圖書管理系統(tǒng)中個性推薦方法研究

岳愛云

[摘 要]當(dāng)前讀者在圖書館借閱中經(jīng)常需要花費大量時間了解書籍信息，這使得讀者借閱決策效率大大降低，為讀者提供個性化推薦已經(jīng)成為圖書管提升服務(wù)的重要方向。當(dāng)前商業(yè)領(lǐng)域已經(jīng)開展了推薦系統(tǒng)研究，并且相應(yīng)系統(tǒng)已經(jīng)在電子商務(wù)中得到廣泛應(yīng)用，通過應(yīng)用信息過載問題得到了有效解決。圖書管借鑒電子商務(wù)推薦系統(tǒng)，例如亞馬遜圖書推薦系統(tǒng)的應(yīng)用經(jīng)驗，對自身的圖書個性化推薦服務(wù)進行完善和優(yōu)化。

[關(guān)鍵詞]圖書管理系統(tǒng)；個性化推薦；圖書

中圖分類號：TP311.13 文獻標(biāo)識碼：A 文章編號：1009-914X（2016）21-0344-02

本文將對圖書借閱個性化服務(wù)進行分析，并在此基礎(chǔ)上探索圖書管理書籍借閱推薦方法。通過為圖書館開展圖書借閱個性化服務(wù)提供理論依據(jù)，提升圖書館整體服務(wù)水平，最終推動圖書館發(fā)展和進步。

1圖書館借閱個性化服務(wù)分析

數(shù)字化圖書館時代已經(jīng)來臨，一些圖書館通過構(gòu)建圖書管理系統(tǒng)借閱和編目書籍，同時提供個性化借閱服務(wù)。例如清華大學(xué)圖書管理系統(tǒng)就提升了相應(yīng)讀者服務(wù)，能夠?qū)崿F(xiàn)書籍預(yù)約、書籍資源下載、書籍借閱管理等個人化服務(wù)。現(xiàn)階段圖書館個性化服務(wù)獲得了較大發(fā)展，借閱者應(yīng)用借閱系統(tǒng)的用戶體驗開始受到關(guān)注，但借閱者耗費大量時間挑選書籍問題還沒有通過書籍推薦系統(tǒng)得到良好解決。到圖書館借閱書籍讀者包括兩種類型，一種是已經(jīng)明確要借閱那些書籍，另一種則是沒有明確目標(biāo)，僅有一個大致的借閱范圍。第一種情況借閱者只需花費較少時間，第二種則需要花費大量時間。

亞馬遜在應(yīng)用圖書推薦系統(tǒng)方面一直處于前列。當(dāng)讀者想要購買一本嵌入式入門書籍時，因為尚處于入門階段或這方面知識較為片面，就需要獲得一定的購買書籍指導(dǎo)，該指導(dǎo)可通過具有相應(yīng)功能網(wǎng)站系統(tǒng)或?qū)I(yè)人士獲得，而亞馬遜就具備這樣推薦功能。登陸亞馬遜網(wǎng)站后讀者輸入關(guān)鍵詞進入嵌入式書籍頁面，這樣就能夠看到相應(yīng)書籍推薦信息，讀者可在綜合考慮書籍信息的基礎(chǔ)上進行購買。例如在亞馬遜頁面的推薦列表中，讀者在查看某一書籍時會出現(xiàn)“購買此商品讀者也同時購買”的商品推薦。

依據(jù)從亞馬遜書籍推薦中獲得的啟示，筆者想通過研究圖書館書籍推薦方法來強化圖書館借閱系統(tǒng)個性化服務(wù)。基本思路包括：實際中包含兩種借閱者，第一種對要借閱書籍具體信息已經(jīng)明確，第二種對要借閱書籍相關(guān)領(lǐng)域已經(jīng)明確。個性化服務(wù)程序包括，登陸圖書借閱系統(tǒng)后借閱者先輸入關(guān)鍵詞，此處關(guān)鍵詞檢索能夠?qū)崿F(xiàn)高級分類檢錯，基于“嵌入式系統(tǒng)”等內(nèi)容進行分析，之后系統(tǒng)將書籍詳細頁面列出，其中包含書籍作者、出版時間、出版社、書名等基本信息，同時會有一個類似亞馬遜推薦的推薦區(qū)域，顯示其他“嵌入式”讀者借閱書籍信息，并將借閱該類書籍的TOPN列表列出，相應(yīng)書籍評價位于書籍下方（讀者進行的評價）。讀者全面綜合考慮相關(guān)書籍信息后，就能夠進行合理的借閱決策。通過該推薦服務(wù)借閱者不需要在作出最終借閱決策前花費太多時間了解具體某一本書籍，借閱決策效率獲得提升，同時讀者還能夠獲得相似書籍推薦，這些推薦帶來的滿意度很可能高于原想借閱書籍。

2圖書管理書籍借閱推薦方法研究

2.1初步基于書籍基本新的圖書推薦

書籍分類后借閱者信息篩選任務(wù)能夠在一定程度上減輕，而建立圖書知識庫不僅能夠促進圖書管理，還能夠讓借閱者在圖書借閱服務(wù)中獲得有效書籍。如表1就對書籍圖書知識庫進行了描述，后期還能夠擴大。

推薦初步可以向借閱者進行明確詢問，包括其想借閱書籍的相關(guān)關(guān)鍵詞、想借閱書籍隸屬哪個學(xué)科；另一種方式是讓借閱者進行書籍評分，依據(jù)整體評分提出相應(yīng)文字性推薦建議和文字描述。例如借閱者傾向計算機類書籍，系統(tǒng)會自動列出評價較高和借閱次數(shù)最多的計算機學(xué)科書籍。但這種推薦也存在系統(tǒng)馬太效應(yīng)愈發(fā)突出、借閱次數(shù)多書籍越來越高、借閱次數(shù)低書籍越來越低的問題，所以為了提供更加有效的推薦、將馬太效應(yīng)降低、提升書籍利用率，不能夠僅依據(jù)評價和借閱次數(shù)進行推薦，需要計算各參數(shù)權(quán)重、實現(xiàn)綜合推薦。

2.2綜合特征推薦

當(dāng)前綜合推薦系統(tǒng)應(yīng)用愈發(fā)廣泛，并且行業(yè)中也舉辦了綜合各種算法實現(xiàn)最佳推薦的應(yīng)用大賽。以下利用書籍特征組合進行綜合推薦。首先將可使用不同書籍輸入。如果借閱者想借閱X領(lǐng)域書籍（例如英語、嵌入式、程序設(shè)計），借閱者專業(yè)信息Y已經(jīng)知曉，就可進行借閱者特征信息的設(shè)置：借閱者喜愛X領(lǐng)域書籍為真。這樣某種知識就能夠體現(xiàn)出來，例如：書籍相應(yīng)領(lǐng)域、借閱者專業(yè)學(xué)科。如表2 為混合特征。

表中，借閱者1和借閱者3貌似具有相同興趣，但若果在推理中結(jié)合專業(yè)因素，那么就會產(chǎn)生不一樣的情況，所以圖書個性化推薦中應(yīng)當(dāng)考慮一定權(quán)重的專業(yè)因素。另一種特征組合方法以評分反饋和預(yù)測準(zhǔn)確性為基礎(chǔ)，由Jessentischning和Zanker提出。表3對集中用戶數(shù)據(jù)的有效評分進行了描述。如Rna推薦引導(dǎo)行為、Rview單機詳細說明頁、Rctx上下文借閱者要求、Rbro實際借閱。這種方法的區(qū)分依據(jù)是預(yù)測意向和各自有效性。例如實際中頻繁發(fā)生的包括借閱用戶頁面和推薦引導(dǎo)頁面，較少發(fā)生的則包括實際借閱。另外，用于的高級檢索關(guān)鍵詞、搜索使用關(guān)鍵詞等環(huán)境信息，都在計算機推薦中具有重要作用，所以可以進行平分了類別的有限排序。

用無優(yōu)先級分析表3中評分，則學(xué)生4、學(xué)生3與Tom存在很多共同點，所以他們之間的相似評分至少有3個，則Tom和學(xué)生4、學(xué)生3可能會被識別為相似。

2.3綜合特征補充方案

完成以上兩個步驟后需整合各個推薦算法，表4為書籍/借閱者矩陣實例，包括各個學(xué)生和Tom相似度系數(shù)，另外還有Tom和借閱者之間重疊評分個數(shù)。借閱者評分為i，沒有借閱者評分情況下內(nèi)容預(yù)測cu。

依據(jù)上述評分，算法需進行下一步預(yù)測，依據(jù)借閱者間評分物品個數(shù)和評分書籍個數(shù)，基于加權(quán)因素進行特定用戶調(diào)整。依據(jù)綜合推薦系統(tǒng)方程可以推算出Tom不喜歡書籍5，雖然學(xué)生2對該書籍評分為4，但是其僅有10個重疊評分人數(shù)，學(xué)生3有55個重疊評分人數(shù)，所以綜合分析時應(yīng)當(dāng)對學(xué)生3的分?jǐn)?shù)影響進行主要考慮。利用該方法預(yù)測其他用戶數(shù)據(jù)，找到CBob，item5>=3預(yù)測結(jié)果是Tom喜愛書籍。

結(jié)語：

通過研究推薦算法和調(diào)研推薦系統(tǒng)發(fā)現(xiàn)，特定信息生成推薦結(jié)果和系統(tǒng)用戶群體數(shù)據(jù)是協(xié)同過濾的主要依據(jù)，物品描述和特征是內(nèi)容推薦方法產(chǎn)生推薦的依據(jù)，顯示知識模型是知識推薦算法生成結(jié)果的依據(jù)，這三種算法各有優(yōu)缺點。實際的個性推薦系統(tǒng)通常將這幾種算法綜合，所以綜合考慮書籍借閱各方面因素后本文采用綜合推薦方法。

參考文獻

[1] 孫守義，王蔚. 一種基于用戶聚類的協(xié)同過濾個性化圖書推薦系統(tǒng)[J]. 現(xiàn)代情報，2014，11：139-142.

[2] 劉雨晗，段渭軍. 基于學(xué)生學(xué)習(xí)軌跡培養(yǎng)體系的圖書推薦系統(tǒng)的研究與設(shè)計[J]. 中國教育信息化，2013，15：72-75.

[3] 姚國章，余星，項惠惠. 智慧圖書館的總體設(shè)計與應(yīng)用系統(tǒng)建設(shè)研究[J]. 南京郵電大學(xué)學(xué)報（自然科學(xué)版），2016，02：18-28.

[4] 王敏，嵇紹春. 基于模糊聚類和模糊模式識別的數(shù)字圖書館個性化推薦研究[J]. 現(xiàn)代情報，2016，04：52-56.

[5] 羅麗霞. 基于用戶協(xié)同過濾的圖書推薦系統(tǒng)的設(shè)計與實現(xiàn)[J]. 新余學(xué)院學(xué)報，2014，06：23-25.

[6] 周宇，魏太亮，廖思琴. 基于移動閱讀的高校圖書館信息資源推薦策略與應(yīng)用研究[J]. 現(xiàn)代情報，2015，10：161-164.