劉澤 徐瀟潔 邵波

摘 要 隨著人工智能技術的發(fā)展，智能咨詢機器人可作為智慧圖書館咨詢服務的新選擇。論文從圖書館咨詢服務的實際需求出發(fā)，搭建圖書館智能咨詢機器人系統(tǒng)框架，基于知識庫、文本硬匹配、相似度匹配、深度學習等技術，分別構建面向寒暄類和咨詢類的問答子系統(tǒng)和面向任務類的對話子系統(tǒng)，并研究其應用效果。圖書館通過多策略混合的問答系統(tǒng)模型構建智能咨詢機器人，能夠提高問答系統(tǒng)的性能，為讀者提供更優(yōu)質準確的參考咨詢服務。

關鍵詞 多策略混合;咨詢服務;智能咨詢機器人;系統(tǒng)框架

分類號 G251

DOI 10.16810/j.cnki.1672-514X.2022.05.008

Design and Application of Library Consultation Robot Based on Multi-strategy Mixed Question Answering System Model

Liu Ze， Xu Xiaojie， Shao Bo

Abstract With the development of artificial intelligence technology， intelligent consulting robots can be used as a new choice for library consulting services. The framework of intelligent library consulting robots was built according to the actual needs of library consulting services. Based on repository text hard matching， similarity matching and deep learning， a question-and-answer subsystem for greetings and consulting and a dialogue subsystem for task-oriented dialogues were constructed respectively. This paper analyzed the effect of its application. An consulting robot platform is built through a multi-strategy mixed question answering system model， which can improve the performance of the question answering system and provide readers with more high-quality and accurate reference consulting services.

Keywords Multi-strategy. Consulting service. Intelligent consulting robot. System construction.

0 引言

現(xiàn)如今，人工智能技術正在影響社會生活和經(jīng)濟發(fā)展的方方面面。2019年，李克強總理在政府工作報告中提出“深化大數(shù)據(jù)、人工智能等研發(fā)應用”作為政府工作的重要建議[1]。人工智能的技術創(chuàng)新、軟硬件升級以及相關學科的發(fā)展，使其滲透至各行各業(yè)，推動著數(shù)字化、網(wǎng)絡化社會過渡到智能化社會。同時，由于圖書館知識資源密集和人力資源短缺的特點，圖書館工作迫切需要人工智能強大的數(shù)據(jù)處理能力與自我學習能力幫助圖書館館員完成復雜或重復的任務。咨詢服務作為圖書館傳統(tǒng)的業(yè)務工作，多年來都是由館員提供咨詢幫助，需要較高的人力成本[2]。面對機器學習、自然語言處理、深度學習等多種人工智能技術的發(fā)展和廣泛應用，圖書館智能咨詢機器人作為虛擬的圖書館館員，可以為讀者提供不間斷的在線服務，提高咨詢效率，減輕館員的工作量。

然而，即使高校圖書館正努力向“智慧圖書館”進行變革，全國僅有13所“雙一流”高校圖書館采用智能機器人提供咨詢服務，表明高校智能咨詢服務仍未充分發(fā)展[3]。此外，當前投入應用的圖書館咨詢機器人缺乏與圖書館咨詢服務相關的專業(yè)知識庫，并且不支持動態(tài)更新;機器人回答問題不夠準確。為解決上述問題，本文構建多策略混合的問答系統(tǒng)模型。以此提高智能機器人的工作效率和用戶滿意度，以期為圖書館智能咨詢機器人的發(fā)展提供思路。

1 智能咨詢機器人研究現(xiàn)狀

1.1 國外研究與應用

國外對圖書館咨詢機器人的研究較早，并且范圍較廣，主要包括理論研究、實際應用和功能優(yōu)化三個方面。

在理論研究方面，有不少學者探討了圖書館應用咨詢機器人的必要性。Peter Fernandez[4]調查了圖書館新技術將如何影響圖書館，發(fā)現(xiàn)許多圖書館已經(jīng)設有在線專家聊天，相信在不久的將來，完全可以將大多數(shù)基本參考問題移交給聊天機器人。2020年，Kane[5]對ANTswers從2014年創(chuàng)建至2018年產生的聊天記錄進行分析評估，結果表明ANTswers對UCI圖書館的功用顯著，定期分析統(tǒng)計用戶請求的資源與服務類型，可以對圖書館館員的工作起到指導作用。

在實際應用方面，相較于其他學術機構，圖書館一直走在發(fā)現(xiàn)、利用和實現(xiàn)創(chuàng)新科技的前沿[6]。事實上，歐洲圖書館最早探索在圖書館中使用機器人，比如德國漢堡大學著名的Stella實驗開發(fā)的機器人Stella，多特蒙德工業(yè)大學開發(fā)的Askademicus。此外，Nebraska-Lincoln[7]大學圖書館基于人工智能標記語言的Pixel聊天機器人是美國首批上線的聊天機器人之一，Pixel能夠實現(xiàn)模擬人類對話的交互式體驗，該系統(tǒng)通過廣泛收集圖書館網(wǎng)站的聊天咨詢記錄構造其數(shù)據(jù)庫，但僅能匹配回答有關圖書館服務和資源的常見問題。此外，還有聯(lián)機計算機圖書館中心（Online Computer Library Center， OCLC）開發(fā)的機器人Lillian，Akron-Summit County Public Library（ASCPL）和Mentor Public Library（MPL）合作開發(fā)的咨詢機器人Emma等[8]，圖書館咨詢機器人的應用越來越普遍。

在功能優(yōu)化方面，J.Hartsell-Gundy[9]認為圖書館參考咨詢服務的核心是通過遠程呈現(xiàn)系統(tǒng)與機器人相結合，在現(xiàn)有的參考服務中增加遠程呈現(xiàn)功能可以擴大咨詢機器人的服務覆蓋范圍，使咨詢機器人能夠不受空間限制與讀者進行互動，并使得其服務內容更加豐富。悉尼科技大學[10]在現(xiàn)有咨詢機器人的基礎上，開發(fā)了一個圖書館咨詢機器人原型，進一步研究如何利用咨詢機器人提高大學生學術研究的潛力，為圖書館機器人添加了個性化配置。

1.2 國內研究與應用

圖書館咨詢機器人的主要應用在于參考咨詢服務。郭山[11]對31個省級公共圖書館的參考咨詢現(xiàn)狀展開深入調研，并討論了圖書館利用咨詢機器人提供參考咨詢服務的必要性，總結出咨詢機器人主要有準確性高、實時在線、操作簡單等優(yōu)點。此外，焦?jié)峓12]利用UTAUT2模型，對用戶使用咨詢機器人的影響因素展開問卷調查與分析，最終發(fā)現(xiàn)享樂動機、便利條件和績效期望等是主要影響因素，進而為咨詢機器人的參考咨詢服務提供改進策略，以提高其用戶粘性與使用頻率。

國內許多圖書館正積極投入咨詢機器人的設計與應用，主要有兩種模式：基于開源系統(tǒng)的二次開發(fā)和對接商用軟件?；陂_源系統(tǒng)二次開發(fā)的機器人主要包括基于BotPlatform開源平臺、基于ALICE開源系統(tǒng)、基于AIMLBot開源平臺、基于微信和移動App[13]這4種服務模式。2008年上海交通大學最早利用開放式BotPlatform平臺開發(fā)出具有“聊天”“參考咨詢”和“圖書檢索”等功能的服務機器人[14]。2011年清華大學創(chuàng)新性地利用ALICE開源軟件構建咨詢機器人“小圖”，“小圖”具有自我學習的功能，并且能為讀者提供資源查閱、借閱提醒等多種服務[15];此后，2014年清華大學圖書館將“小圖”的服務范圍擴展到App和微信端等移動端[16]。此外，還有重慶文理學院圖書館基于AIMLBot開源平臺的虛擬參考咨詢機器人等。

在對接商用軟件方面，許多圖書館選擇直接與商業(yè)客戶服務機器人對接，圖書館僅需要將多年來積累的咨詢記錄和常見問題以軟件所需的格式導入知識庫，并在線配置相關服務。例如，西安電子科技大學圖書館于2019年采用的曉多智能客服機器人[17]，可以與App、網(wǎng)頁、微信和其他客戶端進行交互，實現(xiàn)多渠道為用戶提供咨詢服務。但是商用機器人價格昂貴且難以二次開發(fā)，并且作為通用智能客戶服務軟件，它與圖書館業(yè)務并不完全吻合。

2 圖書館咨詢機器人現(xiàn)存問題及要求

筆者通過對圖書館智能咨詢機器人應用現(xiàn)狀展開調查，發(fā)現(xiàn)存在的問題主要有以下幾個方面：（1）線上線下數(shù)據(jù)沒有統(tǒng)一的運營管理后臺。對線上咨詢渠道如QQ、微信和網(wǎng)頁等和線下咨詢渠道如實體機器人沒有進行統(tǒng)一的管理，導致實時數(shù)據(jù)無法自動導入知識庫，需要定期人工整理添加至知識庫，浪費了碎片化數(shù)據(jù)所帶來的巨大價值。（2）商用機器人成本過高。采用商用咨詢機器人雖然功能和算法上都相對穩(wěn)定成熟，但是基于后臺算法以及業(yè)務處理的邏輯，無法實行定制化，且商業(yè)平臺成本過高，普通的公共圖書館與高校圖書館通常只能購買商用機器人的部分功能。（3）自建機器人構建難度大。目前高校自建的咨詢機器人只能實現(xiàn)最為基礎的日常咨詢，與商用軟件差距較大。知識庫與語料庫無法實現(xiàn)自動更新，需要圖書館館員定期人工操作來更新;此外，大多數(shù)高校咨詢機器人只能完成單輪會話功能，需要進一步開發(fā)多輪會話功能，并且自建咨詢機器人需要一定的磨合期和調整期才能達到穩(wěn)定的效果，無法快速投入使用。

通過對圖書館智能咨詢機器人服務現(xiàn)狀的調研，并借鑒已有系統(tǒng)的成功經(jīng)驗，筆者認為在之后的平臺構建中應滿足以下需求：（1）實現(xiàn)服務自助化：咨詢機器人能夠實現(xiàn)24*7全天為用戶提供服務，并且線上平臺可以同時對接多個用戶，以一致、及時地回答解決用戶的疑問;此外，對于知識庫中沒有涵蓋的問題，咨詢機器人難以做出合理答復，此時，用戶可以選擇人工服務，轉接圖書館館員，為其提供在線幫助。（2）實現(xiàn)管理統(tǒng)一化：智能咨詢機器人能夠與多種客戶端對接，這樣用戶可以通過多種平臺進行參考咨詢服務;同時，圖書館館員只需管理一個后臺，便能夠實現(xiàn)對多種渠道知識庫的統(tǒng)一管理。（3）實現(xiàn)知識動態(tài)化：咨詢機器人系統(tǒng)能夠自動收集用戶咨詢數(shù)據(jù)，定期擴充后臺知識庫的內容，不斷優(yōu)化參考咨詢服務的效果。（4）滿足場景全面化：在控制經(jīng)濟成本的前提下，首先針對讀者不同咨詢問句類型能夠智能判斷，做出多元應答模式。其次，針對用戶提問意圖模糊、用戶提問拒識、用戶提問不完整等多種情形，均能夠返回正確的應答提示，形成用戶體驗閉環(huán)。最后借鑒商用客服系統(tǒng)，可以提供特色功能如輸入聯(lián)想、熱門問題、滿意度評價等來提高讀者滿意度。

3 圖書館智能咨詢機器人系統(tǒng)設計

3.1 系統(tǒng)問答流程

本文設計的是一種多策略融合的自動問答系統(tǒng)，研究在圖書館參考咨詢這個專業(yè)領域內實現(xiàn)對用戶自然語言的分析和理解，通過對用戶問句的分析，系統(tǒng)利用不同的策略給出準確的答復。多策略是指針對不同類型的問句系統(tǒng)調用不同的技術模型，提高回復的準確性。系統(tǒng)如圖1所示，技術模型主要分為對話系統(tǒng)（針對任務類問句）和問答系統(tǒng)（針對咨詢類問句和寒暄類問句）兩大子系統(tǒng)，其中問答系統(tǒng)又可以細分為文本硬匹配、相似度匹配和深度學習三種功能模塊。

首先，用戶根據(jù)需求鍵入自然語言問句，系統(tǒng)會調用對話系統(tǒng)識別其對話意圖，如果問句成功匹配為任務類問句，那么用戶將進入流程式對話，隨后用戶需按照咨詢機器人的引導提供相關需求信息，咨詢機器人將返回相應的答復;若匹配失敗，對話則進入問答系統(tǒng)。問答系統(tǒng)會根據(jù)已構建的寒暄庫，對問句進行文本硬匹配，若匹配成功，則輸出答案;否則會利用相似度匹配，若相似度大于閾值，則輸出答案，反之，則調用深度學習模塊，再根據(jù)概率分布和置信區(qū)間進行判別，判別成功則輸出答案。若系統(tǒng)仍未成功識別，則轉接人工服務，將拒識問題發(fā)送給圖書館館員。此外，系統(tǒng)后臺會定期挖掘在線日志、聚類、人工標注等，以此訓練深度學習模型，提高模型的精確性和靈活性，使系統(tǒng)越來越“智慧化”。

3.2 智能咨詢機器人系統(tǒng)框架

根據(jù)圖書館參考咨詢服務的特點，結合對南京大學圖書館讀者參考咨詢內容的分析研究，本文將用戶所提出的問句分為三類：閑聊類、咨詢類以及任務類。閑聊類和咨詢類的問句分別對應的應用場景為“寒暄”和“一問一答”，這兩種應用場景都采用面向寒暄類和咨詢類的問答子系統(tǒng)，模式為單輪對話。任務類的問句屬于“多輪會話”的應用場景，采用面向任務類的對話子系統(tǒng)，模式為多輪對話。

基于已有的研究基礎，本文構建基于多策略混合問答系統(tǒng)模型的圖書館智能咨詢機器人系統(tǒng)，系統(tǒng)總體架構如圖2所示。該系統(tǒng)分為物理層、源數(shù)據(jù)層、知識資源層、技術層和應用層五個部分。

物理層：以基礎設施即服務（IaaS）的形式提供基礎服務，如安全支持、系統(tǒng)維護和數(shù)據(jù)存儲等，從各方面保障整個平臺的正常運作。

源數(shù)據(jù)層：主要為知識資源層知識庫的構建提供原始數(shù)據(jù)與知識儲備，原始數(shù)據(jù)主要來源于網(wǎng)絡數(shù)據(jù)、詞表資源、垂直領域知識庫和歷史問答數(shù)據(jù)等。首先，常識和寒暄語料收錄于相關網(wǎng)站和調用的API接口。其次，為了擴充參考咨詢服務范圍，需要利用知識圖譜等技術將學術信息添加到對話子系統(tǒng)中，各類詞表資源是必不可少的。此外，垂直領域知識庫主要包含了學術信息資源。最后，可從圖書館參考咨詢服務部門獲取歷史問答數(shù)據(jù)，一方面，要獲取圖書館線上參考咨詢系統(tǒng)中FAQ常見問題、實時咨詢和非實時異步咨詢產生的相關數(shù)據(jù)，另一方面要收集館員在服務過程中積累的問答經(jīng)驗。

知識資源層：為參考咨詢服務提供數(shù)據(jù)來源，同時也是技術層和應用層的數(shù)據(jù)基礎，將源數(shù)據(jù)整理歸納后得到分詞詞表、停用詞表、同義詞表、寒暄庫、FAQ庫、任務場景庫以及本體庫。利用分詞詞表和停用詞表將問答子系統(tǒng)中的文本數(shù)據(jù)進行預處理;同義詞表的應用主要是為了提高用戶問句的匹配度;寒暄庫應用于與用戶的閑聊和寒暄;FAQ庫為常見的咨詢問題提供接單;任務場景庫用于為對話子系統(tǒng)提供數(shù)據(jù)支持;本體庫存儲了各類學術領域專業(yè)知識，為用戶的學術資源查詢提供數(shù)據(jù)支撐。

技術層：筆者對圖書館參考咨詢服務進行調查研究，發(fā)現(xiàn)可以將用戶咨詢可以分為“一問一答”和“多輪會話”兩種模式，“一問一答”模式是基于FAQ（問題—答案對集合）匹配用戶問句;而“多輪會話”則是咨詢機器人不斷向用戶獲取用以實現(xiàn)特定查詢任務的相關信息所進行的流程式問答，針對兩種類型的問句，分別調用問答子系統(tǒng)和對話子系統(tǒng)來進行處理。

應用層：包括智能咨詢問答和機器人管理兩個模塊。智能咨詢問答模塊用于為用戶提供圖書館參考咨詢服務，既提供智能問答和交互問答等核心功能，還包括輸入聯(lián)想、關聯(lián)問題、熱門問題等個性化功能。機器人管理模塊用于幫助館員對智能咨詢機器人進行運營管理，如熱門問題管理、數(shù)據(jù)報表統(tǒng)計分析和知識庫管理等。

4 技術實現(xiàn)環(huán)節(jié)及其應用效果

4.1 知識庫構建

智能咨詢系統(tǒng)中知識資源層所需要的分詞詞表、停用詞表和同義詞表均可從網(wǎng)上獲取，此外，寒暄庫、FAQ庫和任務場景庫需要人工構建。

問答子系統(tǒng)的準確率和召回率由FAQ庫的質量直接決定。本文主要通過四種渠道來收集問題—答案集：（1）對提供FAQ咨詢方式的“雙一流”A類高校進行內容爬取;（2）按照用戶常用的提問方式，將從各圖書館官網(wǎng)收集參考咨詢服務的相關信息與知識進行轉換（3）通過采訪圖書館館員，獲取其在提供參考咨詢服務時所積累的經(jīng)驗;（4）參考學者對問答系統(tǒng)的專業(yè)研究。將收集到的問題—答案集進行整理，歸納整合相似問句，得到包含801條問句—答案對的FAQ庫。最后邀請圖書館參考咨詢服務部門的老師對FAQ庫進行復核，完成FAQ庫的構建。

其次，通過對圖書館參考咨詢服務的場景進行調研，收集并整理其中有關任務型的對話場景，用于構建對話子系統(tǒng)。當問句中存在任務目標以及需要將請求參數(shù)化時，則可判斷該問句為任務型的問句，通過此依據(jù)整理得到任務。

此外，為了提高用戶的人機交互體驗，本文構建的智能咨詢機器人除了能為用戶提供專業(yè)的參考咨詢服務外，還構建了寒暄庫，實現(xiàn)與用戶的日常寒暄，如“你好”“謝謝”“再見”等[18]，增加用戶對咨詢機器人的好感度。

4.2 面向咨詢類和寒暄類的問答子系統(tǒng)

本文采用問答子系統(tǒng)和對話子系統(tǒng)相結合的雙策略模式，以改進智能咨詢問答系統(tǒng)的服務效果。當用戶輸入的問句匹配為任務型問句時，則進入對話子系統(tǒng)，進行多輪流程式對話;否則，將進入問答子系統(tǒng)。

本文基于文本硬匹配、相似度匹配和深度學習三個模塊，構建問答子系統(tǒng)。因為寒暄語句比較簡練，用相似度匹配的效果較差，因此本文采用完全匹配的策略，當對話進入問答子系統(tǒng)后，利用文本硬匹配對問句進行文本硬匹配，快速對寒暄作出回復。若匹配失敗，在進入相似度匹配子模塊時還可以將寒暄語作為停用詞處理用戶問句，提高準確率。

本文選擇基于向量空間模型和基于語義詞典相結合的方法來計算句子的相似度?；谙蛄靠臻g模型的TF-IDF方法[19]，將用戶輸入的問句利用Jieba庫進行文本預處理，即對Query進行去停用詞、詞性標注和分詞等處理[20]，再運用Gensim框架中的TF-IDF模型處理用戶輸入的問句，通過余弦距離進行相似度計算。

當FAQ庫中的問答對不斷增加，如果單純地依賴文本硬匹配和相似度匹配模塊，將會導致計算效率和準確率低下的問題。因此本文提出利用Bi-LSTM和CNN結合形成的LSTM_CNN深度學習分類模型來改進候選集的質量，得到高質量并且與用戶問句語義相關的候選集，從而提高匹配的精確性。該深度學習分類神經(jīng)網(wǎng)絡架構如圖3所示[21]。

此外，智能咨詢機器人系統(tǒng)的深度學習支持自我學習的功能。系統(tǒng)將無法識別的用戶問句定期進行聚類處理，圖書館館員再對收集到的語料進行清理和標注，接著利用新的語料集訓練LSTM_CNN網(wǎng)絡模型，并且對模型進行測評，只有當準確度達到閾值時，才將模型投入線上運行，否則繼續(xù)完善語料集。該模型提高了智能咨詢機器人的學習能力，通過持續(xù)對模型的訓練和語料庫的完善，使得機器人的回答準確度得以提高，從而改善用戶的人機體驗。

4.3 面向任務類的對話子系統(tǒng)

本文調研了國內應用最為廣泛的7種具有多輪會話功能的聊天機器人系統(tǒng)，結合圖書館領域的應用場景，調研主要從自然語言理解、對話管理和擴展功能三個方面展開，調研結果如表1所示。根據(jù)調研結果，結合平臺的實用性、功能種類、應用效果和成本等因素綜合考慮，本文最終選擇在百度的UNIT對話系統(tǒng)的基礎上構建對話子系統(tǒng)。

為了解決用戶意圖模糊或表述不清的問題，系統(tǒng)首先需要定義意圖和詞槽，UNIT平臺支持自定義詞典，也可選擇系統(tǒng)預設詞典，本文結合圖書館參考咨詢服務的應用場景，選擇自定義詞典，再設置詞槽與意圖關聯(lián)屬性。其次，導入樣本數(shù)據(jù)集訓練模型，樣本數(shù)據(jù)集需要包括真實場景下用戶的各種問句與標注部分，需要標注所有問句的意圖和槽位。最后，完成模型的訓練后，可以進行測試體驗。

4.4 應用效果

南京大學圖書館推出了實體機器人“圖寶”，并設計出圖書館智能問答系統(tǒng)“圖寶在線”，打造了智慧圖書館咨詢機器人，統(tǒng)一管理線上線下的咨詢服務，幫助讀者通過任意兼容的終端來獲取精準化的知識[22]。

南京大學智能咨詢機器人平臺通過API或SDK與圖書館網(wǎng)站、微信公眾號、QQ在線咨詢、App，甚至館內移動的實體機器人等客戶端進行對接，讀者通過訪問或者登陸可以和機器人之間建立通信鏈路。所有咨詢都預先進入機器人渠道，通過機器人進行讀者識別、問句處理、意圖識別、知識庫檢索、輸出答案、學習挖掘等等，只有在機器人無法識別讀者問題或者讀者主動要求在線館員服務時才會進入人工服務。

目前，南京大學智慧圖書館智能咨詢機器人平臺部分實現(xiàn)了本研究構建的框架中的主要模塊，如咨詢類問答、寒暄類問答、對話類問答等，但由于本平臺還在試用階段，還存在問題—答案的匹配準確率不高，無法使用數(shù)據(jù)來量化平臺運行效果的問題，在日后的研究中還需補足。

5 結語

本文基于對國內外圖書館咨詢機器人的研究成果的分析，創(chuàng)新性地提出了一種多策略混合的問答系統(tǒng)模型，并根據(jù)問句的類型分別構建問答子系統(tǒng)和對話子系統(tǒng)，實現(xiàn)了以此為框架的圖書館參考咨詢機器人平臺，該系統(tǒng)現(xiàn)已初步應用于南京大學智慧圖書館系統(tǒng)。為了提高智能咨詢機器人的服務水平，未來可從這些方面進行優(yōu)化：（1）提高問題識別精度。通過提高機器人對關鍵詞提取和問題識別匹配的精確性，加深對用戶問題背景、情境和任務的理解，從而提高回答的準確性;（2）健全咨詢機器人評價體系，可通過設計自動評分反饋系統(tǒng)，收集用戶對咨詢服務的滿意度與意見，以期提高機器人的服務效果;（3）進一步挖掘咨詢機器人在參考咨詢服務中的應用，包括引導用戶、指定用戶個性化服務、智能推薦圖書及相關信息等功能。

參考文獻：

中國政府網(wǎng).政府工作報告（文字實錄）[EB/

OL].[2021-04-20].http：//www.gov.cn/guowuyuan/2019-03/05/content_5370734.htm.

聶亮亮. 基于移動端的圖書館咨詢服務研究與系統(tǒng)設計[D].南京：南京農業(yè)大學，2017：8-9.

趙蘋.“雙一流”建設背景下的高校圖書館智慧服務推進路徑探究[J].大學圖書情報學刊，2019（4）：44-47.

FERNANDEZ P. “Through the looking glass： envisioning new library technologies”how artificial intelligence will impact libraries[J]. Library Hi Tech News， 2016， 33（5）：5-8.

Creating， managing and analyzing an academic library chatbot[EB/OL].[2020-02-28].http：//bid.ub.edu/en/43/kane.htm.

初景利，段美珍.智慧圖書館與智慧服務[J].圖書館建設，2018（4）：85-90.

The University of Nebraska. Pixel[EB/OL].[2021-04-20].http：//pixel.unl.edu.

ALLISON D A. Chatbots in the library： is it time？[J]. Library Hi Tech， 2012， 30（1）：95-107.

HARTSELL-GUNDY J， JOHNSON E O， KROMER J. Testing telepresence remote reference service via robotics[J]. Reference & User Services Quarterly， 2015， 55（2）：118-122.

MCKIE I A S ， NARAYAN B. Enhancing the academic library experience with chatbots： an exploration of research and implications for practice[J]. Australian Library and Information Association， 2019， 68（3）：268-277.

郭山.智能機器人技術在公共圖書館實時參考咨詢服務中的應用[J].圖書館學研究，2017（10）：58-61.

焦?jié)? 圖書館智能機器人應用研究[D].鄭州：鄭州大學，2020：1-2.

何瑤. 基于智能機器人的智慧圖書館服務研究[D].南京：南京大學，2018：9-13.

孫翌，李鮑，曲建峰.圖書館智能化IM咨詢機器人的設計與實現(xiàn)[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2011，27（5）：88-92.

姚飛，紀磊，張成昱，等.實時虛擬參考咨詢服務新嘗試：清華大學圖書館智能聊天機器人[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2011，27（4）：77-81.

姚飛，張成昱，陳武.清華智能聊天機器人“小圖”的移動應用[J].現(xiàn)代圖書情報技術，2014，30（7）：120-126.

覃顯晶，王祥偉，莊卉卉.基于人工智能技術的圖書館咨詢機器人設計與實現(xiàn)[J].情報探索，2019（3）：91-97.

陸偉，戚越，胡瀟戈，等. 圖書館自動問答系統(tǒng)的設計與實現(xiàn)[J].情報工程，2019（2）：5-16.

薛蘇琴，牛永潔.基于向量空間模型的中文文本

相似度的研究[J].電子設計工程，2016，24（10）：28-31.

黃賢英，謝晉，龍姝言.基于公共詞塊及N-gram模型的問句相似度算法[J].重慶理工大學學報（自然科學版），2017，31（10）：175-179，197.

史夢飛，楊燕，賀樑，等.基于Bi-LSTM和CNN

并包含注意力機制的社區(qū)問答問句分類方法[J].計算機系統(tǒng)應用，2018，27（9）：157-162.

南京大學智慧圖書館二期：智能機器人正式發(fā)布

[EB/OL].[2021-04-20].https：//bkzs.nju.edu.cn/0c/42

/c4547a199746/page.htm.

劉 澤 南京大學信息管理學院碩士研究生。 江蘇南京，210023。

徐瀟潔 南京大學信息管理學院碩士研究生。 江蘇南京，210023。

邵 波 南京大學圖書館副院長，信息管理學院教授、博士生導師。 江蘇南京，210023。

（收稿日期：2021-07-16 編校：陳安琪，左靜遠）