圖書館書目協(xié)同智能推薦系統(tǒng)設計與實現(xiàn)研究

柴榮

摘 要：?為了獲得更加理想的圖書館書推薦效果，設計了一種圖書館書目協(xié)同智能推薦系統(tǒng)。首先設計了圖書館書目協(xié)同智能推薦系統(tǒng)的總體結(jié)構(gòu)，然后利用文獻引證關系度量讀者興趣度量范圍，采用采用協(xié)同過濾算法計算讀者相似度，獲取與讀者感興趣相似的結(jié)果，最后根據(jù)相似度得到讀者對每種圖書感興趣的評價值，并根據(jù)評價值進行圖書館書目智能推薦。仿真實驗結(jié)果表明，該系統(tǒng)可以獲得最優(yōu)的推薦圖書館書目，讀者對圖書館書目推薦結(jié)果的滿意度高。

關鍵詞：?圖書館書目; 協(xié)同過濾; 智能推薦; 檢索結(jié)果

中圖分類號： G 250? ? ? 文獻標志碼： A

Design and Implementation of Library Bibliographic Collaborative Intelligent Recommendation System

CHAI Rong

（Library， Xi'an Aviation Vocational and Technical College， Xi'an， Shanxi 710089， China）

Abstract：

In order to get more ideal effect of library book recommendation， a library book collaborative intelligent recommendation system is designed. First， the overall structure of library bibliography collaborative intelligent recommendation system is designed， then the scope of reader's interest measurement is measured by literature citation relationship， the reader's similarity is calculated by collaborative filtering algorithm， and the result being similar to the reader's interest is obtained. Finally， the evaluation value of reader's interest in each kind of book is obtained according to the similarity， and library bibliography intelligence is carried out according to the evaluation value. The simulation results show that the system can get the best library bibliography recommendation， and the readers are satisfied with the result of library bibliography recommendation.

Key words：

library bibliography; collaborative filtering; intelligent recommendation; retrieval results

0 引言

數(shù)字圖書館中包含大量圖書書目，讀者所具有信息獲取能力有限，無法獲取最廣泛的圖書選取途徑，將書目推薦系統(tǒng)應用于數(shù)字圖書館管理中，書目推薦系統(tǒng)提供給讀者具有針對性的書目信息資源，為讀者選取合適圖書提供判斷依據(jù)，書目推薦系統(tǒng)可從大量圖書館信息資源中，選取讀者需要信息并展示至讀者，節(jié)省讀者挑選圖書時間[1-2]。

協(xié)同智能推薦是通過協(xié)同過濾算法推薦讀者所需書目的個性化推薦方法，協(xié)同智能推薦包括讀者協(xié)同過濾以及物品協(xié)同過濾兩方面，系統(tǒng)可依據(jù)讀者購買以及瀏覽記錄挖掘與之相關的圖書信息并發(fā)送到讀者界面實現(xiàn)推薦[3]。協(xié)同推薦是以大數(shù)據(jù)為依托的推薦方式，協(xié)同推薦需要從大量數(shù)據(jù)中挖掘相關數(shù)據(jù)，需要較高的計算機存儲能力、計算能力才可實現(xiàn)數(shù)據(jù)挖掘，高質(zhì)量計算機軟件、硬件背景才可維持圖書館書目協(xié)同智能推薦良好運行[4-6]。

協(xié)同推薦已被廣泛應用于社交媒體以及電子商務中，結(jié)合高校圖書館環(huán)境特點，設計了一種圖書館書目協(xié)同智能推薦系統(tǒng)，并對其性能進行了測試。

1 圖書館書目協(xié)同智能推薦系統(tǒng)的設計與實現(xiàn)

1.1 系統(tǒng)總體設計

圖書館書目協(xié)同智能推薦系統(tǒng)總體結(jié)構(gòu)圖，如圖1所示。

通過圖1可以看出，圖書館書目協(xié)同智能推薦系統(tǒng)主要包括書目推薦模塊以及管理模塊兩部分。系統(tǒng)圖書書目信息利用書目推薦模塊展示至讀者閱讀界面，其中書目推薦模塊包括借閱排行榜、精品圖書推薦、相似圖書推薦以及新書推薦四部分，系統(tǒng)通過協(xié)同過濾算法實現(xiàn)不同類型圖書的推薦，系統(tǒng)可檢索圖書館信息庫全部圖書，便于讀者檢索并閱讀圖書相關信息;系統(tǒng)管理員利用管理模塊實現(xiàn)圖書添加、修改以及刪除，并實時更新與動態(tài)發(fā)布圖書信息[7]。

1.2 書目協(xié)同過濾算法

采用協(xié)同過濾算法實現(xiàn)書目的智能推薦，先采集讀者感興趣圖書信息資源，并采用有效方法分析所采集資源，獲取讀者興趣偏好，實現(xiàn)最終智能圖書信息資源推薦，利用所獲取的圖書信息資源尋找潛在讀者[8]。讀者興趣準確評價是書目協(xié)同過濾算法基礎，以往通過讀者瀏覽、保存以及打印圖書資源評價讀者興趣，評價效率較差，無法實現(xiàn)智能化。利用文獻引證關系度量讀者對該圖書的引證文獻以及參考文獻所具有興趣，即讀者興趣度量范圍評價[9]。設x與y分別為讀者以及圖書，則x對y的偏好程度如式（1）所示。

當讀者打印、保存以及收藏圖書以及讀者為圖書信息資源作者（包括曾發(fā)表參考文獻以及引證文獻）時，Bxy=1。當讀者僅瀏覽圖書并未打印、保存以及引用圖書時，Bxy=0。lxy、σ1以及σ2分別表示讀者瀏覽圖書時間以及瀏覽時間長度閾值;讀者瀏覽圖書時間小于σ2且大于σ1時，表明該讀者對該圖書感興趣;讀者瀏覽圖書時間大于σ2時，表明該操作無效;讀者瀏覽圖書時間小于σ1時，表明該讀者僅經(jīng)過該頁面;Len（i）為圖書長度[10]。

依據(jù)所獲取讀者興趣相似性推薦圖書資源的過程即協(xié)同過濾算法，將與目前讀者相似度較高的其余讀者興趣推薦至目前讀者，即利用目前讀者評價圖書感興趣程度以及與其相似讀者評價圖書感興趣程度，獲取未評價該圖書讀者感興趣程度，并將該圖書推薦至感興趣程度較高讀者。

設讀者集合X={x1，x2，…，xm}和圖書信息項目集合為：Y={y1，y2，…，yn}，Yx表示讀者x已評價過興趣的圖書資源集合。利用讀者與圖書組成的資源評價矩陣Rm*n生成讀者-資源近鄰居集M。系統(tǒng)利用當前讀者xk的歷史記錄評價讀者興趣，并計算與訪問行為較為相近的多讀者形成讀者xk的最近鄰居集，選取讀者xk未瀏覽而鄰居讀者瀏覽的圖書信息資源形成候選推薦集合，獲取推薦集合中讀者xk受圖書資源y的推薦度，讀者xk的top_N即推薦度排名較為靠前的圖書資源。圖書館書目協(xié)同過濾算法步驟如下：

輸入：此時讀者xk、完成興趣評價圖書信息項Yxk、讀者-資源近鄰居集合M;

輸出：此時讀者M的top_N推薦集;

算法過程：

（1） 設圖書信息項y∈Yxk，從M內(nèi)獲取最近鄰居集Zy={x1，x2，…，xz}，將全部最近鄰居集合并獲取集合G={x1，x2，…，xg};

（2） 計算集合G內(nèi)全部讀者xy與此時讀者xk的讀者相似度，將相似度結(jié)果較高的讀者建立相似興趣讀者集合Gsim={x1，x2，…，xsim}。選取讀者相關相似度計算方法計算讀者相似度，該方法需要將不同讀者完成評價的信息項考慮計算內(nèi)，提升相似度計算準確性，相似度計算式如式（2）所示。

式中，Zxk與jyn分別表示讀者xy與讀者xk間相似度以及讀者y對圖書資源n興趣評價值，jkn、ji與jk分別表示讀者xk和xy分別對圖書資源n的興趣評價均值。

（3） 根據(jù)Gsim對全部推薦圖書信息項的興趣評價值之和，讀者的xk的top_N推薦集即興趣評價值之和前N個。

興趣評價值之和計算式如式（3）所示。

1.3 智能推薦系統(tǒng)的工作流程

圖書館書目協(xié)同智能推薦系統(tǒng)主要工作流程為：讀者輸入檢索詞后，采用協(xié)同過濾算法于圖書館信息庫中檢索，將獲取圖書檢索結(jié)果與讀者感興趣相似圖書結(jié)果形成書目，將推薦書目結(jié)果發(fā)送至讀者顯示界面。系統(tǒng)實現(xiàn)流程圖，如圖2所示。

系統(tǒng)依據(jù)協(xié)同過濾算法將檢索目標圖書與目標圖書相似度較高的讀者感興趣書籍集合發(fā)送至讀者界面。系統(tǒng)具有圖書簡介、相似圖書推薦等功能，實現(xiàn)圖書館書目推薦的智能化。

2 圖書館書目協(xié)同智能推薦系統(tǒng)性能測試

選取某高校圖書館作為實際應用環(huán)境，隨機選取該高校100名學生作為研究對象，采用AP、MAP作實驗結(jié)果的評價標，其中系統(tǒng)所推薦與檢索圖書相關信息越靠前，AP值以及MAP值越高，AP值以及MAP值為1時，表明系統(tǒng)推薦與檢索圖書相關信息相關度達到最高;系統(tǒng)未推薦相關信息時，AP與MAP值為0。選擇矩陣分解系統(tǒng)和語義填充系統(tǒng)進行對比實驗。

輸入10個圖書檢索詞語時，對不同系統(tǒng)推薦結(jié)果前10本圖書評價，分析推薦結(jié)果與檢索圖書相關性，獲取不同系統(tǒng)AP值以及MAP值，對比結(jié)果如表1所示。

通過表1實驗結(jié)果可以看出，本文系統(tǒng)AP值以及MAP值明顯高于矩陣分解系統(tǒng)以及語義填充系統(tǒng)，且本文系統(tǒng)的AP值與MAP值變化較小，實驗結(jié)果說明本文系統(tǒng)推薦效果較好，所推薦圖書與檢索圖書具有較高相似性。

統(tǒng)計不同系統(tǒng)針對所檢索10本圖書的書目推薦時間，對比結(jié)果如表2所示。

通過表2實驗結(jié)果可以看出，本文系統(tǒng)的圖書書目推薦時間低于35 ms;而矩陣分解系統(tǒng)、語義填充系統(tǒng)的書目推薦時間均高于70 ms，這表明本文系統(tǒng)可在較短時間獲取理想書目推薦結(jié)果，可有效節(jié)省讀者檢索時間，能夠有效提升數(shù)字化圖書館服務水平。

統(tǒng)計不同系統(tǒng)的圖書獲取推薦書目推薦豐富度，結(jié)果如圖3所示。通過圖3可以看出，采用本文系統(tǒng)在10次檢索圖書時，所推薦書目豐富性均高于97%;而采用矩陣分解系統(tǒng)、語義填充系統(tǒng)，所推薦書目豐富性僅為84%-93%之間，實驗結(jié)果說明采用本文系統(tǒng)所推薦書目具有極高的豐富性，可滿足不同類型讀者需求。

統(tǒng)計不同系統(tǒng)的空間開銷，結(jié)果如圖4所示。通過圖4實驗結(jié)果可以看出，本文系統(tǒng)的空間開銷僅為13.5%;矩陣分解系統(tǒng)、語義填充系統(tǒng)的空間開銷高達22.5%以及22.9%，本文系統(tǒng)的機運行空間開銷明顯低于對比，空間開銷越低，系統(tǒng)運行越快，證本文系統(tǒng)的運行效率更高。

選取100名該校學生，100名學生分別對三種系統(tǒng)的滿意度進行評分，結(jié)果如表3所示。通過表3評分結(jié)果可以看出，學生對本文系統(tǒng)平均評分為4.1分;而對矩陣分解系統(tǒng)以及語義填充系統(tǒng)平均評分僅為2.9分以及3.1分，統(tǒng)計結(jié)果可以看出，本文系統(tǒng)可令讀者獲取較高的滿意度，表明本文方法可有效提升圖書館服務質(zhì)量，提升讀者滿意度。

3 總結(jié)

隨著大數(shù)據(jù)時代的到來，計算機軟件與硬件基礎不斷提升，為圖書館書目協(xié)同智能推薦提供良好基礎。協(xié)同推薦在社交媒體與電子商務中已取得巨大成功，將協(xié)同推薦的智能化推薦機制應用于圖書館中，設計了一種圖書館書目協(xié)同智能推薦系統(tǒng)現(xiàn)，結(jié)果表明，本文系統(tǒng)可以提升圖書館服務質(zhì)量，改善高校圖書館讀者滿意度。

參考文獻

[1] 程秀峰， 張孜銘， 孟亞琪， 等. 知識找回場景下推薦系統(tǒng)模擬實現(xiàn)及評價研究[J]. 圖書情報工作， 2019， 63（16）：72-83.

[2] 霍歡， 鄭德原， 高麗萍， 等. 棧式降噪自編碼器的標簽協(xié)同過濾推薦算法[J]. 小型微型計算機系統(tǒng)， 2018， 39（1）：7-11.

[3] 蔣偉， 秦志光. 耦合輔助信息的矩陣分解推薦模型[J].計算機應用研究， 2019， 36（10）：2900-2906.

[4] 王永康， 袁衛(wèi)華， 張志軍， 等. 融合時間隱語義填充和子群劃分的推薦算法[J]. 計算機工程與應用， 2019， 55（16）：130-137.

[5] 賈偉洋， 李書琴， 李昕宇， 等. 基于離散量和讀者興趣貼近度的協(xié)同過濾推薦算法[J]. 計算機工程， 2018， 44（01）：226-232+237.

[6] 梁仕威， 張晨蕊， 曹雷， 等. 基于協(xié)同表示學習的個性化新聞推薦[J]. 中文信息學報， 2018， 32（11）：72-78.

[7] 過仕明. “互聯(lián)網(wǎng)+”背景下高校圖書館協(xié)同服務機制研究[J]. 情報科學， 2019， V37（4）：52-58.

[8] 王紅， 袁小舒， 雷菊霞. 人工智能：圖書館應用架構(gòu)和服務模式的重塑[J]. 現(xiàn)代情報， 2019， 39（09）：101-108.

[9] 董同強， 馬秀峰. 融合與重構(gòu)：一流學科建設中高校圖書館智慧型學科服務平臺的設計[J]. 國家圖書館學刊， 2019， 28（3）：54-62.

[10] 曹樹金， 劉慧云. 以讀者為中心的智慧圖書館研究[J]. 圖書情報工作， 2019， 63（1）：23-29.

（收稿日期： 2019.07.24）