基于数据驱动的智慧图书馆阅读推荐服务模式研究*

潘 辉

（华南理工大学图书馆 广州 510641）

随着以价值共创为核心的大数据时代的来临，社会各行业均向着数据密集型的模式发展，催生出数据驱动思维。作为现代科学研究重要的动力源之一，数据驱动逐渐成为知识资本化的重要驱动力，同时也为传统图书馆服务模式向智慧服务方向转换提供了有力支持。而阅读推荐服务作为智慧图书馆的核心服务之一，一方面可以为读者的选择提供科学依据，另一方面也能为阅读知识价值的提升创造有利环境。因此，在数据驱动背景下深入研究分析智慧图书馆阅读推荐服务，可以重新定义阅读推荐服务的内涵与形式，提升智慧图书馆的建设发展水平与服务质量，进一步提高图书馆阅读资源数据的综合利用水平，创建高效的资源共享与传播机制，更好地满足读者需求。

1 研究文献梳理

21世纪初，谷歌搜索等现代互联网知识服务工具的出现给传统图书馆服务带来了巨大冲击，导致图书馆用户流失，动摇了传统图书馆服务的基础。为解决上述问题，维持图书馆自身良性发展，各图书馆积极开展业务创新工作，努力为广大读者提供更加高效、便捷的服务，以此获得读者的重新认可。如美国国家信息标准协会（National Information Standards Organization, NISO）于2005年提出了一项名为“元搜索”的倡议，倡导现代图书馆打造一套与谷歌等免费互联网搜索服务不同的检索工具，实现差异性的阅读服务[1]。基于以上倡议，不少图书馆纷纷寻求与内容供应商及开发者的合作机会，突破传统整合性的联邦检索服务模式，加快资源检索服务的创新发展速度，逐步形成了以智慧图书馆为核心代表的新型服务模式。经过漫长的探索发展，目前智慧图书馆已经形成了相对完善、科学的发展模式，其中就包括为广大读者提供基于数据分析的阅读推荐服务模式[2]。

在数据分析的基础上，智慧图书馆能够提供更加全面、高效、准确的阅读推荐服务，并充分保证数据服务的质量水平[3]。而数据挖掘算法的创新与发展，使得智慧图书馆的阅读推荐不再局限于传统、浅显的文献资料推送，而是更加注重阅读资源内涵价值的深度挖掘，以此提升阅读资源的综合利用水平与图书馆阅读推广服务的质量水平。特别是最近几年，在现代移动通信技术、传感器技术等创新发展的推动下，情景感知推荐服务呈现出快速发展势头，无论在理论研究领域还是实践领域都引起了相关学者的广泛关注[4-5]，基于移动图书馆技术的阅读推荐服务模式正在兴起[6]。从数据分析到数据挖掘再到情景感知，以数据为视角来研究图书馆智慧服务，数据驱动逐渐渗透包含阅读推荐服务的智慧图书馆各个环节中。

数据驱动的本质是数据分析，数据驱动通过数据收集、分析、建模、反馈等对数据进行实时分析，以此构建精准度更高、效率更快的数据分析模式。在数据驱动下，智慧图书馆阅读推荐服务模式逐渐由传统的以数据为中心向以读者为中心的方向转变[7]。2009年是国内学术界研究数据驱动的元年。目前国内数据驱动的研究热点为数据的驱动哲学、驱动应用、驱动创新等。不过，在CNKI平台以“数据驱动”与“阅读推荐”为主题词进行检索，未发现相关研究成果。而在国外，关于数据驱动下的智慧图书馆阅读推荐服务的代表性研究成果包括：Shelton B E等人对分众语义的内涵及应用方式进行了研究分析，在开放式教育资源领域探讨分析了一种基于分众语义数据驱动的个性化阅读推荐的应用途径[8]；HaiHong E等人认为个性化阅读推荐服务的发展和应用将成为防止信息过载的有效措施之一，并基于聚类分析、协同过滤、异常值分解等数据驱动算法研究了高校图书馆个性化智慧阅读推荐系统服务质量的提升渠道[9]；Paul S对图书推荐服务这一现代图书馆的核心服务进行研究，肯定数据驱动对现代智慧图书馆建设发展的重要意义，并建立阅读推荐服务框架[10]；Tejeda-Lorente Á等人强调阅读推荐系统必须以数据质量为核心，借助项目质量评估工具搭建基于数据驱动的阅读推荐系统影响因素评估分析模型[11]。

通过以上文献梳理，我们可以发现：现代图书馆服务创新发展的根本目标就是提升服务质量，基于这个目标，图书馆在技术环境以及服务模式等方面积极创新。在大数据的技术环境下，智慧图书馆以数字图书馆为发展基础，在知识传播与服务模式创新发展的基础上，利用数据驱动构建起更加高效、快捷、精准的阅读推荐服务模式，这是为广大读者提供个性化、差异性服务的最佳途径之一。基于数据驱动，智慧图书馆阅读推荐服务可以保持良好的创新发展动力。积极探索融合数据驱动的阅读推荐服务，可以构建起全新的图书馆阅读推荐服务模式，加快图书馆阅读推广服务的创新发展速度，实现图书馆服务模式的科学转型，帮助图书馆重新获得读者的认同和支持，优化图书馆阅读资源数据管理模式。

2 研究的必要性与可行性

2.1 读者阅读需求与阅读推荐服务间的正相关关系迫使阅读推荐服务走向数据驱动

阅读推荐服务是智慧图书馆的核心业务之一。在现代信息技术的推动下，该模式的服务特征逐渐由依据传统的信息源提供服务转变为以读者为中心提供服务，更加注重图书馆与读者之间的信息交流，在满足读者需求的基础上实现图书馆自身发展。因为阅读推荐服务与读者需求之间存在着正相关的关系，可将读者与阅读资源数据的交互关系看作是图书馆智慧服务的核心所在。图书馆若能充分满足读者的阅读需求，就可极大激发读者利用图书馆的积极性，从而发掘出更多的阅读需求。而大量的新阅读需求可以为阅读推荐服务的创新发展奠定良好的数据基础，为图书馆阅读推荐服务的创新发展提供强大的驱动力。因此，充分利用数据驱动研究读者阅读需求，可以提升阅读推荐服务的质量水平，构建起图书馆与读者之间的良好关系，在获得读者满意和认可的基础上实现图书馆自身的持续发展，推动图书馆服务创新。

2.2 大数据技术的发展推动阅读推荐服务朝着数据驱动方向前进

随着大数据技术的发展和应用，图书馆阅读推荐服务的形式也在不断转变，逐渐由传统静态、稳定的服务模式向动态、扩展的服务模式转变。如何满足读者随时随地的阅读需求则成为智慧图书馆服务要解决的关键问题。大数据技术在收集、挖掘、分析读者各种显性与隐性的阅读需求等方面具有优势。因此，随着大数据技术在图书馆的应用领域越来越广，数据驱动的科学研究视角越来越重要。利用数据驱动视角，可以准确把握各种阅读资源数据之间的科学关联，深度挖掘其应用价值，构建起全新的阅读知识结构与服务模式。基于数据驱动研究智慧图书馆阅读推荐服务，可以为广大读者提供更加科学、准确且高效的阅读推荐服务，同时也可以让图书馆保持自身良好的创新发展驱动力，实现现代数据驱动思维在图书馆传统核心业务上的科学运用。

3 基于数据驱动的智慧图书馆阅读推荐服务模式特征

基于数据驱动的服务体系，核心是以元数据为中心的索引技术，对大规模、异构数据信息进行科学处理与整合，从中提取有价值的信息资源，用来满足特定用户的信息需求。所以，在此概念基础上，基于数据驱动的智慧图书馆阅读推荐服务模式具有数据情景化、数据索引性、数据目录化、数据集成性的特征。

3.1 数据情景化影响阅读推荐服务的维度与形式

随着移动互联网技术的发展与智能交互设备的兴起，图书馆的服务形式呈现出多样化趋势。依据读者情景数据为其提供服务成为智慧图书馆服务的重要形式之一。数据情景化的运用，可以协助智慧图书馆阅读推荐服务根据读者情景数据为读者推荐适合其当下阅读行为的阅读资源；通过收集读者在现实社会中的各种情景数据，如资源情景数据、服务情景数据、社交情景数据、移动情景数据、技术情景数据、环境情景数据等[12]，将读者阅读行为感知的各种情景数据进行整合，再对其进行分析，发现读者潜在的阅读需求，拓展阅读推荐服务的维度，丰富阅读推荐服务的形式。

3.2 数据索引性决定阅读推荐服务的深度与广度

随着信息超载以及数据量的成倍增长，图书馆阅读推荐服务更加注重数据索引技术的应用。智慧图书馆阅读推荐服务需要在对相关数据、摘要、目录表等进行研究分析的基础上，才能形成读者所需的阅读资源数据。所以，数据索引性的特征就是指：在图书馆提供的经梳理后的阅读资源数据的基础上，读者可通过特定的链接、按钮等与图书馆构建起自身与目标资源数据的直接关联，以此获得所需的阅读资源数据。这就是智慧图书馆阅读推荐服务数据索引性特征的具体体现。数据索引性特征能够拓展读者阅读信息检索内容的深度，拓宽阅读推荐服务的广度。

3.3 数据目录化引导阅读推荐服务的方式与方法

在数据驱动视角下，图书馆可以构建起以数据索引为基础的在线目录系统，以此实现数据目录搜索功能，便于读者对图书馆的阅读资源数据进行查询和访问。目前市面上较为成熟的商用搜索引擎都是采用目录化的形式提供服务，但因其过度追求经济利益，导致搜索结果并不一定具有公正性与客观性。反之，智慧图书馆提供的阅读推荐服务，采用数据目录化特征搭建搜索引擎，可以在保证具有一定的数据挖掘技术水平的条件下，满足读者复杂的数据目录搜索服务需求，创造兼具直观性与客观性的阅读资源数据检索方式，创新读者通过简单操作即可获得相关性最强的阅读资源数据的检索方法。

3.4 数据集成性提升阅读推荐服务的技术水平与智慧程度

智慧图书馆阅读推荐服务的技术基础属性为一种基于现代数据驱动思维的综合性数据信息服务平台系统。该平台系统提供的服务能够打破阅读资源数据在结构、内容方面的差异性与局限性，集成不同数据技术的优势，搭建起一种读者与图书馆广泛交互、充分共享的阅读资源数据渠道，从而实现阅读推荐服务功能，提升智慧图书馆的服务层次。数据集成性的特征体现和升华了智慧图书馆阅读推荐服务在数据驱动的作用力下的技术水平与智慧程度。

4 基于数据驱动的智慧图书馆阅读推荐服务模型

在数据驱动下，数据环境一直处于动态变化中。这对智慧图书馆阅读推荐服务的内容与形式提出了更高要求：内容追求数据化，形式追求可视化。智慧图书馆阅读推荐服务进入一种全新的创新发展模式，逐渐形成全面、开放、协同、交互的生态系统。所以，在数据驱动下，从生态系统金字塔的研究角度，智慧图书馆阅读推荐服务模型包含以下四大功能模块。一功能模块：用户行为感知模块。该模块是系统的底层要素，决定了阅读推荐服务的内容与方向。二功能模块：阅读资源数据模块。该模块是系统的中间层要素，能够对碎片化、异构化的阅读资源数据进行整合处理。三功能模块：阅读知识组织模块。该模块是系统的核心层，完成阅读资源数据的挖掘再生从而实现更多价值。四功能模块：阅读推荐服务模块。该模块是系统的顶层要素，实现阅读与读者之间的高效交互，是系统的应用层面。文章基于以上四个功能模块，构建起基于数据驱动的智慧图书馆阅读推荐服务模型，以此实现阅读资源数据的充分利用与高度共享（见图1）。

图1 基于数据驱动的智慧图书馆阅读推荐服务模型

4.1 用户行为感知模块

用户在知识结构、认知能力等领域所表现出的主观性差异显著影响着智慧图书馆阅读推荐服务水平。与普通阅读推荐服务不同，基于数据驱动的智慧图书馆阅读推荐服务的读者需求感知过程是一个隐性交互过程。阅读推荐服务系统通过读者终端感知读者情景数据，推断读者潜在阅读需求；在读者行为感知的过程中，积极主动地收集读者阅读需求、阅读行为习惯、阅读兴趣偏好等数据；用对读者阅读行为的自动感知取代读者阅读需求的主动表达，围绕读者本身，基于终端平台收集各种读者情景数据，共同组成系统化的用户行为感知模块。而这个模块也成为基于数据驱动的智慧图书馆阅读推荐服务模型的基础层，即底层，它决定了阅读推荐服务的内容与方向。

4.2 阅读资源数据模块

阅读资源数据模块主要作用于数据的碎片化处理与重新整合。通过对开放性的碎片化阅读资源数据进行重新整合，智慧图书馆阅读推荐服务基于读者需求对阅读资源数据进行加工，将其转变为读者需要且便于读者理解接收的阅读资源数据形式。在这一过程中，碎片化阅读资源数据将根据数据挖掘等技术，实现阅读资源数据的深度分析，然后借助智慧图书馆系统独特的算法将其转化为结构性、带有索引的阅读资源数据，有针对性地满足读者个性化、差异化的阅读需求。

4.3 阅读知识组织模块

阅读资源数据内在知识价值的挖掘与创造是阅读推荐服务的核心内容，也是阅读资源数据向知识转变的语义化、结构化、分析化的组织过程。其基本流程为：第一步，通过数据清洗、转换、集成等技术手段，对原始阅读资源数据进行优化处理，根据读者需求将其转化为对应的数据粒度等级，然后经过分割、抽取等处理手段对其进行语义识别，形成阅读知识元，明确每一个阅读知识元的内涵与类型，并将其归类整合为不同的阅读概念单元，完成阅读资源数据语义化组织处理；第二步，对上述阅读知识元进行加工，构建起阅读知识元的内外部关联体系，通过聚类分析、数据集成及融合技术，对阅读知识元进行结构化处理，使其转变为对应的阅读知识链，然后通过多变量处理等技术手段完成关联分析，将阅读知识链转化为以阅读领域知识为对象的结构化阅读知识库，完成阅读资源数据结构化组织处理；第三步，借助数据挖掘等技术，对阅读知识库的相关信息进行加工处理，构建起新的阅读知识体系，为高水平阅读推荐服务奠定数据基础，完成阅读资源数据组织化处理。通过以上三个流程，阅读资源数据将完成从阅读知识元到阅读知识链再到阅读知识库最后到阅读知识体系的转变。

4.4 阅读推荐服务模块

作为读者与图书馆阅读推荐服务的交互媒介，阅读推荐服务模块发挥着重要作用，实现了阅读资源数据在图书馆与读者之间的科学交互。具体表现为：①从使用者主观感受来说，阅读推荐服务模块的服务界面需要满足读者个性化、差异性、可视化的阅读信息检索服务需求。而借助现代互联网技术，基于数据驱动，阅读推荐服务可以为广大读者提供高效、便捷的阅读信息检索服务，并将阅读资源数据推荐以个性、特质的形式送达读者，以保证阅读推荐服务的质量水平；②从数据客观处理来说，阅读推荐服务模块能够及时、精准地捕捉到图书馆阅读知识元的更新数据，围绕动态变化的阅读知识链，综合运用视觉编码等技术手段对已经结构化、分析化的静态阅读知识体系进行处理，形成一种可视化的动态阅读知识图谱，以一种读者容易理解的方式将阅读资源数据提供给读者，提高读者对推荐的阅读资源的认知和掌握能力，将阅读资源数据以阅读知识图谱的形式可视化呈现；③从系统工具角度来说，在充当交互媒介的过程中，阅读推荐服务模块还需充当交流沟通的工具，一边向读者推荐满足其潜在阅读需求的阅读资源数据，一边收集和整理读者使用阅读推荐服务的体验与感受，根据读者反馈信息对推荐服务进行改进，让智慧图书馆阅读推荐服务按照自我成长的生态系统发展规律保持自身的持续优化。

5 基于数据驱动的智慧图书馆阅读推荐服务模型运行机理

机理是为实现特定功能，系统结构组成要素之间的工作方式，以及各要素在一定环境条件下相互联系、共同作用的运行规则与原理[13]。具体到智慧图书馆阅读推荐服务模型运行机理，则是指图书馆在数据驱动下开展阅读推荐服务的过程中，阅读推荐服务系统各组成要素之间的运行规则、运转原理与作用方式。

5.1 运行规则具有生态性

基于数据驱动的智慧图书馆阅读推荐服务是图书馆在传统阅读推荐服务的基础上提供的一种创新工作，其本质就是信息服务。根据信息生态学的观点以及前文分析的智慧图书馆阅读推荐服务模型构成，基于数据驱动的智慧图书馆阅读推荐服务模型可由三部分组成，分别是阅读推荐服务主体、阅读推荐服务本体、阅读推荐服务环境。①阅读推荐服务主体，即阅读推荐服务相关人员，包括阅读推荐服务的提供者和消费者。其中，阅读推荐服务的消费者是决定阅读推荐服务是否需要开展、服务是否有价值的关键主体，也是模型运行中用户行为感知模块的数据来源。②阅读推荐服务本体，即阅读推荐服务内容本身。按照模型构建层次与模型运行内容，可分为阅读推荐内容的资源建设与阅读推荐内容的组织建设，阅读资源数据模块与阅读知识组织模块分别作用于它们。③阅读推荐服务环境，则可分为包含阅读推荐服务相关网络环境、个人隐私等宏观层面的外部环境和图书馆开展阅读推荐服务所需要的软硬件条件等微观层面的内部环境，模型运行中的阅读推荐服务模块需要基于本要素才能起作用。阅读推荐服务主体、阅读推荐服务本体、阅读推荐服务环境，三个组成要素在用户行为感知、阅读资源数据、阅读知识组织、阅读推荐服务四大功能模块中，为实现智慧图书馆阅读推荐服务的总目标构建起相互联系、相互作用的具有生态关系的运行规则（见图2）。

图2 基于数据驱动的智慧图书馆阅读推荐服务模型运行规则

5.2 运转原理符合生命周期

系统要正常运转，必须遵守一定的运转原理。基于数据驱动的智慧图书馆阅读推荐服务模型运行机理，前文已分析其运行规则具有生态性，所以生态学中的生命周期也适应于本模型运转。根据生命周期理论[14]，智慧图书馆阅读推荐服务模型运转需要历经四个阶段，分别是萌芽期、成长期、成熟期、衰退期。①萌芽期。图书馆探索数据驱动对阅读推荐服务的具体工作模式运行的作用，智慧图书馆阅读推荐服务模型初具雏形。②成长期。在读者需求不断增长的推动下，阅读推荐服务获得快速发展，智慧图书馆阅读推荐服务模型与图书馆服务工作制度化、规范化的结合越来越紧密。③成熟期。智慧图书馆阅读推荐服务模型已形成特色服务路径，智慧图书馆阅读推荐服务体系健全，能够完全满足读者的需求。④衰退期。读者需求发生质的变化，智慧图书馆阅读推荐服务模型不能满足读者需求，服务面临转型升级。基于数据驱动的智慧图书馆阅读推荐服务模型，随着生命周期的运转，其运行机理可以逐步健全并优化。

5.3 作用方式为正向数据流

统一的标准化检索入口是基于数据驱动的智慧图书馆阅读推荐服务的技术基础[15]。基于标准化的检索入口，阅读推荐服务系统才能够对相关阅读资源数据进行分析处理，才能发挥数据驱动的优势，高效、快捷地处理海量阅读资源数据，将其转化为结构化的阅读知识体系。在这个过程中，数据驱动贯穿始终，阅读资源数据从数据驱动力作用的起点——阅读知识元，到数据驱动力作用的终点——阅读知识体系，形成了一股正向作用的数据流，并将数据驱动阅读推荐服务的最终结果以可视化的方式呈现（见图3）。

图3 基于数据驱动的智慧图书馆阅读推荐服务模型作用方式

如图3所示，数据驱动的作用就是将数据从整个服务过程的起点一直作用到服务过程的终点。在这期间，数据一直处于正向流动。而阅读资源数据在这个过程中的具体流动路径如下：以API接口为基础对阅读资源数据进行调用和提取，结合读者需求完成阅读元数据的索引准备工作，然后借助数据抽取、映射及导入技术对阅读元数据进行聚合处理，使其转变为读者需要的阅读资源数据内容与格式进行反馈输出，最终以可视化的形式供读者了解和掌握；必要时可结合其他数据处理技术对阅读资源数据进行加工处理，将阅读资源数据转化为面向不同读者的不同形式进行输出，以此保证阅读推荐服务的针对性与有效性。基于数据驱动的智慧图书馆阅读推荐服务通过其数据驱动的正向数据流作用力实现阅读资源数据的高效处理与综合利用，以此保证阅读推荐服务的质量。

6 基于数据驱动的智慧图书馆阅读推荐服务模式

在智慧图书馆阅读推荐服务过程中，数据驱动着阅读资源数据的流动，就是为了将阅读资源数据以揭示其内在知识价值为目标推送给读者，以满足读者潜在的阅读需求，引导读者阅读以及利用图书馆资源。所以，基于数据驱动的智慧图书馆阅读推荐服务模式，可以从技术服务的数据流、内容服务的知识发现、读者服务的可视化三方面展开。

6.1 基于数据流创新智慧图书馆阅读推荐技术服务过程

从数据流这个技术层面来看，基于数据驱动的智慧图书馆阅读推荐服务，可以创新传统阅读推广服务模式，使其转换成为一种更加开放、友好、安全的阅读资源数据网络，在确保相关数据安全性与可靠性的基础上实现阅读资源数据的高度共享、高效传播与有效利用，最终形成特定的阅读知识生态系统，满足读者个性化的阅读信息需求。在这一过程中，充分发挥相关数据处理技术的优势，借助数据解构、数据整合等技术对数据流进行科学管理，可以保证阅读推荐服务的智能化与智慧化，实现阅读资源数据由原始资源数据向知识资源数据的转化与流动，推动智慧图书馆阅读推荐服务的创新发展。

基于数据流创新智慧图书馆阅读推荐技术服务过程，主要包括确定分析对象、信息分类模型、分析手段、分析数据结构表达模型四个部分。其中，分析数据结构表达模型是工作重点。智慧图书馆阅读推荐技术服务，就是指对阅读资源数据的整理。基于数据驱动的智慧图书馆阅读推荐服务模式数据情景化、数据索引性、数据目录化、数据集成性的特征，我们可选取单指标推动力结构模型[16]为智慧图书馆阅读推荐服务数据结构表达模型，通过该模型进行阅读资源数据分析与阅读资源数据可视化前的数据建模。在具体建模过程中，系统可按照阅读资源数据整理的指标将每一位读者设为阅读资源数据总量、阅读资源数据推动力、阅读资源数据增速、阅读类目百分比四类；利用单指标推动力结构模型对其进行数据建模，将阅读资源数据总量及推动力指标按照维度进行分解，将主节点的增速分解到从节点的推动力、增速与百分比上（见表1），通过阅读资源数据总量与分解后的一级维度和二级维度进行叠加制定建模方案（见表2）。

表1 阅读资源数据总量及推动力结构按维度分解图

表2 阅读资源数据流分析数据结构表达模型建模方案

面向单指标视角的阅读资源数据流分析数据结构表达模型建模方案的设计，实质就是以推动力结构模型为基础，对某一主题的阅读资源数据开展定量逻辑梳理，形成满足阅读推荐服务目的的数据结构，为数据挖掘与可视化设计提供量化指标。基于数据流的阅读推荐技术服务，能够有效克服传统分析工具的缺陷和不足，根据读者需求有针对性地采取最佳方式完成阅读资源数据的整理工作。

6.2 基于知识发现创新智慧图书馆阅读推荐内容服务方向

数据挖掘等现代数据驱动思维的科学运用加快了智慧图书馆服务创新发展的速度。从数据驱动智慧图书馆阅读推荐服务过程中可以发现，阅读资源数据在服务过程中的起点以知识元的形式存在，在服务过程中以知识链、知识库的形式发生价值传递，在服务过程的后期以知识体系、知识图谱的形式对外呈现。整个服务过程中，通过数据驱动，阅读资源数据实现了增值，形成了能引导读者阅读行为走向或对读者有决策参考作用的阅读知识。这是阅读推荐内容服务方向从传统推荐阅读书目向推荐阅读知识的一种转变。

所以，在数据驱动下，图书馆可以基于知识发现研究分析读者数据，对读者的潜在需求、使用偏好、兴趣习惯等进行深度挖掘，通过建立用户画像对其阅读需求进行预测，以此作为阅读推荐服务开展的依据，提高读者使用智慧图书馆阅读推荐服务的满意度；同时，利用知识发现中的分析、评价等技术手段对阅读资源数据进行收集、处理，将知识发现服务与阅读推荐服务进行融合，实现图书馆馆藏资源的深度加工、深层挖掘，深度挖掘图书馆现有资源的阅读价值，提升阅读推荐服务的层次。

具体操作可以分为三个部分进行：①建立起目标数据与查询数据之间的数据流转过程。将待查询数据与目标数据库进行连接，通过服务平台将待查询数据与本地数据库、远程数据库进行精确匹配，依据相关分析技术完成从非结构化数据到结构化知识的阅读资源数据的收集、处理。②搭建起服务平台与其他数据库之间的数据协作渠道。将服务平台与图书馆基础数据库、机构知识库、专家学者库、科研人员库、学科馆员库等数据库之间实现跨库协同，将不同数据库进行关联，进而完成深度挖掘，实现数据到知识的升华。③开发服务平台与读者服务使用终端之间的数据智能技术：从用户角度出发，丰富数据收集方式；从分析角度出发，强化数据挖掘技术；从服务角度出发，优化数据评价模式；从环境角度出发，完善服务软硬件条件。

6.3 基于可视化创新智慧图书馆阅读推荐用户服务方式

智慧图书馆阅读推荐服务的创新发展在大数据的环境下，需要充分发挥数据驱动的作用力，才能够对规模庞大、结构复杂的原始阅读资源数据进行加工处理，将其转化为具有特定结构特征的阅读资源数据，向读者提供可以满足其特定应用需求的阅读推荐服务。在服务过程中，为了让读者更加直观、简便、准确地了解和把握相关推荐的阅读资源，图书馆除了注重内容服务的个性化外，还应重视服务方式的选择，这关系到读者的接受程度。由此，基于各种视觉编码技术的可视化呈现，就成为了智慧图书馆阅读推荐用户服务方式创新的一个方向。

可视化可以从根本上解决智慧图书馆阅读推荐服务中遇到的推荐数据庞大且关系复杂的问题，可视化方案的设计则可以提升阅读推荐服务质量。目前，可视化系统设计最基本的形式为静态显示与动态显示。通常情况下，静态数据显示具体表现为基于可视化系统模型，结合视觉编码技术工具以图元的形式对数据处理过程及结果进行输出展示；而动态显示输出则采取一种交互式的数据处理和输出方式，针对大规模、复杂的数据系统开展研究分析，可以更加全面、准确地显示即时数据信息，充分满足读者对阅读资源数据时效性、可靠性的需求，以此提升读者使用推荐服务的满意度。

就智慧图书馆阅读推荐服务可视化方案设计来说，图书馆可选择将静态数据以多视图关联交互为主要呈现方案。以单指标推动力结构模型分解为基础，集合前文阅读资源数据流分析数据结构表达模型建模方案，设计好数据结构以后，即可展示相应的可视化方案。而读者与图书馆之间交互的含义具体表现为：单个阅读资源数据之间读者可以与之直接进行信息交互；面对多个阅读资源数据彼此关联的页面交互行为时，需要将任一阅读资源数据的操作行为设置成可以影响所有对应的阅读信息数据；而来源于同一阅读资源数据的不同显示内容时，可以在多视图关联操作时完成数据筛选，从而呈现出由读者操作行为引起的特定交互推荐阅读资源数据的变化。

可视化技术的应用可以将复杂的数据信息以简单、直观的形式进行显示输出，能显著提升阅读资源数据的可读性；同时，能够发挥智能标签技术的优势，根据读者的阅读需求、个性偏好对阅读资源数据进行选择性呈现与重要程度排列。读者通过日常的阅读浏览行为逐渐接受图书馆的阅读推荐服务内容，图书馆因此能将阅读推广服务润物细无声地转变为引导读者开展阅读行为，最终提升图书馆阅读推荐服务的精准性。

7 结语

在创新阅读推荐服务模式的过程中，只有准确把握图书馆的未来发展趋势，才能让创新工作事半功倍。在大数据蓬勃发展的时代潮流中，只有利用数据驱动思维，以读者需求为中心开展阅读资源数据的分析与处理，才能构建起高度共享、高效传播、广泛交互的阅读推荐服务网络与平台，发挥大数据技术的真正价值，为读者提供更好的阅读推荐服务，这也是图书馆开展阅读推广所努力追求的目标之一。

（来稿时间：2020年12月）