夏文忠 單長吉

(昭通學院物理與電子信息工程學院，云南 昭通 657000)

隨著信息技術與計算機技術的發(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，最初應用于電子商務個性化服務中［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是高校辦學的硬指標之一，每年學校都大量投入經(jīng)費購置紙質圖書資源與數(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)中分析總結相關專業(yè)領域知識，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知識推薦給相應的讀者。

目前，昭通學院館藏圖書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記錄的結構化特性，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)計結果集。當新讀者查詢相應信息資源后，根據(jù)先前讀者的借閱歷史記錄，分析當前讀者和以前讀者的歷史借閱記錄興趣相似度。預先設定一個推薦閥值，如兩者間相似度低于設置閥值，則做出個性化信息資源推薦，返回結果。返回結果的呈現(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。昭通學院圖書館當前館藏數(shù)據(jù)如表1所示。

表1 昭通學院館藏圖書種類統(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］，是目前廣泛應用的信息系統(tǒng)推薦技術。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用戶的相似用戶，在相似用戶的基礎上自動地為目標用戶進行信息資源的推薦和預測。在基于流通日志的協(xié)同過濾系統(tǒng)中，通過結構化的流通借閱數(shù)據(jù)聚類來形成結果集，再通過計算讀者間的興趣相似度來實現(xiàn)結果的個性化推薦。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)可以來自當前目標用戶，也可以來自當前目標資源。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，在最近鄰推薦集的基礎上產(chǎn)生推薦結果集。

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?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果，無評級用0表示;空白表示讀者目前沒有對當前圖書評分，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:

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^對評分數(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，然后將低分值轉換為負數(shù)而高評分值轉換為正數(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。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，結果符合推薦閥值。

3 結果分析

本次實驗數(shù)據(jù)來源于昭通學院圖書館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結合我?，F(xiàn)有專業(yè)，給出分專業(yè)和學校類別的推薦結果集。以當前數(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，對昭通文學作品《好大一對羊》、《云興街》等文學作品有深入獨到的見解。又如，讀者甲在昭通文學作品的時候，對這些文學作品寫了相關的圖書評論，其他讀者通過圖書業(yè)務系統(tǒng)瀏覽館藏書目信息時，如恰好訪問了與昭通文學作品相關的作品，系統(tǒng)就會根據(jù)余弦相似定理自動把與昭通文學作品相關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水平，提高館藏紙質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)設計［J］.電腦知識與技術，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中的應用［J］.圖書館學刊，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.