趙衍 楊喆涵

摘 要： 利用高校圖書館積累的大數(shù)據(jù)資源為用戶提供個性化圖書推薦一直是情報學(xué)與圖書館學(xué)領(lǐng)域的研究熱點。文章利用2010—2019年CNKI收錄的253篇相關(guān)學(xué)術(shù)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(gòu)合作、關(guān)鍵詞共現(xiàn)、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(fā)展路徑、熱點變遷及發(fā)展趨勢，以期為我國高校圖書館個性化推薦研究領(lǐng)域的學(xué)術(shù)探索與實踐提供相應(yīng)的理論參考。研究發(fā)現(xiàn)：①針對該領(lǐng)域的研究已經(jīng)形成多個研究群體，研究合作方式以高校的校內(nèi)合作為主。②2010—2019年該領(lǐng)域研究熱點集中在個性化推薦、協(xié)同過濾、數(shù)據(jù)挖掘等方面，并在此基礎(chǔ)上衍生出情景化推薦、閱讀推廣等研究前沿。③2010—2019年該領(lǐng)域的研究可大致分為基礎(chǔ)研究與創(chuàng)新研究兩個階段，前者為后者的研究提供理論基礎(chǔ)，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(yīng)用較少。

關(guān)鍵詞： 高校圖書館;個性化推薦;知識圖譜

中圖分類號： C 93

文獻標志碼： A

Literature Review of the Research on Personalized Recommendationof Chinese University Libraries Based on Knowledge Graph

ZHAO Yan YANG Zhehan

（Shanghai International Studies University， Shanghai 201620， China）

Abstract： Using the big data accumulated by university libraries to provide users with personalized book recommendations has always been a research hotspot in the field of information science and library science. This paper uses 253 relevant academic documents collected by CNKI from 2010 to 2019 for bibliometric analysis， and uses the information visualization software CiteSpace to generate a knowledge map of author cooperation， institutional cooperation， keyword co-occurrence， theme roadmap， etc. to explore personalized recommendation researchs development path， hotspot changes and development trend of Chinas university libraries in the past 10 years. This paper expects to provide corresponding theoretical references for academic exploration and practice in the field of personalized recommendation research in university libraries in China. The research shows： a） A number of research groups have been formed for research in this field， and the way of research cooperation is mainly intramural cooperation in universities. b） From 2010 to 2019， the research hotspots in this field focused on personalized recommendation， collaborative filtering， data mining， etc.， and on this basis， research frontiers such as contextual recommendation and reading promotion were derived. c） The research in this field from 2010 to 2019 can be roughly divided into two stages： basic research and innovative research. The former provides a theoretical basis for the latters research， and the latter derives new research hotspots based on the formers research. d） The limitation of current research lies in the fact that there are many theoretical studies and few practical applications.

Key words： university library; personalized recommendation; knowledge graph

高校圖書館是高校的知識中心，館藏豐富多樣的學(xué)術(shù)資源，如何向?qū)I(yè)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(guān)系到高校圖書館資源能否實現(xiàn)充分利用，也關(guān)系到高校圖書館服務(wù)的質(zhì)量。隨著圖書館信息化的發(fā)展，高校圖書館積累了海量的用戶借閱數(shù)據(jù)，這為高校圖書館提供個性化的推薦研究提供了數(shù)據(jù)基礎(chǔ)。同時，不斷發(fā)展的大數(shù)據(jù)、人工智能等技術(shù)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(guān)學(xué)術(shù)論文發(fā)表量總體上呈現(xiàn)上升趨勢（圖1），這表明對該領(lǐng)域的研究正在不斷發(fā)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(lǐng)域研究的發(fā)展路徑、熱點變遷以及發(fā)展趨勢進行全面系統(tǒng)的分析，從而為該領(lǐng)域的科學(xué)研究與實踐提供參考。

1 數(shù)據(jù)來源、研究方法與工具

文章以中國知網(wǎng)（China National Knowledge Infrastructure， CNKI）作為研究樣本數(shù)據(jù)來源。以“個性化推薦”、“圖書推薦”、“智慧推薦”作為篇關(guān)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(shù)據(jù)的人工篩查，去除推薦書目清單、會議紀要等無關(guān)文獻，最終得到文獻253篇，數(shù)據(jù)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(lǐng)域的知識結(jié)構(gòu)關(guān)系與研究熱點的演化脈絡(luò)，進而揭示研究領(lǐng)域的發(fā)展現(xiàn)狀與演化規(guī)律，預(yù)測研究領(lǐng)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(xiàn)分析、機構(gòu)共現(xiàn)分析、關(guān)鍵詞共現(xiàn)分析、主題路徑分析以及突現(xiàn)詞分析。

文章采用的研究工具是美國德雷克塞大學(xué)信息技術(shù)學(xué)院（College of Information Technology， Drake University）陳超美教授（Chaomei Chen）開發(fā)的CiteSpace 5.7.R1。CiteSpace是一款基于JAVA程序的共引網(wǎng)絡(luò)分析軟件，該程序可用于分析學(xué)科領(lǐng)域的研究熱點與演化趨勢，并將分析結(jié)果進行可視化展示。文章將253篇文獻的題錄數(shù)據(jù)轉(zhuǎn)換成CiteSpace程序可處理的Refworks格式并導(dǎo)入，文獻的題錄數(shù)據(jù)包括標題 、關(guān)鍵詞、作者、機構(gòu)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(lǐng)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(xiàn)分析的節(jié)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(wǎng)絡(luò)）”，其余參數(shù)采用默認數(shù)值，生成作者合作知識圖譜（圖2）。根據(jù)CiteSpace 5.7.R1版本的設(shè)定規(guī)則，作者合作知識圖譜中作者節(jié)點表現(xiàn)為作者姓名，其大小與作者出現(xiàn)頻次相關(guān)，作者出現(xiàn)頻次越高，節(jié)點越大（相對于其他作者），不同作者節(jié)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(yīng)不同年份。據(jù)圖2的統(tǒng)計信息顯示，該作者合作知識圖譜共有節(jié)點40個，節(jié)點間連線共有42條，網(wǎng)絡(luò)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(xiàn)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(xiàn)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(xiàn)作者數(shù)小于三人的研究群體。由此可見，2010—2019年該領(lǐng)域研究者之間存在一定程度的合作關(guān)系，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(tǒng)計2010—2019年發(fā)文量3篇的作者（表1），發(fā)現(xiàn)江蘇理工學(xué)院的柳益君（8篇）發(fā)文量最多，其次是江蘇理工學(xué)院的何勝（6篇），其余作者的發(fā)文量為2～4篇。這些作者構(gòu)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(lǐng)域的研究側(cè)重點各有不同，如柳益君、何勝主要從大數(shù)據(jù)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(xué)習(xí)、知識圖譜、高校圖書館大數(shù)據(jù)挖掘等方法研究個性化智能推薦服務(wù)模式;劉海鷗、張亞明針對推薦系統(tǒng)數(shù)據(jù)稀疏問題，將時間、地理位置、環(huán)境等情境信息融入?yún)f(xié)同過濾推薦（Collaborative Filtering， CF），研究高校圖書館情境化推薦系統(tǒng);曹紅兵則從物聯(lián)網(wǎng)角度，使用射頻識別（Radio Frequency Identification， RFID）等物聯(lián)網(wǎng)核心技術(shù)構(gòu)建高校圖書館個性化推薦服務(wù)新體系，將個性化推薦服務(wù)范圍從傳統(tǒng)的數(shù)字化信息服務(wù)拓展到物理環(huán)境。

2.2 機構(gòu)合作知識圖譜分析

機構(gòu)合作知識圖譜能夠展示相關(guān)研究機構(gòu)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(guān)機構(gòu)的合作情況以及每個機構(gòu)的發(fā)文量，能夠?qū)υ擃I(lǐng)域研究機構(gòu)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(gòu)）”作為共現(xiàn)分析的節(jié)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(wǎng)絡(luò)）”，其余參數(shù)采用默認數(shù)值，繪制機構(gòu)合作知識圖譜（圖3），與作者合作知識圖譜生成規(guī)則類似，機構(gòu)知識圖譜中機構(gòu)節(jié)點表現(xiàn)為機構(gòu)名稱，其大小與機構(gòu)共現(xiàn)頻次相關(guān)，機構(gòu)共現(xiàn)頻次越高，節(jié)點越大。不同研究機構(gòu)節(jié)點間的連線反映機構(gòu)間的合作情況，連線的不同的顏色對應(yīng)不同年份。如圖3所示，機構(gòu)合作知識圖譜共有30個節(jié)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(guān)機構(gòu)多為高校的圖書館、經(jīng)濟管理學(xué)院、信息管理學(xué)院、計算機工程學(xué)院等，這表明高校憑借其專業(yè)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(shù)據(jù)，成為該領(lǐng)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(nèi)合作與校際合作。校內(nèi)合作多為同所高校內(nèi)部不同院系、圖書館間的合作，如武漢大學(xué)的信息管理學(xué)院與計算機學(xué)院合作，針對精準圖書推薦導(dǎo)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(jié)果的多樣性;校際合作多為不同地區(qū)的不同高校或相同地區(qū)的不同高校間的合作，如南京航空航天大學(xué)、東南大學(xué)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(zhuǎn)移概率矩陣并以此來優(yōu)化推薦。

文章對2010—2019年該領(lǐng)域發(fā)文量3篇的機構(gòu)進行統(tǒng)計（表2），機構(gòu)發(fā)文量最多的是武漢大學(xué)信息管理學(xué)院（13篇），其次是江蘇理工學(xué)院圖書館（8篇）、江蘇理工學(xué)院計算機工程學(xué)院（8篇）等，其中位列第一的武漢大學(xué)信息管理學(xué)院前身為武漢大學(xué)圖書情報學(xué)院，是我國第一所圖書情報學(xué)院，擁有武漢大學(xué)國家級圖書情報實驗教學(xué)中心，其發(fā)表的文獻涉及圖書協(xié)同過濾推薦研究、基于用戶畫像的推薦研究、基于語義信息的圖書推薦研究等諸多方面，擁有較多科研成果，在我國高校圖書館個性化推薦研究領(lǐng)域具有較大影響力。

2.3 關(guān)鍵詞共現(xiàn)知識圖譜分析

文獻的關(guān)鍵詞是對文獻主旨概念與作者核心思想觀點的提煉概括，能夠反映文獻的研究主題。對某個研究領(lǐng)域的多篇文獻進行關(guān)鍵詞共現(xiàn)分析，不僅可以研究該領(lǐng)域各主題的分布情況與彼此之間的聯(lián)系，還可以根據(jù)關(guān)鍵詞出現(xiàn)頻數(shù)分析該領(lǐng)域研究者對某個主題的關(guān)注程度，關(guān)鍵詞出現(xiàn)頻數(shù)越高，則說明對相關(guān)主題的研究與討論越多，是該領(lǐng)域的研究熱點。

文章利用CiteSpace，以“keyword（關(guān)鍵詞）”為共現(xiàn)分析節(jié)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(wǎng)絡(luò)）”，其余參數(shù)采用默認數(shù)值。在生成初始關(guān)鍵詞共現(xiàn)知識圖譜后，合并語義相似的關(guān)鍵詞，如“個性化推薦”與“個性推薦”、“圖書推薦”與“書目推薦”等，最終得到關(guān)鍵詞共現(xiàn)知識圖譜（圖4），圖譜中共有31個節(jié)點，67條連接，密度為0.1441，圖譜中的節(jié)點越大，說明相應(yīng)的關(guān)鍵詞共現(xiàn)頻次越高，不同節(jié)點間的連線表示節(jié)點的共現(xiàn)關(guān)系，連線的粗細表示關(guān)鍵詞間的共現(xiàn)程度，不同顏色對應(yīng)不同年份。由圖可知，中心區(qū)域的節(jié)點共現(xiàn)頻次較高，且彼此聯(lián)系緊密，構(gòu)成我國高校圖書館個性化推薦領(lǐng)域的研究熱點，如個性化推薦、協(xié)同過濾、數(shù)據(jù)挖掘、推薦系統(tǒng)、高校圖書館等。邊緣節(jié)點共現(xiàn)頻次較低，且彼此相對孤立，表明在該領(lǐng)域的研究尚未成熟，如情景化推薦、深度學(xué)習(xí)、閱讀推廣、云計算等。

通過關(guān)鍵詞共現(xiàn)知識圖譜中研究熱點間的連線對其共現(xiàn)關(guān)系進行探究，能夠進一步發(fā)掘各研究熱點間的內(nèi)在關(guān)聯(lián)。文章選擇具有代表性的高頻共現(xiàn)詞“個性化推薦”與“數(shù)據(jù)挖掘”，來探究研究我國高校圖書館個性化推薦研究熱點間的共現(xiàn)程度與內(nèi)在聯(lián)系。

如圖4（A）所示，對于共現(xiàn)頻次最高（66次）的關(guān)鍵詞“個性化推薦”，與其共現(xiàn)程度較高的關(guān)鍵詞分別是“學(xué)術(shù)資源”、“智慧圖書館”、“推薦系統(tǒng)”等?！皞€性化推薦”與“學(xué)術(shù)資源”呈現(xiàn)較高共現(xiàn)程度，說明我國高校圖書館的個性化推薦研究不僅局限于對館藏圖書的推薦，還包括電子圖書、科研論文、教學(xué)課件等多種學(xué)術(shù)資源的推薦，李默等（2015）針對高校圖書館多樣化的學(xué)術(shù)資源，構(gòu)建了一種基于多Agent技術(shù)的推薦系統(tǒng)，該系統(tǒng)可以根據(jù)不同學(xué)術(shù)資源類型自適應(yīng)選擇推薦策略。“個性化推薦”、“推薦系統(tǒng)”和“智慧圖書館”的高共現(xiàn)程度則能夠體現(xiàn)三者的內(nèi)在聯(lián)系：推薦系統(tǒng)是高校圖書館實現(xiàn)個性化推薦服務(wù)的技術(shù)基礎(chǔ)，而個性化推薦服務(wù)是高校圖書館轉(zhuǎn)型為智慧圖書館的重要因素。曾子明等（2015）進一步闡釋了個性化推薦與智慧圖書館的關(guān)系，認為將個性化推薦系統(tǒng)納入高校圖書館服務(wù)體系，可以優(yōu)化用戶與圖書館的交互模式，提高圖書館智慧服務(wù)水平，進而促進高校圖書館智慧化進程，并在此基礎(chǔ)上提出了一種包括用戶交互層、智慧服務(wù)層、個性化推薦層、知識存儲層和傳輸感知層的智慧圖書館服務(wù)體系。

又如圖4（B）所示，對于共現(xiàn)頻次較高（40次）的關(guān)鍵詞“數(shù)據(jù)挖掘”，與其共現(xiàn)程度最高的關(guān)鍵詞是“關(guān)聯(lián)規(guī)則”，這表明在基于數(shù)據(jù)挖掘的高校圖書館個性化推薦研究中，關(guān)聯(lián)規(guī)則挖掘是較為主流的數(shù)據(jù)挖掘方法。關(guān)聯(lián)規(guī)則（Association Rules）最早由阿格勞瓦爾（R.Agrawal， 1993）等人提出，通過尋找數(shù)據(jù)項之間的關(guān)聯(lián)來反映不同事物間的依賴性和關(guān)聯(lián)性，其最經(jīng)典的算法是Apriori算法，該算法通過迭代搜索來尋找頻繁項集。但是，直接將Apriori算法應(yīng)用于高校圖書推薦可能會遇到以下幾個問題：第一，高校圖書館數(shù)據(jù)量大，導(dǎo)致Apriori算法運行效率低下;第二，Apriori算法的支持度與置信度若選擇不當，可能導(dǎo)致關(guān)聯(lián)規(guī)則結(jié)果不精確;第三，高校圖書館用戶多為師生，他們在性別、年齡、專業(yè)、興趣上具有較大差異性，單一的Apriori算法缺乏泛化能力，導(dǎo)致推薦結(jié)果無法滿足多樣化需求。文章通過閱讀2010～2019年我國高校圖書館基于關(guān)聯(lián)規(guī)則的個性化推薦相關(guān)文獻，總結(jié)出針對上述研究問題的兩大研究方向：算法改進與數(shù)據(jù)屬性挖掘。從算法改進方面來看，田元等（2010）通過不同用戶借閱信息的分層數(shù)據(jù)提出一種改進的分布式關(guān)聯(lián)規(guī)則推薦算法;針對傳統(tǒng)關(guān)聯(lián)規(guī)則的靜態(tài)推薦模式，馬仲兵（2013）提出加權(quán)關(guān)聯(lián)規(guī)則推薦算法，使得推薦算法對用戶興趣遷移的敏感性提高;李欣（2015）與王立亞（2016）分別基于概念格與區(qū)間概念格對關(guān)聯(lián)規(guī)則算法進行改進，發(fā)掘圖書借閱記錄中的隱含關(guān)聯(lián)。從數(shù)據(jù)屬性挖掘方面來看，陳淑英（2018）、高晟（2019）等針對前人的研究多偏重于算法改進而未充分挖掘數(shù)據(jù)屬性之間的關(guān)系問題，使用關(guān)聯(lián)規(guī)則對高校圖書館借閱數(shù)據(jù)進行多維度挖掘，以提高推薦效果。

在利用關(guān)鍵詞共現(xiàn)知識圖譜分析研究熱點的基礎(chǔ)上，文章進一步通過中介中心性（Betweenness Centrality）探究相關(guān)研究熱點在該領(lǐng)域的影響程度，從CiteSpace的關(guān)鍵詞共現(xiàn)分析結(jié)果中統(tǒng)計出中介中心性0.1的關(guān)鍵詞（表3）。由表3可知，共現(xiàn)頻次最高的關(guān)鍵詞“個性化推薦”的中介中心性并非最高，這是因為中介中心性衡量的是知識圖譜中某個節(jié)點充當其他節(jié)點連接中介的頻次，頻次越高，中介中心性越大，在知識圖譜中的影響力越強（M. Barthélemy， 2004）。表3中“協(xié)同過濾”的中介中心性最大（0.61），其次是“數(shù)據(jù)挖掘”（0.59）、“個性化推薦”（0.42）等，表明協(xié)同過濾相關(guān)研究在我國高校圖書館個性化推薦研究中具有較大影響力。通過閱讀大量文獻，我國高校圖書館基于協(xié)同過濾的個性化推薦研究主要集中在兩方面：一是通過協(xié)同過濾實現(xiàn)傳統(tǒng)高校圖書館推薦服務(wù)的升級，如安德智等（2011）針對傳統(tǒng)圖書館無法為用戶提供準確個性化推薦的問題，提出基于協(xié)同過濾的圖書推薦系統(tǒng)，并將其應(yīng)用于高校圖書館驗證其有效性;董坤（2012）針對高校圖書館對于用戶信息挖掘、分析不足的問題，使用協(xié)同過濾算法挖掘讀者需求，從而優(yōu)化個性化推薦效果。二是針對現(xiàn)有協(xié)同過濾推薦算法進行改進，如鄂海紅等（2014）基于高校圖書館借閱數(shù)據(jù)，將時間上下文信息引入傳統(tǒng)協(xié)同過濾推薦算法;毛志勇等（2015）針對傳統(tǒng)協(xié)同過濾算法數(shù)據(jù)稀疏性等問題，使用蟻群聚類和云填充對其進行改進;宋楚平（2016）針對高校圖書館推薦的冷啟動問題，通過優(yōu)化讀者評價矩陣與相似度模型來改進協(xié)同過濾算法;王剛等（2019）提取并計算用戶興趣序列，將其與傳統(tǒng)協(xié)同過濾推薦算法相結(jié)合，提高個性化推薦效果。

對于中介中心性次高的“數(shù)據(jù)挖掘”和“個性化推薦”，其相關(guān)研究已在上文進行了綜述，不再贅述。

2.4 主題路徑與關(guān)鍵詞突現(xiàn)分析

主題路徑分析是從時間維度對關(guān)鍵詞共現(xiàn)進行分析。利用主題路徑知識圖譜，能夠把握我國高校圖書館個性化推薦研究熱點的演化趨勢與發(fā)展脈絡(luò)，發(fā)現(xiàn)該領(lǐng)域的研究前沿，分析影響研究熱點變化的原因，預(yù)測該領(lǐng)域未來研究發(fā)展趨勢。文章使用CiteSpace，基于已生成的關(guān)鍵詞共現(xiàn)知識圖譜，選擇“Layout（布局）”選項卡下的“Timezone View（時區(qū)視圖）”，其余參數(shù)選擇默認，生成主題路徑圖（圖5）。根據(jù)主題路徑圖中關(guān)鍵詞共現(xiàn)的分布情況來劃分，2010—2019年我國高校圖書館個性化推薦研究可大致分為兩個階段：基礎(chǔ)研究階段（2010—2014年）和創(chuàng)新研究階段（2015—2019年），前者為后者的研究提供理論基礎(chǔ)，后者基于前者的研究來探索新的研究熱點。

基礎(chǔ)研究階段的研究集中在“個性化推薦”、“數(shù)據(jù)挖掘”、“協(xié)同過濾”、“推薦系統(tǒng)”等。通過上文關(guān)鍵詞共現(xiàn)知識圖譜的分析可知，這些關(guān)鍵詞的共現(xiàn)頻次高，與其他關(guān)鍵詞的共現(xiàn)程度較強。構(gòu)成了我國高校圖書館個性化推薦的主要研究領(lǐng)域。同時，由上文對個性化推薦、數(shù)據(jù)挖掘、協(xié)同過濾相關(guān)研究的綜述可知，基于關(guān)聯(lián)規(guī)則等數(shù)據(jù)挖掘方法的個性化推薦、基于協(xié)同過濾及其改進算法的個性化推薦，已經(jīng)成為我國高校圖書館實現(xiàn)個性化推薦的基礎(chǔ)且主流的研究方法。

創(chuàng)新研究階段出現(xiàn)了許多新的研究熱點，如“個性化服務(wù)”、“情景化推薦”、“深度學(xué)習(xí)”、“云計算”等，構(gòu)成我國高校圖書館個性化推薦研究前沿。由圖5可以看出，創(chuàng)新研究階段的關(guān)鍵詞與基礎(chǔ)研究階段的關(guān)鍵詞呈現(xiàn)較高的共現(xiàn)關(guān)系，表明兩個階段一脈相承，創(chuàng)新階段的研究需要基礎(chǔ)階段的研究作為理論基礎(chǔ)與支撐。對于個性化服務(wù)來說，與基礎(chǔ)研究階段的個性化推薦既有聯(lián)系又有區(qū)別：個性化服務(wù)的外延更大，高校圖書館個性化服務(wù)將用戶、館員和信息綜合連接，包括了用戶個性化需求分析、服務(wù)路徑選擇、個性化推薦等諸多方面，是對個性化推薦的發(fā)展（唐斌，2017）;情景化推薦針對傳統(tǒng)推薦算法僅使用單一用戶信息，導(dǎo)致推薦結(jié)果不準確的問題，將用戶的時間、位置、需求等情景化因素納入個性推薦研究范疇，通過引入這些情景信息來提高推薦準確性;基于深度學(xué)習(xí)與云計算的推薦研究，以基礎(chǔ)研究階段的基于數(shù)據(jù)挖掘的個性化推薦為理論基礎(chǔ)，主要針對高校圖書館產(chǎn)生的用戶借閱記錄等大數(shù)據(jù)。趙冉（2019）提出基于并行云計算框架的混合圖書館推薦系統(tǒng)，以此來提高推薦系統(tǒng)處理大數(shù)據(jù)的能力;尹婷婷等（2019）通過深度學(xué)習(xí)挖掘高校圖書館大數(shù)據(jù)的深層信息，提出基于用戶借閱時間的圖書館推薦模型。

突現(xiàn)關(guān)鍵詞是指在某個時間范圍內(nèi)，某個關(guān)鍵詞的共現(xiàn)頻數(shù)突然增加。分析突現(xiàn)關(guān)鍵詞可以探究一定時期內(nèi)研究領(lǐng)域的研究熱點，也可以通過觀察近期時間段的突現(xiàn)關(guān)鍵詞來分析研究領(lǐng)域的研究前沿。文章使用CiteSpace的“Burstness（突現(xiàn)性）”功能，將參數(shù)的值設(shè)置為1.0，生成突現(xiàn)性最強的五個關(guān)鍵詞，并將其按照突現(xiàn)起始時間進行排序（圖6）。由圖6可知，2010—2019年我國高校圖書館個性化推薦研究突現(xiàn)度最高（5.7179）的關(guān)鍵詞是“推薦系統(tǒng)”，突現(xiàn)持續(xù)時間最長（2010—2013年）的關(guān)鍵詞分別是“數(shù)據(jù)挖掘”和“關(guān)聯(lián)規(guī)則”，這再次印證基于數(shù)據(jù)挖掘的推薦研究、對推薦系統(tǒng)的研究與改進是我國高校圖書館個性化推薦的研究熱點。此外，圖6中呈最新突現(xiàn)趨勢（2017～2019）的關(guān)鍵詞是“閱讀推廣”，說明閱讀推廣是我國高校圖書館個性化推薦的研究新趨勢。閱讀推廣是個性化推薦的衍生，有研究表明個性化推薦是閱讀推廣最主要的實現(xiàn)手段（史艷麗，2018）。高校圖書館閱讀推廣主要是根據(jù)用戶不同的閱讀興趣和專業(yè)背景，推薦面向個體需求的書目或資源（明均仁，2017），所以其本質(zhì)仍然是個性化推薦。因此，對閱讀推廣的相關(guān)研究也主要集中在個性化推薦算法或系統(tǒng)的研究與改進上，然后再利用個性化推薦系統(tǒng)去服務(wù)閱讀推廣活動，如明均仁等（2017）提出基于群體智慧的自動化書目推薦方法，將其推薦結(jié)果應(yīng)用于閱讀推廣;王順箐（2018）論證了閱讀推廣活動受眾的多樣性對活動效果的影響，提出基于用戶畫像的個性化推薦系統(tǒng)，通過構(gòu)建用戶畫像來滿足閱讀推廣活動的需求。

基于上述關(guān)鍵詞主題路徑與突現(xiàn)詞分析，文章進一步探究影響該領(lǐng)域研究熱點演變發(fā)展的原因，主要可以歸納為需求驅(qū)動與技術(shù)發(fā)展兩方面原因：

從需求驅(qū)動來看，近年來互聯(lián)網(wǎng)公司快速發(fā)展，許多公司引入推薦系統(tǒng)來為其用戶提供個性化服務(wù)，滿足用戶的個性化需求，進而提高用戶滿意度，如亞馬遜等網(wǎng)絡(luò)圖書商城基于用戶瀏覽或購買的歷史圖書數(shù)據(jù)，來為其推薦相關(guān)圖書信息（丘瑜，2015）。這一方面滿足了用戶的個性化需求，另一方面又讓用戶對個性化推薦提出了更高的要求。從高校圖書館的角度分析，當前互聯(lián)網(wǎng)圖書推薦系統(tǒng)的便捷與高效，使高校圖書館用戶對高校圖書推薦服務(wù)產(chǎn)生了新的訴求，這一訴求促進了該領(lǐng)域相關(guān)研究的演進發(fā)展。

從技術(shù)發(fā)展來看，大數(shù)據(jù)與人工智能技術(shù)的發(fā)展為我國高校圖書館個性化推薦研究提供了技術(shù)支撐，促使該領(lǐng)域的研究從基礎(chǔ)研究階段向創(chuàng)新研究階段演進和發(fā)展。高校圖書館利用大數(shù)據(jù)技術(shù)，使其掌握的用戶數(shù)據(jù)質(zhì)量得到提高，大量的結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù)，為個性化推薦研究提供了數(shù)據(jù)基礎(chǔ);人工智能技術(shù)為高校圖書館個性化推薦研究提供了新的思路和方法，并且使其算法與算力得到改進與提高，結(jié)合深度學(xué)習(xí)、云計算等人工智能技術(shù)的個性化推薦研究成為該領(lǐng)域的研究前沿。

3 研究結(jié)論

文章以CNKI作為研究數(shù)據(jù)來源，檢索2010～2019年我國高校圖書館個性化推薦研究的相關(guān)期刊文獻，使用信息可視化軟件CiteSpace 5.7.R1對文獻題錄數(shù)據(jù)進行知識圖譜分析，包括作者合作知識圖譜分析、機構(gòu)合作知識圖譜分析、關(guān)鍵詞共現(xiàn)分析、主題路徑圖分析、關(guān)鍵詞突現(xiàn)分析。通過知識圖譜分析與相關(guān)研究文獻綜述相結(jié)合的方式，文章梳理了我國高校圖書館個性化推薦研究的基本概況、研究熱點、研究發(fā)展趨勢、研究前沿，并得出以下主要結(jié)論：

（1）從作者合作情況來看，十年間針對我國高校圖書館個性化推薦研究形成了多個以某些作者為核心的研究群體，且這些研究群體在該領(lǐng)域的研究上各有側(cè)重。此外，作者合作知識圖譜顯示作者間的合作還可以進一步加強。

（2）從機構(gòu)分布與合作情況來看，高校憑借其在該領(lǐng)域的研究優(yōu)勢成為主要研究力量，高校的合作類型分為校際合作和校內(nèi)合作，高校圖書館和相關(guān)學(xué)院的校內(nèi)合作研究占多數(shù)。

（3）從研究熱點來看，基于數(shù)據(jù)挖掘和協(xié)同過濾的個性化推薦研究是該領(lǐng)域研究的熱點，針對二者的研究及其算法改進成為我國高校圖書館實現(xiàn)并優(yōu)化個性化推薦服務(wù)的研究基礎(chǔ)和理論支撐

（4）從研究演化趨勢與研究前沿來看，十年間我國高校圖書館個性化推薦研究大致可分為基礎(chǔ)研究與創(chuàng)新研究兩個階段，且兩個階段聯(lián)系緊密，一脈相承。包括數(shù)據(jù)挖掘、協(xié)同過濾、推薦系統(tǒng)等研究熱點的基礎(chǔ)研究為創(chuàng)新研究提供了理論基礎(chǔ)，在此基礎(chǔ)上，受到需求驅(qū)動與技術(shù)發(fā)展兩方面原因的影響，創(chuàng)新研究階段出現(xiàn)了許多新的研究熱點，如情景化推薦、基于深度學(xué)習(xí)與云計算的推薦、閱讀推廣等，這些研究構(gòu)成了我國高校圖書館個性化推薦的研究前沿，也是對基礎(chǔ)階段研究的完善與發(fā)展。

（5）從目前研究存在的局限性來看，盡管針對高校圖書館個性化推薦進行了推薦算法優(yōu)化、推薦模型與推薦系統(tǒng)的改進與創(chuàng)新、個性化推薦服務(wù)體系搭建等多方面的研究，但是這些研究以理論研究居多，將研究結(jié)果應(yīng)用于高校圖書館推薦服務(wù)的實踐較少，未來的研究可以從理論與實踐相結(jié)合的角度，通過實際應(yīng)用來促進研究的完善與發(fā)展。

文章的研究局限性在于，受到CiteSpace軟件功能的限制，無法使用CiteSpace對CNKI導(dǎo)出的文獻數(shù)據(jù)進行參考文獻共被引分析，未來的研究綜述還可以從參考文獻共被引分析的角度，對該領(lǐng)域進行更多維度、更全面的研究綜述。

參考文獻：

[1]陳悅， 劉則淵. 悄然興起的科學(xué)知識圖譜[J]. 科學(xué)學(xué)研究， 2005， 23（2）：149-154.

[2]CHEN C. CiteSpace II： Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology， 2006.

[3]柳益君，羅燁，蔡秋茹，吳智勤，何勝.基于機器學(xué)習(xí)的高校圖書館個性化智能推薦服務(wù)方案[J].圖書館研究與工作，2020（3）：28-34.

[4]柳益君，何勝，熊太純，吳智勤，陳丹.知識圖譜在高校圖書館智慧服務(wù)中應(yīng)用研究[J].圖書館工作與研究，2019（11）：5-10.

[5]柳益君，何勝，李仁璞，吳智勤，武群輝.面向多樣性個性化推薦服務(wù)的高校圖書館大數(shù)據(jù)應(yīng)用研究[J].新世紀圖書館，2018（10）：47-51.

[6]劉海鷗，陳晶，孫晶晶，張亞明.面向大數(shù)據(jù)的移動數(shù)字圖書館情境化推薦系統(tǒng)研究[J].圖書館工作與研究，2018（9）：58-64.

[7]曹紅兵，唐秋鴻，唐小新，李高虎，高嵩.物聯(lián)網(wǎng)環(huán)境下的高校圖書館個性化服務(wù)體系構(gòu)建[J].情報理論與實踐，2011，34（3）：70-76.

[8]唐斌.圖書館精準服務(wù)：內(nèi)涵、機制與應(yīng)用[J].圖書館工作與研究，2017（5）：9-13.

[9]劉海鷗.面向云計算的大數(shù)據(jù)知識服務(wù)情景化推薦[J].圖書館建設(shè)，2014（7）：31-35.

[10]趙冉.基于云計算平臺的圖書館混合推薦技術(shù)研究[J].現(xiàn)代電子技術(shù)，2019，42（23）：145-149.

[11]尹婷婷，曾憲玉.深度學(xué)習(xí)視角下圖書館館藏資源推薦模型設(shè)計與分析[J].現(xiàn)代情報，2019，39（4）：103-107，124.

[12]史艷麗.高校圖書館社交媒體閱讀推廣實證研究[J].圖書館論壇，2018，38（1）：86-91.

[13]明均仁，周知，陳雪.閱讀推廣推薦書目的自動生成研究[J].圖書館論壇，2017，37（10）：94-99，113.

[14]王順箐.以用戶畫像構(gòu)建智慧閱讀推薦系統(tǒng)[J].圖書館學(xué)研究，2018（4）：92-96.

[15]丘瑜.移動互聯(lián)網(wǎng)時代網(wǎng)絡(luò)圖書推薦模式比較研究[J].圖書館學(xué)刊，2015，37（11）：128-131.

收稿日期：2021-07-28

作者簡介：趙衍（1978—），男，博士，副教授，上海外國語大學(xué)信息技術(shù)中心。研究方向：文本挖掘;楊喆涵，男，上海外國語大學(xué)國際工商管理學(xué)院技術(shù)經(jīng)濟及管理專業(yè)，2019級碩士研究生。研究方向：信息管理與數(shù)字營銷。