從資源出發(fā)的面向用戶群的高校圖書(shū)館資源推薦模型分析

摘 要：從高校圖書(shū)館的實(shí)際情況出發(fā)，從資源和用戶兩方面著手，將資源按主題劃分并把讀者按興趣特征劃分用戶群從而實(shí)現(xiàn)把主題資源推薦給相應(yīng)用戶群的高校圖書(shū)館資源推薦模型。資源主題劃分越細(xì)致，相應(yīng)的讀者的興趣用戶群劃分就越細(xì)致，從而資源推薦系統(tǒng)的個(gè)性化程度越高，推薦質(zhì)量和滿意度就越高。

關(guān)鍵詞：資源推薦;高校圖書(shū)館;用戶群

中圖分類號(hào)：G258.6 ? ?文章編號(hào)：2095-624X（2019）17-0034-02

一、背景

信息大爆炸的時(shí)代，圖書(shū)館資源受到海量碎片化信息和電子化圖書(shū)期刊資源的沖擊。一方面碎片化信息占據(jù)了讀者業(yè)余時(shí)間的絕大多數(shù)，減少了讀者對(duì)圖書(shū)館資源的獲取意愿;另一方面出版業(yè)的繁榮，電子圖書(shū)期刊數(shù)據(jù)庫(kù)的發(fā)展使得讀者有多種途徑獲取資源而不必局限于圖書(shū)館。同時(shí)，圖書(shū)館本身的館藏資源也日益豐富從而面臨信息過(guò)載和數(shù)據(jù)豐富而信息匱乏[1]的問(wèn)題。

高校圖書(shū)館作為校園文化的核心載體，其豐富的館藏資源不僅要為廣大師生提供學(xué)術(shù)研究的支持，還要承擔(dān)起校園文化建設(shè)，提升讀者文化素養(yǎng)，加強(qiáng)文化凝聚力的責(zé)任。而舊的被動(dòng)等待讀者主動(dòng)借閱的服務(wù)模式已經(jīng)無(wú)法實(shí)現(xiàn)圖書(shū)館的應(yīng)有價(jià)值。面臨時(shí)代挑戰(zhàn)，在圖書(shū)館升級(jí)轉(zhuǎn)型的過(guò)程中，資源推薦系統(tǒng)由于能在一定程度上加大需求，提升資源使用率而受到了各大圖書(shū)館的青睞。事實(shí)上，資源推薦系統(tǒng)幫助圖書(shū)館在服務(wù)過(guò)程中變被動(dòng)等待為主動(dòng)推介。讀者即使沒(méi)有主動(dòng)去搜索圖書(shū)館的資源也能獲得圖書(shū)館資源的推薦，從而提升讀者對(duì)圖書(shū)館資源的獲取意愿，進(jìn)一步提升圖書(shū)館的資源使用效率，幫助圖書(shū)館實(shí)現(xiàn)自身服務(wù)價(jià)值。但在實(shí)際使用過(guò)程中，嚴(yán)重依賴圖書(shū)管理集成系統(tǒng)的資源推薦系統(tǒng)智能化、系統(tǒng)化程度有待提升，而用戶一方面對(duì)系統(tǒng)滿意度不夠，另一方面擔(dān)心個(gè)性化的推薦系統(tǒng)侵犯?jìng)€(gè)人隱私[2]。關(guān)于高質(zhì)量的圖書(shū)館資源推薦系統(tǒng)的進(jìn)一步的理論研究和實(shí)踐探索有重要的實(shí)際意義。

二、綜述

關(guān)于圖書(shū)館的資源推薦系統(tǒng)有大量研究?；谥鲃?dòng)推薦從而提升館藏資源使用率這一基本邏輯，研究者們討論了各種非個(gè)性化和個(gè)性化資源推薦。王旭等提出圖書(shū)館資源雖然有范圍小、時(shí)效性低的缺點(diǎn)，但其專業(yè)性和高質(zhì)量等特點(diǎn)仍然是不可替代的優(yōu)勢(shì)。因此他們提出了針對(duì)高校圖書(shū)館的面向資源的資源推薦服務(wù)方法，立足館內(nèi)資源，整理后主動(dòng)推送，以更好地服務(wù)讀者。王慶等討論了利用用戶畫(huà)像從用戶視角分析資源的需求，從而實(shí)現(xiàn)圖書(shū)館的資源推薦。黃凌云從目前圖書(shū)館信息系統(tǒng)獲取讀者需求信息不足的痛點(diǎn)出發(fā)，提出利用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)采集讀者特征和需求，從而實(shí)現(xiàn)資源推薦。依托該模型構(gòu)建的推薦系統(tǒng)經(jīng)過(guò)十輪實(shí)驗(yàn)，通過(guò)調(diào)查報(bào)告的方式發(fā)現(xiàn)該模型滿意度大大超過(guò)了僅采用讀者圖書(shū)館歷史行為數(shù)據(jù)構(gòu)建的推薦系統(tǒng)模型。馬麗從用戶評(píng)分?jǐn)?shù)據(jù)稀疏的現(xiàn)實(shí)出發(fā)，指出基于用戶的協(xié)同過(guò)濾推薦算法面臨評(píng)分矩陣R（m，n）維度高而矩陣元素值稀疏從而推薦質(zhì)量低下的問(wèn)題，并提出建立“群體興趣偏向度”來(lái)估算用戶未評(píng)分項(xiàng)數(shù)值，從而有效提高基于用戶的協(xié)同過(guò)濾推薦算法的推薦質(zhì)量。姚望設(shè)計(jì)的面向?qū)W生的高校圖書(shū)館圖書(shū)推薦系需要對(duì)圖書(shū)的流通日志進(jìn)行分析進(jìn)而根據(jù)年紀(jì)專業(yè)等對(duì)讀者進(jìn)行推薦。

總體來(lái)說(shuō)，大多數(shù)關(guān)于圖書(shū)館資源推薦系統(tǒng)的研究都關(guān)注資源或者讀者其中一面來(lái)試圖提升推薦系統(tǒng)的質(zhì)量和滿意度。而高校圖書(shū)館的資源推薦系統(tǒng)較其他領(lǐng)域的推薦系統(tǒng)有其特殊性。一方面高校圖書(shū)館的資源是針對(duì)本校科研、教學(xué)采買的，館藏資源與其讀者的契合度相對(duì)較高。另一方面對(duì)應(yīng)的高校圖書(shū)館面對(duì)的讀者從年齡、教育程度、專業(yè)等方面具有穩(wěn)定的群體聚集性。從這點(diǎn)出發(fā)，筆者針對(duì)高校圖書(shū)館，研究把館藏資源按主題篩選分類并推薦給按興趣特征劃分的讀者群，從而實(shí)現(xiàn)較高質(zhì)量和可行性的資源推薦。

三、思路方法

1.館藏資源按主題篩選分類

按主題篩選分類館藏資源可以有效解決圖書(shū)館面臨的數(shù)據(jù)豐富而信息匱乏的問(wèn)題。筆者構(gòu)建的資源推薦模型先需要立足于高校圖書(shū)館，將館藏資源按主題篩選歸類。而高校圖書(shū)館的特殊性在于其服務(wù)于教書(shū)、育人、科研的使命使得其館藏資源的采購(gòu)具有專業(yè)性、指導(dǎo)性以及受眾的穩(wěn)定性，即它的資源從采購(gòu)開(kāi)始就是針對(duì)其相對(duì)穩(wěn)定的讀者，契合度較高。在對(duì)資源按專業(yè)、類別等選定主題后，設(shè)計(jì)算法，利用關(guān)鍵字、出版社、作者等信息作為抓取目標(biāo)，從海量資源中選擇出符合主題的條目。利用數(shù)據(jù)聚合手段進(jìn)一步獲取更多主題類資源。獲得主題類的資源后，對(duì)無(wú)序的資源將資源評(píng)分、質(zhì)量和主題相關(guān)度等加權(quán)評(píng)估作為排序依據(jù)。

2.讀者群體的劃分

高校讀者群體的穩(wěn)定群體聚集性使得我們的讀者群先是在一個(gè)相近的受教育程度和文化素養(yǎng)條件下。第一步按照專業(yè)、年級(jí)等將讀者進(jìn)行分類。在這個(gè)分類下，關(guān)于學(xué)生專業(yè)的教學(xué)和科研領(lǐng)域類的資源可以作為契合資源進(jìn)行匹配推薦。具體來(lái)說(shuō)，館藏資源里相對(duì)應(yīng)的專業(yè)相關(guān)的主題圖書(shū)按照年級(jí)、研究方向等可以與之匹配推薦。進(jìn)一步的群體特征劃分需要通過(guò)主動(dòng)抓取隱性信息或者通過(guò)讀者自主選擇來(lái)實(shí)現(xiàn)。主動(dòng)抓取隱性信息包括通過(guò)歷史流通數(shù)據(jù)獲取讀者感興趣的類別，而兩個(gè)興趣相近的讀者群對(duì)同一資源主題感興趣的概率相對(duì)要大，這也幫助圖書(shū)館在做群體劃分時(shí)規(guī)避一部分讀者擔(dān)心的隱私權(quán)的侵害問(wèn)題。設(shè)計(jì)興趣主題模塊供讀者主動(dòng)選擇則使得對(duì)讀者按興趣劃分到特定的用戶群這一事件更加簡(jiǎn)便。實(shí)際運(yùn)行中應(yīng)該主動(dòng)抓取隱性信息和鼓勵(lì)讀者自主選擇。

3.資源推薦

完成資源的主題分類和讀者的用戶群劃分后，相應(yīng)的主題資源可以直接推送給相應(yīng)的用戶群，從而實(shí)現(xiàn)資源推薦而提高資源的使用率。事實(shí)上，主題劃分得越細(xì)，相應(yīng)的讀者群的劃分就越小，從而資源推薦系統(tǒng)的個(gè)性化程度就越高。資源推薦的效率、質(zhì)量和滿意度也會(huì)同時(shí)提升。

四、不足與建議

在推薦系統(tǒng)使用更加成熟的領(lǐng)域如網(wǎng)絡(luò)購(gòu)物平臺(tái)，推薦系統(tǒng)主要采用的還是非個(gè)性化和半個(gè)性化推薦，而完全個(gè)性化的推薦遲遲沒(méi)能實(shí)現(xiàn)，除了技術(shù)手段的問(wèn)題外，還涉及用戶隱私權(quán)的問(wèn)題。本文中提出的將館藏資源和讀者群體分別分類劃分從而實(shí)現(xiàn)資源推薦的模型雖然在一定程度減輕了用戶對(duì)于隱私權(quán)被侵犯的擔(dān)憂，但是資源推薦的精準(zhǔn)度有賴于更精確的主題和讀者興趣類別劃分，這需要讀者主動(dòng)選擇興趣模塊。接下來(lái)的研究試圖構(gòu)建出具體的館藏分類算法實(shí)現(xiàn)資源按主題分類，并通過(guò)迭代逐步細(xì)化主題，相應(yīng)細(xì)化讀者群的劃分，從而實(shí)現(xiàn)更加個(gè)性化、高質(zhì)量的高校圖書(shū)館資源 推薦。

參考文獻(xiàn)：

[1]張文華，胡春，胡光林，等.基于圖書(shū)館流通數(shù)據(jù)的聚類分析研究[J].農(nóng)業(yè)圖書(shū)情報(bào)學(xué)刊，2010（10）：109-111，130.

[2]李民，王穎純，劉燕權(quán).“211工程”高校圖書(shū)館館藏資源推薦系統(tǒng)調(diào)查探析[J].圖書(shū)情報(bào)工作，2016（9）：55-60.

作者簡(jiǎn)介：張果（1990—），女，助理館員，碩士，研究方向：高校圖書(shū)館智慧化轉(zhuǎn)型。