大数据驱动的图书馆智慧信息服务体系构建研究

洪亮　周莉娜　陈珑绮

摘 要：针对当前大数据环境下图书馆面临的挑战和智慧信息服务的相关研究现状，文章首先从大数据驱动的视角，探讨了图书馆智慧信息服务体系的构建思路；其次基于信息生态链理论，以图书馆的业务流程为支撑和导向，构建了大数据驱动的图书馆智慧信息服务体系，主要包括基础设施层、数据资源层和服务应用层三个层次，并对各层的功能和特点进行了详细论述。研究认为，该体系可以将图书馆的基础设施、数据资源、服务应用和用户进行融合，提供大数据驱动的图书馆智慧信息服务发展策略，重构图书馆智慧信息服务的业务流程，实现大数据环境下图书馆智慧信息服务的建设和发展。

关键词：大数据；数据驱动；图书馆；智慧图书馆；智慧信息服务

中图分类号：G250.7；TP274 文献标识码：A DOI：10.11968/tsyqb.1003-6938.2018020

Research on the Construction of Data-driven Smart Information Service System in Libraries

Abstract Based on the challenges and current research status of smart information service in libraries under big data environment， this paper first discusses design ideas of smart information service system in libraries from a data-driven perspective. Secondly， based on the theory of information ecology chain，supported and guided by the business process of the library， it constructs a data-driven smart information service system in libraries ， which mainly includes infrastructure layer， data resources layer and service application layer. Besides， this paper has a detailed discussion about the functions and features of each layer. This system is able to integrate the library's infrastructure， data resources， service and users. It can also provide development strategies for big data-driven smart information service in libraries， improve the utilization of the library's data resources， reconstruct the business process of library's intelligent information service， as well as realize the construction and development of library's intelligent information service under the big data environment.

Key words big data； data-driven； library； smart library； smart information service

1 引言

大數据的迅速发展和广泛应用掀起了图书馆行业的巨大变革，开启了图书馆行业的大数据时代，图书馆大数据呈现出迅速增长的态势。早在2016年中国高等教育文献保障系统（China Academic Library & Information System，CALIS）新版资源发现系统整合的学术文献资源数量就已达到2.9亿[1]；另一方面，作为未来图书馆的新模式，智慧图书馆成为当前图书馆创新发展、转型发展和可持续发展的新理念和新实践[2]。大数据环境下，云计算、物联网、人工智能等技术应用到智慧图书馆的建设中，可以使图书馆的服务更加自动化、高效化和智能化。因此，实现大数据驱动的智慧信息服务成为图书馆转型变革的必经之路。

就当前的研究和发展现状而言，如何将人、资源、技术、服务等元素融合，构建大数据驱动的图书馆智慧信息服务体系以支持管理协调、决策支持、智慧服务和用户智慧活动的智慧图书馆建设发展模式仍是一大难题，究其原因主要存在三方面挑战：（1）图书馆基础设施建设对图书馆智慧信息服务的体系化支撑不足。当前图书馆的智慧服务只是达到了“物的智能化”，在基础设施层面上的建设仅停留在智能设备对业务服务流程的局部支撑上，而实现大数据驱动的图书馆智慧信息服务需要构建基于智能技术和设施的体系化、全局化的智慧服务体系；（2）图书馆大数据尚未实现统一的组织和管理。大数据环境下，海量的图书馆数据资源加大了用户获取细粒度知识的难度[3]；不同的数据标准也导致了数据孤岛的存在，严重影响了图书馆大数据资源价值的有效过滤、发现与挖掘[4]；此外，图书馆较多地关注静态的资源，实时动态的流数据尚未被利用，而这些数据往往也是支持用户智慧活动所需要的[5]；（3）传统图书馆服务体系架构难以适应大数据驱动的智慧信息服务需求。当前图书馆大数据采集、处理、存储、分析和决策系统不能基于大数据提供决策支持，保障智慧图书馆建设和智慧信息服务。

因此，本文基于对当前大数据环境下图书馆面临的挑战和智慧信息服务的相关研究现状，构建了大数据驱动的图书馆智慧信息服务体系。首先，本文从大数据驱动的视角，探讨图书馆智慧信息服务体系的构建思路；其次，基于信息生态链理论，以图书馆的业务流程为导向，构建大数据驱动的图书馆智慧信息服务体系，主要包括基础设施层、数据资源层和服务应用层三个层次，并对各层的功能和特点进行了详细论述。该体系可以将图书馆的基础设施、数据资源、服务应用和用户融合，通过大数据技术从海量数据资源中挖掘数据智慧，向用户提供高效智能化、精准个性化的智慧信息服务。在此基础上，本文提出大数据驱动的图书馆智慧信息服务发展策略，实现大数据环境下图书馆智慧信息服务的建设和发展，提高图书馆的文化服务水平，推动社会知识创新。

2 图书馆智慧信息服务研究现状

继复合图书馆、数字图书馆之后，以信息技术为基础，以数字化、网络化、智能化为标志的智慧图书馆成为图书馆发展的新方向，与此同时，图书馆智慧服务也应运而生。随之，迈入大数据时代的图书馆也在不断进行探索和实践智慧图书馆服务模式的创新研究。且这一研究呈现出逐年增长的趋势。通过对相关文献的统计可知，“大数据”一词于2011年广泛兴起[6]，而国内关于大数据环境下的图书馆研究自2012年出现，在2013年后有所增长，此后，在2014-2017年间，大数据驱动的图书馆智慧信息服务引起了学界广泛关注，智慧图书馆建设、数据挖掘、知识服务、高校图书馆智慧服务、智慧图书馆的个性化服务等相关研究热点进入稳步发展阶段（见图1）。

2.1 智慧图书馆构建研究

智慧图书馆的概念最早出现在欧美的大学图书馆、公共图书馆和博物馆[7]。2003年，芬兰奥卢大学图书馆学者艾托拉将智慧图书馆定义为一个不受空间限制且可被感知的移动图书馆服务，它可以帮助用户找到所需的图书和相关资料[8]。智慧图书馆发展到现在，学界尚未形成统一规范的概念表达。如王世伟[9]提出智慧图书馆是以数字化、网络化、智能化为外在特征，以互联、高效、便利为内在特征，以绿色发展和数字惠民为本质要求，是现代图书馆科学发展的理念和实践；乌恩[10]将智慧图书馆定义为在物联网环境下，以云计算技术为基础，以智慧化设备为手段，实现书书相联、书人相联、人人相联，为用户提供智慧化服务；韩丽[11]认为智慧图书馆是通过物联网等智能感知技术，为用户提供智慧化服务和管理的一种数字图书馆的高级发展形态。

总体而言，学者们纷纷从不同角度给出了智慧图书馆的不同描述，其主要包括三个方面：（1）从技术实现层面上讲，智慧图书馆是以大数据、云计算、物联网等技术手段为基础来实现智慧服务；（2）从业务流程上讲，强调图书馆把异构分布的文献资源进行挖掘、加工、组织成知识精华，把知识转化为智慧并提供给用户；（3）从服务理念层面上讲，智慧图书馆充分体现了高效化、个性化、智能化的先进特征。但是上述观点普遍强调智慧图书馆技术实施的先进性以及服务功能的智能化，笔者认为智慧图书馆不仅仅是理论层面上的研究，还应具有更广泛的实践意义。因为从图书馆知识服务的本质上看，智慧图书馆更是一种图书馆需要长期坚守的发展理念，而智慧信息服务是智慧图书馆内涵的核心与贯穿始终的主线[12-13]。

2.2 智慧信息服务体系构建研究

智慧信息服务的开展离不开其服务体系的构建。图书馆包括实体建筑、硬件设备、信息技术、馆藏数据、智慧馆员等构成要素，在大数据环境下如何实现各个要素之间的优化组合，构建多层次的图书馆智慧信息服务体系也是当前研究的重要内容。如陈臣[14]设计了基于大数据的图书馆读者智慧服务体系架构，该体系架构主要由感知层、传输层、平台层和应用层四部分组成，以用户需求为主导，为读者提供个性化智慧阅读服务；勾丹和崔淑贞[7]基于物联网、大数据等技术构建了基于用户行为的图书馆智慧服务模式，包括用户层和馆员层两个层面；曾子明和金鹏[12]将個性化推荐系统融入智慧服务体系，构建了基于智慧知识服务的个性化推荐服务模型体系架构，包括传输感知层、知识存储层、个性化推荐层、智慧服务层和用户交互层；马捷等[15]基于高校图书馆用户及业务特征，构建了以用户为核心的智慧服务功能、方便馆员工作的智慧管理功能以及面向所有人员的智慧建筑功能三个模块组成的体系；陈远和许亮[16]以用户服务的视角自下而上构建了基于用户泛在智慧服务的智慧图书馆层次模型，包括智能场馆层、智能感知层、泛在网络层、大数据资源层和智慧应用服务层。

从中可以看到，目前关于图书馆智慧信息服务体系构建的研究很多仍是基于数字环境下的图书馆提出的，局限于某些具体的技术、服务功能或应用层面，针对其整体服务体系构建的顶层设计较少，限制了智慧图书馆的深入发展。随着图书馆大数据的爆发式增长，传统环境下的服务体系已难以适应用户对于大数据环境下的智慧服务需求，通过构建大数据驱动的图书馆智慧信息服务体系，一方面可以揭示大数据环境下图书馆智慧信息服务的构成要素、业务流程和运行机制[17]，另一方面也能为用户提供智能化、个性化、高效化的智慧服务，成为推动和提升智慧图书馆发展的亮点。

3 大数据驱动的图书馆智慧信息服务体系

笔者基于信息生态链理论，根据信息环境、信息、信息人三个构成要素从图书馆的基础设施层、数据资源层、服务应用层三个层次对智慧信息服务体系进行了重新设计。其中，信息生态链是信息生态系统中不同种类信息人之间信息流转的链式依存关系，其功能实质是不同种类信息人之间的信息流转[18]。信息生态链包括信息环境、信息和信息人等基本要素[19]。大数据驱动的图书馆智慧信息服务体系同样是一个动态循环的生态链过程：信息环境是与大数据相关的图书馆软硬件设施、软件技术资源等；信息是图书馆大数据；信息人是智慧馆员与用户。大数据产生于图书馆各个业务环节，大数据驱动的智慧信息服务又能直接影响图书馆业务流程，推动业务重组，促进业务创新，因此大数据在图书馆业务环节中的流动与转化是图书馆大数据生态链的功能实质。

因此，笔者构建了大数据驱动的图书馆智慧信息服务体系（见图2）。该体系主要包括基础设施层、数据资源层、服务应用层三个层次，分别与智慧信息服务生态链中的信息环境、信息、信息人三个构成要素相对应：（1）基础设施层是智慧信息服务的物质基础和技术支撑；（2）数据资源层提供智慧信息服务的核心资源和数据处理技术；（3）服务应用层是智慧信息服务的顶层交互端口，为用户提供大数据驱动的智慧信息服务。多层次的结构设计保证了该体系在大数据环境下具有较强的适应性和拓展性，并且通过对信息环境、信息、信息人等构成要素的再细化与新分层可以深入揭示各要素的上下业务流关联。

在这一体系中，一方面用户在满足信息需求的驱动下访问图书馆。图书馆基础设施将捕获、感知、识别并上传用户在访问图书馆过程中产生的服务数据与业务管理数据；另外，图书馆通过数字化建设获得了丰富的馆藏数据；借助网络爬虫等技术，图书馆还可以获取用户在社交媒体平台产生的海量用户行为数据，这便构成了四类主要的图书馆大数据资源。智慧馆员利用数据挖掘、机器学习、人工神经网络等数据处理技术对图书馆大数据进行管理、组织和分析后，可以实现不同的智慧信息服务。其中，馆藏数据与服务数据的结合分析帮助图书馆进行高效、精准的采购决策，实现数据驱动采购的功能，从而为用户提供优质文献。业务管理数据则帮助图书馆实现时间、空间两个维度的馆舍优化管理，为用户提供舒适、愉悦的实地体验。此外，深入分析馆藏资源能够帮助图书馆实现知识整合与知识发现，从而可以向科研用户提供发现隐性知识关联的服务功能。服务数据与用户行为数据帮助图书馆预测用户个性化需求，提供精准的知识推荐服务。

图书馆智慧信息服务帮助用户实现了从掌握知识到创新知识、收获智慧的过程。在此基础上，拥有更高知识水平的用户会更加积极的参与原生内容创作，其在社交媒体产生的数据将进一步丰富图书馆用户行为数据。同时用户会在新信息需求的驱动下，再次访问图书馆，由此呈现出图书馆智慧信息服务的循环发展生态链。

3.1 基础设施层

大数据的获取、存储、管理、组织、分析与应用依赖于稳定的基础构架支持，基础设施层为实现大数据驱动的智慧信息服务提供基础支撑环境，其主要由硬件设施与信息技术两方面组成。

图书馆硬件设施包括RFID设备、监控器、传感器、智能机器人等感知设备与存储设备、计算设备、网络设备等一系列IT基础设施。完善的数据传感识别体系布局具备对纸质信息资源和数字信息资源、图书馆运行状态以及用户需求等信息进行深度感知、测量、捕获的功能[16]，可以实现全面感知、智能识别与实时上传图书馆大数据。同时，高性能、高带宽、大缓存的硬件设施是图书馆大数据存储、分析与应用的物质前提，为图书馆解决数据传感终端的多样化、数据资源中心的大型化、智慧信息服务的分布化等挑战提供了稳固的硬件支撑。实现大数据驱动的图书馆智慧信息服务还需要结合云计算、移动互联网、物联网、人工智能等新一代信息技术是图书馆大数据处理的重要支撑，包括数据挖掘、机器学习、神经网络、自然语言处理、人工智能技术等，可以实现数据统计分析、可视化分析、语义分析、预测性分析，从海量数据中发现隐性的知识关联等功能。

基础设施层的构架对数据资源的质量以及后续的分析挖掘有着直接影响。因为不同图书馆之间采用各种不同的硬件平台、操作系统、通信协议、数据库软件以及数据描述标准，导致数据异构、数据壁垒、数据孤岛等现象突出，为图书馆的数据挖掘与利用带来了一定的难度，因此需要在数据资源层进行良好的构建与统一来解决这一系列数据管理问题。

3.2 数据资源层

数据资源层负责对图书馆大数据的组织管理和分析挖掘，主要由图书馆大数据和大数据处理技术两方面构成。

图书馆大数据是图书馆在日常管理与业务服务过程中产生的海量数据，根据数据产生方式的不同，笔者将其主要划分为四类：（1）馆藏数据，包括图书馆数字馆藏、机构知识库、科研管理数据等；（2）业务管理数据，图书馆日常运行产生的数据，包括资源建设情况记录以及RFID数据、门禁数据、监控数据等物联网终端数据等；（3）服务数据，包括文献服务记录（检索与下載记录、借阅信息、文献传递与馆际互借记录等）、咨询服务记录、学科服务记录、服务评价反馈等；（4）用户行为数据，即用户在社交平台留下的行为数据，包括评论、文章、图片、视频等。

智慧服务能力的系统性构建离不开相关技术的支持[5]，图书馆大数据涉及文本、图片、音频、视频等复杂类型的数据，要求图书馆采用先进的数据分析技术加以处理挖掘。如使用文本挖掘、自然语言处理技术、知识图谱技术分析数字馆藏文本；使用图像识别、语音识别、视频内容分析等技术分析图片、音频和视频大数据[20]：使用数据挖掘、社会网络分析技术分析社交媒体数据[21-22]。总之，图书馆应灵活采用统计分析、可视化、数据挖掘、机器学习、人工神经网络、社会网络等大数据分析技术[23]，实现对图书馆大数据生命周期全过程的管理与控制，达到图书馆大数据价值最大化的目标。

随着图书馆大数据的爆发式增长，图书馆在数据管理方面存在许多难题亟待解决。而图书馆通过在此体系下所构建的数据资源层架构可以达到保证数据的统一表示、建立集成的数据存储机制以及防止数据冰山效应的效果，实现对数字资源的良好治理，为后续的数据挖掘利用奠定基础。

3.2.1 实现数据的统一表示

实现图书馆大数据的统一表示是促进数据共享、挖掘数据价值的前提条件。图书馆大数据因为多源异构分布的特征导致了数据孤岛、数据壁垒等问题，难以对大数据进行统一的描述、格式规范和标准化编码[24]，不利于大数据的分析与利用。

在大数据驱动的图书馆智慧信息服务体系中，构建数据资源层需要首先应用元数据标准和RDF数据模型来实现多源异构数据的统一表示。图书馆通过加强元数据、元模型和本体标准的研究应用，建立不同的分类方式、数据索引、数据检索方式，确保数字资源在编码格式、著录方式和数据格式上具有统一的标准[15]。但元数据缺乏明确、形式化的语义[25]，无法解决资源描述的异构性和语义性问题[26]。在此体系中，通过使用RDF表示模型，图书馆能够构建含有丰富语义链接、彼此关联的大数据系统，增强大数据集的开放性与操作性，最终建立标准化、规范化、条理化的大数据存储和管理机制。

3.2.2 建立集成的数据存储机制

大数据时代，半结构化、非结构化数据占据图书馆大数据总量的85%以上[27]。传统的关系型数据库在结构和机制上具有局限性，只能集成总量有限、规范良好、模式固定的结构化信息资源，无法适应海量、异构、多变的数据存储。而NoSQL（非关系型数据库）为异构数据集成提供了新的解决方案。NoSQL采用分布式、集群化的数据存储模式，具有大容量、高拓展、高性能等优势[28]，能够较好的适应以网页、文档、图片、音视频等为载体形式的复杂数据，解决种类丰富、多源异构、模式多变的图书馆大数据的存储问题，适用于大规模、半结构化或非结构化数据的存储管理[29]，既为后续的数据分析挖掘提供了技术支撑，也有利于大数据时代不同图书馆之间的数据交换与共享。

3.2.3 防止数据冰山效应

提高图书馆大数据的利用率，充分发挥大数据的价值需要重视数据的冰山效应问题，兼顾热数据与冷数据。热数据是检索频繁的数据，冷数据是访问频度低的数据[30]。在此体系中，热数据访问频繁，效率要求高，图书馆可通过就近计算部署优化服务器配置，并建立快速索引以提高数据访问服务性能和查询效率。而冷数据访问频次低，效率要求低，可以集中存储，采用数据压缩、数据去重等方法降低存储成本。冷数据多非用户请求的直接资源，但占据图书馆大数据的主体地位，如图书馆业务管理日志、用户行为记录等。冷数据包含的图书馆资源利用情况、用户社交行为数据等数据，在集中化存放的基础上利用大数据技术和人工智能技术分析冷数据，挖掘预测用户需求，可以促进图书馆信息服务的智慧化、增值化。

3.3 服务应用层

服务应用层是整个体系的顶层交互端口，直接面向用户，由智慧馆员、用户和智慧信息服务三种要素构成。

首先，智慧馆员是智慧服务的践行者[31]。智慧馆员运用机器学习、数据挖掘、可视化等大数据与人工智能技术对图书馆大数据进行知识发现与知识加工，并将知识传递给用户；其次，用户是智慧信息服务的接收者与反馈者。用户通过利用智慧信息服务，经历了从拥有知识到利用知识的转变，实现了转“知”成“慧”的全过程[32]。在此基础上，用户开展更高层次的知识创新活动，其产生的数据将进一步丰富图书馆大数据，促进图书馆智慧信息服务的发展。在图书馆智慧信息服务生态链中，智慧馆员承担着信息分解者与信息传播者的责任，而用户既是信息消费者又是信息生产者。智慧馆员与用户相互合作、协同创新，是大数据环境下图书馆智慧信息服务不可缺少的人力资源要素。

此外，智慧馆员主要为用户提供数据驱动采购、馆舍时空优化、学科知识发现以及用户个性服务四类智慧信息服务。数据驱动采购为馆舍时空优化和学科知识发现提供了直接的馆藏资源，是图书馆基础性的智慧信息服务。学科知识发现与用户个性服务分别专注于馆藏数据与用户数据的挖掘，知识的深度发现与知识的定制推荐相结合将持续推动大数据环境下图书馆学科服務、参考咨询等知识服务模式的创新。

3.3.1 数据驱动采购

图书采购从源头上决定了图书馆的馆藏质量和服务水平[33]，数据驱动采购是大数据时代图书馆的新型资源采购模式，以读者需求驱动采购为本质，可以实现高效、精准的文献采购。

检索历史、浏览记录、下载记录、借阅信息、数据库访问数据、文献传递与馆际互借数据等图书馆服务数据是对用户资源利用情况的反映[34]，具有揭示馆藏空白部分、用户阅读学习行为模式、服务群体潜在文献需求的数据价值。图书馆借助大数据技术分析服务数据，挖掘预测用户群多样化需求，坚持了以用户为中心、以用户需求为驱动的服务宗旨。同时，图书馆结合馆藏数据，评估现有文献资源结构，分析资源使用效益，及时调整资源采购计划。

3.3.2 馆舍时空优化

大数据驱动的智慧信息服务体系可以实现从时间、空间两个维度下优化实体馆舍的服务环境。图书馆通过门禁数据、监控数据、传感器数据等业务与管理数据，能够发现实体图书馆访问人流密度变化规律，结合天气数据等公开获取数据揭示特定时间天气节点与进馆人数之间的关联性[35]，为图书馆确定阅读沙龙、书籍展览、公益讲座等业务活动的开展时间提供依据。另外，纸质馆藏的布局模式影响着图书馆纸质资源的利用率和用户的满意度。借助RFID数据、借阅信息等业务管理与服务数据，图书馆可以依据文献利用率的高低，将热门文献安排在有利的排架位置，将冷门文献放置于密集书库，实现馆藏资源的优化布局，缩短用户寻找纸质资源的距离和时间。

3.3.3 学科知识发现

大数据驱动的学科服务以海量、多源、异构、多粒度、变化的馆藏大数据为核心数据资源，借助Primo、Summon、超星发现、智立方、FIND+等知识发现系统和机器学习、数据挖掘、语义网技术等处理技术，加强对馆藏资源数据集的文本内容挖掘与语义关联挖掘，可以进行粒度分析、网络分析、可视化分析、引文分析等多角度的知识发现。另外，通过全面多维地整合不同学科的知识体系，图书馆可以构建各学科的知识图谱，建立智能化的学科知识发现平台，具有提供精准语义检索、展示知识关联、预测学术热点趋势、监测最新学术动态、评估学术成果影响力、生成科研专题分析报告等功能，为高校师生、科研人员从事学习研究活动提供高质量的学科服务保障。

3.3.4 用户个性服务

用户在访问图书馆的过程中产生了借阅记录、馆际互借和文献传递、检索下载记录等服务数据；此外用户在社交平台上留有浏览收藏内容数据、评论内容、互动记录、帐号活跃时间、页面停留时间、浏览路径、访问深度等用户行为数据。图书馆采用数据挖掘技术分析服务数据与用户行为数据，可以确定用户的年龄、性别、职业、学历、阅读偏好、行为模式等信息，从而实现用户特征的全面描述、用户画像的精准绘制以及用户需求的成功预测。图书馆利用大数据技术预测用户个性化需求，可以为用户提供定制化的信息推送与信息推荐服务、个性化的资源导航服务以及自定义的个人信息门户服务。

4 大数据驱动的图书馆智慧信息服务体系发展策略

随着图书馆智慧信息服务的初步发展，人工智能技术的广泛应用、多源异构数据的协作融合、智慧环境的营造为我们深化大数据驱动的图书馆智慧信息服务体系建设提供了新的发展策略。

4.1 构建基于人工智能图书馆基础设施支撑体系

当前，将大数据技术、物联网技术、人工智能等技术应用到图书馆的建设中，可以使图书馆变得更加自动化和智能化。凭借物联网中的智能传感与感知设备、虚拟现实、智能机器人等方面的技术和设备优势，提升服务的人性化、便捷性与高效化，让图书馆真正实现智能化。如在智能感知体系方面，图书馆借助物联网传感器的应用使得馆藏资源和空间管理便捷化，一是通过RFID、室内导航机器人等技术可以方便图书存取、上架和管理，引导用户更加便捷地获取馆藏资源；二是人脸识别、红外检测等技术能够感知用户行为，图书馆根据用户行为数据生成用户画像，预测用户需求，为个性化用户推荐和服务提供数据支持；此外，增强现实、虚拟现实等技术则有助于为用户提供虚实结合的虚拟化、智能化空间体验。

4.2 实现基于语义网技术的数据统一组织与管理

随着大数据技术的深入发展，图书馆也正在从数据环境过渡到知识环境，知识内容正在走向关联数据化和网络化，图书馆的大数据不仅仅是孤立地分布在不同领域、不同载体的数据库中，而是要实现知识的融合，跨领域、跨学科、跨行业的协作融合可以打破“数据孤岛”，发现数据的新联系，实现大数据价值的倍化与泛化。图书馆可以借助语义网技术，使得任何数据对象都可以语义化地标注与链接，成为有逻辑意义和相互关联的知识对象，构建形成一个巨大的知识图谱。如图书馆把图书、期刊论文、论文附属数据、数据集、专利、临床实验、机构、会议、作者、资助项目，甚至下载阅读数量等数据有机关联起来，识别、描述和标注这些对象之间的相关关系，形成关联数据形式的知识图谱，构建基于知识图谱的图数据库系统管理平台，实现基于知识图谱的语义化、细粒度的智能检索、文献挖掘、知识发现等智慧信息服务。

4.3 打造交互式的图书馆智慧服务生态系统

智能技术的应用目的是通过协调技术、资源与人之间的关系，辅助创建一个能激发人的创造力的智慧知识环境，在激活用户需求驱动的图书馆智慧服务能力的同时，吸引潜在的用户群体，推动知识利用和创新，让图书馆成为凝聚智慧、创造智慧的空间。图书馆可以将用户借助图书馆知识网络产生研究与学习成果，融入到图书馆知识网络的构建中，进而形成复杂交融的知识生态系统。另外，图书馆拓展与融合教育、学术科研、出版、企业、社会公共管理领域的大数据，集成和连接各类知识环境，从机构知识库转变为支持知识分析与决策的平台，支持行业领域发展，进一步促进知识网络的更新，并吸引更多的人加入共享知识及知识创新的行列，激活更广范围的智慧活动与智慧服务，使得图书馆真正成为连接跨领域研究、创新、学习乃至各種知识密集型的社会活动的中心，从而实现新的智慧在知识网络中不断生长的生态系统。

5 结语

大数据深化了图书馆智慧信息服务的内涵，为图书馆智慧信息服务的发展提供了新的发展方向。图书馆基于信息生态链理论，通过建立包含基础设施层、数据资源层和应用服务层的智慧信息服务体系，利用大数据、云计算、物联网、人工智能等技术完成对馆藏数据、用户数据、业务数据、物联网数据等图书馆大数据的统一表示、组织与存储、挖掘与利用的过程，可以实现数据驱动采购、馆藏布局优化、馆舍时空优化、用户个性推荐等多样化的智慧信息服务。大数据驱动的图书馆智慧信息服务体系有利于加快图书馆自我变革、转型升级的步伐。然而，大数据环境下的智慧图书馆和智慧信息服务的发展仍需要我们采取多样化的发展策略，利用人工智能技术，建立知识关联，打造交互式的智慧服务生态系统，使未来的图书馆朝着自动智能、高效泛在、个性精细的智慧图书馆迈进。

参考文献：

[1] 王波，吴汉华，宋姬芳，等. 2016年高校图书馆发展概况[J]. 高校图书馆工作，2017，37（6）：20-34.

[2] 王世伟.未来图书馆的新模式：智慧图书馆[J].图书馆论坛，2011（12）：1-5.

[3] 伍革新. 基于关联数据的数字图书馆资源聚合与服务研究[D]. 武汉：华中师范大学，2013.

[4] 马晓亭. 大数据时代图书馆个性化智慧服务QOS保障研究[J]. 现代情报，2014，34（12）：69-73.

[5] 夏立新，白阳，张心怡.融合与重构：智慧图书馆发展新形态[J]. 中国图书馆学报，2018，44（1）： 35-49.

[6] Gandomi A，Haider M.Beyond the hype：Big data concepts，methods，and analytics[J]. International Journal of Information Management，2015，35（2）：137-144.

[7] 勾丹，崔淑贞.智慧图书馆的智慧服务模式及其实现[J].情报探索，2016（3）：112-115.

[8] Aittola M，Ryh？覿nen T，Ojala T.SmartLibrary location-aware mobile library service[C].International Conference on Mobile Human-Computer Interaction.Springer，Berlin，Heidelberg，2003：411-416.

[9] 王世伟.论智慧图书馆的三大特点[J].中国图书馆学报，2012，38（6）：22-28.

[10] 乌恩.智慧图书馆及其服务模式的构建[J].情报资料工作，2012，33（5）：102-104.

[11] 韩丽.物联网环境下智慧图书馆的特点、发展现状及前景展望[J]. 现代情报，2012，32（5）：48-50.

[12] 曾子明，金鹏.智慧图书馆个性化推荐服务体系及模式研究[J].图书馆杂志，2015，34（12）：16-22.

[13] 刘丽斌.智慧图书馆探析[J].图书馆建设，2013（3）：87-89.

[14] 陈臣.基于大数据的图书馆个性化智慧服务体系构建[J].情报资料工作，2013（6）：75-79.

[15] 马捷，赵天缘，王思.高校智慧图书馆功能结构模型构建[J].情报科学，2017（8）：56-61.

[16] 陈远，许亮.面向用户泛在智慧服务的智慧图书馆构建[J].图书馆杂志，2015，34（8）：4-9.

[17] 刘桂锋，卢章平，化慧.图书馆大数据知识服务生态体系及其动力机制研究[J].国家图书馆学刊，2016，25（3）：52-60.

[18] 娄策群，周承聪.信息生态链：概念、本质和类型[J].图书情报工作，2007，51（9）：29-32.

[19] 韩刚，覃正.信息生态链：一个理论框架[J].情报理论与实践，2007，30（1）：18-20.

[20] Gandomi A，Haider M.Beyond the hype：Big data concepts，methods，and analytics[J].International Journal of Information Management，2015，35（2）：137-144.

[21] Zou H，Chen H M，Dey S.Understanding Library User Engagement Strategies through Large-Scale Twitter Analysis[C].IEEE First International Conference on Big Data Computing Service and Applications. IEEE Computer Society，2015：361-370.

[22] Cervone H F.Evaluating social media presence：A practical application of big data and analytics in information organizations[J]. Digital Library Perspectives，2017，33（1）：2-7.

[23] Chen C L P，Zhang C Y.Data-intensive applications，challenges，techniques and technologies：A survey on Big Data[J].Information Sciences，2014，275（11）：314-347.

[24] 赵星，李石君，余伟，等.大数据环境下Web数据源质量评估方法研究[J].计算机工程，2017，43（2）：48-56.

[25] 欧石燕.面向关联数据的语义数字图书馆资源描述与组织框架设计与实现[J].中国图书馆学报，2012，38（6）：58-71.

[26] 刘炜，李大玲，夏翠娟.元数据与知识本体[J].图书馆杂志，2004，23（6）：50-54.

[27] 马晓亭.基于大数据决策分析需求的图书馆大数据清洗系统设计[J].现代情报，2016，36（9）：107-111.

[28] 江云，李凤兰.大数据在我国图书馆的应用及推进研究[J]. 图书馆工作与研究，2014，1（6）：35-41.

[29] 温浩宇，李京京.大数据时代的数字图书馆异构数据集成研究[J].情报杂志，2013（9）：138-141.

[30] 孙卓.基于大数据构建图书馆知识服务引擎研究[J].图书馆学研究，2013（18）：48-51.

[31] 许春漫，陈廉芳.高校图书馆智慧服务模式下智慧馆员队伍的建设[J].情报资料工作，2014（1）：87-91.

[32] 黄幼菲.“转知成慧”：当代图书馆核心价值的重新定位[J].图书馆工作与研究，2016，1（7）：13-17.

[33] 侯志江，侯玲娟.基于OPAC日志用戶行为分析的图书采购新方法[J].图书馆建设，2015（1）：70-72.

[34] 袁芳.大数据环境下图书馆文献资源建设模式的变革[J].图书情报工作，2015，59（18）：91-94.

[35] 柳益君，何胜，熊太纯，等.大数据挖掘视角下的图书馆智慧服务——模型、技术和服务[J].现代情报，2017，37（11）：81-86.

作者简介：洪亮，男，武汉大学信息管理学院副教授，研究方向：知识图谱、社会网络、数据库；周莉娜，女，武汉大学信息管理学院硕士研究生，研究方向：知识图谱；陈珑绮，女，武汉大学信息管理学院本科生，研究方向：知识图谱。