楊 斌 王偉赟

圖書館個性化推薦服務(wù)的信息窄化問題研究

楊 斌 王偉赟

圖書館的個性化推薦服務(wù)可以使讀者不需搜索即可得到符合個人需求的知識資源，但這種精準的推薦服務(wù)也容易造成讀者對多元信息獲取的窄化問題，導致非密切相關(guān)性知識資源的流失，這在一定程度上會影響科學研究的發(fā)展與突破，應及時跟蹤并了解圖書館個性化推薦服務(wù)的信息窄化問題的產(chǎn)生機制，并制定相應的對策。

高校圖書館；個性化信息服務(wù)；信息窄化

[作 者]楊 斌，湖北工業(yè)大學經(jīng)濟與管理學院教授；王偉赟，湖北工業(yè)大學經(jīng)濟與管理學院工程碩士研究生。

一、研究背景

個性化推薦服務(wù)最早使用在電子商務(wù)平臺，目前已經(jīng)大量應用在搜索引擎、社交網(wǎng)絡(luò)、博客微信、新聞客戶端等領(lǐng)域。20世紀90年代開始，圖書館也逐漸開展個性化推薦服務(wù)。1998年美國康奈爾大學于在查詢分析的基礎(chǔ)上開發(fā)了基于定制的方式的My Library@Cornell系統(tǒng)，用戶可以借助該系統(tǒng)將自己喜歡的信息組織在一起，方便進行統(tǒng)一管理，并獲得系統(tǒng)為自己推薦的符合自身需要的新書、期刊和其他加入圖書館目錄中的媒體通告，這樣就大大節(jié)省了為查找最新信息而耗費的時間和精力。此后，美國華盛頓大學圖書館的My Gateway系統(tǒng)、北卡州立大學圖書館的My Library@LANL系統(tǒng)、加利福尼亞大學洛杉磯分院的My UCLA系統(tǒng)、明尼蘇達大學圖書館的TdchLens系統(tǒng)、斯坦福大學圖書館的Fab混合推薦系統(tǒng)、俄勒岡州大學圖書館的SERF系統(tǒng)、加州大學圖書館的Movy系統(tǒng)等也相繼研發(fā)成功。其后，英、法、日、德、意等國家也開始了這方面的研究，如羅徹斯特大學圖書館的Course Resources系統(tǒng)、德國卡爾斯魯厄大學圖書館基于用戶行為的BIbTIP系統(tǒng)、ExLibris公司的ExLibris bX系統(tǒng)。這些個性化推薦系統(tǒng)為讀者提供多種個性化服務(wù)，如定制圖書館資源及其他WEB資源、個人圖書館管理、查詢圖書館目錄及借閱記錄、個性化頁面及資源顯示、圖書館選擇資源的自動更新下載等。與此同時，國內(nèi)圖書館也從20世紀90年代的熱門檢索、新書通報、書籍鏈接等非個性化推薦服務(wù)，逐漸演變?yōu)榻栝喤判?、主題推薦、RSS個性化訂閱等個性化信息主動推送服務(wù)，同時有部分高校圖書館采用了專業(yè)化程度相對較高的獨立推薦系統(tǒng)，如廈門大學圖書館的“我的圖書館”，國家科學數(shù)字圖書館的“My Library”系統(tǒng)、南京大學圖書館和中央財經(jīng)大學圖書館采用的“Book+”系統(tǒng)、上海交通大學圖書館“思源薦書”模塊、清華大學的Open Book網(wǎng)站等，這些推薦系統(tǒng)采用協(xié)同過濾推薦和基于內(nèi)容的推薦這兩種推薦算法，允許用戶定制其感興趣的學科，并依據(jù)用戶這些個人行為信息，向讀者推薦與其檢索主題類似的信息資源。

在開展個性化推薦服務(wù)的過程中，相關(guān)領(lǐng)域的專家學者逐漸意識到個性化推薦服務(wù)可能會引發(fā)信息窄化問題。2001年，Patricia Wallace認為，在互聯(lián)網(wǎng)交往過程中，個體最初可能是帶著相對中立的觀點看某個問題的，但與別人就此在網(wǎng)絡(luò)中討論后，他可能從中間的地段向邊緣移動[1]。美國學者凱斯?桑斯坦提到，網(wǎng)絡(luò)讓人們更容易獲得的是自己喜歡的信息，而拒絕接受自己不喜歡的信息，事實上人們得到的是窄化的信息[2]。Gripsrud提出，社交網(wǎng)絡(luò)的興起、信息的碎片化和移動端的私人化，或許正逐步導致個人信息獲取的窄化[3]。Gossart認為社會化媒體中的信息窄化問題正逐漸受到關(guān)注，但它的危害仍有被低估的風險[4]。孫瑞英將信息窄化的概念細化出來并闡明了網(wǎng)絡(luò)信息窄化的嚴重后果，從群體心理與個體心理的角度分析了網(wǎng)絡(luò)信息窄化的心理成因，提出了控制網(wǎng)絡(luò)信息窄化的措施和辦法[5]。劉明認為，高校圖書館對大學生造成的信息異化包括信息焦慮癥、信息依賴癥、網(wǎng)絡(luò)暴力、信息窄化、信息污染[6]。鄧倩提出新媒體下由于機器推薦消息造成用戶視野狹隘、個人判斷力與認知能力喪失[7]。喻國明提出通過提升用戶洞察技術(shù)以及提升自身的媒介素養(yǎng)、網(wǎng)絡(luò)素養(yǎng)，避免信息窄化等問題的發(fā)生[8]。

上述研究中我們發(fā)現(xiàn)，信息窄化問題在傳播學、心理學、社會學等領(lǐng)域得到了一定程度的重視，但國內(nèi)圖書館的個性化推薦服務(wù)仍處于新興服務(wù)，屬于一種創(chuàng)新服務(wù)模式，因此圖書情報領(lǐng)域的專家學者更關(guān)注于個性化推薦服務(wù)的理論、技術(shù)及推廣研究，研究的主要方向集中在智能化圖書館的個性化信息推薦服務(wù)、手機等移動設(shè)備的推薦應用、網(wǎng)絡(luò)環(huán)境下的個性化推薦服務(wù)的實現(xiàn)等方面。實際上，與新媒體的個性化推薦服務(wù)對象不同的是，圖書館的個性化推薦服務(wù)對象經(jīng)常是一些科研工作者，精準的個性化推薦在方便用戶獲得其特定需求的資源的同時，也很容易讓用戶只能獲得與自己專業(yè)知識相關(guān)的信息，形成人被信息所用的尷尬境地，這在一定程度上會影響科學研究的發(fā)展與突破。

二、圖書館個性化推薦服務(wù)的信息窄化問題原因分析

（一）圖書館資源的特性

圖書館文獻資源主要包括圖書、期刊、報紙、多媒體等傳統(tǒng)資源以及圖書館外購的電子資源數(shù)據(jù)庫，這些資源的保存和利用多以學科分類的形式存在，具體的體現(xiàn)就是紙本圖書基本按照中圖法或者科圖法進行分類，數(shù)據(jù)庫資源基本按照學科體系進行分類。這種資源的分類體系使得圖書館的資源整合和檢索技術(shù)一般都比較關(guān)注顯性的學科知識，但隨著科學技術(shù)的發(fā)展，學科被不斷細分，專業(yè)化程度越來越深，這種過度專業(yè)化導致各學科知識容易出現(xiàn)了“分裂”的現(xiàn)象，單純的按照學科分類體系進行資源揭示就不容易揭示各學科知識之間的隱性知識關(guān)聯(lián)，在這種資源揭示程度下的圖書館個性化推薦服務(wù)，基本只能按照讀者感興趣的學科領(lǐng)域進行資源和信息推薦，這就容易造成推薦結(jié)果缺乏多層次、多角度，不能完整展現(xiàn)各種科學研究在其他學科或交叉學科的研究動態(tài)和進展。

（二）個性化推薦系統(tǒng)的缺陷

圖書館個性化推薦服務(wù)的核心目標就是千人千面，為每個讀者推薦其個人所感興趣的知識。因此，現(xiàn)在圖書館或機構(gòu)知識庫普遍使用的個性化推薦系統(tǒng)一般都是先由用戶根據(jù)自己的專業(yè)領(lǐng)域、興趣喜好進行定制，通過基于內(nèi)容的推薦和基于協(xié)同過濾的推薦算法得到用戶所需的信息并機器推薦給用戶，在信息推薦過程中再由用戶不斷選擇和過濾，推薦系統(tǒng)會根據(jù)用戶的使用情況不斷改進推薦策略和推薦內(nèi)容，這種情況周而復始會使用戶得到更符合其要求的精準內(nèi)容，但也無形中會導致用戶接收到的知識領(lǐng)域越來越窄化，甚至只能接受到符合自己觀點的內(nèi)容，長此以往容易滋生信息窄化問題。

三、圖書館個性化推薦服務(wù)的信息窄化問題對策

（一）利用元數(shù)據(jù)倉儲全面揭示圖書館資源

圖書館的資源來源不同、介質(zhì)不同、獲取方式不同、數(shù)據(jù)結(jié)構(gòu)不同，這些資源保存在數(shù)據(jù)庫、管理系統(tǒng)、資料文檔甚至專家學者的大腦中，而Internet上的知識資源更是不計其數(shù)。高校圖書館個性化信息推薦服務(wù)要避免信息窄化問題，首要重點是在知識資源揭示時要能全面獲取各種顯性知識、隱性知識及非相關(guān)性知識的隱性關(guān)聯(lián)。要在資源整合及檢索系統(tǒng)中充分利用元數(shù)據(jù)倉儲技術(shù)，對資源深層次的聚合、篩選、挖掘、分析，基于一定的元數(shù)據(jù)規(guī)范構(gòu)建不同學科領(lǐng)域及相關(guān)學科、交叉學科的元數(shù)據(jù)庫集合，利用采集適配器對相應數(shù)據(jù)源數(shù)據(jù)經(jīng)過過濾、去重、降噪后按規(guī)范保存成統(tǒng)一的格式，統(tǒng)一排序和分面功能，實現(xiàn)圖書館資源一站式檢索能準確揭示非相關(guān)性知識資源，為圖書館個性化推薦服務(wù)提供滿足用戶特定需求的全方位、全學科的資源保障。

（二）充分利用大數(shù)據(jù)分析工具

要利用大數(shù)據(jù)分析工具對圖書館的資源（學科、關(guān)鍵詞、主題詞、元數(shù)據(jù)）及用戶的基礎(chǔ)數(shù)據(jù)（性別、年齡、專業(yè)、借閱記錄等）和行為數(shù)據(jù)（搜索行為、閱讀喜好等）進行深度挖掘、分析。建立資源模型及用戶模型，資源模型可通過標簽樹方式對內(nèi)容主題等提取分類，用戶模型可利用其興趣圖譜進行設(shè)定，根據(jù)模型推薦易出現(xiàn)標簽樹雷同導致推薦內(nèi)容同質(zhì)化、機器推薦對用戶興趣的變化反應滯后等現(xiàn)象，因此要充分利用大數(shù)據(jù)分析和元數(shù)據(jù)倉儲技術(shù)挖掘資源內(nèi)容的標簽樹深度，利用用戶小數(shù)據(jù)、情境感知技術(shù)，分類和聚類等方法對用戶群體進行細分，挖掘讀者行為特征和個體需求，得到每個用戶全方位的精準畫像，全面掌握用戶知識興趣，為讀者推薦符合其需求的全方位知識內(nèi)容。

（三）提高個性化推薦系統(tǒng)的智能性

目前圖書館主流的個性化推薦系統(tǒng)大多采用協(xié)同過濾+基于內(nèi)容推薦，協(xié)同過濾存在冷啟動和稀疏性問題，基于內(nèi)容推薦存在很難為用戶發(fā)現(xiàn)新的感興趣項目，易產(chǎn)生信息窄化問題。因此需要引入基于知識的推薦方法、基于關(guān)聯(lián)規(guī)則分析的推薦方法等多種混合推薦算法，基于知識的推薦方法和基于關(guān)聯(lián)規(guī)則分析的推薦方法需要大量的領(lǐng)域知識及知識關(guān)聯(lián)規(guī)則并形成相應的知識庫，這個知識庫的搭建完全可以借用資源揭示中建立的元數(shù)據(jù)倉儲。提高個性化推薦系統(tǒng)的智能化，需要在提高用戶洞察技術(shù)的同時，實時響應用戶的推薦請求，綜合各種維度的分析挖掘結(jié)果呈現(xiàn)給用戶，增加用戶自貼標簽、頻道分類定制、機器推薦和人工編輯相結(jié)合等方法對機器推薦進行補充，對推薦效果持續(xù)優(yōu)化。從而完整準確地測度到用戶信息需求的全貌和重點，力求避免信息窄化問題。

四、結(jié)語

圖書館個性化推薦服務(wù)的研究與實踐正在國內(nèi)圖書館屆蓬勃興起，圖書情報領(lǐng)域的專家學者在進行理論和應用研究的同時應該要有憂患意識，要充分重視個性化推薦服務(wù)可能帶來的信息窄化問題，在制定個性化推薦服務(wù)策略和推廣個性化推薦系統(tǒng)的過程中要充分利用新技術(shù)、新思路來規(guī)避信息窄化問題。

[1]Patricia Wallace.互聯(lián)網(wǎng)心理學[M].謝影，茍建新，譯.北京：中國輕工業(yè)出版社，2001.

[2]凱斯·桑斯坦.網(wǎng)絡(luò)共和國——網(wǎng)絡(luò)社會中的民主問題[M].黃維明譯.上海：上海人民出版社，2003.

[3]J Gripsrud，H Moe，S Splichal.Digital Public Sphere：Challenges from Media Policy[J].European Journal of Communication，2013，28（1）：94-95.

[4]Gossart C.Can Digital Technologies Threaten Democracy by Creating Information Cocoons？[J].Trans-forming Politics and Policy in the Digital Age，2014（10）：145.

[5]孫瑞英.網(wǎng)絡(luò)信息窄化的心理學解析[J].情報科學，2010（11）：1625-1629.

[6]劉明.網(wǎng)絡(luò)環(huán)境下信息異化的心理學視角研究[D].哈爾濱：黑龍江大學，2011.

[6]鄧倩.新媒體的“信息繭房”現(xiàn)象研究[J].視聽，2016（8）：96-97.

[7]賈瑞.新媒體時代“信息繭房”現(xiàn)象的思考[J].新聞研究導刊，2016（7）：214-215.

[8]喻國明.“信息繭房”禁錮了我們的雙眼[J].領(lǐng)導科學，2016（36）：20.