摘要：公共图书馆如何高效推荐合适的书目资源，以满足不同读者群体的多元化阅读需求，成为亟待解决的问题。首先，分析了当前公共图书馆书目推荐服务的现状，指出其存在资源分散、缺乏个性化、转化率不佳等问题。其次，提出构建综合性的图书馆书目推荐服务系统，包括书单管理、分类浏览、推荐算法、服务平台等核心模块，并对每个模块的功能和实现策略进行了阐述。
书目推荐服务作为公共图书馆开展导读服务的基本方式，是公共图书馆阅读推广的核心工作[1]。作为公共图书馆服务的重要组成部分，书目推荐不仅能够帮助读者快速定位他们感兴趣的图书资源，更能引导读者拓宽阅读视野，构建全面的知识体系。然而，通过在线调研和文献调研分析发现，虽然公共图书馆在书目推荐上已有多种形式，但仍存在一些问题，如资源分散、推荐效果不佳等。因此，现探索更加高效、精准的书目推荐策略，以满足读者的多元化需求。
图书馆书目推荐服务现状
书目推荐服务在公共图书馆的发展经历了从专家主导到普及大众的转变，从重视学术研究到注重复盖各类读者群体的转变。
从推荐书目来源看，图书馆通过新书推荐、借阅排行、专家推荐、馆员推荐、阅读推广活动书目等活动发布书目信息。此外，文化教育机构、社会团体、大众媒体也都积极发布书目信息。例如，教育部面向全国中小学生发布阅读指导目录、中国作家协会主办的茅盾文学奖、大学生必读书目、《中华读书报》的“中国家庭理想藏书·推荐书目”等。从书目推荐服务内容看，以特定类别、主题或者推广方式研究居多[2]。
书目推荐系统的研究，以个性化推荐系统理论研究为主，部分从推荐算法研究出发，部分从计算图书质量角度出发[3]。例如，通过读者与借阅图书之间的关系与数量，设计了一种图书可推荐质量的迭代计算算法[4]。还有学者通过智能目录为用户提供智能检索、智能推荐、智能导览、新闻播报等功能[5]。例如，学者田晟宇提出了建设书目智能推荐系统，同样侧重个性化推荐书单的生成[6]。
公共图书馆书目推荐服务存在的问题
书目资源虽丰富但分散
除了图书馆自身的推荐书目外，文化教育机构、社会团体、大众媒体等媒体也发布了各具特色的推荐书目，但这些书目难以向公众集中展示、便于其利用。
缺乏个性化推荐
目前，书目推荐主要面向大众读者群体，较少考虑不同年龄、知识结构、文化层次等因素带来的个性化需求。而公共图书馆面向的读者群体复杂多元，现有推荐模式难以满足各类读者的个性化需求。
推荐转化率不高
读者是否可以通过路径最短、能量消耗最小的方法获取书目全文或者实体，决定了读者的阅读行为是否发生[7]。传统推荐渠道，如海报、微博等存在数量少、更新慢、内容单一等问题[8]，读者难以高效获取感兴趣的书目并借阅。网站虽以数字化方式进行推荐，但未能引导读者高效获取资源。
缺乏完整的书目推荐服务系统
现有的书目推荐系统大多以理论为主，且研究重点基于用户行为的个性化推荐系统，未产生明显的应用服务效果。在当前的实际阅读推广工作中，如推荐书目的收集、整理、发布、馆藏资源关联、跟踪统计等，缺乏有效的应用系统支撑，这些工作仍旧依赖传统的方式进行，极大影响了阅读推广工作的成效。
因此，有必要构建综合性的书目推荐系统，整合分散资源、提供个性化推荐、优化推广渠道，为图书馆馆员工作提供支撑，从而满足不同读者群体的需求，充分发挥公共图书馆的阅读推广功能。
图书馆阅读书目推荐系统构建
公共图书馆服务的用户广泛多元。有专业用户、普通用户、特殊用户，读者年龄覆盖从幼童至老年的全龄段。为满足用户多元的书目需求，结合图书馆现有书目阅读推广工作流程，分析了部分互联网产品设计，提出开发一个包括书单推荐、算法推荐、分类浏览（分类主题结合）的功能，以微信小程序为载体的图书馆书目推荐服务系统（如下图所示）。
书单推荐
阅读推广活动能产生大量高质量书目，但大多数图书馆缺乏有效沉淀，导致资源数量有限、黏度不高。书单管理系统可将这些书目资源有效沉淀，同时汇集外部优秀书单信息、整合分散的资源。该系统还可实现书单与馆藏资源关联匹配、追踪统计阅读情况。通过有效汇集和管理书单资源，可以为读者提供多元化阅读选择。
书单管理系统具有以下核心功能。一是书单上传，整合零散书单资源。二是编辑功能，确保内容灵活多样。三是追踪统计，分析推广效果。四是关联推荐，提升用户体验。
分类浏览
推荐系统虽在互联网企业中扮演重要角色，但分类浏览功能对公共图书馆而言，仍是核心服务。地市级及以上公共图书馆馆藏图书数量可达数百万，甚至数千万册。因此，需要一个符合读者习惯的分类浏览功能将图书予以展示。
《中国图书馆分类法》（原称《中国图书馆图书分类法》）出版后，被广泛应用于图书编目、典藏排架等管理工作。以此为基础的书目检索系统（OPAC），至今仍是读者查找图书的基本方式。此外，公共图书馆目前提供在线书目浏览功能主要有以下几方面。
一是网络借阅图书分类浏览。例如，苏州图书馆“书仓”微信小程序，提供按照中国图书馆分类法的23个一级分类进行浏览，功能尚未完备，未能结合馆藏数量和读者兴趣进行深入分类。
二是热门图书主题分类。湖南图书馆读者服务小程序的“书库”功能，根据读者借阅量较高的书籍，按主题（标签）划分为6大类，每个大类下还有二级细分主题。虽然这种模式较为符合互联网用户习惯，但仍需要对现有馆藏数据进行重构，建立完整的主题分类体系。
三是复用第三方资源分类。如“仁仁阅”移动阅读小程序具有党建、军事、科幻、传记等16个主题分类；浙江图书馆“信阅网借”整合如畅想之星电子书、超星电子书、京东图书、馆藏精品等资源，设有一级分类31个，其下设二级分类。
以上三种均未能对图书馆整体馆藏提供书目浏览功能。《中国图书馆分类法》虽包含数百个细分类目，但图书馆实际馆藏和读者偏好并不均衡。例如，三级类目“小说”的馆藏量和借阅量在图书馆中占比较高。因此，可将小说、计算机等较受读者喜爱的类目作为重点类目，提升为一级类目，下设主题或标签进行二级分类，利用现有分类数据、简化标注工作，获得较高可用性的分类浏览数据。
推荐算法
为用户提供个性化服务一直是各行业努力的目标。协同过滤算法推荐系统自1992年创建并应用以来，已走过32年的发展历程，从协同过滤（Collaborative Filtering，CF）、逻辑回归（Logistic Regression，LR）、因子分解机（Factorization Machine，FM）、梯度提升决策树（Gradient Boosting Decision Tree，GBDT），到现今流行的深度学习，模型也从单一发展到组合模型。尤其自2015年起，个性化资讯应用以迅猛之势取代了传统门户网站和新闻类应用，成为用户获取资讯的主要方式。可以说，推荐系统几乎成为推动各领域互联网应用增长的核心技术驱动力[9]。但在图书馆领域，投入使用推荐系统并带来显著增长的案例仍较为罕见，造成这一现象的主要原因有以下几点。
一是数据不完备。以《中国图书馆分类法》编目形成的书目数据和读者借阅记录等行为数据，无法满足各类算法的运行需求。例如，基于标签构建用户特征的推荐系统[10]，前提是需要一个完备的标签体系对书目数据重新标注，而这在当前图书馆业务流程中尚未涉及。
二是推荐结果可用性不高。公共图书馆注重阅读推广的引领作用，目的在于让不爱阅读的人爱上阅读，帮助有阅读困难的人跨越障碍[11]，而非简单追求借阅数量。这对推荐算法的要求更高，单一算法模型往往难以满足，需要不断打磨优化才能取得满意结果。
因此，在当前图书馆业务流程未发生重大变革的情况下，可以采用较成熟的算法，最大限度利用现有数据，结合不同优化策略获得满意效果。例如，从读者角度优化“召回”图书质量；发挥馆员专业价值，从优秀出版社、佳作、关联书单等策略性补充，在有限投入下获得较为契合公共图书馆阅读推广目的的个性化推荐结果。
书目推荐服务平台
书目推荐服务平台作为公共图书馆向读者提供书目发现服务的前端窗口，需要满足以下几点核心需求。
一是分门别类地检索浏览。分类浏览主要提供以下功能。首先，无明确阅读主题时，可在线浏览海量馆藏图书。其次，多种排序方式，帮助读者获取各类图书的借阅排行。最后，优先展示读者感兴趣的分类，便于快速浏览。
二是因人而异的个性化推荐。书目数据、借阅数据、活动数据是目前可以较为精准采集的用户数据，检索和浏览日志亦可作为补充。图书馆需根据现状选择合适算法。因此，需根据效果，不断迭代优化推荐系统。
三是智能推荐的书单头条。整合各平台上发布的各类书单，并将书单与馆藏详情相关联，读者可以实时查看并就近借阅。此外，读者不仅可以根据重要时间节点置顶相关书单，还可以关联个性化推荐生成个人书单。
四是系统闭环的点赞评价。机器学习推荐系统应当是一个自我迭代的系统，提供点赞、收藏、评价等数据反馈功能，这些反馈数据将进一步优化智能推荐引擎，形成“使用—反馈—提升—继续使用”的正向循环，进而实现系统闭环。
五是分享“引爆”的检索引流。通过检索系统为书目推荐引流，在查询图书详情时，嵌入该书入选书单及排序信息，导流读者至相关推荐书目清单，有助于学科知识体系建设与读者发现心仪好书。读者还能将推荐书单分享至社交媒体平台。
六是分级把关的“黑白”名单。建立“黑名单”清单，将不符合主流价值观、内容低俗等图书排除在系统之外。同时，采用“白名单”制度，对不同年龄层读者实现分级阅读，防止不良内容侵害低龄读者的身心健康。
书目追踪分析
图书馆在线书目推荐服务上线后，必须对各模块的浏览和借阅情况进行统计分析，通过挖掘用户行为数据，分析该服务在读者中的影响力和受欢迎程度。对大量用户的浏览、借阅记录进行细致追踪分析，为进一步优化推荐算法、改进界面设计提供依据。
图书馆书目推荐系统的优势
构建综合性的图书馆书目推荐系统，可以为读者和图书馆带来多重优势。
一是资源整合与沉淀。该系统通过书单管理功能，将图书馆内部产生的优质书目资源以及外部分散的书单信息进行整合和沉淀，能避免资源分散和流失，为持续的阅读推广工作奠定基础。二是提升资源可及性。将推荐书单与总、分馆的馆藏资源相关联，读者可快速了解书刊的借阅状态和具体位置，提高资源的可及性和利用率。三是满足读者多元化需求。通过提供种类丰富的书单，涵盖不同主题、不同读者群体，能够满足读者多样化的阅读需求。四是优化用户体验。统一的书目推荐服务平台与读者使用习惯相符，有利于读者发现其感兴趣的图书资源。五是个性化推荐。基于读者的阅读历史、兴趣爱好等数据，系统可提供个性化的书目及书单推荐，促进阅读推广工作的成效。该系统的建设将充分利用图书馆资源，发挥长尾效应，推进图书馆的阅读推广服务。
信息技术飞速的发展，为传统图书馆书目系统带来前所未有的挑战。就公共图书馆而言，少儿读物在借阅量中的占比已达一半，越来越多的读者开始习惯阅读电子书、短视频图书资源，或直接网购实体书籍。当下，由于互联网用户早已习惯简洁直观的使用体验，普遍缺乏专业检索技能。因此，为读者直观展现丰富的图书资源，才是应对挑战的有效之道。
鉴于此，本文立足公共图书馆当下的业务实际和数据现状，通过优化分类展示策略、建立书单管理系统、探索推荐算法选择，以及在此基础上构建书目发现平台等方式，意在提升读者发现并获取所需图书的效率，从而增强馆员阅读推广工作的影响力。然而，本文在分类体系科学性与符合读者习惯程度、推荐算法潜在误差、书单呈现模式选择、青少年读物推荐策略等方面，仍有待深入研究和存在实践探索等不足之处。
总的来说，如何更好地满足不同读者群体的多元化阅读需求，持续提升公共图书馆的阅读推广能力，将是一个值得长期关注和深入探讨的重要课题。
[1]李东来.推荐书目与阅读推广（阅读推广人系列教材）[M].北京：朝华出版社，2022.
[2]赵发珍，刘青华.图书馆科普阅读书目推荐：现状、模式与策略[J].图书馆学研究，2020（02）：93-101.
[3]林珍梅.基于Hadoop的高校图书馆阅读书目智慧推荐系统设计[J].图书馆学研究，2020，（23）：91-101.
[4]李树青，徐侠，许敏佳.基于读者借阅二分网络的图书可推荐质量测度方法及个性化图书推荐服务[J].中国图书馆学报，2013，39（03）：83-95.
[5]郑杨，石进，司徒凌云，等.智能目录构建与发展研究[J].图书馆学研究，2021（17）：47-56.
[6]田晟宇.全民阅读视域下书目推荐方法的创新[J].出版发行研究，2016（10）：96-98.
[7]范旭.以豆瓣网和中国国家图书馆为案例的网上书目推荐系统研究[J].图书馆学研究，2008（08）：44-48.
[8]章忠平.省级公共图书馆新浪微博书目推荐服务调查分析[J].图书馆论坛，2014，34（04）：92-96+48.
[10]赵建建.基于数据驱动的图书馆用户画像模型构建方法研究[J].新世纪图书馆，2021（10）：43-49.
[11]范并思.阅读推广与图书馆学：基础理论问题分析[J].中国图书馆学报，2014，40（05）：4-13.
