在大数据与人工智能时代的大背景下，本书探索采用数据智能的方法对学术图书馆广泛采用的资源发现系统进行数智化改造升级。尝试构建了资源发现系统与政府开放数据的整合，为资源的丰富提供了借鉴；构建了基于深度学习的词向量扩展的语义检索系统模型，可以提高学术资源的语义检索服务；研究了资源发现系统的用户信息行为，并构建了用户画像，为图书馆洞察学术用户行为，进而为资源发现系统的进一步优化以及提高学术图书馆的管理决策水平提供了可靠的依据。

第1章 资源发现数智化概述
1.1 资源发现数智化的背景、目的与意义
1.2 资源发现数智化的研究思路与总体框架
1.3 资源发现系统使用情况调研
1.3.1 资源发现系统问卷调查
1.3.2 资源发现系统访谈调查
1.4 资源发现系统功能调研
1.5 资源发现数智化的主要研究内容
1.5.1 开放数据及其整合研究
1.5.2 学术资源语义检索研究
1.5.3 学术资源用户行为与用户画像研究
第2章 开放数据整合研究
2.1 开放数据整合的研究背景
2.2 开放数据整合的研究现状
2.2.1 政府开放数据研究现状
2.2.2 国内外图书馆开放数据研究现状
2.3 面向开放数据服务的图书馆职能拓展
2.4 高校图书馆整合政府开放数据服务框架
2.4.1 目录导航
2.4.2 检索查询
2.4.3 资源发现系统
2.5 资源发现系统融合政府旅游开放数据仿真实验
2.5.1 Elastic Search简介
2.5.2 融合政府开放数据的资源发现系统元数据方案
2.5.3 实验步骤及结果
2.6 本章总结
第3章 资源发现系统语义检索研究
3.1 语义检索研究背景
3.2 语义检索研究现状
3.3 语义检索系统架构
3.4 语义检索系统关键技术
3.4.1 领域词典的构建
3.4.2 基于Word2Vec的词向量语义扩展技术
3.4.3 基于ALBERT的文献表征与检索方法
3.5 语义检索系统实现与评估
3.5.1 实验数据来源
3.5.2 构造的领域词典的分词质量评估
3.5.3 学术资源词向量的训练
3.5.4 文献表征构建方法
3.5.5 系统查全率、查准率和F1值表现情况
3.6 本章总结
第4章 资源发现系统用户行为分析
4.1 用户行为分析的意义
4.2 用户行为分析的核心概念与关键技术
4.2.1 Web日志及分析
4.2.2 聚类算法
4.2.3 信息行为
4.2.4 信息素养
4.2.5 用户画像
4.3 用户行为分析的数据采集与处理
4.3.1 数据采集
4.3.2 数据处理
4.4 用户行为分析——基本统计分析
4.4.1 使用用户的信息分析
4.4.2 用户访问时间段分析
4.4.3 用户访问数据库的行为分析
4.5 用户行为分析——访问行为分析
4.5.1 用户检索行为分析
4.5.2 用户学历与教育程度对访问行为的影响
4.5.3 用户专业对访问数据库行为的影响
4.6 基于用户行为分析的图书馆服务创新探索
4.6.1 基于用户行为分析的科研主题发现服务
4.6.2 基于用户行为分析的文献资源推荐服务
4.7 本章总结
第5章 学术用户画像研究
5.1 学术用户画像概述
5.2 数据来源与提取范围
5.3 学术用户画像构建框架
5.4 学术用户画像标签体系构建
5.4.1 学术用户画像静态标签的实现
5.4.2 学术用户画像访问行为标签的实现
5.4.3 学术用户画像的检索行为标签的实现
5.5 学术用户画像的构建实例与应用探索
5.6 本章总结
第6章 资源发现数智化研究专题汇编
6.1 研究专题汇编说明
6.2 研究专题详情
6.2.1 数据与智能双驱动下的资源发现系统优化建议
6.2.2 资源发现系统整合开放数据探索研究
6.2.3 学术用户画像的行为与兴趣标签构建与应用
6.2.4 新文科建设背景下图情专业人才数智能力培养探析
第7章 总结与展望
附录 用户行为数据表系列
参考文献
索引