介紹系統實作環境和工具，展示系統執行結果，以及對系統設計做 初步的結果驗證。
第六章、結論與未來研究建議
為本研究之總結，說明相關成果與貢獻，並提出未來可繼續研究之 課題。
第二章 文獻探討
本章就研究內容所需文獻做一分析探討，共分為專題選粹服務、數位圖書館 個人化服務，與 RSS 相關文獻等三大部分，其整體分佈如圖 2-1 所示。
圖 2-1 文獻整理
2-1 專題選粹服務（Selective Dissemination of Information, SDI）
2-1-1 定義、目的與作業模式
1.定義與目的
陸敏清楚定義出：專題選粹服務是針對讀者個別興趣，選擇最新資訊，以 主動積極的方式，定時提供資訊服務[2]。
Luhn 在 1961 年曾提出，SDI 是一項在機器（電腦）輔助下，傳播新資訊 的服務，目的是要使組織內的每位成員能獲取新的資料，而組織內各項資料的 使用率能達到最高點[5]。
Housman 和 Kaskela 在 1970 年說明，SDI 系統的目的並不是研究人員在緊 急時，去找出有用的資料；而是持續通知研究人員在專業領域上的新資料，讓 研究人員得以跟上最新發展。自動化的 SDI 並沒有完全取代獲取資訊的習慣，
也沒有保證篩選出所有關於使用者核心興趣的文獻資料，但是 SDI 可以在一般 搜尋能力和意願的範圍之外，幫助研究人員定期更新資料[6]。
更廣義的解釋是，不論採用人工或自動的方式，只要針對個別使用者，提 供現況通知服務，選擇有關研究興趣的新資料並加以傳遞，就算是 SDI 服務。
2.作業模式
無論是人工手動或電子自動化系統，在篩選資料時，專題選粹服務之一般 模式，如圖 2-2。
圖 2-2 專題選粹服務的一般模式[2]
圖 2-2 作業流程如下：
（一）讀者研究興趣與資料蒐集
z 讀者興趣研究
專題選粹服務的對象可以是個人、團體、或學科主題。常用的方法 有問卷法、面談法、閱讀服務對象最近出版的文章、參觀實驗室等。工 作人員根據調查結果加以整理，再製成讀者興趣檔，並決定讀者研究的 關鍵字。現行電子化系統，通常由讀者自行勾選建立。
此作業目的在瞭解讀者個別興趣，建立興趣檔資料，以供往後比對 使用。
z 資料蒐集
除了圖書館藏書、還有西文文獻、書目資料、書刊及期刊的目次表、
以及一些報導性的消息短文。現在網路資訊發達，網路上的資料亦不 少，平日可多觀察、累積一些資訊。
此作業主要在累積、蒐集多方面的新資訊，做為往後新資訊比對、
篩選的來源。
（二）資料篩選對照
將讀者的興趣檔、關鍵字和所蒐集的資料配合比對，選出相符部分的 資料，依讀者需求，提供書目、目次表或全文。若有不相符的部分，則依 狀況修改原先的興趣檔和關鍵字。現行的電子化系統，每家廠商有不同的 演算法設計配對，以找出相符合的資料。
（三）讀者資料檔備份
專題選粹服務所提供的資料，應留存一份，載明資料標題、篇名、作 者、資料來源、序列號及讀者姓名。以供後續服務，編印專題書目，及給 其他讀者查詢。現行電子化系統，大都可將這些資料儲存於系統，供進一 步使用。
（四）資料寄發
為爭取時效，在讀者要求的時間內，將資料傳送給讀者；通常有一星 期一次，半個月或一個月一次。現行電子化系統，多以電子郵件方式寄送。
SDI 服務和其他服務最大不同的特點，在於個別讀者興趣檔的發展維 護，而且可以隨資訊需求改變而更改。同時，研究顯示，那些規律使用 SDI 服務的研究者，其研究生產力比起那些不常使用或沒有訂閱的同事們要高
（研究生產力乃是以所出版的文章數量來評量）[7]。
2-1-2 歷史發展
溯及歷史，SDI 一開始是以人工服務的方式。1920 年代，紐約公共圖書館請 讀者填寫興趣卡（即 Profile 檔），當有新資料進館時，圖書館就依此興趣卡來寄 發相關資料。但當時尚未有「專題選粹服務 SDI」的正式名稱，這項服務雖然相 當受到讚賞，但需要大量的人力，因此沒有擴大服務[8]。
到 1940 年，哥倫比亞大學開始使用一個稱為「書目服務」的程式，這是在 MEDLINE 和 Library Literature 二個資料庫中查詢到最早的自動化 SDI 紀錄[8]。
正式最早的專題選粹服務是 Luhn 於 1961 年實施。他創先致力於通知研究者 新資訊，在 IBM 公司用當時的電腦建立一套「商業智慧系統（Business Intelligence System）」，整理新到文件，經由關鍵字統計分析，篩選出文章摘要，然後將摘要 遍的。直到 1972 年，美國國家醫學圖書館（National Library of Medicine, NLM）
引進 SDILINE 系統，自動化的 SDI 才廣泛取代了人工 SDI[9]。
IBM 公司陸續完成 SDI-2，SDI-3，SDI-4，SDI-5 系統 1962 年 美國化學學會（American Chemical Society）以磁帶方式供應
化學文獻的篇名（Chemical Titles）
1963 年 艾美斯實驗室（Ames Lab）將機器可讀的輸入與回饋設備，
裝置在其 SDI 電腦系統
1965 年 ISI 發展一套商業性的 SDI 系統-ASCA（Automatic Subject Citation Alert）
1968 年 2 月 雪爾研究公司（Share Research Corporation）出版 SDI 書目 1968 年 9 月 美國印第安那大學（Indiana University）利用 LC 的 MARC
Tapes 提供 SDI 服務
1968 年 9 月 ASIDIC（Association of Scientific Information Dissemination
Centers）利用磁帶提供 SDI 及回溯性服務
1968 年 11 月 “化學資訊會議”在荷蘭舉行，討論利用電腦來處理資訊 1968 年 11 月 美國國家醫學圖書館介紹 MEDLARS 系統（Medical
Literature Retrieval System）
1969 年 4 月 威斯康斯大學（University of Wisconsin）舉行有關 SDI 的研討會議，評鑑 SDI 的發展與作業
1969 年 6 月 ASIS-SIG/SDI（American Society of Information Science –Special Interest Group）調查研究 SDI 系統 1969 年 10 月 ASIS-SIG/SDI 正式成立
1970 年 4 月 EUSIDI（European Association of Scientific Information Centers）提供電腦的化學資訊服務
1971 年 6 月 ASLIB（Association of Special Libraries and Information Bureaux）開會討論資訊服務問題
（三）全面的回饋
新知通報（Current Awareness Service, CAS）是比專題選粹服務更為廣泛的 概念。不局限在期刊書目上，只要有新的公告或圖書期刊到館，就會通知讀者。
類似期刊目次這樣的電子服務，連結到文獻傳遞，也減少期刊因較少使用而被 取消購買的機會[12]。
2-2 個人化服務
個人化資訊服務一直是圖書館努力的方向之一，拜近年來科技發展之賜，個 人化資訊服務的可行性及影響已逐漸受到重視。這項新的服務空間可能是對傳統 圖書館服務的一項挑戰，也可能替圖書館開創新的契機[13]。
圖書館向來提供的 SDI 服務也可說是個人化服務的一種。以下便就個人化服 務及本研究之相關設計做一概括介紹。
2-2-1 定義
個人化（Personalization）是針對不同的個人，給予不同的產品或服務，以滿 足屬於個人的需求。此概念最早出現於製造業，但稱為「大量客製化
（Mass-Customization）」，意指依客戶的需求去生產。更早期的製造業為降低生產 成本，達到經濟規模效益，採取「大量生產（Mass-Production）」的方法；但隨著 生活水準的提升，個人需求日增，而有「大量客製化」的概念產生。將此概念應 用到服務業，就是「個人化」。
「個人化」比「客製化」更強調每個個人，Mittal & Lassar（1996）提出二者 間的差異：
z 客製化不需透過人員的接觸即可完成，但個人化必須和顧客接觸。
z 個人化不是以任務（Task）為導向，而是利用互動的方式瞭解需求。
z 負責個人化的人員必須隨時提供顧客所需要的需求。
在網路上，「個人化」與「客製化」常代表同樣的涵義，但兩者定義有所不 同。個人化由網站主導，藉由紀錄使用者的個人資料或瀏覽行為，網站即可提供 滿足使用者個人需求的內容；而客製化則由使用者主導，自行決定網頁的畫面或 資料呈現方式，例如在 MyYahoo 中，使用者可能把天氣資訊移到首頁最上方，以 備經常查詢之需[14]。
從商用行銷的角度來看，個人化服務可說是區隔目標市場的一種行銷方法。
透過和顧客間瞭解（Understanding）、溝通（Communication）、與謙恭友善（Courtesy）
的行為，找出「因人而異」的因素和最終商品，讓每位顧客感覺是為他「量身訂 作」的商品，從而提升整體的服務。將此觀點應用到圖書館的資訊服務，則是透 過對讀者個別差異的了解，提供滿足個人需求的服務，提高整體讀者服務的滿意 度。
2-2-2 個人化的方法
個人化在技術上有許多不同的分類與作法，有些方法需要使用者主動參與，
例如選填表單或回答一系列設計好的問題；另外則是採取隱藏的方式，直接追蹤 使用者的資料與行為，不需要使用者輸入資料。整體而言，目前網路上使用的方 法可分為下列五種[15]：
1.以規則為主的過濾法（Rule-Based Filtering）
此法需要使用者先回答些問題，然後依據回應的資料來傳送內容。對網站 而言，需事先將企業規則（Business Rules）邏輯化。如本研究系統中，根據所 輸入的登入帳號，判別所屬學院，再列出該學院背景相關的期刊供選擇。
2.學習性代理人技術（Learning-Agent Technology）
這是最不干擾使用者的個人化方式，透過系統自動追蹤使用者在網站上瀏 覽行為來達成。而且這些系統通常也有學習能力，能根據使用者實際點選了網 頁中哪些項目，調整網頁下次展示的內容。如本研究中，藉由圖書館自動化系 統中對讀者瀏覽期刊的歷史紀錄，推測讀者對期刊的喜好和需求，而供選擇訂 閱。
3.以內容為主的過濾法（Content-Based Filtering）
以文件內容作為過濾的對象並加以分析比較，系統會將新進資訊和興趣 檔做比對達成資訊過濾。通常以關鍵字詞比對方式對文件內容(Content) 加以 分析比對，著名的商用系統如 Verity、CompassWare、IBM InfoSage 及 InfoSeek Personalized News 等皆是採用此類技術。
4.以合作為主的過濾法（Collaborative-Based Filtering）
此法不但會根據使用者興趣來判斷新進資訊，還會考慮使用者的背景、系
為複雜，因此採用的系統較少。
5.以限制條件為主的過濾法（Constraint-Based Filtering）
和以內容為主的過濾法相似，只是先輸入查詢的條件，以縮小查詢的範圍，
例如查詢多少價錢內的書籍、一段時間內出版的書籍。本研究中以關鍵字及輸 入的過濾、檢索條件，查詢出精確所需的期刊文章。
因為使用的推薦方法不同或混合使用上述幾種方法，所以產生個人化的程度 也不同。程度可分為三種：第一種是無個人化（Non-Personalized），如只用一些 統計摘要方法所產生，每個人的推薦內容是一樣的。第二種是短期的個人化
（Ephemeral Personalization），主要依據顧客最近的網頁瀏覽記錄或選取了哪些商
（Ephemeral Personalization），主要依據顧客最近的網頁瀏覽記錄或選取了哪些商