夏文忠 單長吉

(昭通學(xué)院物理與電子信息工程學(xué)院，云南 昭通 657000)

隨著信息技術(shù)與計算機技術(shù)的發(fā)展，數(shù)據(jù)資源呈幾何數(shù)量級增長，為解決用戶復(fù)雜需求與龐大數(shù)據(jù)資源之間的矛盾，個性化的推薦系統(tǒng)隨之出現(xiàn)。個性化推薦技術(shù)通過研究用戶的喜好和興趣，為用戶推薦所需的各種資源，最初應(yīng)用于電子商務(wù)個性化服務(wù)中［1］。

目前，高校圖書館的館藏資源大幅增長。本次研究采用協(xié)同過濾的余弦相似度計算等方法［2］主動為用戶推薦館藏圖書或其他信息資源，從而提升圖書館的服務(wù)水平與資源利用。

1 基于流通日志的用戶興趣偏好與資源相似性計算

1.1 流通日志分析

圖書館館藏圖書建設(shè)是高校辦學(xué)的硬指標(biāo)之一，每年學(xué)校都大量投入經(jīng)費購置紙質(zhì)圖書資源與數(shù)字電子資源。隨之而來的是，各種資源大幅增加與原有資源利用率低的矛盾也顯現(xiàn)出來。在經(jīng)過十多年的圖書館數(shù)字化建設(shè)后，已有多種提升資源利用率解決方案。本次研究思路首先是從讀者流通借閱歷史數(shù)據(jù)中分析總結(jié)相關(guān)專業(yè)領(lǐng)域知識，通過協(xié)同過濾算法查找讀者興趣相似度，然后根據(jù)讀者興趣相似度把相關(guān)知識推薦給相應(yīng)的讀者。

目前，昭通學(xué)院館藏圖書50多萬冊，自2003年數(shù)字化回溯建庫實現(xiàn)館藏資源數(shù)字管理至今，已擁有歷史流通借閱數(shù)據(jù)131萬多條。我們通過流通借閱數(shù)據(jù)的分析與挖掘，利用館藏圖書MARC記錄的結(jié)構(gòu)化特性，根據(jù)讀者借閱頻次和借閱種類分別分析統(tǒng)計，最后形成分析統(tǒng)計結(jié)果集。當(dāng)新讀者查詢相應(yīng)信息資源后，根據(jù)先前讀者的借閱歷史記錄，分析當(dāng)前讀者和以前讀者的歷史借閱記錄興趣相似度。預(yù)先設(shè)定一個推薦閥值，如兩者間相似度低于設(shè)置閥值，則做出個性化信息資源推薦，返回結(jié)果。返回結(jié)果的呈現(xiàn)可以采用電腦客戶端、瀏覽器、手機WAP、手機短信［3］、郵件、微信［4］等形式。昭通學(xué)院圖書館當(dāng)前館藏數(shù)據(jù)如表1所示。

表1 昭通學(xué)院館藏圖書種類統(tǒng)計

1.2 資源相似性計算

協(xié)同過濾(collaborative filtering)概念由Goldberg等研究人員于1992年提出［5］，是目前廣泛應(yīng)用的信息系統(tǒng)推薦技術(shù)。協(xié)同過濾的基本思想是，根據(jù)計算機用戶間偏好的相似度，在用戶群中尋找目標(biāo)用戶的相似用戶，在相似用戶的基礎(chǔ)上自動地為目標(biāo)用戶進行信息資源的推薦和預(yù)測。在基于流通日志的協(xié)同過濾系統(tǒng)中，通過結(jié)構(gòu)化的流通借閱數(shù)據(jù)聚類來形成結(jié)果集，再通過計算讀者間的興趣相似度來實現(xiàn)結(jié)果的個性化推薦。其基本流程如圖1所示。

圖1 信息協(xié)同過濾推薦算法流程

信息協(xié)同過濾推薦算法流程包含構(gòu)建“用戶-資源”評分矩陣、最近鄰搜索和產(chǎn)生推薦列表這3個階段?！坝脩?資源”評分矩陣主要收集到用戶信息資源的評分、評價行為等，并進行數(shù)據(jù)清理和轉(zhuǎn)換，最終給出用戶Ui∈U對各種資源Ij(1≤j≤n)的評分Rij，形成用戶對資源的評分矩陣。當(dāng)用戶輸入對信息資源的評價并形成評分矩陣后，系統(tǒng)就需要利用推薦算法進行最近鄰選擇。最近鄰數(shù)據(jù)可以來自當(dāng)前目標(biāo)用戶，也可以來自當(dāng)前目標(biāo)資源。產(chǎn)生推薦列表的過程是協(xié)同過濾推薦算法的輸出過程，系統(tǒng)通過推薦算法的選擇，在最近鄰?fù)扑]集的基礎(chǔ)上產(chǎn)生推薦結(jié)果集。

2 基于流通日志和協(xié)同過濾的推薦算法

推薦系統(tǒng)的效率來源于適合的算法及恰當(dāng)?shù)臄?shù)據(jù)源。下面以一個效用矩陣來闡述余弦相似性算法在流通日志和協(xié)同過濾系統(tǒng)中的應(yīng)用。將效用矩陣分1—5級，5級為最高級，矩陣中數(shù)字代表讀者對圖書的評級結(jié)果，無評級用0表示;空白表示讀者目前沒有對當(dāng)前圖書評分，圖書用 S1，S2，S3，…，Sn，讀者對每本書的評級分別用A，B，C，D，…，N表示。每本圖書都可以用一個所謂的詞頻向量表示，詞頻向量通常很長，并且是稀疏的，即它們有許多0值，在這里需要忽略0匹配的數(shù)值數(shù)據(jù)。

圖2 讀者對圖書評級效用矩陣圖

根據(jù)圖2所示的效用矩陣提供的數(shù)據(jù)，使用余弦相似性來驗證讀者間的相似性。余弦相似性通過測量兩個向量內(nèi)積空間的夾角的余弦值來度量它們之間的相似性。

兩個向量a，b間的余弦值可以很容易地通過使用歐幾里得點積和量級公式推導(dǎo):

鑒于2個向量的屬性，A和B的余弦相似性θ用一個點積形式來表示，Ai和Bi表示矩陣中讀者評價結(jié)果，于是有下式:

‖A‖ 是向量 A=(A1，A2，A3，…，An)的歐幾里得范數(shù)，定義為從概念上講，它就是向量的氏度。類似地，‖B‖是向量B的歐幾里得范數(shù)，該度量計算向量A和B之間夾角的余弦。余弦值0意味著2個向量90°夾角(正交)，沒有匹配。余弦值越接近于1，夾角越小，向量之間的匹配越大。

據(jù)圖2所示數(shù)列，有:A×B=4×5+0×5+0×4+5×0+1×0+0×0=20，結(jié)合余弦相似性公式，A和B的夾角余弦為:

A和C的夾角余弦為:

在這種距離計算方式下，將會得到A和C，而不是和B更接近?？梢酝ㄟ^對評分?jǐn)?shù)據(jù)的舍入處理去掉高分和低分的圖書之間表面上的相似度。如對評分進行歸一化處理，即將每個評分減去某個用戶的平均評分值，然后將低分值轉(zhuǎn)換為負(fù)數(shù)而高評分值轉(zhuǎn)換為正數(shù)。再采用余弦距離，將發(fā)現(xiàn)對所見同一圖書評價相反的用戶的向量方向幾乎相反，即是說距離可以看成盡可能的遠(yuǎn)。但是，對所看同一圖書評價類似的用戶向量之間的夾角相對很小，結(jié)果符合推薦閥值。

3 結(jié)果分析

本次實驗數(shù)據(jù)來源于昭通學(xué)院圖書館2003—2014年流通借閱數(shù)據(jù)。該數(shù)據(jù)包括2 621位讀者，流通借閱數(shù)據(jù)1 314 367條。實驗以中圖法分類基礎(chǔ)結(jié)合我?，F(xiàn)有專業(yè)，給出分專業(yè)和學(xué)校類別的推薦結(jié)果集。以當(dāng)前數(shù)據(jù)借閱流通次數(shù)前20的圖書為例進行分析。

如讀者甲喜歡金庸的小說《鹿鼎記》和《神雕俠侶》，讀者乙在借閱讀者甲喜歡的這兩本書的其中一本時，根據(jù)余弦相似定理，把另外一本圖書也推薦給讀者乙，從而達到個性化推薦的目的。再比如，讀者甲是中文專業(yè)的同學(xué)，對昭通文學(xué)作品《好大一對羊》、《云興街》等文學(xué)作品有深入獨到的見解。又如，讀者甲在昭通文學(xué)作品的時候，對這些文學(xué)作品寫了相關(guān)的圖書評論，其他讀者通過圖書業(yè)務(wù)系統(tǒng)瀏覽館藏書目信息時，如恰好訪問了與昭通文學(xué)作品相關(guān)的作品，系統(tǒng)就會根據(jù)余弦相似定理自動把與昭通文學(xué)作品相關(guān)的評論與圖書信息推送到這些讀者訪問的頁面，從而提高資源的利用率及好書的推薦率。

通過對流通日志數(shù)據(jù)的分析與挖掘，利用協(xié)同過濾算法，查找多個讀者之間的興趣相似度，從而實現(xiàn)圖書館資源的個性化推薦。通過使用現(xiàn)有歷史流通日志數(shù)據(jù)，改善了協(xié)同過濾的冷啟動問題，對拓展和改善圖書館的信息服務(wù)水平，提高館藏紙質(zhì)資源的利用具有重要意義。

［1］吳顏，沈潔，顧天竺，等.協(xié)同過濾推薦系統(tǒng)中數(shù)據(jù)稀疏問題的解決［J］.計算機應(yīng)用研究，2007，24(6):94-97.

［2］陳華，李仁發(fā)，劉鈺峰，等.個性化搜索引擎推薦算法研究［J］.計算機應(yīng)用研究，2010，27(1):48-50.

［3］夏文忠，楊智明.一種基于MVC模式的圖書短信管理系統(tǒng)設(shè)計［J］.電腦知識與技術(shù)，2011，7(20):4790-4793.

［4］黃浩波，何衛(wèi)華，葉青，等.微信及其在圖書館信息服務(wù)中的應(yīng)用［J］.圖書館學(xué)刊，2013(1):62-64.

［5］Goldberg D，Nichols D，Brian M O，et al.Using Collaborative Filtering to Weave an Information Tapestry［J］.Communications of the ACM，1992，35(12):61-70.