本發(fā)明屬于圖書采訪領域，具體涉及一種基于圖書分類號的智能圖書采訪方法及系統(tǒng)。

背景技術：

1、圖書采訪是指根據(jù)圖書館自身的館藏發(fā)展政策，結合實際辦館情況、采訪原則、讀者需求和資金預算等因素，采購與訪視適合圖書館收藏的圖書資源的過程。圖書采訪是圖書館業(yè)務的首要任務和常規(guī)性基礎工作之一，也是一項復雜的專業(yè)技術工作，不斷對采訪人員的個人業(yè)務能力提出更高要求。圖書采訪質量對圖書館的藏書結構和服務水平以及讀者的滿意度有著決定性的影響。尤其是近年來，隨著圖書市場需求呈幾何式增長，導致出版的圖書種類和數(shù)量不斷激增，圖書的質量也參差不齊，以及面對讀者層次多樣、讀者圖書需求難于把握等狀況，每種圖書的訂購與否都需要采訪人員快捷地作出正確的判斷和決策；特別是圖書館的采訪經(jīng)費預算通常有限，需要合理分配資源，要求采訪人員在進行圖書采訪時需要更加審慎地評估圖書的質量、需求度和價格，以確保預算的有效利用。因此，使得圖書采訪工作越來越成為一項繁瑣且有一定盲目性的高難度任務。

2、傳統(tǒng)的圖書采訪方法包括主觀決策采訪法和量化決策采訪法。主觀決策采訪法是目前主要的圖書采訪方式，通常是將讀者需求驅動與采訪人員主觀判斷相結合進行圖書采訪，容易受到讀者需求不確定和采訪人員主觀隨機等因素的影響，存在著采訪效率偏低和采訪質量不高等不足。量化決策采訪法是一種較為先進的采訪方式，利用在綜合考慮讀者需求因素和多種采訪因素基礎上構建而成的采訪決策模型進行圖書采訪，其受限于各圖書館的館藏建設規(guī)劃以及服務的讀者對象，存在著采訪的模型和結果缺少靈活性與泛化性等不足。總之，目前的圖書采訪方法存在著時間周期長、勞動強度大、決策客觀依據(jù)不足、決策主觀性較強、缺乏全面性、館藏與讀者之間的供需矛盾較為突出等問題，難以取得滿意的圖書采訪效果。

3、因此，開發(fā)一種圖書采訪新方法，從眾多的采訪途徑中快速科學決策采購圖書，對于提高入藏圖書質量和滿足讀者需求具有十分重要的意義。

技術實現(xiàn)思路

1、本發(fā)明的目的是提供一種基于圖書分類號的智能圖書采訪方法及系統(tǒng)，以圖書分類號為核心要素，兼顧圖書館的采訪經(jīng)費，并基于人工智能技術進行圖書采訪，由此解決上述目前圖書采訪中存在的問題，以便更高效、更精準、更完善、更科學地完成圖書采訪工作。

2、根據(jù)本發(fā)明技術方案的第一方面，提供一種基于圖書分類號的智能圖書采訪方法，包括如下步驟：

3、步驟1：分別建立圖書館的第一圖書摘要數(shù)據(jù)庫和第一圖書分類號數(shù)據(jù)庫，并根據(jù)讀者需求建立第二圖書分類號數(shù)據(jù)庫，合并所述第一圖書分類號數(shù)據(jù)庫和所述第二圖書分類號數(shù)據(jù)庫作為第三圖書分類號數(shù)據(jù)庫；

4、步驟2：根據(jù)圖書采訪原則，對所述第三圖書分類號數(shù)據(jù)庫中的所有圖書分類號進行采訪優(yōu)先級別高低的排序；

5、步驟3：將所述第一圖書摘要數(shù)據(jù)庫中的摘要信息作為輸入值、所述第一圖書分類號數(shù)據(jù)庫中的分類號信息作為輸出值，建立二者各自對應關系的機器學習模型，并進行訓練使其精度不低于目標精度；

6、步驟4：分別建立書商提供的第二圖書摘要數(shù)據(jù)庫和第四圖書分類號數(shù)據(jù)庫，將所述第二圖書摘要數(shù)據(jù)庫中的摘要信息輸入給所述機器學習模型，輸出各自匹配的輸出型圖書分類號信息；

7、步驟5：判斷所述第四圖書分類號數(shù)據(jù)庫中的分類號信息或所述輸出型圖書分類號信息是否在所述第三圖書分類號數(shù)據(jù)庫中；若否，則不作為采訪圖書；若是，則作為可采訪圖書；

8、步驟6：根據(jù)所述采訪優(yōu)先級別高低的排序，對作為所述可采訪圖書的圖書分類號進行排序，并按序分別逐段匯總計算出書價費用；

9、步驟7：當所述書價費用達到費用預定閾值時停止計算，此時與已計算所述書價費用對應的所述可采訪圖書即為優(yōu)化篩選出的擬采訪圖書。

10、進一步地，所述步驟1中，所述第一圖書摘要數(shù)據(jù)庫為現(xiàn)存圖書摘要數(shù)據(jù)庫。

11、進一步地，所述步驟1中，所述第一圖書分類號數(shù)據(jù)庫為現(xiàn)存圖書分類號數(shù)據(jù)庫。

12、進一步地，所述步驟1中，所述第二圖書分類號數(shù)據(jù)庫為新增圖書分類號數(shù)據(jù)庫。

13、進一步地，所述步驟1中，所述第三圖書分類號數(shù)據(jù)庫為總圖書分類號數(shù)據(jù)庫。

14、進一步地，所述步驟3中，所述機器學習模型的所述目標精度不小于0.9。

15、進一步地，所述步驟3中，所述機器學習模型為深度強化學習模型。

16、進一步地，所述步驟7中，所述費用預定閾值為1.0～1.5倍圖書館擬出資的圖書采訪經(jīng)費。

17、進一步地，所述步驟7后還包括：圖書采訪人員介入，對所述擬采訪圖書進一步判定決策，確定最終采訪圖書。

18、根據(jù)本發(fā)明技術方案的第二方面，提供一種基于圖書分類號的智能圖書采訪系統(tǒng)，所述系統(tǒng)包括：處理器和用于存儲可執(zhí)行指令的存儲器；其中，所述處理器被配置為執(zhí)行所述可執(zhí)行指令，以執(zhí)行如以上任一方面所述的基于圖書分類號的智能圖書采訪方法。

19、根據(jù)本發(fā)明技術方案的第三方面，提供一種計算機可讀存儲介質，其中，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如以上任一方面所述的基于圖書分類號的智能圖書采訪方法。

20、本發(fā)明的有益效果：

21、1.本申請技術方案采用機器學習模型進行圖書采訪，使得可基于圖書摘要數(shù)據(jù)和圖書分類號數(shù)據(jù)、根據(jù)讀者需求變化和圖書館采訪經(jīng)費等進行高效、精準的圖書采訪，為圖書采訪提供了新思路和新方法，顯著降低了圖書采訪成本，極大地提高了圖書采訪的準確性、靈活性、泛化性、效率和質量，并能更快更好地滿足讀者不斷變化的需求。

22、2.本申請技術方案中，還可以將人工智能圖書采訪與采訪人員圖書采訪相結合，能夠解決目前圖書采訪方法中存在的費用高、效率低、周期長、誤差多、吻合度偏低以及難以滿足讀者不斷變化的需求等問題，具有減輕圖書采訪人員的勞動強度，減少人力、物力和財力的浪費，降低成本，節(jié)約時間，有助于快速實現(xiàn)圖書館的個性化、特色化圖書采訪，提高讀者滿意度，為未來圖書館的圖書采訪奠定了基礎，指明了一個新方向。

23、3.本申請技術方案以圖書分類號為核心要素，由于圖書分類號是根據(jù)圖書的內容和學科屬性，按照一定的分類工具(如《中國圖書館分類法》)賦予圖書的特定的、明確的標識符號，有助于實現(xiàn)圖書的科學分類和有序管理，是圖書領域公認的具有很強科學性的學科分類標識，因此將圖書分類號與機器學習模型相結合，使得圖書采訪過程更高效、更精準，圖書采訪結果也更完善、更科學，是一種集成科學化、規(guī)范化和高效化進行圖書采訪的新模式。

技術特征：

1.一種基于圖書分類號的智能圖書采訪方法，其特征在于，包括如下步驟：

2.根據(jù)權利要求1所述的智能圖書采訪方法，其特征在于，所述步驟1中，所述第一圖書摘要數(shù)據(jù)庫為現(xiàn)存圖書摘要數(shù)據(jù)庫，所述第一圖書分類號數(shù)據(jù)庫為現(xiàn)存圖書分類號數(shù)據(jù)庫。

3.根據(jù)權利要求1所述的智能圖書采訪方法，其特征在于，所述步驟1中，所述第二圖書分類號數(shù)據(jù)庫為新增圖書分類號數(shù)據(jù)庫。

4.根據(jù)權利要求1所述的智能圖書采訪方法，其特征在于，所述步驟1中，所述第三圖書分類號數(shù)據(jù)庫為總圖書分類號數(shù)據(jù)庫。

5.根據(jù)權利要求1所述的智能圖書采訪方法，其特征在于，所述步驟3中，所述機器學習模型的所述目標精度不小于0.9。

6.根據(jù)權利要求5所述的智能圖書采訪方法，其特征在于，所述步驟3中，所述機器學習模型為深度強化學習模型。

7.根據(jù)權利要求1所述的智能圖書采訪方法，其特征在于，所述步驟7中，所述費用預定閾值為1.0～1.5倍圖書館擬出資的圖書采訪經(jīng)費。

8.根據(jù)權利要求1所述的智能圖書采訪方法，其特征在于，所述步驟7后還包括：圖書采訪人員介入，對所述擬采訪圖書進一步判定決策，確定最終采訪圖書。

9.一種基于圖書分類號的智能圖書采訪系統(tǒng)，所述系統(tǒng)包括：處理器和用于存儲可執(zhí)行指令的存儲器；其特征在于，所述處理器被配置為執(zhí)行所述可執(zhí)行指令，以執(zhí)行根據(jù)權利要求1至8中任一項所述的基于圖書分類號的智能圖書采訪方法。

10.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)根據(jù)權利要求1至8中任一項所述的基于圖書分類號的智能圖書采訪方法。

技術總結
本發(fā)明公開了一種基于圖書分類號的智能圖書采訪方法及系統(tǒng)，屬于圖書采訪領域，包括如下步驟：分別建立圖書館現(xiàn)存圖書摘要、現(xiàn)存圖書分類號、總圖書分類號、書商提供圖書摘要和書商提供圖書分類號的數(shù)據(jù)庫；建立并訓練現(xiàn)存圖書摘要和現(xiàn)存圖書分類號的對應關系機器學習模型；判斷書商提供圖書分類號和輸出型圖書分類號是否在所有圖書分類號范圍內；對可采訪圖書分類號根據(jù)采訪優(yōu)先級別高低進行排序，并計算書價費用；采訪人員對擬采訪圖書進一步判定，確定最終采訪圖書。本發(fā)明技術方案能夠提高圖書采訪的準確性、靈活性、泛化性、效率和質量，有助于更高效、更精準、更完善、更科學地完成圖書采訪工作。

技術研發(fā)人員：張利
受保護的技術使用者：北京科技大學
技術研發(fā)日：
技術公布日：2024/12/26