林艷紅

摘 要：文章剖析了圖書館信息推薦服務(wù)現(xiàn)存問題，闡述了社會(huì)化推薦的基本概念，從七個(gè)層面提出了基于社會(huì)化推薦的圖書館信息服務(wù)模型構(gòu)建要點(diǎn)，最后探討了基于社會(huì)化推薦的圖書館信息推薦服務(wù)模式。

中圖分類號(hào)：G250文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-1588（2021）09-0119-03

關(guān)鍵詞：社會(huì)化;推薦;圖書館;服務(wù)

近年來，用戶對(duì)圖書館的服務(wù)要求越來越高，迫切希望獲得多元化、個(gè)性化信息服務(wù)。在這樣的大背景下，社會(huì)化推薦可以幫助圖書館更加全面、清晰地掌握用戶的個(gè)性、喜好、興趣，建立用戶需求模型，以更加客觀、多元的角度掌握用戶所需的知識(shí)服務(wù)需求，從而避免傳統(tǒng)推薦模式成本高、效率低、效果差等弊端。因此，打造基于社會(huì)化推薦系統(tǒng)的圖書館信息推薦服務(wù)模式，有助于圖書館克服現(xiàn)存的不足和問題，從而實(shí)現(xiàn)精準(zhǔn)服務(wù)。

1 圖書館信息推薦存在的問題

1.1 用戶需求的獲取與理解問題

圖書館信息推薦的效果如何，取決于用戶能否準(zhǔn)確獲取和理解信息。目前，用戶的需求日益多元化、多樣化，一般而言用戶難以全面準(zhǔn)確地反映自身的信息需求，影響了圖書館信息推薦的精準(zhǔn)性。同時(shí)，圖書館信息推薦的智慧化程度不高，僅從提問的角度獲取語法層面的需求信息，導(dǎo)致用戶的信息需求長期得不到滿足。

1.2 信息交流與共享問題

當(dāng)前，圖書館信息推薦系統(tǒng)的協(xié)同性較差，不論是部門之間還是館際的信息交流很難實(shí)現(xiàn)，導(dǎo)致信息推薦只能局限在較小范圍。同時(shí)，系統(tǒng)之間的技術(shù)標(biāo)準(zhǔn)和操作規(guī)程各有差異，信息的推薦難以跨系統(tǒng)實(shí)現(xiàn)。此外，信息推薦系統(tǒng)僅限于對(duì)傳統(tǒng)、簡單的信息進(jìn)行儲(chǔ)存、分析、推送，不能進(jìn)行有效加工和整合，資源之間的關(guān)聯(lián)性和串聯(lián)性較差，內(nèi)容孤立現(xiàn)象比較突出，由此造成用戶搜索、利用信息的體驗(yàn)感較差，時(shí)間成本較高。

1.3 用戶興趣模型問題

大多數(shù)圖書館的信息推薦系統(tǒng)難以精準(zhǔn)區(qū)分不同用戶的興趣，一般只針對(duì)一個(gè)用戶設(shè)立一個(gè)興趣標(biāo)簽，構(gòu)建一個(gè)興趣模型，導(dǎo)致信息推薦系統(tǒng)在判斷用戶需求的過程中出現(xiàn)誤判，難以匹配用戶真實(shí)需求。究其原因，是因?yàn)樾畔⑼扑]系統(tǒng)不能分析信息共享背后的用戶關(guān)聯(lián)性，不具備打造用戶群體的功能。此外，對(duì)所有用戶進(jìn)行一一建模，不僅浪費(fèi)時(shí)間和資金，也降低了服務(wù)質(zhì)效。

1.4 用戶評(píng)價(jià)和反饋問題

在社會(huì)化推薦背景下，圖書館不僅要致力于信息精準(zhǔn)推薦，還需要用戶能夠便捷、及時(shí)地進(jìn)行評(píng)價(jià)和反饋，因此，用戶評(píng)價(jià)和反饋問題不容忽視。目前，圖書館信息推薦系統(tǒng)評(píng)價(jià)和反饋功能單一，一般只有滿意度單一指標(biāo)的評(píng)價(jià)，無法真實(shí)反饋用戶使用信息后的真實(shí)想法和意見建議，更沒有用戶個(gè)性化需求呈現(xiàn)和互動(dòng)渠道，降低了信息推薦服務(wù)的滿意度。

2 社會(huì)網(wǎng)絡(luò)理論及社會(huì)化推薦

社會(huì)網(wǎng)絡(luò)（Social Network）的內(nèi)涵為關(guān)系網(wǎng)，是人與人之間為了達(dá)成某種目的，通過信息交流或交換形成的人際關(guān)系網(wǎng)絡(luò)。社會(huì)網(wǎng)絡(luò)的核心要素是節(jié)點(diǎn)和聯(lián)系，節(jié)點(diǎn)是關(guān)系網(wǎng)中的主體，可以是人，也可以是組織或機(jī)構(gòu);聯(lián)系是關(guān)系互動(dòng)交流的方式方法和具體內(nèi)容。社會(huì)網(wǎng)絡(luò)分析（Social Network Analysis，SNA）屬于一種分析工具，長期應(yīng)用于社會(huì)網(wǎng)絡(luò)理論研究和分析，其主要目的是對(duì)人與人、群體與群體、組織與組織、計(jì)算機(jī)與計(jì)算機(jī)之間的關(guān)系進(jìn)行研究，從而對(duì)二者之間形成的關(guān)系進(jìn)行語義和具體性描述，為關(guān)系的價(jià)值和應(yīng)用提供參考。

基于社會(huì)網(wǎng)絡(luò)理論和社會(huì)網(wǎng)絡(luò)分析工具，社會(huì)化推薦應(yīng)運(yùn)而生。一直以來，圖書館推薦系統(tǒng)利用“用戶—項(xiàng)目”的關(guān)系模型分析用戶的偏好，在使用系統(tǒng)的過程中根據(jù)用戶感興趣的信息為用戶推薦相關(guān)內(nèi)容。但是，這種推送方式缺少針對(duì)性，無法滿足當(dāng)前用戶實(shí)時(shí)變化的信息需求。隨著Web2.0的不斷發(fā)展和普及，人們在進(jìn)行信息推薦的過程中往往選擇進(jìn)行社會(huì)化推薦，推薦方式的演變使相關(guān)人員更看重用戶信息行為及背后的潛在價(jià)值，把“用戶—項(xiàng)目”的社會(huì)屬性和交互信息加入傳統(tǒng)的推薦算法當(dāng)中，使其不斷完善，進(jìn)而得以及時(shí)追蹤用戶的知識(shí)需求變化趨勢，并以此為依據(jù)創(chuàng)建動(dòng)態(tài)模型，深入研究用戶的興趣偏好，更具針對(duì)性地為用戶提供知識(shí)決策服務(wù)。近年來，社交媒體的發(fā)展趨勢也展現(xiàn)出智能化的特征，項(xiàng)目的推薦范圍也在逐步擴(kuò)展，從電子商務(wù)領(lǐng)域延伸到了其他領(lǐng)域，圖書館是信息和知識(shí)集散中心，也可以嘗試進(jìn)行社會(huì)化推薦創(chuàng)新服務(wù)。

3 基于社會(huì)化推薦的圖書館信息推薦模型

3.1 數(shù)據(jù)層

數(shù)據(jù)層需要結(jié)合物聯(lián)網(wǎng)、云計(jì)算等現(xiàn)代信息挖掘技術(shù)，全面收集學(xué)習(xí)互動(dòng)平臺(tái)中的用戶信息并對(duì)多元化非結(jié)構(gòu)性信息進(jìn)行科學(xué)處理，了解用戶的性別、年齡、獲取項(xiàng)目的方式等基本信息，也收集用戶的社會(huì)屬性信息，重點(diǎn)掌握用戶的偏好內(nèi)容、好友信息、使用評(píng)價(jià)等要素。此外，數(shù)據(jù)層也會(huì)收集用戶的其他關(guān)聯(lián)信息，并進(jìn)行初步篩選，再交由技術(shù)層處理。

3.2 技術(shù)層

技術(shù)層需要對(duì)數(shù)據(jù)層的基礎(chǔ)數(shù)據(jù)再次加工處理，通過進(jìn)一步篩選、歸類形成滿足系統(tǒng)條件的結(jié)構(gòu)化數(shù)據(jù);根據(jù)這些數(shù)據(jù)建立用戶和項(xiàng)目的交互矩陣，探尋計(jì)算機(jī)用戶和項(xiàng)目之間的關(guān)系;根據(jù)系統(tǒng)收集到的基本信息屬性和社會(huì)信息屬性明確多用戶之間的相互關(guān)系;結(jié)合用戶的行為軌跡等基本信息建立平分矩陣等，提高數(shù)據(jù)的處理效率。

3.3 推薦層

推薦層是社會(huì)推薦系統(tǒng)的核心環(huán)節(jié)。在推薦層，系統(tǒng)會(huì)結(jié)合相關(guān)的計(jì)算技術(shù)詳細(xì)分析系統(tǒng)化數(shù)據(jù)信息，分析后建立用戶興趣和用戶關(guān)系模型，并在此基礎(chǔ)上形成推薦結(jié)果。由于服務(wù)對(duì)象不一樣，系統(tǒng)主要是對(duì)個(gè)體客戶和興趣群組進(jìn)行推薦，主要包括協(xié)同過濾、基于內(nèi)容和組合推薦。近年來，社交媒體快速發(fā)展，SNS網(wǎng)絡(luò)和情景感知技術(shù)的應(yīng)用越來越廣泛，社會(huì)化推薦系統(tǒng)也開始利用概率、矩陣分析、圖結(jié)構(gòu)推薦算法等新技術(shù)。

3.4 社交媒體

社交媒體可以不斷生產(chǎn)和交換知識(shí)，根據(jù)當(dāng)前用戶關(guān)系網(wǎng)絡(luò)所分享、發(fā)表的社會(huì)熱點(diǎn)話題，用戶熱衷于利用社交媒體自由發(fā)表對(duì)熱點(diǎn)事件的想法和評(píng)價(jià)。圖書館的門戶網(wǎng)站、SNS社交平臺(tái)、微信等都屬于該模型的社交媒體內(nèi)容。此外，抖音、快手等短視頻類社交媒體也日益流行，用戶數(shù)量越來越多。

3.5 個(gè)體用戶

個(gè)體用戶具體是指圖書館的讀者。讀者利用社交媒體對(duì)收到的信息進(jìn)行評(píng)價(jià)，圖書館通過在社交媒體建立官方賬號(hào)，運(yùn)用社交媒體自帶的評(píng)價(jià)反饋渠道，隨時(shí)了解讀者的興趣變化趨勢，及時(shí)收集讀者的反饋信息，這一工作有利于圖書館與用戶進(jìn)行有效溝通，深入了解讀者的潛在需求，不斷完善圖書館的資源推薦體系。

3.6 社會(huì)資本

圖書館可以把興趣相同或類似的個(gè)體用戶集中起來作為社會(huì)資本，社會(huì)資本有利于用戶在查找相關(guān)知識(shí)的時(shí)候減少時(shí)間和經(jīng)濟(jì)成本，不斷推動(dòng)隱性知識(shí)的溝通，使用戶的學(xué)習(xí)和工作效率不斷提升。圖書館充分利用社會(huì)資本資源可以收集到更多、更全面的信息，使用戶關(guān)系模型變得更加客觀、全面、完善，不斷推動(dòng)信息推薦工作的開展。

3.7 資源庫

圖書館的紙質(zhì)資源、電子資源、館外資源等都屬于資源庫的范疇。圖書館只有不斷完善資源庫體系，才能讓讀者和社會(huì)資本獲取更多的信息，并為數(shù)據(jù)層的工作提供更加可靠的信息來源。

4 基于社會(huì)化推薦的圖書館信息推薦服務(wù)模式

4.1 打造多元化信息庫體系

知識(shí)庫需要不斷融合才能轉(zhuǎn)變?yōu)槎嘣畔欤蒙鐣?huì)標(biāo)引和協(xié)同過濾技術(shù)科學(xué)處理館內(nèi)外資源，不斷整合知識(shí)內(nèi)容。圖書館應(yīng)用社會(huì)化推薦系統(tǒng)既對(duì)知識(shí)進(jìn)行了整合，同時(shí)又突破了內(nèi)容方面的服務(wù)壁壘，不斷整合多元結(jié)構(gòu)信息，通過社會(huì)資本使隱性知識(shí)的價(jià)值發(fā)揮出來，充分利用人員、知識(shí)、空間、設(shè)備等資源，使信息庫體系變得更加多元。

4.2 增強(qiáng)服務(wù)情境感知能力

應(yīng)用社會(huì)化推薦系統(tǒng)可以使圖書館資源服務(wù)的內(nèi)容變得更加豐富，也可以主動(dòng)為用戶提供有針對(duì)性的服務(wù)。在使用過程中，圖書館結(jié)合社交媒體、推薦算法等平臺(tái)和手段獲取用戶的行為數(shù)據(jù)和閱讀情況，對(duì)相關(guān)數(shù)據(jù)進(jìn)行分析，了解用戶的興趣偏好和具體需求，并以此為基礎(chǔ)不斷完善用戶動(dòng)態(tài)興趣模型。用戶在圖書館可以打破時(shí)空界限隨時(shí)訪問圖書館的知識(shí)資源，根據(jù)自身需求快速找到自己想要的信息資源，不再受場景因素的限制。

4.3 構(gòu)建統(tǒng)一的信息交流平臺(tái)

統(tǒng)一的信息交流平臺(tái)不僅有利于用戶獲取信息、共享知識(shí)，也為圖書館搭建了與用戶溝通交流的渠道。圖書館可以結(jié)合社交媒體和社會(huì)資本的力量共同構(gòu)建信息交流平臺(tái)，用戶在看到感興趣的內(nèi)容時(shí)可以進(jìn)行標(biāo)記，系統(tǒng)會(huì)收集用戶感興趣的內(nèi)容，為喜好相似的用戶建立虛擬社區(qū)。圖書館要鼓勵(lì)館員在虛擬社區(qū)進(jìn)行交流和溝通，如果遇到問題及時(shí)提出，結(jié)合其他成員的力量解決問題，使隱性知識(shí)的價(jià)值更好地發(fā)揮出來，為用戶提供高質(zhì)量的信息決策服務(wù)。

4.4 積極疏通雙向反饋互動(dòng)

社會(huì)化推薦系統(tǒng)知識(shí)服務(wù)的質(zhì)量如何，應(yīng)交由用戶評(píng)判。因此，圖書館要開辟社會(huì)化推薦系統(tǒng)知識(shí)服務(wù)評(píng)價(jià)渠道，針對(duì)圖書館提供的知識(shí)服務(wù)和內(nèi)容，細(xì)化評(píng)價(jià)和標(biāo)注評(píng)價(jià)指標(biāo)，方便享受知識(shí)服務(wù)的用戶反饋建議和意見，節(jié)省圖書館獲取用戶后續(xù)需求的時(shí)間成本。同時(shí)，用戶使用知識(shí)服務(wù)后分享在虛擬社交平臺(tái)上的各種信息也會(huì)成為反饋信息之一，圖書館通過系統(tǒng)和人工雙重篩選，再將所需知識(shí)精準(zhǔn)推送給興趣偏好相同或相近的其他用戶。在實(shí)踐中，圖書館要組建具備專業(yè)素養(yǎng)的信息服務(wù)館員隊(duì)伍，通過引導(dǎo)和監(jiān)管確保雙向互動(dòng)取得成效。

參考文獻(xiàn)：

[1] 李國棟，馮敏，姚偉.社會(huì)化推薦在隱性知識(shí)交流中的應(yīng)用研究[J].情報(bào)理論與實(shí)踐，2012（6）：83-87.

[2] 張娟.數(shù)字環(huán)境下圖書館知識(shí)社區(qū)服務(wù)拓展研究[J].圖書館工作與研究，2020（4）：63-70.

[3] 劉曉莉，張雷.社會(huì)化閱讀平臺(tái)特性、感知價(jià)值對(duì)用戶持續(xù)使用意愿的影響研究[J].新世紀(jì)圖書館，2019（12）：53-56.

[4] 趙進(jìn).社會(huì)化媒體在圖書館閱讀推廣中的應(yīng)用[J].西部素質(zhì)教育，2019（21）：122.

[5] 蔡金燕.高校圖書館基于社會(huì)化閱讀的閱讀推廣研究：以廣東九所高校圖書館為例[J].圖書館學(xué)刊，2019（9）：63-68.

[6] 賈偉，劉旭艷，徐彤陽.融合用戶智能標(biāo)簽與社會(huì)化標(biāo)簽的推薦服務(wù)[J].情報(bào)科學(xué)，2019（10）：120-125.

[7] 李玉艷.高校大學(xué)生社會(huì)化閱讀行為特征調(diào)查及啟示[J].內(nèi)蒙古科技與經(jīng)濟(jì)，2019（18）：125-127.

[8] 張超，甘為.社會(huì)化閱讀背景下移動(dòng)數(shù)字圖書館社交互動(dòng)服務(wù)設(shè)計(jì)研究[J].圖書館，2019（9）：80-84.

[9] 徐艷.高校圖書館社會(huì)化閱讀用戶滿意度影響因素實(shí)證研究[J].情報(bào)科學(xué)，2019（9）：42-47.

（編校：崔 萌）