林 曦 趙大志

(攀枝花學院圖書館，四川攀枝花 617000)

近年來，隨著人工智能的快速發(fā)展，其超強的功能引起了各國政府和企業(yè)的高度重視，目前已將人工智能應用到智能制造、智慧醫(yī)療、智慧交通、智慧農(nóng)業(yè)、智慧教育、智慧旅游等人類社會各個方面，引發(fā)了人類生產(chǎn)、生活的巨大變革。圖書館的發(fā)展同樣離不開新技術的加持，隨著人工智能時代的到來，加速了圖書館變革的步伐，2003年，芬蘭奧盧大學的MarkusAittola等學者首次提出了智慧圖書館的概念[1]，拉開了人工智能在圖書館應用的序幕，我國高校圖書館也逐漸開啟了智慧化建設的新征程，并且在對讀者智慧服務的常規(guī)工作中取得了較為顯著的效果。圖書采訪的智慧化雖然在此大環(huán)境推動下也取得了一定的進步，但離圖書館的預期還有較大差距，如何利用人工智能來實現(xiàn)真正意義上的采訪智慧化，值得深入研究與探討。

1 研究綜述

1.1 概念界定

智慧圖書館是智能圖書館發(fā)展的頂級形態(tài)，是通過人機交互的耦合方式，全面感知、互聯(lián)互通和智能融合圖書館的各個環(huán)節(jié)的知識服務新體系[2]。圖書智慧采訪是智慧圖書館的重要組成部分，是通過人工智能感知知識承載和知識需求的一種決策性活動，其中人的智慧與采訪信息的智能結(jié)合是智慧采訪最基本、最核心的構(gòu)成要素。

1.2 文獻回顧

隨著高校圖書館智慧化進程的不斷深入，產(chǎn)出了大量的研究成果，筆者以“智慧圖書館”為檢索詞在CNKI中共檢索到2747條結(jié)果。這其中，因智慧采訪涉及面廣、技術性強、操作環(huán)節(jié)多等因素，研究成果相對較少，比較具有代表性的有：卞麗琴，陳峰[3]提出以讀者推薦、讀者喜好和價格等多種綜合信息為基礎，通過人工智能技術進行仿真建模輔助完成圖書訂購任務的理念；白廣思[4]提出通過大數(shù)據(jù)技術搭建圖書館智能采購系統(tǒng)，實現(xiàn)政策性采購、讀者薦購和大數(shù)據(jù)采購功能；王紅，雷菊霞[5]闡述了通過模仿人類思維方式，讓人工智能不斷訓練和學習讀者需求、歷次采訪、館藏等數(shù)據(jù)，并結(jié)合科學決策工具優(yōu)化圖書采訪方式；涂佳琪，楊新涯，沈敏[6]提出以重點學科建設和讀者需求決策驅(qū)動，借助人工智能技術，設置科學的資源采訪規(guī)則及決策權重，優(yōu)化采訪工作流程，實現(xiàn)智能化篩選紙質(zhì)文獻等。這些研究成果均在宏觀層面為圖書館智慧采訪的發(fā)展指明了方向，但在實際可操作層面上還與人工智能技術契合得不夠緊密。

2 圖書采訪現(xiàn)狀

紙質(zhì)文獻是高校圖書館最重要的文獻資源之一，它既是師生開展教學和科研的重要載體，也是高校辦學的基本條件之一，因此，各高校圖書館每年都會花大量經(jīng)費購買紙質(zhì)文獻。據(jù)“教育部高校圖書館事實數(shù)據(jù)庫”公布的2020年統(tǒng)計數(shù)據(jù)顯示，我國1224所高校圖書館購置紙質(zhì)文獻資源總經(jīng)費達25.33億元，均值為206.9萬元，紙質(zhì)文獻采購經(jīng)費上千萬的985、211高校比比皆是，其中中山大學圖書館紙質(zhì)文獻購置經(jīng)費更是高達5945.3萬元[7]，連續(xù)幾年蟬聯(lián)第一。在高校紙質(zhì)文獻的采訪中，報紙、期刊經(jīng)費占比較小且每年出版變化不大，圖書館一般通過在續(xù)訂的基礎上進行細微調(diào)整即可完成采購，而難度最大的是紙質(zhì)圖書的采訪，國家新聞出版署2021年12月公布的《2020年新聞出版產(chǎn)業(yè)分析報告》中提到，我國2020年出版發(fā)行的圖書已多達48.9萬種[8]，若再加上近幾年國內(nèi)外出版的圖書，圖書數(shù)量將更為龐大，在目前以人工決策為主導的采訪模式下，高校圖書館要想用有限的經(jīng)費在海量的圖書中選購到滿足本校學科建設和讀者需要的圖書并非易事。

2.1 當前圖書采訪方式的優(yōu)點和弊端

圖書館要采購到優(yōu)質(zhì)的圖書資源，資源的發(fā)現(xiàn)是前提，目前，在圖書館廣泛使用的各種采購方式缺少發(fā)現(xiàn)優(yōu)質(zhì)資源有效的手段。在實際圖書采訪過程中，各種采訪方式雖都具有一定的優(yōu)點，但也存在較大的弊端(見表1)。

表1 高校圖書館采購圖書主要方式優(yōu)缺點一覽表

2.2 參與采訪人員的優(yōu)點與弊端

2018年9月，四川大學圖書館館長黨躍武在“雙一流形勢下高校圖書館資源建設策略與數(shù)據(jù)分析研討會”上曾講到：“現(xiàn)在高校圖書館中還存在圖書采購‘一買了之’的現(xiàn)象?！钡玫搅舜蠹业囊恢抡J可，這也從側(cè)面反映出高校圖書館采訪工作還有較大的提升空間。目前，大多數(shù)高校圖書采訪工作是由采訪館員、院系老師、學生來共同來完成，圖書館采訪館員參與到采訪的各個環(huán)節(jié)，工作重點是搭建讀者需求與館配圖書供給之間的橋梁，師生主要參與書目和網(wǎng)選圖書的薦購工作。參與采訪的各類人員專業(yè)水平和對采訪工作重視程度有較大差異，在采訪過程中反映出每類人員自身都存在一些優(yōu)點和弊端(見表2)，采訪實際效果存在較大的不確定性。

表2 各類參與圖書采訪人員的優(yōu)缺點一覽表

3 圖書智慧采訪的實現(xiàn)

從表1、表2不難看出，就目前圖書館采訪模式而言，不論是采購方式還是采購人員都存在一定的弊端或不足，這些年，圖書館一直在探索怎樣突破圖書采訪的瓶頸，提高圖書采購的質(zhì)量，但收效甚微。隨著人工智能技術的日趨成熟，智慧圖書館得到了前所未有的發(fā)展，人工智能的加持也將給圖書館采訪工作帶來新的契機，其可根據(jù)用戶的需求來重構(gòu)資源發(fā)現(xiàn)，全面整合各出版社不同年份的圖書信息，并根據(jù)學校學科專業(yè)建設和讀者的個性化需求甄選出最適合本館館藏的圖書，使采購的圖書資源更具專業(yè)性、針對性和實用性，最大限度減少現(xiàn)有采訪模式所帶弊端的不利影響。人工智能的三大基礎要素是：數(shù)據(jù)、計算能力和算法，怎樣圍繞這三大基石做好圖書采訪工作，是實現(xiàn)智慧采訪關鍵。

3.1 數(shù)據(jù)

數(shù)據(jù)是人工智能得以實施的基礎，智慧采訪所需的并非是常規(guī)意義上的數(shù)據(jù)，而是與圖書采訪相關的各種大數(shù)據(jù)，此類大數(shù)據(jù)是一個海量、異構(gòu)、快速增長中的數(shù)據(jù)集，智慧采訪系統(tǒng)可對這些數(shù)據(jù)進行分析，從而發(fā)現(xiàn)一些隱藏的規(guī)律、現(xiàn)象、原理等，并借助人工智能的批處理、流式處理、圖像處理等多種數(shù)據(jù)處理方式，從這些大數(shù)據(jù)中提取出各類圖書信息內(nèi)在的價值，并深度挖掘讀者潛在的閱讀需求和偏好[9]，有效拓展智慧采訪的深度與廣度，提高圖書館采訪工作的效率和質(zhì)量。

3.1.1 書目數(shù)據(jù)

對于圖書采訪而言，書目數(shù)據(jù)不論是新華書目報還是館配商的可供新書目，數(shù)據(jù)的源頭都是出版社提供的書目信息。出版社書目基礎元數(shù)據(jù)格式的轉(zhuǎn)化和內(nèi)容的豐富是一個紛繁復雜的工作，這既需要使用者(圖書館、館配商、書店)的促進、引導，也需要出版社轉(zhuǎn)變服務理念，在人力、物力和技術上給予大力支持方可順利完成。出版社可將“碼書”技術運用到書目數(shù)據(jù)之中，“碼書”是當前圖書出版發(fā)行的最新技術，簡單地說，就是在圖書中嵌入著者或出版社覺得應該加載在各環(huán)節(jié)或各知識點的視頻、圖片、動畫、表格等信息的二維碼，讀者只需用手機“掃一掃”分布在書中各處的二維碼，即可呈現(xiàn)出該二維碼中隱藏的內(nèi)容，大大增加了圖書的擴展空間，使知識“活”起來，深受讀者的喜愛。這種技術應該推廣到出版社對書目的制作中去，在書目中嵌入圖書照片、目錄、作者簡介、專家推薦視頻等內(nèi)容的二維碼，使書目“活”起來，內(nèi)容豐富起來，既方便讀者和圖書館進行選擇，也方便人工智能的機器學習，使智慧采訪系統(tǒng)加深對書目信息的“理解”，便于做好優(yōu)質(zhì)圖書的發(fā)現(xiàn)及對讀者推薦工作。

3.1.2 出版社重點圖書數(shù)據(jù)

出版社對該社出版的每一本圖書都進行了評審、校對，熟知每一本圖書的內(nèi)容，就像老師了解自己的學生一樣，哪些圖書是本年度出版的精品，出版社最具發(fā)言權，出版社推薦的重點圖書信息對于圖書館來說有較強的參考價值。

3.1.3 各種好書榜數(shù)據(jù)

不論是諾貝爾文學獎，還是央視“中國好書”榜、中華優(yōu)秀出版物獎、茅盾文學獎、文津圖書獎、新浪好書榜、豆瓣高分圖書榜等各種好書榜，都會定期評選出一定數(shù)量的上榜圖書，雖然各種好書榜關注的側(cè)重點有所不同，但都是在海量的新版圖書中通過業(yè)內(nèi)專家、知名學者和廣大讀者層層推薦、評選而形成的，只要能上榜的圖書都有其過人之處或獨到之處，具有較強的代表性，也是各圖書館收藏的重點。上海交通大學圖書館在2019年度數(shù)據(jù)中專門提到各類好書榜的館藏率達到98%[10]，也說明好書榜圖書對于高校來說具有較高的使用價值和收藏價值。

3.1.4 各領域頂尖專家學者數(shù)據(jù)

各行業(yè)的頂尖專家、學者對該行業(yè)的貢獻非常巨大，2020年，“新型冠狀病毒肺炎”席卷全世界，在抗擊疫情的過程中，中國能在短時間內(nèi)控制住疫情的快速蔓延，像鐘南山、張伯禮、李蘭娟等行業(yè)頂級專家起到了力挽狂瀾的作用，他們的貢獻是普通專家學者無法比擬的，而這些頂級專家所出版的著作具有更強的實戰(zhàn)型、典型性，一直都是圖書館收藏圖書的重點，要做到全面收藏這類專家學者的著作，首先得建立各行業(yè)頂級專家學者庫，這方面百度已經(jīng)做出了積極的探索，百度學術攜手中科院推出的“學者主頁”已經(jīng)入駐了122061個科研機構(gòu)，3549182個專家學者，大部分行業(yè)的頂級專家已經(jīng)被包含其中[11]。圖書館可依托百度學術建立與本校學科專業(yè)相關領域的頂尖專家學者著作的大數(shù)據(jù)，建立好此大數(shù)據(jù)后，一方面可智能匹配圖書館是否收錄齊全這些專家已發(fā)表的著作，做好查漏補缺的工作，另一方面，此類專家學者一旦有新的著作出版，圖書館即可智能獲取到最新的出版信息，便于圖書館采訪工作與時俱進、實時更新。

3.1.5 大型網(wǎng)上書店、館配商銷售數(shù)據(jù)

圖書實時的銷售信息，從一個側(cè)面反映出廣大讀者對圖書最真實的需求狀況，各種圖書銷量排行榜都能比較直觀地反映出廣大讀者對這些圖書的認可度和需求度，圖書館獲取到此數(shù)據(jù)后，還需結(jié)合本校的專業(yè)建設和讀者群體等情況，通過人工智能采訪系統(tǒng)甄別出適合本校館藏的圖書，使圖書采購充分兼顧高校圖書館藏書的學術性和實用性。

3.1.6 各高校圖書館的訂單數(shù)據(jù)

各高校當年的訂單數(shù)據(jù)是經(jīng)過本校師生和圖書館花了大量的精力在海量圖書中挑選而形成，具有較強的代表性，目前，圖書館可通過與兄弟院校溝通交流或通過館配商獲取到此數(shù)據(jù)，圖書館將獲取到的與本校學科專業(yè)設置相近的高校圖書訂單數(shù)據(jù)通過人工智能進行比對、分析和計算，能快速篩選出適合本校圖書館購買的新書初選數(shù)據(jù)，可節(jié)約大量選購時間，有效提高采訪工作效率。

3.1.7 本校學科專業(yè)建設數(shù)據(jù)

學科專業(yè)建設是圖書館文獻資源建設的指揮棒，圖書館的館藏結(jié)構(gòu)要和學校的學科專業(yè)建設相匹配才能在教學和科研中發(fā)揮出更大的作用，本校學科專業(yè)建設情況也是人工智能必須掌握的基礎數(shù)據(jù)。2015年10月，黨中央、國務院提出建設世界一流大學和一流學科(簡稱“雙一流”)的重大戰(zhàn)略決策[12]，將高校學科專業(yè)建設提到了全新的高度，各高校在進行雙一流建設時都離不開專業(yè)文獻資源的保障，此舉也推動了高校圖書館專業(yè)文獻的建設工作。此外，為了師生和圖書館獲取到各學科專業(yè)最新、最適合的教參圖書信息，中國高等教育文獻保障系統(tǒng)(CALIS)曾聯(lián)合全國51所高校初步建成了“中國高校教學參考信息系統(tǒng)”，為CALIS成員館的用戶提供課程與教學參考資料書目信息在線檢索服務，目前，該系統(tǒng)收入國內(nèi)各高校教師精選的教學參考書6萬余種，內(nèi)容基本覆蓋我國高等教育文理工農(nóng)林醫(yī)的重點學科[13]，該系統(tǒng)后期還不斷有高校將最新的教參書更新導入，對各高校的學科專業(yè)建設起到了較好的參考作用，圖書館在文獻采購時，結(jié)合本校學科專業(yè)建設的要求，將教參系統(tǒng)中發(fā)布的最新教參書實時導入采購，也是加大配合學校學科專業(yè)建設力度的一種形式。

3.1.8 師生薦書數(shù)據(jù)

圖書館獲取師生薦購圖書數(shù)據(jù)是精準對接師生需求最有效的方式。隨著高校教學改革的不斷深化，慕課、微課、翻轉(zhuǎn)課堂、探究式學習等新教學模式逐漸被師生所認可，這對圖書館文獻資源提出了更高、更新的要求，也提高了師生參與圖書館文獻資源建設的積極性，近年來，向圖書館薦購或選購圖書的師生人次和所選圖書數(shù)量都有較大幅度的增長，圖書館可及時抓住這一機遇，通過多渠道收集師生提供的采訪數(shù)據(jù)，特別可通過按需訂購模式(PDA)精準收集讀者薦購圖書的數(shù)據(jù)，這些薦購大數(shù)據(jù)的合理利用，不僅能提高智慧采訪的針對性，還可有效提高新購圖書借閱率。

3.1.9 電子圖書借閱數(shù)據(jù)

電子圖書具有數(shù)量龐大、檢索方便、便于攜帶、更新及時、不受時間和空間限制等優(yōu)勢，得到了越來越多讀者的認可，各高校每年都會購買了大量電子圖書數(shù)據(jù)庫以滿足師生的閱讀需求，這些電子圖書的借閱數(shù)據(jù)也從一定程度反映出該校讀者的閱讀偏好與需求，對于紙質(zhì)圖書采購具有較強的參考作用。如重慶大學2017年引入了京東閱讀數(shù)據(jù)庫，圖書館就通過對京東閱讀數(shù)據(jù)庫的電子圖書借閱排行情況進行分析，并對比了這些電子書所對應紙質(zhì)圖書的館藏情況及借閱情況，給紙質(zhì)圖書采訪提供了較為準確的讀者閱讀偏好的第一手資料[14]。

3.1.10 社交媒體數(shù)據(jù)

運用大數(shù)據(jù)技術，可從各個渠道收集到詳實的讀者閱讀需求信息，對高校圖書館來說也是一份重要的邊緣數(shù)據(jù)。比如可通過建立讀者閱讀需求模型，收集讀者在圖書館論壇、微信等社交媒體的發(fā)言、評論、建議，并整理讀者在圖書館的搜索及閱讀記錄，通過人工智能模擬、分析和預測其真實需求，進而有針對性采購相應圖書。

3.2 計算能力

強大的計算能力是人工智能得以實施的保障，圖書館作為高校的信息文獻中心，近年來不管是在硬件、人才等方面，還是新計算技術應用方面都取得了較大的進步。

3.2.1 計算硬件

近年來，各高校圖書館在智慧化建設進程中，均加大了用于圖書館機房硬件設施、設備升級換代專項資金投入力度，使圖書館在計算硬件上有了質(zhì)的飛躍。以清華大學圖書館為例，其數(shù)據(jù)中心在2018年就擁有服務器114臺，虛擬機169個，存儲容量1258TB[15]，這些強大的計算和儲存設備，為智慧圖書館項目順利實施奠定了堅實的硬件基礎。

3.2.2 計算人才

技術部是各高校圖書館的常設機構(gòu)，因工作性質(zhì)的特殊性，在該部門工作的員工大多是計算機專業(yè)的技術人才，近年來，隨著高校圖書館智慧化建設的不斷深入，圖書館引進或培養(yǎng)了不少高端計算人才，有的高校甚至為了充分發(fā)揮好智慧校園的作用，直接將網(wǎng)絡中心與圖書館合并成立圖書與信息中心，更是給圖書館增加了龐大的計算人才隊伍，浙江大學早在2009年就將圖書館和網(wǎng)絡信息中心整合后成立了“圖書與信息中心”，隨后，安徽財經(jīng)大學、南京農(nóng)業(yè)大學、中國礦業(yè)大學等多所高校也采取了類似的做法成立了圖書與信息中心[16]。這些舉措都為智慧圖書館的順利實施提供了強有力的人才保障。

3.2.3 云計算

云計算是傳統(tǒng)IT技術的集大成者，時至今日，已經(jīng)從一個新興事物成為業(yè)界廣泛使用的一項常規(guī)技能，其憑借超大規(guī)模、虛擬化、高可靠性、擴展性、通用性、可按需定制、便捷及廉價等優(yōu)勢，得到了諸多圖書館的青睞[17]。在我國高校不斷發(fā)展壯大的過程中，大多數(shù)高校都建有分校區(qū)，也就出現(xiàn)了分布在各校區(qū)的圖書分館，在對各個分館管理和對讀者服務時需要一個或多個強有力的計算中心進行統(tǒng)一的協(xié)調(diào)和整合資源,圖書館大多通過云平臺的建設來解決跨區(qū)域的管理和服務，積累了大量云計算的經(jīng)驗，為智慧圖書館的建設帶來了契機。例如北京聯(lián)合大學圖書館就通過部署虛擬化軟件—VMware VSphere整合多校區(qū)圖書館數(shù)據(jù)中心的服務器和存儲等設施，搭建多位一體的智慧服務平臺，優(yōu)化、整合和共享多校區(qū)圖書館信息資源，構(gòu)建起智慧化服務的生態(tài)模式[18]。圖書館計算能力的不斷進步，給智慧采訪系統(tǒng)處理海量的基礎數(shù)據(jù)提供了強有力的技術支撐。

3.3 算法

算法是數(shù)據(jù)驅(qū)動的自動化和智能化的核心關鍵。對于智慧采訪而言，當我們收集了各類相關數(shù)據(jù)之后，運用合適的算法便可智能化地進行決策和分析，通過數(shù)據(jù)來感知讀者和圖書館的交互。人工智能算法主要分為有監(jiān)督學習，無監(jiān)督學習和強化學習三大類。下面筆者將逐個分析各類機器學習方法在智能采訪上面的應用。

3.3.1 有監(jiān)督學習

有監(jiān)督學習包括線性或非線性回歸分析、決策樹分析等，主要服務于研究標簽和特征之間的聯(lián)系，同時為未知特征組合進行標簽預測，旨在建立標簽和特征之間的聯(lián)系。在這里標簽通常是單一連續(xù)和離散的指標，如圖書受歡迎的程度(連續(xù))，或本校同學是否喜愛該圖書(離散)；特征則指圖書本身、本圖書館以及本校師生相關的屬性，例如圖書的出版日期、話題、類別、本校相關專業(yè)學生數(shù)量占比、同類書目的歷史訪問借閱量等。我們可以通過有監(jiān)督學習的方式，當圖書館獲取并發(fā)布最新的書目數(shù)據(jù)后直接對最新書目進行預測分析。例如決策樹算法(包括經(jīng)典分類樹，CART，Boosting，Bagging，隨機森林等)可以通過收集到的數(shù)據(jù)層層推斷和歸一，從根節(jié)點向下進行決策直達子節(jié)點(或稱葉節(jié)點)，最后實現(xiàn)分類的效果[19]。如圖1就是一個模擬紙質(zhì)圖書決策樹算法的智能采購模式示意圖，人工智能采購系統(tǒng)會將書目數(shù)據(jù)與收集到的“師生推薦圖書”“好書榜圖書”“業(yè)內(nèi)專家、學者推薦圖書”“業(yè)內(nèi)頂級專家出版著作”“館配商、大型電商圖書銷量排行榜”和“本校借閱量大的電子書”等數(shù)據(jù)進行自動比對，再根據(jù)是否符合本校學科專業(yè)建設需求、本館是否有紙質(zhì)圖書館藏、是否符合當年圖書館采購圖書對出版年的限制、是否超過圖書碼洋的最高限額等設定的條件智能判斷哪些書該入選紙質(zhì)圖書采購訂單，哪些書不宜采購。智慧采訪有了決策樹算法的介入，像類似于重慶大學的“京東閱讀”平臺上借閱量排在前20名的電子書居然有3種圖書館沒有紙質(zhì)館藏的現(xiàn)象將會被杜絕。

圖1 紙質(zhì)圖書決策樹算法采購示意圖

3.3.2 無監(jiān)督學習

無監(jiān)督學習旨在對無標注數(shù)據(jù)進行規(guī)律挖掘和模式識別。該學習模式既可應用在簡單的結(jié)構(gòu)化數(shù)據(jù)上，也可以應用在復雜的非結(jié)構(gòu)化數(shù)據(jù)上[20]。例如，對于圖書館師生的身份信息、借閱習慣和頻率這樣的相對維度較多的結(jié)構(gòu)化數(shù)據(jù)，我們就可以利用無監(jiān)督學習的主成分分析(PCA)的方式進行降維簡化，能有效防止后續(xù)的機器學習中出現(xiàn)過擬合。同時，PCA后獲得的主成分相量也有助于我們分析各個因素對圖書借閱的影響以及相關性。對于復雜的非結(jié)構(gòu)化數(shù)據(jù)，我們可以相應地使用復雜的非參數(shù)模型或者深度學習模型對圖書品類、話題、借閱者等對象進行聚類。例如，我們可以用經(jīng)典的K-means模型對師生進行歸類，這樣就可以對各類別讀者的圖書薦購信息和使用信息進行分析，從個性化數(shù)據(jù)中找出讀者的共性需求，能解決圖書選擇中的最優(yōu)化問題。無監(jiān)督學習的優(yōu)勢還在于不需要對對象進行提前標注，也可以說是對標注信息沒有依賴。例如我們很難通過師生的年級和專業(yè)信息去判斷學生在本專業(yè)之外的閱讀興趣和頻率，但通過無監(jiān)督學習的方式，我們就可以在適當?shù)牧６认聦熒M行群類劃分，這些都是有監(jiān)督學習無法實現(xiàn)的。

3.3.3 強化學習

強化學習是近年來新興的一個人工智能的分支，主要代表為圍棋機器人Alpha-Go和各類自動駕駛算法。強化學習的核心目的是平衡決策的探索與開發(fā)。在強化學習中，主要有狀態(tài)、行為和獎勵三個空間，下面我們在圖書推薦的情形下對這三個空間進行分析和推演。在圖書推薦的過程中，“狀態(tài)”可以包括圖書館當前的書目儲備和借閱狀態(tài)，學生及教師的基本信息、歷史借閱記錄等?！靶袨椤眲t指的是圖書的推薦，包括推薦的類別和具體書目等等?！蔼剟睢眲t是“狀態(tài)”和“行為”產(chǎn)生的結(jié)果，可以用多種衡量方式，包括同學是否點擊瀏覽了圖書推薦，是否借閱等等。在強化學習的過程中，當算法接收到推薦需求之后，會自動通過歷史數(shù)據(jù)、當前決策以及被推薦者的狀態(tài)進行分析，給出一個推薦目錄。這個推薦目錄既可能包括被推薦者長期喜愛的話題，也可能包括當下最熱門但被推薦者沒有瀏覽借閱過的書目。當算法給出推薦目錄后，會跟蹤該推薦的結(jié)果，量化出一個推薦的質(zhì)量，并反饋給智慧采訪系統(tǒng)，實現(xiàn)決策的更優(yōu)化。

4 智慧采訪可持續(xù)發(fā)展策略

4.1 加強人工智能人才儲備

美國學者伊安·約翰遜曾說道：“除了智慧的圖書館員沒有人創(chuàng)造出智慧圖書館”[21]。目前，雖然各高校圖書館在專業(yè)人才儲備上取得了喜人的進步，博士、碩士學歷的職工占比也在逐年增大，能基本滿足現(xiàn)階段圖書館建設需求，但隨著圖書館智慧化進程的不斷深入，人工智能人才的需求將進一步擴大，這就需要高校在此類人才的配比和培養(yǎng)上持續(xù)向圖書館傾斜，才能保證圖書館智慧化的不斷深入，智慧采訪也才能得到長足的發(fā)展。

4.2 強化數(shù)據(jù)安全與隱私保護

在智慧圖書館的建設中，數(shù)據(jù)安全和讀者隱私保護一直都是比較敏感的問題，人工智能整合了互聯(lián)網(wǎng)、大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算等新技術，由于人工智能對所獲取的數(shù)據(jù)具有一定的感知、計算和執(zhí)行能力，海量的數(shù)據(jù)被智能獲取后，一切都將變得更加“透明”，人工智能系統(tǒng)在管理權限的設定上將涉及道德、倫理等問題，甚至是法律問題，若這些數(shù)據(jù)被不當使用，將會給社會、學校和個人信息安全構(gòu)成嚴重威脅，所以強化數(shù)據(jù)安全和個人隱私保護也是智慧圖書館建設當中尤其要重視的問題，只有在保護好讀者隱私的前提下加強各種數(shù)據(jù)的安全保障，才能充分發(fā)揮好各類數(shù)據(jù)在智慧采訪中的作用。

4.3 實現(xiàn)高校圖書館采訪數(shù)據(jù)共享

目前，各高校圖書館的采訪數(shù)據(jù)未對外界公開，這并不利于高校之間相互學習、取長補短和共同進步，特別是一些文獻資源建設做得好的標桿高校的示范、引領作用沒發(fā)揮出來，各高校圖書館要想?yún)⒖计渌咝D書館的采訪數(shù)據(jù)一般通過非官方的渠道獲取，獲取過程較為麻煩且不夠全面，給人工智能的機器學習帶來數(shù)據(jù)缺憾。各高校的采訪數(shù)據(jù)對行業(yè)的公開，相當于把自己的采購成果和采訪水平也暴露給了同行的各位采訪專家，給各高校采訪人員增加了無形的壓力，有效杜絕采購的隨意性，使采訪人員工作更細致，采購圖書時更能做到“好中選優(yōu)、優(yōu)中選精”，也是對各高校圖書館采訪工作的一種監(jiān)督和促進。各圖書館對同類高校的采訪數(shù)據(jù)都有不同程度的需求，再加上采訪數(shù)據(jù)的共享無損于各自學校的利益，也不存在保密的要求，理應早日搭建高校圖書采訪數(shù)據(jù)共享平臺，使智慧采訪的多了一個重要的數(shù)據(jù)觀測點，這既需要圖書館學會、高校圖工委這樣的行業(yè)機構(gòu)統(tǒng)籌、協(xié)調(diào)和管理，更需要得到各高校圖書館的大力支持。

4.4 運用新技術提升智慧采訪的便捷度

隨著時代的變遷，人們在享受智慧生產(chǎn)、生活和學習時，會接觸到許多人工智能新技術，這些新技術在諸多行業(yè)中已被成熟運用。在智慧采訪設計和升級改造中可奉行“拿來主義”，將這些新技術嵌入其中，使智慧采訪變得更加便捷。

4.4.1 智能語音識別技術

“天貓精靈”“百度小度”等設備或應用都具有強大的語音識別和信息發(fā)現(xiàn)能力，能和人類進行“溝通交流”并“理解”人們的意圖，智能語音識別技術的加持，也能使智慧采訪系統(tǒng)在接受讀者薦購圖書時，不需要讀者再進行費時、費力地輸入薦購圖書的書名、書號、著者等信息，只需將自己的需求告訴智慧采訪系統(tǒng)即可。例如當老師接手了一門《MATLAB仿真應用》新課程時，可以直接對圖書館智慧采訪系統(tǒng)說道：“推薦幾本最新MATLAB仿真應用的好書給圖書館，請他們采購一下?！笔Ｏ碌墓ぷ?，智慧采訪系統(tǒng)就會自動完成該類圖書信息的獲取、查重和訂購，并及時給薦購者反饋圖書館采購這些圖書的實時信息，圖書到館后還會提醒讀者前來借閱。

4.4.2 智能圖像識別技術

“百度”“淘寶”和“京東”都是人們?nèi)粘Ｉ钪凶畛Ｓ玫膽茫鋼碛袕姶蟮膱D像識別能力，智慧采訪也可借鑒這些應用的設計，將圖像識別功能嵌入其中，當讀者在任何地方看到心儀的圖書時，都可打開手機端的圖書館智慧采訪軟件進行拍照，其通過圖像識別技術，智能識別出該圖書的信息并進行查重，若該書已在館，則會告知讀者其館藏信息，若該書沒有館藏，則通過智慧采購系統(tǒng)進行甄別、訂購，并將圖書訂購、入藏等信息實時反饋給讀者。

4.4.3 APP技術拓展智慧采訪功能

隨著智能手機的普及和移動互聯(lián)網(wǎng)的高速發(fā)展，手機APP成了大家生活的一部分，這是一種潮流，更是一種趨勢，為了順應這種趨勢，一些高校智慧圖書館APP已經(jīng)上線運用，使讀者能隨時隨地體驗智慧圖書館帶來的方便與快捷，智慧圖書館APP除了可提供文獻檢索、圖書借閱等基本功能而外，各個圖書館還根據(jù)自身的業(yè)務需要或本館特色在APP中開辟了一些特色服務的板塊，使智慧圖書館服務的方式更具多樣性和實用性。如重慶大學智慧圖書館APP集成了掃碼薦購圖書、二維碼門禁、我的書齋等特色模塊[22]。寧波大學智慧圖書館APP集成了微書閱讀、書店借書等功能模塊[23]。隨著智慧圖書館業(yè)務廣度和深度的不斷推進，圖書館在開發(fā)或升級智慧APP時應考慮嵌入智慧采訪模塊，使圖書采訪不再受固定設備和時間的限制，采購更加便捷、及時。

4.5 持續(xù)加強機器學習

機器學習是使機器變得更“聰明”的重要因素，也是人工智能的核心，機器學習除了能識別其軟件中程序代碼，更多的是學習、“理解”大量的數(shù)據(jù)。例如谷歌、百度等公司反復讓無人駕駛汽車行駛數(shù)百萬英里，就是為了收集數(shù)據(jù)，促進軟件的深度學習，人工智能軟件會不斷地添加、修改代碼和學習數(shù)據(jù)，直至達到能輕松應對各種駕駛場景和突發(fā)事件的目標[24]。圖書館在智慧采訪系統(tǒng)的使用過程中，通過不斷總結(jié)和發(fā)現(xiàn)自身的不足、及時了解讀者的新需求，并充分領悟機器學習的精髓，加強“自身學習”，使采訪系統(tǒng)變得更加完美。

5 結(jié)語

采訪的實質(zhì)就是搭建好文獻資源與讀者需求之間的橋梁，人工智能在圖書館的深度運用，將推進圖書采訪由人工化向智慧化的轉(zhuǎn)型，使信息互通和需求匹配變得更加順暢，高效、智慧、精準采訪圖書的目標得以實現(xiàn)。如果把正在蓬勃發(fā)展的智慧圖書館看作是一輛汽車的話，人工智能就是一臺高效能的汽車發(fā)動機，當發(fā)動機迸發(fā)出更強的驅(qū)動力時，將推動智慧圖書館朝著更遠的目標邁進。