基于人工神經網絡的圖書館服務質量評價研究

羅佳佳+邱麗紅

摘 要： 以環(huán)境、館藏資源、服務方式和硬件設備等9個影響圖書館服務質量的參數作為評價指標，采用BP神經網絡的相關理論方法，以問卷調查結果作為分析數據的基礎，對江西省內的20所圖書館的服務質量進行了評價研究。仿真結果表明，采用構建的神經網絡可以快速而準確地對圖書館服務質量進行評價。

關鍵詞： BP神經網絡； 服務質量評價； 評價指標； 問卷調查

中圖分類號： TN711?34 文獻標識碼： A 文章編號： 1004?373X（2017）01?0086?02

Abstract： Nine parameters such as environment， collection resource， service mode and hardware device affecting on the library service quality are taken as the evaluation indicators. The correlation theory method of BP neural network is used to perform the evaluation research for service quality of 20 libraries in Jiangxi Province， which is based on the analysis data of the questionnaire survey result. The simulation results show that the constructed neural network can quickly and accurately evaluate the library service quality.

Keywords： BP neural network； service quality evaluation； evaluation indicator； questionnaire survey

0 引 言

隨著我國科學文化的發(fā)展，各種類型的圖書館正發(fā)揮著越來越大的作用。隨著人們的閱讀需要在用戶體驗要求等各方面的提高，對圖書館服務質量的要求也越來越高。而對圖書館的服務質量進行客觀、準確、高效的評價是圖書館優(yōu)化服務流程、改善服務質量和提高服務水平的基礎。為此，本文引入了一種全新的評價體系和方法，即采用BP神經網絡的方法對圖書館服務質量進行評價，該方法具有操作簡便，評價快速準確的特點。

1 評價指標的確定

1.1 指標的選取

為了更好的對圖書館的服務質量進行評價，本文參考《圖書館評估指標標準與管理規(guī)范指導手冊》和ISO11620等標準化文件構建圖書館服務質量評價體系。該體系一共包括了對圖書館服務質量影響較為顯著的9個因素作為評價的參考指標：即館藏紙質資源（X1）、環(huán)境（X2）、服務人員（X3）、服務方式（X4）、硬件設備（X5）、軟件設備（X6）、數字資源（X7）、個性化服務（X8）、服務結果（X9）?；谶@9組評價指標，利用BP神經網絡的分類評價能力，本文建立了基于BP神經網絡的圖書館服務質量評價模型。

為了更好地描述樣本圖書館的服務質量，本文針對服務質量的評價特性和評價指標的選取特點將服務水平分為5個等級并對其賦予相應的分數：優(yōu)（5分）、良（4分）、中（3分）、差（2分）、非常差（1分）。

1.2 數據來源

本文采用問卷調查的方式對江西省的20所圖書館的服務質量進行調查，共發(fā)出300份問卷，回收287份，其中有效問卷276份，問卷有效率為92%。對問卷進行統(tǒng)計，計算出每所圖書館的各項評價指標對應的分數，并利用參考文獻的權值計算方式計算出每個圖書館的服務評價水平，如表1所示。

2 BP神經網絡

2.1 BP神經網絡的原理

BP神經網絡是一種前饋型誤差修正的人工神經網絡，它通過不斷調整各個單元層之間的網絡權值和閾值實現網絡的訓練。BP神經網絡主要運行由信號的正向傳播和誤差的逆向傳播兩個過程組成，通過不斷地權重調整，可以實現網絡誤差的不斷縮小。

2.2 神經網絡模型的建立

本文采用含一個隱藏層的神經網絡結構進行分析，由于輸入單元的數目為9，輸出單元均為1，根據經驗公式可選隱含層單元數為1～10之間的整數，采用試湊法得到隱含層神經元與均方平均值（MSE）的曲線關系，如圖1所示。其中隱層神經元數目為9時，得到的MSE值最小為6，所以確定的隱含層神經元數為9。

本文構建的BP神經網絡的結構如圖2所示。

2.3 BP神經網絡模型的訓練

選取表1中的15組數據在Matlab中對神經網絡進行訓練，其中期望誤差設為10-5。訓練過程中，BP神經網絡誤差的變化形式如圖3所示。

由圖3可知，當訓練經過84次迭代后達到了滿意的誤差期望。

2.4 結果對比

利用表1中剩余的5個樣本對訓練出的神經網絡進行測試實驗，并將結果與通過權值計算的結果進行比較，如表3所示。

由表3可以看到，經過訓練后的BP神經網絡可以很好地對圖書館的服務質量進行評價分析，且分析結果的精度較高。

3 結 語

本文通過在圖書館的服務質量分析中引入人工神經網絡的相關理論和方法，對通過問卷調查法收集的樣本進行訓練和分析。試驗結果表明，本文構建的三層神經網絡模型可以很好地判斷出不同圖書館的不同服務質量水平，采用此方法可以大大提高對圖書館服務質量的評價效率。

參考文獻

[1] 孫飛.精通Matlab神經網絡[M].北京：中國計算機工業(yè)出版社，2014.

[2] 劉洋.神經網絡技術在高校教學水平評價中的應用[J].教育與教學，2015（1）：122?128.

[3] 陳慶梅.圖書館讀者滿意度模型的建立[J].大學圖書情報學刊，2006，24（6）：73?75.

[4] 周瑛，劉天嬌.基于神經網絡的高校圖書館知識服務評價體系研究[J].情報理論與實踐，2013，36（2）：55?59.

[5] 陳瑾，劉樂.基于CMAC神經網絡的網絡控制系統(tǒng)模糊PD控制[J].物聯(lián)網技術，2015，5（2）：46?49.

[6] 尤勝.基于異構技術的數字圖書館信息統(tǒng)計平臺[J].現代電子技術，2016，39（7）：167?170.