摘 要： 利用高校圖書館積累的大數(shù)據(jù)資源為用戶提供個性化圖書推薦一直是情報學(xué)與圖書館學(xué)領(lǐng)域的研究熱點(diǎn)。文章利用2010—2019年CNKI收錄的253篇相關(guān)學(xué)術(shù)文獻(xiàn)進(jìn)行文獻(xiàn)計量分析，使用信息可視化軟件CiteSpace生成作者合作、機(jī)構(gòu)合作、關(guān)鍵詞共現(xiàn)、主題路徑等知識圖譜，探索近10年我國高校圖書館個性化推薦研究的發(fā)展路徑、熱點(diǎn)變遷及發(fā)展趨勢，以期為我國高校圖書館個性化推薦研究領(lǐng)域的學(xué)術(shù)探索與實(shí)踐提供相應(yīng)的理論參考。研究發(fā)現(xiàn)：①針對該領(lǐng)域的研究已經(jīng)形成多個研究群體，研究合作方式以高校的校內(nèi)合作為主。②2010—2019年該領(lǐng)域研究熱點(diǎn)集中在個性化推薦、協(xié)同過濾、數(shù)據(jù)挖掘等方面，并在此基礎(chǔ)上衍生出情景化推薦、閱讀推廣等研究前沿。③2010—2019年該領(lǐng)域的研究可大致分為基礎(chǔ)研究與創(chuàng)新研究兩個階段，前者為后者的研究提供理論基礎(chǔ)，后者基于前者的研究衍生新的研究熱點(diǎn)。④目前研究的局限性在于理論研究居多，實(shí)際應(yīng)用較少。

　　關(guān)鍵詞： 高校圖書館;個性化推薦;知識圖譜

　　高校圖書館是高校的知識中心，館藏豐富多樣的學(xué)術(shù)資源，如何向?qū)I(yè)背景和興趣愛好迥異的用戶精確推薦滿足其需要的館藏資源，關(guān)系到高校圖書館資源能否實(shí)現(xiàn)充分利用，也關(guān)系到高校圖書館服務(wù)的質(zhì)量。隨著圖書館信息化的發(fā)展，高校圖書館積累了海量的用戶借閱數(shù)據(jù)，這為高校圖書館提供個性化的推薦研究提供了數(shù)據(jù)基礎(chǔ)。同時，不斷發(fā)展的大數(shù)據(jù)、人工智能等技術(shù)也為個性化推薦研究注入了新的活力。基于上述原因，2010—2019年近10年間，我國高校圖書館個性化推薦的相關(guān)學(xué)術(shù)論文發(fā)表量總體上呈現(xiàn)上升趨勢(圖1)，這表明對該領(lǐng)域的研究正在不斷發(fā)展與豐富。文章運(yùn)用信息可視化軟件CiteSpace，對2010—2019年我國高校圖書館個性化推薦研究進(jìn)行基于知識圖譜的文獻(xiàn)計量分析，對該領(lǐng)域研究的發(fā)展路徑、熱點(diǎn)變遷以及發(fā)展趨勢進(jìn)行全面系統(tǒng)的分析，從而為該領(lǐng)域的科學(xué)研究與實(shí)踐提供參考。

　　1 數(shù)據(jù)來源、研究方法與工具

　　文章以中國知網(wǎng)(China National Knowledge Infrastructure， CNKI)作為研究樣本數(shù)據(jù)來源。以“個性化推薦”、“圖書推薦”、“智慧推薦”作為篇關(guān)摘檢索詞，且限定全文檢索詞為“高校圖書館”，期刊類別限定為“核心期刊”與“CSSCI”，研究文獻(xiàn)的檢索年限選擇為2010—2019年，按照上述條件進(jìn)行期刊文獻(xiàn)檢索，共得到文獻(xiàn)298篇，通過對文獻(xiàn)數(shù)據(jù)的人工篩查，去除推薦書目清單、會議紀(jì)要等無關(guān)文獻(xiàn)，最終得到文獻(xiàn)253篇，數(shù)據(jù)檢索與處理時間為2020年7月7日。

　　知識圖譜(Knowledge Graph)能夠可視化表達(dá)某一研究領(lǐng)域的知識結(jié)構(gòu)關(guān)系與研究熱點(diǎn)的演化脈絡(luò)，進(jìn)而揭示研究領(lǐng)域的發(fā)展現(xiàn)狀與演化規(guī)律，預(yù)測研究領(lǐng)域的前沿研究趨勢。因此，文章采用基于知識圖譜的文獻(xiàn)計量研究方法，對篩選后的253篇文獻(xiàn)進(jìn)行作者共現(xiàn)分析、機(jī)構(gòu)共現(xiàn)分析、關(guān)鍵詞共現(xiàn)分析、主題路徑分析以及突現(xiàn)詞分析。

　　文章采用的研究工具是美國德雷克塞大學(xué)信息技術(shù)學(xué)院(College of Information Technology， Drake University)陳超美教授(Chaomei Chen)開發(fā)的CiteSpace 5.7.R1。CiteSpace是一款基于JAVA程序的共引網(wǎng)絡(luò)分析軟件，該程序可用于分析學(xué)科領(lǐng)域的研究熱點(diǎn)與演化趨勢，并將分析結(jié)果進(jìn)行可視化展示。文章將253篇文獻(xiàn)的題錄數(shù)據(jù)轉(zhuǎn)換成CiteSpace程序可處理的Refworks格式并導(dǎo)入，文獻(xiàn)的題錄數(shù)據(jù)包括標(biāo)題 、關(guān)鍵詞、作者、機(jī)構(gòu)等。

　　2 知識圖譜分析

　　2.1 作者合作知識圖譜分析

　　通過作者合作知識圖譜可以對我國高校圖書館個性化推薦研究領(lǐng)域的作者合作情況進(jìn)行研究。文章利用CiteSpace軟件，選擇“Author(作者)”作為共現(xiàn)分析的節(jié)點(diǎn)類型(Node Types)，剪切連線算法(Pruning)選擇“Pathfinder(路徑搜索算法)”和“Pruning sliced networks(路徑簡化網(wǎng)絡(luò))”，其余參數(shù)采用默認(rèn)數(shù)值，生成作者合作知識圖譜(圖2)。根據(jù)CiteSpace 5.7.R1版本的設(shè)定規(guī)則，作者合作知識圖譜中作者節(jié)點(diǎn)表現(xiàn)為作者姓名，其大小與作者出現(xiàn)頻次相關(guān)，作者出現(xiàn)頻次越高，節(jié)點(diǎn)越大(相對于其他作者)，不同作者節(jié)點(diǎn)間的連線反映作者間的合作情況，連線的不同的顏色對應(yīng)不同年份。據(jù)圖2的統(tǒng)計信息顯示，該作者合作知識圖譜共有節(jié)點(diǎn)40個，節(jié)點(diǎn)間連線共有42條，網(wǎng)絡(luò)密度(Density)為0.0538。圖譜顯示，2010—2019年針對我國高校圖書館個性化推薦研究形成了多個研究群體，其中共現(xiàn)作者最多的是以柳益君—何勝為代表的研究群體，其次是以曹紅兵為代表的研究群體和以劉海鷗—張亞明為代表的研究群體。除了上述共現(xiàn)作者較多的研究群體外，知識圖譜中還零散分布著許多共現(xiàn)作者數(shù)小于三人的研究群體。由此可見，2010—2019年該領(lǐng)域研究者之間存在一定程度的溝通，研究力量整體上以某個或某幾個主要研究者為中心凝聚，零散分布的單作者和雙作者說明作者之間的研究合作還可以進(jìn)一步加強(qiáng)。

　　另外，文章選取并統(tǒng)計2010—2019年發(fā)文量3篇的作者(表1)，發(fā)現(xiàn)江蘇理工學(xué)院的柳益君(8篇)發(fā)文量最多，其次是江蘇理工學(xué)院的何勝(6篇)，其余作者的發(fā)文量為2～4篇。這些作者構(gòu)成了我國高校圖書館個性化推薦研究的主要力量，他們在該領(lǐng)域的研究側(cè)重點(diǎn)各有不同，如柳益君、何勝主要從大數(shù)據(jù)與人工智能角度對高校圖書館個性化推薦進(jìn)行研究，使用機(jī)器學(xué)習(xí)、知識圖譜、高校圖書館大數(shù)據(jù)挖掘等方法研究個性化智能推薦服務(wù)模式;劉海鷗、張亞明針對推薦系統(tǒng)數(shù)據(jù)稀疏問題，將時間、地理位置、環(huán)境等情境信息融入?yún)f(xié)同過濾推薦(Collaborative Filtering， CF)，研究高校圖書館情境化推薦系統(tǒng);曹紅兵則從物聯(lián)網(wǎng)角度，使用射頻識別(Radio Frequency Identification， RFID)等物聯(lián)網(wǎng)核心技術(shù)構(gòu)建高校圖書館個性化推薦服務(wù)新體系，將個性化推薦服務(wù)范圍從傳統(tǒng)的數(shù)字化信息服務(wù)拓展到物理環(huán)境。

　　2.2 機(jī)構(gòu)合作知識圖譜分析

　　機(jī)構(gòu)合作知識圖譜能夠展示相關(guān)研究機(jī)構(gòu)間的合作情況，通過分析我國高校圖書館個性化推薦研究相關(guān)機(jī)構(gòu)的合作情況以及每個機(jī)構(gòu)的發(fā)文量，能夠?qū)υ擃I(lǐng)域研究機(jī)構(gòu)的合作分布、核心力量進(jìn)行研究。文章使用CiteSpace軟件，選擇“Institution(機(jī)構(gòu))”作為共現(xiàn)分析的節(jié)點(diǎn)類型，剪切連線算法選擇“Pathfinder(路徑搜索算法)”和“Pruning sliced networks(路徑簡化網(wǎng)絡(luò))”，其余參數(shù)采用默認(rèn)數(shù)值，繪制機(jī)構(gòu)合作知識圖譜(圖3)，與作者合作知識圖譜生成規(guī)則類似，機(jī)構(gòu)知識圖譜中機(jī)構(gòu)節(jié)點(diǎn)表現(xiàn)為機(jī)構(gòu)名稱，其大小與機(jī)構(gòu)共現(xiàn)頻次相關(guān)，機(jī)構(gòu)共現(xiàn)頻次越高，節(jié)點(diǎn)越大。不同研究機(jī)構(gòu)節(jié)點(diǎn)間的連線反映機(jī)構(gòu)間的合作情況，連線的不同的顏色對應(yīng)不同年份。如圖3所示，機(jī)構(gòu)合作知識圖譜共有30個節(jié)點(diǎn)，14條連接，密度值為0.0322。對圖譜進(jìn)行分析可知，2010～2019年我國高校圖書館個性化推薦研究相關(guān)機(jī)構(gòu)多為高校的圖書館、經(jīng)濟(jì)管理學(xué)院、信息管理學(xué)院、計算機(jī)工程學(xué)院等，這表明高校憑借其專業(yè)人才與濃厚的研究氛圍，以及高校圖書館所提供的大量用戶借閱記錄等研究數(shù)據(jù)，成為該領(lǐng)域的主要研究力量。從這些高校的合作類型來看，主要分為校內(nèi)合作與校際合作。校內(nèi)合作多為同所高校內(nèi)部不同院系、圖書館間的合作，如武漢大學(xué)的信息管理學(xué)院與計算機(jī)學(xué)院合作，針對精準(zhǔn)圖書推薦導(dǎo)致的推薦書目缺乏多樣性問題，提出了一種融合信息距離的語義相似度計算方法，通過語義相似度的擴(kuò)散，來提高個性化推薦結(jié)果的多樣性;校際合作多為不同地區(qū)的不同高校或相同地區(qū)的不同高校間的合作，如南京航空航天大學(xué)、東南大學(xué)展開校際合作，針對重啟動隨機(jī)游走推薦算法(Random Walk with Restart， RWR)忽視用戶興趣變化的問題，基于用戶興趣時間衰減因素，形成用戶興趣轉(zhuǎn)移概率矩陣并以此來優(yōu)化推薦。

　　推薦閱讀：圖書館雜志發(fā)表時間多久