賀梅萍

〔摘要〕探討圖書館數(shù)字資源評價指標(biāo)權(quán)重的合理賦值方法，為相關(guān)的研究提供參考。通過文獻(xiàn)調(diào)研法，對國內(nèi)已有的圖書館數(shù)字資源評價研究的指標(biāo)權(quán)重賦值方法進(jìn)行了分析、比較和研究。結(jié)果表明：主觀賦值法能充分利用評價專家的知識和經(jīng)驗，操作簡單、有效，受專家的主觀因素影響較大；客觀賦權(quán)法的結(jié)果客觀、科學(xué)、嚴(yán)謹(jǐn)，有時會弱化指標(biāo)的內(nèi)涵及其現(xiàn)實意義，工作量大、計算復(fù)雜；綜合賦值法是最好的方法，也是工作量最大的方法，隨著信息技術(shù)的應(yīng)用，將得到更大的發(fā)展。

〔關(guān)鍵詞〕圖書館；數(shù)字資源；電子資源；評價；評估；指標(biāo)權(quán)重；賦值方法

〔Abstract〕This paper discussed the reasonable valuation method of evaluating indexes weight based on the digital resources from libraries and providing reference for related research.Through the method of literature research，valuation method of evaluating indexes weight is analyzed，compared and studied that existing domestic libraries.The result showed that the subjective valuation method can make full use of the knowledge and experience from evaluation expert，operation is simple and effective，but the subjective influence factor is also added from experts themselves；objective valuation method is objective，scientific，rigorous，sometimes，it can weaken the connotation and practical significance of the index and accompanied heavy workload，computational complexity，So comprehensive evaluation method is not only the best method，but also the maximum amount of work method，with the application of information technology It will get more development.

〔Key words〕library；digital resources；electronic resources；evaluation；index weigh；evaluation method

隨著信息技術(shù)和數(shù)字技術(shù)的迅速發(fā)展和廣泛應(yīng)用，數(shù)字信息已經(jīng)成為人們利用的主要信息類型，數(shù)字資源也隨之成為圖書館館藏建設(shè)的重點資源，有關(guān)圖書館數(shù)字資源評價的研究也成為業(yè)界的研究熱點。在CNKI中，以“主題”為檢索途徑、以“（評價OR評估）AND（數(shù)字資源 OR 電子資源）AND 圖書館”為檢索式進(jìn)行檢索，共有674條檢索結(jié)果；如果檢索式改為：“（評價OR評估）AND（數(shù)字資源 OR 電子資源）AND 圖書館 AND 體系”，則檢索結(jié)果為265條記錄（檢索時間都是2016512）?？梢?，國內(nèi)已經(jīng)有大量關(guān)于圖書館數(shù)字資源評價的研究，并且，其中近40%為評價體系的研究。由于圖書館數(shù)字資源評價涉及多個指標(biāo)，當(dāng)評價指標(biāo)體系確定后，各指標(biāo)的權(quán)重賦值問題，就成為評價的核心工作。指標(biāo)權(quán)重作為不同指標(biāo)在評價時重要程度的反映，其賦值是否合理，直接影響著評價結(jié)果的科學(xué)性和準(zhǔn)確性，對綜合評價的結(jié)果和質(zhì)量起著決定性的作用。本文對國內(nèi)圖書館數(shù)字資源評價研究中指標(biāo)權(quán)重的賦值方法進(jìn)行研究，分析各方法的優(yōu)劣，為相關(guān)的評價工作提供參考。

1圖書館數(shù)字資源評價指標(biāo)權(quán)重常用的賦值方法

圖書館數(shù)字資源評價體系是多項指標(biāo)構(gòu)成的綜合評價體系。對于評價體系各指標(biāo)的權(quán)重，不同研究者的賦值方法可能不同，但大致可以歸納為3類[2]：第一類是主觀賦權(quán)法，如德爾菲、層次分析法；第二類是客觀賦權(quán)法，如網(wǎng)絡(luò)分析法、主成分分析法、神經(jīng)網(wǎng)絡(luò)法；第三類是主觀和客觀相結(jié)合的綜合賦權(quán)法，如層次分析法和擬熵權(quán)相結(jié)合的方法；每類都有多種賦值方法。目前，國內(nèi)圖書館數(shù)字資源評價指標(biāo)權(quán)重的賦值方法主要有：

11德爾菲法

德爾菲法（Delphi法），也叫專家評判法，就是選擇若干位專家組成評判小組，各專家對評價指標(biāo)獨立給出一套權(quán)重，形成一個評判矩陣，然后對各專家給出的權(quán)重進(jìn)行綜合處理得出綜合權(quán)重的方法[3]。根據(jù)專家組的構(gòu)成情況，對專家評判矩陣的處理可以采用簡單平均法，也可以采用加權(quán)平均法。

簡單平均法是根據(jù)各位專家對某項評價指標(biāo)所賦予的相對重要性系數(shù)，求其算術(shù)平均值作為該項指標(biāo)的權(quán)重。而加權(quán)平均法則是考慮不同專家的影響力不同，相應(yīng)地給每位專家不同的權(quán)重，把每位專家的對某個指標(biāo)的估計值乘以專家的權(quán)重，然后相加獲得總分，最后把總分除以專家權(quán)重的和，其結(jié)果就是該指標(biāo)的最后權(quán)重。

德爾菲法充分利用了相關(guān)評判專家的知識、智慧、經(jīng)驗等無法數(shù)量化的、帶有很大模糊性的個人知識和技能，指標(biāo)權(quán)重的賦值過程中，帶有濃厚的主觀色彩。這種賦值方法原理簡單明了、操作容易、計算量小、直觀性強(qiáng)。但沒有完整的理論基礎(chǔ)，也沒有考慮指標(biāo)間的交互性，使得指標(biāo)的權(quán)重缺乏系統(tǒng)性；同時，權(quán)重受評價專家主觀因素影響較大，不能形成具有說服力且穩(wěn)定的一套權(quán)重，有時難以保證評價結(jié)果的客觀性和準(zhǔn)確性[4]。因此，選擇合適的評價專家組，是確保利用德爾菲法獲得客觀、準(zhǔn)確權(quán)重的關(guān)鍵，一般應(yīng)盡可能選擇那些對評價指標(biāo)比較熟悉，并且具有豐富實踐經(jīng)驗的專家。

實際研究中，人們往往靈活運用德爾菲法。如浮肖肖[5]在研究高校圖書館數(shù)字資源績效評估時，首先邀請了一批專家（主要為從事圖書館數(shù)字資源服務(wù)的工作人員），對各評價指標(biāo)的重要程度打分；然后將專家的打分進(jìn)行匯總，并做成圖表進(jìn)行對比，將對比結(jié)果反饋給專家，專家根據(jù)匯總結(jié)果再次對各個指標(biāo)重要程度進(jìn)行打分；經(jīng)過3、4次如此的匯總、反饋，最終確定各指標(biāo)權(quán)重。這種通過權(quán)重圖表的反復(fù)對比，不斷修改指標(biāo)權(quán)重，可提高權(quán)重的客觀性和準(zhǔn)確性。

而余鵬彥[6]則對傳統(tǒng)德爾菲法的流程進(jìn)行改正，建立了評價的計算機(jī)系統(tǒng)。這樣專家組的成員是由系統(tǒng)根據(jù)目標(biāo)數(shù)字資源的特征，從專家?guī)熘泻Y選出來（這樣可以保證所選擇的專家對擬評價的數(shù)字資源清楚、了解）。專家小組既可以針對資源的特點自定義調(diào)查因子，形成調(diào)查問卷，也可以由系統(tǒng)參照歷史經(jīng)驗，從模板庫中選擇合適的模板，由模板生成問卷；系統(tǒng)產(chǎn)生的問卷還將附加若干項模型改善因子，以幫助優(yōu)化和增強(qiáng)問卷的科學(xué)性。調(diào)查結(jié)果由系統(tǒng)進(jìn)行統(tǒng)計、分析，并反饋給專家。這種使用計算機(jī)系統(tǒng)實施數(shù)字資源評價的活動，有助于評價流程的規(guī)范化，也使得指標(biāo)權(quán)重趨向于客觀、準(zhǔn)確。

層次分析法

層次分析法（Analytic Hierarchy Process，AHP），是美國運籌學(xué)家托馬斯，薩蒂（TL，Saaty）在20世紀(jì)70年代中期提出的一種定性與定量相結(jié)合的系統(tǒng)化、層次化的分析方法，它把一個難以完全定量分析的復(fù)雜問題表示為有序的遞階層次結(jié)構(gòu)，通過兩兩比較、判斷和計算，使定量與定性因素有機(jī)地結(jié)合和統(tǒng)一起來，為決策提供定量的依據(jù)。

運用層次分析法確定權(quán)重的步驟是[8]：

（1）建立層次結(jié)構(gòu)模型。將所研究的問題包含的因素劃分為不同層次，如目標(biāo)層、準(zhǔn)則層、方案層等，構(gòu)建遞階層次結(jié)構(gòu)模型。用不同形式的框圖表明層次的遞階結(jié)構(gòu)和元素的從屬關(guān)系。

（2）構(gòu)造判斷矩陣。判斷矩陣是層次分析法的核心，判斷矩陣是通過各元素兩兩比較得出來的。一般邀請相關(guān)專家組，對同一層次的各元素關(guān)于上一層次中某一準(zhǔn)則的重要性進(jìn)行兩兩比較（常用TL，Saaty 提出的“1～9標(biāo)度法”進(jìn)行比較）；然后對所有判斷結(jié)果平均，建立由均值形成的判斷矩陣。

（3）計算權(quán)向量并做一致性檢驗。對于每一個判斷矩陣計算特征向量及對應(yīng)最大特征根，利用一致性指標(biāo)、隨機(jī)一致性指標(biāo)和一致性比率做一致性檢驗。若檢驗通過，則特征向量（歸一化后）即為權(quán)向量。

若不通過，需重復(fù)步驟（2）、（3），直到通過一致性檢驗。

（4）計算組合權(quán)向量并做組合一致性檢驗。 計算最下層對目標(biāo)的組合權(quán)向量，并根據(jù)公式做組合一致性檢驗，若檢驗通過，則可按照組合權(quán)向量表示的結(jié)果進(jìn)行決策，否則需要重新考慮模型或重新構(gòu)造那些一致性比率較大的判斷矩陣。

層次分析法可以部分彌補德爾菲法的缺陷，能較為全面地匯集評價小組各專家的主觀意見，提高評價結(jié)果的客觀性，且所得結(jié)果簡單、明確，容易為決策者了解和掌握[9]，是一種行之有效的評價方法，在圖書館數(shù)字資源評價研究中得到了廣泛的運用。

如：熊倩[0]在自己的碩士學(xué)位論文中利用層次分析法對高校圖書館數(shù)字館藏資源評價指標(biāo)的權(quán)重進(jìn)行賦值。閆樂林等]構(gòu)建高校圖書館數(shù)字資源評價指標(biāo)體系后，通過走訪多所院校，請52位中級職稱以上的圖書館員和教師，按Saaty 1～9標(biāo)度理論，對體系逐層判斷分析，構(gòu)造比較判斷矩陣，計算各指標(biāo)的權(quán)重。李迎迎等[2]由邀請的10位圖書館學(xué)研究的專業(yè)人員、圖書館學(xué)專業(yè)教師，運用“1～9標(biāo)度法”，對各個評價指標(biāo)權(quán)重進(jìn)行賦值，獲取調(diào)研的第一手原始數(shù)據(jù)。利用平均值法將數(shù)據(jù)歸一化，利用最大特征值求一、二級指標(biāo)權(quán)重W、W1，通過一二級指標(biāo)的權(quán)重W、W1，求第三層即二級指標(biāo)的組合權(quán)重W2。劉曉霞[3]則邀請10位武漢大學(xué)圖書館學(xué)、情報學(xué)專業(yè)的碩士、博士研究生，利用“1～9標(biāo)度法”對圖書館數(shù)字資源評價指標(biāo)同一層次的各元素關(guān)于上一層次中某一準(zhǔn)則的重要性進(jìn)行兩兩比較；然后對所有判斷結(jié)果平均，建立由均值形成的判斷矩陣，通過計算各個矩陣的最大特征根和特征向量獲得各矩陣中對應(yīng)各指標(biāo)的權(quán)重。

當(dāng)然，利用層次分析法確定權(quán)重也存在一定的缺陷。其中的比較、判斷以及結(jié)果的計算過程都比較粗糙，不適用于精度較高的問題；從建立層次結(jié)構(gòu)模型到給出判斷矩陣，直到最后得到權(quán)重，專家的主觀因素影響很大，這就使得結(jié)果難以讓所有的決策者接受。同時，實際問題的復(fù)雜性和模糊性，使得使用準(zhǔn)確的數(shù)量（1，1/9）來描述相對重要性的程度顯得很困難[4]。因此，和德爾菲法一樣，利用層次分析法給指標(biāo)權(quán)重賦值時，評判專家的選擇很重要，已有的研究一般都是選擇圖書館的工作人員或研究人員作為評判專家。

為了降低層次分析法中專家主觀因素的影響，梁冬瑩[4]等對層次分析法進(jìn)行了改進(jìn)：通過5人次同行專家對每個指標(biāo)所給出的樂觀值a、一般值m和悲觀值b以及權(quán)重值e=（a+4m+b）/6進(jìn)行加權(quán)平均，得到各級指標(biāo)的權(quán)重估計值。然后根據(jù)估計值構(gòu)造判斷矩陣，先計算單層指標(biāo)的權(quán)重，再對層次間的指標(biāo)進(jìn)行總排序，來取代所有指標(biāo)因素對于總指標(biāo)的相對權(quán)重。這種方法，不僅降低了工作難度，提高了指標(biāo)權(quán)重的精確度和可信度，并且所有數(shù)據(jù)可以應(yīng)用Maplab軟件來處理，在實際應(yīng)用中具有較強(qiáng)的可操作性和有效性。

13網(wǎng)絡(luò)分析法

1996年，薩蒂（TL，Saaty）在層次分析法的基礎(chǔ)上提出了網(wǎng)絡(luò)分析法（Analytic Network Process ANP）[5]，用以解決內(nèi)部各要素之間存在著依存與反饋關(guān)系的復(fù)雜系統(tǒng)的非線性問題[6]。圖書館數(shù)字資源評價指標(biāo)之間存在著明顯的依存與反饋關(guān)系，如資源的內(nèi)容與易用性影響著資源的利用率，而利用率的提高很可能刺激數(shù)字資源提供商提高服務(wù)質(zhì)量。因此，網(wǎng)絡(luò)分析法適用于圖書館數(shù)字資源評價的研究。

蒲筱哥等在確定高校圖書館電子資源服務(wù)績效評價體系的基礎(chǔ)上，綜合考慮高校圖書館電子資源績效評價指標(biāo)體系內(nèi)部各因素之間相互作用的關(guān)系，運用網(wǎng)絡(luò)分析法構(gòu)建了由控制層和網(wǎng)絡(luò)層構(gòu)成的高校圖書館電子資源服務(wù)績效評價的網(wǎng)絡(luò)結(jié)構(gòu)模型，并通過網(wǎng)絡(luò)分析法構(gòu)建的各層次的判斷矩陣求出相關(guān)指標(biāo)的權(quán)重。

蒲筱哥等的研究表明：網(wǎng)絡(luò)分析法利用專家經(jīng)驗和邏輯分析方法與超矩陣的科學(xué)數(shù)理運算相結(jié)合來定量地揭示高校圖書館電子資源績效評價各指標(biāo)權(quán)重的大小，克服了純粹依靠專家咨詢和研究經(jīng)驗所建立的指標(biāo)體系的主觀性，從而使評價結(jié)果更加客觀和準(zhǔn)確；但運用網(wǎng)絡(luò)分析法求解各指標(biāo)的權(quán)重，需要解決復(fù)雜的超矩陣問題，工作量較大。當(dāng)然，利用Super Decisions軟件可以使求解復(fù)雜的超矩陣過程變得簡單。

14主成分分析法

由于圖書館數(shù)字資源價評指標(biāo)體系涉及的指標(biāo)（變量）很多，并且指標(biāo)相互之間存在一定的相關(guān)性，為了減少確定指標(biāo)權(quán)重的計算工作量，可以利用指標(biāo)間的相互依賴關(guān)系，把具有錯綜復(fù)雜關(guān)系的原始變量，轉(zhuǎn)化為少數(shù)幾個富含原始信息的綜合變量（指標(biāo)），并以對綜合變量的研究代替原始變量的研究。主成分分析法（Principal Component Analysis）是實現(xiàn)這一目標(biāo)的有效工具。

主成分分析也稱主分量分析，旨在利用降維的思想，把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個綜合指標(biāo)（即主成分），其中每個主成分都能夠反映原始變量的大部分信息，且所含信息互不重復(fù)[8]。其優(yōu)點是它確定的權(quán)數(shù)是基于數(shù)據(jù)分析而得到的指標(biāo)之間的內(nèi)在結(jié)構(gòu)關(guān)系，不受主觀因素的影響，得到的綜合指標(biāo)（主成分）之間彼此相互獨立，從根本上解決了指標(biāo)間的信息重疊問題，使得分析評價結(jié)果具有客觀性和確定性[9]。因子分析中公共因子所反映的變量間的內(nèi)在聯(lián)系，正表現(xiàn)了評價指標(biāo)對評判對象的相對影響程度，因而可以利用該方法從樣本中直接確定權(quán)重[20]。實際研究中，往往利用社會科學(xué)統(tǒng)計軟件SPSS的因子分析方法來確定權(quán)重。

牛改芳[9]以河南省5所省屬高校的圖書館為樣本，從信息資源建設(shè)、信息服務(wù)體系、服務(wù)人員素質(zhì)和信息服務(wù)效果4個方面，設(shè)計和篩選出由12個具體指標(biāo)組成的圖書館信息服務(wù)質(zhì)量評價指標(biāo)體系，以相關(guān)圖書館的最新數(shù)據(jù)為基礎(chǔ)資料，運用SPSS115軟件對樣本數(shù)據(jù)進(jìn)行主成分分析，得到了河南省5所省屬高校圖書館信息服務(wù)質(zhì)量的主因子和總因子績效指數(shù)及排序。

唐瓊[21]在構(gòu)建數(shù)字資源選擇標(biāo)準(zhǔn)時，采用因子分析法進(jìn)行數(shù)據(jù)統(tǒng)計和分析，提煉精簡出關(guān)聯(lián)度最強(qiáng)、最具代表性的選擇標(biāo)準(zhǔn)，在此基礎(chǔ)上遴選適用性得分高于4 分的選擇標(biāo)準(zhǔn)，由此構(gòu)建具有一定合理性和可操作性的數(shù)字資源選擇標(biāo)準(zhǔn)體系。

15神經(jīng)網(wǎng)絡(luò)法

利用神經(jīng)網(wǎng)絡(luò)法對圖書館數(shù)字資源進(jìn)行評價時，需要利用已有的數(shù)據(jù)預(yù)先對構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，各評價指標(biāo)的權(quán)重在訓(xùn)練的過程中自動產(chǎn)生，不需要人工的計算。在訓(xùn)練過程中，神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)能力和強(qiáng)容錯性[22]，使得各指標(biāo)權(quán)重不斷趨于科學(xué)、合理。

神經(jīng)網(wǎng)絡(luò)法作為一種客觀賦值法，摒棄了傳統(tǒng)數(shù)字資源評價方法中人為確定或計算單項權(quán)重，省去了繁瑣的計算過程，通過訓(xùn)練好的評價模型可直接得到某種電子資源的評價結(jié)果，某種程度上克服了評價中主觀因素的影響，保證了評價的客觀性。目前已有多篇文章采用神經(jīng)網(wǎng)絡(luò)法對圖書館的數(shù)字資源進(jìn)行評價[-28]。主要模型有BP（Back Propagation） 神經(jīng)網(wǎng)絡(luò)和RBF（Radical Basis Function）神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)應(yīng)用比較多，并且評價效果良好，但是BP神經(jīng)網(wǎng)絡(luò)收斂速度慢，易陷入局部極小。

尹正梅，張捍東[25]通過研究發(fā)現(xiàn)RBF神經(jīng)網(wǎng)絡(luò)在評價的準(zhǔn)確度和精度上都高于常用的BP神經(jīng)網(wǎng)絡(luò)，而且評價過程簡單方便，非常適合用于高校圖書館的數(shù)字資源評價研究。但是，RBF神經(jīng)網(wǎng)絡(luò)評價模型的調(diào)用函數(shù)Newrb的工作原理是不斷增加神經(jīng)元數(shù)量的，所以訓(xùn)練時間相對BP神經(jīng)網(wǎng)絡(luò)要長。

16結(jié)構(gòu)方程模型

結(jié)構(gòu)方程模型（Structural Equation Modeling，SEM），是社會科學(xué)研究中的一個非常好的方法[29]，是一種客觀賦值法。它運用數(shù)學(xué)模式和語言呈現(xiàn)事物間的客觀狀態(tài)，將事務(wù)的客觀狀態(tài)以因果假設(shè)的方式加以呈現(xiàn)，然后以量化的資料加以驗證[30]。結(jié)構(gòu)方程模型用以確定指標(biāo)權(quán)重的方法是：先將每個指標(biāo)的負(fù)荷相加，得到一個和值，再用每個指標(biāo)的負(fù)荷除以該和值即為因子或指標(biāo)的權(quán)重。

結(jié)構(gòu)方程模型融合了因素分析和路徑分析，可以對多變量間交互關(guān)系進(jìn)行處理分析[31]。盧揚等[32]在構(gòu)建高校圖書館數(shù)字資源評價指標(biāo)時，采用結(jié)構(gòu)方程模型LISREL87軟件來計算評價體系中各指標(biāo)權(quán)重的大小，并以江蘇省三江學(xué)院圖書館為例進(jìn)行實證研究；結(jié)果表明：采用結(jié)構(gòu)方程模型的評價結(jié)果能夠反映圖書館數(shù)字資源建設(shè)發(fā)展的真實水平。

馬飛等[33]從用戶視角提出了影響數(shù)字圖書館服務(wù)質(zhì)量的五維度因素測量模型，并構(gòu)建了高校數(shù)字圖書館服務(wù)質(zhì)量的結(jié)構(gòu)方程模型，通過問卷分析對高校數(shù)字圖書館的服務(wù)質(zhì)量進(jìn)行實證研究，結(jié)果和實際相符較好。

17熵值法

熵值法，是用來判斷某個指標(biāo)的離散程度的數(shù)學(xué)方法[34]。在圖書館數(shù)字資源評價指標(biāo)體系中，如果某個指標(biāo)的離散程度大（從信息學(xué)的角度來說就是該指標(biāo)提供的信息量大），說明該指標(biāo)的貢獻(xiàn)較為顯著，應(yīng)賦予較大的權(quán)重；反之，則應(yīng)賦予較小的權(quán)重。熵值賦權(quán)法就是根據(jù)這個原理，通過分析各指標(biāo)之間的關(guān)聯(lián)程度及各指標(biāo)所提供的信息量，測算各子系統(tǒng)及構(gòu)成要素指標(biāo)的權(quán)重[35]。

熵值法作為一種客觀賦權(quán)法，將指標(biāo)原始數(shù)據(jù)的差異大小作為確定權(quán)重的依據(jù)。通過分析各指標(biāo)間的聯(lián)系程度及指標(biāo)所提供的信息量來客觀地決定指標(biāo)的權(quán)重，從而可在一定程度上避免主觀因素帶來的偏差[36]。

如對于某項指標(biāo)x，如果其指標(biāo)值Xj在不同方案中的差距（離散程度）越大，則x在綜合評價中所起的作用越大；如果Xj在不同方案中全部相等，則x在綜合評價中不起作用[37]。因此，利用熵值法確定指標(biāo)權(quán)重，能夠深刻反映指標(biāo)信息熵值的效用價值，由它得出的指標(biāo)權(quán)重值比主觀賦權(quán)法具有較高的可信度和精確度[38]。但由于熵值法確定權(quán)重的具體方法和步驟比較復(fù)雜[39]，并且熵值法缺乏各指標(biāo)之間的橫向比較，各指標(biāo)的權(quán)數(shù)隨樣本的變化而變化，權(quán)數(shù)依賴于樣本，因此在應(yīng)用上受限制，在圖書館數(shù)字資源評價研究中應(yīng)用也比較少。王小慧，張月琴[39]在對山西省老八所高校的圖書館進(jìn)行評估時，就是采用熵值法對相關(guān)指標(biāo)的權(quán)重進(jìn)行賦值。

18綜合賦權(quán)法

由于單種指標(biāo)權(quán)重賦值方法存在一定的缺陷，為盡可能確保指標(biāo)權(quán)重科學(xué)、合理，人們往往綜合利用不同的賦值方法。

文獻(xiàn)[40-42]綜合運用了德爾菲法和層次分析法來確定圖書館數(shù)字資源評價指標(biāo)的權(quán)重。這種方法往往先運用德爾菲法，由專家運用打分機(jī)制，確定數(shù)字資源評價指標(biāo)體系。然后利用層次分析法，由專家對評價指標(biāo)進(jìn)行層次分析、等級劃分，確定一級指標(biāo)和二級指標(biāo)。最后，運用德爾菲法和層次分析法，計算出指標(biāo)權(quán)重。這種賦權(quán)方法，結(jié)合了德爾菲法、層次分析法的優(yōu)點，將定性與定量分析有機(jī)地結(jié)合起來，一定程度上避免了確定權(quán)重時的主觀片面性。

李迎迎等[43]把層次分析法和擬熵權(quán)結(jié)合起來確定權(quán)重，由層次分析法計算評價指標(biāo)的主觀權(quán)重，編制Matlab程序?qū)崿F(xiàn)擬熵權(quán)計算，確定客觀權(quán)重，然后再求表示各個層次指標(biāo)的重要程度綜合權(quán)重。結(jié)果表明：層次分析法能夠反映專家的主觀評價，但由于各個專家喜好不同，導(dǎo)致結(jié)果具有一定偏差。通過擬熵權(quán)調(diào)整之后的綜合權(quán)重，各個指標(biāo)之間的權(quán)重差距縮小了，其重要性也更加客觀、真實。

梁茹等[35]采用因子分析法對不同高校圖書館數(shù)字資源各評價指標(biāo)分別進(jìn)行加權(quán)合成，提取各類二級指標(biāo)中具有獨立關(guān)系的綜合因子，再根據(jù)各公因子的方差貢獻(xiàn)率作為權(quán)重；對因子分析之后的4個評價維度的公因子得分進(jìn)行系統(tǒng)聚類，類與類之間距離的測算選用歐氏距離（Euclidean Distance）。最后再用熵值法為各類評價指標(biāo)賦予權(quán)重，并測算出數(shù)字資源綜合服務(wù)能力的整體情況。這種方法綜合了因子分析、聚類分析和熵值法，減少了評價過程中的主觀因素，增強(qiáng)了評價結(jié)果的可靠性。

結(jié)束語

除了前面介紹的方法外，圖書館數(shù)字資源評價研究中還有少數(shù)其它的指標(biāo)權(quán)重賦值方法，如賀秀英等[44]應(yīng)用三角模糊數(shù)（Triangular Fuzzy Number）的概念來確定評價指標(biāo)的權(quán)重。由于這種賦值方法很少應(yīng)用，并且限于篇幅，這里不再詳述。另外，已有研究中，鮮有關(guān)于不同賦值方法優(yōu)劣比較的專門研究，僅發(fā)現(xiàn)馬曉英[45]在自己的研究中，利用Matlab，通過結(jié)合實例研究表明：擬熵賦權(quán)法優(yōu)于專家賦權(quán)法和熵值賦權(quán)法。

總之，在圖書館數(shù)字資源的評價研究中，評價指標(biāo)權(quán)重的賦值法很多。德爾菲法是最簡單、比較常用的方法，而層次分析法是使用得最多的方法。這兩種方法的優(yōu)點是：專家可根據(jù)不同數(shù)字資源的特性，較為合理地確定各指標(biāo)的權(quán)重，并且操作簡單、方便，不受各指標(biāo)數(shù)據(jù)量的限制。但作為主觀賦權(quán)法，存在因評價專家偏好不同，指標(biāo)權(quán)重有時會有較大差異的缺陷。

客觀賦權(quán)法不受人的主觀因素影響，指標(biāo)權(quán)重賦值的根據(jù)來源于各指標(biāo)的客觀數(shù)據(jù)，采用嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)、統(tǒng)計方法，計算結(jié)果科學(xué)性強(qiáng)、精確性高；但客觀賦權(quán)法沒有聯(lián)系實際，僅僅依賴數(shù)據(jù)，有時會弱化指標(biāo)的內(nèi)涵及其現(xiàn)實意義。同時，收集數(shù)據(jù)的工作量太大，計算復(fù)雜。當(dāng)然，隨著計算機(jī)技術(shù)在圖書館評價工作的應(yīng)用，計算工作將不再成為問題。

將主觀賦值法和客觀賦值法相結(jié)合的綜合賦值法，既充分利用了評價專家的知識和經(jīng)驗，又有客觀的數(shù)據(jù)為基礎(chǔ)，能夠保證指標(biāo)權(quán)重符合客觀實際，同時又有很強(qiáng)的科學(xué)性和說服力，是最好的賦值方法，當(dāng)然也是工作量最大的方法。隨著評價工作的程序化和智能化，綜合賦值法將得到更多的應(yīng)用。

參考文獻(xiàn)

李珂.發(fā)展循環(huán)經(jīng)濟(jì)理論、政策與實踐研究：以甘肅省為視角[M].北京：中國政法大學(xué)出版社，2013：107.

[2]王黎.水環(huán)境風(fēng)險監(jiān)測與應(yīng)急響應(yīng)技術(shù)[M].北京：中國環(huán)境出版社，2014：16-18.

[3]王春波，張紅.房地產(chǎn)企業(yè)集團(tuán)績效評價[M].北京：清華大學(xué)出版社，2013：195.

[4]高建山.高校圖書館網(wǎng)站評價方法及其應(yīng)用研究[M].杭州：浙江大學(xué)出版社，2012：60.

[5]浮肖肖.基于成本收益法的高校圖書館數(shù)字資源績效評估[J].科技情報開發(fā)與經(jīng)濟(jì)，2015，25（2）：55-56，58.

[6]余鵬彥.基于德爾菲法的數(shù)字資源評價系統(tǒng)的研究與設(shè)計[J].圖書館建設(shè)，2009，（6）：15-17.

鐘建法.高校圖書館信息資源采訪[M].廣州：世界圖書出版公司廣東有限公司，2014：242.

[8]劉會新.新時期民營企業(yè)勞動關(guān)系調(diào)節(jié)機(jī)制研究[M].天津：南開大學(xué)出版社，2014：90-91.

[9]層次分析法優(yōu)缺點[EB/OL].http：∥wenku.baidu.com/view/95b91077f46527d3240ce05d.html，2016-05-25.

[0]熊倩.高校圖書館數(shù)字館藏資源評價指標(biāo)體系研究[D].哈爾濱：黑龍江大學(xué)，2015.

]閆樂林，亓萊濱，馮希葉.高校圖書館數(shù)字資源評價指標(biāo)體系初探[J].情報雜志，2009，28（9）：97-101.

[2]李迎迎，王娟，鄭春厚.高校圖書館數(shù)字資源服務(wù)評價指標(biāo)體系構(gòu)建[J].情報雜志，2014，33（3）：192-197，142.

[3]劉曉霞.基于AHP的數(shù)字資源用戶綜合評價指標(biāo)體系研究[J].情報科學(xué)，2008，26（10）：1526-1530.

[4]梁冬瑩，周慶梅，王克奇.基于層次分析法的數(shù)字資源服務(wù)績效評價體系構(gòu)建[J].情報科學(xué)，2013，31（1）：78-81，128.

[5]Saaty TL..Decision Making with Dependence and Feedback[M].RWS Publication，Pitttsburgh，PA 1996：5-8.

[6]Saaty TL..Decision making with the analytic hierarchy process[J].ntJServices Sciences，2008，1（1）：83-98.

蒲筱哥，喬亞銘，胡亞敏.基于網(wǎng)絡(luò)分析法的高校圖書館電子資源服務(wù)績效評價模型及實證研究[J].大學(xué)圖書館學(xué)報，2014，（4）：41-49.

[8]主成分分析法[EB/OL].http：∥baike.baidu.com/link？url=t-cecwwMv3V4-o73Rk3imwJ-Ab-whV-8rDpqWnGeEzyve Ybk7Oq5mloxdqXrr1DRNNhhciwacgbN3FeZsCCEq，2016-05-25.

[9]牛改芳.基于主成分分析法的圖書館信息服務(wù)質(zhì)量研究[J].情報雜志，2008，（7）：87-89.

[20]王春波，張紅.房地產(chǎn)企業(yè)集團(tuán)績效評價[M].北京：清華大學(xué)出版社，2013：199.

[21]唐瓊.采用因子分析法構(gòu)建數(shù)字資源選擇標(biāo)準(zhǔn)體系[J].大學(xué)圖書館學(xué)報，2011，（2）：56-63.

[22]杜棟，龐慶華.現(xiàn)代綜合評價方法與案例精選[M].北京：清華大學(xué)出版社，2005：87.

周慶梅，王克奇.圖書館數(shù)字資源服務(wù)績效模糊神經(jīng)網(wǎng)絡(luò)評價研究[J].情報科學(xué)，2015，33（2）：41-45.

[24]賈潔，彭奇志.基于BP神經(jīng)網(wǎng)絡(luò)的圖書館電子資源質(zhì)量評價研究[J].圖書情報工作，2010，54（21）：84-87，79.

[25]尹正梅，張捍東.基于RBF神經(jīng)網(wǎng)絡(luò)的高校圖書館電子資源評價研究[J].情報探索，2016，（1）：38-41.

[26]李維云，劉亞茹.基于FBP神經(jīng)網(wǎng)絡(luò)的圖書館數(shù)字資源建設(shè)與服務(wù)評價體系[J].科技情報開發(fā)與經(jīng)濟(jì)，2007，17（11）：30-31.

[27]朱世偉，鞠鎂隆，于俊鳳，等.基于模糊神經(jīng)網(wǎng)絡(luò)的數(shù)字資源服務(wù)績效評價研究[J].山東科學(xué)，2013，26（6）：51-56.

[28]孫達(dá)辰，付佳，宋欣.基于Elman神經(jīng)網(wǎng)絡(luò)的圖書館電子資源借閱服務(wù)評價模型構(gòu)建[J].情報探索，2012，（7）：18-19.

[29]結(jié)構(gòu)方程模型[EB/OL].http：∥baike.baidu.com/link？url=fQOXBKv0yT4Ts1CA-s8CtQqjnqDHvx1GdXfnLZEZ2rIq2g-CKWujZgYDPqg37ftt8if4q6XMFVoaL0M56eM4gC0PBqeyXdBGDZJzks-4WTIm，2016-05-25.

[30]黃方銘.結(jié)構(gòu)方程模式理論與應(yīng)用[M].北京：中國稅務(wù)出版社，2005：32-33.

[31]盧揚，田紅梅，任延安.基于結(jié)構(gòu)方程的高校圖書館數(shù)字資源評價實證研究[J].圖書情報工作，2015，55（S1）：88-90.

[32]盧揚，田紅梅，羅凌云，等.基于E-Metrics的高校圖書館數(shù)字資源評價指標(biāo)的構(gòu)建[J].大學(xué)圖書情報學(xué)刊，2015，33（6）：32-37.

[33]馬飛，李毅斌，曹媛媛，等.基于結(jié)構(gòu)方程模型的高校數(shù)字圖書館服務(wù)質(zhì)量研究[J].圖書館理論與實踐，2013，（7）：78-81.

[34]熵值法[EB/OL].http：∥baike.baidu.com/link？url=VEf6AV5 QBro6y7YrFuIw7xDDCskmx0TovFpHWx1dFQk4RDhI-ZDp7e963BY qpeJzQwU6RmDcIcI3m8FTkLxgn，2016-05-25.

[35]梁茹，李建霞，劉穎，等.高校圖書館數(shù)字資源綜合服務(wù)能力評價[J].大學(xué)圖書館學(xué)報，2015，（2）：38-46.

[36]吳潔著.高校知識轉(zhuǎn)移的機(jī)理及效率研究[M].上海：上海大學(xué)出版社，2013：90.

[37]熵值法的原理及實例講解[EB/OL].http：∥www.wendangxiazai.com/b-2c70a61c0b4e767f5acfce4d.html，2016-05-30.

[38]熵值法[EB/OL].http：∥www.wendangxiazai.com/b-06f7590602768e9950e7386a-20.html，2016-05-30.

[39]王小慧，張月琴.基于熵值法的圖書館績效評價[J].科學(xué)之友，2013，（7）：60-61.

[40]朱雷，孫振球，劉莉.基于遞階層次BCS模型的高校數(shù)字資源綜合評價體系指標(biāo)及權(quán)重設(shè)計[J].圖書情報工作，2008，52（7）：113-116.

[41]趙配影，王雅娟，熊軍潔.天津市高校數(shù)字圖書館聯(lián)盟信息服務(wù)質(zhì)量評價指標(biāo)體系研究[J].農(nóng)業(yè)圖書情報學(xué)刊，2013，25（4）：150-152.

[42]張杰.數(shù)字資源綜合價值評價方法研究[J].情報科學(xué)，2013，31（10）：22-26，56.

[43]李迎迎，王煥景，鄭春厚.高校圖書館數(shù)字資源服務(wù)的擬熵權(quán)模糊綜合評價[J].圖書館論壇，2014，（5）：71-78.

[44]賀秀英，王曉文，呼翠俠.基于模糊語義法的高校圖書館電子資源績效評價研究[J].情報理論與實踐，2016，39（2）：113-115.

[45]馬曉英.圖書館數(shù)字化資源安全評估方法研究[J].圖書情報工作，2011，55（1）：70-74.

（本文責(zé)任編輯：孫國雷）

（上接第67頁）

[3]Koprinska I，Poon J，Clark J，et al.Learning to classify e-mail[J].Informationences，2007，177（10）：2167-2187.

[4]Guzella T S，Caminhas W M.A review of machine learning approaches to Spam filtering[J].Expert Systems with Applications，2009，36（7）：10206-10222.

[5]Li Y，F(xiàn)ang B，Guo L，et al.Research of a Novel Anti-Spam Technique Based on Users Feedback and Improved Naive Bayesian Approach[C].nullIEEE Computer Society，2006：86-86.

[6]Sakkis G，Androutsopoulos I，Paliouras G，et al.A Memory-Based Approach to Anti-Spam Filtering for Mailing Lists[J].Information Retrieval，2003，6（1）：49-73.

Elssied N O F，Ibrahim O，Osman A H.Enhancement of spam detection mechanism based on hybrid＼varvec{k}-mean clustering and support vector machine[J].Soft Computing，2014：1-12.

[8]孟美任，丁晟春.虛假商品評論信息發(fā)布者行為動機(jī)分析[J].情報科學(xué)，2013，31（10）：100-104.

[9]Mukherjee A，Liu B，Glance N.Spotting fake reviewer groups in consumer reviews[C].Proceedings of the 21st international conference on World Wide Web：ACM，2012.

[0]Bouguessa M.An unsupervised approach for identifying spammers in social networks[C]∥Tools with Artificial Intelligence（ICTAI），2011 23rd IEEE International Conference on.IEEE，2011：832-840.

]Jiang B，Chen B.Detecting Product Review Spammers using Activity Model[C].2013 International Conference on Advanced Computer Science and Electronics Information（ICACSEI 2013）.Atlantis Press，2013.

[2]Hinton G E，Osindero S，Teh Y W.A fast learning algorithm for deep belief nets[J].Neural computation，2006，18（7）：1527-1554.

[3]Lee S，Choeh J Y.Predicting the helpfulness of online reviews using multilayer perceptron neural networks[J].Expert Systems with Applications，2014，41（6）：3041-3046.

[4]Zhao Z，Xu S，Kang B H，et al.Investigation of Multilayer Perceptron and Class Imbalance Problems for Credit Rating[J].International Journal of Law & Information Technology，2014，3（4）：805-812.

[5]Leng B，Zhang X，Yao M，et al.A 3D model recognition mechanism based on deep Boltzmann machines[J].Neurocomputing，2015，151：593-602.

[6]Wang X Y，Yang H Y，Li D M.A new content-based image retrieval technique using color and texture information[J].Computers & Electrical Engineering，2013.