尹婷婷 郭永建 郭 丹 胡 鵬

0 引言

黨的十八大以來，習(xí)近平總書記多次到訪革命紀(jì)念地，瞻仰革命歷史紅色場(chǎng)所，反復(fù)強(qiáng)調(diào)要用紅色資源，傳承紅色基因，把紅色江山世代傳下去[1]。紅色資源是我國(guó)最生動(dòng)、最鮮活的歷史財(cái)富，不僅代表著共產(chǎn)黨人堅(jiān)定的信念和理想，也飽含著中國(guó)共產(chǎn)黨人最優(yōu)秀的品格與氣概[2]。2018 年中共中央印發(fā)《關(guān)于實(shí)施革命文物保護(hù)利用工程的意見》文件，明確指出利用多媒體資源、提升革命文物展示水平的發(fā)展布局，這一背景為開展紅色文獻(xiàn)資源推薦服務(wù)提供了基礎(chǔ)與保障。然而，在大數(shù)據(jù)信息時(shí)代，現(xiàn)存的紅色文獻(xiàn)資源由于內(nèi)容龐雜、形式多樣，在紅色文獻(xiàn)資源獲取過程中極其容易發(fā)生有效資源加載緩慢、獲取到的資源無利用價(jià)值等現(xiàn)象[3]。如何迅速、科學(xué)的從大量的紅色文獻(xiàn)資源中獲取用戶需要的、有價(jià)值的紅色資源已經(jīng)成為當(dāng)今社會(huì)圖情、信息科學(xué)等領(lǐng)域亟待解決的重點(diǎn)與熱點(diǎn)問題[4]。目前相關(guān)領(lǐng)域的學(xué)者已經(jīng)開展了大量關(guān)于紅色文獻(xiàn)資源推薦服務(wù)的探討與實(shí)踐應(yīng)用[5]，但就現(xiàn)有研究成果而言，廣泛使用的資源推薦服務(wù)存在推薦信息特征不明顯、推薦效率不高、推薦對(duì)象不精準(zhǔn)等現(xiàn)實(shí)問題[6]，還沒有學(xué)者全面考察過如何利用VR 技術(shù)促進(jìn)紅色文獻(xiàn)資源的推薦與發(fā)展，甚至還沒有學(xué)者研究基于VR 技術(shù)的高校紅色文獻(xiàn)資源的推薦服務(wù)模型構(gòu)建[7]。因此，本文借鑒VR 技術(shù)在信息科學(xué)、人工智能、精準(zhǔn)營(yíng)銷等領(lǐng)域的具體應(yīng)用實(shí)踐，將VR 技術(shù)引入紅色文獻(xiàn)資源推薦服務(wù)中，同時(shí)以學(xué)校圖書館基于VR 技術(shù)的紅色文獻(xiàn)資源推薦服務(wù)的具體開展情況為研究對(duì)象，針對(duì)高校紅色文獻(xiàn)資源推薦服務(wù)應(yīng)用實(shí)踐模式進(jìn)行探討，以期為互聯(lián)網(wǎng)信息時(shí)代背景下紅色文獻(xiàn)資源的推薦服務(wù)研究提供技術(shù)手段與參考依據(jù)。

1 紅色文獻(xiàn)資源推薦服務(wù)現(xiàn)狀研究

紅色資源的開發(fā)與應(yīng)用已成為當(dāng)今社會(huì)發(fā)展的熱點(diǎn)與焦點(diǎn)問題[8]，根據(jù)目前已有的研究成果，圖書館紅色文獻(xiàn)資源推薦服務(wù)主要集中在與紅色資源推薦相關(guān)的數(shù)據(jù)庫(kù)建設(shè)、文獻(xiàn)開發(fā)與推廣工作及紅色主題活動(dòng)建設(shè)等方面[9]。如，袁子英[10]以籌集建設(shè)賀龍圖書館為例，探討了紅色文獻(xiàn)資源保存的價(jià)值與緊迫性需求，提出紅色資源數(shù)據(jù)庫(kù)建設(shè)與推廣的關(guān)鍵步驟。杜敏[11]以具有黨校特色的數(shù)字信息資源庫(kù)“中國(guó)共產(chǎn)黨歷史文庫(kù)”為例，探討了發(fā)展與推廣紅色資源數(shù)據(jù)庫(kù)的意義、前景及存在的實(shí)際問題等。張勝峰[12]從《翔安紅色記憶》的編輯出版入手，對(duì)圖書館地方革命文獻(xiàn)開發(fā)與推廣的經(jīng)驗(yàn)進(jìn)行總結(jié)與分析。王東[13]以臨沂市圖書館紅色文獻(xiàn)開發(fā)為例，提出紅色館藏資源建設(shè)與推薦服務(wù)的創(chuàng)新途徑。肖海清[14]從氛圍營(yíng)造、資源體系建設(shè)、活動(dòng)品牌及空間打造等多方面構(gòu)建高校圖書館參與校園紅色文化推薦服務(wù)整個(gè)流程體系。王方園[15]以遼寧省圖書館紅色文獻(xiàn)資源服務(wù)開展實(shí)踐為例，從編撰紅色文獻(xiàn)目錄、構(gòu)建紅色文獻(xiàn)資源保障體系、建立紅色文獻(xiàn)資源修復(fù)中心等多個(gè)方面提出紅色文獻(xiàn)資源推薦服務(wù)建設(shè)的體系框架。歐建華[16]針對(duì)高校閱讀推廣文化活動(dòng)中開展的有關(guān)黨建活動(dòng)內(nèi)容進(jìn)行提煉與總結(jié)，提出高校閱讀推廣活動(dòng)中需要進(jìn)一步加強(qiáng)紅色文獻(xiàn)資源建設(shè)的觀點(diǎn)。劉燕[17]以某高校圖書館開展的“黨建+”為核心的特色品牌活動(dòng)為例，提出全方位、多元化的紅色文化推廣發(fā)展路徑。王曉園[18]基于扎根理論，從拓寬閱讀渠道、豐富紅色文獻(xiàn)的呈現(xiàn)形式、跨界合作整合紅色文獻(xiàn)資源三個(gè)角度提出紅色文獻(xiàn)閱讀推廣策略。劉士瑩[19]以東北抗聯(lián)文獻(xiàn)資源數(shù)據(jù)庫(kù)建設(shè)中存在的問題為基礎(chǔ)，提出利用人工智能技術(shù)創(chuàng)新紅色文獻(xiàn)資源推薦服務(wù)的觀點(diǎn)。黨躍武[20]以四川大學(xué)“學(xué)習(xí)書屋”的使用情況為基礎(chǔ)，從資源、平臺(tái)、成效三個(gè)方面提出開展新時(shí)代高校圖書館紅色文獻(xiàn)資源推薦服務(wù)的新模式。

然而，已有的相關(guān)研究中對(duì)于紅色文獻(xiàn)資源推薦服務(wù)中的應(yīng)用方面相對(duì)匱乏，所展開的探討和研究主要集中在各種不同的推薦技術(shù)的具體應(yīng)用和優(yōu)化完善、紅色文獻(xiàn)資源數(shù)據(jù)信息的相似性計(jì)算和用戶相似度計(jì)算等實(shí)際問題中，雖然也涉及信息咨詢、人工智能領(lǐng)域內(nèi)紅色文獻(xiàn)資源推薦服務(wù)的相關(guān)研究和應(yīng)用，但是針對(duì)紅色文獻(xiàn)資源推薦服務(wù)中用戶個(gè)人信息特征及其在互聯(lián)網(wǎng)絡(luò)系統(tǒng)內(nèi)的訪問記錄信息的考慮較匱乏，存在對(duì)用戶個(gè)人屬性特征研究不足，對(duì)用戶的資源需求分析不夠，紅色文獻(xiàn)資源推薦服務(wù)不夠準(zhǔn)確、科學(xué)等現(xiàn)象。

2 構(gòu)建VR 高校紅色文獻(xiàn)資源推薦系統(tǒng)的技術(shù)流程

VR 技術(shù)的概念來源于圖靈獎(jiǎng)獲得者Ivan Sutherland 于1965 年發(fā)表的研究論文《The ultimate display》，應(yīng)用三維計(jì)算機(jī)技術(shù)生成用戶導(dǎo)航、人機(jī)交互的虛擬環(huán)境的仿真技術(shù)[21]。其本質(zhì)主要是通過構(gòu)造即時(shí)場(chǎng)景、三維可視圖及仿真運(yùn)動(dòng)等為給用戶帶來類似“真實(shí)環(huán)境”體驗(yàn)感的虛擬環(huán)境，其運(yùn)行的核心在于利用人機(jī)交互接口實(shí)現(xiàn)“現(xiàn)實(shí)”環(huán)境的虛擬化，達(dá)到用戶在虛擬環(huán)境下實(shí)現(xiàn)沉浸式體驗(yàn)效果并能夠與虛擬環(huán)境進(jìn)行即時(shí)交互的感受。為了能順利構(gòu)建紅色文獻(xiàn)資源推薦服務(wù)模型，需要獲取大量的能夠全面描述用戶特征的基礎(chǔ)信息，建立用戶信息體系，構(gòu)建紅色文獻(xiàn)資源VR 化數(shù)據(jù)，匹配相對(duì)應(yīng)的紅色文獻(xiàn)資源推薦資源成為構(gòu)建模型的必然步驟[6]。

2.1 獲取用戶的數(shù)據(jù)信息，建立用戶信息體系

在大數(shù)據(jù)背景下，為了將用戶數(shù)據(jù)特征描述清楚，需要針對(duì)用戶屬性及其網(wǎng)絡(luò)訪問、瀏覽記錄信息進(jìn)行獲取、提煉操作，分類完成描述用戶特征基礎(chǔ)數(shù)據(jù)的集合，構(gòu)建描繪用戶特征標(biāo)簽系統(tǒng)；并針對(duì)建立的標(biāo)簽系統(tǒng)，完成用戶個(gè)體及用戶群體數(shù)據(jù)信息的分類工作。目前使用的高校圖書館管理系統(tǒng)能夠自動(dòng)對(duì)體現(xiàn)用戶屬性特征的數(shù)據(jù)進(jìn)行提取與歸納操作，并可利用VR 技術(shù)對(duì)獲取的紅色文獻(xiàn)資源數(shù)據(jù)和用戶數(shù)據(jù)進(jìn)行挖掘、分類、匹配操作，完成向用戶精準(zhǔn)推薦紅色文獻(xiàn)資源的流程。

但是，由于物理存儲(chǔ)形式的不同，獲取到的用戶數(shù)據(jù)可能分散于不同的物理存儲(chǔ)系統(tǒng)中，導(dǎo)致各數(shù)據(jù)信息之間無實(shí)質(zhì)性連接，或者相互關(guān)聯(lián)性較弱。針對(duì)這一問題，將獲取的用戶數(shù)據(jù)信劃分為相對(duì)穩(wěn)定數(shù)據(jù)和動(dòng)態(tài)變化數(shù)據(jù)。相對(duì)穩(wěn)定數(shù)據(jù)主要包含高校用戶的姓名、年齡、研究專業(yè)、研究方向等相對(duì)固定的數(shù)據(jù)；動(dòng)態(tài)變化數(shù)據(jù)主要指的是用戶在高校網(wǎng)站、高校圖書館交互網(wǎng)絡(luò)系統(tǒng)內(nèi)的網(wǎng)頁(yè)瀏覽、書籍借閱記錄等具體信息，動(dòng)態(tài)變化數(shù)據(jù)會(huì)隨著用戶學(xué)習(xí)、工作經(jīng)歷變化等會(huì)發(fā)生一系列的改變。

2.2 構(gòu)建紅色文獻(xiàn)資源VR 化數(shù)據(jù)

利用VR 對(duì)收集到的高校紅色文獻(xiàn)資源進(jìn)行關(guān)鍵特征描述信息，設(shè)計(jì)并規(guī)劃內(nèi)容場(chǎng)景制作。在具體的構(gòu)建過程中，按照紅色文獻(xiàn)資源的具體內(nèi)容，需完成實(shí)際場(chǎng)景展示、虛擬場(chǎng)景制作兩個(gè)方面。

首先，對(duì)于實(shí)際場(chǎng)景展示的制作流程，需要依次完成以下步驟：調(diào)研分析可轉(zhuǎn)化的紅色文獻(xiàn)資源狀況，設(shè)計(jì)所要制作場(chǎng)景的展示形式、拍攝視角、人機(jī)互動(dòng)等實(shí)施方案；根據(jù)紅色文獻(xiàn)資源的具體需求進(jìn)行實(shí)際場(chǎng)景的拍攝、錄像工作；將拍攝的視頻、圖片等利用剪輯、合成等處理技術(shù)形成視頻或全景圖；通過AE、PE等設(shè)計(jì)軟件制作交互動(dòng)畫，并完成界面設(shè)計(jì)模塊；輸出可進(jìn)行人機(jī)交互的VR 信息，并在VR場(chǎng)景中完成內(nèi)容測(cè)試工作；而后形成與紅色文獻(xiàn)資源相匹配的VR 化數(shù)據(jù)信息。而對(duì)于虛擬場(chǎng)景建模制作流程，則需要依次完成以下步驟：根據(jù)紅色文獻(xiàn)資源實(shí)際狀況，設(shè)計(jì)建模場(chǎng)景的3D 模型圖；利用建模軟件進(jìn)行3D 的模型構(gòu)建，設(shè)計(jì)并制作完成交互動(dòng)畫；完成3D模型的構(gòu)建，完成實(shí)時(shí)渲染功效；利用VR 顯示裝置不斷進(jìn)行優(yōu)化，獲得與紅色文獻(xiàn)資源內(nèi)容相符合的3D虛擬場(chǎng)景數(shù)據(jù)集合。

2.3 紅色文獻(xiàn)資源推薦服務(wù)的資源匹配

在實(shí)現(xiàn)高校用戶標(biāo)簽體系及紅色文獻(xiàn)資源VR 數(shù)據(jù)信息轉(zhuǎn)換后，即完成針對(duì)目標(biāo)用戶進(jìn)行紅色文獻(xiàn)資源推薦服務(wù)的數(shù)據(jù)準(zhǔn)備工作，通過用戶資源需求標(biāo)簽信息與紅色文獻(xiàn)資源VR數(shù)據(jù)集合之間的匹配、整合操作，構(gòu)建向目標(biāo)用戶推薦所需紅色文獻(xiàn)資源信息的過程。在紅色文獻(xiàn)資源信息推薦過程中，可以將目標(biāo)用戶對(duì)于紅色文獻(xiàn)資源的需求按照時(shí)間長(zhǎng)短劃分為長(zhǎng)期需求和短期需求，并分別獲取對(duì)應(yīng)的用戶興趣值，用于紅色文獻(xiàn)資源推薦服務(wù)模型的構(gòu)建，從而提供不同的紅色文獻(xiàn)資源推薦服務(wù)[22]。具體而言，即利用信息過濾技術(shù)、聚類算法等數(shù)學(xué)處理手段，完成針對(duì)用戶信息分層次、科學(xué)的描述，并隨著用戶動(dòng)態(tài)變化數(shù)據(jù)的不斷更新，用于構(gòu)建推薦服務(wù)模型的數(shù)據(jù)信息也需實(shí)時(shí)優(yōu)化、完善，才能科學(xué)、有效地構(gòu)建高校紅色文獻(xiàn)資源推薦模型，為高校紅色資源推薦服務(wù)提供精準(zhǔn)的目標(biāo)用戶文獻(xiàn)資源需求信息。

3 紅色文獻(xiàn)資源推薦服務(wù)模型構(gòu)建模塊

基于以上分析，構(gòu)建的紅色文獻(xiàn)資源推薦服務(wù)模型可依次分為用戶信息獲取、資源VR處理、資源匹配及資源信息展示等四個(gè)模塊。

用戶信息獲取模塊是整個(gè)推薦服務(wù)模型的數(shù)據(jù)基礎(chǔ)，其主要作用是提取能夠描述高校用戶特征屬性的數(shù)據(jù)，包括用戶的相對(duì)穩(wěn)定數(shù)據(jù)和動(dòng)態(tài)變化數(shù)據(jù)，并經(jīng)篩選、合并、分類形成用于紅色文獻(xiàn)資源推薦服務(wù)的元數(shù)據(jù)集合。

資源VR 處理模塊是建立紅色文獻(xiàn)資源推薦服務(wù)流程的關(guān)鍵，基于用戶信息獲取模塊獲取到的有效元數(shù)據(jù)集合，利用VR 技術(shù)完成紅色文獻(xiàn)資源數(shù)據(jù)的前期處理、數(shù)據(jù)分析及數(shù)據(jù)匯總的過程，進(jìn)而得到科學(xué)、統(tǒng)一、標(biāo)準(zhǔn)化的紅色文獻(xiàn)資源集合，為與用戶資源需求的匹配工作提供標(biāo)準(zhǔn)化的紅色文獻(xiàn)資源數(shù)據(jù)庫(kù)。

在資源匹配模塊中，基于獲取的用戶對(duì)于紅色文獻(xiàn)資源的查找記錄、評(píng)價(jià)、轉(zhuǎn)發(fā)等信息，根據(jù)用戶的當(dāng)前需求和潛在需求，利用數(shù)據(jù)挖掘?qū)撛谟脩敉瓿尚畔⒕垲?、?shù)據(jù)關(guān)聯(lián)處理，建立潛在用戶信息集合庫(kù)。隨后，分別將描述單個(gè)用戶數(shù)據(jù)信息庫(kù)及群體用戶信息庫(kù)的數(shù)據(jù)與紅色文獻(xiàn)資源數(shù)據(jù)庫(kù)的信息進(jìn)行全方位、多角度、深層次的匹配處理。

資源信息展示模式主要將匹配完成的紅色文獻(xiàn)資源以可視化的方式推送至圖書館網(wǎng)絡(luò)交互平臺(tái)上，包括推薦紅色文獻(xiàn)資源的介紹、紅色文獻(xiàn)資源的調(diào)度情況、紅色文獻(xiàn)資源的推薦等相關(guān)信息，增強(qiáng)被推薦文獻(xiàn)資源顯示的直觀顯示性，提高被推薦文獻(xiàn)資源的精準(zhǔn)性和推薦效率。

4 基于VR 的高校圖書館紅色文獻(xiàn)資源推薦服務(wù)應(yīng)用場(chǎng)景選擇

對(duì)于高校而言，紅色文獻(xiàn)資源推薦系統(tǒng)是聯(lián)系紅色文獻(xiàn)資源與用戶需求之間的樞紐——通過提取、總結(jié)圖書館紅色文獻(xiàn)資源數(shù)據(jù)信息，能夠建立已有紅色文獻(xiàn)資源數(shù)據(jù)的特征模型并匯總形成高校紅色文獻(xiàn)資源的數(shù)據(jù)模型集合。同時(shí)，基于數(shù)據(jù)處理手段對(duì)用戶的個(gè)人信息進(jìn)行分類與聚合操作，利用用戶對(duì)已有紅色文獻(xiàn)資源的使用效果評(píng)價(jià)數(shù)據(jù)信息完成單個(gè)用戶和類似用戶群組集合的劃分與歸類，從而能夠?qū)⒉煌挠脩魳?biāo)簽映射形成為多個(gè)用戶主題信息集合[17]，將用戶主題與基于VR 的紅色文獻(xiàn)資源主題進(jìn)行匹配操作。如若匹配成功，則將紅色文獻(xiàn)資源數(shù)據(jù)通過紅色文獻(xiàn)資源推薦系統(tǒng)對(duì)用戶進(jìn)行推薦服務(wù)；如果匹配不成功，則進(jìn)行反饋信息操作，如此循環(huán)往復(fù)直至推薦匹配成功。因此，針對(duì)紅色文獻(xiàn)資源數(shù)據(jù)推薦模式需分別從特征數(shù)據(jù)關(guān)聯(lián)、情景模式模擬、用戶興趣愛好三個(gè)方面進(jìn)行場(chǎng)景化應(yīng)用。

4.1 基于特征數(shù)據(jù)關(guān)聯(lián)的圖書館紅色文獻(xiàn)資源推薦場(chǎng)景

基于特征數(shù)據(jù)關(guān)聯(lián)的圖書館紅色文獻(xiàn)資源推薦模式是從目標(biāo)用戶自身的資源需求出發(fā)，針對(duì)圖書館管理系統(tǒng)內(nèi)已有的用戶借閱記錄信息進(jìn)行分析與數(shù)據(jù)挖掘操作，篩選用戶借閱的各類紅色文獻(xiàn)資源之間的特征相互關(guān)聯(lián)信息，根據(jù)他們之間的相關(guān)性實(shí)現(xiàn)提取與聚類操作，從而向目標(biāo)用戶提供其可能需要的紅色文獻(xiàn)資源信息。在基于特征數(shù)據(jù)關(guān)聯(lián)的圖書館紅色文獻(xiàn)資源推薦服務(wù)過程中，利用用戶同一身份認(rèn)證機(jī)制，能夠降低關(guān)于目標(biāo)用戶身份信息認(rèn)證信息的復(fù)雜度，有利于紅色文獻(xiàn)資源推薦系統(tǒng)采集目標(biāo)用戶資源需求信息的過程，同時(shí)以圖書館管理系統(tǒng)內(nèi)已存在的用戶借閱記錄信息為關(guān)聯(lián)基礎(chǔ)，可以在基于特征關(guān)聯(lián)的圖書館紅色文獻(xiàn)資源推薦模式中提升紅色文獻(xiàn)資源的轉(zhuǎn)化率和推薦服務(wù)內(nèi)容精準(zhǔn)度。

4.2 基于情景模式模擬的圖書館紅色文獻(xiàn)資源推薦場(chǎng)景

紅色文獻(xiàn)資源記錄了中國(guó)共產(chǎn)黨領(lǐng)導(dǎo)人民進(jìn)行革命的波瀾壯闊的歷史進(jìn)程，因此在大數(shù)據(jù)背景下，在向用戶提供館藏紅色文獻(xiàn)資源推薦過程中，圖書館要主動(dòng)利用VR 技術(shù)增加情景模式、所處訪問環(huán)境等挖掘條件，借助傳感器、感應(yīng)器等設(shè)備實(shí)時(shí)檢測(cè)當(dāng)下情景是否符合用戶需求，是否符合紅色文獻(xiàn)資源呈現(xiàn)的背景，以使情景模式正確呈現(xiàn)。只有這樣，才能通過構(gòu)建用戶情景模型科學(xué)描述用戶所需所處情景。同時(shí)，也要根據(jù)情景模擬的具體情況獲取目標(biāo)用戶的屬性特征，如興趣愛好、專業(yè)背景和資源需求等數(shù)據(jù)信息，利用VR 技術(shù)在圖書館網(wǎng)絡(luò)系統(tǒng)內(nèi)搜索與情景模擬獲取的目標(biāo)用戶具體情況相適應(yīng)的紅色文獻(xiàn)資源，并將獲取的紅色文獻(xiàn)資源進(jìn)行相關(guān)性排序后依次向目標(biāo)用戶推薦。

4.3 基于用戶興趣愛好的圖書館紅色文獻(xiàn)資源推薦場(chǎng)景

在向目標(biāo)對(duì)象提供推薦服務(wù)過程中，將用戶興趣愛好作為關(guān)鍵信息進(jìn)行過濾篩選，匹配與用戶興趣愛好相似度高的紅色文獻(xiàn)資源，并將其推薦給相關(guān)的用戶，同時(shí)深度挖掘具有相似興趣的用戶群體信息，并從這些群體中檢索相關(guān)紅色文獻(xiàn)資源信息，依據(jù)用戶感興趣的數(shù)據(jù)信息，為其精準(zhǔn)推薦感興趣的紅色文獻(xiàn)資源。然而，基于用戶興趣愛好的紅色文獻(xiàn)資源推薦模式只有在用戶登錄過圖書館集成管理系統(tǒng)并留下借閱記錄信息后，其有效信息才可能被系統(tǒng)篩選并引用，否則，將無法對(duì)相應(yīng)的紅色文獻(xiàn)資源進(jìn)行充分利用，從而相應(yīng)的紅色文獻(xiàn)資源也無法被主動(dòng)推薦給其他用戶。

5 VR技術(shù)在高校圖書館紅色文獻(xiàn)資源推薦服務(wù)中的實(shí)踐

西北工業(yè)大學(xué)圖書館根據(jù)學(xué)校文獻(xiàn)資源建設(shè)總體規(guī)劃，將紅色文獻(xiàn)資源精準(zhǔn)推薦服務(wù)納入“十四五”總體建設(shè)規(guī)劃范圍，結(jié)合“三全育人”總體發(fā)展目標(biāo)要求，對(duì)已有館藏紅色文獻(xiàn)資源進(jìn)行優(yōu)化整合，在做好紅色文獻(xiàn)資源分類標(biāo)引和主題揭示的同時(shí)，完成紅色文獻(xiàn)資源VR 化，建立紅色文獻(xiàn)資源VR 數(shù)據(jù)庫(kù)。在此基礎(chǔ)上，圖書館于2020 年開展以VR 技術(shù)為基礎(chǔ)的紅色文獻(xiàn)資源推薦服務(wù)活動(dòng)，主要以圖書館的紅色文獻(xiàn)館藏資源為基礎(chǔ)，為全校師生用戶提供包括紙質(zhì)版、電子版等多種類型的紅色文獻(xiàn)資源不定期推薦與實(shí)時(shí)推送服務(wù)。

在紅色文獻(xiàn)資源推薦服務(wù)開展的準(zhǔn)備過程中，首先完成師生用戶行為數(shù)據(jù)信息的收集與分析工作，包括用戶的基本屬性、興趣愛好及在網(wǎng)絡(luò)交互平臺(tái)內(nèi)的行為痕跡等一系列數(shù)據(jù)信息。具體來說，用戶的基本屬性等相對(duì)穩(wěn)定數(shù)據(jù)是包括學(xué)生的學(xué)籍信息、學(xué)生證、學(xué)校一卡通等數(shù)據(jù)；用戶的興趣愛好及在圖書館網(wǎng)絡(luò)交互平臺(tái)內(nèi)的行為痕跡等動(dòng)態(tài)變化數(shù)據(jù)，主要是利用信息標(biāo)記的方式獲取。在滿足用戶的基本屬性數(shù)據(jù)、動(dòng)態(tài)變化數(shù)據(jù)信息不同儲(chǔ)存要求的基礎(chǔ)上，設(shè)立描述用戶數(shù)據(jù)的信息解析方式，完成針對(duì)用戶信息的科學(xué)描述與聚類操作。通過圖書館網(wǎng)站系統(tǒng)獲取的用戶數(shù)據(jù)信息集合，結(jié)合用戶在學(xué)校網(wǎng)站及圖書館交互系統(tǒng)內(nèi)產(chǎn)生的關(guān)于紅色文獻(xiàn)搜索信息、紅色文獻(xiàn)資源下載、對(duì)紅色資源的瀏覽時(shí)間等多方面的數(shù)據(jù)，依照用戶標(biāo)簽分類原則，完成關(guān)于用戶特征數(shù)據(jù)、所處環(huán)境、興趣愛好等各類標(biāo)簽值的篩選、提取、歸納，形成代表用戶屬性特征的標(biāo)簽庫(kù)，并將具有相同或相似標(biāo)簽值的用戶聚類形成用戶群體簇；將構(gòu)建的用戶資源需求標(biāo)簽體系與紅色文獻(xiàn)資源對(duì)象VR 數(shù)據(jù)集合進(jìn)行匹配操作，獲得被推薦紅色資源的VR 數(shù)據(jù)集合。最后，采用下拉列表的形式對(duì)用戶及用戶群體簇歷史搜索關(guān)鍵字、關(guān)鍵詞進(jìn)行展示與推薦，為有相同或相似紅色文獻(xiàn)資源需求的用戶群體提供搜索參考，完成為用戶提供科學(xué)、高效的紅色文獻(xiàn)資源推薦服務(wù)的整個(gè)過程，同時(shí)圖書館提供VR紅色文獻(xiàn)資源視覺播放設(shè)備，用戶通過預(yù)約后由專業(yè)館員播放使用。

目前，圖書館通過上述一系列紅色文獻(xiàn)資源推薦服務(wù)建設(shè)和改革的初步嘗試，積累了一定的紅色文獻(xiàn)資源推廣類的工作經(jīng)驗(yàn)，同時(shí)也發(fā)現(xiàn)了一些具體問題，即：如何有效提高紅色文獻(xiàn)資源數(shù)據(jù)VR 化的利用率，如何有效、全面地描述目標(biāo)用戶個(gè)體及用戶群體的相似性與差異性等。在后續(xù)建設(shè)過程中，圖書館將結(jié)合學(xué)校教學(xué)科研、人才培養(yǎng)的實(shí)際需求，將紅色文獻(xiàn)資源VR 數(shù)據(jù)與學(xué)校人文素質(zhì)教育、科研服務(wù)進(jìn)行精準(zhǔn)匹配和嵌入，從優(yōu)化推薦服務(wù)的功能分區(qū)、突出紅色主題版塊及開設(shè)紅色文獻(xiàn)資源推薦服務(wù)專題網(wǎng)站入手，拉近讀者用戶與紅色文獻(xiàn)資源推薦服務(wù)的距離，激發(fā)讀者用戶的情感共鳴，促進(jìn)紅色文獻(xiàn)資源推薦服務(wù)與學(xué)校的科研工作、人才培養(yǎng)、思政教育的進(jìn)一步融合，強(qiáng)化紅色文獻(xiàn)資源推薦服務(wù)在高校“服務(wù)育人”中的應(yīng)用推廣。

6 結(jié)語

紅色文獻(xiàn)資源推薦服務(wù)是高校圖書館體現(xiàn)高等教育職能的重要內(nèi)容之一，同時(shí)也是圖書館人的職責(zé)要求和歷史使命。在網(wǎng)絡(luò)信息技術(shù)快速發(fā)展的大環(huán)境下，圖書館應(yīng)強(qiáng)化對(duì)各類媒體技術(shù)的應(yīng)用，不僅要做紅色文化資源的傳承者，更要做紅色文獻(xiàn)資源的發(fā)展者和創(chuàng)新者。本文基于高校圖書館紅色文獻(xiàn)資源及用戶屬性特征，在深度挖掘館藏紅色文獻(xiàn)資源的基礎(chǔ)上，針對(duì)用戶的紅色文獻(xiàn)資源潛在需求，構(gòu)建混合式紅色文獻(xiàn)資源推薦服務(wù)模型，并對(duì)這種紅色文獻(xiàn)資源數(shù)據(jù)推薦模式分別從特征數(shù)據(jù)關(guān)聯(lián)、情景模式模擬、用戶興趣愛好三個(gè)方面進(jìn)行場(chǎng)景化應(yīng)用探討，以期使紅色文獻(xiàn)資源的推薦情景模式符合用戶需求。最后以VR 技術(shù)在學(xué)校圖書館紅色文獻(xiàn)資源推薦服務(wù)中的應(yīng)用實(shí)踐為例，對(duì)高校圖書館紅色文獻(xiàn)資源推薦模式進(jìn)行研究與總結(jié)，為高校紅色文獻(xiàn)資源推薦服務(wù)提供參考依據(jù)與發(fā)展方向，提升為用戶服務(wù)的精準(zhǔn)性。