摘 要：從高校圖書館的實際情況出發(fā)，從資源和用戶兩方面著手，將資源按主題劃分并把讀者按興趣特征劃分用戶群從而實現(xiàn)把主題資源推薦給相應(yīng)用戶群的高校圖書館資源推薦模型。資源主題劃分越細(xì)致，相應(yīng)的讀者的興趣用戶群劃分就越細(xì)致，從而資源推薦系統(tǒng)的個性化程度越高，推薦質(zhì)量和滿意度就越高。

關(guān)鍵詞：資源推薦;高校圖書館;用戶群

中圖分類號：G258.6 ? ?文章編號：2095-624X（2019）17-0034-02

一、背景

信息大爆炸的時代，圖書館資源受到海量碎片化信息和電子化圖書期刊資源的沖擊。一方面碎片化信息占據(jù)了讀者業(yè)余時間的絕大多數(shù)，減少了讀者對圖書館資源的獲取意愿;另一方面出版業(yè)的繁榮，電子圖書期刊數(shù)據(jù)庫的發(fā)展使得讀者有多種途徑獲取資源而不必局限于圖書館。同時，圖書館本身的館藏資源也日益豐富從而面臨信息過載和數(shù)據(jù)豐富而信息匱乏[1]的問題。

高校圖書館作為校園文化的核心載體，其豐富的館藏資源不僅要為廣大師生提供學(xué)術(shù)研究的支持，還要承擔(dān)起校園文化建設(shè)，提升讀者文化素養(yǎng)，加強文化凝聚力的責(zé)任。而舊的被動等待讀者主動借閱的服務(wù)模式已經(jīng)無法實現(xiàn)圖書館的應(yīng)有價值。面臨時代挑戰(zhàn)，在圖書館升級轉(zhuǎn)型的過程中，資源推薦系統(tǒng)由于能在一定程度上加大需求，提升資源使用率而受到了各大圖書館的青睞。事實上，資源推薦系統(tǒng)幫助圖書館在服務(wù)過程中變被動等待為主動推介。讀者即使沒有主動去搜索圖書館的資源也能獲得圖書館資源的推薦，從而提升讀者對圖書館資源的獲取意愿，進(jìn)一步提升圖書館的資源使用效率，幫助圖書館實現(xiàn)自身服務(wù)價值。但在實際使用過程中，嚴(yán)重依賴圖書管理集成系統(tǒng)的資源推薦系統(tǒng)智能化、系統(tǒng)化程度有待提升，而用戶一方面對系統(tǒng)滿意度不夠，另一方面擔(dān)心個性化的推薦系統(tǒng)侵犯個人隱私[2]。關(guān)于高質(zhì)量的圖書館資源推薦系統(tǒng)的進(jìn)一步的理論研究和實踐探索有重要的實際意義。

二、綜述

關(guān)于圖書館的資源推薦系統(tǒng)有大量研究?；谥鲃油扑]從而提升館藏資源使用率這一基本邏輯，研究者們討論了各種非個性化和個性化資源推薦。王旭等提出圖書館資源雖然有范圍小、時效性低的缺點，但其專業(yè)性和高質(zhì)量等特點仍然是不可替代的優(yōu)勢。因此他們提出了針對高校圖書館的面向資源的資源推薦服務(wù)方法，立足館內(nèi)資源，整理后主動推送，以更好地服務(wù)讀者。王慶等討論了利用用戶畫像從用戶視角分析資源的需求，從而實現(xiàn)圖書館的資源推薦。黃凌云從目前圖書館信息系統(tǒng)獲取讀者需求信息不足的痛點出發(fā)，提出利用網(wǎng)絡(luò)爬蟲技術(shù)采集讀者特征和需求，從而實現(xiàn)資源推薦。依托該模型構(gòu)建的推薦系統(tǒng)經(jīng)過十輪實驗，通過調(diào)查報告的方式發(fā)現(xiàn)該模型滿意度大大超過了僅采用讀者圖書館歷史行為數(shù)據(jù)構(gòu)建的推薦系統(tǒng)模型。馬麗從用戶評分?jǐn)?shù)據(jù)稀疏的現(xiàn)實出發(fā)，指出基于用戶的協(xié)同過濾推薦算法面臨評分矩陣R（m，n）維度高而矩陣元素值稀疏從而推薦質(zhì)量低下的問題，并提出建立“群體興趣偏向度”來估算用戶未評分項數(shù)值，從而有效提高基于用戶的協(xié)同過濾推薦算法的推薦質(zhì)量。姚望設(shè)計的面向?qū)W生的高校圖書館圖書推薦系需要對圖書的流通日志進(jìn)行分析進(jìn)而根據(jù)年紀(jì)專業(yè)等對讀者進(jìn)行推薦。

總體來說，大多數(shù)關(guān)于圖書館資源推薦系統(tǒng)的研究都關(guān)注資源或者讀者其中一面來試圖提升推薦系統(tǒng)的質(zhì)量和滿意度。而高校圖書館的資源推薦系統(tǒng)較其他領(lǐng)域的推薦系統(tǒng)有其特殊性。一方面高校圖書館的資源是針對本校科研、教學(xué)采買的，館藏資源與其讀者的契合度相對較高。另一方面對應(yīng)的高校圖書館面對的讀者從年齡、教育程度、專業(yè)等方面具有穩(wěn)定的群體聚集性。從這點出發(fā)，筆者針對高校圖書館，研究把館藏資源按主題篩選分類并推薦給按興趣特征劃分的讀者群，從而實現(xiàn)較高質(zhì)量和可行性的資源推薦。

三、思路方法

1.館藏資源按主題篩選分類

按主題篩選分類館藏資源可以有效解決圖書館面臨的數(shù)據(jù)豐富而信息匱乏的問題。筆者構(gòu)建的資源推薦模型先需要立足于高校圖書館，將館藏資源按主題篩選歸類。而高校圖書館的特殊性在于其服務(wù)于教書、育人、科研的使命使得其館藏資源的采購具有專業(yè)性、指導(dǎo)性以及受眾的穩(wěn)定性，即它的資源從采購開始就是針對其相對穩(wěn)定的讀者，契合度較高。在對資源按專業(yè)、類別等選定主題后，設(shè)計算法，利用關(guān)鍵字、出版社、作者等信息作為抓取目標(biāo)，從海量資源中選擇出符合主題的條目。利用數(shù)據(jù)聚合手段進(jìn)一步獲取更多主題類資源。獲得主題類的資源后，對無序的資源將資源評分、質(zhì)量和主題相關(guān)度等加權(quán)評估作為排序依據(jù)。

2.讀者群體的劃分

高校讀者群體的穩(wěn)定群體聚集性使得我們的讀者群先是在一個相近的受教育程度和文化素養(yǎng)條件下。第一步按照專業(yè)、年級等將讀者進(jìn)行分類。在這個分類下，關(guān)于學(xué)生專業(yè)的教學(xué)和科研領(lǐng)域類的資源可以作為契合資源進(jìn)行匹配推薦。具體來說，館藏資源里相對應(yīng)的專業(yè)相關(guān)的主題圖書按照年級、研究方向等可以與之匹配推薦。進(jìn)一步的群體特征劃分需要通過主動抓取隱性信息或者通過讀者自主選擇來實現(xiàn)。主動抓取隱性信息包括通過歷史流通數(shù)據(jù)獲取讀者感興趣的類別，而兩個興趣相近的讀者群對同一資源主題感興趣的概率相對要大，這也幫助圖書館在做群體劃分時規(guī)避一部分讀者擔(dān)心的隱私權(quán)的侵害問題。設(shè)計興趣主題模塊供讀者主動選擇則使得對讀者按興趣劃分到特定的用戶群這一事件更加簡便。實際運行中應(yīng)該主動抓取隱性信息和鼓勵讀者自主選擇。

3.資源推薦

完成資源的主題分類和讀者的用戶群劃分后，相應(yīng)的主題資源可以直接推送給相應(yīng)的用戶群，從而實現(xiàn)資源推薦而提高資源的使用率。事實上，主題劃分得越細(xì)，相應(yīng)的讀者群的劃分就越小，從而資源推薦系統(tǒng)的個性化程度就越高。資源推薦的效率、質(zhì)量和滿意度也會同時提升。

四、不足與建議

在推薦系統(tǒng)使用更加成熟的領(lǐng)域如網(wǎng)絡(luò)購物平臺，推薦系統(tǒng)主要采用的還是非個性化和半個性化推薦，而完全個性化的推薦遲遲沒能實現(xiàn)，除了技術(shù)手段的問題外，還涉及用戶隱私權(quán)的問題。本文中提出的將館藏資源和讀者群體分別分類劃分從而實現(xiàn)資源推薦的模型雖然在一定程度減輕了用戶對于隱私權(quán)被侵犯的擔(dān)憂，但是資源推薦的精準(zhǔn)度有賴于更精確的主題和讀者興趣類別劃分，這需要讀者主動選擇興趣模塊。接下來的研究試圖構(gòu)建出具體的館藏分類算法實現(xiàn)資源按主題分類，并通過迭代逐步細(xì)化主題，相應(yīng)細(xì)化讀者群的劃分，從而實現(xiàn)更加個性化、高質(zhì)量的高校圖書館資源 推薦。

參考文獻(xiàn)：

[1]張文華，胡春，胡光林，等.基于圖書館流通數(shù)據(jù)的聚類分析研究[J].農(nóng)業(yè)圖書情報學(xué)刊，2010（10）：109-111，130.

[2]李民，王穎純，劉燕權(quán).“211工程”高校圖書館館藏資源推薦系統(tǒng)調(diào)查探析[J].圖書情報工作，2016（9）：55-60.

作者簡介：張果（1990—），女，助理館員，碩士，研究方向：高校圖書館智慧化轉(zhuǎn)型。