岳愛云

[摘 要]當(dāng)前讀者在圖書館借閱中經(jīng)常需要花費(fèi)大量時(shí)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(gè)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(yàn)，對(duì)自身的圖書個(gè)性化推薦服務(wù)進(jìn)行完善和優(yōu)化。

[關(guān)鍵詞]圖書管理系統(tǒng)；個(gè)性化推薦；圖書

中圖分類號(hào)：TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-914X（2016）21-0344-02

本文將對(duì)圖書借閱個(gè)性化服務(wù)進(jìn)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(gè)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(dòng)圖書館發(fā)展和進(jìn)步。

1圖書館借閱個(gè)性化服務(wù)分析

數(shù)字化圖書館時(shí)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(shí)提供個(gè)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(gè)人化服務(wù)?，F(xiàn)階段圖書館個(gè)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(yàn)開始受到關(guān)注，但借閱者耗費(fèi)大量時(shí)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(gè)大致的借閱范圍。第一種情況借閱者只需花費(fèi)較少時(shí)間，第二種則需要花費(fèi)大量時(shí)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(gòu)買一本嵌入式入門書籍時(shí)，因?yàn)樯刑幱谌腴T階段或這方面知識(shí)較為片面，就需要獲得一定的購(gòu)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(jìn)入嵌入式書籍頁(yè)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(jìn)行購(gòu)買。例如在亞馬遜頁(yè)面的推薦列表中，讀者在查看某一書籍時(shí)會(huì)出現(xiàn)“購(gòu)買此商品讀者也同時(shí)購(gòu)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(qiáng)化圖書館借閱系統(tǒng)個(gè)性化服務(wù)?；舅悸钒ǎ簩?shí)際中包含兩種借閱者，第一種對(duì)要借閱書籍具體信息已經(jīng)明確，第二種對(duì)要借閱書籍相關(guān)領(lǐng)域已經(jīng)明確。個(gè)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(jí)分類檢錯(cuò)，基于“嵌入式系統(tǒng)”等內(nèi)容進(jìn)行分析，之后系統(tǒng)將書籍詳細(xì)頁(yè)面列出，其中包含書籍作者、出版時(shí)間、出版社、書名等基本信息，同時(shí)會(huì)有一個(gè)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(píng)價(jià)位于書籍下方（讀者進(jìn)行的評(píng)價(jià)）。讀者全面綜合考慮相關(guān)書籍信息后，就能夠進(jìn)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(fèi)太多時(shí)間了解具體某一本書籍，借閱決策效率獲得提升，同時(shí)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(shí)庫(kù)不僅能夠促進(jìn)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(duì)書籍圖書知識(shí)庫(kù)進(jìn)行了描述，后期還能夠擴(kuò)大。

推薦初步可以向借閱者進(jìn)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(gè)學(xué)科；另一種方式是讓借閱者進(jìn)行書籍評(píng)分，依據(jù)整體評(píng)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(jì)算機(jī)類書籍，系統(tǒng)會(huì)自動(dòng)列出評(píng)價(jià)較高和借閱次數(shù)最多的計(jì)算機(jī)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(píng)價(jià)和借閱次數(shù)進(jìn)行推薦，需要計(jì)算各參數(shù)權(quán)重、實(shí)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(shí)現(xiàn)最佳推薦的應(yīng)用大賽。以下利用書籍特征組合進(jìn)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(yǔ)、嵌入式、程序設(shè)計(jì)），借閱者專業(yè)信息Y已經(jīng)知曉，就可進(jìn)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(shí)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(huì)產(chǎn)生不一樣的情況，所以圖書個(gè)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(píng)分反饋和預(yù)測(cè)準(zhǔn)確性為基礎(chǔ)，由Jessentischning和Zanker提出。表3對(duì)集中用戶數(shù)據(jù)的有效評(píng)分進(jìn)行了描述。如Rna推薦引導(dǎo)行為、Rview單機(jī)詳細(xì)說明頁(yè)、Rctx上下文借閱者要求、Rbro實(shí)際借閱。這種方法的區(qū)分依據(jù)是預(yù)測(cè)意向和各自有效性。例如實(shí)際中頻繁發(fā)生的包括借閱用戶頁(yè)面和推薦引導(dǎo)頁(yè)面，較少發(fā)生的則包括實(shí)際借閱。另外，用于的高級(jí)檢索關(guān)鍵詞、搜索使用關(guān)鍵詞等環(huán)境信息，都在計(jì)算機(jī)推薦中具有重要作用，所以可以進(jìn)行平分了類別的有限排序。

用無(wú)優(yōu)先級(jí)分析表3中評(píng)分，則學(xué)生4、學(xué)生3與Tom存在很多共同點(diǎn)，所以他們之間的相似評(píng)分至少有3個(gè)，則Tom和學(xué)生4、學(xué)生3可能會(huì)被識(shí)別為相似。

2.3綜合特征補(bǔ)充方案

完成以上兩個(gè)步驟后需整合各個(gè)推薦算法，表4為書籍/借閱者矩陣實(shí)例，包括各個(gè)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(píng)分個(gè)數(shù)。借閱者評(píng)分為i，沒有借閱者評(píng)分情況下內(nèi)容預(yù)測(cè)cu。

依據(jù)上述評(píng)分，算法需進(jìn)行下一步預(yù)測(cè)，依據(jù)借閱者間評(píng)分物品個(gè)數(shù)和評(píng)分書籍個(gè)數(shù)，基于加權(quán)因素進(jìn)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(duì)該書籍評(píng)分為4，但是其僅有10個(gè)重疊評(píng)分人數(shù)，學(xué)生3有55個(gè)重疊評(píng)分人數(shù)，所以綜合分析時(shí)應(yīng)當(dāng)對(duì)學(xué)生3的分?jǐn)?shù)影響進(jìn)行主要考慮。利用該方法預(yù)測(cè)其他用戶數(shù)據(jù)，找到CBob，item5>=3預(yù)測(cè)結(jié)果是Tom喜愛書籍。

結(jié)語(yǔ)：

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(shí)模型是知識(shí)推薦算法生成結(jié)果的依據(jù)，這三種算法各有優(yōu)缺點(diǎn)。實(shí)際的個(gè)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(xiàn)

[1] 孫守義，王蔚. 一種基于用戶聚類的協(xié)同過濾個(gè)性化圖書推薦系統(tǒng)[J]. 現(xiàn)代情報(bào)，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(jì)[J]. 中國(guó)教育信息化，2013，15：72-75.

[3] 姚國(guó)章，余星，項(xiàng)惠惠. 智慧圖書館的總體設(shè)計(jì)與應(yīng)用系統(tǒng)建設(shè)研究[J]. 南京郵電大學(xué)學(xué)報(bào)（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(shí)別的數(shù)字圖書館個(gè)性化推薦研究[J]. 現(xiàn)代情報(bào)，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(jì)與實(shí)現(xiàn)[J]. 新余學(xué)院學(xué)報(bào)，2014，06：23-25.

[6] 周宇，魏太亮，廖思琴. 基于移動(dòng)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(bào)，2015，10：161-164.