Грибков Дмитрий Николаевич - кандидат педагогических наук, доцент Орловский ГТК, доцент кафедры библиотечно-информационной деятельности; Орловская областная научная универсальная публичная библиотека им. И. А. Бунина, ведущий библиотекарь отдела автоматизации; Белгородский ГНИУ доцент кафедры российской истории и документоведения.
ул. Лескова, 15, Орел, 302020; ул. Максима Горького, 43, Орел, 302028; ул. Победы, 85, Белгород, 308015
Gribkov Dmitry Nikolayevich - Orel State Institute of Culture, Candidate of Pedagogic Sciences, Associate Professor, Associate Professor of the Department of Library and Information Services; Orel Regional Scientific Universal Public Library named after Ivan A. Bunin, Librarian of the Automation Department; Belgorod State National Research University, Associate Professor of the Department of Russian History and Documentation.
15 Leskova St., Orel, 302020; 43 Maksim Gorky St., Orel, 302028; 85 Victory St., Belgorod, 308015
Сегодня, в период формирования информационного общества и цифровой трансформации библиотек, назрела необходимость найти баланс между колоссальным объемом электронного информационного пространства и персонализированными потребностями пользователей. Существующие традиционные модели поиска информации уже не способны справиться со сложными системами взаимодействия пользователя с объектами информационных ресурсов и не позволяют в полной мере исследовать глубокую связь между предпочтениями пользователя и контентом. Цель статьи – обзор современных технологий реализации поиска информации в библиотеках с применением нейросетей и искусственного интеллекта. В ходе анализа зарубежных моделей, таких как графовая нейронная сеть, глубокая нейронная сеть на основе встраивания, нейронная коллаборативная фильтрация, сингулярное разложение, реляционная графовая сверточная сеть, гибридный алгоритм K-ближайших соседей, глубокая нейронная сеть, сверточная нейронная сеть, были определены основные критерии их внедрения: специфика архитектуры, метрика точности, оценка эффективности, методы реализации, тип библиотек, авторы концепции и др. В результате проведенного анализа предлагается создать модель, которая будет сочетать традиционные технологии автоматизированных библиотечно-информационных систем с интеграцией в комплексную модель нейросети с алгоритмами, позволяющими учитывать персонализированные потребности пользователей.
Today, as the information society evolves and libraries undergo digital transformation, there is a pressing need to find a balance between the vast volume of electronic information and the personalized needs of users. Existing traditional information retrieval models are no longer able to cope with the complex networks of user interactions with information resource objects and do not fully explore the deep connections between user preferences and content. The purpose of this study is to review modern technologies for implementing information retrieval in libraries using neural networks and artificial intelligence. The analysis of international models – graph neural networks, deep neural networks based on embedding, neural collaborative filtering, singular value decomposition, relational graph hyperfine networks, hybrid K-nearest neighbors, deep neural networks, and hyperfine neural networks – has identified key implementation criteria for these models, namely: architecture specifics, accuracy metrics, performance evaluation, implementation methodology, library type and type, conceptual authors, and other criteria. As a result of the conducted analysis, it is proposed to create a model that will combine traditional technologies of automated library and information systems with integration into a complex neural network model with algorithms that allow taking into account the personalized needs of users.
The authors declare that there are no conflicts of interest present.