摘 要： 利用高校圖書館積累的大數據資源為用戶提供個性化圖書推薦一直是情報學與圖書館學領域的研究熱點。文章利用2010—2019年CNKI收錄的253篇相關學術文獻進行文獻計量分析，使用信息可視化軟件CiteSpace生成作者合作、機構合作、關鍵詞共現、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展路徑、熱點變遷及發展趨勢，以期為我國高校圖書館個性化推薦研究領域的學術探索與實踐提供相應的理論參考。研究發現：①針對該領域的研究已經形成多個研究群體，研究合作方式以高校的校內合作為主。②2010—2019年該領域研究熱點集中在個性化推薦、協同過濾、數據挖掘等方面，并在此基礎上衍生出情景化推薦、閱讀推廣等研究前沿。③2010—2019年該領域的研究可大致分為基礎研究與創新研究兩個階段，前者為后者的研究提供理論基礎，后者基于前者的研究衍生新的研究熱點。④目前研究的局限性在于理論研究居多，實際應用較少。

　　關鍵詞： 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，館藏豐富多樣的學術資源，如何向專業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，關系到高校圖書館資源能否實現充分利用，也關系到高校圖書館服務的質量。隨著圖書館信息化的發展，高校圖書館積累了海量的用戶借閱數據，這為高校圖書館提供個性化的推薦研究提供了數據基礎。同時，不斷發展的大數據、人工智能等技術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學術論文發表量總體上呈現上升趨勢(圖1)，這表明對該領域的研究正在不斷發展與豐富。文章運用信息可視化軟件CiteSpace，對2010—2019年我國高校圖書館個性化推薦研究進行基于知識圖譜的文獻計量分析，對該領域研究的發展路徑、熱點變遷以及發展趨勢進行全面系統的分析，從而為該領域的科學研究與實踐提供參考。

　　1 數據來源、研究方法與工具

　　文章以中國知網(China National Knowledge Infrastructure， CNKI)作為研究樣本數據來源。以“個性化推薦”、“圖書推薦”、“智慧推薦”作為篇關摘檢索詞，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”，研究文獻的檢索年限選擇為2010—2019年，按照上述條件進行期刊文獻檢索，共得到文獻298篇，通過對文獻數據的人工篩查，去除推薦書目清單、會議紀要等無關文獻，最終得到文獻253篇，數據檢索與處理時間為2020年7月7日。

　　知識圖譜(Knowledge Graph)能夠可視化表達某一研究領域的知識結構關系與研究熱點的演化脈絡，進而揭示研究領域的發展現狀與演化規律，預測研究領域的前沿研究趨勢。因此，文章采用基于知識圖譜的文獻計量研究方法，對篩選后的253篇文獻進行作者共現分析、機構共現分析、關鍵詞共現分析、主題路徑分析以及突現詞分析。

　　文章采用的研究工具是美國德雷克塞大學信息技術學院(College of Information Technology， Drake University)陳超美教授(Chaomei Chen)開發的CiteSpace 5.7.R1。CiteSpace是一款基于JAVA程序的共引網絡分析軟件，該程序可用于分析學科領域的研究熱點與演化趨勢，并將分析結果進行可視化展示。文章將253篇文獻的題錄數據轉換成CiteSpace程序可處理的Refworks格式并導入，文獻的題錄數據包括標題 、關鍵詞、作者、機構等。

　　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域的作者合作情況進行研究。文章利用CiteSpace軟件，選擇“Author(作者)”作為共現分析的節點類型(Node Types)，剪切連線算法(Pruning)選擇“Pathfinder(路徑搜索算法)”和“Pruning sliced networks(路徑簡化網絡)”，其余參數采用默認數值，生成作者合作知識圖譜(圖2)。根據CiteSpace 5.7.R1版本的設定規則，作者合作知識圖譜中作者節點表現為作者姓名，其大小與作者出現頻次相關，作者出現頻次越高，節點越大(相對于其他作者)，不同作者節點間的連線反映作者間的合作情況，連線的不同的顏色對應不同年份。據圖2的統計信息顯示，該作者合作知識圖譜共有節點40個，節點間連線共有42條，網絡密度(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作者數小于三人的研究群體。由此可見，2010—2019年該領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一步加強。

　　另外，文章選取并統計2010—2019年發文量3篇的作者(表1)，發現江蘇理工學院的柳益君(8篇)發文量最多，其次是江蘇理工學院的何勝(6篇)，其余作者的發文量為2～4篇。這些作者構成了我國高校圖書館個性化推薦研究的主要力量，他們在該領域的研究側重點各有不同，如柳益君、何勝主要從大數據與人工智能角度對高校圖書館個性化推薦進行研究，使用機器學習、知識圖譜、高校圖書館大數據挖掘等方法研究個性化智能推薦服務模式;劉海鷗、張亞明針對推薦系統數據稀疏問題，將時間、地理位置、環境等情境信息融入協同過濾推薦(Collaborative Filtering， CF)，研究高校圖書館情境化推薦系統;曹紅兵則從物聯網角度，使用射頻識別(Radio Frequency Identification， RFID)等物聯網核心技術構建高校圖書館個性化推薦服務新體系，將個性化推薦服務范圍從傳統的數字化信息服務拓展到物理環境。

　　2.2 機構合作知識圖譜分析

　　機構合作知識圖譜能夠展示相關研究機構間的合作情況，通過分析我國高校圖書館個性化推薦研究相關機構的合作情況以及每個機構的發文量，能夠對該領域研究機構的合作分布、核心力量進行研究。文章使用CiteSpace軟件，選擇“Institution(機構)”作為共現分析的節點類型，剪切連線算法選擇“Pathfinder(路徑搜索算法)”和“Pruning sliced networks(路徑簡化網絡)”，其余參數采用默認數值，繪制機構合作知識圖譜(圖3)，與作者合作知識圖譜生成規則類似，機構知識圖譜中機構節點表現為機構名稱，其大小與機構共現頻次相關，機構共現頻次越高，節點越大。不同研究機構節點間的連線反映機構間的合作情況，連線的不同的顏色對應不同年份。如圖3所示，機構合作知識圖譜共有30個節點，14條連接，密度值為0.0322。對圖譜進行分析可知，2010～2019年我國高校圖書館個性化推薦研究相關機構多為高校的圖書館、經濟管理學院、信息管理學院、計算機工程學院等，這表明高校憑借其專業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據，成為該領域的主要研究力量。從這些高校的合作類型來看，主要分為校內合作與校際合作。校內合作多為同所高校內部不同院系、圖書館間的合作，如武漢大學的信息管理學院與計算機學院合作，針對精準圖書推薦導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散，來提高個性化推薦結果的多樣性;校際合作多為不同地區的不同高校或相同地區的不同高校間的合作，如南京航空航天大學、東南大學展開校際合作，針對重啟動隨機游走推薦算法(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，形成用戶興趣轉移概率矩陣并以此來優化推薦。

　　推薦閱讀：圖書館雜志發表時間多久