面向读者需求的图书馆精准服务探究

庄卉卉 覃显晶 杨子杨

［摘要］面对数字网络环境下传统媒体和新媒体融合发展的趋势，图书馆如何根据读者的专业背景、学科特点和研究方向，主动为读者提供最合适的资源配置方案和服务，是其需要解决的问题。文章探讨了图书馆在建立读者需求模型的基础上，如何在智慧阅读推广、文献资源精准化推送、参考咨询三方面提供精准服务，从优化读者画像模型、完善服务反馈机制、注重读者信息保护和数据安全监管三方面提出优化图书馆个性化精准服务的对策，以期为图书馆开展精准服务，实现在新时代的转型发展提供启示。

［关键词］读者需求；精准服务；图书馆资源；个性化推荐

以数字化为主导的新技术环境对图书馆事业新一轮发展提出了新要求。2019年，澳大利亚新南威尔士州立图书馆发布的《NSW战略规划：2019—2023》指出，图书馆转型的战略重点是关注公众的需求，让图书馆技术和服务适应社会和读者成为新的讨论焦点。随着新一代信息技术与读者服务的深度融合，图书馆除了提供馆藏图书、电子资源，还可通过分析和归纳读者在图书馆留下的具有倾向性的数据信息，如阅读目的、偏好等，快速、准确地为读者提供符合其个性化需求的信息。如何落实这一设想并提高读者满意度，是图书馆所面临的挑战。

Fukuyama认为图书馆转型的起点是利用现代化技术，如增强现实、区块链等技术，实现图书馆的全数据智能服务［1］。曹树金等人提出，精准服务是未来智慧图书馆服务的趋势之一［2］，这意味着图书馆需要通过多种手段准确了解读者的需求和兴趣，并以此为基础提供个性化服务。在大数据环境下，图书馆精准推荐服务是分析读者对馆藏书刊和电子资源的新需求，根据读者个人信息、阅读资源偏好、空间偏好等数据，通过一定的管理和服务以及相应技术改造，为读者推荐满足其个性化需要的文献资料，并可通过交流互动获得读者评价反馈的过程［3］。

一、图书馆读者需求模型的建立

图书馆在提供精准服务的过程中，需要建立合理的读者需求模型，以便及时了解读者的需求和偏好，更好地满足他们的阅读需求。读者画像是刻画读者需求的模型，在国外图书馆领域早已成为研究热点。图书馆通过信息推荐系统，可以根据读者的阅读历史和兴趣爱好，为读者推荐更符合其需求的图书和电子资源［4］；通过信息过滤系统，可以过滤掉低质量的信息，为读者提供更加准确和可信的信息资源［5］；通过服务设计，可以根据读者需求，为读者提供更加贴心和便捷的服务，从而提高读者的满意度和忠诚度［6］。国内图书馆领域对读者画像的研究虽然起步较晚，但是其应用范围更加细化、更加深入，诸多图书馆开展了相关研究和实践，读者画像有望成为图书馆提高服务质量和竞争力的重要手段。

建立读者需求模型是一个涉及多个步骤和复杂计算的过程。在该过程中，图书馆需要从多个维度对用户的行为和兴趣进行分析，以便构建准确、全面的读者画像。在此过程中，机器学习是一种重要的技术手段，其可以通过数据挖掘、分类、聚类等，自动学习和分析读者的行为模式和特征，从而建立精准的读者需求模型。这一过程一般可归纳为三个环节：读者数据获取、读者特征识别、读者画像表示。

在读者数据获取阶段，图书馆通过多渠道采集与读者相关的数据信息，包括图书馆管理系统、书目检索系统、门禁系统、门户网站等平台及移动终端。这些读者数据一部分是图书馆从各信息系统中调取的读者基础信息、系统使用情况等结构化数据，包括读者使用图书馆的文献资源和服务时留下的信息，如借阅、预约、续借等文献借阅行为；咨询、文献传递、查收查引等学科服务行为；读者发表论文、专著以及引用文献等科研行为。图书馆也可借助动态信息采集技术搜集读者分散异构的网络行为数据，包括软件共享信息、GPS实时位置等，通过挖掘这些数据进而对读者进行分类和建立标签。

在读者特征识别过程中，图书馆利用数据挖掘和聚类分析等技术，对收集到的读者数据进行处理，去除与读者属性特征无关的信息，从而更好地实现读者特征的識别和分析。然后图书馆对收集到的属性数据和行为数据进行聚类，构建多种类型的标签模型，为读者贴上标签。建立读者画像标签是读者建模的重要步骤，这些标签可以展现读者的主要特征，是构建读者画像的基础。

读者画像数据标签构建完成后，图书馆通过可视化技术可以逐步展现不同个体和群体的专属画像，并获得更加精准和全面的读者画像信息。例如，图书馆通过图表、图像等方式展示读者的阅读偏好和行为模式，以便了解读者的阅读习惯和需求，同时将读者的学科专业和研究方向以可视化的形式呈现，从而更好地了解读者的学术需求和研究方向［7］。图1为读者画像的建立流程。

二、图书馆精准服务的场景应用

（一）智慧阅读推广

目前大多数图书馆开展的传统阅读推广活动存在活动时间集中化、活动形式同质化、缺少大数据分析等问题，如果图书馆能够利用大数据技术和数据挖掘技术建立基于读者画像的智慧推荐系统及平台，有利于实现线上与线下同步的智慧化阅读推广。在保障读者隐私的前提下，图书馆全面收集读者在图书馆活动中产生的数据，包括读者出入图书馆的时间段、使用学习空间的频次以及利用OPAC系统的检索历史、馆藏借阅记录、网站检索记录、浏览时长等信息，通过分析和整合这些信息，高度概括和精准标注读者特征、构建读者行为模型，以此来预测读者可能感兴趣的图书类型、数字资源种类以及其他相关网络资源类型。重庆大学图书馆的“智慧门户系统”通过收集读者阅读行为习惯数据，为其提供更加个性化和精准的服务和资源。例如，通过《猜你喜欢》栏目，重庆大学图书馆可以根据读者的阅读历史和兴趣偏好，为其推荐更符合其喜好的书籍和电子资源；通过“课程文献中心”和“科研专题资源库”，重庆大学图书馆可以为读者提供与其研究方向相关的资源和信息，以满足其学术研究需求，得到了读者的认可［8］。

近年来，以读者数据挖掘和读者画像为基础的“阅读记忆”服务成为图书馆个性化阅读推广活动的一大特色。基于年度数据账单，图书馆通过分析自然年内与读者的交互活动产生的系列数据，生成生动、具体的阅读报告、数据排行榜等，以便读者更好地了解自己的阅读行为和兴趣偏好。另外，图书馆面向毕业生等个人读者提供阅读数据报告，依托图书馆管理系统，对读者借阅数据、门禁数据、论文数据等进行挖掘与分析，展现读者阅读偏好和潜在需求，从而优化服务策略。西安电子科技大学图书馆从2018年起为数万名毕业生送上个性化定制的纸质版和电子版毕业纪念册，基于智能图书馆平台将读者在图书馆的日常生活进行呈现，包括借阅数据、活动参与情况，读者可永久保存并分享到各个社交网络平台，这为构建读者画像奠定了数据基础。

（二）文献资源精准化推送

大数据时代信息超载现象日益严重，读者在面对海量文献学术资源时，利用传统的信息检索系统很难快速、准确地获取自己想要的信息。图书馆根据读者个性化需求开展具有针对性的精准知识服务可以解决这个问题，通过挖掘和分析读者的个人基本信息数据、阅读兴趣偏好数据和评价反馈数据，建立读者画像，预测读者的兴趣偏好，积极推荐读者感兴趣的文献资源，是图书馆提升服务质量及资源利用率的重要手段。

西安电子科技大学图书馆于2020年推出的“新型个人图书馆”系统是文献资源精准化推送服务的创新尝试［9］，该系统包括定制化搜索、书享空间、我的课程、特色收藏、我的数字资源五个模块，通过对读者的基础属性数据以及读者行为数据进行收集、分析和计算，同时保护读者个人敏感数据，建立多维度读者画像模型，根据读者在多种学习场景的需求，为读者提供个性化推荐内容，包括馆藏资源（纸电文献）以及非馆藏资源（教师课件、课程网站资源）等，并根据读者反馈不断优化和调整推荐内容，避免读者对固化信息形成依赖，从而实现面向读者的文献资源精准化推送。

（三）参考咨询服务

参考咨询服务是图书馆的核心服务之一，从数字图书馆时代到智慧图书馆时代，图书馆参考咨询工作主要体现为深入知识层面的信息精准服务，其特征主要表现为通过人工智能等新兴技术对读者信息进行充分挖掘，进而掌握读者行为轨迹、读者交互数据、读者学术成果、读者兴趣偏好等。图书馆工作人员以读者画像结果为线索，深入挖掘读者的潜在需求，引导读者表达自我的真实需求。

在创新优化参考咨询服务模式方面，大多图书馆以先进的工具与技术手段为支撑，优化参考咨询服务模式，如美国康涅狄格州西港图书馆将能够提供个性化服务的智能聊天机器人投入实际应用中。传统的数字参考咨询问答机器人仅通过预定義的FAQ数据库方式与读者进行交互，效果受到限制，为了进一步提高智能咨询机器人的服务效果，朱娜娜等人［10］采用人机对话技术，使智能咨询机器人从大规模的背景知识中自动学习读者的个性化交互方式，以实现提供自动生成个性化回复的自动化服务。这种方法可以提高问答机器人在数字参考咨询服务中的智能程度，进而更好地满足读者的需求，提升读者的满意度。

三、图书馆精准服务对策

（一）优化读者画像模型

在优化个性化服务工作过程中，图书馆首先需要提高读者画像质量，对读者标签集进行区分，确保读者画像构建符合正确的价值取向。读者画像基于读者基础信息、社会属性、行为习惯、兴趣偏好等进行构建，能较为真实地反映读者需求，而图书馆如不进行读者喜好辨识和分析，那么其所提供的个性化服务可能会推送含有负面价值取向的内容，这对自我控制能力较差的学生的学业发展和身心健康成长不利［11］。此外，与使用时间较长的核心读者不同，图书馆的新读者数据较少，因此图书馆需要考虑如何提高新读者的参与度和对新读者的数据采集效率，并提高构建的读者画像的精细化程度，建立科学的数据动态更新机制，通过读者反馈数据优化自身服务。

（二）完善服务反馈机制

图书馆在提供精准服务的过程中，有时会出现读者标签与真实读者出现偏差的现象，为了建立全面的评价指标体系，图书馆需要从多个渠道获取读者对服务的反馈信息。这些反馈信息可以帮助图书馆更好地了解读者需求，进而改进和提升服务质量。一方面，图书馆可以在智能推送服务界面设置服务评价反馈控件，使读者能够对精准服务内容进行及时反馈。另一方面，为了及时发现和改进精准服务中存在的不足之处，图书馆可以在提供精准服务后向读者发放满意度调查问卷，归纳各环节存在的问题。这种方式不仅可以有效提高读者的满意度，还可以帮助图书馆不断提高服务质量，以更好地满足读者的需求。

（三）注重读者信息保护和数据安全监管

精准服务实现的过程涉及多系统整合、多渠道信息收集、多元异构数据融合，如果数据安防不到位，会有读者数据泄露、盗用的风险，甚至引发法律问题。因此，为了确保读者隐私数据的安全，图书馆应从多个方面加强防护。其可以从增强读者安全意识、制订相关政策、技术升级优化等多个方面着手。第一，在增强读者安全意识方面，图书馆应在读者注册各业务系统时告知读者信息采集用途，明确责任关系，读者也应有选择关闭个性化推荐服务的权利。第二，在政策制订方面，图书馆应在数据收集和使用的目的、数据来源和收集方式、数据保护和隐私保护措施等方面制订相关规范，使数据收集、分析和利用在监管下进行。第三，在技术升级优化方面，图书馆应当制订一套安全管理措施，以确保图书馆应用的各种管理系统和软件符合国家信息安全技术要求。同时，图书馆还应加强对相关技术的研发和投入，积极引入先进的信息安全技术和设备，以提高信息安全保障水平。

四、结语

在智慧图书馆研究背景下，图书馆精准服务的核心在于资源和读者的精准匹配。这种以大数据和信息技术为主线的服务，旨在为读者提供个性化、差异化的服务体验。图书馆引入读者画像相关技术，有助于深入挖掘个体或群体的潜在需求，通过分析读者的专业背景、学科特点和研究方向，图书馆可以主动为读者提供最适合的资源配置方案和智慧服务，从而实现个性化的精准推荐服务。

［参考文献］

［1］FUKUYAMA M. Society 5.0：aiming for a new human-centered society［J］. Japan Spotlight，2018（05）：47-50.

［2］曹树金，刘慧云.以读者为中心的智慧图书馆研究［J］.图书情报工作，2019（01）：23-29.

［3］马天舒.高校智慧图书馆精准服务探究［J］.四川图书馆学报，2021（05）：34-38.

［4］MAO J，LU K，LI G，et al. Profiling users with tag networks in diffusion-based personalized recommendation ［J］. Journal of information science，2016（05）：711-722.

［5］SHARMA D，KAUR S. Neural network classification for user profile learning over digital library recommendation engine ［J］. Indian journal of science and technology，2016（33） ：1-7.

［6］ZAUGG H. Using persona descriptions to inform library space design ［M］. The future of library space. Bradford：Emerald Group Publishing Limited，2016.

［7］张锐. 基于动态精准画像的图书馆个性化推荐服务研究［J］. 情报探索，2019（02）：98-101.

［8］赵发珍，杨新涯，张洁，等.智慧图书馆系统支撑下的阅读推广模式与实践［J］.大学图书馆学报，2019（01）：75-81.

［9］黄小强.线上线下文献资源精准化推送服务的探索实践：直接服务于本科教育［J］.高校图书馆工作，2021（01）：11-15，60.

［10］朱娜娜，景东，张智钧. 面向图书馆数字参考咨询的人机对话模型［J］. 图书情报工作，2019（06）：5-11

［11］郝雨，李林霞. 算法推送：信息私人定制的“个性化”圈套［J］. 新闻记者，2017（02）：35-39.