[摘 要]圖書館數字資源采購量大、采購范圍廣，但決策方案的制定以主觀決策為主，信息技術為輔。設計基于人工智能的圖書館數字資源智慧化采購決策支持系統，從功能需求和非功能需求兩個維度分析系統需求，從數字資源、服務效能、與圖書館的匹配程度3個方面構建智慧化采購決策指標模型，并以某圖書館2024年預采購的18個英文數據庫為例進行案例分析，以期為圖書館精準化采購提供參考借鑒。

[關鍵詞]人工智能 數字資源 智慧化采購 決策支持系統

[分類號]G205

新時代，數字資源在圖書館資源中的占比越來越大，成為圖書館館藏的重要組成部分。數字資源具有海量、多源、多模的特征，這對圖書館科學采購提出了更高的要求。目前國內很多圖書館數字資源采購仍以主觀決策為主，信息技術為輔[1]，館員主要基于現有采購經驗及自身專業(yè)知識，結合讀者需求進行數字資源的挑選[2]，很難做到全面準確。同時，當前數字資源海量化，圖書館仍存在部分資源利用效率不高、館員知識水平有待提升等不足，這對圖書館的服務效能產生不利影響[1]。智能決策支持系統已在電力、臨床、金融等領域得到了廣泛應用。人工智能技術與資源決策支持系統相結合可以為圖書館資源采購提供信息支撐，為科學采購提供數據依據?；谏鲜龇治?，筆者提出基于人工智能設計圖書館數字資源智慧化采購決策支持系統，將人工智能技術的機器學習、自然語言處理、大數據技術融入決策支持系統中，提出數字資源采購推薦指數，以期提高圖書館數字資源采購的科學性和合理性。

1 相關研究與實踐

1.1 人工智能技術

人工智能技術是指一種創(chuàng)造機器的技術，該機器可以完成過去只有人類才能完成的智能工作[3]，包括計算機視覺、語音識別、自然語言處理、機器學習、大數據等[4]。人工智能技術能夠自動根據邏輯指令模仿和實現人類的智能活動[5]，合理的人工智能技術可以促進人類社會發(fā)展和進步。人工智能技術創(chuàng)新了圖書館的服務方式，提高了圖書館的智慧感[6]。目前人工智能技術在圖書館的應用研究主要集中在閱讀推廣、實體空間建設、自動化服務系統等領域。例如堯遲月以美國赫德曼圖書館為例，從宣傳方式、發(fā)布資訊、情景化演示、推廣特色資源和搭建服務平臺5個維度分析了人工智能技術在閱讀推廣工作中的實踐舉措[7]；王曉晨搭建了人工智能背景下圖書館空間再造的模式框架，提出了人工智能背景下圖書館空間再造的戰(zhàn)略、對象、方式和成果評價[8]；Pang N等提出通過人工智能技術建立圖書館智能服務系統，實現圖書館圖書、設備等的智能化管理和操作，提高圖書館服務質量[9]。

1.2 決策支持系統

決策支持系統（Decision Support System，簡稱DSS）最早出現在20世紀70年代，指可以輔助決策者進行決策的計算機應用系統[10]。該系統通過調用各種分析工具為決策者提供分析問題、模擬決策的環(huán)境，從而幫助決策者進行決策[11]。

隨著人工智能技術的發(fā)展，DSS與人工智能技術相結合，形成智能決策支持系統，該系統可以大幅提高決策支持的質量。目前智能決策支持系統的研究主要集中在架構設計、系統開發(fā)等方面。例如謝生龍等設計了一種基于分層結構的智能決策支持系統架構模型，有效提升了財政管理效能[12]；姜慧等在分析多智能體技術和智能決策支持系統的基礎上，提出了基于多智能體技術的決策支持系統[13]。

2 基于人工智能的圖書館數字資源智慧化采購決策支持系統需求分析

筆者從功能需求和非功能需求兩個維度分析基于人工智能的圖書館數字資源智慧化采購決策支持系統的需求。功能需求是指利用人工智能技術實現圖書館數字資源智慧化采購的需求；非功能需求是指保障圖書館數字資源智慧化采購平穩(wěn)運行的需求。

2.1 系統功能需求

圖書館數字資源智慧化采購決策支持系統需要充分利用人工智能技術，根據賦值結果自動計算出每個數據庫的采購推薦指數，為圖書館科學采購提供參考借鑒。該系統的主要功能包括預采購的數據庫管理、清單處理、影響參數設計、決策計算和結果呈現。

（1）預采購的數據庫管理：圖書館對預采購的數據庫進行整理，導入系統，形成初步采購清單。（2）清單處理：利用人工智能技術中的自然語言處理、機器學習等技術從可選清單中抽取數據庫的基礎信息，包括資源內容、質量、更新速率、價格等。（3）影響參數設計：綜合分析讀者需求、讀者使用情況和圖書館辦館宗旨、館藏以及專家意見，對抽取的數據庫信息進行權重賦值。（4）決策計算：利用大數據分析技術計算得出每個數據庫的推薦采購指數，包括全庫購買、子庫購買等，并對結果進行排序。（5）結果呈現：自動生成圖書館推薦采購清單，并進行可視化展示，后續(xù)圖書館員可根據推薦采購清單采購數字資源，提高采購的科學性和合理性。

2.2 系統非功能需求

圖書館數字資源智慧化采購決策支持系統的非功能需求是指保障系統正常運行以及安全性的需求，包括通過人工智能技術保障系統的安全性、可靠性、便捷性和可維護性。

（1）系統安全性：系統由于會涉及用戶需求以及館藏等數據的處理，需要設置防火墻，以防止這些數據被爬取或盜用，并通過系統日志記錄系統操作者行為，多方位保護系統安全。（2）系統可靠性：當系統產生故障時，系統需要自動將已有數據進行備份，防止輸入的書單、用戶需求等數據丟失。（3）系統便捷性：系統的操作界面需要簡單易懂、布局合理，方便圖書館員以最短的時間找到所需要的業(yè)務板塊，提高工作效率。（4）系統可維護性：讀者需求、使用情況、館藏數據等信息是實時更新的，這要求系統設計需要充分考慮后期數據的可維護性。因此系統可將不同板塊進行模塊化，一是可通過更改模塊，實現系統數據更新，二是將模塊拼接，可實現系統功能擴展。

3 基于人工智能的圖書館數字資源智慧化采購決策支持系統設計

筆者研究的圖書館采購支持系統不是一個單獨的軟件產品，而是通過人工智能技術提高圖書館數字資源采購的科學性和合理性。該系統的開發(fā)基于現有的圖書館集成管理系統，融入人工智能技術的自然語言處理、機器學習、大數據分析技術，利用計算機處理得出數字資源的推薦指數，這樣既能節(jié)約開發(fā)成本，又能為圖書館數字資源采購提供較為科學的結果，最大限度地滿足圖書館用戶需求。

3.1 開發(fā)流程

本系統的開發(fā)流程包括以下步驟：項目立項及啟動、開發(fā)環(huán)境準備、智能化決策、結果導出。

（1）項目立項及啟動：圖書館智慧化采購決策支持系統的開發(fā)目的是提高數字資源采購的科學性和合理性，針對該開發(fā)目標，啟動系統開發(fā)項目并制定時間安排表。

（2）開發(fā)環(huán)境準備：根據開發(fā)需求確定軟硬件設備，包括系統開發(fā)平臺、圖書館集成管理系統、網絡環(huán)境、嵌入式人工智能軟件等。

（3）智能化決策：充分利用人工智能技術，搭建基于人工智能的圖書館數字資源智慧化采購決策評價指標模型，計算出數字資源的推薦指數。需要說明的是，該系統中人工智能技術的自然語言處理技術和機器學習技術主要是提取數字資源中的文本數據進行文本分析，輸出能代表數字資源特征的主題信息，為后續(xù)匹配度計算奠定基礎。大數據分析技術是根據專家評判結果和機器自動生成結果計算出數字資源的采購推薦指數。

（4）結果導出：計算機自動生成決策結果，結合可視化工具生成推薦清單（包括全庫采購推薦指數和子庫采購推薦指數），完成數字資源采購決策。

3.2 智慧化采購決策模型設計

筆者對現有研究和實踐成果進行分析，發(fā)現目前學者主要從內容、需求、成本等角度設計采購決策指標體系。例如馬越從“質量—需求—效益”3方面構建了數字資源采購的決策支持指標模型[1]；曾永杰從宏觀和微觀兩個維度構建采購指標體系，其中宏觀層面包括教師、學生和科研3個維度，微觀層面包括數據庫質量、成本和性能3個維度[14]；孟繁華從商務、服務和技術3個角度構建了圖書采購的決策支持模型[15]。筆者結合現有研究指標以及人工智能技術特征，對已有指標進行完善補充，并咨詢圖書館采購專家和學者，綜合考慮“資源—資源服務效能—資源匹配程度”，從數字資源、服務效能、與圖書館的匹配程度3個方面提出了13個智慧化采購決策評價指標（見表1），其中數字資源指標包括數字資源的數量、質量和系統操作，服務效能指標包括數字資源的更新頻率、使用情況和滿意度，與圖書館的匹配度包括與辦館宗旨和目標用戶的匹配度。該模型既適用于數據庫全庫資源的評價，也適用于數據庫子庫的評價（見圖1）。在評價過程中，充分利用人工智能技術中的大數據分析技術以及層次分析法，綜合考慮數字資源的學術影響力、用戶對數字資源的評價等因素，計算得出不同指標的權重值，最后得出全庫的采購推薦指數和子庫的采購推薦指數。

4 基于人工智能的圖書館數字資源智慧化采購決策支持系統案例分析

筆者以某圖書館2024年的18個英文數據庫為樣本進行案例分析，該館的辦館宗旨是以化學、化工類資源為特色資源，目標用戶為科研人員，通過人工智能技術，利用上述構建的智慧化采購決策評價模型，科學計算出每個數據庫的采購推薦指數。

4.1 預采購的數據庫概況

如表2所示，某圖書館2024年預采購的18個英文數據庫中有6個數據庫具有子庫，這意味著這6個數據庫可以進行單一子庫購買。有3個數據庫為綜合類數據庫，有5個數據庫為理工科類數據庫，其他為化學、化工學科相關的數據庫，這說明一方面候選的18個數據庫基本符合圖書館辦館主旨，另一方面圖書館也充分考慮到了需要查看綜合類數字資源的用戶。

4.2 智慧化決策

首先，筆者設計了專家調查問卷和用戶調查問卷，邀請圖書館領域專家和本館目標用戶對各個指標的重要程度進行打分。在清理調查問卷數據后，結合數據庫后臺使用數據情況，運用層次分析法構造各個層次的判斷矩陣，利用人工智能軟件計算出各個指標的權重值，并對其進行一致性檢驗。由于篇幅原因，不詳細闡述問卷調查內容及計算過程，計算后的權重值結果見表3。其次，除一些數據庫商提供的數據外，還需要利用人工智能技術分析數據庫的主題以及目標用戶畫像，計算出數據庫主題與圖書館辦館主旨的匹配度以及目標用戶與數據庫主題的匹配度。最后，將數據庫的數值導入模型中，計算得出全庫的采購推薦指數和子庫的采購推薦指數。

4.3 采購決策結果

筆者利用基于人工智能的圖書館數字資源智慧化采購決策支持系統導出決策結果（見圖2），可知采購推薦指數較高的數據庫一般與辦館主旨密切匹配，該類數據庫的數字資源優(yōu)先購買。雖然數據庫H為綜合類數據庫，但由于其數字資源質量高、用戶使用頻繁等原因，導致其采購推薦指數較高，其數據庫的數字資源也推薦購買。本系統利用人工智能技術，當點擊到相應的數據庫，系統可自動呈現全庫的采購推薦指數和子庫的采購推薦指數，以數據庫O為例，雖然其全庫采購推薦指數偏低，為0.2455，但其子庫2的采購推薦指數高于0.5，為0.6431，因此推薦購買子庫2的數字資源。由此可見筆者設計的基于人工智能的圖書館數字資源智慧化采購決策評價指標模型是科學合理的，一是不會由于數據庫是綜合類數據庫而不推薦購買，二是不會由于全庫采購推薦指數偏低而降低其子庫的采購推薦指數。

5 結語

人工智能技術在圖書館資源管理、文本處理、機器人導覽等領域的應用越來越成熟，但在圖書館智慧化采購中的應用較少。人工智能技術可以有效提高圖書館數字資源采購的科學性和合理性。因此，筆者從需求分析、系統設計和案例分析3方面探討了基于人工智能的圖書館數字資源智慧化采購決策支持系統，構建了基于人工智能的圖書館數字資源智慧化采購決策指標模型，充分利用人工智能技術獲取相關數據（如數據庫主題信息與目標用戶的匹配度等）并計算出圖書館全庫采購推薦指數和子庫采購推薦指數，最后以某圖書館2024年預采購的18個英文數據庫為例進行案例分析，為圖書館智慧化采購提供了新思路和新方法。

參考文獻：

[1] 馬越.高校圖書館數字資源精準化采購決策支持模型研究[J].圖書館學研究，2023（7）：49-63，82.

[2] 彭彥.圖書采購決策支持系統應用研究[D].南昌：南昌大學，2013.

[3] Kurzweil R.Spiritual machines：the merging of man and machine[J].The Futurist，1999（9）：16.

[4] Jackson P C.Introduction to artificial intelligence[M].Courier Dover Publications，2019.

[5] 劉毅.人工智能的歷史與未來[J].科技管理研究，2004（6）：121-124.

[6] 趙晶晶，任靖宇，馮瑩雪.人工智能時代智慧圖書館實體空間建設思考[J].河南圖書館學刊，2024（1）：91-93.

[7] 堯遲月.人工智能時代圖書館智慧閱讀推廣服務實踐分析和啟示[J].圖書館研究，2023（6）：11-18.

[8] 王曉晨.基于人工智能的公共圖書館空間再造模式構建研究[D].沈陽：遼寧大學，2019.

[9] Pang N，Dou C.Artificial Intelligence Inspired Computer-Aided Design of Library Service System[J].Computer-Aided Design and Applications，2023（20）：53-63.

[10] Eom S，Kim E.A survey of decision support system applications （1995—2001）[J].Journal of the Operational Research Society，2006（57）：1264-1278.

[11] Payne T H.Computer decision support systems[J].Chest，2000（2）：47S-52S.

[12] 謝生龍，等.一種地方財政綜合分析與群體智能決策支持系統架構模型[J].計算機與數字工程，2023（1）：1-7，124.

[13] 姜慧，于本海.基于多智能體技術的智能決策支持系統研究[J].科技管理研究，2010（15）：220-223.

[14] 曾永杰.宏—微觀優(yōu)化配置模型應用于高校圖書館數字資源采購實證研究[J].圖書館理論與實踐，2018（6）：77-81.

[15] 孟繁華.公共圖書館文獻資源招標采購評標指標研究——以天津圖書館中文普通圖書招標為例[J].圖書館工作與研究，2015（6）：45-48.