Traducido del inglés al español - [Link].

com

PROCEDIMIENTOS DE SPIE

[Link]/conference-proceedings-of-spie

Investigación sobre la aplicación de la

inteligencia artificial en el sector
bibliotecario

Zihan Xu

Zihan Xu, "Investigación sobre la aplicación de la inteligencia artificial en el sector

bibliotecario", Proc. SPIE 12610, Tercera Conferencia Internacional sobre Inteligencia
Artificial e Ingeniería Informática (ICAICE 2022), 126105U (28 de abril de 2023); doi:
10.1117/12.2671477

Evento: Tercera Conferencia Internacional sobre Inteligencia Artificial e Ingeniería

Informática (ICAICE 2022), 2022, Wuhan, China

Descargado de: [Link] el 25 de enero de 2024 Términos de uso: [Link]

 Investigación sobre la Aplicación de la Inteligencia Artificial en la Biblioteca
Sector
Zihan Xu
Facultad de Información e Inteligencia, Universidad Agrícola de Hunan, Changsha, 410128, China
Correo electrónico del autor correspondiente: 1278004334@[Link]

ABSTRACTO

Este estudio examina la literatura sobre IA y bibliotecas, examina los roles importantes que la IA ha desempeñado recientemente en las industrias
relacionadas con las bibliotecas y describe brevemente las funciones técnicas relevantes y sus características de aplicación en el campo de las
bibliotecas. Comienza con seis tecnologías clave: OCR, minería de datos, procesamiento de lenguaje natural, reconocimiento facial, mapeo de
conocimiento y aprendizaje automático, y luego realiza un análisis exhaustivo de cada una. Análisis detallado y resumen de los resultados logrados
en la aplicación práctica de la IA, una descripción analítica de las funciones comerciales relacionadas con la IA en el campo bibliotecario sobre el
desarrollo y la reforma de las bibliotecas y el estado actual de la aplicación de diversas tecnologías, y los problemas que enfrentan las bibliotecas. Se
señalan los posibles problemas que se pueden encontrar en la implementación práctica de tecnologías relacionadas con la IA.

Palabras clave:Inteligencia artificial (IA),Gestión de bibliotecas; OCR; minería de datos

1. INTRODUCCIÓN
Las bibliotecas son organizaciones que reúnen y organizan colecciones de libros y otros recursos para el beneficio del público en general. Es crucial
para la difusión de la información, el patrimonio cultural y la influencia pública. El desarrollo de teorías de las ciencias de la información, sistemas de
tecnología de la información y modelos de servicios de información como una "frontera" en el campo de las ciencias de la información y el uso de la
tecnología de recuperación de información crea constantemente nuevos impactos y oportunidades para la investigación teórica, aplicada y práctica
en biblioteconomía. 1].

Las bibliotecas tradicionales luchan con una gestión de libros, una gestión del personal y unos procedimientos de servicios de lectura
individualizados ineficaces. El problema de la "sobrecarga de información" está empeorando a medida que las personas luchan por encontrar el
contenido más importante de forma rápida y precisa frente a información compleja[2]. Los desafíos que tenían las bibliotecas con el control de
acceso al préstamo y devolución de libros y la gestión de asientos se han resuelto mediante el desarrollo de tecnologías como el reconocimiento
facial y el procesamiento del lenguaje natural. Esto provocó avances tecnológicos en las bibliotecas y, a medida que la tecnología de inteligencia
artificial avanzó durante las décadas siguientes, se mejoró el modelo de servicio de las bibliotecas. El avance de la tecnología de inteligencia artificial
en las próximas décadas ha mejorado los modelos de servicios bibliotecarios al aliviar a los bibliotecarios de trabajos tediosos y laboriosos,
optimizar la dotación de personal bibliotecario y aumentar la eficacia de los servicios. Al mismo tiempo, la demanda de servicios bibliotecarios por
parte del público se ha vuelto más exigente, no sólo para la gestión fundamental de los recursos bibliotecarios, sino también para una mayor
prestación de una gestión de alta calidad para el público en general y los estudiantes, para mejorar las experiencias de lectura de los lectores, así
como lograr una exploración exhaustiva y profunda del significado más profundo del contenido del libro [3]. Como resultado, cada vez más
bibliotecas están empezando a utilizar tecnología de inteligencia artificial en sus operaciones. A modo de ejemplo, la biblioteca de la Universidad de
Qiqihar utiliza tecnología de big data para comprender con precisión las preferencias, necesidades y hábitos de lectura de los lectores
correspondientes, así como su tiempo de lectura y otra información[4], un libro impulsado por la demanda y las decisiones. La Universidad de
Chongqing ha construido un sistema de entrevistas inteligente, que mejora eficientemente la colección y optimiza la estructura[5], y la biblioteca de
la Universidad Farmacéutica de China está utilizando la tecnología de reconocimiento facial para ampliar servicios inteligentes como acceso,
impresión, almacenamiento de bolsas, reservas de asientos y información de admisión empujando [6].

En este estudio se ofrece una descripción general del uso de la tecnología de inteligencia artificial en las bibliotecas. La segunda
sección del artículo analiza los módulos funcionales que son pertinentes al tema y se representan como diagramas; la tercera
sección describe el estado actual de la aplicación de las tecnologías pertinentes y proporciona una breve descripción de dichas
tecnologías, y la conclusión proporciona un resumen.

Tercer Congreso Internacional sobre Inteligencia Artificial e Ingeniería Informática (ICAICE 2022), editado por Xiaoli Li
Proc. de SPIE vol. 12610, 126105U · © 2023 SPIE · 0277-786X · doi: 10.1117/12.2671477

Proc. de SPIE vol. 12610 126105U-1

Descargado de: [Link] el 25 de enero de 2024
Términos de uso: [Link]
 2. DESCRIPCIÓN GENERAL DE LAS FUNCIONES DE LA BIBLIOTECA

Este documento divide los principales módulos de funciones de la biblioteca en gestión de libros, gestión de personal,
gestión de lugares de servicio, servicios de información integrados y otros servicios de acuerdo con los procesos
bibliotecarios comunes. La gestión de libros incluye recoger y clasificar, alquilar y devolver libros, indexar libros y
seleccionar títulos; la gestión de personal incluye admisiones, antirrobo, prevención de epidemias/incendios, registro y
gestión de personal; la gestión del lugar de servicio incluye la gestión de asientos y la navegación por el área; Los servicios
de información integrados incluyen información de lectura y clasificación de libros (ver figura 1).

Figura [Link] del marco técnico (Crédito de la figura: original)

Las principales tecnologías de inteligencia artificial incluyen OCR, minería de datos, procesamiento del lenguaje natural, reconocimiento facial,
gráficos de conocimiento y aprendizaje automático. La combinación de estos aspectos y la lectura de los artículos relevantes consolida las funciones
y tecnologías comerciales de la biblioteca utilizadas en el siguiente diagrama.

3. EL ESTADO ACTUAL DE APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL

TECNOLOGÍA
Según fi gramoUre 1, podemos separar los negocios. s funciones en la gestión de la biblioteca,p la gente maneja ent, servicio ven
metro ue
gestión y d integra atio servicios mi
información de tedmetro nortee mesa 1).

t capaz [Link] revisión o Fla A pag

plicatura de artificial inteligencia gence-re yo ología s en el
tecnología ada norte biblioteca se ctor
sí Lugar de servicio Enegrado
t
Biblioteca Administrar ent gente hombre agemido
Negocios s gestión mi
metro
METRO Información servicio de ción

Función s
Libro F
Booh t
personal
epidemiametro Registrarse
i Mamá Área Leer
Asiento
Recolectar Alquiler recomendar norte Libro
Admitir i i ion y a
norte
IC/Fuego Hombre
y en y Ag- Navegar i t Rangoi
Kansas Hormiga
Usando libros ded Información
mi en la Ft Prevenir t Certificado t ge-
emme en pus iónicoh ng
Indiana
tecnología ogia Editando gramo Devolver
X
Selección
ion ion
norte
t
t
hombres
Sistema

RFID √ √ √ √

Básico Faro √ √ √
Percepción i Infrarrojo
en tecnología √ √
y
tecnología
ogia NFC √ √ √ √ √ √

LOC √ √

Proc. de SPIE vol. 12610 126105U-2

Descargado de: [Link] el 25 de enero de 2024
Términos de uso: [Link]
 Datos
√ √ √ √ √
Minería
artificial yo
PNL √ √ √
inteligencia mi
una vez d
conocimiento
√ √ √
ge grap h
tecnología oh
gy Máquina
√ √ √
Aprendiendo

Facial
reconocimiento √ √ √ √ √ √ √
en

3.1 tecnología OCR

OCR (reconocimiento óptico de caracteres) es un proceso en el que dispositivos electrónicos (como escáneres o cámaras digitales) examinan
caracteres impresos en papel, afirman su forma después de detectar patrones claros y oscuros y luego traducen la forma en texto de computadora
utilizando métodos de reconocimiento de caracteres. La tecnología OCR permite a las bibliotecas crear fácil y rápidamente una base de datos de
catálogos de recursos bibliotecarios y lograr la construcción de una base de datos de texto completo con funciones de búsqueda de texto completo,
al tiempo que facilita la compilación e investigación de recursos bibliográficos bibliotecarios [7], haciendo que la construcción de archivos digitales
bibliotecas mucho más eficientes. Si cuenta con el respaldo de más de cien muestras, la tecnología OCR generalmente es capaz de alcanzar una tasa
de reconocimiento superior al 90%. En el siguiente diagrama se muestra una ruta típica de la tecnología OCR (consulte la figura 2).

Figura [Link] de ruta de la tecnología OCR (Crédito de la figura: original)

La tecnología OCR se utiliza en bibliotecas principalmente para:

[Link]ón y edición
Reconocimiento de texto mediante tecnología óptica, es decir, mediante escaneo y cámara, conversión fotoeléctrica, acceso a información
de imágenes en papel, utilizando una variedad de algoritmos de reconocimiento de patrones para analizar las características morfológicas
del texto, para determinar el código estándar del texto [8 ](ver figura 3). A su vez, los datos del libro se archivan y clasifican, ahorrando
muchos costes laborales y de tiempo, y mejorando la eficiencia de la digitalización de recursos.

Figura [Link]ón de la tecnología OCR en el procesamiento de documentos de bibliotecas digitales Figura (Crédito de la figura: original)

3.1.2.Índice de libros

Después de escanear archivos en papel para convertirlos en imágenes y reconocerlos mediante OCR, se puede crear una base de datos de recursos
en formato de texto. Esto permite a los usuarios buscar rápidamente los recursos que necesitan cuando se enfrentan a una gran cantidad de
recursos, aumentando así la utilización de los recursos de la biblioteca [7]. Esto no sólo resuelve el problema de digitalizar materiales de texto mixto
sino que también mejora la eficiencia del proceso al omitir la identificación directa de OCR. Además, el texto original del material original del libro se
puede mantener bien [9].

3.2 Minería de datos

La minería de datos es el proceso de extraer conocimientos, modelos o reglas ocultos de una gran cantidad de datos incompletos, ruidosos,
confusos y aleatorios, que no se conocen de antemano pero que son potencialmente valiosos, y es un tipo de método de análisis profundo de
datos[10 ]. En las bibliotecas, la minería de datos puede analizar datos de comportamiento de los usuarios, como el tiempo de acceso, estadísticas
de préstamo, grupos de usuarios objetivo, etc., y obtener información valiosa para ayudar a las bibliotecas a brindar servicios personalizados y
maximizar la utilización de sus colecciones.

Proc. de SPIE vol. 12610 126105U-3

Descargado de: [Link] el 25 de enero de 2024
Términos de uso: [Link]
 La metodología CRISP-DM divide el ciclo de vida de un proyecto de minería de datos en seis fases: comprensión del negocio, comprensión y
recopilación de datos, preparación de datos, modelado de datos, evaluación de modelos e implementación.

[Link]ón y edición
El proceso de combinar algoritmos de minería de datos y algoritmos de recuperación de información para analizar y procesar automáticamente
grandes cantidades de información textual cuando los objetos de minería de datos implementan combinaciones de tipos textuales de información
digital se denomina minería de textos. Ante cantidades masivas de información, la tecnología de minería de textos compensa la falta de mano de
obra y tiempo, facilitando el proceso de procesamiento y mapeo de diversos tipos de información en bibliotecas digitales para futuros servicios
bibliotecarios digitales [11].

3.2.2 Índice de libros

En el método de acceso tradicional, los usuarios obtienen información de los libros mediante la clasificación de números de libros relevantes, pero la tecnología
de extracción de datos puede ayudar a los usuarios a buscar la información que necesitan mediante la clasificación de la demanda. Para satisfacer las
necesidades especiales de lectura de los usuarios, se pueden recomendar libros para su lectura en función del historial de lectura del usuario y los registros
relacionados, proporcionando un servicio más personalizado para los usuarios [11].

[Link]ón de libros recomendados

La aplicación de la tecnología de minería de datos no sólo mejora la utilización de los recursos de datos, sino que también analiza los hábitos de
comportamiento de los usuarios y capta sus características y necesidades [12], ayudando así a los gestores de bibliotecas a seleccionar los tipos de libros que
se introducirán posteriormente según las necesidades de los lectores. preferencias.

[Link] información push

Con la popularidad de los dispositivos móviles de Internet, como teléfonos móviles y computadoras móviles, la aplicación de tecnología de extracción de datos puede
recopilar y cotejar los hábitos de búsqueda de los usuarios. Las bibliotecas pueden desarrollar clientes móviles para varios dispositivos para brindar servicios más precisos a
los usuarios. La tecnología de minería de datos puede analizar los registros de comportamiento de los usuarios, mejorar los datos de los usuarios, identificar las
necesidades de los usuarios y realizar servicios personalizados [12].

3.3 Mapeo del conocimiento

El objetivo principal del Knowledge Graph es describir las diversas entidades y conceptos que existen en el mundo real y las
relaciones entre ellos y, por lo tanto, puede considerarse como una red semántica.

La construcción de un mapa de información para el lector no sólo puede proporcionar soporte de datos para la gestión y la toma de decisiones de la biblioteca,
sino también proporcionar a los lectores literatura personalizada y recursos de aprendizaje; La construcción de un mapa de enlaces de datos puede ampliar los
límites de los servicios de conocimiento, de modo que los usuarios de diferentes campos no sólo puedan obtener sus propios servicios de recursos
especializados cuando buscan materiales bibliotecarios, sino también mejorar la capacidad de búsqueda de los motores de búsqueda basados en los enlaces
visuales de el mapa del conocimiento, y Ampliación de los límites del conocimiento de los lectores [13].

3.4 Tecnología de reconocimiento facial

El reconocimiento facial, como reconocimiento basado en características fisiológicas en el campo de la identificación biométrica, es una tecnología
que extrae rasgos faciales por computadora y realiza una verificación de identidad basada en estas características [14]. El sistema de
reconocimiento facial comienza con la recopilación de datos de los rostros y los transmite a la nube. Y luego se procesan los datos faciales y, una vez
completado el procesamiento, los respectivos códigos de características faciales correspondientes se crean y almacenan en la nube y se realiza una
copia de seguridad en consecuencia [15]. La tecnología de reconocimiento facial satisface principalmente las siguientes necesidades para el trabajo
diario de las bibliotecas.

[Link] y devolución de libros

Cuando un prestatario saca un libro en préstamo, la cámara tomará una fotografía del rostro del prestatario y cargará la información en
la nube. La plataforma en la nube procesará rápidamente la imagen cargada y generará un código de reconocimiento facial
correspondiente, que se comparará con el código de reconocimiento facial en la base de datos anterior para realizar una selección y
comparación precisas [15]. Una vez realizada la coincidencia, el lector puede proceder con la operación de préstamo y devolución
correspondiente.

Proc. de SPIE vol. 12610 126105U-4

Descargado de: [Link] el 25 de enero de 2024
Términos de uso: [Link]
 [Link]ón
La admisión mediante barrido facial es una de las formas más sencillas de implementar el reconocimiento facial en las bibliotecas. La entrada
mediante barrido facial no sólo elimina eficazmente la vergüenza de que los usuarios olviden sus tarjetas y no puedan entrar a la biblioteca, el
peligro oculto de que otras personas utilicen las tarjetas perdidas de manera fraudulenta y el inconveniente de tener demasiado equipaje para
tener las manos libres para encontrarlas. tarjetas [16].

[Link]ón de epidemias/prevención de incendios

Una biblioteca es un lugar donde es muy probable que los estudiantes se reúnan y se concentren. A través de la tecnología de reconocimiento
facial, los administradores de la biblioteca pueden controlar de manera más precisa y efectiva la trayectoria de cada lector en la biblioteca y, de
acuerdo con los requisitos de prevención y control de epidemias, el análisis de calor del espacio de lectura de la biblioteca en segundo plano se
puede utilizar para determinar aumentar los lectores entrantes a tiempo, reducir la reunión de lectores y disminuir el riesgo de seguridad [17].

[Link] y Licencia
La emisión de tarjetas de autoservicio por parte de lectores puede simplificar enormemente el procedimiento de emisión de tarjetas y mejorar la
eficiencia de la emisión de tarjetas. Por ejemplo, la Biblioteca de Zhengzhou cooperó con Alipay, basándose en la plataforma de servicios en línea
existente de la biblioteca y la plataforma Sesame Credit de Alipay, para lanzar la primera máquina de servicio de préstamo inteligente de crédito en
la provincia de Henan, que permite el registro de tarjetas sin depósito a través de medios técnicos como el código. escaneo y reconocimiento
facial[18].

[Link]ón de personal

Los datos de muestra del rostro del personal se pueden ingresar en la base de datos del personal para distinguir entre lectores comunes y personal de la
biblioteca durante el reconocimiento facial, y para dividir los derechos de acceso de estos dos grupos diferentes de personas, lo que desempeña un papel para
garantizar la seguridad de la información y la gestión del personal en la biblioteca.

[Link]ón de asientos

Para una mejor gestión inteligente de las reservas de asientos, algunas bibliotecas han introducido tecnología de reconocimiento facial en
sus sistemas de gestión de reservas de asientos. La información de la persona que ingresa a la sala de estudio se reconoce de manera
inteligente tan pronto como el lector pasa la entrada y la pantalla muestra automáticamente el inicio de sesión exitoso [16].

3.5 Aprendizaje automático

Machine Learning es un método que permite a las computadoras dibujar automáticamente patrones a partir de ciertos datos y derivar un modelo
predictivo que puede usarse para hacer predicciones sobre datos desconocidos.

El aprendizaje automático puede ayudar a las bibliotecas a mejorar la calidad de sus servicios en las áreas de selección y clasificación, selección de
recomendaciones de libros y entrega de información de lectura.

[Link]ón y edición
Al aplicar técnicas de aprendizaje automático, una gran cantidad de datos de literatura catalogada se preprocesa mediante separación de palabras
y se extraen características para el aprendizaje, se genera un modelo de clasificación de literatura por inferencia y finalmente se obtiene un modelo
con alta precisión de clasificación para la clasificación formal de la literatura. Trabajar mediante la formación continua para la corrección. El modelo
experimental establecido por Peng Ye logró una tasa de corrección del 92,9% cuando la proporción de muestras de entrenamiento y muestras de
prueba fue de 9:1 [19], lo que demuestra que el modelo tiene una tasa de error baja y puede ahorrar costos de mano de obra al mismo tiempo que
garantiza la precisión. de clasificación, y hace que el trabajo de citación de literatura sea más automatizado e inteligente.

[Link]ón de libros recomendados

La decisión de entrevistar afecta la calidad de la construcción de los recursos de la colección, pero en la práctica, es necesario establecer un modelo
que integre las opiniones de los lectores y de la biblioteca, por un lado, a través de los datos básicos de identidad de los lectores, el préstamo
histórico y otros datos. para aprender a derivar las preferencias de los lectores, por otro lado, a través de la situación de la colección, datos de
entrevistas históricas, presupuesto de adquisición, evaluación de la literatura, etc. para formar las preferencias de la biblioteca, y a través de una
gran cantidad de capacitación para aprender a dar preferencias a los lectores también as El modelo de adquisición se forma dando diferentes pesos
a las preferencias de los lectores y las preferencias de las entrevistas a través de una capacitación extensa para proporcionar una base de decisión
científica para adquirir documentos de la colección [20].

Proc. de SPIE vol. 12610 126105U-5

Descargado de: [Link] el 25 de enero de 2024
Términos de uso: [Link]
 [Link] información push

El servicio de recomendación personalizado basado en el aprendizaje automático es un proceso de aprendizaje automático que recopila datos de identidad
básicos de los usuarios, datos de preferencias de contenido, datos sociales, etc., extrae características clave de los intereses de los usuarios de múltiples
dimensiones de datos, representa un retrato completo del usuario y luego realiza un push personalizado [20]. Por ejemplo, cuando un usuario necesita
recuperar información e ingresa un término de búsqueda en la plataforma de recuperación, el cuadro de búsqueda aparecerá con las palabras u oraciones que
quizás desee ingresar antes de que el usuario haya terminado de ingresar las palabras clave, y puede cambiar según las preferencias del usuario. Las
declaraciones se ajustan y el contenido del mensaje que muestra el sistema variará de un usuario a otro, incluso si cada persona ingresa las mismas palabras
[21].

3.6 Procesamiento del lenguaje natural

El procesamiento del lenguaje natural (PNL) es el uso de computadoras para procesar, comprender y utilizar el lenguaje humano (por
ejemplo, chino, inglés, etc.) y es una rama de la inteligencia artificial. También se la suele denominar lingüística computacional.

Las tareas comunes en PNL incluyen: separación de palabras, codificación de palabras, digestión automática, reconocimiento de entidades, reconocimiento de
temas, traducción automática, clasificación de texto, generación de texto, análisis de sentimientos, extracción de palabras clave, etc. Los mecanismos de
procesamiento del lenguaje natural se muestran en la siguiente imagen (consulte la figura 4). ).

Figura [Link] de procesamiento del lenguaje natural (Crédito de la figura: original)

Entre los métodos de clasificación de palabras chinos se encuentran los métodos de clasificación de palabras basados en léxico, los métodos de clasificación
de palabras basados en estadísticas y los métodos de clasificación de palabras basados en la comprensión [22]. Los métodos de separación de palabras
basados en diccionarios requieren un diccionario estándar y, por lo general, utilizan algoritmos de coincidencia máxima directa, algoritmos de coincidencia
máxima inversa y algoritmos de corte mínimo para hacer coincidir el texto que se separará con el diccionario, y las palabras que coinciden con éxito se cortan;
Los métodos de separación de palabras basados en estadísticas no requieren un diccionario, y si las palabras se consideran como una combinación fija de
palabras y las palabras adyacentes aparecen juntas más allá de un cierto umbral, se tratan como una sola palabra [23]. La separación de palabras, una parte
importante del procesamiento del lenguaje natural, también se utiliza ampliamente en el campo bibliotecario.

Los resúmenes automáticos proporcionan una breve descripción general del contenido de un libro y ayudan a los lectores a hacer un juicio
preliminar sobre si explorar más el libro o no, mejorando así la eficiencia de su selección de libros. El trabajo con resúmenes automáticos se basa
principalmente en el marco de extracción de oraciones o resúmenes automáticos 'extractivos', donde los principales pasos de procesamiento
generalmente son calcular la importancia de las oraciones y seleccionar oraciones para formar un resumen usando algunas reglas para clasificarlas,
posiblemente teniendo en cuenta redundancia de cuentas, etc. [24].

Proc. de SPIE vol. 12610 126105U-6

Descargado de: [Link] el 25 de enero de 2024
Términos de uso: [Link]
 Figura [Link] de arquitectura del sistema de preguntas y respuestas[25]

Proc. de SPIE vol. 12610 126105U-7

Descargado de: [Link] el 25 de enero de 2024
Términos de uso: [Link]
 Figura [Link] de interfaz del sistema de preguntas y respuestas[25]

El sistema automático de preguntas y respuestas de la biblioteca es también una de las aplicaciones importantes del procesamiento del lenguaje natural. En
gran medida, los sistemas automáticos de preguntas y respuestas de las bibliotecas (ver figura 5) comparten el trabajo de los servicios de consulta manual y se
convierten en un puente y vínculo para la comunicación e interacción entre bibliotecas y lectores (ver figura 6), todos ellos proyectos fundamentales para la
construcción digital. bibliotecas [26]. La primera introducción de sistemas de preguntas y respuestas de IA en las bibliotecas de China la inició la Universidad de
Tsinghua [27], seguida por una serie de universidades como la Biblioteca de la Universidad de Nanjing [28], la Biblioteca de la Universidad del Sureste [29] y la
Biblioteca de la Universidad Xi'an Jiaotong [30 ], que también creó sistemas de preguntas y respuestas basados en la plataforma WeChat.

4. CONCLUSIÓN
Las bibliotecas han entrado en una nueva era de rápida innovación y desarrollo como resultado de los avances continuos en la tecnología de
percepción básica y la tecnología de inteligencia artificial. Cada vez más bibliotecas utilizan tecnologías relevantes para mejorar la eficiencia de la
biblioteca, la calidad del servicio, la precisión de las decisiones, la utilización de la información y la experiencia del usuario en las visitas a la
biblioteca. Este artículo combina la aplicación de numerosas tecnologías en el campo bibliotecario, destacando una breve descripción general de
cada tecnología y analizando las funciones que las bibliotecas han logrado o pueden lograr con la ayuda de las tecnologías existentes. Aunque las
tecnologías de percepción básica e inteligencia artificial se han utilizado con éxito en las bibliotecas durante décadas, todavía existen algunos
problemas en la implementación real, como la financiación, la utilización y los índices de entrada-salida, que deben considerarse en el proceso de
implementación.

REFERENCIAS

[1] Zhang Xingwang. El impacto y la aplicación de la inteligencia artificial a las bibliotecas de AlphaGo[J].
Biblioteca e inteligencia, 2017(03):43-50.

Proc. de SPIE vol. 12610 126105U-8

Descargado de: [Link] el 25 de enero de 2024
Términos de uso: [Link]
 [2] Shao Bilin, Yang Qiao. Análisis de las tendencias de investigación de recomendaciones personalizadas en bibliotecas de
China desde la perspectiva del gráfico de conocimiento [J]. Investigación y trabajo bibliotecario, 2021(02):88-
[Link].16384/[Link].2021.02.012.
[3] Huang Xiaobin, Wu Gao. Oportunidades de desarrollo y tendencias de cambio de las bibliotecas en la era de la
inteligencia artificial[J]. Biblioteca e inteligencia, 2017(06):19-29.
[4] Du Jun. Investigación sobre los nuevos cambios de las bibliotecas universitarias en la era de la inteligencia artificial, tomando
como ejemplo la biblioteca de la Universidad Qiqihar[J]. Mundo de la comunicación digital, 2021(12):222-224.
[5] Tu Jiaqi, Yang Xinya, Shen Min. Investigación y práctica de un sistema inteligente de entrevista de libros basado en la
demanda y la decisión: un estudio de caso de la Biblioteca de la Universidad de Chongqing [J]. Trabajo de inteligencia
bibliotecaria, 2020,64(11):28-34.0252-3116.2020.11.004.
[6] Ye Rongrong, Yuan Quan, Cao Lei. Diseño funcional e implementación de tecnología de reconocimiento facial basada en
Face++ en bibliotecas inteligentes: un estudio de caso de la biblioteca de la Universidad Farmacéutica de China [J].
Investigación de inteligencia bibliotecaria, 2022,15(02):122-128.
[7] Wang Lingli. Una introducción a la aplicación de la tecnología OCR en el procesamiento de recursos literarios
bibliotecarios: un ejemplo del proyecto de producción de datos OCR de texto completo de la Biblioteca de Literatura
Moderna de Shanghai[J]. Imágenes digitales y microscópicas, 2015(01):23-26.
[8] Ma Mingxia. Aplicación de la tecnología OCR en el procesamiento de documentos de bibliotecas digitales [J]. Diario
Jintu, 2003(01):30-31.
[9] Chi Chunjia. La tecnología OCR y su aplicación en la construcción digital de recursos de información de bibliotecas
universitarias [J]. Información sobre ciencia y tecnología de China, 2007(07):95-96.
[10]Minería de datos - Enciclopedia de inteligencia MBA ([Link])
[11]Xu, Chia. La aplicación de la tecnología de minería de datos en bibliotecas digitales [J]. Tecnología de Internet
inalámbrica, 2021,18(18):92-93.
[12]Zhao Qiushi. Aplicación de la tecnología de minería de datos en los servicios bibliotecarios digitales [J]. Materiales de registro de
información, 2019,20(06):[Link].16009/[Link].cn13-1295/tq.2019.06.105.
[13]Chen Ge. Pensando en la construcción de un servicio bibliotecario de recuperación de conocimiento basado en la
aplicación del mapeo de conocimiento [J]. Biblioteca Nuevo Siglo, 2020(12):46-48+[Link].16810/
[Link].1672-514X.2020.12.008.
[14]Liang Wenli. Investigación sobre algoritmo de reconocimiento facial basado en análisis de componentes independientes [D].
Universidad de Ciencia y Tecnología de Xi'an, 2012.
[15]Liu Jingjing. Diseño de un sistema de préstamo de biblioteca universitaria basado en reconocimiento facial integrado [J].
Tecnología electrónica moderna, 2020,43(20):[Link].16652/[Link].1004-373x.2020.20.010.
[16]Wan Wenjuan. Análisis de la situación actual y estrategia de aplicación de la tecnología de reconocimiento facial en
bibliotecas [J]. Biblioteca Nuevo Siglo, 2022(1):42-47. doi:10.16810/[Link].1672-514X.2022.01.009.
[17] Duan Hui. Un análisis de la aplicación de la tecnología de reconocimiento facial en bibliotecas [J]. Maquinaria agrícola de
Hebei, 2020(08):[Link].15989/[Link].2020.08.036.
[18]La biblioteca de Zhengzhou registra tarjetas sin depósito mediante "código de barrido" y "cara de barrido" [EB/OL].
[2020-12-23]. [Link]
[19]Ye Peng. Clasificación automática de artículos de revistas chinas basada en aprendizaje automático [D]. Universidad de
Nanjing, 2013.
[20]Xiao Yue, Li Nianzu, Xie Peng. Investigación sobre la aplicación del aprendizaje automático en bibliotecas inteligentes [J]. Revista
de la biblioteca de Shandong, 2021(04):63-67+71.
[21]Zhang Kun, Wang Wentao, Xie Yangqun. Investigación sobre la aplicación del aprendizaje automático en el campo de la
inteligencia bibliotecaria [J]. Investigación en biblioteconomía, 2018(01):[Link].15941/
[Link].issn1001-0424.2018.01.007.
[22]Xiong, Hui-Xiang, Xia, Lixin. Una revisión de las técnicas de separación de palabras chinas [J]. Trabajo de inteligencia bibliotecaria,
2008(04):81-84.
[23] Lou Wen. Tecnologías clave e investigación empírica sobre semantización de recursos de colección[J]. Revista
China de Bibliotecología, 2013,39(06):[Link].13530/[Link].2013.06.005.
[24]FR Wei. Investigación sobre resumen automático de múltiples documentos basado en el modelo gráfico [D]. Universidad de Wuhan, 2009.

[25]Lu Wei, Qi Yue, Hu Xiaoge, Huang Yongkai, Cheng Qikai. Diseño e implementación de sistema automático de
respuesta a preguntas en biblioteca [J]. Ingeniería de la información, 2019,5(02):5-16.

Proc. de SPIE vol. 12610 126105U-9

Descargado de: [Link] el 25 de enero de 2024
Términos de uso: [Link]
 [26]Lu Wei, Qi Yue, Hu Xiaoguo, Huang Yongkai, Cheng Qikai. Diseño e implementación de un sistema automático de
preguntas y respuestas para biblioteca[J]. Ingeniería de Inteligencia, 2019,5(02):5-16.
[27] Yao Fei, Ji Lei, Zhang Chengyu, Chen Wu. Un nuevo intento de servicio de consulta de referencia virtual en tiempo real: el chatbot
inteligente de la Biblioteca de la Universidad de Tsinghua [J]. Biblioteca moderna y tecnología de la información, 2011(04):77-81.

[28] Shen Kui-Lin, Shao Bo, Zhao Hua. Creación de un sistema inteligente de preguntas y respuestas para bibliotecas utilizando
WeChat [J]. Estudios bibliotecarios, 2015(08):[Link].15941/[Link].issn1001-0424.2015.08.015.
[29] Luo Tao, Zhu Ying. Investigación e implementación de robot de consulta MSN para bibliotecas [J]. Trabajo de inteligencia
bibliotecaria, 2012,56(19):105-108+68.
[30] Li Dan. Práctica y pensamiento de la construcción de la plataforma WeChat de la biblioteca [J]. Biblioteca moderna y tecnología de la
información, 2016(04):104-110.

Proc. de SPIE vol. 12610 126105U-10

Descargado de: [Link] el 25 de enero de 2024
Términos de uso: [Link]