是相同的。當然在很多知識元中，關鍵句所含關鍵詞的屬性值并不唯一。筆者按上文設計的知識元提取方法，在200篇文獻中總計提取出4355個知識元，其關鍵句所含關鍵詞數量為1個、2個、3個、4個及以上，所占比例分別為40.58%、40.85%、15.89%和2.68%，可見關鍵詞數量因文章而異。這就需要設定一個閾值，以便于知識元之間的比較。本文定義閾值的計算機方法為兩個關鍵句中含有相同關鍵詞的數量，與被比較對象關鍵詞數量的比值。通過上文分析，關鍵句所包含關鍵詞的數量以1個和2個為主，3個和4個及以上次之。對于含有1個關鍵詞的情況，顯然將閾值設置為1；對含有2個關鍵詞的情況，可選閾值為0.5和1，通過系統(tǒng)計算和人工驗證比對，將閾值也設為1；對于含有3個關鍵詞的情況，可選閾值為0.33%、0.67和1，通過系統(tǒng)計算和人工驗證比較分析，得出0.67更為合理；4個及4個以上關鍵詞同樣設定為0.67。總結以上計算結果，設定最終的比較閾值為0.67。第二步是收集文獻中表明句子作用、功能的詞語，組成知識元功能字典。這類詞語主要包括如作用、原理、模型、流程、概念、差異、步驟和方法等，數量并不多，獨立組建字典具有可行性。然后在知識元的內容屬性也就是關鍵句中，通過字符串匹配算法提取該類詞語。同樣以A、B兩個知識元為例，進一步提取的知識元功能詞語分別為“模型”和“原理”。在比較過程中，首先對不同知識元的核心詞語進行比較，若核心詞語不同，則判斷為知識元不同。若核心詞語相同，再通過知識元用途字典進行比較，若語義相同或包含，則判斷為知識元相同，反之則判斷為不同。

2.3.3文獻主動檢索Agent層

2.3.3.1文獻主動檢索Agent層作用

文獻主動檢索Agent層作用是根據以上兩層的分析結果，設計檢索方法，對手機圖書館的數據庫進行檢索，以完成文獻推送的前期資源收集環(huán)節(jié)。在設計檢索方法上，從比較標題和關鍵詞相似性的角度入手，首先以讀者已下載文獻作為分析對象，判讀讀者需要哪類文獻，確定檢索詞；再以讀者瀏覽的文獻作為分析對象，判斷讀者不需要哪類文獻，以確定排除詞語。將二者結合，實現對文獻個性化、智能化的檢索。

2.3.3.2確定檢索詞語

（1）確定檢索文獻的標題和關鍵詞。在讀者閱讀興趣Agent層中，提取讀者下載操作文獻的打開次數信息，在文獻差異分析Agent層中提取由標題轉化為詞的詞語，將兩者相乘，再以詞語為單位，統(tǒng)計每個詞語的計算數值。如某作者下載了6篇文獻，系統(tǒng)分析結果如表2所示，按以上方法，以詞語為單位的計算結果為Agent=3+5+2+0+0+0=10次，信息推送=3+5+2+0+0+5=15次，自主學習=3+0+0+0+0+0=3次等，逐詞進行排序。其中詞語計算的數值越高，表明對讀者的作用也就越大，為了保證文獻檢索的查全率，初始條件下，選擇排序前2位的詞語作為檢索詞。如在本次下載的文獻中，確定的檢索詞語為A-gent和信息推送。若標題中多個詞語出現的頻率相同，按在文獻知識元提取過程中，采取改良TFIDF算法計算關鍵詞的數值結果由大至小排序。

確定檢索文獻關鍵詞的作用是有效縮小文獻檢索的范圍，即在檢索過程中，采取標題和關鍵詞關聯的方式進行檢索。確定檢索關鍵詞與確定檢索標題的方法基本一致，不再贅述。同樣默認檢索關鍵詞為排序靠前的2個詞語。

表2　讀者下載文獻經系統(tǒng)前2層分析后的結果對照

（2）確定排除詞語。在讀者閱讀興趣Agent層中，讀者瀏覽操作類的文獻，打開次數越少，表示對讀者的借鑒和參考意義越小，因此過濾掉參考價值較低的標題和關鍵詞，能夠有效提高文獻檢索精度。確定排除文獻標題和關鍵詞的方法，與確定檢索標題和關鍵詞的方法大體相同，只是排除詞語的確定順序按著詞頻由少至多排序。默認將詞頻小于等于2的標題和關鍵詞進行排除。若排除詞與檢索詞重復，則按檢索詞計算。

（3）檢索詞語的動態(tài)調整。在系統(tǒng)實際的工作中，由于讀者的研究層次參差不齊，下載和瀏覽的文獻數量并不固定，因此經系統(tǒng)分析后，若為基礎性的詞語，檢索返回的結果數量可能數以百計；反之確定的檢索詞和排除詞若為高端前沿的詞語，可能僅得到數個檢索結果。顯然檢索結果數量過多或過少，都會降低文獻推送系統(tǒng)的意義和價值。因此在文獻主動檢索Agent層中，設置檢索返回文獻數量為100篇。若檢索文獻數量大于100篇，按文獻發(fā)表時間排序，取前100篇文獻作為檢索結果；若檢索文獻數量小于100篇，如僅得到30篇檢索結果，余下的70篇文獻則從確定檢索詞和排除詞環(huán)節(jié)進行調整，具體過程如下。將上步由詞頻和改良TFIDF算法確定檢索標題和關鍵詞的排序結果，減少檢索標題和關鍵詞詞語的數量。如標題排序結果為A、B，關鍵詞排序結果為C、D。先從省略檢索關鍵詞角度入手，依次減少D、C和CD進行檢索。再從省略檢索標題詞語角度入手，依次減少B和A，并在減少檢索標題詞語時，逐詞嵌套插入減少關鍵詞的環(huán)節(jié)，直至1個檢索標題詞，0個關鍵詞為止。若系統(tǒng)通過以上調整后，文獻檢索結果仍然較少，則再按以上方法，先逐個減少排除的關鍵詞，再減少排除的標題詞語，直至排除0個關鍵詞和0個標題詞為止。若結果仍然不滿足條件，則直接返回最終的檢索結果。

2.3.4文獻過濾Agent層

2.3.4.1文獻過濾Agent層的作用

在文獻過濾Agent層中，通過知識元組織層面的比較，對文獻主動檢索Agent層返回的檢索結果進行過濾。之所以在文獻主動檢索層中未采取知識元比較的方法檢索文獻，其原因在于知識元的提取過程較為復雜，直接面向數據庫內所有文獻提取和比較知識元，工作量十分巨大，不具有實踐的可行性。因此將知識元比較的環(huán)節(jié)用于檢索文獻之后，即僅對檢索結果提取知識元，然后與讀者已下載和瀏覽文獻的知識元比較，過濾掉差異較大的文獻，提高手機圖書館文獻推送的準確率。

2.3.4.2過濾方法

不同文獻間，相同知識元的數量越多，說明兩者越相似，從此角度出發(fā)過濾掉相似性較低的文獻。具體過程如下。在讀者下載操作類的文獻中，以讀者打開次數最多的文獻作為目標文獻，將其包含的知識元作為比較模板，如讀者打開次數最多的A文獻，含有18個知識元。提取讀者所有下載文獻的知識元，與A文獻的知識元進行比較，初始值為0，若含有相同的知識元，初始值加1。如B文獻與A文獻比較，相同知識元的數量為12個，C文獻為7個等。然后計算平均值，以此作為過濾標準值。按以上步驟，在文獻主動檢索Agent層返回文獻中，逐一提取知識元并以A文獻的知識元為模板，計算兩者含相同知識元的數值。最后將計算結果低于過濾標準值的文獻過濾。所有過濾后的文獻按比較數值由大至小排序。

2.3.4.3過濾方法的動態(tài)調整

由于讀者的科研能力、下載和瀏覽的文獻數量各異，過濾后的文獻仍然存在較大差異，尤其當過濾后文獻數量過少時，系統(tǒng)的服務質量將大打折扣，因此設置推送文獻最少的數量為20篇。若經文獻過濾A-gent層過濾后文獻數量少于20篇，則調整過濾方法，增加推送文獻的數量。具體調整方法為逐次降低用于知識元比較的過濾標準值，直至過濾結果大于20篇時，返回過濾結果。

2.3.5讀者人工干預Agent層

2.3.5.1讀者人工干預Agent層的作用

讀者人工干預Agent層是文獻推送系統(tǒng)的擴展層，正常情況下系統(tǒng)的運行不需要該層的參與。但由于讀者的閱讀習慣和對文獻的需求因人而異，系統(tǒng)本身的設計也必然存在缺陷，在某些情況下，推薦的文獻可能無法滿足讀者對文獻獲取的需求。另外，文獻推送系統(tǒng)默認是將與讀者目前學習關系最為緊密的文獻作為主要分析對象，讀者某些時候也可能需要一些參考價值相對較低的文獻，系統(tǒng)無法判斷這一情況。因此設立讀者人工干預Agent層，增加文獻推送系統(tǒng)的靈活性和實用性。

2.3.5.2工作方法

讀者人工干預Agent層中，整合文獻推送系統(tǒng)各個層次的分析結果信息，如讀者閱讀行為分析Agent層中讀者目前文獻的操作狀態(tài)，文獻主動檢索層確定的檢索的標題和關鍵詞信息等。若讀者有特殊的文獻獲取需求，可直接人工調整。如在讀者閱讀行為分析Agent層中，指定某一瀏覽的文獻作為參考價值最大的文獻；在文獻主動檢索層中，更換檢索標題和關鍵詞。當人工參與后，文獻推送系統(tǒng)后續(xù)的工作環(huán)節(jié)以人工調整后的結果為依據，繼續(xù)完成文獻推送步驟。

［參考文獻］

［1］廖軼宸．基于移動網絡的混合型信息推送系統(tǒng)的研究［J］．計算機工程與設計，2012（8）：3268－3272.

［2］張靜．基于情境感知和數據挖掘的泛在信息推送服務研究［J］．現代情報，2014（9）：97－100.

［3］高俊峰．基于概念格的數字圖書館信息推送服務方法研究［J］．圖書情報工作，2012（17）：122－125.

［4］陳誠．個性化信息推送服務的用戶模型研究［J］．情報科學，2014（11）：71－76.

［5］楊清蘭．密碼技術在圖書館信息推送服務中的應用［J］．河南圖書館學刊，2014（6）：126－128.

［6］王福．基于可信第三方的圖書情報機構個性化信息推送研究［J］．圖書情報工作，2015（3）：85－89.

［7］毛新軍．面向Agent程序設計的研究［J］．軟件學報，2012（11）：2885－2904.

［8］金淳．基于Agent的顧客行為及個性化推薦仿真模型［J］．系統(tǒng)工程理論與實踐，2013（2）：463－472.

［9］鄧志文．面向社交網的圖書館信息主動推送方法研究——以“人人網”為例［J］．圖書館雜志，2015（3）：84－89.

Construction of Literature Pushing System for Mobile Library Based on Reader Behavior

Jiang Bo1，Zhang Zeng-yu2

Abstract：The behavior of readers while utilizing mobile library can reflect their requirements of literature. Based on this point of view, this article selects the most-cited title and keywords as retrieval term among the literature that the readers have already downloaded. It selects the lowest-cited title and keywords as excluded terms among the literature that the reader have browsed. Based on above selection, this paper compares the literature that has both been downloaded and been browsed most frequently in the library database with the target literature to excluded and adjust certain literature, which can help improving the utilization of mobile library.

Keywords：Reader Behavior；Mobile Library；Literature Pushing

［收稿日期］2015－07－22［責任編輯］呂曉佩

［作者簡介］江波（1980－），女，碩士，吉林化工學院信息與控制工程學院講師，研究方向：模式識別與智能系統(tǒng)；張曾昱（1981－），男，吉林醫(yī)藥學院圖書館館員，研究方向：圖書館學、情報學。

［基金項目］本文系2012年吉林省教育廳“十二五”社會科學研究項目“新形勢下高校圖書館創(chuàng)新管理模式研究”（項目編號：吉教科文合字［2012］第460號）研究成果之一。

中圖分類號：G250.76

文獻標志碼：B

文章編號：1005－8214（2016）03－0084－06