●周玲元，段隆振

（1.南昌大學信息工程學院，南昌330063；2.南昌航空大學經濟管理學院，南昌330063）

個性化圖書推薦系統設計與實現
——以南昌航空大學圖書館為例

●周玲元1,2，段隆振1

（1.南昌大學信息工程學院，南昌330063；2.南昌航空大學經濟管理學院，南昌330063）

個性化服務；數字圖書館；推薦系統；數據挖掘

隨著館藏圖書的增加，學生到圖書館借書愈發(fā)茫然，本系統結合南昌航空大學圖書館業(yè)務實際，使用改進的L-Apriori實現專業(yè)書籍推薦功能，針對不同讀者推薦圖書，滿足讀者個性化需求。同時，闡述個性化圖書推薦系統的設計目標、系統框架、主要功能模塊及關鍵技術的設計與實現。

現有網絡環(huán)境下，人們想要準確、快速地查找到自己所需的圖書信息反而越來越困難，一是圖書檢索結果可能有成千上萬條，從中尋找到目標結果必然消耗大量時間和精力；二是用戶需求千奇百怪，不同學科專業(yè)、習慣偏好等導致用戶需求個性化和多樣化，而傳統的圖書檢索系統滿足不了用戶個性化需求。

個性化推薦研究成果主要應用于電子商務領域，目前，數字圖書館領域推薦系統有：［1-3］卡內基·梅隆大學開發(fā)的主動協作過濾推薦系統，主要用于電子文檔的推薦；MⅠT開發(fā)的GroupLens協同過濾推薦系統，主要用于新聞信息的推薦；明尼蘇達大學開發(fā)的協作過濾推薦系統可以用于Web電影資源的推薦；孫博陽等［4］提出了圖書館數字資源的管理系統，對文獻資源進行有效管理；馮太琴［5］針對北京工業(yè)大學圖書館實際問題提出了個性化選書導購系統；肖紅等［6］引入RSS技術到圖書館數字資源個性化推薦。國內外圖書館領域個性化推薦服務大多是基于數字資源的協同過濾推薦，尋找最近鄰產生推薦結果；結合學生背景進行專業(yè)類書籍、公共類書籍推薦的研究很少。

本文嘗試建立一個個性化圖書推薦系統，結合南昌航空大學實際情況，從歷史借閱數據中實現對圖書館館藏情況、讀者的需求情況等方面進行分析，并以專業(yè)、圖書類別、新書推薦等五方面進行圖書推薦，依據讀者背景信息提供圖書的智能檢索和推薦服務，幫助用戶進行信息篩選提高檢索效率，積極引導大學新生的圖書借閱，拓寬讀者的閱讀視野，滿足不同用戶的個性化需求。

1 圖書推薦存在的問題

1.1 南昌航空大學圖書管理系統存在的缺陷

南昌航空大學圖書館使用的是現代電子化圖書館系統，但該系統在推薦圖書部分有許多不足之處，主要表現在：（1）大一新生面對高校圖書館眾多館藏時無從著手，各專業(yè)圖書、公共圖書的借閱情況現有系統無法提供；（2）圖書檢索書目信息只能逐條瀏覽，不具備個性化排序和檢索等功能；（3）讀者在瀏覽書目信息時看不到圖書的詳細介紹信息，只能看到書名、出版社、作者，不具備內容簡介和出版日期等信息，不能夠完整表達該圖書內容及其新穎性；［5］（4）系統無法有效展示圖書館新進圖書，很難提高新書的利用率。

1.2 個性化圖書推薦系統應解決的問題

針對南昌航空大學及相關高校圖書館系統的調研發(fā)現，絕大多數圖書館管理系統僅僅提供公共圖書檢索、公告發(fā)布、用戶信息管理等傳統圖書借閱功能。在圖書館數字化建設越來越快的背景下，如何有效提高服務以滿足讀者個性化需求，最終實現館藏圖書的高效利用成為當下圖書館管理系統研究的重點。

如果能夠建立比較完善的個性化圖書推薦系統，能夠解決以下問題，則可更好地實現與讀者信息互動的功能，既能很好地完成圖書推薦工作，又能提高圖書使用率。［7］

（1）實現對圖書進行分類推薦。不同專業(yè)的學生對同一圖書的偏好是不一樣的。比如按照人文類、社科類、自科類等進行細分；也可以按照專業(yè)、學院進行細分。

（2）實現對同一種圖書借閱次數的統計。通過這種功能可以了解讀者對某種圖書的關注程度，依據關注程度進行排序推薦，從而有效提高讀者查詢命中率。

（3）實現對同一類圖書的協同過濾推薦。同一類圖書涉及不同作者、出版社及出版日期等信息，通過協同過濾算法實現有效推薦，提高服務質量。

（4）實現對新書的合理推薦。圖書館新到圖書具有受關注度小、時效性高、檢索利用率低等特性，通過合理推薦實現館藏新書的高效利用。

2 圖書推薦系統中數據挖掘技術的應用

現有的圖書館推薦系統大多集中在從全局數據庫中挖掘知識的同時提高挖掘效率，然而高校圖書館的數據挖掘工作對時間并不是特別敏感，且各專業(yè)借閱圖書關聯規(guī)則和全局數據庫關聯規(guī)則有很大不同。本系統試圖通過研究本專業(yè)圖書、跨專業(yè)圖書和公共圖書三種推薦服務提高準確率，因此，相關推薦服務有本月強推、圖書類別推薦、專業(yè)圖書推薦、學院圖書推薦等。

其中，利用SQL Server2005的查詢功能對全局數據進行統計，得出被借閱最多的書籍實現本月強推功能；對全局數據按圖書類別分類然后再進行統計，得到各分類圖書被借閱最多的數據實現圖書類別推薦；利用關聯規(guī)則Apriori算法對專業(yè)書籍歷史借閱數據進行挖掘，實現專業(yè)圖書關聯推薦；利用改進的L-Apriori算法實現學院跨專業(yè)圖書推薦功能。

3 個性化圖書推薦系統

圖書館是高校的重要組成部分，也是學生學習的主要場所之一。以其豐富的藏書、數字資源支撐著高校的整體發(fā)展。［8］個性化圖書推薦系統是圖書館信息化的重要窗口，能為滿足學生個性化知識需求和培養(yǎng)學生的創(chuàng)新能力提供支持，在高校的教學、科研、學生學習中起著重要作用。

3.1 系統建設目標

個性化圖書推薦系統主要是以滿足讀者個性需求為目的，一切從讀者的要求出發(fā)。［9］充分利用圖書館現有的資源以及歷史借閱數據，對歷史借閱數據進行合理的整合，然后將整合的知識提供給各類型讀者，進而滿足高校讀者快捷、正確、高效地獲取所需資源的要求。為高校圖書館資源建設方向提供參考價值，實現高校圖書館可持續(xù)發(fā)展。

3.2 系統框架

南昌航空大學個性化圖書推薦系統利用歷史借閱數據對館藏圖書資源進行搜集、分類、標引、存檔，并以多重形式向讀者推薦圖書資源，該系統主要包括三大功能模塊：讀者登入模塊、管理員模塊、圖書推薦模塊。系統框架如圖所示。

其中，讀者登入模塊和管理員模塊能夠實現傳統圖書館管理系統的基本功能；圖書推薦模塊由專業(yè)推薦、圖書排行榜、新書推薦、圖書類別推薦等多種功能組成，為個性化圖書推薦系統的核心模塊。

3.3 功能模塊說明

（1）讀者登入模塊。包括的功能有：用戶注冊、登陸、身份識別和權限管理等功能。主要用于驗證讀者身份的合法性。防止非法用戶進入系統以及保障讀者的相應權限；讀者的個人信息管理和圖書推薦服務及管理功能。主要完成讀者個人信息的收集，同時可以檢索及查看個性化圖書推薦和公共圖書推薦服務。

（2）圖書推薦模塊。圖書推薦模塊包括：新書推薦、本月強推、圖書類別推薦。其中，“本月強推”、“圖書類別”推薦功能不涉及讀者偏好，主要基于歷史借閱數據得到圖書借閱次數，借閱次數越多受關注越高。［10］新書推薦功能根據管理員的設定對新入庫的圖書進行排序推薦；除此之外，圖書推薦模塊還包括專業(yè)圖書推薦、學院圖書推薦等功能。

圖 個性化圖書推薦系統框架

（3）管理員模塊。此模塊是管理員（采訪人員）對推薦圖書信息進行處理的平臺，可以實現以下功能：添加、刪除用戶，可以根據需求設定用戶；處理推薦圖書信息，根據圖書推薦次數等推薦信息下載推薦數據；批量導入書目信息，將本館新進圖書數據和館藏數據及相關驗收數據及時轉入系統；批量刪除書目信息，將往年已經遺失、損毀等圖書數據及時刪除；圖書館公告，及時發(fā)布圖書館相關通知、制度及政策。

4 系統實現關鍵技術

4.1 數據倉庫

系統開發(fā)過程中發(fā)現涉及多個數據源，系統主要數據源包括：①現有南昌航空大學圖書館自動化系統的歷史運行數據、流通數據；②各出版社提供的書目數據、館藏采購數據；③館際互借系統數據、館藏分配信息等。本系統建立多維數據倉庫存放綜合數據，使綜合分析數據與業(yè)務系統相分離。使得數據分析時不影響業(yè)務系統的運行，又大大提高了在線查詢綜合分析速度和個性化推薦效率。本系統在SQL Server2005中建立數據倉庫主要步驟如下。

（1）為不同推薦業(yè)務設計指標，合理地設計維度和劃分粒度，確保進入數據倉庫的數據量不會過大，又不影響推薦系統的性能；（2）使用星形模式構建維表，考慮到個性化圖書推薦系統業(yè)務相對穩(wěn)定，使用星形模式構建維表簡單易行，而且便于從現有系統數據庫中導入數據創(chuàng)建數據倉庫；（3）數據導入，現有系統后臺數據庫也是SQL Server2005，直接利用其中的數據轉入工具生成基本表即可。

4.2 主要數據庫表設計

圖書借閱是高校圖書館工作中最基本、最主要的內容之一。個性化圖書推薦系統中保存了大量的歷史借閱數據，通過對這些數據的整理、統計與分析，可以獲取有利于組織管理和圖書服務的信息，掌握讀者的閱讀傾向以及圖書的借閱狀況以提供個性化服務，提升服務質量，開展深層次的服務工作。館藏圖書數據庫表格設計如表所示。

表 館藏圖書表設計

4.3 圖書推薦算法設計

本系統使用文獻［11］提出的L-Apriori算法實現專業(yè)圖書推薦功能。對歷史借閱數據庫按照學生層次、專業(yè)劃分成各個子數據庫；應用Apriori算法對各個子數據庫挖掘，得到的關聯規(guī)則分成專業(yè)書籍關聯規(guī)則和跨專業(yè)書籍的關聯規(guī)則，這兩類規(guī)則可以直接作為知識推薦給學生，實現系統的專業(yè)書籍推薦功能；再將各子數據庫所挖掘到的跨專業(yè)書籍關聯規(guī)則進行整合，從而達到對整個數據庫進行關聯規(guī)則挖掘的目的。在頻繁項整合過程中，L-Apriori算法首先“剪枝”掉各個子數據庫的專業(yè)書籍頻繁項，不斷整合跨專業(yè)書籍頻繁項集，同時在每一輪尋找候選項集的時候，會根據判斷不斷地“剪去”非頻繁項集，從而逐漸減小候選項集的大小，達到算法效率進一步提升。

4.4 系統的開發(fā)工具

本系統開發(fā)過程中采用Microsft Windows XP操作系統，數據庫系統采用Microsoft SQL Server 2005，測試服務器采用tomcat 6.0，采用B/S（Browser/Server）結構，基于MⅤC設計模式完成的，主要使用的編程語言和工具有JSP、Servlet、Hibernate、JavaScript。

隨著館藏圖書的日益增加，人們對于圖書的借閱越發(fā)困難。本文通過構建個性化圖書推薦系統為讀者提供個性化圖書推薦服務，將個性化推薦技術引入圖書館管理中，大大提高高校圖書館的服務質量和圖書使用率，同時輔助圖書館管理者的決策。對促進我國高校圖書館的發(fā)展，乃至教學、科研水平的提高都有積極意義。

［1］Adomavicius G，Tuzhilin A．Toward the next generation of recommender systems：A survey of the state-ofthe-art and possible extensions［J］．ⅠEEE Trans on Knowledge and Data Engineering，2005，17（6）：734－749.

［2］Adomavicius G，et al．Ⅰncorporating contextual information in recommendation systems using a multidimensional approach［J］.ACM Transactions onⅠnformation Systems，2005，23（1）：103－145.

［3］YANG Yan，et al．The design and implementation of parallel digital library management system［J］．JournalofComputerScience，2005，1（2）：157－163．

［4］孫博陽，等．圖書館數字資源管理系統設計與實現——以北京師范大學圖書館為例［J］．現代圖書情報技術，2005（4）：77－80.

［5］馮太琴．基于web的網上推薦圖書系統——以北京化工大學圖書館網上推薦圖書系統為例［J］.科技情報開發(fā)與經濟，2010，20（18）：1－3.

［6］肖紅，肖靜波．基于RSS的高校圖書館推送服務系統的設計與實現［J］.情報雜志，2009，28（3）：157－160.

［7］林綺屏．圖書館聯機分析系統的設計與實現［J］．情報學報，2002，21（5）：563－567.

［8］吳萌，李靜．基于用戶情境模型的高校圖書館嵌入式集成服務研究［J］.圖書館工作與研究，2013（1）：63－66.

［9］侯振興，崔虹燕．數字圖書館個性化主動信息服務模型研究［J］．情報科學，2013，31（3）：35－39.

［10］錢玲飛，汪榮．基于h指數的OPAC數據分析及應用——以南京航空航天大學圖書館為例［J］.大學圖書館學報，2012，30（2）：60－64.

［11］周玲元，段隆振.改進的Apriori算法在高校圖書推薦服務中的應用研究［J］．圖書館學研究，2013（2）：89－92.

G252；G258.6

A

1005－8214（2014）12－0106－04

周玲元（1982－），博士研究生，講師，研究方向：個性化服務；段隆振（1961－），教授，博導，研究方向：數據挖掘與知識發(fā)現。

2014－01－17［責任編輯］李金甌

本文系江西省社會科學規(guī)劃項目“手機圖書館情境感知服務研究”（項目編號：CC201309282），江西省藝術科學規(guī)劃項目“基于網格資源匹配的數字圖書館個性化推薦服務研究”（項目編號：DB201209393）的研究成果。