●章增安,褚蕓蕓(遼寧師范大學(xué).圖書(shū)館;.計(jì)算機(jī)與信息技術(shù)學(xué)院,遼寧大連116081)

基于SOA的圖書(shū)館個(gè)性化信息推薦系統(tǒng)研究

●章增安a,褚蕓蕓b(遼寧師范大學(xué)a.圖書(shū)館;b.計(jì)算機(jī)與信息技術(shù)學(xué)院,遼寧大連116081)

個(gè)性化信息推薦;協(xié)同過(guò)濾; SOA

為了克服圖書(shū)館信息推送服務(wù)異構(gòu)資源整合度不高,推送信息形式單一等不足,提出了一種基于SOA的個(gè)性化信息推薦服務(wù)模型.該模型充分考慮了信息資源的異構(gòu)性和讀者的興趣特點(diǎn),以開(kāi)展深層次個(gè)性化信息推薦服務(wù)為目標(biāo)、基于用戶(hù)的協(xié)同過(guò)濾推薦為算法.通過(guò)分析讀者、圖書(shū)、資源訪問(wèn)日志、借閱記錄等信息抽取出推薦信息,在.NET環(huán)境中采用Web Service封裝發(fā)布,統(tǒng)一集成到SOA為基礎(chǔ)架構(gòu)實(shí)現(xiàn)的門(mén)戶(hù)系統(tǒng)中,構(gòu)建出圖書(shū)館個(gè)性化信息推薦服務(wù)系統(tǒng),為整合分布推薦信息、提高推薦質(zhì)量提供了一條途徑.

數(shù)字圖書(shū)館信息資源的迅速增長(zhǎng)給讀者精確選擇所需資源帶來(lái)了困難,如何解決信息的海量規(guī)模與信息需求準(zhǔn)確性、精確性之間的矛盾成為信息檢索與推送服務(wù)中亟需解決的難題.一種行之有效的解決方法便是依托數(shù)字圖書(shū)館信息門(mén)戶(hù),根據(jù)讀者訪問(wèn)資源的特點(diǎn)開(kāi)展個(gè)性化信息推薦服務(wù).個(gè)性化推薦系統(tǒng)在圖書(shū)館領(lǐng)域已經(jīng)得到了廣泛的研究和應(yīng)用,但在實(shí)際應(yīng)用中還存在諸多問(wèn)題.(1)資源數(shù)量增長(zhǎng)迅速.資源的質(zhì)量和水平參差不齊,讀者往往無(wú)法辨別資源的優(yōu)劣,導(dǎo)致資源的利用水平并不理想.(2)資源種類(lèi)多樣性.除了傳統(tǒng)的館藏紙本資源外還有大量的電子資源,給資源的檢索和歸類(lèi)帶來(lái)了不便.(3)資源存儲(chǔ)的異構(gòu)性.訂購(gòu)或自建的數(shù)據(jù)庫(kù)都自成體系,存儲(chǔ)在不同的應(yīng)用系統(tǒng)中,雖然有"一站式"檢索工具或發(fā)現(xiàn)系統(tǒng)提供檢索,但很難根據(jù)用戶(hù)偏好實(shí)現(xiàn)跨系統(tǒng)的個(gè)性化推薦.如果能獲得讀者使用資源的潛在興趣,采用推薦系統(tǒng)將資源推薦給相關(guān)讀者,將極大地改善資源利用效率.因此,基于SOA架構(gòu),結(jié)合用戶(hù)的協(xié)同過(guò)濾算法構(gòu)建圖書(shū)館個(gè)性化信息推送系統(tǒng).系統(tǒng)整合了圖書(shū)館各種異構(gòu)的資源信息,為用戶(hù)提供了與個(gè)人興趣相符的推薦信息集合,豐富了用戶(hù)對(duì)偏好信息的獲取途徑.

1　個(gè)性化推薦系統(tǒng)在圖書(shū)館的應(yīng)用分析

1.1個(gè)性化推薦系統(tǒng)在圖書(shū)館的應(yīng)用

個(gè)性化推薦系統(tǒng)以往的研究重點(diǎn)集中在用戶(hù)建模、推薦算法和系統(tǒng)集成等方面.用戶(hù)建模研究主要是分析借閱歷史記錄或資源訪問(wèn)日志等信息獲取讀者偏好,實(shí)現(xiàn)對(duì)相似讀者群的分類(lèi).推薦算法方面研究較多的有基于內(nèi)容推薦算法、協(xié)同過(guò)濾推薦算法以及組合推薦算法[1]等.基于內(nèi)容推薦算法推薦結(jié)果直觀、容易解釋,但是難以幫助讀者發(fā)現(xiàn)新的感興趣資源;協(xié)同過(guò)濾推薦算法正好解決難以發(fā)現(xiàn)新的興趣點(diǎn)問(wèn)題,體現(xiàn)出針對(duì)性強(qiáng)、個(gè)性化程度高等優(yōu)點(diǎn),但存在冷啟動(dòng)、稀疏性和可擴(kuò)展性問(wèn)題.在系統(tǒng)集成方面,OpenAPI、App、Mashup、Agent、SOA技術(shù)在個(gè)性化推薦系統(tǒng)中得到了一定程度的應(yīng)用,使得圖書(shū)館門(mén)戶(hù)成為展示圖書(shū)館用戶(hù)與資源、用戶(hù)之間及用戶(hù)群之間關(guān)系的開(kāi)放平臺(tái),有效整合了圖書(shū)館、數(shù)據(jù)廠商和互聯(lián)網(wǎng)上的文獻(xiàn)資源,集成了圖書(shū)館各個(gè)系統(tǒng)的服務(wù)功能.[2]

1.2個(gè)性化推薦系統(tǒng)的實(shí)現(xiàn)技術(shù)

(1)基于用戶(hù)的協(xié)同過(guò)濾算法.推薦方法是個(gè)性化信息推薦系統(tǒng)中關(guān)鍵核心部分,決定著推薦系統(tǒng)性能的優(yōu)劣.基于用戶(hù)的協(xié)同過(guò)濾是將對(duì)同一項(xiàng)目評(píng)分相似的用戶(hù)認(rèn)為是一類(lèi),根據(jù)用戶(hù)的最近鄰居,對(duì)用戶(hù)進(jìn)行聚類(lèi)、過(guò)濾分析.[3]其基本思想是將興趣愛(ài)好相似、擁有相同經(jīng)驗(yàn)群體的偏好作為推薦內(nèi)容.協(xié)同過(guò)濾算法的實(shí)現(xiàn)分為構(gòu)建用戶(hù)---項(xiàng)目矩陣,尋找最近鄰居,計(jì)算推薦數(shù)據(jù)三個(gè)步驟.①構(gòu)建用戶(hù)---項(xiàng)目矩陣.統(tǒng)計(jì)、整理用戶(hù)的個(gè)人偏好信息,在相應(yīng)處理后,根據(jù)不同用戶(hù)行為得到用戶(hù)偏好矩陣.②尋找最近鄰居.得到用戶(hù)偏好矩陣后,根據(jù)用戶(hù)對(duì)項(xiàng)目的評(píng)分計(jì)算得到用戶(hù)間的相似度,再根據(jù)相似度找到用戶(hù)最近鄰居,用戶(hù)間相似性的度量方法主要采用修正余弦相似性函數(shù).③計(jì)算推薦數(shù)據(jù).基于用戶(hù)對(duì)任意項(xiàng)的偏愛(ài)度,設(shè)目標(biāo)用戶(hù)u的最近鄰居集合為Nu,則計(jì)算用戶(hù)對(duì)項(xiàng)目j的預(yù)測(cè)評(píng)分Puj.公式如下.[4]

其中,Ru和Rn分別為用戶(hù)u和用戶(hù)n對(duì)項(xiàng)目j的平均評(píng)分,Rn,j為用戶(hù)n對(duì)項(xiàng)目j的評(píng)分,sim(u,n)為用戶(hù)u與n之間的相似性.

(2)SOA.面向服務(wù)的架構(gòu)(Service Oriented Architecture,SOA)是分布式軟件系統(tǒng)構(gòu)造方法和環(huán)境的新發(fā)展階段.[5]SOA的重點(diǎn)是把服務(wù)從復(fù)雜的環(huán)境中獨(dú)立出來(lái)并加以封裝,然后以標(biāo)準(zhǔn)的接口供其他用戶(hù)調(diào)用.SOA技術(shù)應(yīng)用到圖書(shū)館門(mén)戶(hù)系統(tǒng)中,可以很好地集成圖書(shū)館各種異構(gòu)資源庫(kù),尤其是自建資源庫(kù)、圖書(shū)館自動(dòng)化系統(tǒng)等,這些系統(tǒng)的無(wú)縫結(jié)合將使門(mén)戶(hù)系統(tǒng)統(tǒng)計(jì)的讀者使用資源記錄更為科學(xué)、精確.

2　基于SOA的圖書(shū)館個(gè)性化信息推薦服務(wù)模型的設(shè)計(jì)

2.1體系結(jié)構(gòu)設(shè)計(jì)

從結(jié)構(gòu)上分為四層,即表示層、服務(wù)管理層、服務(wù)封裝層及服務(wù)數(shù)據(jù)層.(1)表示層.負(fù)責(zé)與讀者交互,讀者完成身份認(rèn)證后可獲得系統(tǒng)提供的個(gè)性化推薦服務(wù).(2)服務(wù)管理層.將不同的服務(wù)接口組合成一個(gè)服務(wù)組合供門(mén)戶(hù)系統(tǒng)調(diào)用,讀者通過(guò)統(tǒng)一的門(mén)戶(hù)來(lái)調(diào)用服務(wù)組合以實(shí)現(xiàn)具體的業(yè)務(wù)功能.(3)服務(wù)封裝層.實(shí)現(xiàn)對(duì)推薦數(shù)據(jù)的服務(wù)封裝,主要由一系列Web服務(wù)接口構(gòu)成,這些接口使用XML進(jìn)行規(guī)范的加工、組織、描述.(4)服務(wù)數(shù)據(jù)層.服務(wù)數(shù)據(jù)層主要完成對(duì)不同數(shù)據(jù)庫(kù)的查詢(xún)、存儲(chǔ)、修改等操作.主要由分散異構(gòu)的OPAC數(shù)據(jù)、自建資源庫(kù)數(shù)據(jù)以及門(mén)戶(hù)系統(tǒng)統(tǒng)計(jì)的各種網(wǎng)絡(luò)數(shù)據(jù)庫(kù)的訪問(wèn)記錄數(shù)據(jù)組成.

2.2基于SOA架構(gòu)的圖書(shū)館個(gè)性化信息推薦服務(wù)模型

結(jié)合基于用戶(hù)的協(xié)同過(guò)濾推薦算法,本文設(shè)計(jì)了基于SOA的圖書(shū)館個(gè)性化推薦系統(tǒng),如圖1所示,系統(tǒng)主要包括基礎(chǔ)數(shù)據(jù)采集、推薦系統(tǒng)基礎(chǔ)數(shù)據(jù)集、基于用戶(hù)的協(xié)同過(guò)濾處理、Web Service接口封裝、推薦結(jié)果通知等模塊.

讀者個(gè)人資料、館藏書(shū)目信息、OPAC借閱記錄、電子資源數(shù)據(jù)庫(kù)信息、電子資源訪問(wèn)記錄等異構(gòu)數(shù)據(jù)通過(guò)推薦系統(tǒng)基礎(chǔ)數(shù)據(jù)采集后經(jīng)標(biāo)準(zhǔn)化處理后形成推薦系統(tǒng)基礎(chǔ)數(shù)據(jù)集,然后使用協(xié)同過(guò)濾推薦算法處理后形成最終的推薦數(shù)據(jù)集.根據(jù)用戶(hù)偏好將推薦數(shù)據(jù)集封裝成Web Service接口,最后由門(mén)戶(hù)網(wǎng)站集成到個(gè)人空間推薦模塊,或者通過(guò)訂閱郵件、RSS等方式推薦給讀者.

圖　基于SOA的圖書(shū)館個(gè)性化推薦系統(tǒng)

3　基于SOA架構(gòu)的信息推薦服務(wù)系統(tǒng)的實(shí)現(xiàn)

本推薦系統(tǒng)在.NET平臺(tái)上采用ASP.NET和XML技術(shù)設(shè)計(jì)和實(shí)現(xiàn).

3.1基于用戶(hù)的協(xié)同過(guò)濾處理

推薦信息主要分為圖書(shū)信息和電子資源信息,系統(tǒng)所使用的推薦算法依照前文所述的推薦算法流程執(zhí)行.(1)圖書(shū)推薦模塊.首先根據(jù)圖書(shū)自動(dòng)化系統(tǒng)抽取出讀者的借閱信息,將其映射到各個(gè)項(xiàng)目的屬性值上,生成讀者的屬性值偏好矩陣,然后計(jì)算屬性值偏好矩陣的相似度,從而得到目標(biāo)讀者的最近鄰集合,并依據(jù)最近鄰讀者的借閱記錄實(shí)現(xiàn)圖書(shū)推薦. (2)資源推薦模塊.資源推薦模塊的推薦信息來(lái)源于兩部分.一部分為讀者長(zhǎng)期使用的資源,這部分資源的推薦處理方式與圖書(shū)推薦模塊一致;另一部分為最新購(gòu)買(mǎi)或試用的資源,這部分資源的處理方法是先生成讀者的屬性值偏好矩陣,根據(jù)新資源的屬性值與讀者的屬性值偏好矩陣進(jìn)行匹配,找出相似度最高的讀者作為被推薦對(duì)象.

3.2Web Service的封裝

推薦信息的封裝通過(guò)Web Service實(shí)現(xiàn),GetBook方法封裝了推薦的圖書(shū)信息,GetResource方法封裝了要推薦的電子資源信息.門(mén)戶(hù)系統(tǒng)統(tǒng)一調(diào)用這些封裝的Web Service接口反饋給讀者,推薦結(jié)果可以通過(guò)多種途徑推送給讀者.如讀者登錄門(mén)戶(hù)系統(tǒng)后在相應(yīng)的推薦模塊推薦信息或者通過(guò)讀者的Email信息推送.

[1]I En Liao,et al.A library recommender system based on a personal ontology model and collaborative filtering technique for English collections[J].The Electronic Library,2010,28(3):386-400.

[2]翟曉娟,聶娜.滿足用戶(hù)個(gè)體需求的圖書(shū)館開(kāi)放平臺(tái)設(shè)計(jì)---基于OpenAPI、App、Mashup、SOA的集成實(shí)踐應(yīng)用[J].大學(xué)圖書(shū)館學(xué)報(bào),2011,29 (6):26-33.

[3]李?lèi)?ài)明,劉冰.個(gè)性化信息檢索系統(tǒng)的用戶(hù)模型研究[J].情報(bào)雜志,2007,26(3):121-126.

[4]顏豐,張琳.一種混合模式的協(xié)同過(guò)濾算法[J].現(xiàn)代計(jì)算機(jī)(普及版),2014(5):20-25.

[5]毛新生.SOA原理.方法.實(shí)踐[M].北京:電子工業(yè)出版社,2007:3-4.

G254.929.1

B

1005-8214(2015)10-0105-02

章增安(1978-),男,漢族,碩士,遼寧師范大學(xué)圖書(shū)館館員,研究方向:數(shù)字圖書(shū)館;褚蕓蕓(1979-),女,漢族,碩士,遼寧師范大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院講師,研究方向:遠(yuǎn)程教育.

2014-12-22[責(zé)任編輯]張雅妮