В рамках выполнения темы НИР «Открытый доступ в научноинформационной деятельности и разработка прототипа многофункциональной системы открытого архива хранения и аналитической обработки научнотехнической информации с учётом механизмов открытых лицензий и элементов искусственного интеллекта» в ГПНТБ России ведётся работа по анализу использования рекомендательных систем в библиотечно-информационной сфере и смежных областях. Основная цель статьи - определить ключевые подходы к разработке рекомендательных систем в библиотечно-информационной сфере и возможные перспективы их развития. Используемые методы: контентанализ профильных публикаций по рекомендательным системам, анализ функционала рекомендательных систем, используемых в библиотечно-информационной практике. В статье рассмотрены различные подходы к разработке рекомендательных систем, применяемые в зарубежной и отечественной практике в различных областях деятельности. Определены основные технологии применения рекомендательных систем в библиотечно-информационной сфере: коллаборативная и контентная фильтрация. Сделан вывод о перспективности использования контентной фильтрации. Проанализированы возможности применения лингвистических средств в рекомендательных системах, использующих стратегию контентной фильтрации. Предложены варианты формирования рекомендательных систем в библиотечно-информационной практике с использованием лингвистических средств. Сформулированы задачи, которые должны реализовывать рекомендательные системы в библиотечно-информационной сфере. Намечены перспективные направления развития рекомендательного сервиса. Предложения по формированию рекомендательных систем, представленные в статье, могут быть применены в практической работе по созданию рекомендательных сервисов в библиотечно-информационных системах.
Идентификаторы и классификаторы
- SCI
- Коммуникации
Рекомендательные системы – это программные инструменты и методы, которые предлагают рекомендации по объектам, скорее всего, представляющим интерес для конкретного пользователя [2].
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Стратегия развития библиотечного дела в Российской Федерации на период до 2030 года (утверждена распоряжением Правительства Российской Федерации от 13 марта 2021 г. № 608-р). URL: https://www.garant.ru/products/ipo/prime/doc/400356337 (дата обращения: 04.08.2025).
2. Ricci F., Rokach L., Shapira B. Recommender Systems: Techniques, Applications, and Challenges // Recommender Systems Handbook: Third Edition. New York: Springer, 2022. Pp. 1-35. URL: https://link.springer.com/chapter/ (accessed: 04.08.2025). DOI: 10.1007/978-1-0716-2197-4_1
3. Goldberg D., Nichols D., Oki B. M., Terry D. Using Collaborative Filtering to Weave an Information Tapestry // Communications of the ACM. 1992. Vol. 35 (12). Pp. 61-70. URL: https://www.sci-hub.ru/?ysclid=mf41n6nn1z92465411 (accessed: 04.08.2025). DOI: 10.1145/138859.138867
4. Rich E. User Modelling Via Stereotypes // Cognitive Science. 1979. Vol. 3 (4). Pp. 329- 354. URL: https://www.sci-hub.ru/ (accessed: 04.08.2025). DOI: 10.1207/s15516709cog0304_3
5. Schrage M. Recommendation Engines. Cambridge, Massachusetts: The MIT Press, 2020. URL: https://oceanofpdf.com/authors/michael-schrage/pdf-epub-recommendation-enginesdownload (accessed: 04.08.2025).
6. Aggarwal C. C. Recommender Systems: The Textbook. Springer: New York, 2016. URL: https://link.springer.com/book/ (accessed: 04.08.2025). DOI: 10.1007/978-3-319-29659-3
7. Recommender Systems Handbook: Third Edition. New York: Springer, 2022. URL: https://link.springer.com/book/ (accessed: 04.08.2025). DOI: 10.1007/978-1-0716-2197-4
8. Recommender-Systems.com (RC_c):. URL: https://recommender-systems.com (accessed: 04.08.2025).
9. Schafer J. B., Frankowski D., Herlocker J., Sen S. Collaborative Filtering Recommender Systems // The Adaptive Web. Berlin: Springer, 2007. Pp. 291-324. URL: https://link.springer.com/chapter/ (accessed: 04.08.2025). DOI: 10.1007/978-3-540-72079-9_9
10. Koren Y., Rendle S., Bell R. Advances in Collaborative Filtering // Recommender Systems Handbook: Third Edition. New York: Springer, 2022. PP. 91-142. URL: https://link.springer.com/chapter/ (accessed: 04.08.2025). DOI: 10.1007/978-1-0716-2197-4_3
11. Pazzani M. J., Billsus D. Content-Based Recommendation Systems // The Adaptive Web. Berlin: Springer, 2007. Pp. 325-341. URL: https://link.springer.com/chapter/ (accessed: 04.08.2025). DOI: 10.1007/978-3-540-72079-9_10
12. Musto C., Gemmis M. de, Lops P., Narducci F., Semeraro G. Semantics and Content-Based Recommendations // Recommender Systems Handbook: Third Edition. New York: Springer, 2022. PP. 251-298. URL: https://link.springer.com/chapter/ (accessed: 04.08.2025). DOI: 10.1007/978-1-0716-2197-4_7
13. Arazy O., Kumar N., Shapira B. Improving Social Recommender Systems // IT Professional. Vol. 11 (4). Pp. 38-44. URL: https://www.researchgate.net/publication/224567114_Improving_Social_Recommender_Systems (accessed: 04.08.2025).
14. Bobadilla J., Ortega F., Hernando A., Gutierrez A. Recommender Systems Survey // Knowledge-Based Systems. 2013. Vol. 46. Pp. 109-132. URL: https://www.scihub.ru/ (accessed: 04.08.2025). DOI: 10.1016/j.knosys.2013.03.012
15. Smith B. Case-Based Recommendation // The Adaptive Web. Berlin: Springer, 2007. PP. 342-376. URL: https://link.springer.com/chapter/ (accessed: 04.08.2025). DOI: 10.1007/978-3-540-72079-9_11
16. Burke R. Hybrid Web Recommender Systems // The Adaptive Web. Berlin: Springer, 2007. Pp. 377-408. URL: https://link.springer.com/chapter/ (accessed: 04.08.2025). DOI: 10.1007/978-3-540-72079-9_12
17. Montaner M., Lopez B., Rosa J. L. de la. A Taxonomy of Recommender Agents on the Internet // Artificial Intelligence Review. 2003. Vol. 19 (4). Pp. 285-330. URL: https://link.springer.com/article/ (accessed: 04.08.2025). DOI: 10.1023/a:1022850703159 EDN: EQKLWJ
18. Zubchuk E., Arhipkin M., Menshikov D., Karaush A., Mikhaylovskiy N. Lib-SibGMU - A University Library Circulation Dataset for Recommender Systems Development // ResearchGate.net. 2022. URL: https://www.researchgate.net/publication/363052534_Lib-SibGMU_-_A_University_Library_Circulation_Dataset_for_Recommender_Systems_Developmen (accessed: 04.08.2025). EDN: YJDVKA
19. Лаврик О. Л., Юкляевская А. В. Рекомендательные книжные сервисы в библиографической деятельности библиотек // Сфера культуры. 2023. № 3 (13). С. 139- 152. URL: https://cyberleninka.ru/article/n/rekomendatelnye-knizhnye-servisy-vbibliograficheskoy-deyatelnosti-bibliotek (дата обращения: 04.08.2025). EDN: DZFKDB
20. Каптерев А. И. Практика использования рекомендательных систем в библиотеках // Культура: теория и практика. 2024. № 1 (56). URL: item.asp?id=65607135 (дата обращения: 04.08.2025). EDN: XJXSLW
21. BibTip Connecting Knowledge // Karlsruhe Institute of Technology:. URL: https://www.kit.edu/kit/english/1838_111.php (accessed: 04.08.2025).
22. Liao I. E., Hsu W. C., Cheng M. S., Chen L. P. A Library Recommender System Based on a Personal Ontology Model and Collaborative Filtering Technique for English Collections // The Electronic Library. 2010. Vol. 28(3). PP. 386-400. URL: https://www.researchgate.net/publication/220677432_A_library_recommender_system_based_on_a_personal_ontology_model_and_collaborative_filtering_technique_for_English_collections (accessed: 04.08.2025).
23. Zhang H., Xiao Y., Bu Z. Personalized Book Recommender System Based on Chinese Library Classification // 14th Web Information Systems and Applications Conference (WISA). 2017. URL: https://www.semanticscholar.org/paper/Personalized-Book-Recommender-System-Based-on-Zhang-Xiao/490d19f10e3b271a9c263574390dc8517b3e24be (дата обращения: 04.08.2025).
24. Middleton S. E., Roure D. de, Shadbolt N. R. Ontology-base Recommender Systems // Handbook on Ontologies. Springer Berlin, 2009. PP. 779-796. URL: https://link.springer.com/chapter/ (accessed: 04.08.2025). DOI: 10.1007/978-3-540-92673-3_35
25. Карауш А. С. Рекомендательные системы в публичных библиотеках // Роль ГПНТБ СО РАН в развитии информационно-библиотечного обслуживания в регионе: межрегиональная научно-практическая конференция (г. Новосибирск, 6-10 октября 2008 г.): тезисы докладов. Новосибирск: ГПНТБ СО РАН, 2008. С. 70-74. EDN: EQPVSZ
26. Хасанов В. И., Карауш А. С. Рекомендательные системы в автоматизированных библиотечных информационных системах // Электронные средства и системы управления. Материалы докладов Международной научно-практической конференции. 2009. № 1. С. 3-7. item.asp?id=23070214 (дата обращения: 26.09.2025). EDN: TKVZJF
27. Карауш А. С. Рекомендательные системы в публичных библиотеках // Библиосфера. 2009. № 1. С. 41-43. URL: item.asp?id=11720014 (дата обращения: 26.09.2025). EDN: JWMEZR
28. Князева А. А., Колобов О. С., Турчановский И. Ю., Федотов А. М. Коллаборативная фильтрация для построения рекомендаций на основе данных о заказах // Вестник Новосибирского государственного университета. Серия: Информационные технологии. 2018. Т. 16. № 2. С. 62-69. URL: https://cyberleninka.ru/article/n/kollaborativnayafiltratsiya-dlya-postroeniya-rekomendatsiy-na-osnove-dannyh-o-zakazah (дата обращения: 04.08.2025). EDN: URIKGS
29. Полетаева Ю. С. Разработка сетевой рекомендательной системы для научно-технической библиотеки ИРНИТУ // Научные коммуникации. Профессиональная этика: материалы IV Всероссийской научно-практической конференции с международным участием. Омск, 2019. С. 120-127. URL: item.asp?edn= (дата обращения: 04.08.2025). EDN: ATWYYR
30. Создана нейросеть, ускоряющая поиск близких по смыслу научных статей // ТАСС Наука:. URL: https://nauka.tass.ru/nauka/20782819 (дата обращения: 04.08.2025).
31. Колобов О. С., Князева А. А., Леонова Ю. В., Турчановский И. Ю. Персонализация электронных услуг на примере рекомендательного сервиса для библиотек // Информационные технологии, компьютерные системы и издательская продукция для библиотек: сборник докладов Двадцать пятой международной конференции и выставки “LIBCOM-2021”. Москва, 2022. С. 35-40. URL: item.asp?id=48235290 (дата обращения: 04.08.2025). EDN: QUPHGX
32. Шрайберг Я. Л., Дмитриева Е. Ю., Смирнова О. В., Червинская Н. В., Терехова Е. С. Разработка системы взаимосвязанных классификаций: сопоставление Государственного рубрикатора научно-технической информации и Универсальной десятичной классификации // Научные и технические библиотеки. 2023. № 11. С. 36-65. DOI: 10.33186/1027-3689-2023-11-36-65
33. Земсков А. И. Основные задачи библиотек в области библиометрии // Информация и инновации. 2017. Спец. выпуск. С. 79-83. EDN: ZTHZXP
34. Мохначева Ю. В., Цветкова В. А. Библиометрия и современные научные библиотеки // Научные и технические библиотеки. 2018. № 6. С. 51-62. DOI: 10.33186/1027-3689-2018-6-51-62
35. Ивановский А. А. Объектная модель системы избирательного распространения информации // Научные и технические библиотеки. 2019. № 4. С. 61-75. DOI: 10.33186/1027-3689-2019-4-61-75
36. Баженов С. Р., Балуткина Н. А., Стукалова А. А. Концепция новой информационно-поисковой системы ГПНТБ СО РАН на основе ИРБИС64+ // Научные и технические библиотеки. 2023. № 3. С. 80-101. DOI: 10.33186/1027-3689-2023-3-80-101
Выпуск
Другие статьи выпуска
В условиях стремительного увеличения объёма издаваемой научной литературы автоматическое реферирование текстов с помощью технологий искусственного интеллекта становится актуальной задачей. Современные модели реферирования основаны на использовании предварительно обученных больших языковых моделей, развёртывание которых часто требует значительных аппаратных ресурсов. В то же время применение для реферирования текстов специализированных моделей, основанных на той же архитектуре трансформеров, не требует больших аппаратных ресурсов, что позволяет использовать их как на локальных серверах, так и в облачной среде со значительно меньшими затратами. В статье приводятся результаты оценки на основе метрики ROUGE для рефератов, сформированных на больших языковых моделях MBart (специализированная модель) и T-lite (универсальная модель). Исходные текстовые массивы для анализа формировались из статей, опубликованных в журнале «Научные и технические библиотеки» в 2025 г. Проведённый анализ показал, что лучшие значения метрики ROUGE даёт использование модели MBart. Однако полученные данные не могут свидетельствовать о качестве содержания рефератов, формируемых сравниваемыми моделями, поскольку метрика ROUGE показывает лишь степень совпадения слов и фраз в реферате и эталонном тексте. Вывод авторов заключается в том, что достаточно «лёгкие» модели, такие как MBart, в библиотеках могут быть развёрнуты локально и без использования графического процессора, а это предпочтительнее для их широкого использования на практике.
Уровень научного журнала - ключевой показатель в современной национальной системе оценки результативности исследований. Категорирование научных журналов - одна из основных задач библиометрии, постоянный рост объёма данных об изданиях и публикациях требует эффективного анализа соответствия между декларируемыми и наблюдаемыми паттернами категорирования. Цель статьи заключается в апробации исследовательского анализа данных (Exploratory Data Analysis, EDA) для изучения распределения научных журналов по уровням в «Белом списке» и выявления статистических закономерностей, связывающих уровень издания с его индексацией в наукометрических базах данных (БД). Объект исследования - открытые данные о научных журналах из «Белого списка». В работе применён статистический подход к анализу данных об изданиях, реализованный в цифровой среде Google Colaboratory с использованием библиотек для EDA (Pandas, Matplotlib, Seaborn) на языке программирования Python. Результаты позволили провести количественный анализ соответствия эмпирических данных правилам категорирования изданий «Белого списка» и выявить различия в паттернах индексации журналов разных уровней. Практическая значимость заключается в интеграции цифровых технологий EDA в библиометрический инструментарий, что открывает возможности для верификации систем категорирования и развития методов библиометрии в условиях цифровизации науки.
Статья посвящена исследованию функционала электронных информационных ресурсов федеральных архивных учреждений в Российской Федерации: их способности удовлетворить имеющиеся и возникающие запросы в современном обществе, а также готовности архивных учреждений страны к работе в едином информационном пространстве. Исторически на европейской части Российской Федерации сконцентрирована большая часть государственных федеральных архивных учреждений, доступ в которые и сегодня остаётся затруднительным для многих граждан страны. Это объясняется удалённостью регионов проживания потенциальных посетителей, их различием в уровне экономического благосостояния, банальной нехваткой времени для работы в архивах, ограниченными возможностями читальных залов архивов для размещения и необходимостью заблаговременно записываться для посещения. В статье представлены результаты тестирования интернет-ресурсов отечественных государственных федеральных архивных учреждений на предмет возможности дистанционной работы пользователей. Предлагаемый электронными ресурсами функционал представлен в виде таблицы. Описаны встречающиеся при работе проблемы и недостатки. Сформулированы предложения по дальнейшим направлениям развития информационных ресурсов отечественных федеральных архивных учреждений: создание и расширение предоставляемого функционала, наполнение информацией, внутриотраслевое и внешнее взаимодействия.
В стратегии развития современной университетской библиотеки в эпоху цифровой трансформации происходят кардинальные изменения. Научной библиотеке Казанского федерального университета (КФУ) в рамках реализации проекта «Приоритет-2030» предстоит выполнение важных задач. Обозначена и детально рассмотрена стратегия развития университетской библиотеки на ближайшую перспективу. В исследовании обоснована необходимость саморазвития и повышения профессионального уровня библиотекарей с целью формирования у них необходимых компетенций; обозначена роль собственной электронной библиотеки (репозитория), определены умения и навыки, необходимые сотрудникам библиотеки для работы с репозиторием; проанализированы результаты анкетирования, позволившие выявить пожелания пользователей к библиотечным поисковым системам; описан разработанный на площадке КФУ программный комплекс, предназначенный для создания институциального репозитория на базе программной платформы с открытым кодом DSpace. Сделан вывод о том, что трансформация вузовских библиотек связана с общими тенденциями развития вузов как в области научных исследований, так и в образовании. Основные изменения в деятельности библиотеки связаны с широким внедрением цифровых технологий: от разработки собственных электронных архивов (репозиториев) и поисковых систем до программ повышения квалификации пользователей, как студентов, так и преподавателей.
Представлены результаты исследований по подготовке новой эталонной версии Государственного рубрикатора научно-технической информации (ГРНТИ) в части раздела Технические и прикладные науки. Отрасли экономики и раздела Межотраслевые проблемы. Проведены информационноаналитические исследования следующих информационных объектов: классификационная таблица версии ГРНТИ 2022 г. с исправлениями и дополнениями 2023 г.; Программа фундаментальных научных исследований РФ на 2021- 2030 гг.; верифицированная версия Номенклатуры научных специальностей ВАК; Перечень важнейших наукоёмких технологий, утверждённый Указом Президента РФ от 18 июня 2024 г. № 529; тематически систематизированный по направлениям ГРНТИ входной поток научно-технической литературы ГПНТБ России. В результате выполненных исследований определены изменения, необходимые для внесения в тематические классы раздела Технические и прикладные науки. Отрасли экономики и раздела Межотраслевые проблемы действующей версии ГРНТИ с целью обеспечения соответствия структуры классификационной таблицы новой версии ГРНТИ современному состоянию и тенденциям развития научного и технического знания. Статистика внесённых изменений следующая: раздел Технические и прикладные науки. Отрасли экономики - введено 332 новые рубрики, исключено 67 рубрик, у 630 рубрик актуализированы наименования; раздел Межотраслевые проблемы - введено 30 новых рубрик, исключено 17 рубрик, у 101 рубрики актуализированы наименования.
Моделирование является распространённым методом научного познания, особенно в тех областях, где проведение реальных экспериментов сопряжено с высокими финансовыми затратами или невозможно физически. Данный метод позволяет исследователям создавать упрощённые модели сложных систем, что даёт возможность анализировать и изучать их поведение в различных условиях. В общем смысле моделирование можно охарактеризовать как экспериментальный подход к изучению реально существующих систем на основе их моделей. В статье представлена схема, иллюстрирующая процесс обслуживания пользователей библиотеки. Схема включает в себя потоки (входящие, выходящие, управляющие и ресурсные), с помощью которых детализируется функционирование библиотеки. Кроме того, приведены обобщённые схемы двух моделей библиотек высшего учебного заведения - реактивной и проактивной. Схемы обслуживания дополнены обобщёнными схемами моделирующего алгоритма процесса обслуживания пользователей библиотек.
Правительством Российской Федерации утверждена Стратегия развития библиотечного дела, одной из задач которой являются обеспечение равного доступа граждан к информации и формирование инклюзивного библиотечного пространства. Чтобы оценить, как воплощается в жизнь эта стратегия, сотрудники Федерального научно-образовательного центра медикосоциальной экспертизы и реабилитации им. Г. А. Альбрехта Минтруда России ежегодно проводят мониторинг уровня доступности библиотечного обслуживания, проверяя реализацию региональными властями планов мероприятий («дорожных карт») по улучшению показателей. Сбор данных проводится с помощью информационно-цифрового ресурса. Целью работы являются изучение и оценка уровня доступности для лиц с инвалидностью электронного библиотечного обслуживания в субъектах Российской Федерации. В статье приведены результаты мониторинга: число доступных электронных библиотек в разных субъектах Российской Федерации, а также количество сайтов муниципальных и региональных библиотек, приспособленных для инвалидов по зрению. Оценка уровня достигнутых показателей проводилась согласно доменам и Единой шкале Международной классификации функционирования, ограничения жизнедеятельности и здоровья. По результатам ранжирования полученных данных можно утверждать, что в Российской Федерации широко представлена индустрия инклюзивного библиотечного обслуживания. Однако следует отметить, что данная оценка базируется исключительно на показателях, включённых в региональные «дорожные карты». Результаты исследования учитываются при планировании мер по улучшению доступности библиотек на региональном уровне. Исследование проведено в рамках научно-исследовательской работы «Научное обоснование и разработка предложений по формированию показателей обеспечения доступности для инвалидов объектов и услуг», утверждённой Министерством труда и социальной защиты Российской Федерации.
Издательство
- Регион
- Россия, Москва
- Почтовый адрес
- 123298, Москва, 3-я Хорошевская ул., д. 17
- Юр. адрес
- 123298, Москва, 3-я Хорошевская ул., д. 17
- ФИО
- Карауш Александр Сергеевич (Руководитель)
- E-mail адрес
- gpntb@gpntb.ru
- Контактный телефон
- +7 (495) 6989305
- Сайт
- https://www.gpntb.ru