用户对图书馆资源发现系统的评价——以聚合发现功能为切入点*

图书馆资源发现系统是指基于资源组织和聚合理论构建的，通过对来自于异构平台和数据库的信息资源元数据进行收割、映射和转换等预索引、预聚合处理，向用户提供信息资源一体化服务的系统[1]。资源发现系统是多种服务方式的整合。相对于传统单一的查询获取服务，资源发现系统增加了评论标签、全文获取、学术推荐、引文显示、馆藏揭示等功能，让用户在一个界面中实现图书馆全部资源的聚合、发现与获取，既实现多种服务方式的整合，又提供多种获取途径，符合互联网时代用户的需求[2]。资源发现系统创新了资源组织方式，整合了图书馆各种信息服务，实现了图书馆信息资源的智能化、语义化、关联化与可视化。新技术的应用必将通过各种新功能来体现，用户对现有图书馆资源发现系统的利用与评价，将为资源发现系统的改进与完善提供重要参考。

1 文献综述

作为图书馆信息管理系统的新生事物，我国图书情报学界对资源发现系统的研究始于2011年，目前已有相关研究论文80余篇，主要围绕以下主题展开。

主题1：对现有资源发现系统的调查对比。研究人员开展该主题研究的目的，一是介绍、推广现有系统，使其为更多图书馆及用户了解；二是为图书馆选择、建立资源发现系统提供借鉴与参考。该主题文献的调研对象主要为Primo系统、EBSCO Discovery Service(EDS)系统、Find+系统、Summon系统、Worldcat Local系统、超星发现系统等；对比这些系统的发展历程、界面设计、资源范围、发现功能、获取功能、个性化服务等[3-6]。该主题的文献数量最多，主要是全方位介绍各个系统的发展现状及其在各大学图书馆本地化的过程。

主题2：对资源发现系统各功能的剖析。该主题文献更关注系统某一特定功能的分析评价，如研究和评价中文检索性能、聚合功能、元数据问题、可视化功能、在科研课题跟踪服务中的应用[7-13]。在对众多功能分析的基础上，学者们认为要充分发挥资源发现系统各种功能效用，提高图书馆在大数据时代的服务价值，应着重解决两个问题：全面提升元数据质量；丰富资源发现系统与传统图书馆资源和网络资源的整合方式[14]。

主题3：结合用户需求评价现有的资源发现系统。真正结合用户需求评价资源发现系统的研究文献仅有4篇，评价维度各有侧重。王海花等[15]从系统能力、信息质量、用户满意度、用户偏好等方面开展评价，总结出主要的影响因素，分别为界面友好、检索速度、结果相关度和文献重复率。高海燕等[16]调查发现，用户希望资源发现系统提供更多的学科服务，对显示馆藏、链接电子资源、相关度排序、检索词提示与纠错、分面浏览等功能比较满意。张蒂[17]通过对不同学科非熟练用户的体验分析，认为虽然文理科学生在检索界面、检索实施、检索结果展示、个性化功能等方面的功能需求存在差异，但在海量资源整合、检索词提示、检索结果分类浏览等功能评价方面普遍保持着较高认可度。刘颉颃等[18]调查发现，在大学生中，资源发现系统的有用功能依次为检索结果相关度排序、链接网络资源、自动纠错、发表评论、检索结果分面浏览、自定义tag、定制书目和显示馆藏。

本研究内容与主题3更为接近，拟在该主题现有文献基础上进行以下深化研究：

(1)由于技术不断创新，资源发现系统的各功能也有了明显改进，如发现揭示和可视化技术的广泛应用，全面提升了用户使用体验，但这在现有文献中并未得到充分体现。本文将结合主题2中的功能研究成果，全面评价用户的需求与感受。

(2)现有文献中所提及的各类功能，更多的是基于研究者自身体验的功能列举，缺乏逻辑性和理论支撑，不能涵盖资源发现系统的所有功能设计。本文将按照用户的使用习惯，结合系统设计的逻辑框架，以资源聚合发现为导向，全面析出使用过程中每一环节的关键功能，为图书馆选择配置各项功能服务提供参考。

(3)现有文献仅仅得出用户对各项功能的满意程度，并未找出导致该情况出现的原因。本文分析每一个功能实现的理论依据和技术支撑，并且归纳提炼关键因素，为提高用户满意度找出切实可行的实施办法。

2 我国知名大学图书馆资源发现系统功能调查

为全面了解我国大学图书馆资源发现系统的建设情况，参照中国科学评价研究中心《中国大学及学科专业评价报告(2017-2018)》[19]的大学排行榜，参考地理位置分布，选取20所大学图书馆的资源发现系统进行调查，意在掌握现有系统的发展状态，全面搜集其提供的聚合与发现功能，作为后文用户利用与评价的对象与参考。

2.1 调查范围与方法

本次调查主要涉及：一是资源发现系统的呈现方式，二是资源发现系统的整合来源与范围，三是资源发现系统的检索结果分析与利用方式，四是对比传统图书馆检索工具，以及资源发现系统的新功能。调查主要通过登录每一个图书馆的资源发现系统，分别使用中文和英文检索词，对检索结果进行比对，试用系统提供的聚合与发现功能，并对试用体验进行总结，详见表1。

表1 20所大学图书馆资源发现系统建设情况

2.2 调查结果分析

2.2.1 系统配置率高，建立方式多样

20所大学图书馆均拥有资源发现系统，系统建立方式主要有2种。

(1)基于现有商业系统的再开发。目前应用较广泛的发现系统有Ex Libris公司的Primo系统(4所)、EBSCO公司的EBSCO Discovery Service(EDS)系统(1所)、EBSCO&南大数图的Find+系统(5所)、ProQuest公司的Summon系统(10所)①。相较而言，Summon系统的使用范围更广。通过对现有系统的二次开发，基本可以实现图书馆馆藏资源和电子资源一站式获取与发现。各系统在检索字段、检索类型、检索策略、检索限定以及结果显示与筛选等功能设定上基本相似。寇晶晶等[20]的实验发现，各系统在中文检索的效果评价中，响应时间从短到长依次为EDS、Find+、Summon、Primo，相对查准率从高到低依次为Summon、Find+、EDS、Primo，相对查全率从高到低依次为Summon、Find+、Primo、EDS，重复率从低到高依次为EDS、Summon、Find+、Primo。

(2)直接购买资源发现系统。此方式在中文检索系统中较为普遍。常用的系统有CALIS开发的e读系统(2所)、超星发现系统(11所)等。这主要是为了解决主流资源发现系统多为外文系统，对中文资源兼容性差的问题。相较于外文系统，中文系统的学术辅助功能更丰富，在可视化分析与展示等方面尤为突出。

2.2.2 配置中文、外文双系统

由于外文资源发现系统的汉化与兼容性有待完善，因此很多馆选择配置中外文双系统，以满足不同用户的需求。在20所大学图书馆中，配置双系统的共有11所。其中，中文系统全部选用超星发现系统，外文系统选择Summon(7所)、Find+(3所)、EDS(1所)。配置单系统的大学图书馆共9所，分别选择Primo(4所)、Summon(3所)、Find+(2所)。实验发现，单系统的数据库选择与检索式中的语种密切相关，如果输入中文检索式，系统自动选择中文数据库，虽然结果中会出现其它语言的内容，但基本是中文结果的翻译，整体检索效果并不理想。因此，配置双系统对提升检索效果十分重要。

2.2.3 整合来源以馆内资源为主

各大学的资源发现系统基本上可以实现对图书馆拥有和存取资源的一站式检索，文献类型涵盖馆藏书目数据、期刊论文、电子图书、学位论文、报纸、专利等，有的馆还可以实现文献资源各个版本的聚合。在资源整合上，有两个方面尚待加强：一是多媒体资源，多数图书馆并未将其纳入一站式检索；二是网络资源整合范围有限，主要集中在百度学术、豆瓣等网站，对开放存取资源、课程网站、社交媒体等的整合仍需增强。

2.2.4 重视学术信息资源的深度聚合

在大数据背景下，各馆强调学术信息资源的深度聚合。清华大学图书馆建立学术信息资源门户，对购买的数据库提供一站式检索；北京大学图书馆建立机构知识库、开放研究数据平台和学者主页；中国人民大学图书馆的学科服务平台将资源按学科整理，包括学科动态、主要文献、研究机构、专家学者信息等内容，其机构知识库更注重科研人员的科研历程发展脉络和科研成果的保存与展示。

2.2.5 检索结果分析功能存在差异

实验结果显示，各馆资源发现系统均具备对检索结果的展示、分析、推荐等功能。常用的聚类标准为文献类型、主题、作者、出版日期、来源等。但是，各系统在功能设计与使用中存在差异，基于现有商业系统再开发的(外文发现)系统主要对检索结果进行平面展示，而中文发现系统则提供多样的可视化呈现及分析功能，这对提升用户体验意义重大，在后文的评价中得到印证。

2.3 图书馆资源发现系统提供的聚合与发现功能

通过对调查结果的分析与总结，目前大学图书馆资源发现系统所提供的聚合与发现功能主要可归纳为3种类型[21]。

(1)多类型信息资源的聚合功能。该功能可对同一种资源实现不同媒体类型、不同格式的组织与聚合，如《哈利波特》小说的不同版本(图书和电影)、不同内容表达(英文原版和中译版)，以及其系列小说各集书目记录等的聚合，从而将各种载体的同一种信息资源以及具有某些共同内容特征的相关资源整合在一起。这一功能的实现主要基于元数据记录统一格式的转换和规范化预处理，是FRBR数据模型的一种实现。

(2)基于聚合的资源发现功能。此功能不仅包括在馆藏各类资源聚合基础上的一站式检索，提供来自多个数据库的检索结果的集合；更重要的是，可聚合其他非文献信息资源，如用户数据资源、外部网络资源，在此基础上实现用户隐性检索需求的显性化，以发现图书馆外的其他资源。比如，通过聚合用户输入的检索词等检索历史，可提供检索词提示、拼写错误自动纠正、相关资源推荐等功能。通过设置交互式操作功能，用户可以添加个人标签和评论，实现经验与知识的共享。通过Mashup等技术，将网络信息资源嵌入到系统中，用户在一站式检索时，除了可以发现馆藏，还可以了解相关图书的封面、目次、书评等。

(3)全方位的信息资源揭示功能。一站式检索可以获取海量检索结果，但只有对其进行有效分析与揭示，才能满足不同层次、不同基础的用户的信息需求。面对检索需求不明确的用户，系统可以提供学科、资源类型等浏览服务；面对检索需求明确的用户，系统可以提供预先设置功能，如设置文献载体、语种等，也可以提供检索结果再处理功能，如排序、资源推荐等。为了使用户更直观地分析检索结果，掌握研究现状，系统还可以提供可视化展示功能，如发文量趋势图、学术发展趋势、各类引证情况及趋势等。

3 图书馆资源发现系统聚合发现功能的用户评价

3.1 调查问卷的编制思路与内容

结合上述分析成果，本文编制“图书馆资源发现系统聚合发现功能评价”调查问卷。问卷的总体框架包括聚合功能、发现功能和揭示功能3大部分；在具体问题上，参考用户检索路径，按照“找平台→检索式编写与提示→检索结果呈现方式→检索结果内容→检索结果分析→检索结果推荐”6个基本步骤进行设置。最终，调查问卷共设有问题48项，其中开放性问题2项；25项问题根据里克特5分量表法设置选项，请用户评价某一项功能的使用体验；10项问题为排序题，请用户判断功能及内容的重要性；11项问题为多选题，请用户判断多种类似功能的使用偏好。由于调查对象为中山大学不同学科背景的本科生与研究生，因此每道题均配有图示说明，并由项目组同学全程陪同完成问卷调查，解答对问卷的疑惑。

此次调查共发放问卷150份，回收150份，回收率100%，有效率100%。统计所有题目各选项的数量及所占百分比，对25道量表题，计算各题目的均值与标准差；对其他非量表题，进行频次统计；对开放性问题，进行词频分析。在定量分析的基础上，运用定性分析方法了解大学生对资源发现系统功能及服务的评价。

3.2 调查问卷的结果分析

3.2.1 聚合功能

图书馆资源发现系统聚合功能的实现，有赖于2个方面的保障：一是来源广泛的数据，二是元数据的互操作处理技术。两者都可以通过检索结果得以体现。

(1)聚合来源。用户认为资源发现系统提供的各类资源按重要程度排序依次为“电子图书(得分150)＞实体馆藏(得分146)＞书评(得分136)＞期刊论文(得分131)＞影视资源(得分126)＞学术新闻(得分124)＝在线问答(得分124)”，但从得分来看，各类资源间差距较小。因此，资源发现系统面临的境况是尽可能多地搜集学术性数据来源，满足用户的各种需求。

目前图书馆整合的数据源主要包括馆藏资源、图书馆联盟资源、合作项目资源和网络资源。除馆藏资源外，用户对其他类型资源的接受程度存在差异(见表2)。

表2 聚合来源(非馆藏资源)的接受程度②

根据量表分析，在众多聚合来源中，用户“最欢迎”图书馆联盟的资源、(图书馆)合作项目资源(如浙江大学加入Haithtrust图书数字化项目得到的电子书)、校内其他机构的学术资源(如院系自建机构库和知识库)、学术搜索引擎。辅助馆藏书目记录展示的资源，如京东等电子商务网站的封面和目录、豆瓣等网站的书评，也比较受欢迎；同时，开放课程在用户中的认可程度较高。相较而言，用户不欢迎微信或微博等社交媒体的信息。有的图书馆将微博的热点话题整合到馆藏资源检索中，但受访用户普遍认为这会干扰其检索进程。

总体而言，资源来源的可靠性和用户检索习惯是选择聚合来源的主要参考。用户更倾向于选择自己信任的或常用的数据源进行检索。

(2)聚合粒度。目前资源发现系统可以实现不同版本、不同内容表达的图书聚合。以《红楼梦》为例，对众多资源类型，用户的欢迎程度依次为“红楼梦原著图书＞红学研究期刊论文＞红楼梦改编图书＞红学相关慕课视频＞红楼梦各版电视剧和电影＞曹雪芹或者陈晓旭等人的资料＞书籍的插画或者影视剧照＞红楼梦电视剧的主题曲与插曲”。可见，传统文献类型依然是目前资源聚合的主要对象。

用户对检索结果内容要素的需求，从高到低依次为“题名＞文献类型＞著者＞主题词＞出处＞摘要＞馆藏信息＞书评＝试读页＞ISBN＞版本＞文献载体＞丛编”。对通过关联设置获取目录页这一技术操作，用户表示“较欢迎”。在检索结果的呈现方面，59.09%的用户希望可以全面展示各个内容要素，可见传统的信息描述项目如题名、责任者、主题词等依然是用户最关注的识别要素。因此，上述要素是检索结果再次筛选的重要依据，不能忽视。此外，用户对通过关联技术获取的书评、封面、目录等需求一般。

3.2.2 发现功能

(1)智能化资源推荐功能。资源发现系统发现功能(信息资源的检索与获取)的实现取决于用户信息需求的明晰和信息资源描述的规范化。在明晰用户信息需求方面，发现系统可通过聚合用户的检索词、检索历史、共享协作等开展推荐服务，具体体现在检索词提示、自动纠错、互动交流等方面。用户对推荐与交流功能的接受程度见表3，具体评价如下。

检索词提示有2种方式：一是根据词频统计提示，二是嵌入主题词表，提供规范用词。相较而言，用户更喜欢词频提示(44.44%)，另外21.48%的用户表示中立。

表3 推荐与交流功能的接受程度

用户不希望系统记录自己的检索偏好进而推荐资源，但接受自动纠错功能；对在系统中进行共享交流持谨慎态度，经常自行添加文献标签的用户仅占16.29%，从未添加标签的用户占36.30%。用户在发现系统中更希望与相关学科专家(43.25%)和相关学科领域的同学(37.7%)交流。

总之，用户希望在资源发现系统使用过程中的隐私性得到保护，参与资源共享的积极性不高。后续访谈发现，用户认为系统推荐资源的利用率不高，加之存在信任问题等，更倾向于面对面的线下交流共享。

(2)智能化资源发现功能。智能化发现功能更侧重对外部网络资源的链接与使用，如Primo系统通过SFX将相关网络资源进行关联，可以看到书评、封面、目次等。而更大范围的关联是将人物、地理、主题等数据集嵌入到资源发现系统中，如关联维基百科，可以在检索过程中提供人物介绍；关联翻译软件，可以自动提供检索词英文翻译。系统还可以提供收藏功能，将发现的网络资源进行保存，方便下次使用。

表4 发现功能的接受程度

由表4可知，用户“较欢迎”检索词简介功能。该功能即时性强，在用户输入检索式时提供帮助，有利于用户明确检索需求。除简单的介绍，当检索词涉及到专家学者时，用户希望系统提供更多的信息，按重要程度排列依次为“研究领域＞发表成果＞所在机构＞主持的科研项目＞师承流派＞合作对象”；而这些内容必须通过关联人物数据集才能获得。对网络资源的利用方式，用户的采用倾向依次为“在线阅读＞下载阅读＞移动端阅读＞借阅阅读”。

用户对网络资源的关联利用持开放态度，既希望资源发现系统可以聚合多种细粒度的网络资源，扩展选择范围；却又保持了较为传统的资源利用方式。这就对资源发现系统的更新维护提出更高的要求。

3.2.3 资源揭示功能

资源发现系统的用户不同，信息素养也存在差异。因此，应结合用户查找、利用信息资源的习惯与过程，提供多层次、多维度的信息资源揭示功能。

(1)分面浏览功能。分面浏览功能适用于检索需求不明确的用户，主要依赖图书馆对资源的分类，借助文献类型、学科属性、数据库来源等标准，提供不同的浏览途径选择。用户的选择顺序依次为数据库来源(32.75%)、学科属性(27.58%)、文献类型(24.16%)，同时有15.51%的受访用户表示无所谓。

分面浏览的功能主要是帮助用户逐步明确检索需求。用户的选择受其日常检索习惯的影响，这也提示我们，在资源整合过程中，实现各个数据库资源的无缝整合是提升用户使用体验的基础；而实现具体学科的资源整合，并按照文献类型进行分类管理，是该功能有效发挥的关键。

(2)预置辅助功能。在检索前预先设置检索条件可缩小检索范围。用户“最欢迎”预置辅助功能，均差值为1.99/0.77。对具体的预置辅助功能，接受程度不同：76.34%的用户希望通过文献类型预置功能，实现检索结果的分类展示；73.01%的用户希望图书馆可以分设中文和外文2种检索系统，实现不同语种资源之间的独立检索；用户“不希望”(均差值2.56/0.93)不同语种的检索结果混杂呈现，如不希望输入中文检索词后出现其他语种的文献。

上述情况与前期调研结果相符，超过半数受访图书馆设置有中外文双系统。若在集成系统中输入中文检索词，虽然可以得到一部分的外文文献，但命中的都是中文文献的翻译。

(3)后置辅助功能。用户得到检索结果后，可以配置进一步筛选和定位的功能，如检索结果排序、同一作者或主题的相关资源推荐。

在检索结果排序标准方面，用户选择顺序依次为“相关度＞学术性＞引用频次＞出版日期＞馆藏优先＞点击次数＞其他”。

表5 推送功能的接受程度

对推送功能，用户整体需求度为“较欢迎”，对传统的研究热点、高被引文章、会议讲座等特定资源的推送需求基本一致(见表5)。除此之外，用户需要的其他类型资源依次为“某一类专业资源＞电子书、电影＞PDF、PPT、音频等内容＞学习或讨论社区＞投稿机构＞相关博主或答主＞书店”。对推送方式，用户选择依次为“邮箱＞我的图书馆＞社交软件(QQ、微信)＞短信＞RSS订阅”。

资源推送作为数据库常用功能之一，已经被用户普遍认知。相较于传统的基于主题的期刊论文推送，用户要求推送内容更加丰富、形式更多样。除了专业学术资源外，还希望有音频、视频和一些来自社交网络的素材。在推送方式上，传统的RSS订阅并不受用户欢迎，主要是这种自动收割技术所提供的资源精准性不高，增加用户的使用负担。

(4)可视化展示功能。可视化展示功能可以帮助用户更加清晰地了解某一主题的研究现状及趋势，同时还可以更直观地了解相关知识点、作者、机构等节点特征。

①用户希望可以提供可视化分析展示功能的内容要素有“学科分布(18.75%)＞文献类型(17.82%)＞出版时间(17.36%)＞核心期刊分布(14.58%)＞作者分布(11.81%)＞出版机构(11.11%)＞地区分布(8.33%)＞其他(0.24%)”。

②用户“较欢迎”知识图谱功能(展示某一主题研究的核心内容、发展历史、前沿知识等)，均差值为2.16/0.75；而传统的引证情况及引证趋势图功能(均差值为2.02/0.69)却更受欢迎。

③在关联节点的选择上，用户认为以知识节点为脉络(50.88%)的可视化展示效果最佳，其次是引文分析(35.09%)和作者节点(14.03%)。

在访谈中，用户普遍反映相较于外文资源发现系统，他们更喜欢超星等中文发现系统，主要原因是超星等系统提供了丰富的可视化展示功能，使结果分析更为直观。但无论形式如何多样，用户最关心的还是系统对内容的深入挖掘，希望能将知识点作为首选关联路径，这需要在细粒度描述的基础上，通过语义检索来实现。问卷同时反映出先进的可视化技术在用户选择中并没有占据优势，究其原因，一是由于部分用户对该技术不了解，缺乏足够信任；二是知识图谱技术需要导入格式化数据才能获得精确结果，这与泛化检索不够适配。

4 图书馆资源发现系统功能设置建议

图书馆资源发现系统的特色在于能够聚合各类数据源的资源，并提供一站式检索。检索结果不仅可以实现多版本、多载体的数据记录集合，同时也融入了发现、推荐、揭示等技术，从而明晰用户的信息需求，实现多维度、多层次的资源展示。

但是，资源来源并非越多越好，功能也并非越全越好。调查发现，用户对某些资源来源不信任，并认为对其聚合将增加使用障碍；而有些功能，用户的接受程度和利用率并不高，这也会增加发现系统的建设成本。因此，根据前期调研和用户问卷评价结果，在设置资源发现系统功能时应该注意以下问题。

4.1 择优选择资源，注重元数据的规范性

调查显示，用户对数字资源的依赖程度高，认为电子图书的重要性大于馆藏纸质文献，这要求资源发现系统在设计时应以馆藏资源为主，但不能局限于此。这并不意味用户接受所有的数字资源，他们只对来自学术机构或权威组织的资源足够信任，通过Mashup等技术获取的书评、目录、试读页仅仅是锦上添花。另外，用户对多媒体资源需求一般，视社交网络信息为干扰和障碍，因此在选择资源来源时，应该有所侧重。

根据问卷反馈，用户并非需要所有的元素。他们认为题名、著者、主题词、出处等核心要素更为重要。在参考信息描述细粒度化的发展趋势下，资源发现系统应更侧重主题词和责任者的规范与细化，强调析出人物、事件、时间、地点等要素，并实现上述内容的关联数据化。

为获得更好的资源聚合效果，应该在元数据预索引和元数据仓储机制基础上，对来源数据进行人工干预，建立互操作模型，使信息资源可以基于某种形式进行统一描述与聚合，以取得较好的资源聚合效果。

4.2 配置合适的发现功能，加强与规范数据集的关联

目前资源发现系统提供的发现功能多样，有基于用户使用记录的推荐发现，有基于共享交流的推荐发现，也有基于Mashup等外链技术的发现。对上述发现功能，用户的接受程度存在差异。总体而言，用户注重个人隐私的保护，无针对性的推荐功能使用率低；更倾向与本专业领域的人士进行线下交流，必然会限制交流功能的发挥。对外链技术提供的网络资源，用户也只选择权威来源的资源。因此，发现功能的实现主要考虑来源的权威性、可靠性，规范数据集无疑是理想选择。首先，应优先与各类SKOS化的主题词表、叙词表、分类表等建立关联，增加资源组织的准确程度，消除词汇歧义。其次，应该与外部书目数据关联，扩展用户的资源发现。再次，应与人名规范文档、地理数据集等权威文档关联，以权威文档为关联节点，发现更多的外部资源。

4.3 揭示功能注重学术性、实用性、直观性

多维度多层次的资源揭示功能可以保证不同信息素养的用户能以最适合自己的方式，方便快捷地查找、识别、选择和获取资源。在揭示功能的设置方面，应注意用户所需要的是范围有限的深度聚合。比如，用户并不十分接受中外文资源混合检索，而强调整合的学术性，希望发现系统提供基于知识节点的深度聚合。用户强调揭示功能的直观性，因此可视化功能成为吸引他们使用中文发现系统的关键因素；用户强调揭示功能的实用性，在功能选择上依赖于使用习惯，希望在功能使用方面困难越少越好，所以仅采用新可视化技术还是不够的。

总之，要满足用户在资源揭示功能方面的需求，发现系统要解决的首要问题是深入揭示实体之间的关系。这可以通过构建数据模型来实现，既可以自建本馆的资源本体，也可以借助于现有的数据模型，如RDA、BIBFRAME等。数据模型的构建可以对信息资源的知识内容进行分解，细化信息资源的粒度，对信息资源的内容进行抽取、结构化深度整序，以实现基于信息资源内容及基于知识关联的深度聚合与揭示。

注释

①2015年ProQuest并购Ex Libris，保留Ex Libris名称并将旗下相关产品纳入其名下。

②均值／标准差以2.00/1.00为分界点，＜2.00/1.00为最欢迎，2.00/1.00与3.00/2.00之间为较欢迎，＞3.00/2.00为不欢迎。