陳安琪,金 昆,陶興華,徐 鋒
(南京圖書館,江蘇 南京 210000)
隨著互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展,人們獲取信息的方式不斷變化,接受信息的途徑越來越多,隨之而來的信息過載導(dǎo)致人們接收有效信息的效率下降。用戶對信息的需求愈發(fā)精準(zhǔn)化和個性化,圖書館傳統(tǒng)的文獻(xiàn)資源和服務(wù)方式已經(jīng)無法滿足讀者當(dāng)下對于信息的需求。在此背景下,圖書館的文獻(xiàn)資源不再局限于傳統(tǒng)的紙質(zhì)文獻(xiàn),而是包含電子資源和數(shù)字資源,圖書館的信息服務(wù)也在向人工智能時代邁進(jìn),即從過去的以人的服務(wù)為中心,發(fā)展為以智能機(jī)器的服務(wù)為中心。其中,基于知識圖譜技術(shù)的個性化和智能化資源推薦系統(tǒng),是圖書館向用戶提供高效便捷的智能化信息服務(wù)的重要環(huán)節(jié)。
知識圖譜最早是谷歌公司在互聯(lián)網(wǎng)背景下提出的語義網(wǎng)絡(luò)知識庫,其核心在于從互聯(lián)網(wǎng)的海量信息中抽取實體、屬性及關(guān)系,解決個性化推薦、智能問答等方面的問題,并有效提高谷歌搜索引擎的效率。知識圖譜使用“實體—關(guān)系—實體”模型描述數(shù)據(jù),不僅能夠表現(xiàn)各種客觀存在的實體和知識,還能體現(xiàn)個體間的關(guān)聯(lián),從而形成語義網(wǎng)絡(luò),網(wǎng)絡(luò)中的節(jié)點代表客觀存在的概念或?qū)嶓w,節(jié)點之間的連線代表它們之間的關(guān)系。通過引入知識圖譜,圖書館可以賦予知識庫邏輯推理的能力,從而挖掘信息之間的關(guān)聯(lián),將其組織成有一定內(nèi)在邏輯、能夠滿足用戶需求的知識體系。同時,知識圖譜還能夠挖掘用戶與信息之間,以及用戶與用戶之間的關(guān)系,通過推理和計算,進(jìn)一步提升資源推薦的精準(zhǔn)性。
個性化推薦是基于數(shù)據(jù)挖掘、融合人工智能技術(shù)的智能化推薦,已廣泛應(yīng)用于電子商務(wù)等領(lǐng)域,獲得了良好的經(jīng)濟(jì)效益。圖情界的專家學(xué)者也就館藏資源的個性化推薦開展研究,獲得一定的理論成果和實踐經(jīng)驗。筆者以“圖書館”和“個性化推薦”為關(guān)鍵詞,精確搜索2010年以后中國知網(wǎng)數(shù)據(jù)庫中的相關(guān)文獻(xiàn),發(fā)現(xiàn)2010—2015年之間,我國對于圖書館個性化資源推薦的相關(guān)研究開始涌現(xiàn)。例如,朱世清[1]研究個性化推薦在高校圖書館學(xué)科服務(wù)中的應(yīng)用;王連喜[2]從數(shù)據(jù)資源、技術(shù)方法和評價標(biāo)準(zhǔn)三個方面對個性化資源推薦進(jìn)行論述。此外,也有學(xué)者對個性化資源推薦的相關(guān)技術(shù)進(jìn)行研究,如孔功勝[3]對協(xié)同過濾、數(shù)據(jù)挖掘與發(fā)現(xiàn)、信息檢索與抽取技術(shù)在圖書館個性化推薦系統(tǒng)中的應(yīng)用進(jìn)行探討;陳雅等[4]研究基于自適應(yīng)網(wǎng)絡(luò)的高校圖書館用戶模型構(gòu)建和個性化知識推薦服務(wù)。2015年以后,隨著大數(shù)據(jù)技術(shù)和人工智能的發(fā)展,圖情領(lǐng)域?qū)€性化推薦的研究開始融入知識圖譜、情境感知等人工智能技術(shù),如劉海鷗等[5]通過融合情境感知的用戶信息分析,結(jié)合協(xié)同過濾算法,構(gòu)建情境化的圖書館資源推薦系統(tǒng);邵必林等[6]在知識圖譜的視域下研究圖書館個性化資源推薦的發(fā)展??梢?我國關(guān)于圖書館資源推薦的研究與智慧圖書館、人工智能等新技術(shù)的發(fā)展,以及個性化服務(wù)理念的深化密不可分。
首先,應(yīng)用知識圖譜能夠有效整合海量信息資源,為資源推薦服務(wù)提供基礎(chǔ)。圖書館擁有包括傳統(tǒng)紙質(zhì)文獻(xiàn)和數(shù)字資源、網(wǎng)絡(luò)資源在內(nèi)的大量文獻(xiàn)信息資源,涵蓋豐富多樣的內(nèi)容。應(yīng)用知識圖譜可以對各類信息資源進(jìn)行深度挖掘和有機(jī)融合,形成具有邏輯關(guān)聯(lián)的知識網(wǎng)絡(luò),從而提供更精準(zhǔn)的信息服務(wù),減少信息過載的問題。其次,應(yīng)用知識圖譜能夠進(jìn)一步優(yōu)化用戶數(shù)據(jù)的分析和用戶畫像的構(gòu)建,從而真正理解用戶的需求。人工智能技術(shù)的發(fā)展讓圖書館能夠?qū)崟r擁有海量的多元異構(gòu)用戶數(shù)據(jù),包括用戶的基本信息、在圖書館的行動路線、信息搜索和瀏覽記錄、對信息和服務(wù)的反饋評價等。構(gòu)建用戶信息知識圖譜能夠全方位地對用戶的特征和需求進(jìn)行畫像,并分析用戶之間的動態(tài)聯(lián)系,從而實時掌握用戶的需求。再次,構(gòu)建場景知識圖譜可以為場景服務(wù)提供助力。可穿戴設(shè)備、定位技術(shù)、社交網(wǎng)絡(luò)的發(fā)展,讓圖書館能夠?qū)崿F(xiàn)對用戶所處場景的動態(tài)捕捉。構(gòu)建場景知識圖譜能夠建立用戶和場景之間的聯(lián)系,推理各個場景要素之間的關(guān)聯(lián),并根據(jù)用戶在不同場景中的需求進(jìn)行資源推薦[7]。
知識圖譜的構(gòu)建主要有自下而上和自上而下兩種方式。自下而上是在實體數(shù)據(jù)的基礎(chǔ)上構(gòu)建本體;自上而下是指先定義本體,再引入實體數(shù)據(jù)。目前主流的知識圖譜大多采用自下而上的構(gòu)建方式,包括知識抽取、知識融合、知識推理和更新、知識存儲等流程,是一個不斷反復(fù)循環(huán)的過程[8]。
知識抽取即對采集的數(shù)據(jù)進(jìn)行解析,對其中的信息進(jìn)行識別、篩選和總結(jié)歸納,從中抽取包含關(guān)系、實體和屬性三大要素的知識單元。知識抽取的對象包括結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)是指能夠直接轉(zhuǎn)化為Rdf格式的數(shù)據(jù),可以基于規(guī)則直接抽取;半結(jié)構(gòu)化數(shù)據(jù)可以通過包裝器進(jìn)行處理;文本數(shù)據(jù)等非結(jié)構(gòu)化數(shù)據(jù),可以將其轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù),或是基于學(xué)習(xí)進(jìn)行抽取。
知識融合指的是將多個不同知識庫中的數(shù)據(jù)進(jìn)行清理、合并,消除歧義,整合為一個知識庫,其關(guān)鍵在于通過聚類分析、相似度分析等技術(shù),實現(xiàn)實體對齊。知識庫對知識的搜集和描述各有側(cè)重,同一個知識實體在不同的知識庫中可能存在不同的描述,有的側(cè)重于對實體本身的描述,有的則側(cè)重于對關(guān)系和屬性的描述。知識融合可以有機(jī)整合實體在不同知識庫中的描述,從而使該實體在融合后的知識庫中的描述更加全面。
知識圖譜能夠通過推理和更新不斷擴(kuò)充。知識圖譜中的知識以三元組的形式存在,知識推理可以使用神經(jīng)網(wǎng)絡(luò)、矩陣分解等方法,基于現(xiàn)有的知識庫中已有的關(guān)系推理和挖掘隱含的信息與知識,從而推導(dǎo)出新的關(guān)系,形成新的三元組[9]。知識更新是指對新的實體數(shù)據(jù)進(jìn)行處理,將其添加進(jìn)已有的知識圖譜,實現(xiàn)對知識圖譜的深化和拓展。
目前,知識圖譜的存儲主要有Rdf和圖數(shù)據(jù)庫兩種方式。Rdf即資源描述框架(Resource Description Framework),使用Rdfs語法的Rdf/xml是最常用的知識存儲形式,它是一種在xml的基礎(chǔ)上構(gòu)建的Rdf存儲形式,能夠方便地發(fā)布和共享知識數(shù)據(jù),在使用過程中可以通過sparql訪問和操作。知識圖譜是一種基于圖形的直觀數(shù)據(jù)結(jié)構(gòu),因此圖數(shù)據(jù)庫(Graph Database)也是一種常用的存儲方式,能夠高效進(jìn)行數(shù)據(jù)插入和查詢,并提供針對圖形的算法工具和查詢語言。例如,目前廣泛使用的neo4j系統(tǒng),其優(yōu)勢在于具有較強(qiáng)的可擴(kuò)展性,安全性能高,操作友好,能夠通過可視化操作進(jìn)行圖形的檢索和訪問,具有較高的搜索效率。
智能化資源推薦是知識圖譜在圖書館信息服務(wù)中的典型應(yīng)用場景,其業(yè)務(wù)邏輯就是智能化地篩選、過濾海量信息資源,向用戶推薦他們最需要、最感興趣的資源,提升信息利用效率和用戶滿意度。智能化資源推薦系統(tǒng)不需要用戶主動提出明確的需求,可以自動根據(jù)用戶畫像和信息檢索行為實時分析用戶的信息需求,計算出最符合用戶需求的內(nèi)容。引入知識圖譜的智能化資源推薦系統(tǒng)通過抽取資源信息和用戶信息,構(gòu)建信息資源和用戶畫像知識圖譜,通過智能化的算法實現(xiàn)信息資源的智能推薦,整個系統(tǒng)分為數(shù)據(jù)采集及處理、知識圖譜構(gòu)建、智能化推薦三大模塊(見圖1)。
圖1 基于知識圖譜的圖書館智能化資源推薦系統(tǒng)應(yīng)用框架
采集和處理圖書館大數(shù)據(jù)為知識圖譜的構(gòu)建提供依據(jù),是整個資源推薦系統(tǒng)的基礎(chǔ)。這些數(shù)據(jù)包括宏觀的館藏建設(shè)數(shù)據(jù)、門禁數(shù)據(jù)、讀者群體特征數(shù)據(jù),也包括微觀的書目數(shù)據(jù)、讀者個體的特征和行為數(shù)據(jù)。這些數(shù)據(jù)來源多樣、形式豐富,是典型的多元異構(gòu)大數(shù)據(jù),有靜態(tài)數(shù)據(jù),也有動態(tài)數(shù)據(jù);有結(jié)構(gòu)化數(shù)據(jù),也有半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù),需要對其進(jìn)行清洗和處理,形成格式統(tǒng)一、結(jié)構(gòu)完整的數(shù)據(jù)集。
3.2.1 信息資源知識圖譜的構(gòu)建。圖書館智能化資源推薦系統(tǒng)需要構(gòu)建的知識圖譜包括信息資源知識圖譜和用戶畫像知識圖譜。圖書館的館藏信息資源來源和形式各異、內(nèi)容豐富,深入挖掘和有效整合其中蘊(yùn)含的知識和信息形成知識圖譜,使原本碎片化的信息資源形成有機(jī)聯(lián)系的整體,是圖書館提供資源推薦服務(wù)的基礎(chǔ)。構(gòu)建信息資源知識圖譜需要從圖書館采編系統(tǒng)中抽取館藏書目和預(yù)購書目信息,包括書名、出版單位、著者、版本信息、分類號等,一般為MARC格式的數(shù)據(jù)。對于數(shù)字資源和網(wǎng)絡(luò)資源,圖書館可以通過構(gòu)建數(shù)字資源庫的方式整合相關(guān)資源。此外,還需要抽取反映資源的利用率和半衰期的流通數(shù)據(jù),如借閱率、下載率等。在數(shù)據(jù)抽取完成后,需要進(jìn)行融合和推理,之后存儲為信息資源知識圖譜,并且在圖書館的信息資源發(fā)生更新時同步更新。信息資源知識圖譜能夠可視化地展現(xiàn)內(nèi)容和主題相關(guān)的資源、同一著者或出版來源的資源,以及哪些資源被同一讀者或同一類型的讀者使用過,從而反映資源之間的關(guān)系,將碎片化的信息資源聯(lián)結(jié)成結(jié)構(gòu)化的信息資源體系。
3.2.2 用戶畫像知識圖譜的構(gòu)建。用戶畫像知識圖譜的構(gòu)建需要對用戶的基礎(chǔ)信息與行為信息進(jìn)行抽取和融合,形成能夠從多個維度描述用戶特征和用戶之間關(guān)系的畫像?;A(chǔ)信息主要是用戶注冊和登錄圖書館時所提交的信息,包括個人的年齡、性別、學(xué)歷、職業(yè)等。行為信息主要采集的是用戶在使用圖書館信息資源的過程中所產(chǎn)生的行為數(shù)據(jù),包括對信息的瀏覽、下載、收藏、點贊、評論等。圖書館根據(jù)這些信息生成用戶標(biāo)簽體系并給每一個標(biāo)簽賦予權(quán)重,各個標(biāo)簽之間相互關(guān)聯(lián),形成用戶的整體畫像。根據(jù)圖書館的實際情況以及用戶的信息需求差異,圖書館用戶標(biāo)簽體系通常包括基本信息標(biāo)簽(性別、年齡、專業(yè)、學(xué)校等)、用戶行為標(biāo)簽(訪問、下載、搜索、瀏覽等)、社交屬性標(biāo)簽(交互信息、意見反饋等)和情境標(biāo)簽(訪問時間、位置信息等),不同的標(biāo)簽體系從不同的角度對用戶進(jìn)行描述。利用知識圖譜技術(shù)可以對標(biāo)簽進(jìn)行擴(kuò)展和推理,將用戶之間的關(guān)系通過可視化的方式呈現(xiàn)出來,從而形成用戶畫像知識圖譜,用以揭示哪些讀者具有相似的個人特征和興趣偏好。
3.3.1 基于信息資源知識圖譜的資源推薦模式和協(xié)同過濾算法。信息資源知識圖譜能夠體現(xiàn)資源的內(nèi)容和資源之間的關(guān)系,基于信息資源知識圖譜的資源推薦模式可以基于資源的相似度和用戶對信息資源的歷史偏好,為用戶推薦類似的資源。這種推薦模式主要基于資源本身的關(guān)聯(lián)度和用戶的興趣畫像,因此對缺少用戶交互數(shù)據(jù)的新資源,也能迅速推薦給可能感興趣的用戶,有效提升資源的利用率。此外,該模式具有可解釋性,可以通過可視化地呈現(xiàn)信息資源的知識圖譜展現(xiàn)資源推薦的邏輯,增加用戶對所推薦資源的信任和興趣[10]。
基于信息資源知識圖譜的協(xié)同過濾推薦算法的邏輯是建立資源本身,而不是用戶的相似度矩陣,即基于用戶的偏好發(fā)現(xiàn)相似的資源,然后結(jié)合用戶的交互行為數(shù)據(jù)生成相似資源列表,推薦給用戶。例如,對于資源A而言,如果喜歡資源A的用戶中,同時喜歡資源B的比例較高,則資源B與A相似度較高,系統(tǒng)將向喜歡資源A的用戶推薦資源B。該算法結(jié)合了用戶的行為數(shù)據(jù),能夠根據(jù)用戶對資源的瀏覽時間、下載和點贊等行為,以及評價內(nèi)容等反饋,剔除一些內(nèi)容相似度較高但是用戶并不感興趣的資源,提升用戶滿意度。
3.3.2 基于用戶畫像知識圖譜的資源推薦模式和協(xié)同過濾算法。用戶畫像知識圖譜以標(biāo)簽化的方式構(gòu)建用戶畫像,同時體現(xiàn)用戶之間的關(guān)聯(lián)性,通過知識圖譜能夠發(fā)現(xiàn)與當(dāng)前用戶相似度較高的其他用戶,并將這些用戶感興趣的資源推薦給當(dāng)前用戶。這種推薦模式主要基于用戶本身的信息和屬性發(fā)現(xiàn)用戶之間的關(guān)聯(lián)度,對信息資源知識圖譜的依賴性不高。
基于用戶畫像的協(xié)同過濾算法的邏輯是基于用戶的偏好,找出與目標(biāo)用戶相似度最高的用戶集合,然后將這些用戶感興趣的資源集合推薦給目標(biāo)用戶。例如,對于用戶a而言,可以將其對所有資源的偏好程度作為一個向量,通過余弦公式計算出與其相似度較高的n個用戶,然后將他們所感興趣的N個資源進(jìn)行加權(quán)計算,最后將用戶a可能感興趣的Top-N個資源按照降序進(jìn)行推薦[11]。
3.3.3 基于關(guān)聯(lián)規(guī)則的資源推薦模式和算法。基于關(guān)聯(lián)規(guī)則的資源推薦算法最早應(yīng)用于電子商務(wù)領(lǐng)域,是一種基于數(shù)據(jù)間關(guān)系的推薦算法。在圖書館資源推薦系統(tǒng)中,圖書館可以通過構(gòu)建資源與用戶之間的關(guān)聯(lián)進(jìn)行資源推薦,即分析對A資源感興趣的用戶中,同時對B資源感興趣的用戶所占的比例,從而推算出對A資源的感興趣的用戶對B資源感興趣的程度,并據(jù)此作出是否向該用戶推薦B資源的決策[12]。
基于知識圖譜的圖書館資源推薦系統(tǒng)具有智能化、個性化優(yōu)勢,在閱讀推廣、公共數(shù)字文化服務(wù)等方面應(yīng)用廣泛,能夠有效提升服務(wù)水平,但還存在一些不足。首先,資源建設(shè)的標(biāo)準(zhǔn)化程度較低,各個圖書館之間缺乏統(tǒng)一的資源建設(shè)標(biāo)準(zhǔn),導(dǎo)致資源整合難度較大,缺乏共建共享的機(jī)制,且各館自建的資源存在滯后和重復(fù)建設(shè)的問題,質(zhì)量參差不齊。其次,精品資源的建設(shè)相對缺乏,大部分資源以迎合大眾口味為主,沒有進(jìn)行深度挖掘。再次,資源推薦應(yīng)基于用戶需求展開,但目前的推薦系統(tǒng)對用戶的需求缺乏有效的采集和分析機(jī)制,不能做到及時更新,尤其是大部分基層公共圖書館的資源推薦系統(tǒng)功能簡單,缺乏用戶信息反饋和采集的渠道,難以作出精準(zhǔn)的需求預(yù)測。最后,用戶對資源推薦服務(wù)的認(rèn)識不足,導(dǎo)致服務(wù)的覆蓋面有限。因此,本研究提出以下優(yōu)化策略,以期進(jìn)一步完善基于知識圖譜的圖書館智能化資源推薦系統(tǒng)服務(wù)。
信息資源是資源推薦的基礎(chǔ),圖書館作為信息資源的提供者和管理者,必須做好信息資源的整合和挖掘工作,對各個平臺上分散的信息進(jìn)行有序化的集中處理,以實現(xiàn)資源利用效率的最大化。在資源整合與挖掘的過程中引入知識圖譜技術(shù),能夠使圖書館的信息整合工作更系統(tǒng)化,形成結(jié)構(gòu)化的信息資源體系。此外,還可以根據(jù)用戶畫像知識圖譜,分析用戶可能需要和感興趣的資源,對其進(jìn)行深度加工和挖掘,打造優(yōu)質(zhì)的數(shù)據(jù)庫。同時,圖書館應(yīng)基于用戶畫像知識圖譜對用戶進(jìn)行分類,針對不同的用戶群體進(jìn)行個性化資源推薦,引導(dǎo)用戶更好地利用資源。此外,圖書館還應(yīng)積極引導(dǎo)各類用戶發(fā)揮自己的優(yōu)勢,互相交流和共享信息,并將其中有價值的信息進(jìn)行整合,避免資源的浪費(fèi)和信息的分散。
知識圖譜能夠通過推理和更新不斷深化與拓展,館藏信息資源的剔舊和更新、流通數(shù)據(jù)的變化,都會導(dǎo)致信息資源知識圖譜的更新。此外,隨著用戶的年齡、工作單位、研究專業(yè)和方向等基本信息的變化,以及用戶在使用圖書館服務(wù)的過程中產(chǎn)生的一系列動態(tài)行為數(shù)據(jù),用戶畫像知識圖譜也會隨之變化。為進(jìn)一步優(yōu)化圖書館智能化資源推薦系統(tǒng)服務(wù)的用戶體驗,圖書館應(yīng)站在用戶的角度,以用戶為中心,基于動態(tài)更新的知識圖譜實時更新服務(wù)內(nèi)容和策略,結(jié)合智能技術(shù)和移動終端,實時提供動態(tài)的資源推薦服務(wù)。
應(yīng)用知識圖譜能夠?qū)崿F(xiàn)資源推薦的可視化,增強(qiáng)其可解釋性。相較于傳統(tǒng)的知識庫,知識圖譜能夠?qū)π畔⑦M(jìn)行推理,發(fā)現(xiàn)知識之間的深層關(guān)聯(lián)。圖書館在推送資源的同時通過可視化的圖形或是詞云的形式向用戶展示知識圖譜,能夠讓用戶直觀地了解資源推薦的理由,明確資源的特征和屬性,幫助用戶判斷資源與自身需求的適配度,從而提高信息搜索的效率。此外,可視化的知識圖譜還能夠幫助用戶了解所推薦的資源與知識之間的關(guān)系及其在知識鏈中的位置,并通過知識圖譜挖掘其他相關(guān)的資源,實現(xiàn)知識的遷移和創(chuàng)新。
為進(jìn)一步擴(kuò)大服務(wù)的覆蓋面,增強(qiáng)服務(wù)效能,圖書館應(yīng)有意識地加強(qiáng)服務(wù)的資源推薦宣傳和對用戶的培訓(xùn)。相較于傳統(tǒng)的書刊借閱服務(wù),很多公共圖書館的用戶對資源推薦服務(wù)并不了解。圖書館應(yīng)樹立品牌意識,打造資源推薦服務(wù)平臺和品牌,同時靈活運(yùn)用新媒體、社交平臺等,進(jìn)行系統(tǒng)化、品牌化的宣傳推廣。
為幫助用戶更好地利用資源推薦服務(wù),應(yīng)通過教育、培訓(xùn)等方式提高用戶的信息素養(yǎng),使用戶能夠更有效地利用信息資源。在“互聯(lián)網(wǎng)+”時代,可以引入Web2.0技術(shù),搭建線上信息素養(yǎng)教育平臺,如美國肯特州立大學(xué)圖書館建立TRAILS平臺,對用戶的信息素養(yǎng)進(jìn)行實時測評,并為用戶提供有針對性的幫助[13]。國內(nèi)圖書館可以在資源推薦服務(wù)的框架內(nèi)搭建類似的信息素養(yǎng)教育平臺,幫助用戶進(jìn)一步提升信息素養(yǎng),更好地使用圖書館資源推薦服務(wù)。
基于知識圖譜的資源推薦服務(wù)通過智能化篩選、過濾海量信息資源,并根據(jù)用戶畫像和信息檢索行為實時分析用戶信息需求,提升信息利用率和用戶滿意度。在我國數(shù)字文化建設(shè)迅速發(fā)展的今天,基于知識圖譜的資源推薦系統(tǒng)將碎片化的數(shù)字資源進(jìn)行有序整合并推送給目標(biāo)用戶,其在一定程度上打破了時空的限制,為用戶提供了一站式的綜合信息服務(wù),進(jìn)而提高了圖書館的服務(wù)效能,實現(xiàn)了圖書館知識服務(wù)的數(shù)字化轉(zhuǎn)型。相較于傳統(tǒng)的圖書館服務(wù),基于知識圖譜的資源推薦服務(wù)注重資源的深度挖掘和不同用戶的實際需求,能夠使圖書館為用戶實現(xiàn)更精準(zhǔn)的信息服務(wù),從而推動圖書館服務(wù)的供給側(cè)結(jié)構(gòu)性改革,這也是圖書館提高服務(wù)效能、滿足用戶個性化和精準(zhǔn)化需求的有效途徑。在信息服務(wù)與技術(shù)不斷融合的時代背景下,圖書館界應(yīng)從宏觀視角出發(fā),針對信息服務(wù)存在的問題,將圖書館信息服務(wù)的創(chuàng)新與知識圖譜技術(shù)相結(jié)合,利用知識圖譜服務(wù)的精準(zhǔn)化供給更好地為公共文化服務(wù)賦能。