1.4 资源发现系统功能调研
针对问卷和访谈中普遍反映的问题，我们对现有资源发现系统的功能进行再次调研，了解当下用户感兴趣的功能是否有系统已经实现，同时查阅相关研究文献，寻找针对用户所反映问题的可能解决方案。此外，我们对现有几大主流资源发现系统进行了功能总结。
1）资源发现系统检索效果提升
从问卷调查结果中可以看出，资源发现系统检索结果是否与检索需求相匹配是影响用户体验的最重要因素之一。许多学者研究提出了改善资源发现系统检索效果的不同见解，这其中包含一系列围绕提升元数据质量展开的方法。如在元数据清洗中，刘丹[23]提出需要关注数据格式的规范性、逻辑上的无误、一致、有效性。Li等[24]把众包的思路引入元数据清洗中，达到效率和质量的平衡。另外，也有学者提出利用关联数据来改善检索结果。关联数据是一种新的数据交换和表示的语义网技术。它使用资源描述框架（RDF）作为数据的模型，用统一资源标识符（URI）标识数据，具有可机读的特点。在资源发现系统中运用关联数据，可根据不同的关联性类别，如在类别、引用、语义、时间上的关联性，向用户推送可能需要的文献。李琳娜等[25]通过文献的共引关系实现了相关文献的查找与推荐。
2）资源发现系统的主动推荐功能
个性化推荐最早应用于电子商务领域，能够降低销售成本，提升销售效率。已经有很多研究尝试将推荐系统应用到资源发现系统中。如Liping Shen，Ruimin Shen等[26]介绍了一种由知识库和用户能力差距分析构成的、基于排序规则的智能推荐机制，但这种基于简单的排序规则的系统仍不能实现完全的智能推荐。王志梅、杨帆等[27]提出了一种新颖的基于多代理的远程协作学习资源推荐机制，同时构建了一个供社区学习者共享的即时交互和学习资源推荐平台,为社区学习者的学习资源共享提供了有针对性的推荐，同时构建了一个供社区学习者共享的即时交互和学习资源推荐平台,为社区学习者的学习资源共享提供有针对性的推荐。在数字图书馆中，常有着标记为“猜你喜欢”的图书推荐窗口。它以用户数据和图书馆的图书数据为基础，通过构建用户画像模型，为读者提供个性化书目推荐。因此，在资源发现系统中，同样可以考虑更多地采用这样的推荐系统。在“EDS”资源发现系统中，系统就通过用户的检索行为分析其偏好，以快报推送的方式提供主动服务，从而吸引用户增加对发现系统的使用[28]；知网也在检索子页面为用户提供了“为我推荐”窗口，能够根据用户检索历史提供相关文献的题目以及超链接。
3）资源发现系统中的学术社区功能
现国内外已存在着一些独立于资源发现系统的学术社区网站，类似于微博或豆瓣网，但话题都与学术有关。在这样的网站中，主要提供学者间的社交功能，兼顾对期刊论文的评价功能。举例来说，比较著名的有国内的“小木虫论坛”“科研之友”，国外的“Research Gate”等。在学术社区中，用户能关注其他学者，参与学术话题讨论、为期刊论文评分等，也能通过社交网络，了解他人关注的学者和文章。应用学术社区功能除了促进学者间的交流，更能起到对学术资源的评价作用。同时，学术社区的“关注”功能还可以帮助学者通过人脉网络，了解和获得潜在的学术资源。不同学术社区的功能对比如表1-7所示。
表1-7 三大国内外学术社区功能一览
此外，本研究对超星发现、维普智立方、Summon、EDS、Primo等常用且功能较为完善的资源发现系统进行了功能调研，整理结果如表1-8所示。
表1-8 常用资源发现系统功能一览
