面向Portal的數(shù)字圖書館個(gè)性化服務(wù)模型設(shè)計(jì)

寧 琳

（重慶交通大學(xué)圖書館，重慶 400074）

隨著信息技術(shù)的迅猛發(fā)展，數(shù)字圖書館已經(jīng)成為圖書館業(yè)發(fā)展的一個(gè)重要方向。 如何讓讀者從數(shù)字圖書館海量信息中快速準(zhǔn)確地查找所需信息，更好地利用館藏資源進(jìn)行自主學(xué)習(xí)，這對(duì)圖書館服務(wù)模式提出了新的要求。 采用Portal 技術(shù)實(shí)現(xiàn)圖書館用戶個(gè)性化服務(wù)，通過(guò)研究讀者的行為、興趣和習(xí)慣，可以克服信息過(guò)載和信息迷向的缺陷，以“信息找人”替代“人找信息”，使圖書館從被動(dòng)為讀者提供資料到主動(dòng)為讀者尋找知識(shí)方向發(fā)展，滿足讀者個(gè)性化服務(wù)的需求。

1 Portal 技術(shù)及其特征

Portal 是基于應(yīng)用層和表示層的集成方案，其核心組件是用戶構(gòu)件Portlet，一種基于Java 技術(shù)的Web組件，對(duì)用戶而言，它將展現(xiàn)給用戶的內(nèi)容分為多個(gè)Portlet 區(qū)域，區(qū)域間相互獨(dú)立，用戶可以按照需求定制內(nèi)容。 它的主要出發(fā)點(diǎn)是把各種應(yīng)用程序和資源集成，建立統(tǒng)一的訪問點(diǎn)，以“應(yīng)用整合”和消除“信息孤島”為最終目的，提供單點(diǎn)登錄、內(nèi)容聚合、個(gè)性化定制等功能，使用戶不需要訪問多個(gè)站點(diǎn)就可以高效獲得資源。

Portal 主要有以下特性：①用戶界面友好：易于設(shè)定和個(gè)性化；②內(nèi)容聚集：能夠聚集各種Portlet 生成的內(nèi)容；③自主服務(wù)：用戶可以自己管理和發(fā)布內(nèi)容；④兼容性好：用戶能訪問不同來(lái)源的、結(jié)構(gòu)及非結(jié)構(gòu)的各種數(shù)據(jù)；⑤融合性強(qiáng)：能用標(biāo)準(zhǔn)的界面和協(xié)議來(lái)融合各種應(yīng)用程序。

2 面向Portal 的數(shù)字圖書館個(gè)性化服務(wù)模型的分析與設(shè)計(jì)

面向Portal 的個(gè)性化服務(wù)，是一個(gè)集用戶個(gè)性化數(shù)據(jù)采集、用戶訪問模式的挖掘、推薦信息的產(chǎn)生等于一體的綜合性信息服務(wù)。 其設(shè)計(jì)思想是：利用Portal 的個(gè)性化定制和內(nèi)容聚集功能，將每個(gè)Portlet 代表一個(gè)讀者個(gè)性化服務(wù)，通過(guò)分析讀者瀏覽記錄以及和相似讀者的學(xué)習(xí)，獲得關(guān)于讀者興趣信息的知識(shí)，利用這些知識(shí)，從海量的主題中過(guò)濾出讀者感興趣的主題，并通過(guò)一定方式將這些主題“推薦”給讀者，形成讀者的“個(gè)人圖書庫(kù)”，從而實(shí)現(xiàn)讀者個(gè)性化服務(wù)需求。 其個(gè)性化服務(wù)模型如圖1 所示。

根據(jù)信息的處理過(guò)程和流向，可以將該模型分為資源表示、讀者興趣表示、讀者興趣聚類以及讀者推薦集生成等模塊。

圖1 個(gè)性化服務(wù)系統(tǒng)模型圖

2.1 資源表示模塊

資源表示模塊通過(guò)搜索數(shù)字圖書館中的所有資源，經(jīng)過(guò)一定的分析處理，將這些資源表示成一種可方便計(jì)算機(jī)處理的形式。 本文采取的基于資源信息內(nèi)容的概率分布模型來(lái)表示資源，其設(shè)計(jì)思想是：將資源信息內(nèi)容所涉及的領(lǐng)域進(jìn)行分類，假定領(lǐng)域集合為C={c1，c2，……，cn}，其中n 為領(lǐng)域集合的大小，cj 表示第j 個(gè)領(lǐng)域，則資源z 表示一個(gè)概率的矢量：z={P(c1)，P(c2)，……，P(cn)}，對(duì)于任意O＜k＜n＋l，P(cn)表示在資源z 的特征量中屬于領(lǐng)域ck 的特征量占總特征量的比率。 由此可得資源屬性描述過(guò)程：首先，對(duì)各個(gè)詞條進(jìn)行了領(lǐng)域?qū)傩栽O(shè)置，然后對(duì)資源內(nèi)容中涉及到各個(gè)領(lǐng)域中的詞條進(jìn)行統(tǒng)計(jì)，最后求出各個(gè)領(lǐng)域中詞條的概率，用這些概率來(lái)表示資源。

2.2 讀者興趣模塊

讀者興趣模塊是個(gè)性化分析的重要部分，主要通過(guò)分析讀者的瀏覽記錄，來(lái)發(fā)現(xiàn)讀者的興趣信息，同時(shí)將對(duì)這些信息進(jìn)行可計(jì)算化描述。

2.2.1 數(shù)據(jù)收集

在進(jìn)行讀者興趣建模之前，需要進(jìn)行數(shù)據(jù)收集,從中挖掘出讀者興趣信息。 一是使用Cookies，Cookies將讀者訪問信息以純文本形式保存，可提供大量的數(shù)據(jù)供挖掘讀者興趣信息；二是使用服務(wù)器日志，日志中存有讀者訪問的頁(yè)面、時(shí)間、讀者ID 等信息記錄。

2.2.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是對(duì)原始日志文件中的數(shù)據(jù)進(jìn)行提取、分解、合并，最后轉(zhuǎn)化為適合進(jìn)行數(shù)據(jù)挖掘的數(shù)據(jù)格式，它是整個(gè)日志挖掘的基礎(chǔ)和實(shí)施挖掘算法的前提。

（1）數(shù)據(jù)清洗：主要是刪除服務(wù)器日志中與挖掘算法無(wú)關(guān)的項(xiàng)，合并某些記錄，對(duì)發(fā)生錯(cuò)誤的記錄進(jìn)行處理等。

（2）用戶識(shí)別：從日志中識(shí)別出訪問網(wǎng)站的用戶。

（3）會(huì)話識(shí)別：將讀者的多次訪問記錄分為單個(gè)的會(huì)話。

（4）事務(wù)模式識(shí)別：將用戶會(huì)話分割為更小的事務(wù)，建立事務(wù)數(shù)據(jù)庫(kù)，在此基礎(chǔ)上進(jìn)行相關(guān)挖掘。

2.2.3 讀者訪問模式挖掘

對(duì)讀者訪問日志進(jìn)行預(yù)處理后，就可以識(shí)別出讀者訪問模式，通過(guò)分類整理，得到讀者的訪問情況表，它包括URL 地址、Portlet 的訪問日期和訪問時(shí)間長(zhǎng)度等。 訪問序列表的內(nèi)容可以用以下三元組來(lái)描述：

其中Ui 表示第i 個(gè)用戶，ip 表示讀者IP 地址，uid 表示讀者ID，對(duì)于任意的0＜k＜m＋l，urlk 表示訪問的第k 個(gè)Portlet 的URL 地址，time 和length 表示訪問時(shí)間和瀏覽時(shí)間長(zhǎng)度。 通過(guò) 挖掘訪問情況的數(shù)據(jù)，我們可以發(fā)現(xiàn)讀者的瀏覽頻繁集和瀏覽這些Portlet 的時(shí)間長(zhǎng)度， 對(duì)這些Portlet 上的信息進(jìn)行分析就可以發(fā)現(xiàn)讀者的興趣信息。

2.2.4 讀者興趣模塊的實(shí)現(xiàn)

得到讀者訪問序列表后，可挖掘出讀者的興趣度，在這里用Portlet 權(quán)重表示，最后根據(jù)各個(gè)Portlet的形式化描述結(jié)合其權(quán)重，采用加權(quán)疊加平均的方法計(jì)算出讀者的興趣表示。 Portlet 權(quán)重考慮的屬性很多，在此主要以讀者訪問時(shí)間進(jìn)行分析。

首先，通過(guò)設(shè)定閾值，將連續(xù)性的訪問時(shí)間進(jìn)行離散化處理，詳情見表1。

表1 頁(yè)面訪問時(shí)間離散化處理

隨后，通過(guò)采取帶權(quán)代數(shù)疊加求平均的方式來(lái)計(jì)算讀者興趣模型的各個(gè)矢量值。定義向量＜T，C＞，其中T 為訪問時(shí)間離散值的和，C 為訪問次數(shù)。

假設(shè)分析出讀者查找資料形成的瀏覽集有A、B、C、D 四個(gè)Portlet。 在進(jìn)行個(gè)性化推薦的時(shí)候，首先從資源表示模塊得到這四個(gè)Portlet 的描述，如表2-表5 所示。

表2 PortletA 形式化表示

表3 PortletB 形式化表示

表4 PortletC 形式化表示

表5 PortletD 形式化表示

其權(quán)重分別為：＜8，5＞、＜6，3＞、＜5，2＞、＜2，1＞， 則系統(tǒng)在進(jìn)行讀者興趣運(yùn)算的時(shí)候， 可采用如下公式來(lái)進(jìn)行，得出讀者的興趣模型：

對(duì)于本例，有

這樣就可以得到讀者的興趣信息，這樣的表示方式與資源的表示方式相近，便于進(jìn)行相似性計(jì)算，而且用該概率模型來(lái)表達(dá)文檔和讀者興趣可以很好地體現(xiàn)讀者興趣的多樣性。

2.3 讀者興趣聚類模塊

讀者興趣聚類模塊通過(guò)對(duì)所有用戶進(jìn)行聚類，將興趣相近的用戶歸為一簇，同簇內(nèi)的用戶相互學(xué)習(xí)，進(jìn)而發(fā)現(xiàn)讀者的潛在興趣信息。 聚類是根據(jù)數(shù)據(jù)集相似性對(duì)數(shù)據(jù)集分類的過(guò)程，考慮到動(dòng)態(tài)性、實(shí)時(shí)性，本文采用凝聚算法來(lái)實(shí)現(xiàn)對(duì)用戶的聚類，其設(shè)計(jì)思想是：在初始時(shí)，每一個(gè)成員都組成一個(gè)單獨(dú)的簇，在以后的迭代過(guò)程中，再把那些相互鄰近的簇合并成一個(gè)簇，直到所有的成員合并為一個(gè)簇或者所有簇之間的距離大于一個(gè)閾值為止。

2.4 相似性計(jì)算模塊

讀者興趣與資源表示進(jìn)行相似性運(yùn)算，如果相似性大于某個(gè)閾值，則將該資源歸到該用戶的興趣集中，在表示好文檔和讀者興趣以后，可以利用文檔和用戶的相似性來(lái)過(guò)濾文檔，進(jìn)而生成針對(duì)該讀者的推薦集。

除此之外，還包括推薦集生成模塊，限于篇幅，本文不進(jìn)行詳解。

3 數(shù)字圖書館個(gè)性化服務(wù)模型驗(yàn)證結(jié)果分析

本模型在某高校圖書館進(jìn)行了驗(yàn)證，對(duì)其覆蓋率和準(zhǔn)確率兩個(gè)指標(biāo)進(jìn)行了測(cè)試。 覆蓋率是在推薦的內(nèi)容中用戶喜歡的項(xiàng)占所有喜歡項(xiàng)的百分比。準(zhǔn)確率是在推薦的內(nèi)容中用戶喜歡的項(xiàng)占推薦的所有項(xiàng)的百分比。 精確率和覆蓋率越高說(shuō)明該推薦算法越有效。 本實(shí)驗(yàn)研究了推薦準(zhǔn)確率和覆蓋率隨最小推薦系數(shù)閾值的變化情況。當(dāng)一個(gè)項(xiàng)的推薦系數(shù)大于或等于最小推薦系數(shù)閾值時(shí)才能加入推薦集。顯然，最小推薦系數(shù)閾值越高產(chǎn)生越少推薦，而最小推薦系數(shù)閾值越低將產(chǎn)生越多的推薦，覆蓋率將越高。

圖2 準(zhǔn)確率—推薦系數(shù)關(guān)系

圖3 覆蓋率—推薦系數(shù)關(guān)系

實(shí)驗(yàn)表明，隨著推薦系數(shù)閾值的提高，準(zhǔn)確率逐漸加大而覆蓋率逐漸減小，這是因?yàn)殡S著推薦系數(shù)閾值的加大，用戶興趣的描述趨于精確，所以推薦精度提高，而推薦系數(shù)閾值的增大，用戶的潛在興趣描述減少，所以用戶興趣覆蓋率降低。 實(shí)驗(yàn)結(jié)果與理論分析結(jié)果一致，證實(shí)了模型的有效性。

4 結(jié)束語(yǔ)

Portal 是基于Web 的下一代桌面，它主要是把各種應(yīng)用程序和資源集成，建立統(tǒng)一的訪問點(diǎn)。 本文針對(duì)數(shù)字圖書館未來(lái)發(fā)展的需求，設(shè)計(jì)并初步實(shí)現(xiàn)了面向Portal 的圖書館個(gè)性化服務(wù)模型，該模型通過(guò)對(duì)資源和讀者興趣進(jìn)行挖掘，并以個(gè)性化推薦方式呈現(xiàn)給讀者，克服了現(xiàn)有查詢系統(tǒng)中信息過(guò)載和信息迷向的缺陷，為數(shù)字圖書館向個(gè)性化服務(wù)發(fā)展提供了一個(gè)較好的方向和依據(jù)。

[1] 寧琳.基于智能Agent 的數(shù)字圖書館個(gè)性化服務(wù)模型研究[J].江西圖書館學(xué)刊,2012(3):77-81.

[2] 李靜.基于Portal 的大學(xué)圖書館個(gè)性化服務(wù)研究與實(shí)現(xiàn)[J].情報(bào)雜志,2009(7):170-173.

[3] 杜輝鋒.面Portal 的個(gè)性化信息服務(wù)的研究與實(shí)現(xiàn)[C]//解放軍理工大學(xué)論文集,南京：解放軍理工大學(xué)出版社，2007.

[4] 劉瑞,潘瑜春,陸洲，等.基于Portal 和WebGIS 的縣級(jí)農(nóng)業(yè)資源管理決策系統(tǒng)[J].計(jì)算機(jī)應(yīng)用研究,2007(12):253-254.