基于SVM和DS證據(jù)理論的圖書館讀者借閱行為分析

姜笑楠

（大連職業(yè)技術(shù)學(xué)院圖書館 遼寧大連 116000）

1 引言

圖書館能夠依靠其海量館藏圖書和數(shù)字資源為各類讀者提供文獻(xiàn)信息服務(wù)[1]。我國(guó)圖書館管理系統(tǒng)已經(jīng)十分成熟，經(jīng)過(guò)數(shù)十年的發(fā)展也積累下了豐富的實(shí)踐數(shù)據(jù)[2]，如讀者數(shù)據(jù)、圖書數(shù)據(jù)等。通過(guò)深度挖掘這部分?jǐn)?shù)據(jù)能夠幫助我們更好地了解讀者借閱習(xí)慣及規(guī)律，進(jìn)而為后續(xù)改善圖書館服務(wù)質(zhì)量提供有力依據(jù)[3]?？偟膩?lái)說(shuō)，研究圖書館讀者借閱行為對(duì)于改善我國(guó)圖書館管理水平具有顯著意義[4-5]。

考慮到早期圖書館讀者借閱行為歷史數(shù)據(jù)并不多，所以研究者在統(tǒng)計(jì)分析讀者的借閱行為時(shí)往往會(huì)以人工方式進(jìn)行。這種方式由于過(guò)于主觀所以很難全面、準(zhǔn)確地得出讀者借閱行為規(guī)律，難以為有效提升館藏資源利用率提供決策依據(jù)[6]?，F(xiàn)代信息技術(shù)的日新月異，使得大量基于數(shù)據(jù)挖掘技術(shù)的讀者借閱行為分析方法應(yīng)運(yùn)而生[7]，比如基于時(shí)間序列的分析法[8]，即以時(shí)間先后來(lái)對(duì)讀者借閱行為進(jìn)行采集。不過(guò)這種方法也難以得出讀者借閱行為的總體變化特征，導(dǎo)致所得出的結(jié)果可信度較低[9]。再如，基于關(guān)聯(lián)規(guī)則算法的分析方法，旨在對(duì)借閱活動(dòng)和讀者間的聯(lián)系進(jìn)行綜合反映[10]，這種方法是典型的線性分析技術(shù)，但借閱活動(dòng)和讀者間聯(lián)系是非線性的，所以其分析結(jié)果往往具有較大誤差[11]。還有基于流通日志的分析方法[12]，即通過(guò)流量日志來(lái)了解讀者借閱規(guī)律，不過(guò)隨著讀者人數(shù)規(guī)模的提升，流通日志的數(shù)據(jù)量也日益龐大，這將大大影響到這種分析方法的效率[13-15]。由于以上方法都存在一定缺陷，本文提出一種基于SVM與DS證據(jù)理論的分析方法來(lái)對(duì)讀者借閱行為進(jìn)行綜合分析，同時(shí)引入實(shí)證分析法驗(yàn)證其結(jié)果的科學(xué)性。

2 圖書館讀者借閱行為特征

2.1 特征提取

不同的圖書館其讀者在借閱行為特征上都互有差異，我們可以這部分特征來(lái)進(jìn)行讀者借閱行為規(guī)律的識(shí)別，本研究擬定提取以下特征（見圖1）。

圖1 讀者借閱行為特征

2.2 讀者借閱行為特征聚類

針對(duì)數(shù)量為n的讀者而言，其借閱行為特征數(shù)據(jù)為X={x1,x2,L,xi,L,xn}，設(shè)聚類數(shù)量為k，聚類分析算法原理如下：隨機(jī)選取k個(gè)讀者借閱行為數(shù)據(jù)作為總數(shù)為n的讀者借閱行為數(shù)據(jù)的初始聚類中心，其余數(shù)據(jù)則按照其和聚類中心的距離來(lái)和其最相似類別進(jìn)行匹配。

（1）第j類讀者借閱行為類中心用cj表示，此時(shí)xi與cj之間距離：

xi與cj之間相似度為：

（2）更新各聚類中心，設(shè)第j類讀者借閱行為分析樣本集合{xj1,xj2,L,xi,xjnj}，其聚類中心為cj=的第k個(gè)屬性用代表：

（3）反復(fù)以上操作，直到最終更新出前后一致的類中心為止，以均方差為本次測(cè)度標(biāo)準(zhǔn)，有：

經(jīng)過(guò)上述步驟我們即可得出有關(guān)讀者借閱行為分析樣本的相似歷史樣本數(shù)量，進(jìn)而完成建模。這種方式擺脫了對(duì)歷史樣本的依托，大大提高了分析效率。

3 SVM-DS多特征融合行為分析算法

3.1 SVM算法

作為典型的廣義線性分類算法，SVM算法在處理分類問(wèn)題時(shí)盡管不能完全依托線性來(lái)完成二分類，不過(guò)可通過(guò)采用核函數(shù)方法在希爾伯特空間中映射出樣本數(shù)據(jù)，從而通過(guò)建立超平面來(lái)把不可線性二分問(wèn)題轉(zhuǎn)化成線性可分問(wèn)題。在確定這一超平面時(shí)應(yīng)盡可能與其他樣本保持最大距離，并且最終的分類誤差要盡可能小。經(jīng)超平面判別所得的最終樣本會(huì)被分成兩類分類函數(shù)，即：

其中，SV代表支持向量，ia代表拉格朗日乘子，代表核函數(shù)，xi、yi均為支持向量，b代表閾值，c代表懲罰系數(shù)。

3.2 DS證據(jù)理論

DS證據(jù)理論屬于模糊推理理論，由Dempster和Shafer提出。其原理就是通過(guò)整合兩個(gè)或更多正具體的基本概率分配來(lái)得到作為評(píng)估依據(jù)的BPA，在此期間內(nèi)，識(shí)別框架U中的目標(biāo)是主要整合目標(biāo)，它包含了若干目標(biāo)對(duì)象，這些對(duì)象彼此排斥，互無(wú)聯(lián)系，m:2U→ [0,1]為定義函數(shù)（U的冪集為2U），滿足條件識(shí)別框架上的BPA用m表示，信任A的程度通過(guò)m(A)體現(xiàn)。

如果m1，m2與同一識(shí)別框架U上的BPA屬于一一對(duì)應(yīng)的關(guān)系，然后用A1，A2,...,Ak和B1，B2,...,Bk，表示焦元，且滿足 的條件，那么可以得到如下公式所示內(nèi)容：

3.3 SVM-DS融合算法

在分析借閱行為期間，若引入了SVM-DS融合算法，那么操作步驟如下：先構(gòu)造BPA，即先對(duì)特征參數(shù)進(jìn)行提取，然后基于SVM識(shí)別單特征，整合BPA和DS證據(jù)理論，得到相應(yīng)的結(jié)果（見圖2）。

（1）對(duì)特征進(jìn)行提取，然后基于SVM識(shí)別單特征，先提取讀者借閱行為的特征，然后基于SVM初步識(shí)別基于3類9個(gè)單特征，然后得到公式（7）所示的正確率：

在公式（7）當(dāng)中，無(wú)誤的樣本數(shù)量用N表示，總樣本數(shù)用M表示。

（2）構(gòu)造BPS函數(shù)。目前有數(shù)種標(biāo)準(zhǔn)的SVM輸出類型，既不能構(gòu)造證據(jù)體的BPA，又不能對(duì)各種判別結(jié)果的概率進(jìn)行輸出，所以，在[0,1]區(qū)間內(nèi)用sigmoid函數(shù)[16]實(shí)現(xiàn)SVM輸出的映射就可以明確后驗(yàn)概率，如公式（8）所示：

在上述公式中，SVM輸出的類型用x表示，As，Bs是對(duì)sigmoid函數(shù)形態(tài)進(jìn)行控制的參數(shù)。

所以對(duì)于隨機(jī)1個(gè)或更多的 SVM類而言，滿足如下條件：

（3）對(duì)DS融合評(píng)估準(zhǔn)則進(jìn)行設(shè)計(jì)。假設(shè)借閱行為有三種，記作Ar(r = 1,2,3) ，分析結(jié)果用Aw表示，然后要按照的準(zhǔn)則用BPA劃分證據(jù)類型，也就是當(dāng)目標(biāo)類的信度比某門限值大時(shí)，那么信度最大的類就是這個(gè)目標(biāo)類。

4 實(shí)驗(yàn)仿真

用K表示仿真的初始聚類中心，然后對(duì)全體特征進(jìn)行量化，具體為：以數(shù)字的方式將圖書的借閱時(shí)間、周期，以及借閱者的年齡和借閱書籍量表示出來(lái)；用數(shù)字表示借閱圖書的時(shí)段的中點(diǎn)；借閱者專業(yè)上，用數(shù)字1～13來(lái)表示具體的學(xué)科門類，包括藝術(shù)學(xué)、軍事學(xué)、農(nóng)學(xué)、教與學(xué)、法學(xué)、哲學(xué)、歷史學(xué)、文學(xué)、經(jīng)濟(jì)學(xué)、醫(yī)學(xué)、工學(xué)、理學(xué)等，0表示無(wú)專業(yè)；借閱者學(xué)歷上，用1～4分別對(duì)應(yīng)高中及以下、?？?、本科、研究生；借閱者性別方面，用1表示男性，0表示女性；按照《中國(guó)圖書館分類法》中列出的類別來(lái)細(xì)分書籍類型，一共有22類，也用數(shù)字表示。這樣得到的實(shí)驗(yàn)樣本集，可用于訓(xùn)練和測(cè)試模型（見表1）。

表1 部分實(shí)驗(yàn)樣本

本實(shí)驗(yàn)分兩組進(jìn)行，實(shí)驗(yàn)一先綜合對(duì)比了各單特征SVM算法與多特征SVM-DS融合算法，結(jié)果發(fā)現(xiàn)，與單特征評(píng)估相比，多特征評(píng)估更為科學(xué)；實(shí)驗(yàn)二對(duì)比了SVM-DS融合算法、人工神經(jīng)網(wǎng)絡(luò)（ANN）算法、多特征算法（SVM輸入包含了9類特征）。結(jié)果顯示，這些算法當(dāng)中，以SVM-DS融合算法的準(zhǔn)確性最為理想。其中，SVM通過(guò)優(yōu)化粒子群算法得到核函數(shù)參數(shù)g、懲罰系數(shù)c以及BRF徑向基核函數(shù)，以BP神經(jīng)網(wǎng)絡(luò)作為神經(jīng)網(wǎng)絡(luò)，以tansig作為傳遞函數(shù)，設(shè)置了13個(gè)中間層神經(jīng)元，兩組實(shí)驗(yàn)的次數(shù)都是10個(gè)，選取225個(gè)訓(xùn)練集，25個(gè)測(cè)試集，二者在總樣本中的占比分別是90%、10%。

表2 所示即實(shí)驗(yàn)一中單特征SVM和多特征SVMDS分析結(jié)果，通過(guò)對(duì)信度函數(shù)值進(jìn)行分析不難發(fā)現(xiàn)：①實(shí)際借閱行為因?yàn)閼?yīng)用了多特征SVM-DS融合而有著較為理想的信任度；②在某些單特征判定存在沖突的情形下，多特征融合可以通過(guò)分析保證結(jié)果的準(zhǔn)確性。

表2 單特征SVM與多特征SVM-DS分析信度對(duì)比

圖3 給出了實(shí)驗(yàn)二內(nèi)不同算法分析結(jié)果和準(zhǔn)確率結(jié)果，其中分析行為與實(shí)際行為重合率越高則準(zhǔn)確率越高。ANN分析、SVM多特征分析、SVM-DS分析的準(zhǔn)確率分別是68%、72%和88%。通過(guò)對(duì)比不難發(fā)現(xiàn)，準(zhǔn)確率較為理想的分析方法主要是多特征SVM和SVM-DS融合算法，這主要是訓(xùn)練樣本數(shù)量有限的緣故，說(shuō)明ANN在樣本有限的情況下無(wú)法發(fā)揮優(yōu)勢(shì)，但是隨著特征維數(shù)的變多，多特征SVM分析方法的準(zhǔn)確率雖然也有所保證，但卻不夠穩(wěn)定，無(wú)法充分融合不確定、不完全的信息，而且有些奇異值對(duì)其影響十分顯著，會(huì)影響判別效果的可靠性，SVM-DS算法對(duì)多特征的信息進(jìn)行了整合，且算法容易操作，魯棒性也比較強(qiáng)。

圖3 各算法對(duì)借閱行為的分析與準(zhǔn)確率結(jié)果

5 結(jié)論

本文歸納了會(huì)對(duì)借閱行為造成影響的三個(gè)因素，通過(guò)分析進(jìn)一步掌握?qǐng)D書館讀者借閱行為。文中所構(gòu)建的特征集是針對(duì)書籍信息特征、讀者信息特征、借閱時(shí)間特征進(jìn)行的，并提出了一種新的分析方法，即DS證據(jù)理論和SVM算法相融合。新的分析方法不但可以通過(guò)基本概率分配函數(shù)克服DS證據(jù)理論BPA的缺陷，而且可以很好地保證分析結(jié)果的客觀性和時(shí)效性。同時(shí)發(fā)現(xiàn)采用多特征融合的SVM-DS算法可以獲得88%的準(zhǔn)確率，解決了傳統(tǒng)SVM算法處理不全面、信息不確定的弊端，有效強(qiáng)化了人們分析圖書館大數(shù)據(jù)行為的能力。