摘 要：政府開放數(shù)據(jù)平臺是連接用戶和數(shù)據(jù)的重要橋梁。文章從用戶利用的視角出發(fā)，采用Tf-idf特征提取、詞云圖、社會語義網(wǎng)絡(luò)圖等深度挖掘文本內(nèi)容，展示用戶需求的熱門數(shù)據(jù)并及時找到存在的問題，從而提出優(yōu)化內(nèi)容服務(wù)、增強互動設(shè)計、完善反饋解答以及規(guī)范隱私保護四個方面的建議。通過對政府?dāng)?shù)據(jù)開放平臺的用戶反饋評論數(shù)據(jù)的挖掘，為我國政府開放數(shù)據(jù)平臺的發(fā)展提供參考建議。

關(guān)鍵詞：文本挖掘；用戶反饋；政府?dāng)?shù)據(jù)開放平臺；開放數(shù)據(jù)

中圖分類號：G252.0 文獻標(biāo)識碼：A

Text Mining-Based Analysis of Online Comments on Government Open Data Platforms

Abstract The government open data platform is an important bridge connecting users and data. This article starts from the perspective of user utilization， and uses techniques such as Tf-idf feature extraction， word cloud， and social semantic network analysis to deeply mine the content of user feedback and showcase the popular data needs while timely identifying existing problems. Based on this， it proposes four suggestions for refining content services， enhancing interactive design， improving feedback and answers， and regulating privacy protection. By mining user feedback data on the government open data platform， this study provides reference suggestions for the development of China's government open data platform.

Key words text mining; user feedback; government data open platform; open data

1 引言

政府?dāng)?shù)據(jù)開放是信息技術(shù)、政治和社會發(fā)展到一定階段的產(chǎn)物[1]，而政府?dāng)?shù)據(jù)開放旨在讓用戶參與來創(chuàng)造公眾價值[2]。我國高度重視政府?dāng)?shù)據(jù)開放并加快政府?dāng)?shù)據(jù)開放平臺建設(shè)。2020年4月，國務(wù)院頒布的《關(guān)于建立更加完善的要素市場配置機制的意見》中指出，要推進政府?dāng)?shù)據(jù)開放共享，提升社會數(shù)據(jù)資源價值，“迎接數(shù)字時代，激活數(shù)據(jù)要素潛能”被確立為戰(zhàn)略布局重要內(nèi)容。截至2022年10月，我國已有208個省級和城市的地方政府上線了數(shù)據(jù)開放平臺，基本實現(xiàn)了公共數(shù)據(jù)的平臺化服務(wù)。但是中國目前尚未建成全國性的政府?dāng)?shù)據(jù)開放平臺，“數(shù)林”的整體格局模式尚未形成[3]。

為了更加精準(zhǔn)、有效地為用戶提供數(shù)據(jù)服務(wù)，讓開放數(shù)據(jù)創(chuàng)造更大的經(jīng)濟和社會價值，深入研究平臺用戶反饋具有重要意義[4]。通過對政府?dāng)?shù)據(jù)開放平臺的用戶反饋評論數(shù)據(jù)進行挖掘，結(jié)合詞云圖和社交網(wǎng)絡(luò)的語義關(guān)系進行可視化分析，展示用戶需求的熱門數(shù)據(jù)并及時找出平臺建設(shè)過程中存在的問題，為政府?dāng)?shù)據(jù)開放平臺更好滿足用戶需求提供有效借鑒，以期提高我國政府?dāng)?shù)據(jù)開放平臺的建設(shè)水平。

2 相關(guān)研究概述

從現(xiàn)有研究來看，我國學(xué)者主要采用定性和定量相結(jié)合的方法，從不同維度對不同國家、地區(qū)的開放數(shù)據(jù)平臺進行探討。如黃如花[5]在數(shù)據(jù)生命周期理論的指導(dǎo)下，以多個開放數(shù)據(jù)的生命周期模型為基礎(chǔ)，建立了一個完整的政府?dāng)?shù)據(jù)開放共享標(biāo)準(zhǔn)體系。付熙雯和鄭磊[6]則提出開放數(shù)據(jù)的動態(tài)體系，提出我國開放數(shù)據(jù)工作要從系統(tǒng)、動態(tài)的角度來看待問題、推動工作，以社會、市場需要為起點，以公共利益為終極目的，開放與應(yīng)用并重，政府與社會共同努力，與政策、管理和技術(shù)同時進行，促進開放數(shù)據(jù)的良性循環(huán)。姬卓君和馬海群[7]運用AHP（Analytic Hierarchy Process， 層次分析法）方法，從政策、數(shù)據(jù)、開放數(shù)據(jù)平臺三個層面對中國9個地區(qū)的開放數(shù)據(jù)平臺進行評價，并基于中國大多數(shù)的城市數(shù)據(jù)質(zhì)量較低且較差的評價結(jié)果給出相應(yīng)的對策。程風(fēng)、邵春霞[8]從歷史、能力和外部因素三個層面對中國19個省市的政府?dāng)?shù)據(jù)開放程度進行研究，運用模糊集定性比較分析方法對其進行具體的分析。鄧勝利、夏蘇迪[9]針對開放數(shù)據(jù)平臺的建設(shè)情況，從數(shù)據(jù)層和平臺層2個層面的11個維度對中美城市政府開放數(shù)據(jù)平臺的發(fā)展現(xiàn)狀進行了對比分析，根據(jù)對比分析得出的問題提供對策。

現(xiàn)有研究主要從指標(biāo)、理論設(shè)計和實證等方面進行了分析，對中國政府?dāng)?shù)據(jù)開放平臺建設(shè)的現(xiàn)狀進行了深入的探索，并對其進行了相應(yīng)的優(yōu)化和改進，以提高我國政府?dāng)?shù)據(jù)開放水平。政府?dāng)?shù)據(jù)開放平臺的用戶是實際的數(shù)據(jù)使用者，通過對用戶反饋評論數(shù)據(jù)進行文本分析，我們可以了解平臺的服務(wù)和功能是否真的讓用戶滿意。在目前的研究中，最常使用比較分析、文獻分析等定性研究和描述性分析相結(jié)合的方法。與此同時，由于人工智能和機器學(xué)習(xí)等技術(shù)的廣泛應(yīng)用，使得傳統(tǒng)的實證研究在時間和空間上受到限制，導(dǎo)致了研究效率低下，而大數(shù)據(jù)時代的來臨，使我們有機會更新研究方法，對政府?dāng)?shù)據(jù)開放平臺的服務(wù)質(zhì)量進行更加科學(xué)、有效的評估。

因此，本文從用戶角度出發(fā)，以我國建議反饋功能模塊較為完善的浙江省政府?dāng)?shù)據(jù)開放平臺為例，收集了大量的用戶反饋評論數(shù)據(jù)，運用文本挖掘的方法對其進行分析，力圖通過文本內(nèi)容特征體現(xiàn)出更加真實、準(zhǔn)確的信息。然后根據(jù)反饋的內(nèi)容，及時找出問題所在，并針對這些問題提出相應(yīng)的改進措施，從而提高我國政府?dāng)?shù)據(jù)開放平臺的建設(shè)水平。

3 研究設(shè)計

3.1 研究思路

通過網(wǎng)絡(luò)爬蟲采集浙江省政府?dāng)?shù)據(jù)開放平臺用戶反饋評論數(shù)據(jù)，并對數(shù)據(jù)進行數(shù)據(jù)清洗、中文分詞和去除停用詞等預(yù)處理[10]；對預(yù)處理后的數(shù)據(jù)提取特征詞，對評論數(shù)據(jù)進行詞頻分析并制作詞云圖[11]；最后利用ROST CM6內(nèi)容挖掘系統(tǒng)軟件（ROST Content Mining6）對數(shù)據(jù)進行語義網(wǎng)絡(luò)分析，生成詞頻數(shù)據(jù)和語義網(wǎng)絡(luò)可視化圖像[12]。具體流程如圖1所示。

3.2 數(shù)據(jù)獲取及預(yù)處理

3.2.1 數(shù)據(jù)采集

本研究以浙江省政府?dāng)?shù)據(jù)開放平臺為數(shù)據(jù)采集對象，以其用戶反饋評論數(shù)據(jù)作為研究對象進行文本挖掘研究。將該平臺子欄目下的互動文本數(shù)據(jù)進行歸類，分為“數(shù)據(jù)需求”“平臺體驗”“數(shù)據(jù)糾錯”三大模塊，使用Python采集浙江省政府?dāng)?shù)據(jù)開放平臺用戶反饋評論數(shù)據(jù)。收集時間為2022年11月1—2日，采集信息共845條，部分評論數(shù)據(jù)如表1所示。

3.2.2 數(shù)據(jù)預(yù)處理

（1）數(shù)據(jù)清洗。為了增強數(shù)據(jù)分析的可信性，對原始的評論進行了必要的清理和刪除，文本信息去噪（刪除了重復(fù)以及不相關(guān)的評論），減少了對分類的影響。最后把剩余的802條評論數(shù)據(jù)作為樣本數(shù)據(jù)保存到.txt文件中。

（2）文本分詞。在文本挖掘的過程中，將評論語句拆分成單個的詞語，以便于分析語句的特性進行更好的處理。jieba詞庫是中文分詞系統(tǒng)中效果最好的中文分詞組件之一，主要有三種類型：精確模式、全模式和搜索引擎模式。本文采用jieba算法對爬取得到的數(shù)據(jù)進行文本分詞處理（精確模式）。中文分詞的步驟是：將用戶的反饋信息輸入到. txt文件中，把jieba文件裝入Python；進行代碼的分詞，為了優(yōu)化分詞的效果，根據(jù)實際情況，在編程中加載了自定義詞典；在分析結(jié)果時，如果單詞長度為1，可解釋性較弱，因此要選取長度超過1的單詞，才能更好地理解結(jié)果[13]。

（3）去除停用詞。那些在文本分類中沒有任何實際意義但卻頻繁出現(xiàn)的詞被稱為“虛詞”，即停用詞，刪除停用詞后可以更加準(zhǔn)確地傳達(dá)文章的主旨，避免某些不必要的詞匯會影響分析[14]。在哈爾濱工業(yè)大學(xué)自然語言處理實驗室停用詞典中，添加了一些自定義的詞匯（主要是標(biāo)點符號、官方網(wǎng)站回復(fù)的禮貌用語以及省市的名稱）。在語料庫中適當(dāng)降低停用詞出現(xiàn)的次數(shù)，有助于我們對關(guān)鍵詞的精煉，使其更加集中、突出[15]。

4 實例分析

4.1 基于詞云圖的高頻詞分析

基于上述劃分的模塊，按不同類目（標(biāo)題詞頻、問題描述、回復(fù)詞頻）利用Tf-idf算法對文字進行特征抽取，其主要依據(jù)單詞在一段文字中出現(xiàn)的頻率和在各個語料庫中的使用頻率，以此來反映該詞的重要性。這種方法能夠區(qū)分詞頻中詞匯的重要性。如果某一詞在一文本中的頻率較高，而在詞庫中又很少見，則該詞為本文的關(guān)鍵詞；相反，如果這個詞在語料庫中所有的文本中都是高的，則該詞的重要性就會降低。

Tf-idf的值越大，說明這個特征詞對用戶反饋評論數(shù)據(jù)的重要性越高[16]。根據(jù)Tf-idf的計算結(jié)果，提取三個模塊前20個特征詞，如表2所示?！皵?shù)據(jù)”“信息”“申請”“接口”“平臺”“開放”“數(shù)量”等特征詞尤為顯著，說明這幾個特征詞在政府?dāng)?shù)據(jù)開放平臺的用戶反饋評論數(shù)據(jù)中具有較高的重要性[17]。

為了更好地展現(xiàn)用戶在反饋過程中所關(guān)心的問題和需要，本研究采用了“詞云圖”來進行特征可視化。詞云圖中的文字大小可以看出這個詞在所有評論中的重要程度，通過詞云圖可以看出文本所要表達(dá)的主要含義。

按不同類目（標(biāo)題詞頻、問題描述、回復(fù)詞頻）繪制詞云圖進行可視化，如圖2—圖4所示。獲取主題并追蹤原文，使其更加準(zhǔn)確地對主題詞加以解讀。

由圖可見，在“數(shù)據(jù)需求”中，“企業(yè)”“人口”“資源”等標(biāo)題出現(xiàn)頻率較高，表明大部分用戶存在獲取企業(yè)信息、旅游資源數(shù)據(jù)、地級市人口數(shù)量等的傾向。在“數(shù)據(jù)糾錯”中，“數(shù)據(jù)”“信息”存在著“缺少對應(yīng)格式”、“打不開”以及“地址報錯”，平臺部分功能使用存在技術(shù)問題等。在“回復(fù)詞頻”中，我們發(fā)現(xiàn)在解答用戶反饋的問題時，出現(xiàn)了特征詞“無法”“深表抱歉”等，不能真正解決用戶的問題，還可能使用戶產(chǎn)生消極情緒，認(rèn)為反饋是一種無意義的行為。

4.2 基于語義網(wǎng)絡(luò)的共現(xiàn)分析

通過文本特征提取和詞云圖分析后，可以很直觀地了解到政府?dāng)?shù)據(jù)開放平臺的用戶所關(guān)注和重視的若干要素，但不能發(fā)現(xiàn)這些要素的關(guān)聯(lián)[18]。我們需要采用語義網(wǎng)絡(luò)分析的方法直觀地分析特征詞之間的聯(lián)系，并且通過語義網(wǎng)絡(luò)分析的節(jié)點，進一步探究用戶反饋評論數(shù)據(jù)中存在的其他特征。

本研究采用ROST CM6的內(nèi)容挖掘系統(tǒng)對用戶的評論文本進行社會網(wǎng)絡(luò)和語義網(wǎng)絡(luò)的分析。ROST CM6是由武漢大學(xué)沈陽教授團隊研發(fā)的國內(nèi)目前唯一輔助人文社會科學(xué)研究的計算平臺，它把分詞結(jié)果導(dǎo)入軟件中，然后按順序生成共現(xiàn)語義網(wǎng)絡(luò)以及共現(xiàn)矩陣詞表等。生成的共現(xiàn)矩陣如表3所示，共現(xiàn)語義網(wǎng)絡(luò)如圖5所示。

分析共現(xiàn)矩陣可以看出，用戶反饋評論形成了以“數(shù)據(jù)”為中心的評論網(wǎng)絡(luò)。共現(xiàn)矩陣展示了各個高頻詞之間的共現(xiàn)關(guān)系。其中“數(shù)據(jù)-問題”（260次）、“數(shù)據(jù)-平臺”（167次）、“部門-主體”（65次）多次共現(xiàn)說明了高頻詞之間的親疏關(guān)系，這有助于平臺挖掘高頻詞背后更深層次的聯(lián)系。

由共現(xiàn)語義網(wǎng)絡(luò)圖可見，“信息”“數(shù)據(jù)”節(jié)點處于網(wǎng)絡(luò)圖的中心位置，其他節(jié)點向四周發(fā)散分支出一些密切相關(guān)的話題。在中心節(jié)點附近分布著一些一級核心詞，“開放”“申請”“接口”“公開”等詞緊緊圍繞中心節(jié)點，可以看出用戶普遍關(guān)注平臺數(shù)據(jù)資源的建設(shè)現(xiàn)狀，通過分析用戶反饋評論數(shù)據(jù)的相關(guān)內(nèi)容發(fā)現(xiàn)，用戶比較關(guān)注平臺的API數(shù)據(jù)接口、數(shù)據(jù)應(yīng)用數(shù)據(jù)獲取等數(shù)據(jù)服務(wù)。此外，“政府采購”節(jié)點也具有一定的中心性，主要涉及省級政府采購、年度政府采購以及收入等方面的內(nèi)容。值得關(guān)注的是，共現(xiàn)語義網(wǎng)絡(luò)圖中“大學(xué)”“研究生”“科研”“論文”這幾個節(jié)點聯(lián)系十分緊密，說明用戶關(guān)注高校以及科研論文的數(shù)據(jù)，體現(xiàn)了用戶對教育文化等方面信息的需求。通過特征詞之間的共現(xiàn)關(guān)系可以很清楚地看到用戶所關(guān)心和重視的方面，政府?dāng)?shù)據(jù)開放平臺仍需根據(jù)用戶切實需求不斷提升數(shù)據(jù)服務(wù)。

5 服務(wù)優(yōu)化路徑

對于用戶而言，反饋的建議得到采納并得到解決，將會大大提高其參與積極性，從而形成一個良性的反饋循環(huán)，為今后政府?dāng)?shù)據(jù)開放平臺的發(fā)展奠定堅實的基礎(chǔ)。本文根據(jù)前文的文本挖掘結(jié)果和語義網(wǎng)絡(luò)中的主題詞，總結(jié)出未來平臺應(yīng)當(dāng)改進的方向。

5.1 優(yōu)化內(nèi)容服務(wù)，推進數(shù)據(jù)“驅(qū)動”

通過對調(diào)查結(jié)果的分析，發(fā)現(xiàn)目前用戶更傾向于獲取平臺數(shù)據(jù)資源現(xiàn)狀以及教育文化、行業(yè)資源等方面的數(shù)據(jù)。但是，用戶的需求是動態(tài)的，政府應(yīng)當(dāng)綜合用戶反饋以及時事熱點不斷調(diào)整更新，開放數(shù)據(jù)平臺所提供的信息應(yīng)符合政策導(dǎo)向，注重對熱點區(qū)域的采集，并根據(jù)用戶的喜好對其進行個性化的推薦，以最大程度地為用戶提供高質(zhì)量的目標(biāo)數(shù)據(jù)。保證“新鮮”的數(shù)據(jù)并對數(shù)據(jù)及時更新，為用戶提供精細(xì)化的“新鮮”數(shù)據(jù)。只有如此，政府?dāng)?shù)據(jù)開放平臺的數(shù)據(jù)才能真正發(fā)揮作用，從而推動經(jīng)濟和社會發(fā)展。

5.2 增強互動設(shè)計，打造數(shù)據(jù)交流園地

在對用戶反饋的平臺體驗進行分析時，發(fā)現(xiàn)了其存在互動功能交流不足的問題。針對這一問題，政府部門應(yīng)該以用戶體驗為抓手，加強用戶的主動服務(wù)意識，并完善平臺的各項用戶參與功能設(shè)計，比如建立信息分享機制，讓用戶可以在微博、朋友圈等社交平臺上共享數(shù)據(jù)；增強信息交流和互動功能，讓用戶提交數(shù)據(jù)及請求、反饋問題并鼓勵用戶對開放數(shù)據(jù)進行打分和評論。通過提供個性化的信息服務(wù)，突破用戶之間的交流障礙，方便用戶間的信息交流。

5.3 完善反饋解答，保證回應(yīng)質(zhì)量

在解答用戶反饋的問題時，“對此深表歉意，后續(xù)如有更新，這邊會進行同步更新”等不具體的回答不在少數(shù)。這樣的解答不僅無法解決用戶的問題，反而會產(chǎn)生反效果，使用戶覺得該行為是毫無意義的。因此，應(yīng)該加強政府部門回應(yīng)的質(zhì)量，在信息技術(shù)部門的協(xié)助下，通過培訓(xùn)提高政府工作人員的專業(yè)技能及協(xié)調(diào)能力；建立特定的問題解答模板，如問題描述、解決時間、處理機構(gòu)、舉報郵箱等，做好反饋解答的定期檢查工作，對問題進行復(fù)查，解決問題并加以改進。增強用戶對政府的信任，便于用戶通過數(shù)據(jù)進行科研創(chuàng)新，促進社會發(fā)展。

5.4 規(guī)范隱私保護，培育數(shù)據(jù)文化

政府?dāng)?shù)據(jù)開放意味著政府要承擔(dān)數(shù)據(jù)信息泄露的風(fēng)險和數(shù)據(jù)隱私保護的責(zé)任。在保障機制方面，政府要妥善處理數(shù)據(jù)公開與隱私之間的關(guān)系，明確數(shù)據(jù)公開和保密的范圍，加快制定數(shù)據(jù)、信息安全與隱私保護方面的法律法規(guī)。從長遠(yuǎn)考慮，政府部門還應(yīng)當(dāng)培養(yǎng)公民的數(shù)據(jù)權(quán)利意識，通過培訓(xùn)、宣傳等方式促使數(shù)據(jù)觀念深入人心，從而增強用戶的個人數(shù)據(jù)保護素養(yǎng)，強化數(shù)據(jù)保護意識[19]。

6 結(jié)語

本文采集了浙江省政府?dāng)?shù)據(jù)開放平臺的用戶反饋評論數(shù)據(jù)，結(jié)合詞云圖和社交網(wǎng)絡(luò)的語義關(guān)系對其進行可視化分析，定位痛點，優(yōu)化服務(wù)。本文提出了一種基于文本挖掘的新思路，對傳統(tǒng)的調(diào)查方法進行補充，以期為其他政府信息公開平臺的建立和完善提供參考。但值得注意的是，本文的研究對象僅以一個地方政府?dāng)?shù)據(jù)開放平臺為主，樣本數(shù)量較少，數(shù)據(jù)源有待進一步補充豐富。

參考文獻：

[1] 肖冬梅，蘇瑩.我國政府?dāng)?shù)據(jù)開放中的安全風(fēng)險及其防范對策[J].現(xiàn)代情報，2022，42（6）：112-120，131.

[2] 劉桂琴.政府?dāng)?shù)據(jù)開放平臺用戶評論情感差異分析[J].數(shù)字圖書館論壇，2019（2）：18-23.

[3] 雷玉瓊，蘇艷紅.地方政府?dāng)?shù)據(jù)開放平臺發(fā)展模式及績效差異[J].中國行政管理，2020（12）：40-46.

[4] 李冠，趙毅.基于在線評論的政府?dāng)?shù)據(jù)開放平臺用戶增量需求研究[J].數(shù)字圖書館論壇，2022（12）：37-46.

[5] 黃如花.我國政府?dāng)?shù)據(jù)開放共享標(biāo)準(zhǔn)體系構(gòu)建[J].圖書與情報，2020（3）：17-19.

[6] 付熙雯，鄭磊.開放政府?dāng)?shù)據(jù)的價值測量：特征與方法的比較研究[J].圖書情報工作，2020，64（19）：140-152.

[7] 姬卓君，馬海群.我國政府?dāng)?shù)據(jù)開放狀況評價分析[J].圖書情報研究，2018，11（1）：12-19.

[8] 程風(fēng)，邵春霞.中國省級政府?dāng)?shù)據(jù)開放水平的驅(qū)動機制研究[J].情報雜志，2022，41（3）：198-207.

[9] 鄧勝利，夏蘇迪.中美城市政府開放數(shù)據(jù)平臺對比研究[J].圖書館雜志，2019，38（6）：57-68，75.

[10] 陳俊宇，鄭列.基于R語言的商品評論情感可視化分析[J].湖北工業(yè)大學(xué)學(xué)報，2020，35（1）：110-113.

[11] 黃蘇雨.基于情感分析的LDA模型在在線評論中的運用[J].現(xiàn)代營銷，2018（1）：82-83.

[12] 張振華，許柏鳴.基于在線評論文本挖掘的商業(yè)競爭情報分析模型構(gòu)建及應(yīng)用[J].情報科學(xué)，2019，37（2）：149-153，160.

[13] 畢達(dá)天，楚啟環(huán)，曹冉.基于文本挖掘的消費者差評意愿的影響因素研究[J].情報理論與實踐，2020，43（10）：137-143.

[14] 馬松岳，許鑫.基于評論情感分析的用戶在線評價研究：以豆瓣網(wǎng)電影為例[J].圖書情報工作，2016，60（10）：95-102.

[15] 董爽，王曉紅，葛爭紅.基于文本挖掘的B2C購物網(wǎng)站在線評論內(nèi)容特征分析[J].圖書館理論與實踐，2017（6）：54-58.

[16] 張公讓，鮑超，王曉玉，等.基于評論數(shù)據(jù)的文本語義挖掘與情感分析[J].情報科學(xué)，2021，39（5）：53-61.

[17] 楊九龍，鮑慧璐.用戶在線評論省級公共圖書館內(nèi)容挖掘與情感分析[J].圖書館學(xué)研究，2021（21）：10-17.

[18] 池毛毛，潘美鈺，王偉軍.共享住宿與酒店用戶評論文本的跨平臺比較研究：基于LDA的主題社會網(wǎng)絡(luò)和情感分析[J].圖書情報工作，2021，65（2）：107-116.

[19] 楊瑞仙，毛春蕾，左澤.國內(nèi)外政府?dāng)?shù)據(jù)開放現(xiàn)狀比較研究[J].情報雜志，2016，35（5）：167-172.

作者簡介：王麗雅，沈陽建筑大學(xué)圖書館館長，研究館員，研究方向為圖書館管理；龐曉楠，沈陽建筑大學(xué)計算機科學(xué)與工程學(xué)院碩士研究生，研究方向為政府?dāng)?shù)據(jù)開放、圖書館管理。

收稿日期：2023-01-03本文責(zé)編：王曉琳

* 本文系遼寧省高等學(xué)校圖書情報工作委員會基金項目“館、社、商三方合作背景下的高校圖書館服務(wù)創(chuàng)新機制與實踐研究”（項目編號：LTB201904）的成果之一。