情境感知視域下移動(dòng)圖書館服務(wù)系統(tǒng)模型構(gòu)建策略

摘要：移動(dòng)圖書館服務(wù)系統(tǒng)設(shè)計(jì)中可借助情境因素提高感知能力，進(jìn)而實(shí)現(xiàn)個(gè)性化、智慧化的服務(wù)功能，情境因素分為用戶、社會(huì)、環(huán)境等多種類型?；谇榫掣兄姆?wù)系統(tǒng)模型由情境因素感知層、情境因素匯聚層、情境數(shù)據(jù)存儲(chǔ)層以及情境應(yīng)用服務(wù)層構(gòu)成。系統(tǒng)設(shè)計(jì)的核心是情境感知推理和計(jì)算，這一功能依賴于算法程序。文章研究過(guò)程中結(jié)合書籍個(gè)性化推薦服務(wù)，介紹了情境感知與矩陣分解推薦算法的融合方式，取得了良好的推薦效果，說(shuō)明情境感知能夠有效提升系統(tǒng)的服務(wù)水平。

關(guān)鍵詞：情境感知；移動(dòng)圖書館；服務(wù)系統(tǒng)模型；構(gòu)建策略

中圖分類號(hào)：G250.7 文獻(xiàn)標(biāo)志碼：A

0 引言

現(xiàn)代圖書館正在加快數(shù)字化、移動(dòng)化轉(zhuǎn)型，原因在于廣大用戶的信息獲取方式基本轉(zhuǎn)移至移動(dòng)端。因此，圖書館需建立移動(dòng)服務(wù)平臺(tái)。在相關(guān)系統(tǒng)設(shè)計(jì)中可引入情境感知功能，根據(jù)用戶特征、書籍特點(diǎn)、環(huán)境變化實(shí)時(shí)調(diào)整服務(wù)功能。

1 移動(dòng)圖書館基本情境因素

1.1 用戶情境

用戶基本屬性包括性別、年齡、身份、實(shí)時(shí)位置、職業(yè)信息、專業(yè)信息等。用戶心理特征涵蓋閱讀偏好、認(rèn)知規(guī)律、性格特點(diǎn)以及其他必要信息。用戶行為特征涉及專業(yè)特長(zhǎng)、用戶歷史行為、活動(dòng)軌跡［1］。

1.2 社會(huì)情境

移動(dòng)圖書館為用戶提供了在線交流的渠道，用戶可自發(fā)性地組建社群，其社會(huì)情境包括用戶間協(xié)作、信息共享、主題社群以及社群內(nèi)的規(guī)章制度。

1.3 任務(wù)情境

移動(dòng)圖書館與線下圖書館形成了業(yè)務(wù)銜接，用戶在線下借閱圖書之后，移動(dòng)圖書館中可查詢相應(yīng)的借閱信息，為整個(gè)借閱過(guò)程提供全程服務(wù)。從用戶辦理借閱開(kāi)始，直到用戶歸還圖書，這一過(guò)程成為移動(dòng)圖書館中的任務(wù)。具體的任務(wù)情境為借閱信息查詢、逾期提醒等。

2 移動(dòng)圖書館服務(wù)系統(tǒng)模型構(gòu)建策略

2.1 系統(tǒng)整體架構(gòu)

2.1.1 情境因素感知層

該層包括兩種作用，其一為采集系統(tǒng)運(yùn)行所需的情境因素，其二為執(zhí)行系統(tǒng)發(fā)出的用戶服務(wù)指令。情境因素采集終端包括部署在圖書館內(nèi)的各類智能傳感器以及用戶獲取服務(wù)的智能終端設(shè)備，前者的典型代表為圖書館的溫濕度傳感器、噪聲監(jiān)測(cè)傳感器，后者主要為用戶的智能手機(jī)、電腦以及其他類型的可移動(dòng)設(shè)備［2］。在指令執(zhí)行層面，圖書館內(nèi)的遠(yuǎn)程控制設(shè)備以及用戶移動(dòng)終端是主要的指令執(zhí)行設(shè)備。

2.1.2 情境因素匯聚層

移動(dòng)圖書館服務(wù)系統(tǒng)中存在各種類型的設(shè)備，其通信方式也具有多樣性。情境因素匯聚層借助其網(wǎng)絡(luò)通信渠道實(shí)現(xiàn)情境數(shù)據(jù)的匯集、上傳以及下達(dá)。具體通信方式包括4G，5G，WiFi，GPRS等。4G，5G主要服務(wù)于用戶移動(dòng)終端；GPRS，Zigbee用于圖書館內(nèi)智能傳感器的數(shù)據(jù)通信；WiFi為館內(nèi)計(jì)算機(jī)、用戶終端提供通信路徑。情境因素感知層采集的數(shù)據(jù)以及接收的指令均要經(jīng)過(guò)匯聚層［3］。

2.1.3 情境應(yīng)用服務(wù)層

情境應(yīng)用服務(wù)層具有多種表現(xiàn)形式，融合了互聯(lián)網(wǎng)App技術(shù)、Web技術(shù)以及物聯(lián)網(wǎng)技術(shù)。移動(dòng)服務(wù)的主要對(duì)象為圖書館的末端用戶，針對(duì)用戶的應(yīng)用服務(wù)層為智能終端App和計(jì)算機(jī)Web網(wǎng)站。系統(tǒng)中存在管理員角色，圖書館管理員可通過(guò)App遠(yuǎn)程操控館內(nèi)設(shè)備，物聯(lián)網(wǎng)技術(shù)在這一過(guò)程中發(fā)揮著重要作用。App和Web網(wǎng)站的設(shè)計(jì)要求、界面形式基本相同，需根據(jù)圖書館業(yè)務(wù)特點(diǎn)設(shè)計(jì)工作流程和功能模塊。移動(dòng)圖書館服務(wù)系統(tǒng)整體架構(gòu)如圖1所示。

2.2 功能模塊設(shè)計(jì)

2.2.1 圖書館基礎(chǔ)功能模塊

移動(dòng)圖書館是在傳統(tǒng)數(shù)字圖書館的基礎(chǔ)上增加了移動(dòng)應(yīng)用服務(wù)端，圖書館原有的基礎(chǔ)功能模塊可作為整個(gè)系統(tǒng)的一部分。例如，數(shù)字圖書館的用戶權(quán)限管理功能將系統(tǒng)管理員和普通用戶區(qū)分開(kāi)，可將該功能遷移至移動(dòng)圖書館。

2.2.2 移動(dòng)圖書館軟硬件平臺(tái)

（1）平臺(tái)數(shù)據(jù)標(biāo)準(zhǔn)。

情境因素感知層采集到的情境數(shù)據(jù)在格式上存在差異，為了便于數(shù)據(jù)存儲(chǔ)和調(diào)用，需制定數(shù)據(jù)標(biāo)準(zhǔn)，對(duì)不同格式的數(shù)據(jù)按照特定規(guī)則進(jìn)行預(yù)處理，使其符合存儲(chǔ)要求。例如，用戶智能手機(jī)和個(gè)人電腦通過(guò)HTTP請(qǐng)求頭發(fā)送數(shù)據(jù)，但部署在圖書館中的傳感器則通過(guò)工業(yè)接口（如RS485，RS232）上傳數(shù)據(jù)。其實(shí)現(xiàn)原理各不相同，制定平臺(tái)數(shù)據(jù)標(biāo)準(zhǔn)有利于消除系統(tǒng)不兼容問(wèn)題。數(shù)據(jù)標(biāo)準(zhǔn)需做到覆蓋全面、不留死角。

（2）硬件訪問(wèn)協(xié)議

移動(dòng)圖書館服務(wù)系統(tǒng)中的硬件設(shè)備包括計(jì)算機(jī)、手機(jī)、RFID閱讀器、傳感器等，其數(shù)據(jù)傳輸方式不完全一致，需針對(duì)不同類型的設(shè)備選定合適的通信協(xié)議。

2.2.3 移動(dòng)圖書館應(yīng)用模塊

應(yīng)用模塊的功能包括系統(tǒng)用戶管理、系統(tǒng)設(shè)備管理和系統(tǒng)資源管理，以軟件界面的方式實(shí)現(xiàn)人機(jī)交互。例如，圖書館內(nèi)書籍上架之后需進(jìn)行排序，利用數(shù)據(jù)庫(kù)存儲(chǔ)書籍位置信息，以便快速查找。將書籍信息錄入RFID標(biāo)簽并貼在圖書表面，圖書管理員可通過(guò)手持的RFID機(jī)盤掃描標(biāo)簽，從而盤點(diǎn)書籍?dāng)?shù)據(jù)。

2.3 情境感知實(shí)現(xiàn)路徑

2.3.1 情境數(shù)據(jù)采集和預(yù)處理

系統(tǒng)采集情境數(shù)據(jù)后，需進(jìn)行預(yù)處理，這一步通常也稱為數(shù)據(jù)清洗，其主要作用為校驗(yàn)數(shù)據(jù)格式、數(shù)據(jù)類型、數(shù)值范圍，對(duì)缺失值進(jìn)行補(bǔ)充，必要時(shí)進(jìn)行數(shù)據(jù)歸一化處理，便于后期運(yùn)算。

2.3.2 情境信息推理和建模

在情境服務(wù)中，系統(tǒng)需利用基礎(chǔ)數(shù)據(jù)開(kāi)展推理和建模，從而實(shí)現(xiàn)特定的情境服務(wù)功能。例如，當(dāng)用戶需要借書時(shí)，選定書目后，移動(dòng)圖書館應(yīng)向用戶提供書架導(dǎo)航服務(wù)。情境推理階段主要根據(jù)用戶在圖書館內(nèi)的實(shí)時(shí)位置信息和圖書的書架信息，自動(dòng)規(guī)劃最近的導(dǎo)航路徑，幫助用戶快速定位［4］。

2.4 情境感知計(jì)算

情境感知計(jì)算是情境推理和建模的實(shí)現(xiàn)過(guò)程，也是系統(tǒng)設(shè)計(jì)的難點(diǎn)，其本質(zhì)為解決特定問(wèn)題的算法程序。移動(dòng)圖書館的情境化服務(wù)具有多種應(yīng)用場(chǎng)景，不同場(chǎng)景下的計(jì)算規(guī)則存在一定差異，因而不能一概而論。此處以移動(dòng)圖書館的個(gè)性化推薦功能為分析對(duì)象，闡述情境感知在算法程序中的具體應(yīng)用方法。

2.4.1 融合情境感知的推薦算法設(shè)計(jì)原理

（1）功能需求分析。

在個(gè)性化推薦中，主要涉及用戶情境因素、社會(huì)情境因素、環(huán)境情境因素。例如，根據(jù)用戶的專業(yè)、所在社群、閱讀偏好、用戶行為特征、心理特征等選擇適宜的書目信息，將其主動(dòng)推送給用戶。在移動(dòng)圖書館的App中設(shè)置推薦列表頁(yè)，便于用戶獲取推薦信息。

（2）算法選型。

在個(gè)性化推薦中，設(shè)計(jì)推薦算法是核心工作。自動(dòng)推薦的算法原理較為豐富，如協(xié)同過(guò)濾算法、基于內(nèi)容的推薦算法、基于模型的推薦算法等。研究過(guò)程中選用矩陣分解推薦算法，該算法屬于模型類推薦算法。

2.4.2 矩陣分解推薦算法實(shí)現(xiàn)過(guò)程

（1）設(shè)置情境偏置項(xiàng)。

情境因素對(duì)個(gè)性化推薦具有一定影響，如用戶個(gè)人閱讀興趣、用戶位置信息、書籍類型等。將情境元素理解為算法數(shù)學(xué)函數(shù)中的偏置項(xiàng)，將其記為bc，假設(shè)每一個(gè)情境因素對(duì)同類項(xiàng)目的影響程度完全一致，那么偏置項(xiàng)bc的計(jì)算方法如下：

在移動(dòng)圖書館推薦算法的評(píng)分預(yù)測(cè)模型中，除了考慮待推薦書籍與用戶的關(guān)系，還需評(píng)價(jià)用戶認(rèn)知特征、行為特征以及書籍本身的特點(diǎn)［5］。例如，部分用戶選擇書籍時(shí)更加嚴(yán)謹(jǐn)，而其他用戶則相對(duì)寬松。再如，休閑娛樂(lè)類書籍對(duì)用戶的吸引力往往高于工具類書籍。此時(shí)，針對(duì)某一項(xiàng)目（書籍）的評(píng)分預(yù)測(cè)模型可轉(zhuǎn)化為：

式（2）中：P表示用戶對(duì)隱含因子的喜愛(ài)程度矩陣；Q表示隱含因子在圖書資料上的分布概率矩陣；bc表示用戶和書籍之間的關(guān)系偏置評(píng)分；bi表示用戶的行為特征偏置評(píng)分；bj表示書籍對(duì)全體用戶吸引力的偏置評(píng)分。

（2）模型實(shí)例及目標(biāo)函數(shù)。

形成目標(biāo)函數(shù)。根據(jù)矩陣分解推薦算法的相關(guān)原理，針對(duì)式（2）的預(yù)測(cè)模型提出一個(gè)實(shí)例。將某一本圖書記為j，將某位用戶記為i，那么用戶i對(duì)圖書j的偏好程度可表示為pTiqj，假設(shè)該指標(biāo)取值為5分。如果用戶i對(duì)圖書的評(píng)價(jià)態(tài)度較為寬松，對(duì)bi的打分為0.6，而圖書j為工具書，對(duì)用戶吸引力較低，此時(shí)bj打分為-0.4。用戶i在特定情境下對(duì)圖書j的評(píng)分bc為0.2，則R^=5+0.6+0.2-0.4=5.4。

將評(píng)分預(yù)測(cè)模型的函數(shù)記為F，則F的表達(dá)式如下：

式（3）中：rij是用戶i對(duì)圖書j的喜愛(ài)程度；pi和qj是矩陣P和Q中的元素；λ是矩陣的特征根。

算法模型優(yōu)化流程。該算法在應(yīng)用過(guò)程中存在兩條交匯的流程線，一方面由算法根據(jù)情境元素獲取推薦列表，按照以上計(jì)算模型求得臨近讀者評(píng)分，接著計(jì)算余弦相似度，生成預(yù)測(cè)函數(shù)的參數(shù)，通過(guò)多次迭代優(yōu)化參數(shù)，直至求得最優(yōu)解。另一條流程線為輸入讀者評(píng)分矩陣R，確定λ，γ等參數(shù)。此時(shí)，各參數(shù)和評(píng)分矩陣R進(jìn)入數(shù)據(jù)訓(xùn)練，開(kāi)展迭代，得出優(yōu)化后的算法模型。

算法模型優(yōu)化結(jié)果。由于目標(biāo)函數(shù)中存在多個(gè)參數(shù)，為了求得各個(gè)參數(shù)的最優(yōu)解，采用隨機(jī)梯度下降算法原理對(duì)其進(jìn)行訓(xùn)練和優(yōu)化。將樣本數(shù)據(jù)代入以上目標(biāo)函數(shù)，每次訓(xùn)練都要更新pi，bj，bc等參數(shù)。例如，pi和qj的優(yōu)化結(jié)果如式（6）和式（7）所示。

γ表示算法的更新步長(zhǎng)。通過(guò)相同的方法求得其他參數(shù)的優(yōu)化計(jì)算式，代入目標(biāo)函數(shù)中，于是便得到了用戶i對(duì)圖書j的優(yōu)化評(píng)分矩陣。目標(biāo)函數(shù)中的rij需進(jìn)行中心化處理。不同用戶之間的相似度計(jì)算采用余弦相似度公式，進(jìn)而獲得可表征相似讀者的矩陣，同時(shí)，還需選擇出|M|個(gè)讀者，將其作為最近鄰集合［6］。將目標(biāo)用戶i選擇圖書j的可能性記為Rij，其計(jì)算方法如下。

式（8）中，sim函數(shù)的計(jì)算方法可參考余弦相似度公式。

（3）算法模型檢驗(yàn)。

檢測(cè)數(shù)據(jù)來(lái)源。算法檢測(cè)階段需收集足夠的數(shù)據(jù)，研究者利用Python編寫爬蟲，從某共享閱讀網(wǎng)站上抓取了大量的用戶信息、圖書信息以及圖書評(píng)分信息。用戶數(shù)量達(dá)到近28萬(wàn)個(gè)，書本評(píng)分信息約為30萬(wàn)條，其中涵蓋了書籍的基本信息。

檢測(cè)結(jié)果。在算法性能評(píng)價(jià)中選用準(zhǔn)確率和平均絕對(duì)誤差兩項(xiàng)指標(biāo)。數(shù)據(jù)檢測(cè)的結(jié)果顯示：當(dāng)算法中的更新步長(zhǎng)γ取值為0.04，參數(shù)λ的取值為0.03時(shí)，平均絕對(duì)誤差的計(jì)算結(jié)果達(dá)到最佳值（0.669 8）。說(shuō)明在這一情況下算法的推薦性能達(dá)到最佳水平。檢測(cè)過(guò)程將MF（矩陣分解推薦算法）算法作為目標(biāo)研究模型的對(duì)照組，發(fā)現(xiàn)研究模型的MAE取值僅為MF算法的67%左右，性能優(yōu)于單純的MF算法。可見(jiàn)，情境感知元素的確強(qiáng)化了推薦算法的性能。

3 結(jié)語(yǔ)

移動(dòng)圖書館能夠向用戶提供書籍推薦、書籍定位、線上交流等服務(wù)，根據(jù)用戶自身的興趣偏好、書籍特點(diǎn)以及其他情境元素，進(jìn)行精確的匹配，從而提高用戶的使用體驗(yàn)。融入情境感知的圖書館移動(dòng)服務(wù)系統(tǒng)設(shè)計(jì)中需涵蓋情境元素采集和數(shù)據(jù)存儲(chǔ)功能，在此基礎(chǔ)上進(jìn)行建模，再以模型計(jì)算數(shù)據(jù)，最終向用戶提供情境化的服務(wù)。

參考文獻(xiàn)

［1］牛根義.基于情景感知的移動(dòng)圖書館用戶需求與服務(wù)［J］.江蘇科技信息，2019（17）：17-21.

［2］袁先文.基于情境感知的移動(dòng)圖書館個(gè)性化信息服務(wù)研究［D］.揚(yáng)州：揚(yáng)州大學(xué)，2021.

［3］習(xí)海旭，何勝，蔣紅芬.基于情境感知的移動(dòng)圖書館服務(wù)實(shí)施策略研究［J］.圖書館理論與實(shí)踐，2022（6）：92-97.

［4］劉曉艷，張瀟璐，趙學(xué)敏，等.融合情境感知的移動(dòng)圖書館個(gè)性化推薦技術(shù)研究［J］.情報(bào)探索，2021（9）：46-52.

［5］李浩君，袁葉葉，戴海容.情境感知視角下移動(dòng)圖書館主動(dòng)知識(shí)服務(wù)模型構(gòu)建［J］.四川圖書館學(xué)報(bào)，2021（1）：53-57.

［6］張瀟璐，趙學(xué)敏，劉璇.基于情境感知的高校移動(dòng)圖書館知識(shí)資源推薦研究［J］.情報(bào)科學(xué)，2020（1）：48-52.

（編輯 何 琳編輯）