〔摘要〕現(xiàn)有個性化圖書推薦沒有考慮受紙質(zhì)圖書的復本，構(gòu)建讀者及紙質(zhì)圖書屬性矩陣、讀者借閱偏好矩陣，定義基于頁數(shù)的借閱時間、新書、圖書類別的借閱權重。建立讀者借閱偏好矩陣和讀者屬性矩陣的關聯(lián)、讀者借閱偏好矩陣和紙質(zhì)圖書屬性矩陣的關聯(lián)。根據(jù)教育部對高校大學生專業(yè)課程設置的特點、讀者借閱記錄的統(tǒng)計，在圖書館書庫存在復本的情況下區(qū)分專業(yè)、非專業(yè)紙質(zhì)圖書推薦。在真實的借閱記錄數(shù)據(jù)集上，實驗驗證提出方法的有效性。

〔關鍵詞〕讀者屬性；紙質(zhì)圖書屬性；讀者借閱偏好；專業(yè)紙質(zhì)圖書推薦；非專業(yè)紙質(zhì)圖書推薦

〔中圖分類號〕TP393.1〔文獻標識碼〕A〔文章編號〕1008-0821（2013）08-0068-05

隨著高校數(shù)字圖書館圖書的增多，讀者不知道如何在幾十萬、幾百萬的館藏圖書中快速找到自己偏好的圖書。于是出現(xiàn)了個性化圖書推薦系統(tǒng)，通過Web服務器收集圖書信息[1]、借閱時間評分[2]、類別[3]、圖書和用戶多特征[4]、聚類[5]等推薦技術，分析讀者的借閱記錄、行為，獲取讀者的借閱偏好，向讀者推薦圖書，實現(xiàn)個性化服務。

例如：針對目前個性化推薦服務推薦質(zhì)量不高的問題，將數(shù)據(jù)挖掘中的關聯(lián)規(guī)則應用到真實的借閱記錄[5]。根據(jù)讀者對圖書借閱記錄，建立讀者——圖書借閱網(wǎng)絡、讀者——讀者借閱網(wǎng)絡，將不同背景的讀者聯(lián)系，構(gòu)建個性化圖書借閱推薦系統(tǒng)[6]。研究圖書和作者推薦，提出一種組合兩種基于項目協(xié)同過濾算法來預測讀者所喜歡的圖書和作者，擴展作者預測到圖書列表，幫助讀者決定要看哪種書，并在LitRec數(shù)據(jù)集中測試提出的算法。為處理大學圖書館信息超載問題[7]。文獻考慮讀者借閱圖書的主要目的是課程學習和學術研究，根據(jù)圖書館借閱日志，提出基于項目分類的協(xié)同過濾算法和基于概率的算法[8]。認為文學閱讀或休閑閱讀不同于科學閱讀，因為讀者尋找圖書的目的不僅僅是圖書的主題，還包括作者、圖書的寫作風格。在LitRce數(shù)據(jù)集中證實了圖書的寫作風格影響讀者選擇圖書，圖書的目錄、寫作風格特點可用于提供圖書推薦效果[9]。在圖書館整合基于問題的學習（PBL）模式和圖書資源，提出一種新的智能手機位置感知的圖書推薦系統(tǒng)（IMLBRS），使用地圖導航和圖書推薦功能搜索圖書[10-11]。針對數(shù)據(jù)稀疏性問題，把讀者——資源交互作為圖來分析，在網(wǎng)絡模型中采用鏈路預測方法推薦圖書[12]。針對推薦系統(tǒng)不能分析圖書的信息、缺乏反饋信息給讀者、不能為讀者提供足夠的信息決定是否圖書的問題[13]。利用聚類，為背景相異的讀者提供電子圖書個性化推薦、個性化薦購[14]。

另外，傳統(tǒng)基于協(xié)同過濾的電子商城商品推薦思想：如果一些用戶與目標用戶對某些商品的評分比較相似，認為這些用戶是目標用戶的最近鄰居，目標用戶對未評分商品的偏好等同于最近鄰居對該商品的偏好。推薦方法面臨用戶評分數(shù)據(jù)稀疏時用戶共同評分項目很少的問題。電子商品、電子圖書沒有受到復本的限制，同一時間允許購買、借閱的次數(shù)不受限制。但高校圖書館的館藏紙質(zhì)圖書受到復本的限制，每種紙質(zhì)圖書的復本數(shù)一般為2～5冊，若紙質(zhì)圖書推薦仍然單純以電子商品推薦中的共同評分的項目集合為依據(jù)，將導致同一時間段能借閱同一種紙質(zhì)圖書的共同讀者更加少。若要推薦給讀者的某種紙質(zhì)圖書的復本在某個時間段全部被外借（即該種紙質(zhì)圖書沒有復本在架），則需要借閱該種圖書的讀者只能等到該種圖書的復本歸還后才能借。而當該類圖書的復本歸還圖書館時，之前想借閱該書的讀者可能已經(jīng)不需要借閱該書，或已經(jīng)忘記要借閱該書了，這影響圖書館對讀者的服務。

通過對讀者借閱不同類圖書的偏好進行統(tǒng)計，發(fā)現(xiàn)借閱專業(yè)類圖書、H（語言文學）類圖書的時間比較長，借閱其他類的時間短[17]。因為學習專業(yè)類、語言類圖書，需要讀者花費很多的時間去理解、記憶很多內(nèi)容，而其他類圖書只需要大致的閱讀即可。但現(xiàn)存的圖書推薦技術，單純的把讀者借還圖書的時間間隔作為讀者對圖書的偏好，沒有考慮到相同頁數(shù)不同類別的圖書對需要閱讀時間的差別。通過對讀者成績排名與讀者借閱專業(yè)圖書的偏好情況進行研究，發(fā)現(xiàn)大部分的讀者，越偏好于借閱專業(yè)圖書，成績排名越靠前[18]?，F(xiàn)存的推薦方法只追求推薦的準確率、覆蓋率，不區(qū)分專業(yè)圖書與非專業(yè)圖書推薦對讀者成績的影響。

文章以高校本科生作為讀者借閱偏好的研究對象。首先建立讀者屬性矩陣、紙質(zhì)圖書屬性矩陣、讀者借閱偏好矩陣。通過借閱證號建立讀者借閱偏好矩陣和讀者屬性矩陣的關聯(lián)，通過索書號建立讀者借閱偏好矩陣和紙質(zhì)圖書屬性矩陣的關聯(lián)。定義頁數(shù)的借閱時間權重、出版年份的新書權重、圖書類別的借閱權重。最后，根據(jù)大學階段課程設置的特點、讀者借閱偏好，分別向讀者推薦有復本在架的專業(yè)紙質(zhì)圖書和非專業(yè)紙質(zhì)圖書。

2紙質(zhì)圖書推薦

2.1專業(yè)圖書借閱偏好

高校大學專業(yè)課程的設置由教育部規(guī)定，同一專業(yè)不同屆但相同年級的學生授課內(nèi)容基本一樣，并且遵循先開設基礎課、簡單到難遵循漸進的原則。如計算機專業(yè)的學生，大學一年級階段一般都開設《計算機應用基礎》、《C語言程序設計》等基礎課程，大學二年級才能開設《數(shù)據(jù)結(jié)構(gòu)》課程。因為學習《數(shù)據(jù)結(jié)構(gòu)》需要學生掌握計算機基本操作、程序設計的內(nèi)容。到更高年級的時候，只有學習《數(shù)據(jù)結(jié)構(gòu)》的知識，才能開設《算法設計與分析》等更專業(yè)的課程。由此可見，同一專業(yè)不同年級的讀者開設的課程往往不一樣，但同一專業(yè)同一年級的讀者開設的課程基本一樣，對專業(yè)圖書的借閱偏好也相似。

4結(jié)語

本文以高校本科生作為讀者借閱偏好的研究對象，提出復本受限下高校讀者借閱偏好的紙質(zhì)圖書推薦。分別構(gòu)建讀者和紙質(zhì)圖書屬性矩陣、讀者借閱偏好矩陣，分別定義基于頁數(shù)的借閱時間權重、基于出版年份的新書權重、基于圖書類別的借閱權重。由讀者借閱證號建立讀者借閱偏好矩陣和讀者屬性矩陣的關聯(lián)，由索書號建立讀者借閱偏好矩陣和紙質(zhì)圖書屬性矩陣的關聯(lián)。根據(jù)大學專業(yè)課程設置的特點，區(qū)分專業(yè)紙質(zhì)圖書和非專業(yè)紙質(zhì)圖書。在真實的借閱記錄數(shù)據(jù)集上，實驗驗證提出方法的有效性。

下一步的研究包括：專業(yè)圖書、非專業(yè)圖書的不同推薦類數(shù)、冊數(shù)對不同專業(yè)、不同性別的讀者推薦影響，并將云計算模型的不確定性、模糊聚類應用于讀者借閱偏好的隨機性、盲目性中。

參考文獻

[1]李克潮，黎曉.個性化圖書推薦研究[J].圖書館學研究，2011，（10）：65-69.

[2]景民昌，于迎輝.基于借閱時間評分的協(xié)同圖書推薦模型與應用[J].圖書情報工作，2012，56（3）：117-120.

[3]羅喜軍，王韜丞，杜小勇等.基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[J].計算機研究與發(fā)展，2007，44：290-295.

[4]李克潮，梁正友.基于多特征的個性化圖書推薦算法[J].計算機工程，2012，38（11）：34-37.

[5]丁雪.基于數(shù)據(jù)挖掘的圖書智能推薦系統(tǒng)研究[J].情報理論與實踐，2010，（5）：107-110.

[6]燕飛，張銘，孫韜，等.基于網(wǎng)絡特征的用戶圖書借閱行為分析——以北京大學圖書館為例[J].情報學報，2011，30（8）：875-882.

[7]P.C.Vaz，D.M.de Matos，B.Martins，et al.Improving an hybrid literary book recommendation system through author ranking[C].In Proceedings of the 12th ACM/IEEE-CS joint conference on Digital Libraries，JCDL12，New York，NY，USA，2012：387-388.

[8]Chong Chen，Liya Zhang，Huan Qiao，et al.Recom mendation Based on Book-Loan Logs[J].The Outreach of Digital Libraries：A Globalized Resource Network Lecture Notes in Computer Science，2012，7634：269-278.

[9]P.C.Vaz，D.M.de Matos，B.Martins.Stylometric relevance-feedback towards a hybrid Book recom-mendation algorithm[C].In CIKM Books Online，2012：13-16.

[10]Chih-Ming chen.An intelligent mobile location aware book recommendation system that enhances problem based learning in libraries[J].Interactive Learning Environments，2011，（1）：45-51.

[11]Chin-Ming Chen，Yu-Chieh Yang.An Intelligent Mobile Location-Aware Book Recommendation System with Map-Based Guidance That Enhances Problem-Based Learning in Libraries[J].Advances in Neural Network Research and Applications Lecture Notes in Electrical Engineering，2010，67：853-860.

[12]Z.Huang，X.Li，H.Chen.Link prediction approach to collaborative filtering[C].In Proceeding of the 5th ACM/IEEE-CS joint conference on Digital libraries，2005：141-142.

[13]B Cui，X Chen.An online book recommendation system based on web service[C].Fuzzy Systems and Knowledge Discovery，2009，（7）：520-524.

[14]唐小新，李高虎，唐秋鴻，等.高校圖書館個性化電子圖書薦購系統(tǒng)的設計和實現(xiàn)[J].現(xiàn)代圖書情報技術，2012，（3）：83-88.

[15]J Herlocker，J A Konstan，J Riedl.An empirical analysis of design choices in neighborhood based collabo-rativealgorithms[J].Information Retrieval，2002，Retrieval，2002，5（4）：287-309.

[16]Dietmar Jannach，Markus Zanker，Alexander Felfernig，et al.Recommender Systems：An Introduction[M].New York：Cambridge University，2011.

[17]馬家偉.圖書借閱統(tǒng)計剖析高校的讀者需求——以沈陽藥科大學圖書館為例[J].農(nóng)業(yè)圖書情報學刊，2012，24（4）：119-121.

[18]張保華.數(shù)據(jù)挖掘技術的研究及在圖書借閱系統(tǒng)的應用[D].南京：南京大學，2008.

[19]孫書霞.基于數(shù)據(jù)分析的中文圖書采購工作優(yōu)化——以首都師范大學圖書館為例[J].圖書館建設，2010，（12）：37-39.

[20]曾怡.大學圖書館借閱制度動態(tài)管理模式研究[D].重慶：西南大學，2009.

（本文責任編輯：孫國雷）