代理服务器是**基本也是目前应用*****的解决受IP地址限制的用户访问数字资源的技术手段。国内外有很多高校提供该项服务。经调查?中国大陆及中国台湾地区高校使用代理服务器比较普遍?而欧美高校则主要采用其他改进的方式?代理服务器作为补充手段仍然保留。如根据叶新明的研究?在他所调查的52所美国高校中?约有63％的学校使用各种不同的代理服务来实现校外访问学校图书馆数字资源。而根据张涛和左皓劼的研究?在他们所调查的39所“985工程”院校中?复旦大学、北京大学、上海交通大学、大连理工大学、武汉大学和西北农林大学等6所高校分别使用了不同的代理服务方式?占15所实现校外访问图书馆数字资源的高校的40％?可知这种代理服务器方式在我国还相当普遍。阅读行为感知可以帮助我们更好地了解读者的阅读习惯和需求。怎样阅读行为感知质量

大数据时代，数字图书馆技术要不断更新和完善，随着数字图书馆处理数据的广域不断扩大，如何将大数据相关技术运用到数字图书馆领域中，是人们比较关心的问题。语义技术可以使大量复杂数据建立有机联系，大数据环境需要语义技术的支持，同时通过运用语义分析技术和人工智能技术，可以将词典中的语义自动融入数字文献相关信息中。语义技术使文献或信息内部知识点间语义建立了关系，用户可以通过某**索借助语义关系获得有用知识，给用户带来便捷的获取知识的途径。除此之外，数据聚类技术也是信息高效利用的有效手段之一。福建图书馆阅读行为感知观点或思想来源不明也与我们学者对引证规范的轻视有关。

按照媒介延伸的主要感官类别可以把媒介分成视觉空间型和声觉空间型媒介，在感官类型维度划分基础上加入数字阅读类应用的内容特性这一维度，能够概括现有的数字阅读媒介类型。姜洪伟提出根据数字阅读内容主要特征划分为信息性读物和知识性读物，谢新洲、石林在《数字阅读构筑内容生态内核》一文对胡晓东的访谈中其将数字阅读行业划分为资讯、故事、知识三个分支。本文为了让数字阅读内容特性划分普适性更强，分为即时实用性刺激性内容和经典抽象性逻辑性内容，得到数字阅读类应用的媒介基本类型，根据感官类型和内容特性两个维度划分数字阅读类应用可以分成四个典型类型，按照该分类标准划分数字阅读类应用基本可以囊括现有市场相关产品，较为完整且凸显产品特点。具体数字阅读类应用的典型类型中其用户参与行为的表现有所侧重，那么以参与行为为导向进行设计来优化具体应用某一环节的阅读体验更具实践价值。

用户参与行为的具体分析可从三方面进行：***，行为构成。数 字阅读类应用主要的参与行为除了浏览、互动和创造行为，还包括 标记、批注和收藏等阅读过程中会发生的行为。另外，不同数字阅 读类应用其用户参与行为偏好有所侧重。例如， 在具备声觉空间型 和经典抽象性媒介特性的喜马拉雅听书应用上，用户偏重阅听，从 而其中的参与行为会有所不同。根 据感官类 型和内容 特 性的媒介 划分可以明确用户参与行为的一般构成，以及在某一媒介类型的参 与行为侧重， 然后根据用户研究方法进行定性分析，总结参与行为 构成的一般规律。第二，行为类型。用户参与行为分 成围观式参与、话语式参与和行动式参与三种参与类型，对数字阅 读类应用的使用过程中用户所产生的参与行为包括浏览、搜寻、标 注、评论、收藏、分享等，根据参与程度将参与行为类型进行分类， 建立参与行为构成的影响要素与参与程度、阅读体验之间的内在关 联。阅读行为感知可以帮助我们评估不同媒介对于读者注意力和认知的影响。

正因为数字阅读相较于纸质阅读具有诸多的优势，因而迅速地俘获了大学生的芳心，受到了大学生的青睐，并逐步成为他们的主要阅读方式。但是，数字阅读也同样具有一些不可避免的弊端，比如：限于设备、网络及电路等的制约，当上述设备产生故障时阅读将不得不中断或停止；对人眼睛的伤害大于纸质阅读；信息太多，诱惑太多，以至于难以深入阅读等。大学生正是数字阅读上述弊端的受害者，尤其是***一项。图、文、声三要素的新组合媒介形式以其更好的易用性、互动性与新鲜感迅速地吸引了大学生的眼球，占据了他们阅读方式的主体地位，阅读的深度被信息时代阅读的速率打败，并逐渐以这种“浅阅读”替代过往的纸媒“深阅读”。雅各布·尼尔森通过研究网络阅读的特征，发现只有16％的网络用户是线性地、一字一句地阅读，其他人只是在网页上扫描浏览而已。所谓浅阅读就是阅读不需要思考而采取跳跃式的阅读方法，它侧重的是知识面的广度，而忽略知识的深度。长期的浅阅读方式对于处于价值观、世界观、人生观形成期的大学生将造成以下多方面的不利影响。通过分析读者在文献中的跳转和浏览路径，可以了解读者的关注点、兴趣点和阅读偏好。网络阅读行为感知销售电话

。 高校图书馆要以读者需求为导向， 为大学生提供 质量的移动阅读服务。怎样阅读行为感知质量

信息抽取是指从多源异构的数据源中提取出实体、属性以及实体之间的关系，在此基础上形成本体化的知识表达，它是知识图谱构建技术的关键［1］。早期信息抽取主要是基于预定规则的抽取技术，工作量庞大且*适用于特定的专业领域，后来人们开始尝试使用统计机器学习的方法，通过标注部分数据得到训练集，在此基础上再使用均方根误差算法（rootmeansquarederror,RMSE）或多项式回归算法（polyno?mialregression,PR）等有监督学习算法识别命名实体。怎样阅读行为感知质量