摘 要 高校圖書館在新的歷史發(fā)展機遇期，將進一步圍繞為教學和科研服務的核心價值，特別是進一步發(fā)掘作為大學生的“第二課堂”的特殊價值，利用最新的技術手段，在智能化、個性化服務方面取得突破，進而實現可持續(xù)發(fā)展和跨越式發(fā)展。本文給出了構建基于Agent的高校圖書館智能教學輔助平臺的一種可行方案。

關鍵詞 Agent 教學輔助 智能 高校圖書館

分類號 G258.6

DOI 10.16810/j.cnki.1672-514X.2017.07.011

Abstract In the new historical period of development， university libraries will further focus on the core value of serving the teaching and scientific research， especially the special value of being the ‘second classroom for university students. By using the latest technology， it has made a breakthrough in the field of intelligence and personalized service， and then realizes the sustainable and leap-forward development. This paper gives a feasible scheme of constructing the intelligent teaching assistant platform of university libraries based on Agent.

Keywords Agent. Teaching assistant. Intelligence. University libraries.

大學圖書館的主要職能就是為大學的教學和科研服務，是高校教學科研工作的重要組成部分，是高校信息化乃至社會信息化的重要基地，其建設和發(fā)展的水平亦作為大學總體發(fā)展水平的重要標志[1]。大學圖書館的未來發(fā)展必須緊扣《普通高等學校圖書館規(guī)程》，必須想方設法的推進高校教學和科研的發(fā)展?；蛘哒f大學圖書館要獲得可持續(xù)的發(fā)展就必須要適應高校新的教學環(huán)境和手段，并為此提供創(chuàng)新的支撐和服務上。為此，本文介紹搭建一種可以智能地為大學生學習提供知識推薦的跨平臺教學輔助系統，旨在適應和推動新型的高校教學新環(huán)境與新方法，將大量過去只能由人工完成的知識推薦服務交由人工智能完成，為龐大的大學生群體提供一種高效、公平、實用、精準、不間斷的教輔知識推薦服務，推薦內容以具體學生的課程、專業(yè)、愛好等為基礎，實實在在體現為教學服務，為學生個人發(fā)展量身定制的特點[2]。

1 智能教學輔助平臺的必要性與可行性分析

1.1 必要性

目前，高校圖書館的教輔服務沒有真正融入教學體系當中，有的院系為適應自身教學發(fā)展的需要，自己建立了一些小型的教輔平臺，比如：課程在線平臺、課件平臺，資料共享平臺等。雖然院系自己建立的這些教輔平臺資料內容比較精準，但多半都是教學內容的分享，本質上仍然是“第一課堂”的延伸。高校圖書館作為學生的“第二課堂”[3]，作為高校培養(yǎng)學生的三大（教室、圖書館和實驗室）場所之一，必須緊跟高校發(fā)展的步伐，克服舊的服務框架，舊的管理模式帶來的各種阻礙，創(chuàng)新的應用最新的技術為新環(huán)境下的教學和學生提供課程相關知識的推薦引導，幫助學生形成創(chuàng)新知識體系，適應社會對知識型人才和創(chuàng)新性人才的需求。

目前，推薦系統已經在很多領域進入實際應用。然而真正涉及人工智能進行推薦的不多，以大學圖書館為中心建立智能知識推薦教學輔助平臺的研究開發(fā)就更少了[4]。因此，圖書館應建立一種針對大學生課外學習的智能知識推薦教學輔助平臺，一方面提高圖書館海量資源的利用率，另一方面讓圖書館真正融入到大學的教學體系中，進一步凸顯大學圖書館在培養(yǎng)人才中的重要地位。

1.2 可行性

人工智能技術的引入可進一步實現“人選擇有價值信息”到“有價值信息主動找人”的角色互換，將革命性的促使圖書館的價值由“藏”轉向“用”。其實，對新技術的引入、消化并最終轉變?yōu)閷嶋H應用一直是大學圖書館乃至整個圖書館行業(yè)可持續(xù)發(fā)展的原動力。縱觀圖書館的發(fā)展歷史不難發(fā)現，在圖書館歷史的每個階段上，當時最新的技術總能從中找到身影[5]。

目前大部分的大學圖書館實際上已經處在數字圖書館的建設的高級階段，這個高級階段是指大學圖書館已經基本完成了文獻的數字化、面向分布和多元化的發(fā)展歷程，進入了基于用戶信息活動的數字圖書館建設階段。同時，大學圖書館其實也進入了智能圖書館（或者智慧圖書館）建設的初級階段[6]。新技術應用一直是大學圖書館可持續(xù)發(fā)展的不二法門，而大學生智能知識推薦教學輔助平臺，就旨在利用最新的人工智能技術將大學生在校的各種注冊信息、學科信息、課程信息、成績信息、活動信息、瀏覽信息、圖書借閱信息、網絡訪問信息等進行綜合分析，并以個性推薦方式將教學輔助知識內容推送給學習者。實際的系統應用中，推薦的知識或以書目信息，或以數據庫資源，或以網絡資源的形式呈現。

2 智能教學輔助平臺的相關技術理論

2.1 人工智能

人工智能（Artificial Intelligence，AI）是計算機科學的一個分支，是一門新的科學技術，主要是研究和開發(fā)用于模擬、延伸和拓展“人”的智慧、智能的方法、技術、應用及理論的科學。該領域的研究包括了語言識別、圖像識別、機器人、專家系統及自然語言處理等研究，并試圖創(chuàng)造出一種能與人類智能相似的智能機器或模擬人類思考并作出反應的方式。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大。2016年3月15日，“阿爾法圍棋”（人工智能）戰(zhàn)勝韓國頂級圍棋高手李世石，就展示出近年來人工智能取得的空前進步。被稱為預測人工智能未來最權威的人“雷·庫茲韋爾”就曾預言到2029年機器將達到人類的智能水平。

2.2 Agent及其特性

最早在計算機科技領域提出Agent概念的就是麻省理工學院著名的計算機專家及人工智能學科的創(chuàng)始人之一Minsky。在Minsky的《Society Of Mind》一書中最早將社會及社會行為等概念引入到計算機中。根據不同的應用環(huán)境，通常而言Agent有兩種定義：定義1，凡是具有自主的智能行為并構成與外部環(huán)境進行交互特征的分布式實體稱為Agent。這個定義中智能插件、機器人、智能軟件乃至人類本身都可以看作Agent。定義2，駐留在環(huán)境中可以解釋為環(huán)境中發(fā)生作用的過程，并反應出環(huán)境中所發(fā)生的事件及其所獲取的數據的實體叫做Agent。定義2中，Agent被看成環(huán)境中的一種具備生存狀態(tài)的實體，同樣既可以是智能硬件，也可以是智能軟件。

基于以上定義，Agent除了具有智能性特征外，還應具有對環(huán)境的響應性、自主性、社會性結構、分布性及其合作協調性等典型特征。響應性是指能夠感知環(huán)境信息并根據相應的環(huán)境信息做出適當的響應。自主性表現為Agent能夠控制它自身的行為，即Agent的行為是主動的、自主的、有目標、有意圖的自發(fā)行為，他能根據特定的目標和環(huán)境要求，自主規(guī)劃并能在環(huán)境中自主地執(zhí)行任務。社會性是指由多個Agent可以組成類似人類社會的大家庭，其中的每一個Agent就像一個社會成員的狀態(tài)一樣的存在其中，互相可以進行信息交換和作用。結構分布性表現為Agent群體系統具有的分布式結構上，系統中的各個部件具有異構和分布的特點。這種特性明顯地增強了Agent的適應性和部署便捷性。合作協調性是指各個Agent在交互通信中能進行合作與協調。通常也把Agent作為描述動物智能、人類智能和機器智能的統一模型[7]。

3 智能教學輔助平臺系統設計

基于知識的推薦系統在某種程度上可以說是一種推理技術，他本身并不依賴于用戶的偏好，而是在特定的應用領域內來設定特定的規(guī)則進行基于實例的推理。這種推薦方法主要在于所用到的功能知識的區(qū)別上，功能知識就是用戶解釋需求和推薦之間的關系，關乎某個具體項目如何滿足某個特定用戶的知識。就高校圖書館智能教學輔助系統對知識的推薦而言，就是需要知識的推薦結果庫，而學生的諸如注冊信息、分數信息、課程信息等都可以是支持推理的知識結構，這些知識結構有別于純粹的用戶喜好。所以，本文中的教學輔助系統首先是要獲取大學生的用戶知識和圖書館館藏知識并通過功能知識的推理或語言匹配向用戶生成基礎推薦列表。

3.1 Agent體系結構選擇

高校圖書館智能教學輔助平臺的構建是一項復雜的工程，需要多Agent進行協作，協作就涉及體系結構問題，多Agent進行協作常見的有三種體系結構有：網絡結構、層次結構、聯盟結構[8]。這三種常見的多Agent體系結構都有其各自的特點。網絡結構的多Agent體系結構中任意的兩個Agent都是對等的關系，優(yōu)點在于可以搭建便捷的直接通信，缺點是會產生和保存大量的通信信息，對于復雜系統而言會導致整個系統效率低下。層次結構則是大大減少了通信信息存儲量，但即便是同一層次的通信都必須通過上一層的指令來完成，造成通信效率下降。聯盟結構的多Agent可以把院系屬性、應用功能相近的Agent劃分到一起，形成一個Agent聯盟，而每個聯盟中設一個管理Agent。這樣在聯盟內部可以根據情況選擇合適的通信方式，聯盟之間又呈現出網絡通信結構。

3.2 系統流程

根據需求分析和Agent體系結構選擇，本文構建的基于Agent的高校圖書館智能教學輔助平臺應用流程如圖1所示。

根據系統流程圖可知，當特定的院系同學在使用該智能教輔系統時，首先是通過大學校園網的統一單點登錄認證系統接入，然后相應的Agent會獲取同學所用設備屏幕分辨率等信息，從而自適應登錄設備的顯示。然后，教輔平臺進一步獲取該同學的相關注冊信息、成績信息、課程信息、課程進度信息等基礎信息，如果該同學是首次登陸則需要先接入院系聯盟內的推薦引擎，如果已經接入過則直接獲取圖書館持續(xù)為各個院系挖掘并進行基礎分類的推薦信息。進一步根據該同學的瀏覽行為，活動行為等系統已能獲取到的行為來確定特定讀者的興趣偏好。最后，在圖書館基礎挖掘分類信息、院系聯盟內推薦信息、讀者個性偏好三種結果的綜合推薦下生成顯示的推薦結果。用戶還可以對這個綜合推薦結果進行修正，修正的次數達到一定的數量，系統會判斷該學生的主體學習傾向有跨學科的可能性，就會接入到其他的院系的Agent聯盟，從而獲得跨院系、跨學科的推薦。只要同學沒有關閉操作系統，系統就會持續(xù)監(jiān)控用戶的各種相關行為信息，并更正這些信息、修正推薦內容，并定時刷新。

3.3 系統架構

系統架構基于經典的B/S（Browser/Server）架構基礎，有利于跨平臺瀏覽，同時增了智能Agent層，形成B/S/A（Browser/Server/Agent）的新型架構形式，如圖2所示。

在B/S/A（Browser/Server/Agent）的新型架構中，Browser層主要用于管理用戶界面，實現信息輸入輸出、自動采集等交互。Server層主要由數據庫服務器、Web服務器和推薦服務器的集群構成，完成數據庫的同步、連接，Web交互，推薦數據存儲、交換及實現等。各個圖書館可以根據數據處理和存儲量的具體情況來選擇合適的解決方案。Agent層實現用戶的智能推薦，層內可包含多種智能Agent，也十分便于擴展接入各種智能Agent。例如：界面Agent用于判斷用戶使用何種設備登錄系統，并更具不同的分辨率自動適應用戶界面。監(jiān)視Agent主要用于監(jiān)控各自用戶行為?？傊?，用戶界面Agent、監(jiān)視Agent、推薦引擎Agent、數據挖掘Agent、滿意度Agent、預處理Agent等的共同作用下形成了高校圖書館智能教學輔助平臺[9]。

其中的推薦引擎Agent又是整個Agent層的核心組成部分。內部架構如圖3可知Agent本身不是一個獨立的個體，它是由多個子Agent構成的，圖中就給出了資料挖掘Agent、推薦控制Agent和推薦生產Agent，它們又分別對應數據服務層的圖書館數據庫、用戶興趣模型庫、推薦算法庫和推薦記錄庫。

4 Agent通信的實現與系統界面

4.1 Agent通信的實現

基于Agent的高校圖書館智能教學輔助平臺最終能否發(fā)揮出應有的效果，關鍵就在于多Agent內部的通信和協作。在具體實現上，知識查詢與操作語言KQML（Knowledge Query and Manipulation Language）和FIPA ACL（Agent Communication Language）是目前常用的兩種語言。這兩種語言對于Agent的加入和身份認證及通信基礎設施的支持有所不同。FIPA ACL旨在提供一種純粹的Agent通信語言而不提供語句來規(guī)范基礎設施，而KQML提供了與之相關的一些原語來規(guī)范基礎設施。

從上面例子中容易看出KQML與FIPA ACL之間的主要區(qū)別在于語用詞的集合上，而消息的結構基本是一樣的。FIPA ACL的開發(fā)者可以通過一種叫做SL的形式語言來給出這種語言的形式語義。SL可以表示這個Agent執(zhí)行的動作甚至一個Agent的信念、愿望和意圖。

本文中平臺的具體編碼采用JADE （Java Agent Development Framework）實現。JADE通過一個兼容 FIPA 規(guī)范的中間件來簡化中間多代理的實現，支持調試和部署階段的圖形工具，是一個完全用Java語言實現的軟件框架（如圖4所示） 。代理平臺可以跨機器分布，甚至不需要共享相同的操作系統和配置就可以通過遠程圖形界面控制[10]。

同時在配置上應當注意兩個常見問題：（1）通信時ACLMessage一定要添加Receiver的指定合法的AID，并且這個AID一要有完整的名稱和合法的Addresses。（2）防火墻內關于文件與打印機共享的協議，如果沒有打開可能造成器名無法解析。實例代碼如下所示：

4.2 系統界面

基于Agent的高校圖書館智能教學輔助平臺可以實現多平臺訪問對于Android系統的手機或者平板而言，系統中的UI元素都是集成了androi.view.view類。通過Eclipse開發(fā)工具中的ADT插件可以完成設計實現。各類設計用圖片文件都存放在Android工程的drawable下面。布局文件的空間都是通過XML的標簽描述，這樣就可以通過屬性來描述和控制。

PC端通過瀏覽器即可登錄平臺，登錄后即刻獲得最新的教輔資料推薦閱讀。為實現特定的展示效果，宜采用（DIVision，DIV）層疊樣式表中的定位技術。

5 結語

人工智能技術必將給圖書館行業(yè)帶來新的更大發(fā)展機遇，對于大學圖書館而言，人工智能技術的引入將使高校圖書館服務教學的工作向前邁進一大步，使大學圖書館真正融入到大學的教學體系和日常教學輔助中，將龐大的館藏變?yōu)獒槍γ總€大學生日常學習所需要的精準教輔知識的推送。人工智能真正在大學圖書館工作的各個領域發(fā)揮巨大的作用還需要廣大同仁的共同努力。在大學圖書館可持續(xù)發(fā)展的道路上機遇與挑戰(zhàn)并存，只有緊緊圍繞大學圖書館的使命，不斷創(chuàng)新與實踐才是可持續(xù)發(fā)展之路。

參考文獻：

盧章平，王正興，沙振江，等.對修訂《普通高等學校圖書館規(guī)程》的若干建議[J]. 大學圖書館學報，2014（4）：50-54，40.

曹畋.探究適合中小型機構知識庫的智能推薦系統[J].農業(yè)圖書情報學刊，2016（3）：5-9.

呂珂.論智能圖書館的構建與實現[J].蘭臺世界，2014（2）：107-108.

張延利，張德生.基于人工智能的黃金價格非線性組合預測[J].數學的實踐與認識，2015（21）：26-33.

曹畋.大數據環(huán)境下的圖書館異構數據統一訪問與轉化系統[J]. 圖書館理論與實踐，2016（2）：80-84.

LIU KEXIN，WU LULU，Lü JINHU，et al. Finite-time adaptive consensus of a class of multi-agent systems[J].Science China（Technological Sciences），2016（1）：22-32.

趙業(yè)清.基于復雜Agent網絡的高校輿論演化系統研究[J].情報科學，2016（1）：130-134.

WANG LIJIAO，MENG BIN.Characteristic model-based consensus of networked heterogeneous robotic manipulators with dynamic uncertainties[J]. Science China（Technological Sciences），2016（1）：63-71.

陶先平，呂建，李新，等.移動Agent技術在電子商務上的應用初探[J]. 南京大學學報（自然科學版），2001（2）：174-181.

尚安利，夏立. 基于多Agent的船舶電力系統故障恢復方法[J]. 信息與控制，2015（6）：759-768.

曹 畋 南京曉莊學院工程師。江蘇南京，211171。

（收稿日期：2016-08-18 編校：劉 明）