柳益君+何勝+熊太純+馮新翎+武群輝

〔摘 要〕在當(dāng)前“互聯(lián)網(wǎng)+”背景下，應(yīng)用大數(shù)據(jù)挖掘技術(shù)提高知識服務(wù)的智能化、個性化、自動化水平，實現(xiàn)智慧性的知識服務(wù)是圖書館服務(wù)的發(fā)展趨勢。首先提出基于大數(shù)據(jù)挖掘的圖書館智慧服務(wù)模型，通過用戶群挖掘、用戶興趣挖掘、學(xué)科和領(lǐng)域知識挖掘、業(yè)務(wù)關(guān)聯(lián)挖掘來溝通大數(shù)據(jù)應(yīng)用和智慧服務(wù)需求；然后提出基于Hadoop平臺的圖書館大數(shù)據(jù)挖掘技術(shù)支撐體系，為智慧服務(wù)應(yīng)用落地提供技術(shù)方案；最后探討大數(shù)據(jù)挖掘支持下的場景化知識推薦服務(wù)和微知識自動問答服務(wù)。

〔關(guān)鍵詞〕圖書館；智慧服務(wù)；大數(shù)據(jù)挖掘；場景化知識推薦；微知識自動問答

DOI：10.3969/j.issn.1008-0821.2017.11.013

〔中圖分類號〕G250.76 〔文獻(xiàn)標(biāo)識碼〕A 〔文章編號〕1008-0821（2017）11-0081-06

The Smart Service of Library from the Perspective of Big Data Mining

——Model，Technology and Service

Liu Yijun1，3 He Sheng1，3 Xiong Taichun2 Feng Xinling1，3 Wu Qunhui2

（1.School of Computer Engineering，Jiangsu University of Technology，Changzhou 213001，China；

2.Library，Jiangsu University of Technology，Changzhou 213001，China；

3.Key Laboratory of Cloud Computing & Intelligent Information Processing of Changzhou City，

Changzhou 213001，China）

〔Abstract〕Under the current background of "Internet+"，using the big data mining technology to promote the level of intellectualization，personalization and automation of knowledge service to realize the smart knowledge service is the development trend of library service.Firstly，the smart service model of library based on big data mining was proposed，and user group mining，user interest mining，subject and domain knowledge mining and business association mining were used to bridge the gap between the big data application and requirements of smart service.Then the technical support system of library big data mining based on Hadoop platform was suggested to provide technical solution for implementation of smart service applications.And finally，the scenario knowledge recommendation service and the automatic micro-knowledge Q&A service with the support of big data mining were discussed.

〔Key words〕library；smart service；big data mining；scenario knowledge recommendation；automatic micro-knowledge Q&A

1 大數(shù)據(jù)環(huán)境下圖書館智慧服務(wù)研究現(xiàn)狀梳理

1.1 “智慧性”知識服務(wù)是圖書館智慧服務(wù)的核心

隨著網(wǎng)絡(luò)和信息技術(shù)的發(fā)展，圖書館服務(wù)在歷經(jīng)文獻(xiàn)服務(wù)、信息服務(wù)、知識服務(wù)3個階段后，正在智慧圖書館環(huán)境下邁入智慧服務(wù)階段。圖書館智慧服務(wù)內(nèi)涵豐富，而“智慧性”知識服務(wù)是其核心。芬蘭學(xué)者Aittola M等[1]最早提出，智慧圖書館為用戶提供一種可被感知的打破空間限制的移動圖書館服務(wù)。北京郵電大學(xué)董曉霞等[2]認(rèn)為，智慧圖書館通過對物聯(lián)網(wǎng)等感知數(shù)據(jù)的分析和處理，為用戶提供泛在的智能化服務(wù)。黃幼菲[3-4]認(rèn)為，公共智慧服務(wù)是知識服務(wù)的高級階段，幫助用戶“易知”、“易用”和“易悟”知識。陳遠(yuǎn)等[5]認(rèn)為，智慧服務(wù)包含智慧的服務(wù)和為智慧而服務(wù)兩個層面的含義，前者闡釋了技術(shù)智慧和服務(wù)智慧，后者表達(dá)了智慧服務(wù)在“轉(zhuǎn)知為慧”方面的作用，即激發(fā)用戶的知識創(chuàng)新。李小濤等[6]指出，智慧服務(wù)具有個性化、智能化的特點(diǎn)，能讓用戶充分吸收、利用知識，實現(xiàn)知識創(chuàng)新與增值。武漢大學(xué)曾子明等[7]綜合各方觀點(diǎn)，提出智慧服務(wù)是提供“智慧性”的知識服務(wù)，具有泛在化、個性化、主動性需求，為用戶解決問題提供新的知識理念、創(chuàng)造新的知識服務(wù)模式。

在圖書館智慧服務(wù)的實踐方面也有諸多探索。陳臣[8]構(gòu)建了基于讀者行為大數(shù)據(jù)分析的圖書館個性化智慧服務(wù)體系。曾子明等[9]設(shè)計了融合情境的智慧圖書館個性化服務(wù)模型和體系，根據(jù)用戶情境數(shù)據(jù)，如位置的實時變化，進(jìn)行文獻(xiàn)圖書精準(zhǔn)導(dǎo)航。Kiril Antevski等[10]提出了一種基于低功耗藍(lán)牙和WiFi的混合定位系統(tǒng)，用于在智慧圖書館中創(chuàng)建學(xué)習(xí)群，使圖書館中有相同興趣的用戶可以一起學(xué)習(xí)討論。endprint

1.2 大數(shù)據(jù)是圖書館智慧服務(wù)的重要資源

在當(dāng)前“互聯(lián)網(wǎng)+”背景下，大數(shù)據(jù)成為圖書館智慧服務(wù)的重要資源。南京大學(xué)蘇新寧[11]認(rèn)為圖書館建設(shè)應(yīng)采用大數(shù)據(jù)思維，從大數(shù)據(jù)的角度考慮圖書館的各類問題及其解決方法，把數(shù)字圖書館作為“互聯(lián)網(wǎng)+”的重要分子。陳衛(wèi)靜[12]探討了智慧圖書館大數(shù)據(jù)的構(gòu)成及其智慧分析，認(rèn)為其大數(shù)據(jù)主要由用戶行為數(shù)據(jù)、海量資源數(shù)據(jù)、自身業(yè)務(wù)流程數(shù)據(jù)三者構(gòu)成。豆洪青等[13]探討了“互聯(lián)網(wǎng)+”給圖書館發(fā)展帶來的變革，指出互聯(lián)網(wǎng)+圖書館是以用戶數(shù)據(jù)為驅(qū)動源，強(qiáng)調(diào)圖書館用戶社區(qū)構(gòu)建、線上線下服務(wù)的協(xié)同、用戶的互動與分享、用戶粘性與個性化場景服務(wù)。作為一種全新的互聯(lián)網(wǎng)應(yīng)用，社交網(wǎng)絡(luò)具有強(qiáng)調(diào)分享和深度互動的特點(diǎn)，它被圖書館應(yīng)用以拓展服務(wù)，吸引特定用戶群，創(chuàng)建多面的個性化服務(wù)[14-15]。微信、QQ等豐富多彩的社交工具的應(yīng)用產(chǎn)生了大量半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)。運(yùn)用大數(shù)據(jù)思維，加強(qiáng)大數(shù)據(jù)建設(shè)能為圖書館改善服務(wù)和制定決策提供精確的數(shù)據(jù)支撐[16]。

1.3 大數(shù)據(jù)挖掘是圖書館服務(wù)“轉(zhuǎn)知成智”、“轉(zhuǎn)識成慧”的關(guān)鍵 在處理和分析數(shù)據(jù)量巨大、數(shù)據(jù)類型豐富、增長迅速的大數(shù)據(jù)時，數(shù)據(jù)挖掘技術(shù)的重要性日益凸顯[17]。挖掘大數(shù)據(jù)蘊(yùn)含的知識和價值成為圖書館實現(xiàn)智慧服務(wù)的關(guān)鍵。中國人民大學(xué)孫濤[18]提出，智慧化地提供知識服務(wù)，需要深入挖掘海量信息，進(jìn)行知識發(fā)現(xiàn)與獲取、組織與整合、開發(fā)與利用。儲節(jié)旺等[19]討論了智慧科技在智慧圖書館建設(shè)中的運(yùn)用，指出數(shù)據(jù)挖掘技術(shù)是關(guān)鍵支撐組件之一，它將海量知識資源和用戶大數(shù)據(jù)動態(tài)串聯(lián)起來，最大程度地開發(fā)其價值。田梅[20]認(rèn)為，智慧服務(wù)是基于對信息資源進(jìn)行深度知識挖掘以及具有用戶需求分析功能的專家系統(tǒng)服務(wù)。黃幼菲[3-4]認(rèn)為，實現(xiàn)智慧服務(wù)需要注重知識挖掘工作，對文獻(xiàn)資料知識進(jìn)行深度挖掘，以促使用戶對知識的應(yīng)用、創(chuàng)新，“轉(zhuǎn)知成智”、“轉(zhuǎn)識成慧”。

2 基于大數(shù)據(jù)挖掘的圖書館智慧服務(wù)模型

綜合學(xué)界觀點(diǎn)，作者認(rèn)為圖書館智慧服務(wù)的核心服務(wù)模式至少有4方面：1）智慧性的群體知識共享，促使知識隱性到顯性的轉(zhuǎn)化、知識轉(zhuǎn)移和傳播，使知識“易知”；2）智慧性的知識推薦和推送，根據(jù)用戶興趣和需求，為用戶提供泛在化、個性化、場景化的知識服務(wù)，使知識“易用”；3）智慧性的知識導(dǎo)航，為用戶提供知識主題、熱點(diǎn)、發(fā)展趨勢、知識關(guān)聯(lián)和拓展，使知識“易悟”。4）智慧性的圖書館業(yè)務(wù)優(yōu)化，以用戶需求為導(dǎo)向，開展閱讀推廣、講座等活動。

互聯(lián)網(wǎng)技術(shù)使圖書館資源之間、用戶之間、用戶和資源之間的互聯(lián)和協(xié)同達(dá)到前所未有的廣度和深度。特別是隨著閱讀終端的多樣化和社交工具的廣泛使用，形成了全方位、立體化的圖書館大數(shù)據(jù)。圖書館可用于滿足智慧服務(wù)核心需求的重要大數(shù)據(jù)資源包括3大類：1）用戶數(shù)據(jù)：用戶行為數(shù)據(jù)，包括顯式行為數(shù)據(jù)和隱式行為數(shù)據(jù)，終端感知數(shù)據(jù)、社交數(shù)據(jù)等；2）知識資源數(shù)據(jù)；3）業(yè)務(wù)流程數(shù)據(jù)。其構(gòu)成見表1。

大數(shù)據(jù)挖掘是使圖書館大數(shù)據(jù)發(fā)揮作用的關(guān)鍵技術(shù)之一。本文提出圖1所示的基于大數(shù)據(jù)挖掘的圖書館智慧服務(wù)模型，將大數(shù)據(jù)挖掘技術(shù)作為溝通圖書館大數(shù)據(jù)應(yīng)用和智慧服務(wù)需求的橋梁。

1）用戶群挖掘

挖掘用戶群，實現(xiàn)群體知識共享。依據(jù)用戶個人工作經(jīng)歷、科研方向等基礎(chǔ)數(shù)據(jù)，以及微信、微博、論壇等社

交數(shù)據(jù)，構(gòu)建大規(guī)模社會網(wǎng)絡(luò)，應(yīng)用分類、聚類、頻繁模式發(fā)現(xiàn)等挖掘方法挖掘用戶群社區(qū)或關(guān)鍵人物，研究隱性知識到顯性知識的轉(zhuǎn)化、知識的轉(zhuǎn)移和傳播，實現(xiàn)用戶群知識共享。

2）用戶興趣挖掘

挖掘用戶興趣，實現(xiàn)個性化、場景化、泛在化的知識推薦和推送。分析用戶顯式和隱式行為大數(shù)據(jù)，以及手機(jī)、平板等閱讀終端感知數(shù)據(jù)，挖掘用戶深層需求，根據(jù)用戶當(dāng)前所處的特殊場景，分領(lǐng)域、分層次、分階段向用戶推薦各類資源，實現(xiàn)智慧性的知識推薦和推送。

3）學(xué)科和領(lǐng)域知識挖掘

挖掘?qū)W科和領(lǐng)域知識，實現(xiàn)自動知識導(dǎo)航。建立學(xué)科和領(lǐng)域知識語義網(wǎng)絡(luò)，結(jié)合共詞分析和聚類分析方法，依據(jù)關(guān)鍵詞和關(guān)鍵字挖掘知識主題及主題關(guān)聯(lián)，獲得學(xué)科知識熱點(diǎn)；加入時間緯度，可以表現(xiàn)學(xué)科研究動態(tài)變化、發(fā)展方向；挖掘?qū)W科知識圖譜，使基于問答語料的生成式知識問答成為可能。

4）業(yè)務(wù)關(guān)聯(lián)挖掘

挖掘業(yè)務(wù)關(guān)聯(lián)，實現(xiàn)業(yè)務(wù)優(yōu)化。對咨詢數(shù)據(jù)、檢索查新數(shù)據(jù)、資源采購數(shù)據(jù)等管理數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則分析，發(fā)現(xiàn)用戶需求相關(guān)的各種關(guān)聯(lián)，如某時間段、某類用戶與某種業(yè)務(wù)需求的關(guān)聯(lián)等，優(yōu)化圖書館業(yè)務(wù)流程；對流通數(shù)據(jù)與外部數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則分析，發(fā)現(xiàn)如進(jìn)館人數(shù)與天氣的關(guān)聯(lián)、某時間節(jié)點(diǎn)或某事件與進(jìn)館人數(shù)的關(guān)聯(lián)，為圖書館開展閱讀推廣、講座等服務(wù)活動提供支持。

3 面向智慧服務(wù)的大數(shù)據(jù)挖掘技術(shù)體系

3.1 基于Hadoop的技術(shù)支撐體系

“互聯(lián)網(wǎng)+”催生了圖書館大數(shù)據(jù)，海量數(shù)據(jù)的實時計算和挖掘成為圖書館大數(shù)據(jù)智慧服務(wù)應(yīng)用真正落地的關(guān)鍵問題。江蘇大學(xué)劉桂鋒等[21]探討了圖書館大數(shù)據(jù)知識服務(wù)生態(tài)體系構(gòu)建，提出以目前流行的Hadoop大數(shù)據(jù)處理平臺實現(xiàn)圖書館大數(shù)據(jù)管理系統(tǒng)。梁俊榮[22]設(shè)計了基于Hadoop的圖書館大數(shù)據(jù)存儲系統(tǒng)。柳益君等[23]針對高校圖書館個性化服務(wù)需求設(shè)計了基于Hadoop的大數(shù)據(jù)挖掘方案。何勝等[24]在Hadoop平臺上將用戶行為本體建模和大數(shù)據(jù)挖掘技術(shù)相結(jié)合為用戶提供個性化服務(wù)。智慧服務(wù)要求高實時性，面向智慧服務(wù)的圖書館大數(shù)據(jù)挖掘除了靜態(tài)大數(shù)據(jù)，還需要考慮大流量動態(tài)數(shù)據(jù)，進(jìn)行實時數(shù)據(jù)分析和動態(tài)整合，發(fā)現(xiàn)有價值的知識[25]。Hadoop本身并不是一個產(chǎn)品，而是由多個軟件產(chǎn)品構(gòu)成的一個生態(tài)系統(tǒng)，共同為大數(shù)據(jù)分析服務(wù)。本文構(gòu)建了基于Hadoop的圖書館大數(shù)據(jù)挖掘技術(shù)支撐體系，以支持圖書館大數(shù)據(jù)的實時計算和挖掘，見圖2。

3.2 圖書館大數(shù)據(jù)收集、存儲和處理endprint

圖2最底層是圖書館大數(shù)據(jù)收集。外部行業(yè)動態(tài)、行業(yè)新聞等信息可通過Nutch、Heritrix等開源網(wǎng)絡(luò)爬蟲系統(tǒng)從互聯(lián)網(wǎng)上采集，而圖書館內(nèi)部產(chǎn)生的數(shù)據(jù)則可以通過Cloudera提供的Flume系統(tǒng)進(jìn)行采集。Flume是一個開源的分布式海量日志收集系統(tǒng)，安全可靠，可以將用戶的訪問日志定期傳送并保存到分布式存儲中，以供后續(xù)跟蹤和分析。

在圖2的圖書館大數(shù)據(jù)存儲層，Hadoop的HDFS提供了最基本的持久化分布式文件系統(tǒng)。HDFS適于存儲數(shù)據(jù)查詢和處理要求不高的信息，例如圖書情報學(xué)界近一年的重大新聞集合。對于高級應(yīng)用開發(fā)，HBase和MongoDB則提供了類似關(guān)系型數(shù)據(jù)庫的功能。HBase的列式存儲便于數(shù)據(jù)定義的隨時更改，且適于大規(guī)模本體數(shù)據(jù)、知識庫和知識圖譜的存儲、查詢。MongoDB的嵌入式文檔則支持復(fù)雜的層級結(jié)構(gòu)，為存儲欠缺規(guī)范的社交文本大數(shù)據(jù)提供了更高的靈活性。應(yīng)用開發(fā)者不必一開始就嚴(yán)格定義用戶訪問日志格式，而是可以隨著應(yīng)用需求的不斷更新而變化。Redis、Berkeley DB和Memcached等支持非持久化的數(shù)據(jù)庫則為HBase和MongoDB數(shù)據(jù)庫提供了緩存機(jī)制，從而大幅度提升系統(tǒng)響應(yīng)速度，降低持久化存儲的壓力。

在圖2的圖書館大數(shù)據(jù)處理層，Hadoop的MapReduce和Spark Core核心組件皆是為批量處理而設(shè)計，使用映射和規(guī)約的思想可以進(jìn)行海量數(shù)據(jù)的分析和操作。比如，可以統(tǒng)計最近行業(yè)新聞里發(fā)生的重大事件，近期用戶檢索文獻(xiàn)產(chǎn)生的熱門關(guān)鍵詞。Spark SQL融合多數(shù)據(jù)源的不同格式結(jié)構(gòu)化數(shù)據(jù)，為熟悉關(guān)系型SQL語言的使用者提供了捷徑，他們可以對Spark數(shù)據(jù)執(zhí)行類SQL查詢。但是，為了提供泛在性、實時性的圖書館智慧服務(wù)，還需要進(jìn)行大數(shù)據(jù)實時處理，例如，新聞和用戶行為往往都是實時發(fā)生的，若批量處理則延遲太高。利用Kafka消息機(jī)制，可以將數(shù)據(jù)的變化及時推送到各個數(shù)據(jù)處理系統(tǒng)進(jìn)行增量更新。Spark Streaming則在映射和規(guī)約的思想基礎(chǔ)上提供流式計算框架，進(jìn)一步提升處理的實時性。

3.3 大數(shù)據(jù)挖掘算法及其應(yīng)用

大數(shù)據(jù)挖掘可以使圖書館大數(shù)據(jù)產(chǎn)生更大價值，展現(xiàn)出數(shù)據(jù)智慧。與大數(shù)據(jù)收集、存儲和處理的3個基礎(chǔ)設(shè)施相比，數(shù)據(jù)挖掘在過去的二三十年間已經(jīng)得到了充分的發(fā)展。然而，在大數(shù)據(jù)時代，數(shù)據(jù)挖掘面臨著新的挑戰(zhàn)，傳統(tǒng)的理論模型遇到海量數(shù)據(jù)后，單機(jī)無法應(yīng)付，基于Hadoop的大數(shù)據(jù)計算框架為其分布實現(xiàn)提供了解決方案。在圖2的圖書館大數(shù)據(jù)挖掘?qū)?，MLlib、Mahout、R皆是可以運(yùn)行在Hadoop平臺上的數(shù)據(jù)統(tǒng)計、挖掘和分析軟件。其中，MLlib是Spark中可擴(kuò)展的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)庫，不僅包括分類、回歸、聚類、協(xié)同過濾等各類傳統(tǒng)算法，還融入了新興的深度學(xué)習(xí)算法。表2列出了MLlib庫中主要大數(shù)據(jù)挖掘算法，以及它們在圖書館智慧服務(wù)大數(shù)據(jù)分析中的應(yīng)用。

在圖2所示的智慧服務(wù)應(yīng)用層中，Lucene是Apache提出的一個開源全文搜索引擎工具包，Solr和Elasticsearch則是兩個基于Lucene實現(xiàn)的搜索服務(wù)器，可以為檢索、推薦、推送、知識導(dǎo)航、知識問答等應(yīng)用提供實現(xiàn)基礎(chǔ)。將大數(shù)據(jù)挖掘獲得的數(shù)據(jù)智慧融入各種服務(wù)應(yīng)用，為用戶提供高質(zhì)量的智慧性知識服務(wù)。

4 大數(shù)據(jù)挖掘支持的智慧服務(wù)探討

應(yīng)用大數(shù)據(jù)挖掘技術(shù)，使大數(shù)據(jù)展現(xiàn)數(shù)據(jù)智慧，進(jìn)而為用戶提供智慧服務(wù)是圖書館服務(wù)的發(fā)展趨勢。本文對大數(shù)據(jù)挖掘支持下的場景化知識推薦和微知識自動問答兩種智慧服務(wù)作簡單探討。

4.1 場景化知識推薦服務(wù)

圖書館場景化的知識推薦服務(wù)根據(jù)用戶當(dāng)前所處的特殊場景向其推薦知識資源。而區(qū)分標(biāo)定當(dāng)前特殊場景，需要利用所有與人機(jī)交互相關(guān)的情境信息[26]。在互聯(lián)網(wǎng)+圖書館，圖書館隨時隨地接入的“3W”（Whoever，Whenever，Wherever）目標(biāo)成為現(xiàn)實。智能手機(jī)、平板電腦等智能移動終端的應(yīng)用不僅為用戶提供便利，也為場景化知識推薦提供了豐富的情境信息。實時感知并挖掘移動情境數(shù)據(jù)，可以為用戶提供實時動態(tài)的個性化推薦，使知識資源推薦與用戶所處場景高度契合，更好地滿足用戶的需求，使知識易用。時間和位置是兩種重要的移動情境信息，可以利用多種傳感器收集，如全球定位系統(tǒng)GPS、WiFi、藍(lán)牙等。移動情境的個性化推薦關(guān)鍵在于用戶行為模式挖掘，通過分類與回歸等挖掘算法，揭示用戶個人偏好和生活規(guī)律，進(jìn)而提升推薦效率。例如，通過分析用戶的移動情境日志，發(fā)現(xiàn)某位學(xué)生在周六日上午10∶00左右，習(xí)慣于在自習(xí)教室內(nèi)用平板電腦瀏覽計算機(jī)專業(yè)電子書籍，便可以根據(jù)該學(xué)生的行為規(guī)律，在該時間段向他集中推送最新計算機(jī)專業(yè)書籍、多媒體資源等，從而有效地提升用戶體驗，使用戶更易接受推薦結(jié)果。

4.2 微知識自動問答服務(wù)

自動問答系統(tǒng)是一種新型智能檢索系統(tǒng)，用戶以自然語言查詢作為輸入，系統(tǒng)查找并返回答案。其特點(diǎn)是直接給出用戶所需要的答案，而不是傳統(tǒng)的排序文檔。目前，一些高校圖書館，如清華大學(xué)、南京大學(xué)、哈爾濱工業(yè)大學(xué)的圖書館，已經(jīng)引入自動問答系統(tǒng)為用戶提供咨詢服務(wù)[27-29]，但是，這些問答系統(tǒng)主要提供信息咨詢服務(wù)，比如向圖書館推薦購買新書、借閱書籍的超期費(fèi)用、研修間預(yù)約等，在提供知識服務(wù)方面還有待深入。

作為一種語義網(wǎng)絡(luò)，知識圖譜表達(dá)了各類實體、概念及其之間的語義關(guān)系?？梢酝ㄟ^對知識圖譜的深度學(xué)習(xí)，挖掘其中的知識，最后以自然語言的形式將知識提供給用戶。近年來，有學(xué)者將深度學(xué)習(xí)技術(shù)用于自動問答系統(tǒng)，取得了良好的效果[30-33]。Jun Yin等[30]應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對知識圖譜進(jìn)行深度學(xué)習(xí)，構(gòu)建了簡單知識的問答系統(tǒng)。侯志江[34]提出了“微知識”的概念，微知識可以直接被用戶使用，具有現(xiàn)成化、碎片化、通俗易懂化等特點(diǎn)，侯志江認(rèn)為圖書館可以借鑒百度知道、新浪愛問、知乎等問答式網(wǎng)站的經(jīng)驗，打造開放、共建的微知識庫，為用戶提供微知識服務(wù)。作者認(rèn)為，知識圖譜和深度學(xué)習(xí)技術(shù)相融合的智能問答系統(tǒng)為圖書館自動微知識服務(wù)提供了可能性和可行性，可以使圖書館自動問答系統(tǒng)從信息服務(wù)上升到知識服務(wù)層次，以比問答式網(wǎng)站更主動、更智能的方式，為諸多高學(xué)歷高水平用戶提供專業(yè)性、權(quán)威性、本地性的微知識。隨著知識圖譜和深度學(xué)習(xí)技術(shù)的發(fā)展，微知識自動問答服務(wù)或?qū)⒊蔀閳D書館智慧服務(wù)新模式。endprint

5 結(jié)束語

在“互聯(lián)網(wǎng)+”背景下，資源和數(shù)據(jù)的共享使數(shù)據(jù)量激增。應(yīng)用大數(shù)據(jù)挖掘技術(shù)實施智能化、個性化、主動性的智慧服務(wù)，進(jìn)而推進(jìn)知識創(chuàng)新是圖書館服務(wù)發(fā)展的必然趨勢。利用大數(shù)據(jù)挖掘方法發(fā)現(xiàn)圖書館大數(shù)據(jù)蘊(yùn)含的知識和智慧，滿足智慧性的群體知識共享、知識推薦、知識導(dǎo)航等智慧服務(wù)需求；基于Hadoop平臺的圖書館大數(shù)據(jù)挖掘技術(shù)支撐體系可以完成大數(shù)據(jù)收集、存儲和處理，實現(xiàn)圖書館大數(shù)據(jù)實時挖掘；在大數(shù)據(jù)挖掘的支持下，場景化知識推薦、微知識自動問答等智慧服務(wù)成為圖書館服務(wù)的新模式。本文的研究對圖書館應(yīng)用大數(shù)據(jù)挖掘方法和技術(shù)實現(xiàn)智慧性知識服務(wù)有一定的借鑒意義。

參考文獻(xiàn)

[1]Aittola M，Ryhanen T，Ojala T.Smart Library：Location-Aware Mobile Library Service[C].5th International Symposium on Human Computer Interaction with Mobile Devices and Services，2003：411-415.

[2]董曉霞，龔向陽，張若林，等.智慧圖書館的定義、設(shè)計以及實現(xiàn)[J].現(xiàn)代圖書情報技術(shù)，2011，27（2）：76-80.

[3]黃幼菲.公共智慧服務(wù)——圖書館知識服務(wù)的高級階段[J].情報資料工作，2012，33（5）：83-88.

[4]黃幼菲.圖書館知識服務(wù)的揚(yáng)棄和“飛躍”：公共智慧服務(wù)[J].情報理論與實踐，2013，36（2）：26-30.

[5]陳遠(yuǎn)，許亮.面向用戶泛在智慧服務(wù)的智慧圖書館構(gòu)建[J].圖書館雜志，2015，34（8）：4-9.

[6]李小濤，邱均平，余厚強(qiáng)，等.論智慧圖書館與知識可視化[J].情報資料工作，2014，35（1）：6-11.

[7]曾子明，金鵬.智慧圖書館個性化推薦服務(wù)體系及模式研究[J].圖書館雜志，2015，34（12）：16-22.

[8]陳臣.圖書館個性化智慧服務(wù)體系的構(gòu)建[J].圖書館建設(shè)，2014，（11）：37-45.

[9]曾子明，陳貝貝.公共智慧服務(wù)融合情境的智慧圖書館個性化服務(wù)研究[J].圖書館論壇，2016，（2）：57-63.

[10]Kiril Antevski，Alessandro E.C.Redondi，Razvan Pitic.A Hybrid BLE and Wi-Fi Localization System for the Creation of Study Groups in Smart Libraries[C].9th IFIP Wireless and Mobile Networking Conference，2016：41-48.

[11]蘇新寧.大數(shù)據(jù)時代數(shù)字圖書館面臨的機(jī)遇和挑戰(zhàn)[J].中國圖書館學(xué)報，2015，41 （6）：4-12.

[12]陳衛(wèi)靜.智慧圖書館在大數(shù)據(jù)環(huán)境下的智慧分析[J].圖書情報工作，2015，（S2）：49-52.

[13]豆洪青，劉柏嵩.互聯(lián)網(wǎng)+圖書館：要素、模型與服務(wù)[J].情報資料工作，2017，38（3）：91-95.

[14]Doralyn Rossmann，Scott W.H.Young.Social Media Optimization：Making Library Content Shareable and Engaging[J].Library Hi Tech，2015，33（4）：526-544.

[15]劉璇.圖書館領(lǐng)域社交網(wǎng)絡(luò)應(yīng)用研究述評與展望[J].中國圖書館學(xué)報，2016，42（6）：102-116.

[16]陳遠(yuǎn)，蔡金奎，許亮.互聯(lián)網(wǎng)思維環(huán)境下智慧圖書館發(fā)展的思考[J].現(xiàn)代情報，2015，35（11）：38-42.

[17]洪亮，李雪思，周莉娜.領(lǐng)域跨越：數(shù)據(jù)挖掘的應(yīng)用和發(fā)展趨勢[J].圖書情報知識，2017，（4）：22-32.

[18]圖書館報.圖書館未來的樣子——“智慧圖書館”（上）[EB/OL].圖書館報，https：//748548.kuaizhan.com/14/37/p43627380073 aba，2017-06-05.

[19]儲節(jié)旺，李安.智慧圖書館的建設(shè)及其對技術(shù)和館員的要求[J].圖書情報工作，2015，59（15）：27-34.

[20]田梅.基于關(guān)聯(lián)主義學(xué)習(xí)理論的智慧圖書館服務(wù)模式構(gòu)建[J].圖書館學(xué)研究，2014，（19）：64-67.

[21]劉桂鋒，盧章平，化慧.圖書館大數(shù)據(jù)知識服務(wù)生態(tài)體系及其動力機(jī)制研究[J].國家圖書館學(xué)刊，2016，25（3）：52-60.

[22]梁俊榮.基于Hadoop的圖書館復(fù)合大數(shù)據(jù)存儲系統(tǒng)研究[J].現(xiàn)代情報，2017，37（2）：63-67.

[23]柳益君，何勝，馮新翎，等.大數(shù)據(jù)挖掘在高校圖書館個性化服務(wù)中應(yīng)用研究[J].圖書館工作與研究，2017，（5）：23-29.

[24]何勝，馮新翎，武群輝，等.基于用戶行為建模和大數(shù)據(jù)挖掘的圖書館個性化服務(wù)研究[J].圖書情報工作，2017，61（1）：40-46.

[25]Jian Ruan，Shengbin Wang.Study on Innovation of Smart Library Service Model in the Era of Big Data[C].4th International Conference on Electrical & Electronics Engineering and Computer Science，2016：1077-1081.endprint

[26]陳恩紅，徐童，田繼雷，等.移動情境感知的個性化推薦技術(shù)[J].中國計算機(jī)學(xué)會通訊，2013，9（3）：18-24.

[27]Yao Fei，Chengyu Zhang，Wu Chen.Smart Talking Robot Xiaotu：Participatory Library Service based on Artificial Intelligence[J].Library Hi Tech，2015，33（2）：245-260.

[28]沈奎林，邵波.智慧圖書館的研究與實踐——以南京大學(xué)圖書館為例[J].新世紀(jì)圖書館，2015，（7）：24-28.

[29]李雪婷，李莘.圖書館微信平臺自動問答機(jī)器人語言體系研究[J].現(xiàn)代情報，2016，36（10）：99-101.

[30]Jun Yin，Xin Jiang，Zhengdong Lu，Lifeng Shang，Hang Li，Xiaoming Li.Neural Generative Question Answering[C].Proceedings of the Twenty-Fifth International Joint Conference on Artificial Intelligence，2016：2972-2978.

[31]Minwei Feng，Bing Xiang，Michael R.Glass，Lidan Wang，Bowen Zhou.Applying Deep Learning to Answer Selection：A Study and an Open Task[C].IEEE Workshop on Automatic Speech Recognition and Understanding，2015：813-820.

[32]Liqiang Nie，Meng Wang，Luming Zhang，Shuicheng Yan，Bo Zhang，Tat-Seng Chua.Disease Inference from Health-Related Questions via Sparse Deep Learning[J].IEEE Transactions on Knowledge and Data Engineering，2015，27（8）：2107-2119.

[33]Zhenzhen Li，Jiuming Huang，Zhongcheng Zhou，Haoyu Zhang，Shoufeng Chang，Zhijie Huang.LSTM-based Deep Learning Models for Answer Ranking[C].IEEE First International Conference on Data Science in Cyberspace，2016：90-97.

[34]侯志江.微知識服務(wù)——問答式網(wǎng)站的啟示[J].圖書館建設(shè)，2015，（3）：77-79.endprint