協(xié)同過濾算法在高校圖書館個性化推薦中的應(yīng)用研究

袁瑰霞

（安陽師范學(xué)院 圖書館，河南 安陽 455000）

0 引言

近年來，我國科學(xué)技術(shù)發(fā)展迅猛，高校圖書館開始引入信息化技術(shù)，發(fā)揮館藏豐富的書籍資源作用，使教師用戶和學(xué)生用戶的整體知識素養(yǎng)得到有效的提升［1］。用戶通常通過信息檢索尋找符合自己需要以及喜好的書籍資源，但信息檢索的步驟較為煩瑣，許多用戶需要經(jīng)過多次的關(guān)鍵詞檢索才能尋找到適合的資源，因此，許多高校圖書館在高校圖書館系統(tǒng)中引入信息推送模塊［2］。高校圖書館通過對各用戶的檢索記錄和借閱記錄進(jìn)行整理，分析用戶行為數(shù)據(jù)，根據(jù)各用戶的資源點(diǎn)擊情況對圖書館資源進(jìn)行分類與排序，制定推薦榜單［3］。許多熱門書籍資源不斷引進(jìn)，高校圖書館還會將新進(jìn)資源進(jìn)行推薦，但許多高校圖書館還不能實(shí)現(xiàn)對最新的資源自動推薦，使用戶不能及時了解高校圖書館新進(jìn)資源的更新情況，同時，高校圖書館的書籍資源推薦方法還不夠完善，本文研究基于協(xié)同濾波算法為提高高校圖書館的服務(wù)水平提供參考依據(jù)，對提高高校圖書館的個性化推薦效果具有重要的現(xiàn)實(shí)意義。

1 協(xié)同過濾算法在高校圖書館個性化推薦中的應(yīng)用

1.1 用戶信息數(shù)據(jù)獲取與顯示

本文用戶信息數(shù)據(jù)來源于某高校圖書館的真實(shí)數(shù)據(jù)，主要包括學(xué)生注冊基本信息，后臺借閱記錄以及學(xué)習(xí)行為數(shù)據(jù)。獲取學(xué)生基礎(chǔ)數(shù)據(jù)是進(jìn)行高校圖書館個性化推薦的信息基礎(chǔ)，本文首先通過不同用戶對圖書資源的打分和點(diǎn)贊，分析不同用戶的資源需求和圖書偏好，再通過數(shù)據(jù)支持模塊建立與知識庫和顯示終端的聯(lián)系，實(shí)現(xiàn)個性化推薦。本文數(shù)據(jù)共有6 820名學(xué)生，涉及395 876本圖書，134 571條借閱記錄。在學(xué)生的后臺借閱記錄中，包括借還書信息，借閱方式以及圖書信息。將高校圖書館中的各類信息進(jìn)行整合，這些信息中存在著大量對個性化推薦結(jié)果不會產(chǎn)生影響的數(shù)據(jù)。因此，對該類信息的冗余數(shù)據(jù)進(jìn)行相應(yīng)的剔除，只保留幾條基礎(chǔ)信息數(shù)據(jù)。若數(shù)據(jù)中存在關(guān)鍵信息的缺失，則需要對該數(shù)據(jù)進(jìn)行補(bǔ)充，如索書號、借還時間以及用戶證號等。對獲取的數(shù)據(jù)進(jìn)行整理，若存在不完整的數(shù)據(jù)則需要進(jìn)行補(bǔ)全修正，在數(shù)據(jù)檢查中發(fā)現(xiàn)近3年來存在此類情況的數(shù)據(jù)較少，為了避免后文進(jìn)行數(shù)據(jù)處理時所產(chǎn)生的較大誤差，因此本文選取近3年的數(shù)據(jù)來研究用戶行為。

1.2 基于協(xié)同過濾處理數(shù)據(jù)

本文對于高校圖書館的數(shù)據(jù)集處理主要包括數(shù)據(jù)變化以及隱式數(shù)據(jù)的轉(zhuǎn)化。隱式數(shù)據(jù)表現(xiàn)著用戶與圖書館的瀏覽、借閱等互動行為，由于隱式數(shù)據(jù)不能直接反映出學(xué)生對于不同類型圖書資源的偏好，以及對書籍資源的喜好程度，只能從某類別的書籍借閱記錄中獲取用戶的偏好，并根據(jù)該類型圖書資源的；瀏覽與借閱次數(shù)好數(shù)量，判斷用戶對該類別書籍的喜好程度。本文基于協(xié)同過濾算法，將用戶借閱記錄的隱式反饋轉(zhuǎn)化對圖書資源類別的顯式評分，通過數(shù)據(jù)變化解決高校圖書館數(shù)據(jù)稀疏問題。本文將書籍類別進(jìn)行進(jìn)一步細(xì)分，將書目分為若干大類，根據(jù)用戶借閱圖書的隱私反饋轉(zhuǎn)化為對書目類別的興趣評分，以用戶的書目類別興趣的變換數(shù)據(jù)衡量用戶對某類圖書資源的興趣，進(jìn)行興趣預(yù)測評分，具體公式為：

式中：xi為該類書籍的借閱數(shù)量，λ和γ分別為用戶和書籍的相關(guān)系數(shù)，興趣度與書籍借閱的數(shù)量成正相關(guān)關(guān)系，但增加幅度會逐漸減小。在興趣度中，認(rèn)為借閱數(shù)量為5本的用戶興趣度明顯高于借閱數(shù)量為2本的用戶，但借閱數(shù)量為12本和15本的興趣度差異不大。在隱式評分轉(zhuǎn)化后，構(gòu)建用戶與書籍類別的評分矩陣為：

矩陣中Rnj為第n個用戶對第j個書籍類別的興趣預(yù)測評分，在興趣評分計算完成后，便實(shí)現(xiàn)了顯性評分矩陣的構(gòu)建，完成了數(shù)據(jù)轉(zhuǎn)換。

1.3 用戶與圖書相似度定義及描述

用戶與圖書的相似度定義及描述需要對用戶和圖書的相似度進(jìn)行分別計算，本文采用內(nèi)積法進(jìn)行圖書相似度的計算，分別表示不同圖書的關(guān)鍵詞和對應(yīng)的權(quán)重，將各類圖書的不同關(guān)鍵詞信息構(gòu)成向量空間。選取相似的兩本圖書進(jìn)行相似度的計算，查詢這兩本圖書的相同關(guān)鍵詞，并根據(jù)相同關(guān)鍵詞形成新的向量信息，計算圖書向量的相似度。設(shè)兩本書共有m個共同關(guān)鍵詞，根據(jù)兩本書的對應(yīng)的不同向量進(jìn)行計算，具體公式為：

其中兩本書分別表示為Wa和Wb，Bak和Bbk分別代表兩本書對應(yīng)的向量，k為圖書的關(guān)鍵詞，B為關(guān)鍵詞對應(yīng)的權(quán)重。其用戶相似度線性加權(quán)公式為：

式中：SIMnum和SIMt分別為用戶的數(shù)值型屬性相似度和文本型屬性相似度，SIMact為用戶活躍相似度。用戶與圖書的相似度定義及描述通過比對用戶動態(tài)信息表和圖書關(guān)鍵詞信息，列出相同關(guān)鍵詞，記錄關(guān)鍵詞出現(xiàn)的頻率，使用上文相同算法，計算得到用戶和圖書向量的相似度，具體計算公式為：

式中：Cn為用戶，通過上式建立用戶和圖書之間的關(guān)聯(lián)，SIMcn值越大，用戶和圖書的關(guān)聯(lián)度越高，個性化推薦的質(zhì)量越高。

1.4 建立高校圖書館個性化推薦模型

本文在協(xié)同過濾算法的基礎(chǔ)上，建立高校圖書館的個性化推薦模型，該模型由3個模塊構(gòu)成，首先是利用知識庫技術(shù)，為高校圖書館個性化推薦提供核心數(shù)據(jù)的數(shù)據(jù)支持模塊，該模塊具有多個數(shù)據(jù)庫，其用戶信息庫中包括用戶的基本信息和個人書籍偏好類型等內(nèi)容，個人書籍偏好信息中詳細(xì)記錄了用戶檢索頻率較高的關(guān)鍵詞和瀏覽的書籍類別。學(xué)習(xí)行為數(shù)據(jù)庫中存儲了用戶的學(xué)習(xí)行為過程中產(chǎn)生的軌跡信息，該數(shù)據(jù)庫也是評分模塊的主要數(shù)據(jù)來源。書籍資源庫是整個圖書館的圖書資源倉庫，具有學(xué)術(shù)資源和不同學(xué)科資源等，用戶評分?jǐn)?shù)據(jù)反映著不同書籍資源的熱門程度，能夠?yàn)閭€性化推薦提供依據(jù)。個性化服務(wù)推薦模塊為個性化推薦提供技術(shù)支持，是個性化推薦服務(wù)的核心。最后一個模塊是新進(jìn)資源推薦模塊，由于用戶獲取新進(jìn)資源常常存在一定的滯后性，使新進(jìn)資源不能充分發(fā)揮時效性作用，出現(xiàn)許多資源閑置的現(xiàn)象。因此該模塊根據(jù)用戶評分?jǐn)?shù)據(jù)進(jìn)行相似度判斷，進(jìn)行新進(jìn)資源的分類推薦。不同的相似度得分體現(xiàn)著書籍推薦質(zhì)量，相似度較高的鄰集為預(yù)測的準(zhǔn)確性提供保障。因此，需要將相關(guān)相似度和余弦相似度進(jìn)行結(jié)合，調(diào)用存有相似數(shù)據(jù)的數(shù)據(jù)集中的數(shù)據(jù)，形成鄰集，根據(jù)設(shè)定比對規(guī)則實(shí)現(xiàn)個性化推薦。

2 實(shí)驗(yàn)論證分析

2.1 個性化推薦效果評價

為驗(yàn)證本文方法的有效性，本文利用Matlab仿真軟件設(shè)置實(shí)驗(yàn)環(huán)境，本文使用的實(shí)驗(yàn)數(shù)據(jù)在A高校圖書館真實(shí)數(shù)據(jù)的基礎(chǔ)上，抽取部分具有代表性的作為實(shí)驗(yàn)的測試集和訓(xùn)練集，本次實(shí)驗(yàn)共抽取用戶數(shù)據(jù)、圖書數(shù)據(jù)、圖書借閱記錄共18 000條。本文以查準(zhǔn)率作為個性化推薦的效果，從縱向推薦和橫向推薦兩個角度進(jìn)行驗(yàn)證，其查準(zhǔn)率公式為：

式中：sumv和sumh分別為成功推薦的圖書數(shù)量和全部推薦的圖書數(shù)量?？v向角度以學(xué)生的不同年級作為變量因素，用戶隨著年級的增長，對于書籍的喜好會產(chǎn)生一定的變化，因此會產(chǎn)生不同的推薦結(jié)果。

2.2 算法性能測試與對比分析

為了驗(yàn)證本文算法在高校圖書館個性化推薦中的性能，本文將10 000條借閱數(shù)據(jù)隨機(jī)劃分為N個部分，為了便于后續(xù)的性能測試，取N值為10，以訓(xùn)練集為基礎(chǔ)構(gòu)建用戶的借閱模式，通過修正后的測試集數(shù)據(jù)進(jìn)行圖書個性化推薦，為了保證試驗(yàn)指標(biāo)的穩(wěn)定性和可靠性，將10組數(shù)據(jù)輪流做測試集，進(jìn)行10組實(shí)驗(yàn)，根據(jù)本文算法為用戶推薦和他興趣最相似的K個鄰居用戶喜歡的圖書，驗(yàn)證不同K值下本文算法的性能指標(biāo)，得到最終性能測試結(jié)果如表1所示。

表1 本文算法在不同參數(shù)下的性能

由表1可知，隨著K值的不斷增加，準(zhǔn)確率和召回率不斷增高，K值越大，推薦列表中的圖書就越熱門，本文算法的性能較為理想，由此可見，K值對推薦的準(zhǔn)確性具有重要作用。預(yù)測評分能夠展現(xiàn)本文算法進(jìn)行個性化推薦預(yù)測的效果，通過平均絕對誤差對比不同算法的預(yù)測評分的準(zhǔn)確性，具體計算公式為：

式中：Rc，n和Pc，n是用戶c對圖書n的預(yù)測評分和實(shí)際評分，N為測試集中的所有書籍?dāng)?shù)量，平均絕對誤差越小，推薦算法的準(zhǔn)確性越大。以不同鄰居用戶K的取值為變量，驗(yàn)證平均絕對誤差值的大小，具體對比結(jié)果如圖1所示。

圖1 不同算法平均誤差值對比

由圖1可知，傳統(tǒng)算法的平均絕對誤差均高于本文算法，在鄰居用戶為150時，平均絕對誤差最小，證明此條件下的推薦結(jié)果更為準(zhǔn)確，與傳統(tǒng)算法對比發(fā)現(xiàn)，本文算法的性能更高，經(jīng)計算得到的用戶相似度更準(zhǔn)確，本文算法具有有效性。

3 結(jié)語

本文通過獲取用戶信息數(shù)據(jù)，利用協(xié)同過濾法進(jìn)行數(shù)據(jù)處理，定義及描述用戶與圖書相似度，建立高校

圖書館個性化推薦模型，完成個性化推薦，取得了一定的研究成果。同時，由于時間和條件的限制，本文研究還存在著諸多不足，有待于在今后的研究中深入探討，如未對圖書館中的教師用戶數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，在今后的研究中還將對教師用戶的書籍喜好進(jìn)行研究，完善對教師用戶的個性化推薦。另外，本文研究沒有充分考慮借閱超期等問題，未來還將不斷提高高校圖書館的服務(wù)水平。