圖書館書目推薦服務平臺建設

摘要：公共圖書館如何高效推薦合適的書目資源，以滿足不同讀者群體的多元化閱讀需求，成為亟待解決的問題。首先，分析了當前公共圖書館書目推薦服務的現(xiàn)狀，指出其存在資源分散、缺乏個性化、轉化率不佳等問題。其次，提出構建綜合性的圖書館書目推薦服務系統(tǒng)，包括書單管理、分類瀏覽、推薦算法、服務平臺等核心模塊，并對每個模塊的功能和實現(xiàn)策略進行了闡述。

書目推薦服務作為公共圖書館開展導讀服務的基本方式，是公共圖書館閱讀推廣的核心工作[1]。作為公共圖書館服務的重要組成部分，書目推薦不僅能夠幫助讀者快速定位他們感興趣的圖書資源，更能引導讀者拓寬閱讀視野，構建全面的知識體系。然而，通過在線調研和文獻調研分析發(fā)現(xiàn)，雖然公共圖書館在書目推薦上已有多種形式，但仍存在一些問題，如資源分散、推薦效果不佳等。因此，現(xiàn)探索更加高效、精準的書目推薦策略，以滿足讀者的多元化需求。

圖書館書目推薦服務現(xiàn)狀

書目推薦服務在公共圖書館的發(fā)展經歷了從專家主導到普及大眾的轉變，從重視學術研究到注重覆蓋各類讀者群體的轉變。

從推薦書目來源看，圖書館通過新書推薦、借閱排行、專家推薦、館員推薦、閱讀推廣活動書目等活動發(fā)布書目信息。此外，文化教育機構、社會團體、大眾媒體也都積極發(fā)布書目信息。例如，教育部面向全國中小學生發(fā)布閱讀指導目錄、中國作家協(xié)會主辦的茅盾文學獎、大學生必讀書目、《中華讀書報》的“中國家庭理想藏書·推薦書目”等。從書目推薦服務內容看，以特定類別、主題或者推廣方式研究居多[2]。

書目推薦系統(tǒng)的研究，以個性化推薦系統(tǒng)理論研究為主，部分從推薦算法研究出發(fā)，部分從計算圖書質量角度出發(fā)[3]。例如，通過讀者與借閱圖書之間的關系與數(shù)量，設計了一種圖書可推薦質量的迭代計算算法[4]。還有學者通過智能目錄為用戶提供智能檢索、智能推薦、智能導覽、新聞播報等功能[5]。例如，學者田晟宇提出了建設書目智能推薦系統(tǒng)，同樣側重個性化推薦書單的生成[6]。

公共圖書館書目推薦服務存在的問題

書目資源雖豐富但分散

除了圖書館自身的推薦書目外，文化教育機構、社會團體、大眾媒體等媒體也發(fā)布了各具特色的推薦書目，但這些書目難以向公眾集中展示、便于其利用。

缺乏個性化推薦

目前，書目推薦主要面向大眾讀者群體，較少考慮不同年齡、知識結構、文化層次等因素帶來的個性化需求。而公共圖書館面向的讀者群體復雜多元，現(xiàn)有推薦模式難以滿足各類讀者的個性化需求。

推薦轉化率不高

讀者是否可以通過路徑最短、能量消耗最小的方法獲取書目全文或者實體，決定了讀者的閱讀行為是否發(fā)生[7]。傳統(tǒng)推薦渠道，如海報、微博等存在數(shù)量少、更新慢、內容單一等問題[8]，讀者難以高效獲取感興趣的書目并借閱。網站雖以數(shù)字化方式進行推薦，但未能引導讀者高效獲取資源。

缺乏完整的書目推薦服務系統(tǒng)

現(xiàn)有的書目推薦系統(tǒng)大多以理論為主，且研究重點基于用戶行為的個性化推薦系統(tǒng)，未產生明顯的應用服務效果。在當前的實際閱讀推廣工作中，如推薦書目的收集、整理、發(fā)布、館藏資源關聯(lián)、跟蹤統(tǒng)計等，缺乏有效的應用系統(tǒng)支撐，這些工作仍舊依賴傳統(tǒng)的方式進行，極大影響了閱讀推廣工作的成效。

因此，有必要構建綜合性的書目推薦系統(tǒng)，整合分散資源、提供個性化推薦、優(yōu)化推廣渠道，為圖書館館員工作提供支撐，從而滿足不同讀者群體的需求，充分發(fā)揮公共圖書館的閱讀推廣功能。

圖書館閱讀書目推薦系統(tǒng)構建

公共圖書館服務的用戶廣泛多元。有專業(yè)用戶、普通用戶、特殊用戶，讀者年齡覆蓋從幼童至老年的全齡段。為滿足用戶多元的書目需求，結合圖書館現(xiàn)有書目閱讀推廣工作流程，分析了部分互聯(lián)網產品設計，提出開發(fā)一個包括書單推薦、算法推薦、分類瀏覽（分類主題結合）的功能，以微信小程序為載體的圖書館書目推薦服務系統(tǒng)（如下圖所示）。

書單推薦

閱讀推廣活動能產生大量高質量書目，但大多數(shù)圖書館缺乏有效沉淀，導致資源數(shù)量有限、黏度不高。書單管理系統(tǒng)可將這些書目資源有效沉淀，同時匯集外部優(yōu)秀書單信息、整合分散的資源。該系統(tǒng)還可實現(xiàn)書單與館藏資源關聯(lián)匹配、追蹤統(tǒng)計閱讀情況。通過有效匯集和管理書單資源，可以為讀者提供多元化閱讀選擇。

書單管理系統(tǒng)具有以下核心功能。一是書單上傳，整合零散書單資源。二是編輯功能，確保內容靈活多樣。三是追蹤統(tǒng)計，分析推廣效果。四是關聯(lián)推薦，提升用戶體驗。

分類瀏覽

推薦系統(tǒng)雖在互聯(lián)網企業(yè)中扮演重要角色，但分類瀏覽功能對公共圖書館而言，仍是核心服務。地市級及以上公共圖書館館藏圖書數(shù)量可達數(shù)百萬，甚至數(shù)千萬冊。因此，需要一個符合讀者習慣的分類瀏覽功能將圖書予以展示。

《中國圖書館分類法》（原稱《中國圖書館圖書分類法》）出版后，被廣泛應用于圖書編目、典藏排架等管理工作。以此為基礎的書目檢索系統(tǒng)（OPAC），至今仍是讀者查找圖書的基本方式。此外，公共圖書館目前提供在線書目瀏覽功能主要有以下幾方面。

一是網絡借閱圖書分類瀏覽。例如，蘇州圖書館“書倉”微信小程序，提供按照中國圖書館分類法的23個一級分類進行瀏覽，功能尚未完備，未能結合館藏數(shù)量和讀者興趣進行深入分類。

二是熱門圖書主題分類。湖南圖書館讀者服務小程序的“書庫”功能，根據讀者借閱量較高的書籍，按主題（標簽）劃分為6大類，每個大類下還有二級細分主題。雖然這種模式較為符合互聯(lián)網用戶習慣，但仍需要對現(xiàn)有館藏數(shù)據進行重構，建立完整的主題分類體系。

三是復用第三方資源分類。如“仁仁閱”移動閱讀小程序具有黨建、軍事、科幻、傳記等16個主題分類；浙江圖書館“信閱網借”整合如暢想之星電子書、超星電子書、京東圖書、館藏精品等資源，設有一級分類31個，其下設二級分類。

以上三種均未能對圖書館整體館藏提供書目瀏覽功能?！吨袊鴪D書館分類法》雖包含數(shù)百個細分類目，但圖書館實際館藏和讀者偏好并不均衡。例如，三級類目“小說”的館藏量和借閱量在圖書館中占比較高。因此，可將小說、計算機等較受讀者喜愛的類目作為重點類目，提升為一級類目，下設主題或標簽進行二級分類，利用現(xiàn)有分類數(shù)據、簡化標注工作，獲得較高可用性的分類瀏覽數(shù)據。

推薦算法

為用戶提供個性化服務一直是各行業(yè)努力的目標。協(xié)同過濾算法推薦系統(tǒng)自1992年創(chuàng)建并應用以來，已走過32年的發(fā)展歷程，從協(xié)同過濾（Collaborative Filtering，CF）、邏輯回歸（Logistic Regression，LR）、因子分解機（Factorization Machine，F(xiàn)M）、梯度提升決策樹（Gradient Boosting Decision Tree，GBDT），到現(xiàn)今流行的深度學習，模型也從單一發(fā)展到組合模型。尤其自2015年起，個性化資訊應用以迅猛之勢取代了傳統(tǒng)門戶網站和新聞類應用，成為用戶獲取資訊的主要方式。可以說，推薦系統(tǒng)幾乎成為推動各領域互聯(lián)網應用增長的核心技術驅動力[9]。但在圖書館領域，投入使用推薦系統(tǒng)并帶來顯著增長的案例仍較為罕見，造成這一現(xiàn)象的主要原因有以下幾點。

一是數(shù)據不完備。以《中國圖書館分類法》編目形成的書目數(shù)據和讀者借閱記錄等行為數(shù)據，無法滿足各類算法的運行需求。例如，基于標簽構建用戶特征的推薦系統(tǒng)[10]，前提是需要一個完備的標簽體系對書目數(shù)據重新標注，而這在當前圖書館業(yè)務流程中尚未涉及。

二是推薦結果可用性不高。公共圖書館注重閱讀推廣的引領作用，目的在于讓不愛閱讀的人愛上閱讀，幫助有閱讀困難的人跨越障礙[11]，而非簡單追求借閱數(shù)量。這對推薦算法的要求更高，單一算法模型往往難以滿足，需要不斷打磨優(yōu)化才能取得滿意結果。

因此，在當前圖書館業(yè)務流程未發(fā)生重大變革的情況下，可以采用較成熟的算法，最大限度利用現(xiàn)有數(shù)據，結合不同優(yōu)化策略獲得滿意效果。例如，從讀者角度優(yōu)化“召回”圖書質量；發(fā)揮館員專業(yè)價值，從優(yōu)秀出版社、佳作、關聯(lián)書單等策略性補充，在有限投入下獲得較為契合公共圖書館閱讀推廣目的的個性化推薦結果。

書目推薦服務平臺

書目推薦服務平臺作為公共圖書館向讀者提供書目發(fā)現(xiàn)服務的前端窗口，需要滿足以下幾點核心需求。

一是分門別類地檢索瀏覽。分類瀏覽主要提供以下功能。首先，無明確閱讀主題時，可在線瀏覽海量館藏圖書。其次，多種排序方式，幫助讀者獲取各類圖書的借閱排行。最后，優(yōu)先展示讀者感興趣的分類，便于快速瀏覽。

二是因人而異的個性化推薦。書目數(shù)據、借閱數(shù)據、活動數(shù)據是目前可以較為精準采集的用戶數(shù)據，檢索和瀏覽日志亦可作為補充。圖書館需根據現(xiàn)狀選擇合適算法。因此，需根據效果，不斷迭代優(yōu)化推薦系統(tǒng)。

三是智能推薦的書單頭條。整合各平臺上發(fā)布的各類書單，并將書單與館藏詳情相關聯(lián)，讀者可以實時查看并就近借閱。此外，讀者不僅可以根據重要時間節(jié)點置頂相關書單，還可以關聯(lián)個性化推薦生成個人書單。

四是系統(tǒng)閉環(huán)的點贊評價。機器學習推薦系統(tǒng)應當是一個自我迭代的系統(tǒng)，提供點贊、收藏、評價等數(shù)據反饋功能，這些反饋數(shù)據將進一步優(yōu)化智能推薦引擎，形成“使用—反饋—提升—繼續(xù)使用”的正向循環(huán)，進而實現(xiàn)系統(tǒng)閉環(huán)。

五是分享“引爆”的檢索引流。通過檢索系統(tǒng)為書目推薦引流，在查詢圖書詳情時，嵌入該書入選書單及排序信息，導流讀者至相關推薦書目清單，有助于學科知識體系建設與讀者發(fā)現(xiàn)心儀好書。讀者還能將推薦書單分享至社交媒體平臺。

六是分級把關的“黑白”名單。建立“黑名單”清單，將不符合主流價值觀、內容低俗等圖書排除在系統(tǒng)之外。同時，采用“白名單”制度，對不同年齡層讀者實現(xiàn)分級閱讀，防止不良內容侵害低齡讀者的身心健康。

書目追蹤分析

圖書館在線書目推薦服務上線后，必須對各模塊的瀏覽和借閱情況進行統(tǒng)計分析，通過挖掘用戶行為數(shù)據，分析該服務在讀者中的影響力和受歡迎程度。對大量用戶的瀏覽、借閱記錄進行細致追蹤分析，為進一步優(yōu)化推薦算法、改進界面設計提供依據。

圖書館書目推薦系統(tǒng)的優(yōu)勢

構建綜合性的圖書館書目推薦系統(tǒng)，可以為讀者和圖書館帶來多重優(yōu)勢。

一是資源整合與沉淀。該系統(tǒng)通過書單管理功能，將圖書館內部產生的優(yōu)質書目資源以及外部分散的書單信息進行整合和沉淀，能避免資源分散和流失，為持續(xù)的閱讀推廣工作奠定基礎。二是提升資源可及性。將推薦書單與總、分館的館藏資源相關聯(lián)，讀者可快速了解書刊的借閱狀態(tài)和具體位置，提高資源的可及性和利用率。三是滿足讀者多元化需求。通過提供種類豐富的書單，涵蓋不同主題、不同讀者群體，能夠滿足讀者多樣化的閱讀需求。四是優(yōu)化用戶體驗。統(tǒng)一的書目推薦服務平臺與讀者使用習慣相符，有利于讀者發(fā)現(xiàn)其感興趣的圖書資源。五是個性化推薦?；谧x者的閱讀歷史、興趣愛好等數(shù)據，系統(tǒng)可提供個性化的書目及書單推薦，促進閱讀推廣工作的成效。該系統(tǒng)的建設將充分利用圖書館資源，發(fā)揮長尾效應，推進圖書館的閱讀推廣服務。

信息技術飛速的發(fā)展，為傳統(tǒng)圖書館書目系統(tǒng)帶來前所未有的挑戰(zhàn)。就公共圖書館而言，少兒讀物在借閱量中的占比已達一半，越來越多的讀者開始習慣閱讀電子書、短視頻圖書資源，或直接網購實體書籍。當下，由于互聯(lián)網用戶早已習慣簡潔直觀的使用體驗，普遍缺乏專業(yè)檢索技能。因此，為讀者直觀展現(xiàn)豐富的圖書資源，才是應對挑戰(zhàn)的有效之道。

鑒于此，本文立足公共圖書館當下的業(yè)務實際和數(shù)據現(xiàn)狀，通過優(yōu)化分類展示策略、建立書單管理系統(tǒng)、探索推薦算法選擇，以及在此基礎上構建書目發(fā)現(xiàn)平臺等方式，意在提升讀者發(fā)現(xiàn)并獲取所需圖書的效率，從而增強館員閱讀推廣工作的影響力。然而，本文在分類體系科學性與符合讀者習慣程度、推薦算法潛在誤差、書單呈現(xiàn)模式選擇、青少年讀物推薦策略等方面，仍有待深入研究和存在實踐探索等不足之處。

總的來說，如何更好地滿足不同讀者群體的多元化閱讀需求，持續(xù)提升公共圖書館的閱讀推廣能力，將是一個值得長期關注和深入探討的重要課題。

[1]李東來.推薦書目與閱讀推廣（閱讀推廣人系列教材）[M].北京：朝華出版社，2022.

[2]趙發(fā)珍，劉青華.圖書館科普閱讀書目推薦：現(xiàn)狀、模式與策略[J].圖書館學研究，2020（02）：93-101.

[3]林珍梅.基于Hadoop的高校圖書館閱讀書目智慧推薦系統(tǒng)設計[J].圖書館學研究，2020，（23）：91-101.

[4]李樹青，徐俠，許敏佳.基于讀者借閱二分網絡的圖書可推薦質量測度方法及個性化圖書推薦服務[J].中國圖書館學報，2013，39（03）：83-95.

[5]鄭楊，石進，司徒凌云，等.智能目錄構建與發(fā)展研究[J].圖書館學研究，2021（17）：47-56.

[6]田晟宇.全民閱讀視域下書目推薦方法的創(chuàng)新[J].出版發(fā)行研究，2016（10）：96-98.

[7]范旭.以豆瓣網和中國國家圖書館為案例的網上書目推薦系統(tǒng)研究[J].圖書館學研究，2008（08）：44-48.

[8]章忠平.省級公共圖書館新浪微博書目推薦服務調查分析[J].圖書館論壇，2014，34（04）：92-96+48.

[10]趙建建.基于數(shù)據驅動的圖書館用戶畫像模型構建方法研究[J].新世紀圖書館，2021（10）：43-49.

[11]范并思.閱讀推廣與圖書館學：基礎理論問題分析[J].中國圖書館學報，2014，40（05）：4-13.