周 強(qiáng)

（深圳圖書(shū)館，廣東 深圳 518036）

1 傳統(tǒng)OPAC在大數(shù)據(jù)環(huán)境中面臨的困境

傳統(tǒng)的OPAC是隨著20世紀(jì)80年代開(kāi)始的圖書(shū)館自動(dòng)化系統(tǒng)一同出現(xiàn)的，基于當(dāng)時(shí)的技術(shù)條件和圖書(shū)館不多的館藏資源，一般是瀏覽式展示和根據(jù)用戶輸入檢索詞獲得檢索結(jié)果，相對(duì)于之前的卡片查詢，OPAC極大地方便了讀者。但隨著社會(huì)的發(fā)展，圖書(shū)館館藏資源數(shù)量爆發(fā)式增長(zhǎng)，讀者閱讀需求個(gè)性化、多元化越來(lái)越明顯，傳統(tǒng)OPAC面對(duì)越來(lái)越多的困境：

（1）由于圖書(shū)館館藏量的快速增加，OPAC往往展示給讀者幾十甚至是幾百條記錄，大量的檢索結(jié)果對(duì)讀者獲取想要的信息并沒(méi)有多大幫助；更糟糕的是大量的檢索結(jié)果按照書(shū)名的拼音順序或者出版時(shí)間排序，讀者只有一頁(yè)一頁(yè)瀏覽，才能發(fā)現(xiàn)所要查找的文獻(xiàn)。這無(wú)意中為用戶利用OPAC獲取信息資源設(shè)置了障礙，影響了用戶使用的便利性和實(shí)效性［1］。

（2）OPAC個(gè)性化服務(wù)程度不高，智能化服務(wù)內(nèi)容不多。讀者需要填寫(xiě)檢索詞，才能利用OPAC檢索系統(tǒng)，但讀者很多時(shí)候并不明確知道自己想看什么，只想找到自己感興趣的書(shū)。目前的OPAC并不能全面客觀地分析讀者的信息需求，對(duì)各種信息資源進(jìn)行過(guò)濾，把用戶所需要的信息資源提供給用戶［2］。

傳統(tǒng)的OPAC已經(jīng)無(wú)法滿足讀者越來(lái)越高的要求，如何走出困境，提高服務(wù)質(zhì)量，更好地為讀者提供服務(wù)，成了圖書(shū)館界亟需解決的一個(gè)問(wèn)題?；ヂ?lián)網(wǎng)電商從誕生之日就面臨海量的商品信息與用戶，其個(gè)性化推薦服務(wù)可被圖書(shū)館借鑒，進(jìn)而有助于解決這個(gè)問(wèn)題。

2 個(gè)性化推薦系統(tǒng)在圖書(shū)類電商中的應(yīng)用

什么是個(gè)性化推薦系統(tǒng)？簡(jiǎn)單地說(shuō)，個(gè)性化推薦能幫助網(wǎng)站根據(jù)用戶的歷史行為（如搜索、瀏覽、評(píng)論和購(gòu)買(mǎi)等），推測(cè)出用戶可能感興趣的內(nèi)容并向其推薦［3］。推薦系統(tǒng)為客戶推薦商品，自動(dòng)完成個(gè)性化選擇商品的過(guò)程，滿足客戶的個(gè)性化需求，避免顧客因信息過(guò)載問(wèn)題而瀏覽大量無(wú)關(guān)的信息和產(chǎn)品，花費(fèi)大量時(shí)間才能找到自己需要的商品

目前，個(gè)性化推薦系統(tǒng)在電子商務(wù)網(wǎng)站運(yùn)用非常普遍，已經(jīng)逐漸成為一種標(biāo)準(zhǔn)配置。它是建立在大數(shù)據(jù)基礎(chǔ)上的一種高級(jí)商務(wù)智能平臺(tái)，幫助電子商務(wù)網(wǎng)站為其顧客提供完全個(gè)性化的決策支持和信息服務(wù)。有研究表明，使用個(gè)性化推薦能幫助電商網(wǎng)站提高2%～8%的銷售額。圖書(shū)類電商網(wǎng)站也順應(yīng)了這一潮流，紛紛設(shè)置了個(gè)性化推薦的相關(guān)板塊。據(jù)VentureBeat統(tǒng)計(jì)，個(gè)性化推薦系統(tǒng)的使用為亞馬遜提供了35%的銷售額。

在電商系統(tǒng)中，與圖書(shū)館OPAC最相近的是圖書(shū)類電商，可以通過(guò)分析圖書(shū)類電商在個(gè)性化推薦應(yīng)用方面的特點(diǎn)和優(yōu)勢(shì)，發(fā)現(xiàn)解決傳統(tǒng)OPAC現(xiàn)存問(wèn)題的途徑和方案。

目前，圖書(shū)類電商通常將個(gè)性化服務(wù)細(xì)分為多種推薦小板塊。這些板塊從實(shí)現(xiàn)途徑分為3類：①基于用戶的共同興趣的推薦板塊。這類板塊主要通過(guò)相同的歷史行為推斷用戶存在共同興趣，向用戶推薦與之有相同興趣用戶的瀏覽、閱讀或購(gòu)買(mǎi)行為。如當(dāng)當(dāng)網(wǎng)的“閱讀此書(shū)的人喜歡的其他圖書(shū)”。實(shí)現(xiàn)這一類推薦需要記錄用戶的歷史行為數(shù)據(jù)，不需要對(duì)圖書(shū)進(jìn)行分類。②基于用戶自身歷史行為推測(cè)用戶的興趣點(diǎn)的推薦板塊。這類板塊通常根據(jù)用戶搜索、瀏覽、購(gòu)買(mǎi)圖書(shū)的行為來(lái)推測(cè)其興趣，從而向其推薦可能感興趣的同類圖書(shū)，是目前最流行和最精確的推薦方式。如亞馬遜的“您可能還喜歡”。實(shí)現(xiàn)這類推薦需要用戶的歷史行為數(shù)據(jù)和對(duì)商品進(jìn)行精細(xì)分類。③社會(huì)化推薦板塊。這類板塊是使用戶通過(guò)自己的社交關(guān)系來(lái)獲得推薦。如豆瓣閱讀的“友鄰廣播”，似于現(xiàn)實(shí)生活中一個(gè)朋友給其他朋友進(jìn)行推薦。

3 開(kāi)源個(gè)性化推薦系統(tǒng)Apache Mahout

個(gè)性化推薦系統(tǒng)實(shí)施涉及很多算法以實(shí)現(xiàn)用戶的聚類、商品的聚類及分類，是一個(gè)相當(dāng)復(fù)雜的過(guò)程。筆者查找和比較了Apache Mahout、Weka、JDM等開(kāi)發(fā)包，相比之下使用Mahout較易實(shí)現(xiàn)推薦功能。

Apache Mahout是Apache Software Foundation(ASF)開(kāi)發(fā)的一個(gè)全新的開(kāi)源項(xiàng)目，其主要目標(biāo)是創(chuàng)建一些可伸縮的機(jī)器學(xué)習(xí)算法，供開(kāi)發(fā)人員在Apache許可下免費(fèi)使用。Mahout提供大量功能實(shí)現(xiàn)，包括聚類、集群、分類、協(xié)同過(guò)濾和進(jìn)化程序等數(shù)據(jù)挖掘算法。通過(guò)使用 Apache Hadoop庫(kù)，Mahout可以有效地?cái)U(kuò)展到云中［4］。

Mahout項(xiàng)目是由 Apache Lucene（開(kāi)源搜索）社區(qū)中對(duì)機(jī)器學(xué)習(xí)感興趣的一些成員發(fā)起的，他們希望建立一個(gè)可靠、文檔翔實(shí)、可伸縮的項(xiàng)目，在其中實(shí)現(xiàn)一些常見(jiàn)的用于集群和分類的機(jī)器學(xué)習(xí)算法。得益于Mahout已經(jīng)實(shí)現(xiàn)的算法，筆者直接利用這些算法以快速實(shí)現(xiàn)OPAC推薦系統(tǒng)。

4 使用Apache Mahout實(shí)現(xiàn)個(gè)性化推薦系統(tǒng)的步驟

筆者詳細(xì)介紹利用Apache Mahout實(shí)現(xiàn)一個(gè)實(shí)驗(yàn)性的個(gè)性化推薦系統(tǒng)的實(shí)施步驟，該實(shí)驗(yàn)系統(tǒng)的目標(biāo)是：以深圳科圖公司的產(chǎn)品ILASII作為數(shù)據(jù)源，實(shí)現(xiàn)推薦功能，尋找讀者可能感興趣的圖書(shū)，并展示給讀者。該系統(tǒng)的實(shí)施包括兩個(gè)基本部分：數(shù)據(jù)集和算法。

4.1 獲得數(shù)據(jù)集，并進(jìn)行數(shù)據(jù)預(yù)處理

在數(shù)據(jù)挖掘中，獲得數(shù)據(jù)集，并進(jìn)行數(shù)據(jù)預(yù)處理，是將不同來(lái)源的數(shù)據(jù)集成、合并數(shù)據(jù)到單一的數(shù)據(jù)倉(cāng)庫(kù)，并協(xié)調(diào)來(lái)自不同數(shù)據(jù)源的數(shù)據(jù)在數(shù)值上的差異，使數(shù)據(jù)屬性標(biāo)準(zhǔn)化。同時(shí)，還要去除重復(fù)數(shù)據(jù)，并確保格式轉(zhuǎn)換為分析模塊所需要的格式。

ILASII于1998年發(fā)布，現(xiàn)在仍有大量圖書(shū)館使用該系統(tǒng)。該系統(tǒng)中沒(méi)有讀者的圖書(shū)評(píng)分功能，可以采用讀者借閱歷史作為讀者的喜好數(shù)據(jù)，將讀者借閱歷史作為推薦系統(tǒng)的數(shù)據(jù)集。

從ILASII系統(tǒng)中可以導(dǎo)出的借閱歷史格式是：讀者記錄號(hào)、圖書(shū)條碼號(hào)。圖書(shū)條碼對(duì)應(yīng)的是一冊(cè)圖書(shū)，但推薦系統(tǒng)需要推薦給讀者的是該條碼對(duì)應(yīng)的圖書(shū)，而不只是這一冊(cè)圖書(shū)。筆者在ILASII中導(dǎo)出的借閱歷史的圖書(shū)條碼號(hào)轉(zhuǎn)換為圖書(shū)書(shū)目記錄號(hào)，同時(shí)將數(shù)據(jù)保存為如下格式的文本文件：讀者記錄號(hào)，圖書(shū)記錄號(hào)，1（Mahout要求文件的內(nèi)容滿足以下格式：每一行包括用戶 ID,物品 ID,用戶偏好值；每行中間用逗號(hào)或Tab隔開(kāi)）

每一行表示這個(gè)讀者借閱過(guò)圖書(shū)記錄號(hào)對(duì)應(yīng)的圖書(shū)。這里需要注意，基于存儲(chǔ)效率和計(jì)算效率方面的考慮，Mahout要求每一個(gè)欄位都是數(shù)字，不能包含字母。如果自動(dòng)化系統(tǒng)輸出的借閱歷史中包含字母，需要在預(yù)處理階段把字母轉(zhuǎn)化為數(shù)字。

表1是筆者經(jīng)過(guò)預(yù)處理后的讀者借閱歷史文件loans.csv部分?jǐn)?shù)據(jù)：

表1讀者借閱歷史樣本

4.2 核心程序編制

對(duì)取得的數(shù)據(jù)集進(jìn)行算法分析，從借閱歷史尋找具有相似閱讀歷史的讀者，從所有相似讀者的閱讀書(shū)目集合中按照權(quán)重順序(圖書(shū)被相似讀者借閱次數(shù)越多，其權(quán)重越高)推薦給該讀者。

Apache Mahout對(duì)如何尋找相似讀者和相似圖書(shū)提供了很多算法，提供了多種基于協(xié)同過(guò)濾的推薦策略，這里選擇其中經(jīng)典的兩種：User CF和Item CF。簡(jiǎn)單地說(shuō)就是基于用戶相似度的推薦和基于物品相似度的推薦，分別可以實(shí)現(xiàn)相同興趣用戶間的推薦和個(gè)人用戶可能感興趣的推薦。

下面列出了使用Apache Mahout對(duì)經(jīng)過(guò)數(shù)據(jù)預(yù)處理的借閱歷史進(jìn)行分析，并用實(shí)現(xiàn)基于Item CF的推薦系統(tǒng)：

DataModel model=new GenericBooleanPrefDataModel(new FileDataModel(new File("loans.csv")));

UserSimilarity similarity=new PearsonCorrelationSimilarity(model);

UserNeighborhood neighborhood=new NearestNUserNeighborhood(100,similarity,model);

Recommender recommender=new GenericUserBasedRecommender(model,neighborhood,similarity);

這四句代碼的功能依次是：從數(shù)據(jù)文件loans.csv構(gòu)建一個(gè)Boolean型的偏好數(shù)據(jù)模型，計(jì)算所有讀者的相似度，計(jì)算N-近鄰，最后依據(jù)該相似度和N-近鄰構(gòu)造出推薦器。再用如下代碼就可以獲得記錄號(hào)為9501160的讀者可能喜歡的圖書(shū)記錄號(hào)：

List〈RecommendedItem〉 recommendations=recommender.recommend(9501160,20);

遍歷變量recommendations就可以獲得推薦系統(tǒng)推薦給該讀者的圖書(shū)，如：

for(RecommendedItem recommendation:recommendations){System.out.println(recommendation);}

得到如下輸出：

RecommendedItem[item:27315,value:1.0]

RecommendedItem[item:27945,value:1.0]

RecommendedItem[item:29288,value:1.0]

RecommendedItem[item:13554,value:1.0]

RecommendedItem[item:27952,value:1.0]

RecommendedItem[item:22768,value:1.0]

RecommendedItem[item:19203,value:1.0]

這里item就是推薦系統(tǒng)推薦給讀者9501160的圖書(shū)的書(shū)目記錄號(hào)。

把上面的UserSimilarity similarity=new PearsonCorrelationSimilarity(model)改為：ItemSimilarity similarity=new PearsonCorrelationSimilarity(model)，就可以實(shí)現(xiàn)基于Item CF的推薦系統(tǒng)。

4.3 輔助程序

有了獲取推薦數(shù)據(jù)的核心代碼，剩下的工作就相對(duì)簡(jiǎn)單，只需要把推薦的RecommendedItem轉(zhuǎn)換成用戶可以看得懂的信息就可以了。參照豆瓣的“豆瓣猜”，可以在圖書(shū)館網(wǎng)站增加一個(gè)“圖書(shū)推薦”，實(shí)現(xiàn)效果如圖1所示。

圖1圖書(shū)推薦展示效果圖

這個(gè)功能可以建設(shè)為一個(gè)獨(dú)立系統(tǒng)，與原有自動(dòng)化系統(tǒng)提供的OPAC前端做頁(yè)面整合?？梢钥吹?，這個(gè)方案只要具有一定java和javascript開(kāi)發(fā)能力就可以輕松實(shí)施。

5 結(jié)束語(yǔ)

個(gè)性化推薦是一種以用戶需求為中心的服務(wù)，可極大提高圖書(shū)館的服務(wù)質(zhì)量和資源的有效利用，必將成為圖書(shū)館新型服務(wù)模式的主流，是圖書(shū)館在大數(shù)據(jù)環(huán)境中的必然選擇。

目前，個(gè)性化推薦系統(tǒng)在圖書(shū)館中的應(yīng)用還不十分普及，使用Apache Mahout快速搭建圖書(shū)館個(gè)性化推薦系統(tǒng)的實(shí)驗(yàn)性系統(tǒng)，是筆者對(duì)個(gè)性化推薦系統(tǒng)的一種實(shí)操性探索。事實(shí)上，可以利用圖書(shū)館很多方面的數(shù)據(jù)資源，為讀者提供個(gè)性化推薦服務(wù)。如利用網(wǎng)站日志文件和記錄文件，分析用戶偏好度和網(wǎng)頁(yè)關(guān)聯(lián)性［5］；利用讀者借還、下載、查詢、罰款等數(shù)據(jù)分析讀者的信譽(yù)度，以便提供不同的服務(wù)策略等［6］。如何對(duì)圖書(shū)館各類資源數(shù)據(jù)合理利用，更方便快捷建立有效的個(gè)性化推薦系統(tǒng)，需要圖書(shū)館界繼續(xù)探索。

[1]肖倩,董占山,張聰.圖書(shū)類電子商務(wù)網(wǎng)站上的個(gè)性化推薦應(yīng)用研究[J].科技與出版,2014(8):94-97.

[2]何靜,高靜萍.國(guó)內(nèi)外圖書(shū)館網(wǎng)站建設(shè)研究綜述[J].江西圖書(shū)館學(xué)刊,2008(3):27-28.

[3]查大元.個(gè)性化推薦系統(tǒng)的研究和實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用與軟件,2011(1):48.

[4]蔡建新,徐迪威.基于云計(jì)算平臺(tái)的海量數(shù)據(jù)挖掘技術(shù)在塑料電子商務(wù)平臺(tái)中的應(yīng)用[J].廣東科技,2011(8):59.

[5]蔡琬琰.基于數(shù)據(jù)挖掘的高校圖書(shū)館網(wǎng)站個(gè)性化推薦系統(tǒng)[J].情報(bào)探索,2011(3):88.

[6]唐秋鴻,曹紅兵,唐小新,等.基于Web挖掘的圖書(shū)館個(gè)性化服務(wù)系統(tǒng)研究［J］.合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2012(2):185-186.