孫蒙琦，姜瑞華

(內蒙古醫(yī)科大學附屬醫(yī)院，內蒙古 呼和浩特 010030)

0 引言

隨著網絡的普及，信息技術的不斷發(fā)展，圖書也在逐步完成電子數字化的轉變，圖書館進入了線上電子服務的新階段[1]。數字圖書館將海量的信息資源進行收集、儲存并通過互聯網完成資源的傳播，世界上大部分國家已經將數字圖書館當做創(chuàng)新體系和創(chuàng)新能力的組成部分，將其作為國家信息建設的基礎。信息化社會給人們的生活帶來了便利的同時，海量的資訊也會導致信息過載[2]。一般信息系統(tǒng)對于客戶的喜好無法給予智能、主動的推薦，只能由用戶在搜索引擎中對目標信息進行相關描述后得到搜索結果，因此，推薦系統(tǒng)順應時代的需求隨之出現。推薦系統(tǒng)會將用戶以及系統(tǒng)中相關項目的信息進行建模，并通過系統(tǒng)自有的特定算法為用戶快捷地推薦感興趣、有價值的信息，以達到提供個性化服務的目標[3]。本文對推薦系統(tǒng)與數字圖書館進行搭載的作用和意義，展開詳細的研究分析。

1 數字圖書館的優(yōu)點

1.1 節(jié)省存儲空間

數字圖書館將圖書進行數字化的轉化并儲存，相比于傳統(tǒng)書籍，數字圖書館的產生節(jié)省了空間，同時減少了資源的浪費，對資料的保存和管理較傳統(tǒng)圖書館更具有優(yōu)勢[4-5]。

1.2 方便檢索

數字圖書館以龐大的數據網絡為依托，用戶通過對信息的檢索，輸入關鍵字即可獲取大量信息，將以往傳統(tǒng)的、煩瑣的檢索簡單化，節(jié)省時間的同時提高了效率。

1.3 信息的遠程傳遞

由于傳統(tǒng)圖書館的建設受到多種因素的影響，數量和規(guī)模有一定的限制，而數字圖書館出現后，用戶能夠隨時隨地地進行閱讀和信息獲取，節(jié)省了往返圖書館的時間，使閱讀和信息的獲取、傳遞打破了時間和空間的限制，實現了用戶閱讀的自由性[6]。

1.4 多人共享

傳統(tǒng)圖書不能多人同時進行閱讀，在一定程度上限制了資源的共享和傳遞，而將圖書資源進行數字化的轉換和管理，可以同時滿足多個用戶的需求，還會為用戶提供多種同類別的信息推薦和選擇，使圖書資源的利用率得以提高[7]。

2 數字圖書館現存的不足

2.1 資源過濾不完善

數字圖書館的檢索功能只能根據用戶對目標的描述進行相關推薦[8]，推薦的情況取決于用戶對目標的描述，對于用戶的喜好無法給予智能、主動的推薦，在一定程度上，對資源的過濾不夠精準，也使用戶將時間浪費在了信息的篩選上。

2.2 信息超載

數字圖書館海量地收集了各類信息，并將其進行有序地存儲，再通過互聯網進行傳播[9]。雖然節(jié)省了時間、帶來了便利，但同時也會出現信息過載。用戶需要對大量信息進行分辨來獲取有用的信息，這給用戶造成了一定的困擾。

3 數字圖書館個性化服務的特點及個性化推薦

3.1 數字圖書館個性化服務的特點

數字圖書館是網絡和信息技術發(fā)展的產物，實現了對廣泛的用戶群體提供個性化服務的計劃[10]。個性化服務作為數字圖書館面向廣大客戶提供服務的基本模式，以及在新時代中發(fā)展的重要手段，其主要內容就是針對不同階層和年齡的用戶群體，根據用戶的基本信息，通過不同的算法，為用戶進行有針對性、目標性的推薦，以滿足用戶對信息的不同需求。以信息系統(tǒng)的龐大數據體系為依托，為用戶提供資源瀏覽、查閱等服務。

3.2 圖書數據的檢索

應確定檢索內容以及數據描述方式的選擇。用戶在檢索圖書和文獻時，會根據書名、作者、出版時間等關鍵信息進行檢索，所以在確定檢索內容時，需將具有檢索需求的所有字段數據進行收錄。此外，應在索引中將用戶不可見的字段內容進行保存，為后續(xù)業(yè)務的拓展、系統(tǒng)的升級改造做好準備。

4 推薦系統(tǒng)

在互聯網海量信息傳遞的同時，為解決信息超載的問題，推薦系統(tǒng)應運而生。通過技術處理，有效解決用戶進行信息瀏覽時發(fā)生的各種問題，對信息進行整合、歸類、分析，最終根據用戶的喜好推薦信息。

5 推薦系統(tǒng)的分類

5.1 非個性化推薦

這是指用戶在進行信息檢索和瀏覽的過程中，所接收的推薦是相同且無差別的。對于不同類別的信息，都會根據搜索情況和瀏覽量，按照由高到低的算法向用戶推薦。

5.2 根據屬性推薦

根據用戶的搜索類別進行推薦。例如，數字圖書館中的雜志、報紙、書籍等特定的類別，搜索后將所屬類別下的所有信息進行展示。

5.3 用戶相關性推薦

系統(tǒng)根據用戶注冊的基本信息、歷史瀏覽記錄進行相關性推薦。以數字圖書館為例，對曾經閱讀過計算機類書籍的用戶，進行相關以及相似品類書籍的推薦，包括一致方向、一致興趣。

5.4 知識相關性推薦

由于系統(tǒng)囊括了新老用戶的相關注冊信息，對老用戶的瀏覽和搜索記錄進行相關性推薦的同時，同歸特定算法對新用戶的基本需求進行推斷分析，系統(tǒng)需要具有推薦滿足用戶需要的產品的功能，整合不同的算法，將推薦進行合理優(yōu)化以滿足用戶需求。

6 數字圖書館推薦系統(tǒng)的架構模型與應用

6.1 模型的提出

根據數字圖書館為用戶提供個性化服務的特點，進行綜合性的具體分析，結合推薦系統(tǒng)的基本理念，建立起數字圖書館推薦系統(tǒng)的基本架構。輸入/輸出、系統(tǒng)處理(輸入識別和模糊匹配)、反饋以及交互組成了數字圖書館的推薦系統(tǒng)。其中，系統(tǒng)輸入主要包括系統(tǒng)用戶以及相關圖書資源的信息、用戶要求(自主檢索)、推薦方法模糊匹配。輸出是系統(tǒng)通過用戶的檢索，結合用戶的信息、歷史瀏覽等相關信息進行計算、整合，最終為用戶提供個性化的推薦結果。推薦系統(tǒng)在使用過程中會獲取到數字圖書館用戶的喜好、信息。文獻、書籍信息包括文獻和書籍的類別、歷史的瀏覽和借閱數、用戶的評價等。用戶信息包括個人信息的職業(yè)、性別、年齡、專業(yè)等。用戶的輸入包括關鍵字、書名、文獻、瀏覽記錄等。讀者的借閱包括借閱圖書、文獻的記錄、給出的書評和相關文獻的評價。

系統(tǒng)通過對比不同數據進行分析處理，以完成為用戶進行個性化推薦的任務，而數據在處理的過程中，通過對數據進行識別、分析、關聯，再通過不同的技術算法，將用戶本身的興趣以及文獻特征進行具體描述。

6.2 推薦系統(tǒng)技術的算法在數字圖書館中的應用

根據數字圖書館搭載推薦系統(tǒng)的特點，采用基于用戶——用戶關系的協作篩選算法、基于文獻——文獻關系的協作篩選算法、Bayesian 網絡以及協同過濾法[11]。

6.3 基于用戶——用戶關系的協作篩選算法

首先，要通過計算機Pearson 相關系數對用戶之間的相似性進行估算；其次，以目標用戶為中心，將與之關系數值最高的n個讀者作為鄰居；最后，完成對文獻喜好程度的預測。根據系統(tǒng)的預測結果和最終的分析結果，為數字圖書館的用戶提供相關興趣、信息的推薦。

6.4 基于文獻——文獻關系的協作篩選算法

將文獻之間的聯系作為重點，集合目標用戶所查看的所有文獻，通過對該類文獻與考慮推薦的文獻之間的相似度的計算，得出用戶對文獻的評分。結合用戶的喜好，根據文獻、圖書、資料的既往評分以及綜合價值進行測算和分析，將優(yōu)質的、高分的文獻、圖書以及資料向用戶推薦，保證用戶獲取信息的質量和時效性。

6.5 Bayesian 網絡

這是以概率分析為基礎，對不確定性知識進行表達和推理的模型。在數字圖書館推薦系統(tǒng)中應用時，更加適用于用戶興趣轉變比較慢的情景下。從原始數據入手，進行挖掘，將符合原始數據的網絡圖關系進行確定，再根據已確定關系中的因果關系計算出用戶或文獻的時間節(jié)點的相關程度。該算法對于相對穩(wěn)定的數字圖書館用戶更具優(yōu)勢，目標用戶檢索內容、瀏覽歷史的偏好較為一致，經推薦系統(tǒng)精準推薦，用戶對知識、信息的獲得將更加快速且具有較高質量。

6.6 協同過濾算法

協同過濾，也稱為社會過濾，主要是通過用戶的興趣，在用戶群體中找到與目標用戶相似的用戶，將用戶的信息進行綜合分析計算，將目標用戶的喜好進行預測并提交反饋，通過系統(tǒng)的測算和目標用戶喜好的預測，將用戶偏好的信息進行過濾，完成將有效的高質量信息向目標用戶的精準投遞。

6.7 基于模型

在數字圖書館已有用戶信息的基礎上，通過用戶評價模型對數據的處理將項目之間的關系進行識別，實現對數字圖書館用戶群體喜好的準確預測。該算法在數字圖書館中的應用，減少了信息數據的重新計算，避免了預測時的稀疏性問題。

6.8 基于項目

計算未評價項目和已評價項目的相似度，將計算結果作為權重，對各個已評價項目進行評分，得到一個預測值。由此，在數字圖書館中應用，可以通過該算法，找到用戶的若干“鄰居”，根據相似的評分為數字圖書館的目標用戶提供推薦列表。

6.9 基于項目評分預測

由于部分系統(tǒng)對相關項目評分的收錄數據少之又少，使系統(tǒng)進行相關性推薦時的質量有一定的下降，所以，針對項目評分進行預測，彌補了數字圖書館可能存在的數據稀疏性問題，使推薦系統(tǒng)在運行過程中，保證了對用戶推薦的質量，協助用戶快速高效地完成信息和知識的選擇。

7 結語

互聯網滲透于人們生活的各個方面，越來越多的資訊、信息豐富和便利了人們生活的同時，也導致人們對信息應接不暇。而推薦系統(tǒng)的出現，在極大的程度上，將當今社會網絡“填鴨”式的信息輸入、“信息過載”的問題有效緩解。將人們對知識的發(fā)現能力、選擇性獲取的能力有效地激發(fā)，將數字圖書館的用戶體驗有效地提升，同時，使服務提供方的效益更好，實現了用戶和數字圖書館方面的互惠雙贏。推薦系統(tǒng)在數字圖書館中的應用，使個性化服務得以充分發(fā)揮，將數據收集、分析、處理、反饋進行結合，使用戶在對信息進行檢索時，得出的結果更接近于用戶的偏好，使信息獲取更加及時、準確。

總而言之，推薦系統(tǒng)在數字圖書館中的應用，為用戶提供了更加便捷、個性化、智能化的服務，糾正了信息過剩帶來的弊端，提高了信息檢索的效率，節(jié)省了用戶的時間和精力，使數字資源的利用更加充分。該系統(tǒng)應用效果顯著，值得推薦。