圖書借閱排行算法研究*

摘 要 目前圖書借閱排行的傳統(tǒng)算法是僅按借閱次數(shù)排序，該算法存在某些熱門圖書可能會(huì)長(zhǎng)期占據(jù)排行榜前列之不足。論文提出了新的圖書借閱排行算法，該算法綜合考慮了借閱次數(shù)、復(fù)本數(shù)、入藏日期和最近外借日期等影響因素，在保證了較好推薦效果的情況下，實(shí)現(xiàn)了自動(dòng)淘汰的機(jī)制，解決了傳統(tǒng)算法的不足。

關(guān)鍵詞 推薦書目 導(dǎo)讀 借閱排行 算法

分類號(hào) G252

Study on the Book-loaning Ranking Algorithm

Wang Zexian

Abstract The current traditional algorithm of book-lending ranking is only ranked by the frequency of lending， which results in the problem that some pop books may continue to rank top. This paper puts forward a new book-lending ranking algorithm， which comprehensively considered the influencing factors of the lending-frequency， duplicate-mode， collection date and the recent lending date. This new algorithm can ensure the better recommendatory effect， realize the automatically selective system and solve the deficiencies of the traditional algorithm.

Keywords Recommended bibliography. Reading guidance. Book-lending ranking. Algorithm.

0 引言

圖書館藏書數(shù)量巨大，少則幾十萬(wàn)，多則幾百萬(wàn)，且呈不斷增長(zhǎng)之勢(shì)，在海量文獻(xiàn)中快速、有效地查獲所需圖書，對(duì)多數(shù)讀者而言絕非易事。開展閱讀引導(dǎo)，向讀者推薦好書新書，是圖書館做好讀者服務(wù)、提高館藏利用率的有效手段?！镀胀ǜ叩葘W(xué)校圖書館規(guī)程（修訂）》第17條中規(guī)定：高等學(xué)校圖書館應(yīng)“通過編制推薦書目、導(dǎo)讀書目，舉辦書刊展評(píng)等多種方式進(jìn)行閱讀輔導(dǎo)”[1]。圖書館開展導(dǎo)讀的方式和方法有很多種，其中書目推薦就是一種重要的導(dǎo)讀手段。書目推薦的途徑包括：編制專題目錄、館藏新書通報(bào)、館藏借閱排行等[2]。專家推薦書目向來被公認(rèn)為引導(dǎo)閱讀的最佳方式，但其往往是權(quán)威性有余而實(shí)效性、靈活性不足。圖書館的圖書借閱排行榜能夠較為真實(shí)地反映該館讀者的閱讀取向和偏好[3]。借閱量大的圖書，一般是比較受讀者歡迎的書，將這些書按月度、半年度、年度等方式進(jìn)行排行并公之于眾，對(duì)揭示館藏利用情況、幫助讀者進(jìn)行閱讀選擇，具有相當(dāng)重要的意義。

目前各館的圖書借閱排行只是簡(jiǎn)單地按借閱次數(shù)進(jìn)行。該方法實(shí)現(xiàn)簡(jiǎn)單，但因其未充分考慮入藏時(shí)間、最近外借時(shí)間和復(fù)本數(shù)等相關(guān)因素，故該評(píng)價(jià)方法的可信度不高，未能真實(shí)反映圖書的價(jià)值。本文設(shè)計(jì)了一個(gè)綜合考慮各種影響因素的圖書借閱排行算法，使圖書借閱排行更加科學(xué)、合理。

1 圖書借閱排行算法

圖書借閱排行最直覺、最簡(jiǎn)單的算法，就是依據(jù)指定時(shí)間內(nèi)借閱次數(shù)的多少進(jìn)行排名，借閱次數(shù)最多的圖書自然就排在第一位。這就是傳統(tǒng)的圖書借閱排行算法，該算法的優(yōu)點(diǎn)是簡(jiǎn)單、容易實(shí)現(xiàn)、排序算法計(jì)算速度快。但由于這種算法僅考慮了借閱次數(shù)，所以存在一個(gè)很大的缺點(diǎn)：缺乏自動(dòng)淘汰的機(jī)制，某些熱門的圖書可能會(huì)長(zhǎng)期占據(jù)排行榜前列，從而失去推薦意義。所以，需要綜合考慮影響圖書借閱排行的各種因素，設(shè)計(jì)一種新的借閱排行。

1.1 影響因素

（1）借閱次數(shù)Counto：一種圖書被借閱（包括借出和續(xù)借）的總次數(shù)，借閱次數(shù)較高的圖書，表示擁有效高的借閱頻率，較受讀者歡迎，應(yīng)該排列在前。

（2）復(fù)本數(shù)Countb：同等條件下，復(fù)本數(shù)多的圖書被借閱的機(jī)率也可能會(huì)相應(yīng)較多，其被借閱的總次數(shù)相應(yīng)地也會(huì)較大；反之，復(fù)本數(shù)較少的圖書被借閱的總次數(shù)自然會(huì)較少。例如，圖書A復(fù)本數(shù)是20，其借閱次數(shù)是50次；而圖書B復(fù)本數(shù)是3，其借閱次數(shù)是20次，如果只是按借閱次數(shù)排列，A排在B前，顯然是不合理的。因此，基于公平性，圖書借閱排行計(jì)算過程中要排除復(fù)本數(shù)的影響。

（3）入藏日期Datei：圖書到館加工完成后，上架可以外借的日期。同等條件下，入藏日期較早的圖書相應(yīng)被借閱的可能性也較高，總借閱次數(shù)相應(yīng)較多；入藏日期較后的圖書，被借閱的次數(shù)自然會(huì)較少，但這并不代表這本書的表現(xiàn)就比較差。例如，圖書A已入藏300天，其借閱次數(shù)是10次；而另圖書B才入藏50天，其借閱次數(shù)是5次，如果只是按借閱次排數(shù)列，A排在B前，明顯是不合理的。因此，基于公平性，圖書借閱排行計(jì)算過程中要考慮入藏日期的影響。

（4）外借日期Datel：圖書受到歡迎有一定的周期性，圖書的最后外借日期越接近當(dāng)前日期，表示該書最近才被借出，也體現(xiàn)該書最有可能再度被借閱[4]。就算某圖書的借閱總次數(shù)較高，但其最后外借日期距當(dāng)前日期較遠(yuǎn)，該書很久沒有被借閱，表示該書以前受讀者歡迎，但近期已經(jīng)不再受讀者歡迎了。

1.2 排行算法

綜合考慮以上因素，本文設(shè)計(jì)了一種新的圖書借閱排行算法：在指定的時(shí)間范圍內(nèi)（開始日期Dateb、結(jié)束日期Datee），圖書i的借閱排行得分Score（i）可由公式1得出，然后按借閱排行得分由大到小排序，即可得到圖書i在借閱排行榜的位置。endprint

Score（i）=■（公式1）

公式1中：

（1）圖書i的平均借閱次數(shù)指標(biāo)C（i）=■。C（i）隨著借閱次數(shù)CountO（i）的增大而增大，但隨著復(fù)本數(shù)Countb（i）的增大而減少。在其他條件不變的情況下，借閱次數(shù)CountO越多，復(fù)本數(shù)Countb越少，借閱排行得分越大，借閱排名越高。例如：如圖1所示，平均借閱次數(shù)分別為6、5和4的圖書的借閱排行得分曲線，在任一個(gè)時(shí)間點(diǎn)上，都是C=6曲線在最上方，C=4曲線在最下方。

（2）圖書i的入藏及最近外借日期指標(biāo)D（i）=log10Dayei（i）+log10Dayel（i）。入藏天數(shù)Dayei=Datee-Datei，表示結(jié)束日期Datee與圖書入藏日期Datei間的天數(shù)，即圖書可被借閱使用時(shí)間。最近外借天數(shù)Dayel=Datee-Datel，表示結(jié)束日期Datee與在統(tǒng)計(jì)時(shí)段內(nèi)圖書最后被外借日期Datel間的天數(shù)。在上面的公式中，兩日期相減表示兩日期間的天數(shù)，不足一天當(dāng)一天計(jì)算。越新的圖書或越是最近被借閱的圖書，其入藏及最后外借日期因數(shù)越少，在其他條件不變的情況下，借閱排行得分越大，借閱排名越高。這意味著隨著時(shí)間的推移，及無人借閱的時(shí)間越長(zhǎng)，其借閱排行得分越小，借閱排名越低，隨著時(shí)間增長(zhǎng)會(huì)逐漸跌到排行榜的末尾，保證了排名前列的都將是較新的和最近受歡迎的圖書。公式1的分母加1是為了防止D（i）=0時(shí)分母為0。

圖1 借閱排行得分比較圖

（3）α是重力因子。表示將圖書排名往下拉的力量，也即圖書排名隨時(shí)間增長(zhǎng)而下降的速度，根據(jù)實(shí)際需要調(diào)整。如圖2所示，三根曲線的其他參數(shù)都一樣，α的值分別為1.5、1和0.5。值越大，曲線越陡峭，隨著入藏及最后外借日期指標(biāo)D（i）的增大，排名下降得越快。

圖2 重力因子作用比較圖

2 算法實(shí)現(xiàn)

2.1 算法實(shí)現(xiàn)流程

按照公式1計(jì)算圖書借閱排行得分，需要綜合圖書的入藏日期、復(fù)本數(shù)，及在指定日期范圍的借閱次數(shù)、最后外借日期等參數(shù)計(jì)算得出，而這些參數(shù)都需從館藏表及操作日志表中獲取，涉及的數(shù)據(jù)量比較龐大，難以在需要時(shí)即時(shí)完成計(jì)算并返回結(jié)果。例如，廣州大學(xué)圖書館（以下簡(jiǎn)稱“我館”）的館藏記錄就有270多萬(wàn)條，2005至2013年的借閱日志記錄就有454多萬(wàn)條。所以一般在空閑時(shí)段，預(yù)先對(duì)圖書借閱排行計(jì)算，需要時(shí)直接調(diào)用排行榜結(jié)果。圖書借閱排行計(jì)算流程如下：

（1）從日志表中取得在指定日期范圍被借閱圖書的書目記錄號(hào)。

（2）根據(jù)書目記錄號(hào)從館藏表中獲取入藏日期、復(fù)本數(shù)，并從操作日志表中取得在指定日期范圍的借閱次數(shù)、最后外借日期。然后將這些參數(shù)代入公式1計(jì)算，得到圖書借閱排行得分。

（3）計(jì)算出所有被借閱圖書的借閱排行得分后，按借閱排行由高到低排序，得到圖書借閱排行榜，并將排行結(jié)果保存，供需要時(shí)使用。

2.2 性能優(yōu)化

在算法具體實(shí)現(xiàn)時(shí)，還要注意性能的優(yōu)化，將計(jì)算時(shí)間控制在可接受的時(shí)間范圍內(nèi)。本文在最初實(shí)現(xiàn)算法時(shí)，入藏日期、復(fù)本數(shù)、借閱次數(shù)和最后外借日期等參數(shù)，都是分開單個(gè)從數(shù)據(jù)庫(kù)獲取。我館在2011年上半年度，中文圖書借閱日志記錄總數(shù)為285 692條，完成圖書借閱排行計(jì)算超過16小時(shí)，這明顯是不能接受的，必須進(jìn)行優(yōu)化。經(jīng)分析，由于館藏表和日志表數(shù)據(jù)量龐大，分別單個(gè)從數(shù)據(jù)庫(kù)獲取入藏日期、復(fù)本數(shù)、借閱次數(shù)和最后外借日期等參數(shù)耗費(fèi)了大量時(shí)間。后經(jīng)改進(jìn)，使用單一SQL查詢語(yǔ)句，實(shí)現(xiàn)一次從數(shù)據(jù)庫(kù)獲取所有計(jì)算所需的參數(shù)，從而大大減少了所需時(shí)間，上面需16小時(shí)以上才能完成的計(jì)算任務(wù)，現(xiàn)只需15分鐘就能完成。改進(jìn)后的SQL查詢語(yǔ)句如下所示：

select l.logh，count（*）as countO，

（select count（*）from holding where hldb=l.logh） as countB，

（select min（hldc）from holding where hldb=l.logh） as dateI，

max（loga1）as dateL

from ilog l

where loga1>=${begin}and loga1<=${end}and （logc=3031 or logc=3035）

group by logh

3 驗(yàn)證分析

本文使用了我館的中文圖書館藏及其借閱日志數(shù)據(jù)，對(duì)借閱排行算法進(jìn)行了驗(yàn)證分析，公式1中的重力因子取值1.5。參與實(shí)驗(yàn)的借閱日志數(shù)據(jù)記錄時(shí)間自2011年1月1日至2013年6月30日，共兩年半時(shí)間，借閱日志記錄總數(shù)為1281 301條。在本文中，將實(shí)驗(yàn)數(shù)據(jù)每半年一段：2011年1月1日至2011年6月30日為時(shí)段1，2011年7月1日至2011年12月31日為時(shí)段2，依此類推，共分成了5個(gè)時(shí)間段。

3.1 排序效果

根據(jù)各時(shí)段的借閱日志數(shù)據(jù)，分別進(jìn)行借閱排行計(jì)算。表1是按本文算法計(jì)算得出，在時(shí)段5的圖書借閱排行榜前10名的相關(guān)參數(shù)及排行情況：借閱排行得分按公式1計(jì)算得出，排名按借閱排行得分由高到低排行得到，按借閱排名是僅按借閱次數(shù)由高到低的排名。

由該表可以看出，排名受圖書的復(fù)本數(shù)、借閱次數(shù)、入藏天數(shù)和最后外借日期影響，在其他條件相同的情況下，復(fù)本數(shù)越少，排名越前，借閱次數(shù)越多，排名越前，入藏天數(shù)或最后外借天數(shù)越少，排名越前。排名雖然受借閱次數(shù)影響，但與僅按借閱次數(shù)排名關(guān)系不大，并且按兩種算法得出的借閱排名相差較大。

表1 時(shí)段5圖書借閱排行榜的前10名

3.2 推薦效果

本階段實(shí)驗(yàn)中，分別將參與實(shí)驗(yàn)的兩個(gè)相鄰時(shí)段組成一組：第1組時(shí)段1作訓(xùn)練期，時(shí)段2作驗(yàn)證期；第2組時(shí)段2作訓(xùn)練期，時(shí)段3作驗(yàn)證期；以此類推，5個(gè)時(shí)段共組成4組。將訓(xùn)練期的數(shù)據(jù)分別進(jìn)行借閱排行計(jì)算，然后檢測(cè)其在驗(yàn)證期是否有借閱，從而驗(yàn)證該圖書的推薦成功性。在驗(yàn)證期有借閱，表示推薦成功；在驗(yàn)證期沒有借閱，則表示推薦失敗。endprint

據(jù)調(diào)查顯示，用戶每次檢索后，只瀏覽少數(shù)結(jié)果頁(yè)面的比例在逐步提高，而用戶實(shí)際所訪問的結(jié)果范圍非常小。例如，從1997—2001年，用戶每次檢索后只瀏覽一個(gè)頁(yè)面的比例，從28.6%提高到50.5%，而2001年之后更是提高到70%，這意味著檢索結(jié)果空間都集中到了結(jié)果頁(yè)面的第一頁(yè)和第二頁(yè)，有時(shí)包括第三頁(yè)[5]。同樣，讀者也只會(huì)對(duì)圖書借閱排行的前幾十名最感興趣，只有排名前列的圖書才能夠吸引讀者的注意，起到引導(dǎo)、推薦的作用。所以，本實(shí)驗(yàn)中，只取驗(yàn)證期的圖書借閱排行榜前100名的圖書來進(jìn)行推薦效果驗(yàn)證，統(tǒng)計(jì)結(jié)果如表2所示。從該表可以看出按借閱次數(shù)和按本文算法得出的圖書借閱排行榜都有較高的推薦成功率，排行榜前100名的圖書，在驗(yàn)證期起碼有96種以上會(huì)被借閱，并且兩種排行算法的推薦成功率相差不大，相比較按本文算法稍微占優(yōu)，推薦成功率幾乎100%。

表2 推薦成功統(tǒng)計(jì)

3.3 自動(dòng)淘汰效果

首先，分別將5個(gè)時(shí)段的數(shù)據(jù)進(jìn)行借閱排行計(jì)算，然后統(tǒng)計(jì)時(shí)段1的圖書借閱排行榜前100名的圖書在后面4個(gè)時(shí)段的圖書借閱排行榜前100名中重復(fù)出現(xiàn)的次數(shù)。表3是統(tǒng)計(jì)結(jié)果，從表3可以看出：僅按借閱次數(shù)排行的圖書借閱排行榜，最少的時(shí)候也有40種圖書重復(fù)占據(jù)前100名，即存在著某些熱門圖書長(zhǎng)期占據(jù)排行榜前列的情況，并且該情況不會(huì)隨時(shí)間的增長(zhǎng)而減少；而按本文算法的圖書借閱排行榜中，時(shí)段1的前100名的圖書在后面時(shí)段里重復(fù)出現(xiàn)在排行榜前列的情況校相對(duì)少，最多的時(shí)候也僅有16種，并且重復(fù)情況會(huì)隨著時(shí)間的增長(zhǎng)而減少。也就是說，按本文的圖書借閱排行算法有自動(dòng)淘汰的功能，避免了某些熱門圖書長(zhǎng)期占據(jù)排行榜前列的情況。增大重力因子的值可以增快自動(dòng)淘汰的速度。

表3 重復(fù)出現(xiàn)統(tǒng)計(jì)

4 結(jié)語(yǔ)

本文提供的圖書借閱排行算法綜合考慮了借閱次數(shù)、復(fù)本數(shù)、入藏日期和最近外借日期等影響因數(shù)，在保證了較好推薦效果的情況下，實(shí)現(xiàn)了自動(dòng)淘汰機(jī)制，糾正了傳統(tǒng)圖書借閱排行算法存在的某些熱門圖書長(zhǎng)期占據(jù)排行榜前列之不足。借助該算法，生成圖書借閱排行榜，可以為讀者提供較好的圖書推薦、導(dǎo)讀服務(wù)，幫助讀者快捷地篩選圖書，提升服務(wù)質(zhì)量、提高館藏利用率。本文研究的圖書排行算法只能針對(duì)被借閱過的圖書，對(duì)于未被借閱過的新書該如何排行、推薦，則是下一步的研究方向。

參考文獻(xiàn)：

[ 1 ] 教育部關(guān)于印發(fā)《普通高等學(xué)校圖書館規(guī)程（修訂）》的通知[EB/OL].[2013-11-05].http：//www.edu.cn/2002

0610/3058180.shtml.

[ 2 ] 李正祥，陸書紅.書目推薦：公共圖書館參與社會(huì)閱讀的重要途徑[J].高校圖書館工作，2012（6）：84-87.

[ 3 ] 王喜明，祁莉.打造“推薦圖書排行榜”：高校圖書館導(dǎo)讀的新思路[J].圖書館建設(shè)，2010（7）：78-81.

[ 4 ] 張海營(yíng).基于RFM模型的圖書館圖書評(píng)價(jià)系統(tǒng)研究[J].圖書館，2012（3）：60-61.

[ 5 ] Spink A，Jansen B J，Wolfram D，et al. From e-sex to e-commerce：Web search changes[J]. IEEE Computer，2002，35（3）：107-109.

王澤賢 廣州大學(xué)圖書館副研究館員。廣東廣州，510006。

（收稿日期：2014-01-10 編校：鄒婉芬）endprint

據(jù)調(diào)查顯示，用戶每次檢索后，只瀏覽少數(shù)結(jié)果頁(yè)面的比例在逐步提高，而用戶實(shí)際所訪問的結(jié)果范圍非常小。例如，從1997—2001年，用戶每次檢索后只瀏覽一個(gè)頁(yè)面的比例，從28.6%提高到50.5%，而2001年之后更是提高到70%，這意味著檢索結(jié)果空間都集中到了結(jié)果頁(yè)面的第一頁(yè)和第二頁(yè)，有時(shí)包括第三頁(yè)[5]。同樣，讀者也只會(huì)對(duì)圖書借閱排行的前幾十名最感興趣，只有排名前列的圖書才能夠吸引讀者的注意，起到引導(dǎo)、推薦的作用。所以，本實(shí)驗(yàn)中，只取驗(yàn)證期的圖書借閱排行榜前100名的圖書來進(jìn)行推薦效果驗(yàn)證，統(tǒng)計(jì)結(jié)果如表2所示。從該表可以看出按借閱次數(shù)和按本文算法得出的圖書借閱排行榜都有較高的推薦成功率，排行榜前100名的圖書，在驗(yàn)證期起碼有96種以上會(huì)被借閱，并且兩種排行算法的推薦成功率相差不大，相比較按本文算法稍微占優(yōu)，推薦成功率幾乎100%。

表2 推薦成功統(tǒng)計(jì)

3.3 自動(dòng)淘汰效果

首先，分別將5個(gè)時(shí)段的數(shù)據(jù)進(jìn)行借閱排行計(jì)算，然后統(tǒng)計(jì)時(shí)段1的圖書借閱排行榜前100名的圖書在后面4個(gè)時(shí)段的圖書借閱排行榜前100名中重復(fù)出現(xiàn)的次數(shù)。表3是統(tǒng)計(jì)結(jié)果，從表3可以看出：僅按借閱次數(shù)排行的圖書借閱排行榜，最少的時(shí)候也有40種圖書重復(fù)占據(jù)前100名，即存在著某些熱門圖書長(zhǎng)期占據(jù)排行榜前列的情況，并且該情況不會(huì)隨時(shí)間的增長(zhǎng)而減少；而按本文算法的圖書借閱排行榜中，時(shí)段1的前100名的圖書在后面時(shí)段里重復(fù)出現(xiàn)在排行榜前列的情況校相對(duì)少，最多的時(shí)候也僅有16種，并且重復(fù)情況會(huì)隨著時(shí)間的增長(zhǎng)而減少。也就是說，按本文的圖書借閱排行算法有自動(dòng)淘汰的功能，避免了某些熱門圖書長(zhǎng)期占據(jù)排行榜前列的情況。增大重力因子的值可以增快自動(dòng)淘汰的速度。

表3 重復(fù)出現(xiàn)統(tǒng)計(jì)

4 結(jié)語(yǔ)

本文提供的圖書借閱排行算法綜合考慮了借閱次數(shù)、復(fù)本數(shù)、入藏日期和最近外借日期等影響因數(shù)，在保證了較好推薦效果的情況下，實(shí)現(xiàn)了自動(dòng)淘汰機(jī)制，糾正了傳統(tǒng)圖書借閱排行算法存在的某些熱門圖書長(zhǎng)期占據(jù)排行榜前列之不足。借助該算法，生成圖書借閱排行榜，可以為讀者提供較好的圖書推薦、導(dǎo)讀服務(wù)，幫助讀者快捷地篩選圖書，提升服務(wù)質(zhì)量、提高館藏利用率。本文研究的圖書排行算法只能針對(duì)被借閱過的圖書，對(duì)于未被借閱過的新書該如何排行、推薦，則是下一步的研究方向。

參考文獻(xiàn)：

[ 1 ] 教育部關(guān)于印發(fā)《普通高等學(xué)校圖書館規(guī)程（修訂）》的通知[EB/OL].[2013-11-05].http：//www.edu.cn/2002

0610/3058180.shtml.

[ 2 ] 李正祥，陸書紅.書目推薦：公共圖書館參與社會(huì)閱讀的重要途徑[J].高校圖書館工作，2012（6）：84-87.

[ 3 ] 王喜明，祁莉.打造“推薦圖書排行榜”：高校圖書館導(dǎo)讀的新思路[J].圖書館建設(shè)，2010（7）：78-81.

[ 4 ] 張海營(yíng).基于RFM模型的圖書館圖書評(píng)價(jià)系統(tǒng)研究[J].圖書館，2012（3）：60-61.

[ 5 ] Spink A，Jansen B J，Wolfram D，et al. From e-sex to e-commerce：Web search changes[J]. IEEE Computer，2002，35（3）：107-109.

王澤賢 廣州大學(xué)圖書館副研究館員。廣東廣州，510006。

（收稿日期：2014-01-10 編校：鄒婉芬）endprint

據(jù)調(diào)查顯示，用戶每次檢索后，只瀏覽少數(shù)結(jié)果頁(yè)面的比例在逐步提高，而用戶實(shí)際所訪問的結(jié)果范圍非常小。例如，從1997—2001年，用戶每次檢索后只瀏覽一個(gè)頁(yè)面的比例，從28.6%提高到50.5%，而2001年之后更是提高到70%，這意味著檢索結(jié)果空間都集中到了結(jié)果頁(yè)面的第一頁(yè)和第二頁(yè)，有時(shí)包括第三頁(yè)[5]。同樣，讀者也只會(huì)對(duì)圖書借閱排行的前幾十名最感興趣，只有排名前列的圖書才能夠吸引讀者的注意，起到引導(dǎo)、推薦的作用。所以，本實(shí)驗(yàn)中，只取驗(yàn)證期的圖書借閱排行榜前100名的圖書來進(jìn)行推薦效果驗(yàn)證，統(tǒng)計(jì)結(jié)果如表2所示。從該表可以看出按借閱次數(shù)和按本文算法得出的圖書借閱排行榜都有較高的推薦成功率，排行榜前100名的圖書，在驗(yàn)證期起碼有96種以上會(huì)被借閱，并且兩種排行算法的推薦成功率相差不大，相比較按本文算法稍微占優(yōu)，推薦成功率幾乎100%。

表2 推薦成功統(tǒng)計(jì)

3.3 自動(dòng)淘汰效果

首先，分別將5個(gè)時(shí)段的數(shù)據(jù)進(jìn)行借閱排行計(jì)算，然后統(tǒng)計(jì)時(shí)段1的圖書借閱排行榜前100名的圖書在后面4個(gè)時(shí)段的圖書借閱排行榜前100名中重復(fù)出現(xiàn)的次數(shù)。表3是統(tǒng)計(jì)結(jié)果，從表3可以看出：僅按借閱次數(shù)排行的圖書借閱排行榜，最少的時(shí)候也有40種圖書重復(fù)占據(jù)前100名，即存在著某些熱門圖書長(zhǎng)期占據(jù)排行榜前列的情況，并且該情況不會(huì)隨時(shí)間的增長(zhǎng)而減少；而按本文算法的圖書借閱排行榜中，時(shí)段1的前100名的圖書在后面時(shí)段里重復(fù)出現(xiàn)在排行榜前列的情況校相對(duì)少，最多的時(shí)候也僅有16種，并且重復(fù)情況會(huì)隨著時(shí)間的增長(zhǎng)而減少。也就是說，按本文的圖書借閱排行算法有自動(dòng)淘汰的功能，避免了某些熱門圖書長(zhǎng)期占據(jù)排行榜前列的情況。增大重力因子的值可以增快自動(dòng)淘汰的速度。

表3 重復(fù)出現(xiàn)統(tǒng)計(jì)

4 結(jié)語(yǔ)

本文提供的圖書借閱排行算法綜合考慮了借閱次數(shù)、復(fù)本數(shù)、入藏日期和最近外借日期等影響因數(shù)，在保證了較好推薦效果的情況下，實(shí)現(xiàn)了自動(dòng)淘汰機(jī)制，糾正了傳統(tǒng)圖書借閱排行算法存在的某些熱門圖書長(zhǎng)期占據(jù)排行榜前列之不足。借助該算法，生成圖書借閱排行榜，可以為讀者提供較好的圖書推薦、導(dǎo)讀服務(wù)，幫助讀者快捷地篩選圖書，提升服務(wù)質(zhì)量、提高館藏利用率。本文研究的圖書排行算法只能針對(duì)被借閱過的圖書，對(duì)于未被借閱過的新書該如何排行、推薦，則是下一步的研究方向。

參考文獻(xiàn)：

[ 1 ] 教育部關(guān)于印發(fā)《普通高等學(xué)校圖書館規(guī)程（修訂）》的通知[EB/OL].[2013-11-05].http：//www.edu.cn/2002

0610/3058180.shtml.

[ 2 ] 李正祥，陸書紅.書目推薦：公共圖書館參與社會(huì)閱讀的重要途徑[J].高校圖書館工作，2012（6）：84-87.

[ 3 ] 王喜明，祁莉.打造“推薦圖書排行榜”：高校圖書館導(dǎo)讀的新思路[J].圖書館建設(shè)，2010（7）：78-81.

[ 4 ] 張海營(yíng).基于RFM模型的圖書館圖書評(píng)價(jià)系統(tǒng)研究[J].圖書館，2012（3）：60-61.

[ 5 ] Spink A，Jansen B J，Wolfram D，et al. From e-sex to e-commerce：Web search changes[J]. IEEE Computer，2002，35（3）：107-109.

王澤賢 廣州大學(xué)圖書館副研究館員。廣東廣州，510006。

（收稿日期：2014-01-10 編校：鄒婉芬）endprint