基于人工智能的圖書館數(shù)據(jù)管理內(nèi)容與體系構(gòu)建研究

[摘 要]圖書館具有數(shù)據(jù)海量、類型繁多、價(jià)值密度低、處理速度快的數(shù)據(jù)環(huán)境，基于AI的數(shù)據(jù)管理策略可以有效提升圖書館數(shù)據(jù)管理的科學(xué)性、智慧性、經(jīng)濟(jì)性和安全性。研究大數(shù)據(jù)時(shí)代圖書館數(shù)據(jù)管理的內(nèi)容與目標(biāo)，構(gòu)建圖書館基于AI的數(shù)據(jù)治理體系，提出大數(shù)據(jù)環(huán)境下圖書館基于AI的數(shù)據(jù)管理策略，為構(gòu)建智慧圖書館與讀者個(gè)性化服務(wù)定制提供可靠的數(shù)據(jù)決策支持。

[關(guān)鍵詞]人工智能 圖書館 數(shù)據(jù) 管理

[分類號(hào)] G250.7

隨著大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)、高速移動(dòng)傳輸網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，圖書館的數(shù)據(jù)呈現(xiàn)海量（Volume）、高速（Velocity）、多樣（Variety）、高價(jià)值（Value）的“4V”數(shù)據(jù)特征，這些大數(shù)據(jù)既是圖書館智慧決策與讀者個(gè)性化服務(wù)的科學(xué)依據(jù)，也是圖書館智慧服務(wù)體系的重要組成部分。

據(jù)國(guó)際數(shù)據(jù)公司（IDC）預(yù)測(cè)，中國(guó)是世界上數(shù)據(jù)總量增速最快的國(guó)家，平均每年的增速比全球平均速度快3%。預(yù)計(jì)到2025年將增至48.6ZB，占全球數(shù)據(jù)總量的27.8%，且年均復(fù)合增長(zhǎng)率將達(dá)到30.35%[1]。隨著算法應(yīng)用模型、數(shù)據(jù)決策理論和數(shù)據(jù)智慧服務(wù)場(chǎng)景的優(yōu)化與創(chuàng)新，大數(shù)據(jù)的價(jià)值、數(shù)據(jù)總量增速、結(jié)構(gòu)復(fù)雜度及數(shù)據(jù)來(lái)源多樣性和可用性遠(yuǎn)高于其他行業(yè)的平均水平，因此，如何利用人工智能（AI）技術(shù)實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)的科學(xué)管理，是智慧圖書館建設(shè)的關(guān)鍵要素之一

1 圖書館AI數(shù)據(jù)管理的意義

1.1 提升數(shù)據(jù)決策智慧程度

大數(shù)據(jù)時(shí)代雖然為圖書館提供了強(qiáng)大的數(shù)據(jù)采集、傳輸、存儲(chǔ)、分析和決策的信息技術(shù)基礎(chǔ)設(shè)施系統(tǒng)支持，但傳統(tǒng)的數(shù)據(jù)管理與應(yīng)用系統(tǒng)建設(shè)缺乏整體規(guī)劃，各子系統(tǒng)僅能單一、獨(dú)立地處理個(gè)性化問(wèn)題，不能統(tǒng)一、協(xié)調(diào)地實(shí)現(xiàn)大數(shù)據(jù)分析與決策的部署與傳輸，使圖書館內(nèi)部形成多個(gè)數(shù)據(jù)孤島和不同的數(shù)據(jù)標(biāo)準(zhǔn)。此外，數(shù)據(jù)與讀者個(gè)性化需求的匹配度決定了圖書館服務(wù)智慧水平，AI數(shù)據(jù)管理可為圖書館服務(wù)決策提供海量、精確和高價(jià)值密度的訓(xùn)練數(shù)據(jù)，實(shí)現(xiàn)讀者個(gè)性化智慧服務(wù)的精準(zhǔn)落地[2]。

1.2 提高圖書館智慧服務(wù)質(zhì)量

數(shù)據(jù)治理的科學(xué)性、高效性、經(jīng)濟(jì)性和智慧化程度，直接關(guān)系智慧圖書館決策的科學(xué)性和圖書館讀者智慧服務(wù)推送的有效性，AI數(shù)據(jù)管理能有效提高圖書館智慧服務(wù)質(zhì)量。目前，圖書館數(shù)據(jù)治理涉及數(shù)據(jù)的采集、傳輸、存儲(chǔ)、處理、分析、AI訓(xùn)練、推理、決策和應(yīng)用等步驟，除圖書館IT應(yīng)用系統(tǒng)的數(shù)據(jù)處理能力、數(shù)據(jù)治理工具外，AI人才、AI數(shù)據(jù)治理環(huán)節(jié)的流程化、標(biāo)準(zhǔn)化、體系化和業(yè)務(wù)兼容性程度等，也都是影響圖書館AI大數(shù)據(jù)治理效率和質(zhì)量的關(guān)鍵因素。

1.3 提升大數(shù)據(jù)的價(jià)值總量

數(shù)據(jù)資產(chǎn)是圖書館的核心資產(chǎn)，基于AI技術(shù)的數(shù)據(jù)管理可以完全挖掘大數(shù)據(jù)價(jià)值，提供其價(jià)值密度，發(fā)現(xiàn)蘊(yùn)藏其中的知識(shí)，實(shí)現(xiàn)數(shù)據(jù)的精細(xì)化管理。受當(dāng)前數(shù)據(jù)的管理、處理、分析和決策技術(shù)限制，雖然非結(jié)構(gòu)化數(shù)據(jù)占圖書館大數(shù)據(jù)總量的85%以上，但其使用率僅占圖書館大數(shù)據(jù)整體使用率的30%，整體處于待發(fā)現(xiàn)、挖掘和智慧決策的狀態(tài)[3]。采用AI技術(shù)對(duì)數(shù)據(jù)進(jìn)行自動(dòng)化智慧管理，實(shí)現(xiàn)數(shù)據(jù)的智慧采集、自動(dòng)編目、應(yīng)用系統(tǒng)集成、清洗、管理、隱私保護(hù)和共享，是圖書館解決海量、復(fù)雜、碎片化數(shù)據(jù)管理與應(yīng)用的有效方法。

2 圖書館數(shù)據(jù)資產(chǎn)治理的內(nèi)容

數(shù)據(jù)治理是圖書館安全、高效、經(jīng)濟(jì)、可控地管理數(shù)據(jù)，完全挖掘數(shù)據(jù)價(jià)值，實(shí)現(xiàn)智慧圖書館建設(shè)和讀者個(gè)性化智慧服務(wù)的關(guān)鍵環(huán)節(jié)。圖書館數(shù)據(jù)治理涉及數(shù)據(jù)采集、傳輸、清洗、存儲(chǔ)、計(jì)算、分析和決策應(yīng)用，這一過(guò)程也包含了數(shù)據(jù)從產(chǎn)生到消亡的全生命周期過(guò)程[4]。因此，圖書館數(shù)據(jù)治理應(yīng)結(jié)合不同類型數(shù)據(jù)生命周期的結(jié)構(gòu)特點(diǎn)，利用相應(yīng)的數(shù)據(jù)治理工具和理論，在圖書館內(nèi)實(shí)現(xiàn)數(shù)據(jù)的全閉環(huán)流程治理，不斷增強(qiáng)數(shù)據(jù)的智慧決策價(jià)值。

2.1 基于AI的圖書館數(shù)據(jù)類型劃分

依據(jù)圖書館數(shù)據(jù)生命周期流程特點(diǎn)及數(shù)據(jù)治理內(nèi)容、結(jié)構(gòu)與來(lái)源劃分圖書館數(shù)據(jù)類型，如表1所示。

將數(shù)據(jù)按照治理內(nèi)容進(jìn)行劃分，可分為元數(shù)據(jù)、主數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)。依據(jù)圖書館數(shù)據(jù)結(jié)構(gòu)和存儲(chǔ)、查詢、調(diào)試方式的不同，可將數(shù)據(jù)劃分為結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，并根據(jù)各數(shù)據(jù)的特點(diǎn)實(shí)現(xiàn)數(shù)據(jù)安全、高效和經(jīng)濟(jì)的管理與調(diào)度。半結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)占據(jù)圖書館數(shù)據(jù)總量的85%以上，其中蘊(yùn)藏著巨大的數(shù)據(jù)價(jià)值，是圖書館智慧決策與智慧服務(wù)所依據(jù)的主要內(nèi)容[5]。此外，伴隨數(shù)據(jù)采集與傳輸技術(shù)的發(fā)展，圖書館外部采集和第三方服務(wù)商共享的數(shù)據(jù)，將會(huì)成為圖書館個(gè)性化智慧服務(wù)定制與推送的關(guān)鍵數(shù)據(jù)。圖書館必須依據(jù)數(shù)據(jù)的來(lái)源制定相應(yīng)的安全管理和資源共享策略，才能確保數(shù)據(jù)安全、合法、實(shí)時(shí)、可靠地使用。

2.2 AI數(shù)據(jù)治理的內(nèi)容與流程

圖書館數(shù)據(jù)環(huán)境具有數(shù)據(jù)海量、結(jié)構(gòu)復(fù)雜、多數(shù)據(jù)來(lái)源、低價(jià)值密度和處理高速的特點(diǎn)，因此，數(shù)據(jù)治理流程要以數(shù)據(jù)智慧決策需求為依據(jù)，包含從數(shù)據(jù)采集到智慧決策的全數(shù)據(jù)生命周期流程，避免全數(shù)據(jù)的治理陷阱，構(gòu)建符合圖書館當(dāng)前數(shù)據(jù)應(yīng)用現(xiàn)狀及未來(lái)發(fā)展的安全管理框架，有效保證數(shù)據(jù)全生命周期流程管理的合法、合規(guī)性。此外，還應(yīng)通過(guò)AI技術(shù)實(shí)現(xiàn)對(duì)多數(shù)據(jù)來(lái)源、非結(jié)構(gòu)化數(shù)據(jù)的全流程管理，以數(shù)據(jù)的高價(jià)值密度保證、字段多樣性、分布科學(xué)性和決策實(shí)時(shí)性等方面為重點(diǎn)?；跀?shù)據(jù)生命周期的AI數(shù)據(jù)管理內(nèi)容與流程，主要由數(shù)據(jù)管理的對(duì)象與內(nèi)容、數(shù)據(jù)管理要求和數(shù)據(jù)管理平臺(tái)系統(tǒng)三部分組成，涉及數(shù)據(jù)管理全平臺(tái)、全生命周期流程、全數(shù)據(jù)科學(xué)決策需求和全智慧決策對(duì)象，如圖1所示[6]。

3 圖書館基于AI的數(shù)據(jù)治理體系構(gòu)建

圖書館數(shù)據(jù)治理內(nèi)容包括數(shù)據(jù)的采集、傳輸、清理、存儲(chǔ)、標(biāo)注、處理、訓(xùn)練、部署、決策和銷毀等操作，涉及大數(shù)據(jù)的全生命周期流程?；贏I的數(shù)據(jù)處理、算法開發(fā)、模型訓(xùn)練、模型管理和應(yīng)用部署等環(huán)節(jié)的科學(xué)性、可操作性，關(guān)系到圖書館數(shù)據(jù)治理的效率、科學(xué)性、可用性、經(jīng)濟(jì)性和安全性，圖書館基于AI的大數(shù)據(jù)管理體系及流程如圖2所示。它是以圖書館大數(shù)據(jù)存儲(chǔ)庫(kù)為核心，涉及大數(shù)據(jù)的采集管理、數(shù)據(jù)質(zhì)量的保證與評(píng)定標(biāo)準(zhǔn)、大數(shù)據(jù)的質(zhì)量管理體系等環(huán)節(jié)的閉合應(yīng)用數(shù)據(jù)管理體系流程[7]。

3.1 基于AI的圖書館數(shù)據(jù)采集管理

圖書館大數(shù)據(jù)的價(jià)值密度、準(zhǔn)確性、時(shí)效性和決策科學(xué)性，直接關(guān)系到基于AI的數(shù)據(jù)管理系統(tǒng)模型在AI離線訓(xùn)練和上線推理過(guò)程中的精確性[8]。因此，圖書館應(yīng)加強(qiáng)對(duì)初始數(shù)據(jù)采集的質(zhì)量管理，通過(guò)對(duì)數(shù)據(jù)在AI數(shù)據(jù)管理閉環(huán)流通模型中，進(jìn)行噪聲過(guò)濾、價(jià)值量提升、應(yīng)用相關(guān)性增強(qiáng)和智能標(biāo)注等操作，結(jié)合圖書館數(shù)據(jù)管理AI模型中的離線訓(xùn)練和上線推理過(guò)程，使圖書館采集數(shù)據(jù)更加科學(xué)、準(zhǔn)確、實(shí)時(shí)和可用。此外，可通過(guò)圖書館AI優(yōu)化數(shù)據(jù)的閉環(huán)流通，打造數(shù)據(jù)采集和回饋分析的閉環(huán)式自主學(xué)習(xí)體系，實(shí)現(xiàn)AI模型上線后的持續(xù)迭代優(yōu)化，滿足不同復(fù)雜場(chǎng)景AI應(yīng)用的需求。

3.2 數(shù)據(jù)質(zhì)量的評(píng)定與有效性保證

圖書館數(shù)據(jù)質(zhì)量的保證與評(píng)定標(biāo)準(zhǔn)，是與圖書館大數(shù)據(jù)AI治理與智慧決策的必要需求。圖書館數(shù)據(jù)具有異構(gòu)多源、結(jié)構(gòu)多樣、強(qiáng)實(shí)時(shí)性和多噪聲的特點(diǎn)，因此，其數(shù)據(jù)質(zhì)量的評(píng)定標(biāo)準(zhǔn)主要由有效性、一致性、可用性、唯一性、時(shí)序性、完整性、合理性和準(zhǔn)確性8個(gè)維度組成，在對(duì)圖書館數(shù)據(jù)的質(zhì)量評(píng)估和訓(xùn)練中，應(yīng)對(duì)數(shù)據(jù)的可用性、唯一性、完整性和準(zhǔn)確性4個(gè)維度給予較高的評(píng)估影響因子[9]。

此外，圖書館數(shù)據(jù)治理應(yīng)根據(jù)數(shù)據(jù)的類型、結(jié)構(gòu)、用途和作用對(duì)象等，動(dòng)態(tài)調(diào)整評(píng)定標(biāo)準(zhǔn)的評(píng)估維度和內(nèi)容。比如，讀者閱讀數(shù)據(jù)和圖書館用戶服務(wù)數(shù)據(jù)的AI訓(xùn)練應(yīng)結(jié)合讀者智慧閱讀滿意度和圖書館服務(wù)收益率。而占數(shù)據(jù)總量比較高的讀者個(gè)性化閱讀服務(wù)數(shù)據(jù)的評(píng)估中，應(yīng)針對(duì)性地提高與數(shù)據(jù)時(shí)序性相關(guān)的實(shí)時(shí)性和時(shí)間間隔的影響因子，以增強(qiáng)數(shù)據(jù)管理模型AI訓(xùn)練的科學(xué)性，不斷提升AI數(shù)據(jù)管理系統(tǒng)自動(dòng)化管理的準(zhǔn)確度、系統(tǒng)效率和智能化水平[10]。

3.3 圖書館AI大數(shù)據(jù)質(zhì)量管理體系的構(gòu)建

3.3.1 數(shù)據(jù)的采集管理與定義

圖書館采取的是實(shí)時(shí)、動(dòng)態(tài)、全對(duì)象和360度的全數(shù)據(jù)采集模式，因此，圖書館AI數(shù)據(jù)管理模型只有通過(guò)統(tǒng)一的數(shù)據(jù)語(yǔ)言和標(biāo)準(zhǔn)，才能實(shí)現(xiàn)多來(lái)源、多決策對(duì)象和多應(yīng)用系統(tǒng)數(shù)據(jù)的融合、共享與復(fù)用[11]。圖書館在數(shù)據(jù)類型結(jié)構(gòu)與特征定義中，應(yīng)結(jié)合國(guó)家、行業(yè)和地方相關(guān)數(shù)據(jù)標(biāo)準(zhǔn)，以及自身的數(shù)據(jù)特征環(huán)境和智慧應(yīng)用業(yè)務(wù)實(shí)際，構(gòu)建基礎(chǔ)數(shù)據(jù)標(biāo)準(zhǔn)、指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)、缺失與異常數(shù)據(jù)標(biāo)準(zhǔn)和數(shù)據(jù)應(yīng)用模型標(biāo)準(zhǔn)，以實(shí)現(xiàn)圖書館外部與內(nèi)部多源數(shù)據(jù)的融合互通。

3.3.2 基于AI的數(shù)據(jù)安全管理

在基于AI的數(shù)據(jù)質(zhì)量管理體系中，數(shù)據(jù)的安全性是關(guān)系智慧圖書館安全可靠度和讀者智慧閱讀服務(wù)滿意度的關(guān)鍵因素，安全性管理應(yīng)涉及數(shù)據(jù)全生命周期應(yīng)用流程。具體可通過(guò)數(shù)據(jù)安全的監(jiān)控審計(jì)、協(xié)作第三方的安全管理、用戶身份與權(quán)限的鑒別、安全風(fēng)險(xiǎn)事件防控和應(yīng)急安全事件管理、數(shù)據(jù)加密與防火墻安全系統(tǒng)構(gòu)建等實(shí)現(xiàn)。在安全管理中，圖書館應(yīng)通過(guò)AI訓(xùn)練來(lái)持續(xù)提升IT系統(tǒng)的數(shù)據(jù)安全事件智能化預(yù)測(cè)、識(shí)別、分析、判斷和智慧決策能力，保證圖書館數(shù)據(jù)安全管理的智能、高效、自動(dòng)、實(shí)時(shí)和自我優(yōu)化[12]。

3.3.3 基于AI的核心數(shù)據(jù)管理

出于對(duì)投資收益的考慮，圖書館應(yīng)將主要系統(tǒng)資源和AI管理策略應(yīng)用于核心數(shù)據(jù)上[13]。核心數(shù)據(jù)主要由圖書館重點(diǎn)業(yè)務(wù)、IT關(guān)鍵應(yīng)用數(shù)據(jù)、核心讀者群個(gè)體小數(shù)據(jù)、第三方協(xié)作服務(wù)商關(guān)鍵數(shù)據(jù)、數(shù)據(jù)中心IT系統(tǒng)重要事件生成數(shù)據(jù)、數(shù)據(jù)中心IT系統(tǒng)配置參數(shù)、用戶保密和隱私數(shù)據(jù)等組成，是關(guān)系圖書館服務(wù)安全性、讀者滿意度、系統(tǒng)管理智慧性和服務(wù)收益率的重要數(shù)據(jù)。在基于AI的核心數(shù)據(jù)管理中，圖書館應(yīng)避免核心數(shù)據(jù)采集、存儲(chǔ)、分析和決策流程大而全的思路，依據(jù)核心數(shù)據(jù)對(duì)圖書館的IT管理業(yè)務(wù)、服務(wù)收益率、讀者滿意度、決策智慧性和決策科學(xué)性的影響因子數(shù)值大小，調(diào)整數(shù)據(jù)采集與應(yīng)用的投入，確保最優(yōu)服務(wù)收益率[14]。

3.4 圖書館大數(shù)據(jù)庫(kù)的AI訓(xùn)練原則

圖書館通過(guò)AI對(duì)存儲(chǔ)系統(tǒng)的訓(xùn)練與管理，可以有效提升圖書館數(shù)據(jù)存儲(chǔ)的智慧化、自動(dòng)化和動(dòng)態(tài)管控能力。第一，海量、高價(jià)值和強(qiáng)相關(guān)性數(shù)據(jù)是機(jī)器學(xué)習(xí)模型與算法科學(xué)性驗(yàn)證、優(yōu)化、提升的關(guān)鍵，圖書館必須依據(jù)AI機(jī)器訓(xùn)練需求，為其提供總量為TB甚至PB級(jí)別的科學(xué)訓(xùn)練數(shù)據(jù)。第二，圖書館為機(jī)器學(xué)習(xí)模型訓(xùn)練數(shù)據(jù)的輸入/輸出速度、單位時(shí)間吞吐量及機(jī)器學(xué)習(xí)模型和AI算法并行處理訓(xùn)練數(shù)據(jù)的能力，也是決定機(jī)器學(xué)習(xí)能力與時(shí)效性的關(guān)鍵因素。第三，依據(jù)數(shù)據(jù)的類型、安全存儲(chǔ)需求、用戶訪問(wèn)頻率和數(shù)據(jù)量大小，將數(shù)據(jù)分別存儲(chǔ)于基于本地超高速網(wǎng)絡(luò)的存儲(chǔ)集群系統(tǒng)和云存儲(chǔ)系統(tǒng)，是圖書館目前采取的主要數(shù)據(jù)存儲(chǔ)方式。圖書館必須根據(jù)數(shù)據(jù)存儲(chǔ)網(wǎng)絡(luò)系統(tǒng)的負(fù)荷和數(shù)據(jù)流變化趨勢(shì)，根據(jù)AI訓(xùn)練結(jié)果，精確掌握存儲(chǔ)系統(tǒng)傳輸網(wǎng)絡(luò)和數(shù)據(jù)庫(kù)系統(tǒng)的存儲(chǔ)瓶頸與動(dòng)態(tài)負(fù)荷，才能有效進(jìn)行存儲(chǔ)系統(tǒng)資源調(diào)度和負(fù)荷的動(dòng)態(tài)均衡分配[15]。

4 結(jié)語(yǔ)

當(dāng)前，自然語(yǔ)言處理、知識(shí)獲取與表現(xiàn)、機(jī)器學(xué)習(xí)、智能搜索、動(dòng)態(tài)感知、模式識(shí)別和資源智慧組合調(diào)度等技術(shù)已成為智慧圖書館構(gòu)建和讀者個(gè)性化閱讀服務(wù)的關(guān)鍵支撐，而圖書館海量、高價(jià)值和高相關(guān)性的數(shù)據(jù)恰是這些關(guān)鍵技術(shù)在智慧圖書館構(gòu)建中落地的基礎(chǔ)與依據(jù)。伴隨著圖書館采集數(shù)據(jù)、系統(tǒng)生成數(shù)據(jù)、服務(wù)數(shù)據(jù)和讀者個(gè)人數(shù)據(jù)總量的指數(shù)級(jí)遞增，數(shù)據(jù)呈現(xiàn)海量、結(jié)構(gòu)類型繁雜、低價(jià)值密度和高時(shí)效的特點(diǎn)，數(shù)據(jù)存儲(chǔ)也呈現(xiàn)出系統(tǒng)管理與服務(wù)終端、本地大數(shù)據(jù)庫(kù)、云存儲(chǔ)空間等多種存儲(chǔ)模式共存現(xiàn)象，圖書館的海量小文件數(shù)據(jù)、熱點(diǎn)目錄和讀多寫少的數(shù)據(jù)讀取模式，對(duì)大數(shù)據(jù)的存儲(chǔ)管理模式與應(yīng)用決策方法提出了挑戰(zhàn)。因此，圖書館在基于AI技術(shù)的大數(shù)據(jù)智慧、自動(dòng)化動(dòng)態(tài)管理中，必須將降低冗余數(shù)據(jù)存儲(chǔ)總量、提升數(shù)據(jù)存儲(chǔ)效率、保證訓(xùn)練數(shù)據(jù)高相關(guān)性和智慧服務(wù)有效性等作為數(shù)據(jù)管理的主要目標(biāo)，在數(shù)據(jù)的采集、標(biāo)注、處理、匹配、訓(xùn)練和部署流程中，堅(jiān)持應(yīng)用海量、安全、精準(zhǔn)和強(qiáng)相關(guān)性的原則，通過(guò)機(jī)器學(xué)習(xí)讓數(shù)據(jù)管理系統(tǒng)自動(dòng)形成最優(yōu)算法，實(shí)現(xiàn)AI數(shù)據(jù)管理系統(tǒng)的自我選擇、優(yōu)化與更新[16]。

參考文獻(xiàn)：

[1] 安小米，等.國(guó)際標(biāo)準(zhǔn)中的數(shù)據(jù)治理：概念、視角及其標(biāo)標(biāo)準(zhǔn)化協(xié)同路徑[J].中國(guó)圖書館學(xué)報(bào)，2021（5）：59-79.

[2] 李國(guó)良，周煊赫.面向AI的數(shù)據(jù)管理技術(shù)綜述[J].軟件學(xué)報(bào)，2021（1）：21-40.

[3] 梁俊榮.基于大數(shù)據(jù)決策的圖書館信息系統(tǒng)安全分析與管理研究[J].圖書館理論與實(shí)踐，2017（3）：93-98.

[4] 葉蘭.高校圖書館科學(xué)數(shù)據(jù)管理服務(wù)能力成熟度模型構(gòu)建與應(yīng)用研究[J].圖書情報(bào)工作，2022（6）：3-14.

[5] IBM data governance maturity model[EB/OL]. [2022-07-11].https：//www.lightsondata.com/？s=IBM+data+governance+maturity+modelamp;tcb_sf_post_type%5B%5D=postamp;tcb_sf_post_type%5B%5D=page.

[6] 徐緒堪，薛夢(mèng)瑤.面向大數(shù)據(jù)管理與應(yīng)用專業(yè)的數(shù)據(jù)素養(yǎng)能力評(píng)價(jià)指標(biāo)體系構(gòu)建[J].情報(bào)理論與實(shí)踐，2021（9）：50-56.

[7] 李冰，賓軍志.數(shù)據(jù)管理能力成熟度模型[J].大數(shù)據(jù)，2017（4）：29-36.

[8] A guide to creating an effective big data management framework[EB/OL].[2024-01-05].https：//journalofbigdata.springeropen.com/articles/10.1186/s40537-023-00801-9.

[9] 陳媛媛.高校科研數(shù)據(jù)管理服務(wù)能力研究[J].情報(bào)雜志，2020（6）：203-207.

[10] 葉蘭.數(shù)據(jù)管理能力成熟度模型比較研究與啟示[J].圖書情報(bào)工作，2020（13）：51-57.

[11] 崔建偉，趙哲，杜小勇.支撐機(jī)器學(xué)習(xí)的數(shù)據(jù)管理技術(shù)綜述[J].軟件學(xué)報(bào)，2021（3）：604-621.

[12] 秦小燕，初景利.科學(xué)數(shù)據(jù)素養(yǎng)能力評(píng)價(jià)指標(biāo)體系構(gòu)建研究[J].圖書與情報(bào)，2020（4）：56-66.

[13] ICPSR.Data Management amp; Curation[EB/OL].[2022-07-11]. https：//www. icp sr. umich.edu/web/pages/data management/index.html.

[14] 孫路明，等.人工智能賦能的數(shù)據(jù)管理技術(shù)研究[J].軟件學(xué)報(bào)，2020（3）：600-619.

[15] 柴茗珂，范舉，杜小勇.學(xué)習(xí)式數(shù)據(jù)庫(kù)系統(tǒng)：挑戰(zhàn)與機(jī)遇[J].軟件學(xué)報(bào)，2020（3）：806-830.

[16] Sadri Z，Gruenwald L， Leal E. Online index selection using deep reinforcement learning for a cluster database[J].ICDEW，2020：158-161.

白忠睿 女，1991年生。碩士，館員。研究方向：閱讀推廣、信息資源管理。

陳 臣 男，1974年生。碩士，教授。研究方向：大數(shù)據(jù)、數(shù)字圖書館建設(shè)。

李若冰 女，1999年生。本科生在讀。研究方向：人工智能。

（收稿日期：2024-01-09；責(zé)編：劉清揚(yáng)。）