图书馆的发展历经传统图书馆、数字图书馆、智慧图书馆三阶段，相应的图书馆服务亦经历文献服务、信息及知识服务、智能服务三阶段。智慧图书馆依托数智技术（主要有大数据、人工智能等）、融合图书馆资源的全流程管理体系，面向用户多样化、个性化、专业化需求实现数据资源与数智技术有机整合、虚实空间有效融合以提供效益比较大化的数智服务（主要分技术服务及公共服务），由此要求图书馆数智服务平台需具备感知化、泛在化、协同化的特征：感知化是针对特定的应用场景选择适配的服务方案，通过交互终端及交互门户以合适的交互方式实现服务情境、用户行为等智能感知；泛在化是基于数智技术打破时间与空间的服务边界，可跨空间实时提供资源间共享、领域间互联的多元化、多层次服务；协同化是协调图书馆业务运行涉及的多方主体（社会公众、社会机构、图书馆馆员等）利益，充分发挥多方主体智慧实现数据资源、数智技术、实体空间、服务系统等图书馆要素高效协同运作。各高校图 书馆应加强未来学习中心试点建设，打造高标准智慧 化的学习新体系。数字图书馆智慧导读

智慧导读面向内外部资源及线上线下资源统一整合、多模态数据有效存储、数据资源多向调用的需求，遵循数据库设计块、智能设施?？楣菇ɑ∩枋┎?。其中，服务器设施?？槊艚莶渴鸶骼嗍视糜谕际楣菔欠竦娜碛布?，提供资源并发计算及服务及时响应能力。网络设施模块通过实现图书馆内部链接及外部跨连的必要通信设备，满足数据高速传输、安全有效保障的网络服务需要。智能设施?？樽酆嫌τ弥悄芨兄?、智能管理、智能服务三类设备，构建覆盖多维交互渠道、提供多类功能的智能设备集群，进而支撑图书馆业务场景精细感知、巨量复杂资源动态调度、智能服务跨域互融。提供智慧导读平台而该平台提供一体化的服务，有参考咨询服务、交流互动服务等，读者可以在自主平台上享受自助便捷化服务。

大数据和人工智能技术极大地推动辅助阅读智慧化。如表5所示，一方面，进一步优化移动阅读、数字阅读的外部语义增强环境。除了提供划线、高亮显示、翻译、对比阅读等功能以辅助关键信息的甄别与标识，还强化语料、引文收集、标签、手绘等数字笔记和数字注释功能，增强用户描述和记录文本大意的体验。另一方面，对文献内容的再生产或再创作，提高阅读效率，降低认知负荷。在海量数据中“学习”并“理解”内容，对某一主题的相关文献进行自动综述，提炼文献的**内容，AI生成解读视频。同时，基于语义关联关系，提供与文献相关的数据、代码、项目、视频讲解等服务。在阅读理解过程中，以提问的方式要求GPT类平台自动提炼相关内容，自动实现知识抽取和关系揭示。表6列举了部分学术平台的辅助阅读服务内容及服务形式。当前的辅助阅读服务适用于撰写文献综述的主题文献阅读，也适用于学术检索任务和积累任务，但仍需要配合人工精读的方式学习特定的方法和理论知识点。

帮助用户在海量信息中提高学术资源寻求效率是图情领域一直关注的研究主题。从研究结果可以看出，目前传统文献数据库ScienceDirect提供**文献的关联信息服务、Elsevier提供个性化推荐服务，新型学术平台ConnectedPapers、AMiner、YewnoDiscover等利用知识图谱、语义分析、自然语言处理、机器学习等技术为用户带来智能检索与智能推荐的新体验。借力AIGC技术，面向学术用户的阅读寻求情境，图书馆可以从内容语义组织、多模态内容创建及数据资源建设3个方面创新质量学术资源服务模式。智慧导读可以让读者更加自主地学习。

智慧阅读服务内容方面的研究覆盖读物供给智慧化、辅助阅读智慧化和阅读推广智慧化等主题。有关读物供给智慧化的研究包括移动读物供给[9]、虚拟现实读物供给[10-11]及个性化阅读推荐[12-13]等方面，读物涉及文本、视频、音频、图像、数据等多种形式，如视听阅读内容[14]、有声读物[15]、历史人物数据[16]、在线可视化数据[17]等。辅助阅读智慧化研究方面，K.LO等探讨“人工智能和人机交互的***进展能否为智能、交互式和可访问的阅读界面提供动力”[18]?；谘鄱纷俸痛笥镅阅Ｐ图际醯闹悄蹵I阅读助手SARA通过实时提供个性化帮助来增强阅读体验[19]。同时，对支持阅读过程的新技术平台需求正在增长[18]。有关阅读推广智慧化的研究包含服务流程[20]、模式框架及实践[21]等方面。另外，少数学者调查高校图书馆智能服务水平并分析阻碍因素[22]。智慧导读是一种基于人工智能和大数据技术的阅读辅助工具，旨在提供个性化、智能化的阅读推荐和导读服务。品牌智慧导读特点

知识链分析服务模式是试图在读者与文献数据库之间创新性地介入一个透明的文献服务网关。数字图书馆智慧导读

首先，智慧导读系统会收集用户在阅读过程中的各种数据，包括但不限于用户的阅读时长、阅读偏好、阅读历史、点击行为、评论反馈等。这些数据可以通过用户在平台上的行为自动记录，也可以通过用户主动填写问卷或设置偏好等方式获取。收集到的原始数据可能包含噪声、重复或无效信息，因此需要进行数据清洗和预处理。这一步包括去除重复数据、填充缺失值、转换数据格式等操作，以便进行后续的数据挖掘工作。利用机器学习和数据分析技术，对用户数据进行深度挖掘。这包括对用户的阅读习惯、兴趣偏好、情感倾向等进行分析，发现用户潜在的阅读需求和兴趣点。同时，通过对用户数据的聚类、分类和关联规则挖掘等，可以发现用户群体之间的相似性和差异性，为后续的推荐算法提供依据。数字图书馆智慧导读