摘要：搭建融入情境感知的移动图书馆服务系统,能够凸显“以读者为中心”的人性化服务理念,强化图书馆作为文化枢纽的社会功能。文章首先在情境相关概念的基础上,采用德尔菲法明确了移动图书馆服务的情境因素,然后从系统架构和功能模块两方面详细阐述了基于情境感知的移动图书馆服务系统模型设计,最后通过原型系统的SUS测量验证模型的可用性。研究表明,系统由情境感知、汇聚、数据和服务层构成,其中服务层能够在传统服务和业务管理拓展、细粒度信息组织和知识服务两方面融入情境感知服务。情境感知与计算模块作为系统的平台功能,具有数据采集与处理、情境推理和情境感知服务3个层次,包含情境信息的获取融合和更新、融合情境的“移动”读者画像、数字资源知识图谱的构建、数字资源信息匹配排序和基于情境感知的信息服务推荐5个步骤。基于该模型搭建的移动图书馆传统服务拓展原型系统具有较好的可用性。

摘要：[目的/意义]以高校图书馆馆藏图书数据库和各类论文数据库等海量的文献资源为基础,设计推荐方案并基于Spark技术开展实证研究,力图优化图书馆文献推荐效果和提高系统计算性能。[方法 /过程]首先分析大数据背景下高校图书馆文献推荐的需求,接着针对存在的文献查找缺失、文献浏览迷航和文献分析低效的现状,提出一种以文献"混合关联"为主要内容的图书馆文献推荐方案及实现算法,并应用Spark内存计算技术设计实证案例,最后对实证结果进行讨论并与同类算法比较。[结果 /结论]基于Spark的文献"混合关联"方案能有效满足用户需求,提高文献推荐性能和效率,促进当前图书馆大数据应用的落地。

摘要：以图书馆海量文献资源为基础,为用户提供高效服务是图书馆大数据应用研究领域的主要挑战。文章分析了该领域应用需求,结合以Spark为代表的内存计算框架特点,阐述其在提供文献大数据服务方面的独特优势,提出以文献资源聚合模式和Spark技术为支撑的图书馆文献服务方案,设计应用案例并分析实验结果。

摘要：高校移动图书馆的场景化资源推荐服务可以满足用户多样性、动态性场景下的不同需求。面向资源推荐的主要场景要素包括用户、兴趣、时间、位置和设备。设计基于Hadoop云平台的高校移动图书馆场景化资源推荐系统模型,采用大数据挖掘技术实现场景建模,采用内存计算技术实现场景化推荐要求的实时计算。

摘要：[目的 /意义]大数据背景下,如何构建合适的用户行为模型并基于海量的行为日志数据提供个性化服务,是当前图书馆大数据应用落地迫切需要解决的问题。[方法 /过程]首先分析用户行为模型构建的研究现状及存在的困境,接着密切结合大数据背景下个性化服务的特征,针对性提出基于本体的高校图书馆用户行为模型的构建策略和构建方法,并设计一种利用用户日志库提取用户显性兴趣和隐性需求本体的个性化服务方案,最后给出基于流行的Hadoop大数据分析平台和MapReduce计算框架的图书馆个性化服务的应用案例。[结果/结论]基于本体构建的用户行为模型,技术上可与大数据分析平台实现无缝对接,从而提供实时而精准的服务,能有效应对当前大数据环境下图书馆个性化服务面临的"知识迷航""信息过载"和"情感缺失"的挑战。

摘要：开展学科知识服务是高校图书馆学科馆员的主要任务之一。文章首先分析了大数据环境下高校图书馆学科知识服务面临的挑战,针对学科知识库构建、智能检索与知识问答以及学科服务平台建设等问题,基于语义网设计了一种面向高校图书馆学科知识服务问题的解决方案并给出应用案例,帮助学科馆员应对大数据环境下学科知识服务的挑战,促进该领域进一步发展。