原文出处：Tim Spalding – Future of Librarians Interview

Tim Spalding是密歇根大学希腊语和拉丁语的毕业生，他也创建了LibraryThing，一个专为藏书者而设的社会网络站点。
您是LibraryThing的创造者,但有些读者可能对您还不太了解,能否给我们介绍一下您自己和您的背景?
当然可以。我个人倒是没什么可以说的。LibraryThing是我第一个受到注意的尝试。我在Houghton Mifflin工作过一段时间，还有我是密歇根大学希腊文和拉丁文的毕业生。

书在我们的生命中占有非常中心的部分。我最终跟一个小说作家结了婚，想要控制家里书的数量是不可能的。我从孩子时代就一直在给书分类；我有一个专门存书的FileMaker数据库，我试了各种不同的解决方案，觉着好玩。也不是说我不会从LibraryThing赚到钱，我的意思是这会是一个我自己感兴趣的小小项目，而不是变成一个公司。

我是在2005年的八月开始做LibraryThing的，当时我在做自由网络设计师的工作，它用了大概一个星期就起步，从此成长很快。在开始的时候，它只是个分类。转折点发生在后来，我发现人们开始社会化地用它，他们互相分享他们图书馆（译者注：这里“图书馆”指是个人图书收藏，与LibraryThing中的含义对应。下同）的URL和各自对书的评论——所以我就开始给它加上社会项，我想这的确给了它很大的推动力。

这些人是谁？

像我一样的书虫，还有很多做学术的人。现在不同了，很多人只是将正在读的书放入LibraryThing，然后评论一下或者获得一些推荐。没有必要是家藏万卷、汗牛充栋的人。

LibraryThing在做着与普通社会化网络所不同的事，它不只是你与朋友相连那么简单的二元逻辑，要么你是我朋友，要么你不是我朋友，或者你是我朋友而我不是你朋友。LibraryThing背后的观点是，你以更复杂的方式与他人联系起来。实际上在LibraryThing没有一个“朋友”项。使得人们的联系主要是通过书，比方说，如果你跟我有两本相同的书，那不足为奇；但如果你跟我有40本相同的书，而它们又恰巧都是我们的冷门书，那么很有可能我们有相当深的共同兴趣。所以网站的内容，也就是人们放进的书，和社会化动态，是紧密相连的。

马歇尔·麦克卢汉说过“未来的书就是简介”，看起来您的网站似乎是在证明他的预言是正确的。LibraryThing对书有什么影响？

LibraryThing的对书影响可以说是新式的，也可以说是古老的。我想50年前如果你跟一群才俊聚会，通常他们中会有人引用一部小说，今天会是一部电影，这没什么两样。你最好在开始谈论小说前，了解别人跟你共同的嗜好。而你又不能确定每个人都读了这本书，除非它是《Harry Potter》。我想LibraryThing正是基于此想法，并且使得围绕书的社会化变成可能，通过它你可以找到与你有共同阅读爱好的人，而之前你不可能知道你们有共同的爱好。这种研究生院般的氛围棒极了，你可以几乎只谈某本书，跟任何人谈都行。这在现实生活中是不可能的，所以在线能够实现就显得很酷。

作为新事物，LibraryThing尝试利用关于书的数据，在做一系列有趣的事，例如标签——你甚至将会看到一个跟踪批注的选项。它是在试着社会化难以实现的社会化，同时使社会化扩展到更宽的层面。

可以谈谈推荐机制吗？

当然。在展示某书的网页上，你会看到一系列推荐列表，其中的一个链接是更多的推荐。现在我想我已经有了五个推荐算法了，在这当中涉及到的数学很吸引人。Amazon的是一个很好的例子。LibraryThing依赖良好的数据。其中来源之一便是标签，通常是很好的，但也有出错的情况。经典的例子是标签“leather”，可以指书的装帧，皮革包装；也可以指一种色情书——不通过复杂算法是无法区分出来的。算法很大部分跟持有模式有关。如果你和我的书有交集，那么交集以外的书应该会交叉吸引。只要做一些标准的统计，是会出良好的数据的。Amazon就做了这个，不过你在Amazon买书可能是帮你的同事买，或者帮你老婆买，因此你在Amazon买的书并不是你所买的东西的良好样本。LibraryThing通过在某种程度上代表你的所有藏书——或者甚至只是你目前在读的——而可以更真实地代表你是谁。

这对所谓的“长尾”也更有效。我的藏书中有些卖得不怎么好但它们依然是好书。Amazon上一个经典的例子是，你打“Harry Potter”，得到的五个推荐就是五本《Harry Potter》。为了保证推荐有意义，LibraryThing会进行封锁，只推荐两本《Harry Potter》，然后给你《A Wrinkle in Time》（译者注：麦德林·兰歌《时间的皱纹》）。《时间的皱纹》是本伟大的书，不过本周它的销售不大理想。但它在人们的藏书阁中。所以，LibraryThing看到它并说出，喜欢《Harry Potter》的人也将喜欢《A Wrinkle in Time》和Susan Cooper的书（译者注：另一位儿童文学家，其作品《The Gray King》曾在1976年获得纽伯瑞儿童文学奖，参此）或者其他。

LibraryThing采用Z39.50协议。这是一个类似于“在黑胶唱片上听音乐”的小花招，还是的的确确是个打着灯笼都找不到的好事情？

Z39.50是一个图书馆间用来交换数据的协议，图书馆已经用了好些日子了，但他们把它做得很专业，返回的记录不好分析，你必须懂得它们的语法分析。用LibraryThing，我做到了。并不是什么高尖精技术，但需要一点点的努力和对不太好的老技术的很多宽容。很多LibraryThing的竞争对手止步于此，因为Amazon的API（译者注：编程接口）可以向Amazon请求查询并返回漂亮的格式化XML数据。如果你不是够深的书虫那样就够了，但如果你有绝了版的书那这可不够好。如果你关心图书馆编目数据，如果你想要主题、杜威十分法等等——如果你想要真正高质量的图书数据，你躲不开图书馆。在这点上LibraryThing可以说是多走了一步。

在家我是用色标来整理书柜的，在LibraryThing我怎样做到这点？

你必须贴标签。也有人建议我们用色标——分析颜色，并允许用颜色显示他们的书柜。我想那会是一项很有趣的功能。

通过图书馆技术和真正个人化的荐书，它会取代图书馆员吗？

在荐书上，图书馆员并不是扮演着知道全宇宙的书的角色。图书馆员很早就来源于读者咨询网站、期刊、其他图书馆员、他们所尊重的赞助者等等的帮助。LibraryThing只是在这当中的另一个来源。我不认为它会比Amazon或其他任何事，更排斥对图书馆员的需求。如果真有图书馆员危机，我想也不会在这点上。

但LibraryThing也有做类似图书馆员做的事。有一个功能可以消除版本歧义：你可以将一部作品的所有版本放在一起，然后由用户决定一本书是否也是《霍比特人》的一个版本（译者注：《指环王》/《魔戒》前传）。图书馆员有自己的方法来做这个，而LibraryThing却由于集合了成千上百的群体智慧而成为一个很好的解决办法。LibraryThing在用用户生成的内容和统计数据做着一些有趣的事。

搞定了相关标签后，我转而想到主题，看哪些主题与哪些标签最相关，并按统计相关度顺序显示Library of Congress（译者注：美国国会图书馆，下称“国会图书馆”）的主题词。这似乎从来没人做过。

可以多说一点吗？

当然。有了标签分类法，你就建立起了人们对书的看法的巨大数据库。举个例子，像“chick lit”这个标签（译者注：鸡仔文学，英美出版界的一个创作流派，其作品是专门以女性为阅读对象的流行读物。），它会给你返回一个标签同为“chick lit”的书单，按相关度降序排列，一个很不错的列表。“cyberpunk”或者其他词也一样。从设置目的和生成过程看来，它们都会比国会图书馆的主题词要好。LibraryThing生于数字化，所以它可以拥有很多图书馆分类法都没有的相关度概念。举个例子，在国会图书馆，有一个条目叫“Man-Woman Relationships”。一本书要么关于此，要么不关于此。但当然80%的西方文学都在某种程度上与此有关。LibraryThing所以超过其他很多网站的地方，在于我们有标签，并且我们把标签和像国会图书馆那样的可控主题词来混合起来用，所以当你给出某标签，就可以看到与它最相关的是哪些主题，反之逆然。这有优点也有缺点。一方面有很有歧义如“leather”的LibraryThing标签，另一方面图书馆主题词也有不足，比如国会图书馆主题词“Cookery”本来是个很好的主题词，只是没人会把“Cookery”打进条目查询。两种方法都互有长短；我不认为标签会取代分类法，就像电视不会取代收音机一样。

事实上，LibraryThing在发布一系列可以插入图书馆类目的专用插件，让图书馆员可以将LibraryThing的功能和内容，不用另外自己再实现，直接就放进他们的分类。其中一个插件是推荐书的，根据的是LibraryThing的数据，但只会在你所拥有的书中推荐。我想荐书这点很容易接受，但真正难的是要图书馆分类接受标签——我们走着瞧。

您觉得LibraryThing是图书馆未来模式的一个探索者吗？

我想它提出了结合用户参与的概念。其他人也提出了，只不过LibraryThing是在线对书贴标签和分类的最突出的例子。Amazon一百万年前就有了评级和推荐，只是那一直只服务于商业。LibraryThing的方法更加“书迷”一点。图书馆科学太二元绝对和排斥统计，而把相关性等事物放到网络上看，则可以给人们稍微有别于此的一些启发。

真正吸引图书馆员的，是LibraryThing有认真对待图书馆数据。图书馆分类有很多真正优秀的数据，只是没有亮出来。如果回到10年、15年以前，你注意到因特网，如果你在搜索引擎上搜“The Hobbit”（译者注：霍比特人），你猜国会图书馆的条目很可能会排得很前吧？但不是！没有图书馆会排在头几项里！它们落后了几百名，因为图书馆员没有将他们的数据亮出来，没有告诉人们他们的数据有多好。像OCLC这样的组织有职责防止图书馆信息外流；而像Amazon这样的组织热衷于把数据公诸于互联网，但是以买得更多作为目的的方式。LibraryThing则会认真对待这些数据，用来做统计分析，将50个不同图书馆的所有霍比特人的记录都拿出来，去理解数据的意思，指出哪些是可以放一起构成完整意思的数据。这是在15年前就应该发生的，而我们现在才开始做。不管是完全受启发了，还是只是追潮流，人们现在开始利用图书馆数据做东西了，这才是真正激动人心的。

感谢Tim抽时间接受我们专访。你可以到LibraryThing.com开一个免费帐号；官方博客是LibraryThing news；最酷的图书馆精髓在Thingology blog。

翻译：SwinG