图书情报与档案管理领域的个性化信息服务研究和应用问题辨析

金洁洁

摘  要：在梳理图书情报与档案管理领域个性化信息服务研究和应用现状的基础上，从理论和技术两个方面进行辨析，并对个性化信息服务建设策略、推荐算法以及推送技术提出合理化建议，以期能够进一步完善图情档个性化信息服务相关理论和技术方法，促进图情档个性化信息服务研究与发展。

关键词：图书情报与档案管理;个性化信息服务

Abstract： Based on the research status of personalized information service of library information and Archives， discriminated from both theoretical and technical aspects. It also puts forward reasonable suggestions on the construction strategy of personalized information service， recommendation algorithm and push technology. It is hoped that the theories and technical methods related to personalized information services of library and information files can be further enriched.

Keywords： Library information and archives management; Personalized information service

个性化信息服务技术研究是图书情报与档案管理和计算机科学领域的共同研究主题，其研究成果如推荐算法、用户聚类、需求建模、数据挖掘等近年来呈爆发式增长，且研究层次和成果质量具有较高水平（核心期刊发文量比例达38.2%）。近年来，关于个性化信息服务的研究侧重点已从基础理论探讨向实践方法验证研究转变。通过对当前研究内容的梳理，我们也发现部分研究存在偏颇之处和薄弱环节，个别观点需要进一步辨析。

1 个性化信息服务与相关概念的辨析

本文认为，个性化信息服务是指在网络环境下，信息服务机构利用现代信息技术，根据用户的专业背景、浏览轨迹、使用习惯等基础信息，分析用户的当前信息需求和潜在信息需求，并利用信息检索、数据挖掘和信息过滤等技术从海量信息中有针对性地为用户提供其所需信息资源的一种精准信息服务。

在当前的理论研究中，部分研究者将重点服务、定题服务、特色服务等服务概念等同于个性化信息服务，并在此基础上开展理论研究。研究者因对研究对象的概念、内涵和特点等把握不准确，致使其后续研究结果如个性化信息服务建设策略等存在偏差。[1]

2 个性化信息服务建设实施策略辨析

2.1 关于服务方式。个别研究者将个性化信息服务理解为以人工为主的服务。实际上，依靠人工分析和跟踪用户信息需求，开展个性化信息服务并不具有可行性。没有信息技术手段的支撑，全面的个性化信息服务也只能停留在理论研究阶段，无法广泛实施。

2.2 关于资源建设策略。部分研究者认为，实施个性化信息服务需要进一步加大信息资源采购力度，增加文献资源数量，以满足个性化信息服务对信息资源的多样化需求。这一观点没有抓住解决问题关键，相对于信息资源的数量，更注重信息资源的质量。[2]

图书馆、档案馆实施个性化信息服务在信息资源方面更应该注重解决好信息资源“可用”、“好用”和“共享”问题。“可用”在于提高文献资源建设质量;“好用”在于资源组织的标准统一;“共享”则要加强机构间信息资源优势互补和互通有无。[3]

2.3 关于实施路径策略。部分研究者[4]将提高工作人员的个性化信息素养和服务能力水平作为个性化信息服务建设的实施策略之一。本文认为提升工作人员的个性化服务意识和个性化服务能力，无法解决现实遇到的技术问题。个性化信息服务的实施具有跨学科特性，技术水平要求高，即便是具有一定信息技术背景的工作人员，不经过较长时间专门学习研究也很难掌握。

个性化信息服务系统一般通过自主开发与联合开发两个途径来实现。自主开发是由信息服务机构自己组建团队开发个性化信息服务系统。联合开发即信息服务机构和信息服务商联合合作开发个性化信息服务系统。在具体实施阶段，图书馆、档案馆等信息服务机构提出业务需求，通过软件外包、劳务派遣等方式，依托信息服务商的人才技术力量，委托他们代工完成个性化信息服务系统的开发。

3 个性化信息服务推荐算法辨析

推荐算法是近年来个性化信息服务领域的研究热点，是解决“信息过载”问题最有效的途径。当前主流的推荐算法包括基于项目内容的过滤算法和基于用户行为的协同过滤推荐算法。[5]这两种类型的推荐算法各有优劣，又互为补充。

基于内容的信息推荐方法的理论依据主要来自于信息检索和信息过滤。基于内容的推荐算法不足之处在于其推荐结果是线性的，始终无法突破推荐策略（如专业、学科、主题等）的限制。在实际应用中基于内容的过滤算法大多应用于系统冷启动阶段，即在用户和数据较少的情况下通过一定策略推荐相关资源。

基于用户行为的协同过滤推荐系统的核心思想是“物以类聚、人以群分”“用户喜欢和他具有相似喜好的用户喜欢的资源”。两个用户喜欢的资源交集越大，用户越相似;越相似的用户喜欢的资源权重越高，被推荐的可能性越大。

基于用户行为的协同过滤系统的不足之处在于无法解决新用户冷启动、新资源推荐以及部分用户推荐数据稀疏性问题。

目前，研究者往往采用单一模式的推荐算法来解决个性化推薦问题，具有一定片面性。虽有部分学者采用复合集成、算法迭代等方式对相关推荐算法进行优化，但始终无法突破推荐算法类型的局限和不足，效果并不理想，且因优化后存在算法过于复杂、对计算能力要求过高、服务响应时间过长等问题，存在实践可行性不高的风险。对此，解决个性化信息服务推荐算法问题有两点建议。

一是注意两种模式的混合应用，即将两种类型的推荐模式融合运用，扬长避短，优势互补来解决个性化资源推荐问题。在用户行为数据较少、相似用户不具规模的情况下，采用内容推荐算法进行资源推荐，解决系统冷启动问题。当系统运行一段时间，用户数据积累一定数量时采用基于用户行为的协同推荐算法，提高推荐的科学性和准确率。推荐模式融合策略的研究应成为今后个性化信息服务研究的主题之一。二是推荐算法的实践可行性需进一步验证。为解决推荐数据精度问题，部分研究者提出的优化推荐算法大多采用多种协同算法组合运用或单一算法迭代运算，计算过程非常复杂，这将必然导致计算量的急剧增加和服务响应时间的增长，无法满足个性化信息服务实时性的要求。就目前研究成果而言，有些算法具有理论合理性，但实践过程中并不一定真实可用，需要我们进一步验证和鉴别。

4 个性化信息服务推送技术辨析

目前，图情档个性化信息服务的技术研究主要集中在用户聚类和推荐算法领域，而对推送技术研究较少。

4.1 三种个性化信息服务推送技术的比较分析。网站、APP客户端、微信服务平台（微服务）是图书馆、档案馆为用户提供服务的主要平台，在推送系统方面，与之对应的推送技术分别为短信推送、APP客户端信息推送和微信模板消息推送。

本文将从使用便捷程度、使用成本、推广成本、用户黏性等方面對三种推荐技术的优劣差异进行辨析。

“传统网站+手机短信”的推送模式在开展图情档个性化信息服务时的主要不足是短信推送服务的成本比较高。按照每条短信0.05元的价格计算，对图书馆、档案馆来说是一笔不少的支出。

APP消息推送技术具有支持内容传递、使用方便快捷、使用成本低等优势，但其主要不足在于存在客户端推广困难的问题。随着移动应用的不断增加，各类APP充斥于网络，占用了用户终端大量的空间和内存。应用APP的安装对用户来说已经成为负担。据有关调查显示，国内已有图情档类APP安装使用率并不高，即便知名度最高的某星移动图书馆APP在学生中的安装使用率也只有26%左右。

微服务消息推送模式主要依靠微信公众平台的模板消息开展信息提醒。微信公众平台具有开放性，允许第三方按照自身的业务需求进行第三方程序开发，将其业务作为微服务集成于微信公众平台对用户开展服务，并通过模板消息对用户进行主动提醒。从使用成本来看，微信推送的成本基本可以忽略。模板消息的使用除300元/年的账户认证费外，微信平台不再单独收费，且模板消息每天可以点对点推送消息100万条，对于图书馆、档案馆等信息服务机构来说完全能够满足其个性化信息服务推送需求。从推广角度来讲，微信作为国内最经常使用的社交软件，具有超高的用户黏性和普及率（智能手机终端安装率在99%以上）。这对于微服务的推广具有天然的优势。在使用方法上，用户无需安装专门客户端程序，仅需要通过搜索或者扫描二维码对图书馆、档案馆的公众号进行关注，即可获取相关服务。

4.2 个性化信息服务推送模式实施建议。从理论角度讲，图情档个性化信息服务的内容和途径是多样性的，应采用多种平台、多种技术为用户提供信息资源精准推送服务，以满足不同用户的不同使用习惯。但在服务实施阶段，基于经济效益和服务推广考虑，建议应以“微信公众平台+模板消息”的推送模式为技术首选来解决个性化信息服务资源推送问题。

5 结语

本文在梳理图情档个性化信息服务研究和应用现状的基础上，对当前研究和应用成果中存在的偏颇之处和薄弱环节进行了辨析，并对个性化信息服务建设策略、推荐算法以及推送技术提出了合理化建议，以期为图情档个性化信息服务研究发展提供参考。

参考文献：

[1]杨宝洪.数字图书馆个性化信息服务面临的几个现实问题[J].现代情报，2007（09）：94-96.

[2]成瑛.个性化服务：高校图书馆工作的创新发展[J].开封文化艺术职业学院学报，2020，40（06）：197-198.

[3]仲维亮.简析大数据环境下高校图书馆个性化信息服务[J].南方农机，2020，51（07）：233.

[4]张隽.大数据环境下高校图书馆个性化信息服务策略探讨[J].产业与科技论坛，2020，19（17）：275-276.

[5]秦冲，赵铁柱，柳毅.个性化推荐算法的研究及发展综述[J].东莞理工学院学报，2021，28（03）：51-60.

（作者单位：漯河医学高等专科学校 来稿日期：2021-06-20）