2019年第21期信息与电脑China Computer & Communication软件开发与应用大数据环境下高校图书馆信息服务的新发展张立杰（四川建筑职业技术学院，四川 德阳 618000）摘 要：随着我国进入大数据时代，经济发展形势的转变也改变了人们的生活方式。大数据时代对高校图书馆信息服务提出了更高的要求，高校图书馆应借助一定的技术手段，不断优化信息服务管理，了解学生的阅读需求，分析学生的特点，合理分配图书资源，确保高校信息资源共享，实现实体图书馆与数字图书馆的资源整合，为学生的学习提供更加便利的服务。基于此，笔者主要讲述了大数据的概念，分析了高校图书馆信息服务管理的现状，重点阐述了基于大数据时代背景下，高校图书馆信息服务的新发展——不断优化信息服务，为学生提供便利的学习环境，提高学生学习效率。关键词：大数据环境；高校图书馆；信息服务；新发展中图分类号：G252；G258.6 文献标识码：A 文章编号：1003-9767（2019）21-073-03New Development of University Library Information Service under the Big Data EnvironmentZhang LijieAbstract: As China enters the era of big data, the transformation of the economic development situation has also changed (Sichuan College of Architectural and Technology, Deyang Sichuan 618000, China)people's way of life. The era of big data puts forward higher requirements for information services of university libraries. University libraries should constantly optimize information service management with certain technical means, understand students' reading resources, realizing the integration of resources between physical libraries and digital libraries, and providing more convenient needs, analyze students' characteristics, reasonably allocate book resources, and ensure colleges and universities sharing information services for students' learning. Based on this, the author mainly introduces the concept of big data, analyzes the status quo of information service management in university libraries, and focuses on the new development of information services in university libraries based on the background of big data era - constantly optimizing information services, provide a convenient for students learning environment and improve student learning efficiency.Key words: big data environment; university library; information service; new development０ 引言随着我国科技的进步和互联网的迭代升级，大数据逐渐成为现代信息技术的核心，被广泛地应用于各个领域中，具有较高的商业价值和社会价值。在教育行业，大数据技术已经用于海量数据的挖掘，为学生提供了大量的信息资源，学生的阅读量呈现出快速的增长；同时，大数据技术优化了图书馆信息服务管理水平，对实现个性化服务有着很大的帮助。图书馆信息服务需要存储大量的信息，大数据技术有效解决了图书馆信息存储的问题，提高了信息服务效率，并能够根据学生借阅记录分析学生的需求，及时地为学生订购图书，满足学生的实际需求。１ 大数据1.1 大数据概述大数据技术的应用为人们的生活和工作提供了便利。人们每天从网络上获取大量的信息、浏览网页或者手机APP，快速地获取与自己相关的信息与产品。大数据使信息实现了精准推送，在很大程度上刺激消费者的网络消费需求。大数据被广泛地应用于各行各业中，依托用户的行为数据，借助公式推导出与用户相关联的信息，为用户节省了时间。借助大数据技术，人们实现对信息的搜集、筛选、处理、加工等，建立了科学的、系统的管理和决策体系。大数据环境主要针作者简介：张立杰(1981—)，女，山东聊城人，硕士研究生，讲师。研究方向：信息服务。— ７３ —软件开发与应用信息与电脑China Computer & Communication2019年第21期对不同管理层面的不同需求完成数据的筛选与处理，快速、精准、高效地完成数据的分析与存储，为人们的生活和工作提供更加便利的服务[1]。1.2 大数据技术的特点（1）数据体量巨大，实现海量信息的搜集与处理。大数据环境下，人们获取信息的成本大大降低，可以借助互联网平台，获取海量的网络数据资源，为其学习和工作提供了大量具有参考价值的信息。数据量大，数据的类型繁多，包括网络日志、视频、图片、地理位置等，为人们的生活和工作提供了便利。大数据技术为各行各业提供技术支持，有效地提高人们的工作效率，应用于图书馆信息服务管理工作中，可以有效的提高其服务效率。（2）信息处理速度快。很多时候人们面对海量的信息无从下手，需要消耗大量的人力、物力、财力对信息进行筛选、整理、分析，其结果的真实性也不高。大数据技术能够从各种各样的数据中，快速获取最有价值的信息，帮助企业或者个人提高信息处理的效率。大数据技术最重要的价值在于从海量的数据中为客户筛选最有价值的信息。每天都会产生大量的信息，数据信息碎片化，导致数据的存储量呈现倍数的层架[2]。务的过程中很容易出现问题，使服务的质量和效率受到影响。此外，高校图书馆对其工作人员缺乏培训的意识，没有对其工作岗位进行定期的培训和考核，导致很多工作人员不具备信息化操作技术，因而不能很好地完成自己的工作内容，也不能将大数据意识贯穿到工作过程中。此外，图书馆基础设施不完善，了大数据技术的应用。３ 大数据环境下高校图书馆信息服务的新发展3.1 提高管理人员的业务能力大数据环境下，高校图书馆服务工作者应具备一定的信息技术操作能力，能够熟练操作现有的信息技术设备。加强高校图书馆服务工作者业务能力的培养与考核，不断提高人才队伍建设水平。定期对工作人员进行培训，培养工作人员的大数据思维，学会利用现代信息技术解决问题，为读者提供更加优质的服务[5]。3.2 加强图书馆信息技术的基础设施建设加强高校图书馆基础设施建设，配备相应的设备，提高复杂数据的处理效率；建设分布式信息网络、信息数据存储和数据管理的平台；加强高校图书馆硬件设施的建设，开发数据处理系统，使图书馆基础设施与大数据技术相配合，共同完成数据处理工作，为现代化信息教育提供技术支持。加快实现信息化教育，配套完全的基础设施，以满足工作人员的基本需求。3.3 利用大数据技术提供创新服务高校图书馆要善于利用大数据完成信息的搜集、整理、筛选、分析等工作，学会借助现代信息技术提高工作效率，优化工作内容，为读者提供优质的服务。通过对读者行为分析的基础上，了解读者的需求，根据读者的需求提供服务，使图书馆工作效率大大提高。高校图书馆管理人员需要学会借助互联网平台，高效整合信息资源，借助信息化平台，实现线上线下相结合，为读者提供优质、高效的服务，提升图书馆的服务能力[6]。２ 高校图书馆信息服务管理的现状2.1 高校信息服务观念相对落后高校信息服务观念相对落后，很多工作人员不重视信息服务工作，对此缺乏积极性；高校图书馆服务工作者对自身工作职能的理解存在偏差，图书资源没能很好地利用，过于注重对图书的搜集与保存，为了确保图书的完整性，部分图书学生、教师浏览，图书馆信息服务质量受到很大程度的影响。高校图书馆服务工作者信息服务意识较为淡薄，只将工作重心放于图书整理工作，没能为读者提供优质的服务[3]。2.2 图书馆信息服务模式单一化图书馆信息服务模式较为单一，了大数据环境下高校图书馆信息服务的创新，没有将互联网技术应用于信息服务工作中，导致很多工作的开展受到了，使高校图书馆管理工作难度增加，不能为学生提供优质的服务[4]。很多高校图书馆管理方式过于老旧，仍使用传统的借阅方式，图书馆管理人员的工作效率大打折扣，学生需要花大量时间完成图书的借阅与退还，不利于开展信息服务工作。2.3 工作人员缺乏大数据思维工作人员对大数据缺乏认知，没有将大数据应用于图书馆管理工作中，工作人员没有形成大数据思维，在日常的管理工作中，仍然延续传统的管理理念，缺乏高效的管理意识；高校领导对图书馆管理工作没有足够的重视，缺乏完善的管理制度，导致工作人员的职业素养参差不齐，在提供信息服４ 结 语大数据技术为人们的学习和工作提供了便利，通过大数据可以实现对海量信息的快速搜集与处理，大大提高了数据分析的效率，了人力资源。高校开展图书馆信息服务工作，可以有效地减少图书馆管理员的工作量，提高工作效率，提升服务的质量。现阶段，高校图书馆信息服务工作对大数据的应用范围较小，信息服务模式较为单一，高校信息服务观念相对落后，工作人员缺乏大数据思维，没有意识到大数据技术的重要性。因此，需要加强对大数据技术的应用，提高工作人员的信息技术操作能力；加强图书馆现代信息技术的基础设施建设，利用大数据技术为学生提供优质的服务，进而体现图书馆应有的价值，提升图书馆在大数据时 — ７４ —2019年第21期信息与电脑China Computer & Communication软件开发与应用代的核心竞争力。[3]张凤娟.大数据环境下高校图书馆个性化信息服务探讨[J].江苏经贸职业技术学院学报,2018(1):54-56.[4]林赞声,李明.论大数据环境下高校图书馆知识服务模参考文献[1]张子君.浅析大数据环境下高校图书馆信息服务创新[J].科教导刊:电子版,2017(35):52-53.[2]杨文建.大数据和“互联网+”影响下高校图书馆信息服务转型研究[J].图书馆工作与研究,2018(1):72-77.式创新[J].农业图书情报学刊,2017,29(7):185-188.[5]赵颖星.大数据环境下高校图书馆移动信息服务优化策略分析[J].中国管理信息化,2018(4):155-156.[6]申文瑞.大数据环境下高校图书馆知识管理服务模式研究[J].知识经济,2017(23):9-10.（上接第72页）对两种方法在2 312张花卉样本的测试中对识别结果进行统计，在Fast R-CNN中，正确识别出花卉目标个数为2 087，被判定为花卉的个数为2 217；在YOLO中，正确识别出花卉目标个数为1 957，被判定为花卉的个数为2 139。由此可根据公式（1）分别计算出Faster R-CNN和YOLO对花卉识别的准确率和召回率，如表1所示。表１ Ｆａｓｔｅｒ Ｒ－ＣＮＮ和ＹＯＬＯ识别花卉目标的客观评价指标目标识别方法Faster R-CNNYOLO准确率P/%94.191.4召回率R/%86.380.9参考文献[1]Lecun Y,Bengio Y,Hinton G.Deep learning[J].Nature,2015,521(7553):436-444.[2]Krizhevsky A,Sutskever I,Hinton G.ImageNet classification with deep convolutional neural networks[C]//Neural Information Processing Systems,2012:1097-1105.[3]冯淑超.深度学习在计算机视觉领域的若干关键技术研究[D].长春:吉林大学,2017:45.[4]Lecun Y L,Bottou L,Bengio Y,et al.Gradient-based learning applied to document recognition[J].Proceedings of the IEEE,1998,86(11):2278-2324.[5]Hadjis S,Abuzaid F,Zhang C,et al.Caffe control: Shallow Ideas to Speed Up Deep Learning[J].Proc Fourth Workshop Data Anal Scale Danac,2015(92):1-4.[6]Simonyan K,Zisserman A.Very deep convolutional networks for large-scale image recognition[J].Computer Science,2014(34):267-270.[7]Szegedy C,Liu W,Jia Y,et al.Going deeper with convolutions[C]//Computer Vision and Pattern Recognition,2015:1-9.[8]付文博,孙涛,梁藉,等.深度学习原理及应用综述[J].计算机科学,2018,45(1):11-15.[9]R.Girshick,J.Donahue,T.Darrell,and J.Malik.Rich feature hierarchies for accurate object detection and semantic segmentation[C]//Computer Vision and Pattern Recognition,2014:45-50.[10]Girshick R.Fast R-CNN[C]//International Conference on Computer Vision(ICCV),2016:267-269.[11]Redmon J,Divvala S,Girshick R,et al.You Only Look Once:Unified,Real-Time Object Detection[C]//IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2016:1-10.另外，在Fast R-CNN目标识别方法中，花卉样本训练集的训练时间耗时21分17秒，测试过程中图像检测时间为0.06秒/张；在YOLO目标识别方法中，花卉样本训练集的训练时间耗时3分48秒，测试过程中图像检测时间为0.01秒/张。基于以上的分析可以得出，采用Faster R-CNN对花卉进行识别的准确率和召回率都比采用YOLO方法高。但是YOLO采用了端到端的方法实现对花卉的识别，因此无论从训练时间还是测试时间都比前者大幅缩减，其检测花卉图片的平均时间约为前者的1/5。４ 结 语通过对基于候选区域的Faster R-CNN和基于回归算法的YOLO在植物花卉的识别领域的分析表明，无论是Faster R-CNN还是YOLO算法都能准确地识别出花卉。Faster R-CNN在准确率和召回率上均领先于YOLO，但在运行效率上不及YOLO。另外，在识别过程中，花卉所处的环境和本身的多样性会给识别过程带来极大的复杂性和不确定性，具体表现在两个方面：首先是花卉的背景环境会给识别带来比较大的干扰，特别是杂草、叶片都会影响识别效果；其次是花卉具有极大的多样性，其巨大的形态差异也会影响识别效果。下一步将优化目标识别算法，在目标识别的准确率和效率上取得平衡。— ７５ —
