推荐系统在档案知识服务中的应用研究

李甜

摘  要：论文探讨了推荐系统用于提高档案知识服务主动性、针对性与个性化中的价值问题，并依据推荐系统通用模型，构建了推荐系统在档案知识服务中的应用模式，然后列举推荐系统在档案知识服务中的典型应用。

关键词：推荐系统;处理模型;用户需求;档案知识服务;应用研究

Abstract： The paper discusses the value of the recommendation systems in solving the bottlenecks and improving the initiative， pertinence and personalization of the Archives knowledge service. Based on the general model of the recommendation systems， it constructs the application model of the recommendation systems in the Archives knowledge service and then recommends typical applications of the recommendation systems in Archives knowledge service.

Keywords： Recommendation systems; Processing model; User needs; Archives knowledge service; Application research

特里·庫克1996年在第十三届国际档案大会上所提出的“后保管模式”包括新来源观、宏观鉴定、知识服务三个部分，[1]这是档案知识服务的正式提出。

此后，关于档案知识服务的研究围绕着档案知识服务的内涵概念、档案知识服务的模式、档案馆知识服务的实现（数字档案馆与实体档案馆）、档案知识服务的实现技术等铺开，[2][3]经历了1998-2005年的起步期、2006-2009年的初步发展期、2010年至今的深入发展期三个阶段并逐渐呈现出网络化、智能化、个性化的新特点。[4][5]

本文在信息需求视角下，在分析档案知识服务发展瓶颈的基础上，将电子商务、新闻推荐等领域中广泛应用的推荐系统引入档案知识服务领域，探索推荐系统在档案知识服务满足用户需求、优化服务方式方面的应用价值、实现路径和典型应用，以期为档案知识服务应用研究与实践提供参考。

1 现实瓶颈：推荐系统应用于档案知识服务的提出

根据信息用户需求理论，人们在实践活动中为解决各种实际问题而对信息的不满足感和必要感成为信息需要。

这些信息需要处于一种多层次的结构状态中，认识到的信息需要转化为信息需求、表达出的信息需要成为现实的信息需求，而向信息服务机构提出的需要则成为最终的信息提问。[6]此三者在现实生活中往往并不一致，进而成为信息服务中各种问题存在的根源，档案知识服务也不例外。

针对在档案知识服务过程中用户的信息需求、现实信息需求、信息提问不一致的现象，需要对档案知识服务方式进行改进，开展进行个性化定制服务[7]、指定专职顾问或团队，全程提供利用服务的专职顾问服务[8]。

目前，档案知识服务实现与发展仍然存在需要意识、需要转化和需要表达三大制约因素。

1.1 信息需要意识瓶颈。在信息需要的第一层次，存在用户档案信息需要向信息需求的转化瓶颈，意即用户对档案信息需要存在意识瓶颈。

如用户不清楚待解决的某一问题可以利用档案资源帮助解决，也就不会发出档案利用行为成为档案知识服务用户。

1.2 信息需要转化瓶颈。在信息需要的第二层次，存在将用户潜在的档案信息需求转化为现实的档案信息需求的瓶颈。如用户意识到需要利用档案资源，但不清楚究竟需要什么样的资源时，一部分用户放弃利用，无法成为档案知识服务现实用户。也可能影响用户对档案利用服务效果的评价。

1.3 信息需要表达瓶颈。在信息需要的第三层次，存在信息需求转化为信息提问的精准性这一信息需要表达瓶颈。

用户信息提问不够精准，或档案机构不能正确充分地理解用户档案信息需求，而无法满足用户真实档案需求。

上述三种层次上的现实瓶颈，致使档案知识服务面临档案信息需求、现实档案信息需求、利用提问不一致的状态，直接影响到用户需求的满足，而能否满足用户需求直接决定着档案知识服务的生命力。因而拥有挖掘用户潜在需求，提供主动推荐服务特点的推荐系统成为破局的选择之一。

2 应用价值：推荐系统在档案知识服务中的促进作用

对用户而言，推荐系统能帮助用户找到感兴趣/有用的物品/服务，辅助决策;对推荐系统服务提供者而言，推荐系统可以给用户提供个性化服务，提高用户的信任度和黏性。[9]推荐系统的应用价值主要体现在正向提升和反向利用两个方面。[10]

2.1 正向提升：精准服务重点，优化服务方式。首先，推荐系统对用户、档案资源的特征进行建模与分类，充分挖掘与揭示用户与用户之间、档案资源与档案资源之间、用户与档案资源之间的深层关系，然后依据相似度、关联性等多种指标进行排序与预测。

其次，推荐系统的一大特色就是可以依据用户画像有针对性地主动提供推荐服务，可以起到优化服务提供方式和改进现有服务手段的双重功效。

2.2 反向利用：挖掘用户价值，释放资源活力。大多数情况下，档案知识服务重点落在“服务”，是一种“单向输出”。

推荐系统要在档案知识服务中实践落地，必然建立在对用户特征、用户行为、档案资源与档案服务持续动态捕捉建模的基础上（包括推荐服务应用准备及应用过程中用户特征与用户行为信息的持续获得），形成深度与广度可观的信息数据库。

在将信息数据用于档案推荐服务这一初衷之外，还可对信息数据库进行“反向利用”：一是挖掘用户价值;二是释放资源活力。

3 实现路径：推荐系统在档案知识服务中的应用模式

推荐系统的通用模型主要包括用户模型、推荐对象模型和推荐算法三个重要模块。

推荐系统通过采集用户和推荐对象的各种属性和特征，建立用户和推荐对象模型，筛选出用户可能感兴趣的内容进行推荐。[11]根据推荐系统通用模型，可以构建推荐系统在档案知识服务中的应用模式。

3.1 用户模型构建。档案知识服务要应用推荐系统实现推荐的个性化与针对性，第一步是获取用户不断变化的多种特征，并通过一定的计算构建用户特征模型。[12]

对于档案知识服务用户而言，用户模型构建过程一般需要考虑以下几种特征信息，包括用户基本信息、用户搜索与利用历史信息、用户利用结果反馈信息等。

3.2 推荐对象模型构建。利用服务效果受用户表达存在局限性，需要从用户视角出发，获取相应特征信息，构建符合用户需求的推荐对象模型。

推荐对象不同其关键特征指标就会不同，在推荐对象模型构建过程中需要根据推荐对象的具体特征采用相应的建模方法。

3.3 推荐策略的确定。推荐系统中推荐算法的应用反映的是推荐策略的选择，是推荐系统的核心。

构建档案知识服务推荐策略，寻求最佳算法的途径主要有基于用户、基于业务/场景和基于推荐对象的推荐三个方面。

4 實践落地：推荐系统在档案知识服务中的典型应用

根据推荐系统在档案知识服务中的应用模式和档案知识服务满足用户需求的导向，推荐系统可通过档案知识服务的具体应用与功能加以实施。

4.1 辅助智能检索。在已有的档案知识服务智能检索中，能提供的主要功能是智能纠错、结果相关性排序等。

推荐系统用于辅助智能检索可以弥补传统检索的不足，如自动推荐系统有助于实现声音、图像、视频等多媒体资料的检索等。

4.2 提供自动推荐。利用网络媒体与社交媒体开展个性化推送服务已经并未实现真正意义的基于用户与档案资源关联的推送服务。[13]利用推荐系统则可以预测用户可能感兴趣或需要的内容与服务，然后以“内容包”或“服务包”的形式主动推送给用户，将自动推送深入到资源与服务层次。

这种自动推荐服务具体到针对特定用户提供所需的资源与服务，对档案知识服务用户获得、增加用户黏性、提高用户评价的重要作用不一而足，是档案知识服务实现自动化、智能化的重要途径。

4.3 指导资源建设。利用推荐算法对用户的需求偏好进行计算与预测，从而在形成知识源过程中依据预测的用户需求与偏好、依据知识源的应用形式等有针对性地进行档案资源建设。

档案知识服务可根据推荐计算结果构建资源建设模型以使资源建设结果——知识源更符合档案知识服务需要，成为保证档案知识服务效果的重要资源基础。

参考文献：

[1]特里·库克，刘越男.电子文件与纸质文件观念：后保管及后现代主义社会里信息与档案管理中面临的一场革命[J].山西档案，1997（02）： 7-13.

[2]李仪，张娟.云计算下个人档案信息共享的治理——以实现共享的知识服务功能为视角[J].档案管理，2018（04）：26-30.

[3]王笛.基于知识服务的档案管理模式的理论探索[J].档案管理，2015（04）：21-22.

[4]闫冬，张皓晨.档案知识服务研究述评[J].中国档案研究，2017：152.

[5]周鑫，倪丽娟，陈媛媛.国内档案服务研究进程探析[J].档案学研究，2017（02）： 68-73.

[6]马费成，宋恩梅，赵一鸣.信息管理学基础（第三版）[M].武汉：武汉大学出版社，2018：281-282.

[7]王俊琦.高校档案知识服务模式探析[J].中州大学学报，2012，29（03）： 98-100.

[8]李晓莉.航空工业情报档案知识服务模式研究[C].航空工业档案学会七届四次理事会暨2013年度优秀论文交流会论文集.航空工业档案学会：中国航空学会，2013：16-19.

[9]数据分析.超级干货：一文读懂推荐系统知识体系-上（概念、结构、算法）[EB/OL].[2020-04-25]. https：//www.sohu.com/a/202017547_197042.

[10]周春华，沈建京，李艳，郭晓峰.经典推荐算法研究综述[J].计算机科学与应用，2019，9（09）： 1803-1813.

[11]王斌，朱建军，谭雪.智能推荐系统在铁路客运延伸服务中应用研究[J].铁路计算机应用，2019，（03）： 33-36.

[12]苏君华，牟胜男.用户画像视域下档案馆精准服务：内涵、机理及实现策略[J].档案学通讯，2020（02）： 58-66.

[13]梁孟华.基于用户兴趣图谱的数字档案资源交互推送服务研究[J].档案学研究，2019（02）： 81-87.

（作者单位：中国人民大学信息资源管理学院  来稿日期：2020-11-10）