基于SOA的圖書館個(gè)性化信息推薦系統(tǒng)研究

●章增安,褚蕓蕓(遼寧師范大學(xué).圖書館;.計(jì)算機(jī)與信息技術(shù)學(xué)院,遼寧大連116081)

基于SOA的圖書館個(gè)性化信息推薦系統(tǒng)研究

●章增安a,褚蕓蕓b(遼寧師范大學(xué)a.圖書館;b.計(jì)算機(jī)與信息技術(shù)學(xué)院,遼寧大連116081)

個(gè)性化信息推薦;協(xié)同過濾; SOA

為了克服圖書館信息推送服務(wù)異構(gòu)資源整合度不高,推送信息形式單一等不足,提出了一種基于SOA的個(gè)性化信息推薦服務(wù)模型.該模型充分考慮了信息資源的異構(gòu)性和讀者的興趣特點(diǎn),以開展深層次個(gè)性化信息推薦服務(wù)為目標(biāo)、基于用戶的協(xié)同過濾推薦為算法.通過分析讀者、圖書、資源訪問日志、借閱記錄等信息抽取出推薦信息,在.NET環(huán)境中采用Web Service封裝發(fā)布,統(tǒng)一集成到SOA為基礎(chǔ)架構(gòu)實(shí)現(xiàn)的門戶系統(tǒng)中,構(gòu)建出圖書館個(gè)性化信息推薦服務(wù)系統(tǒng),為整合分布推薦信息、提高推薦質(zhì)量提供了一條途徑.

數(shù)字圖書館信息資源的迅速增長給讀者精確選擇所需資源帶來了困難,如何解決信息的海量規(guī)模與信息需求準(zhǔn)確性、精確性之間的矛盾成為信息檢索與推送服務(wù)中亟需解決的難題.一種行之有效的解決方法便是依托數(shù)字圖書館信息門戶,根據(jù)讀者訪問資源的特點(diǎn)開展個(gè)性化信息推薦服務(wù).個(gè)性化推薦系統(tǒng)在圖書館領(lǐng)域已經(jīng)得到了廣泛的研究和應(yīng)用,但在實(shí)際應(yīng)用中還存在諸多問題.(1)資源數(shù)量增長迅速.資源的質(zhì)量和水平參差不齊,讀者往往無法辨別資源的優(yōu)劣,導(dǎo)致資源的利用水平并不理想.(2)資源種類多樣性.除了傳統(tǒng)的館藏紙本資源外還有大量的電子資源,給資源的檢索和歸類帶來了不便.(3)資源存儲(chǔ)的異構(gòu)性.訂購或自建的數(shù)據(jù)庫都自成體系,存儲(chǔ)在不同的應(yīng)用系統(tǒng)中,雖然有"一站式"檢索工具或發(fā)現(xiàn)系統(tǒng)提供檢索,但很難根據(jù)用戶偏好實(shí)現(xiàn)跨系統(tǒng)的個(gè)性化推薦.如果能獲得讀者使用資源的潛在興趣,采用推薦系統(tǒng)將資源推薦給相關(guān)讀者,將極大地改善資源利用效率.因此,基于SOA架構(gòu),結(jié)合用戶的協(xié)同過濾算法構(gòu)建圖書館個(gè)性化信息推送系統(tǒng).系統(tǒng)整合了圖書館各種異構(gòu)的資源信息,為用戶提供了與個(gè)人興趣相符的推薦信息集合,豐富了用戶對偏好信息的獲取途徑.

1　個(gè)性化推薦系統(tǒng)在圖書館的應(yīng)用分析

1.1個(gè)性化推薦系統(tǒng)在圖書館的應(yīng)用

個(gè)性化推薦系統(tǒng)以往的研究重點(diǎn)集中在用戶建模、推薦算法和系統(tǒng)集成等方面.用戶建模研究主要是分析借閱歷史記錄或資源訪問日志等信息獲取讀者偏好,實(shí)現(xiàn)對相似讀者群的分類.推薦算法方面研究較多的有基于內(nèi)容推薦算法、協(xié)同過濾推薦算法以及組合推薦算法[1]等.基于內(nèi)容推薦算法推薦結(jié)果直觀、容易解釋,但是難以幫助讀者發(fā)現(xiàn)新的感興趣資源;協(xié)同過濾推薦算法正好解決難以發(fā)現(xiàn)新的興趣點(diǎn)問題,體現(xiàn)出針對性強(qiáng)、個(gè)性化程度高等優(yōu)點(diǎn),但存在冷啟動(dòng)、稀疏性和可擴(kuò)展性問題.在系統(tǒng)集成方面,OpenAPI、App、Mashup、Agent、SOA技術(shù)在個(gè)性化推薦系統(tǒng)中得到了一定程度的應(yīng)用,使得圖書館門戶成為展示圖書館用戶與資源、用戶之間及用戶群之間關(guān)系的開放平臺(tái),有效整合了圖書館、數(shù)據(jù)廠商和互聯(lián)網(wǎng)上的文獻(xiàn)資源,集成了圖書館各個(gè)系統(tǒng)的服務(wù)功能.[2]

1.2個(gè)性化推薦系統(tǒng)的實(shí)現(xiàn)技術(shù)

(1)基于用戶的協(xié)同過濾算法.推薦方法是個(gè)性化信息推薦系統(tǒng)中關(guān)鍵核心部分,決定著推薦系統(tǒng)性能的優(yōu)劣.基于用戶的協(xié)同過濾是將對同一項(xiàng)目評分相似的用戶認(rèn)為是一類,根據(jù)用戶的最近鄰居,對用戶進(jìn)行聚類、過濾分析.[3]其基本思想是將興趣愛好相似、擁有相同經(jīng)驗(yàn)群體的偏好作為推薦內(nèi)容.協(xié)同過濾算法的實(shí)現(xiàn)分為構(gòu)建用戶---項(xiàng)目矩陣,尋找最近鄰居,計(jì)算推薦數(shù)據(jù)三個(gè)步驟.①構(gòu)建用戶---項(xiàng)目矩陣.統(tǒng)計(jì)、整理用戶的個(gè)人偏好信息,在相應(yīng)處理后,根據(jù)不同用戶行為得到用戶偏好矩陣.②尋找最近鄰居.得到用戶偏好矩陣后,根據(jù)用戶對項(xiàng)目的評分計(jì)算得到用戶間的相似度,再根據(jù)相似度找到用戶最近鄰居,用戶間相似性的度量方法主要采用修正余弦相似性函數(shù).③計(jì)算推薦數(shù)據(jù).基于用戶對任意項(xiàng)的偏愛度,設(shè)目標(biāo)用戶u的最近鄰居集合為Nu,則計(jì)算用戶對項(xiàng)目j的預(yù)測評分Puj.公式如下.[4]

其中,Ru和Rn分別為用戶u和用戶n對項(xiàng)目j的平均評分,Rn,j為用戶n對項(xiàng)目j的評分,sim(u,n)為用戶u與n之間的相似性.

(2)SOA.面向服務(wù)的架構(gòu)(Service Oriented Architecture,SOA)是分布式軟件系統(tǒng)構(gòu)造方法和環(huán)境的新發(fā)展階段.[5]SOA的重點(diǎn)是把服務(wù)從復(fù)雜的環(huán)境中獨(dú)立出來并加以封裝,然后以標(biāo)準(zhǔn)的接口供其他用戶調(diào)用.SOA技術(shù)應(yīng)用到圖書館門戶系統(tǒng)中,可以很好地集成圖書館各種異構(gòu)資源庫,尤其是自建資源庫、圖書館自動(dòng)化系統(tǒng)等,這些系統(tǒng)的無縫結(jié)合將使門戶系統(tǒng)統(tǒng)計(jì)的讀者使用資源記錄更為科學(xué)、精確.

2　基于SOA的圖書館個(gè)性化信息推薦服務(wù)模型的設(shè)計(jì)

2.1體系結(jié)構(gòu)設(shè)計(jì)

從結(jié)構(gòu)上分為四層,即表示層、服務(wù)管理層、服務(wù)封裝層及服務(wù)數(shù)據(jù)層.(1)表示層.負(fù)責(zé)與讀者交互,讀者完成身份認(rèn)證后可獲得系統(tǒng)提供的個(gè)性化推薦服務(wù).(2)服務(wù)管理層.將不同的服務(wù)接口組合成一個(gè)服務(wù)組合供門戶系統(tǒng)調(diào)用,讀者通過統(tǒng)一的門戶來調(diào)用服務(wù)組合以實(shí)現(xiàn)具體的業(yè)務(wù)功能.(3)服務(wù)封裝層.實(shí)現(xiàn)對推薦數(shù)據(jù)的服務(wù)封裝,主要由一系列Web服務(wù)接口構(gòu)成,這些接口使用XML進(jìn)行規(guī)范的加工、組織、描述.(4)服務(wù)數(shù)據(jù)層.服務(wù)數(shù)據(jù)層主要完成對不同數(shù)據(jù)庫的查詢、存儲(chǔ)、修改等操作.主要由分散異構(gòu)的OPAC數(shù)據(jù)、自建資源庫數(shù)據(jù)以及門戶系統(tǒng)統(tǒng)計(jì)的各種網(wǎng)絡(luò)數(shù)據(jù)庫的訪問記錄數(shù)據(jù)組成.

2.2基于SOA架構(gòu)的圖書館個(gè)性化信息推薦服務(wù)模型

結(jié)合基于用戶的協(xié)同過濾推薦算法,本文設(shè)計(jì)了基于SOA的圖書館個(gè)性化推薦系統(tǒng),如圖1所示,系統(tǒng)主要包括基礎(chǔ)數(shù)據(jù)采集、推薦系統(tǒng)基礎(chǔ)數(shù)據(jù)集、基于用戶的協(xié)同過濾處理、Web Service接口封裝、推薦結(jié)果通知等模塊.

讀者個(gè)人資料、館藏書目信息、OPAC借閱記錄、電子資源數(shù)據(jù)庫信息、電子資源訪問記錄等異構(gòu)數(shù)據(jù)通過推薦系統(tǒng)基礎(chǔ)數(shù)據(jù)采集后經(jīng)標(biāo)準(zhǔn)化處理后形成推薦系統(tǒng)基礎(chǔ)數(shù)據(jù)集,然后使用協(xié)同過濾推薦算法處理后形成最終的推薦數(shù)據(jù)集.根據(jù)用戶偏好將推薦數(shù)據(jù)集封裝成Web Service接口,最后由門戶網(wǎng)站集成到個(gè)人空間推薦模塊,或者通過訂閱郵件、RSS等方式推薦給讀者.

圖　基于SOA的圖書館個(gè)性化推薦系統(tǒng)

3　基于SOA架構(gòu)的信息推薦服務(wù)系統(tǒng)的實(shí)現(xiàn)

本推薦系統(tǒng)在.NET平臺(tái)上采用ASP.NET和XML技術(shù)設(shè)計(jì)和實(shí)現(xiàn).

3.1基于用戶的協(xié)同過濾處理

推薦信息主要分為圖書信息和電子資源信息,系統(tǒng)所使用的推薦算法依照前文所述的推薦算法流程執(zhí)行.(1)圖書推薦模塊.首先根據(jù)圖書自動(dòng)化系統(tǒng)抽取出讀者的借閱信息,將其映射到各個(gè)項(xiàng)目的屬性值上,生成讀者的屬性值偏好矩陣,然后計(jì)算屬性值偏好矩陣的相似度,從而得到目標(biāo)讀者的最近鄰集合,并依據(jù)最近鄰讀者的借閱記錄實(shí)現(xiàn)圖書推薦. (2)資源推薦模塊.資源推薦模塊的推薦信息來源于兩部分.一部分為讀者長期使用的資源,這部分資源的推薦處理方式與圖書推薦模塊一致;另一部分為最新購買或試用的資源,這部分資源的處理方法是先生成讀者的屬性值偏好矩陣,根據(jù)新資源的屬性值與讀者的屬性值偏好矩陣進(jìn)行匹配,找出相似度最高的讀者作為被推薦對象.

3.2Web Service的封裝

推薦信息的封裝通過Web Service實(shí)現(xiàn),GetBook方法封裝了推薦的圖書信息,GetResource方法封裝了要推薦的電子資源信息.門戶系統(tǒng)統(tǒng)一調(diào)用這些封裝的Web Service接口反饋給讀者,推薦結(jié)果可以通過多種途徑推送給讀者.如讀者登錄門戶系統(tǒng)后在相應(yīng)的推薦模塊推薦信息或者通過讀者的Email信息推送.

[1]I En Liao,et al.A library recommender system based on a personal ontology model and collaborative filtering technique for English collections[J].The Electronic Library,2010,28(3):386-400.

[2]翟曉娟,聶娜.滿足用戶個(gè)體需求的圖書館開放平臺(tái)設(shè)計(jì)---基于OpenAPI、App、Mashup、SOA的集成實(shí)踐應(yīng)用[J].大學(xué)圖書館學(xué)報(bào),2011,29 (6):26-33.

[3]李愛明,劉冰.個(gè)性化信息檢索系統(tǒng)的用戶模型研究[J].情報(bào)雜志,2007,26(3):121-126.

[4]顏豐,張琳.一種混合模式的協(xié)同過濾算法[J].現(xiàn)代計(jì)算機(jī)(普及版),2014(5):20-25.

[5]毛新生.SOA原理.方法.實(shí)踐[M].北京:電子工業(yè)出版社,2007:3-4.

G254.929.1

B

1005-8214(2015)10-0105-02

章增安(1978-),男,漢族,碩士,遼寧師范大學(xué)圖書館館員,研究方向:數(shù)字圖書館;褚蕓蕓(1979-),女,漢族,碩士,遼寧師范大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院講師,研究方向:遠(yuǎn)程教育.

2014-12-22[責(zé)任編輯]張雅妮