摘 要：本文通過(guò)讀者借閱日志和讀者信息的高維數(shù)據(jù)進(jìn)行聚類(lèi)分析，并將其借閱次數(shù)進(jìn)行加權(quán)篩選，即時(shí)推薦該類(lèi)圖書(shū)的新書(shū)或熱門(mén)書(shū)給讀者，提高圖書(shū)館的業(yè)務(wù)績(jī)效。

關(guān)鍵詞：模糊聚類(lèi)；讀者興趣取向

注：此文系中華人民共和國(guó)教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目 （No.10YJC870037）。

圖書(shū)貴在流通，以讀者為導(dǎo)向，創(chuàng)新圖書(shū)館服務(wù)已然成為泛在圖書(shū)館發(fā)展的必然。高校圖書(shū)館的讀者服務(wù)，必須遵循“以讀者為中心”，及時(shí)定向地為讀者提供個(gè)性化的推薦圖書(shū)服務(wù)。那么，如何實(shí)現(xiàn)技術(shù)支撐保障，快捷準(zhǔn)確，真正意義上的“一對(duì)一”推薦服務(wù)，是每個(gè)館員思考的問(wèn)題。如何才能實(shí)現(xiàn)以用戶(hù)需求為導(dǎo)向?yàn)橛脩?hù)提供適時(shí)、適當(dāng)?shù)膫€(gè)性化服務(wù)已然成為圖書(shū)館未來(lái)發(fā)展的研究重點(diǎn)和必然。對(duì)用戶(hù)真實(shí)的、個(gè)性化的需求挖掘成為圖書(shū)館信息服務(wù)和系統(tǒng)設(shè)計(jì)的重要依據(jù)。在泛在知識(shí)環(huán)境的大背景下。

1 模糊聚類(lèi)分析概念

模糊聚類(lèi)分析是以模糊理論為依據(jù)，用模糊的方法，按照一定的要求和規(guī)律對(duì)事物進(jìn)行區(qū)分和分類(lèi)來(lái)處理聚類(lèi)問(wèn)題。它得到樣本是客觀的反映現(xiàn)實(shí)世界。

2 模糊聚類(lèi)樣本矩陣確定

選取圖書(shū)館讀者借閱信息、館藏文獻(xiàn)信息等公共性數(shù)據(jù)進(jìn)行聚類(lèi)分析。數(shù)據(jù)來(lái)源服務(wù)器端日志數(shù)據(jù)和讀者注冊(cè)數(shù)據(jù)。按照中圖法，書(shū)籍可分22個(gè)子類(lèi)，即其書(shū)類(lèi)集Type={A，B，…，Z}，如果有n個(gè)讀者成功借閱圖書(shū)，即讀者集Reader={Reader1，Reader2，…Readern}。因此，該圖書(shū)館的圖書(shū)借閱情況就被映射成一個(gè)ReaderType矩陣。其中行表示已被借閱的書(shū)類(lèi)集，列表示可借閱的讀者集，每個(gè)元素項(xiàng)tij表示讀者Readeri對(duì)某類(lèi)書(shū)Typej的借閱次數(shù)Quantity，反映讀者對(duì)該類(lèi)圖書(shū)的借閱興趣度。我們構(gòu)建了如下10000*22數(shù)據(jù)矩陣ReaderType（如表1）。

3 聚類(lèi)分析驗(yàn)證

利用這些數(shù)據(jù)對(duì)這10000位讀者進(jìn)行聚類(lèi)分析，將興趣取向近似的讀者歸為同一類(lèi)，聚類(lèi)的結(jié)果就是這512個(gè)讀者被自動(dòng)分為8類(lèi)（如圖2）。

例如：已知Reader1，Reader20，Reader140，Reader230，Reader663，Reader915，…，被歸為一類(lèi)C1，讀者Reader1可能僅僅借閱了O類(lèi)的圖書(shū)，但是由于C1類(lèi)的讀

者普遍會(huì)借閱{O，TP}這兩類(lèi)的圖書(shū)，因此可以推斷讀者Reader1也會(huì)借閱TP類(lèi)的圖書(shū)，館員可以提前將TP類(lèi)的新書(shū)或熱門(mén)書(shū)推薦給這位讀者。

6 推送書(shū)籍讀者的正負(fù)反饋

眾所周知，讀者的歷史借閱記錄真實(shí)反映其興趣愛(ài)好。其一，依據(jù)對(duì)讀者借閱歷史記錄的聚類(lèi)分析，推薦算法的結(jié)果。其二，根據(jù)讀者登錄信息找出其所屬的興趣組。當(dāng)讀者反饋的意見(jiàn)和推薦的結(jié)果不相符合，出現(xiàn)負(fù)反饋時(shí)，說(shuō)明該興趣組的讀者，在這段時(shí)期內(nèi)其興趣對(duì)象發(fā)生了變化，需要重新聚類(lèi)更新讀者興趣度分組。通過(guò)讀者反饋幾次反復(fù)，最終得到了某興趣組讀者可信的推薦結(jié)果。

7 本文HSFC的模糊聚類(lèi)創(chuàng)新點(diǎn)：

（1）在動(dòng)態(tài)聚類(lèi)中心數(shù)量中，采用評(píng)價(jià)函數(shù)最小的一組聚類(lèi)中心，作為算法最終的結(jié)果，自動(dòng)找尋正確或合理的聚類(lèi)中心數(shù)；（2）通過(guò)特征屬性加權(quán)，提高了聚類(lèi)準(zhǔn)確性；

文獻(xiàn)文獻(xiàn)

[1]焦秋陽(yáng)，許增樸.高校圖書(shū)館科技查新概論[J].中國(guó)輕工教育，2009，4（4）：40-42，86.

[2]教育部科技發(fā)展中心.教育部關(guān)于在東北師范大學(xué)等10所法人機(jī)構(gòu)設(shè)立第四批教育部部級(jí)科技查新工作站的通知[EB/OL].http：∥www.cutech.edu.cn/cn/kjcg/cgcx/2009/01/1229477998896943.htm，2009-01-21.

[3]徐慧芳，陳朝暉，鄭菲.科技查新業(yè)務(wù)分析———以中國(guó)科學(xué)院國(guó)家科學(xué)圖書(shū)館總館為例[J].圖書(shū)情報(bào)工作，2007，11（11）：106-110.

[4]董政娥，吳素坤，陳惠蘭，等.科技查新需求分析及其增值服務(wù)探討[J].現(xiàn)代情報(bào)，2009，7（7）：153-156.

作者簡(jiǎn)介

周建女（1968-），副研究館員從事圖書(shū)信息服務(wù)多年，發(fā)表專(zhuān)業(yè)論文40余篇主持或參研國(guó)家級(jí)/省部級(jí)課題7項(xiàng)。