牛翠屏

關鍵詞：數(shù)字圖書館；個性化服務；資源推薦模式

摘要：文章簡述了數(shù)字圖書館個性化資源推薦服務，探討了數(shù)字圖書館的讀者興趣模型及推薦資源對象模型的建立，并分析了資源推薦模式，同時指出了數(shù)字圖書館的資源推薦服務應用存在的問題。

中圖分類號：G250.76文獻標識碼：A文章編號：1003-1588（2017）08-0119-03

數(shù)字圖書館是當前社會信息基礎設施建設的重要組成部分，它以知識資源和信息資源為支撐，為讀者建立集知識服務與信息服務為一體的圖書館環(huán)境，為讀者提供優(yōu)質(zhì)的知識與信息服務。數(shù)字圖書館服務質(zhì)量和資源利用效率的有效提高以個性化服務為主要途徑，將讀者作為服務的中心，一切工作的展開都是為了滿足讀者的個性化需求，有很強的主動性和針對性，是當前我國數(shù)字圖書館主要應用的服務模式。但隨著數(shù)字資源的不斷豐富，讀者個性化的需求受到了擠壓，圖書館越來越難以滿足讀者對圖書資源的個性化需求，如何為讀者提供更好的個性化服務成為各圖書館迫切需要解決的問題[1]。為了解決這一問題，圖書館對推薦技術進行了研究和應用，認為以推薦技術為依據(jù)建立的個性化服務資源推薦模式能夠更好地適應當前數(shù)字圖書館的業(yè)務發(fā)展需求，具有較高的利用價值。

1 個性化服務資源推薦簡述

數(shù)字圖書館個性化服務資源推薦是指圖書館對讀者的閱讀特點、愛好及明顯的個人資源訪問行為進行分析和挖掘，掌握讀者的閱讀興趣與愛好，以及和圖書資源、讀者群之間的關聯(lián)，以便為他們提供更好的信息服務。圖書館在提供服務的過程中會過濾掉與該讀者無關的信息與資源，只提供和推薦那些與其興趣相關的信息與資源[2]。讀者興趣模型、資源推薦對象、推薦算法及讀者四大板塊共同構(gòu)成了數(shù)字圖書館個性化資源推薦服務系統(tǒng)（見圖1）。

從圖1可以看出，個性化資源推薦服務系統(tǒng)能夠基于資源推薦對象的特征信息及讀者興趣模型，判定讀者的需求信息并進行相關性匹配；應用推薦算法能計算和篩選與讀者興趣相關的知識資源，并向其推薦；而讀者興趣的獲取則是通過掌握讀者的資源訪問行為得到的。

2 讀者興趣模型的建立

為了保證推薦信息的準確率、有效性和個性化，個性化資源推薦服務系統(tǒng)從讀者那里獲取的信息應該是動態(tài)和多方面的，并根據(jù)掌握的信息建立興趣模型，以便及時更新模型中讀者的興趣愛好（見圖2）。興趣模型以從讀者那里獲取的信息為數(shù)據(jù)基礎，即個性化資源推薦服務系統(tǒng)對讀者的信息進行獲取與記錄，同時根據(jù)讀者的興趣愛好做出分類，及時掌握讀者的需求，進而生成具有描述功能的文件。

數(shù)字圖書館有三種數(shù)據(jù)類型對讀者的興趣愛好做出反映：①讀者屬性。該數(shù)據(jù)類型反映的是讀者的一些基本信息，主要是讀者的姓名、年齡、性別、專業(yè)、年級、院系、興趣等[3]。讀者興趣模型的初始構(gòu)建就是以這些基本信息為依據(jù)的。②業(yè)務管理系統(tǒng)。數(shù)字圖書館的業(yè)務管理系統(tǒng)對讀者的相關信息進行記錄，有讀者的借閱信息、咨詢信息、學術成果信息等，這些信息在讀者的閱讀過程中被記錄下來，具有較高的準確性。③歷史訪問信息。讀者在數(shù)字圖書館的搜索與訪問記錄反映了其閱讀興趣與愛好，數(shù)字圖書館對讀者的閱讀、下載、瀏覽、檢索等行為進行記錄，可以實時掌握讀者的行為信息。

顯式、隱式、啟發(fā)式是讀者興趣模型中的三種輸入信息獲取模式，分別是：讀者主動提供信息行為、系統(tǒng)跟蹤信息獲取行為、咨詢啟發(fā)讀者興趣并提供相關資源行為。讀者對資源的興趣會隨著時間的推移而發(fā)生變化，因此興趣模型分短期興趣、長期興趣及儲存記憶[4]。模型建立的對象既可以是個體讀者，也可以是群體讀者，即讀者群，是具有相同興趣愛好的讀者所組建的群體性組織。

3 推薦資源對象模型的建立

在資源推薦服務系統(tǒng)中會存在一些基于內(nèi)容和分類的方式對資源對象做出描述。非結(jié)構(gòu)化是網(wǎng)絡資源的一個特性，這一特性無法對標準做出統(tǒng)一的描述，因而描述的方式會采取以內(nèi)容為依據(jù)的從對象本身抽取信息的方式。資源對象文本信息的描述和提取是比較完善的，但是描述的對象常常會存在文本描述不足或者不具有文本特征現(xiàn)象。數(shù)字圖書館的文獻資源主要有期刊、學術論文、學位論文、專利、報刊、會議論文等。這些資源的分類與描述相對于網(wǎng)絡資源是比較成型的，著錄和描述的方式一般以MARC或者DC標準為基礎，《科圖法》和《中圖法》是其主要使用的分類方法[5]。因此，推薦資源模型的建立可以對學科分類的方式進行應用，使每一個資源都能夠找到與其對應的學科分類，并對應讀者興趣模型中的興趣描述。

4 資源推薦模式分析

4.1 內(nèi)容資源推薦模式分析

資源對象內(nèi)容與讀者興趣相似性的推薦及讀者檢索結(jié)果相似性的推薦是內(nèi)容資源推薦模式的兩個組成部分。具體來說，是系統(tǒng)自動提取并分析與資源對象相關的數(shù)據(jù)信息或文檔，并對讀者興趣模型中的讀者興趣愛好進行計算匹配，然后根據(jù)匹配度的高低將資源向讀者推薦。讀者在數(shù)字圖書館進行文獻搜索時輸入關鍵詞，會出現(xiàn)相關的文獻資源列表，資源推薦系統(tǒng)根據(jù)檢索詞相關程度從高到低依次排列，為讀者呈現(xiàn)直觀的文獻信息。

4.2 協(xié)同過濾推薦模式分析

個性化資源推薦服務系統(tǒng)中使用最廣泛的推薦方法是協(xié)同過濾推薦，這種方法以假設為前提，即假設具有相同興趣愛好的讀者會更容易相遇。協(xié)同過濾推薦模式由讀者的協(xié)同推薦、項目的協(xié)同推薦、模型的協(xié)同推薦三部分構(gòu)成：①讀者的協(xié)同推薦，即一個讀者選擇的內(nèi)容是基于其他讀者的推薦，而這種推薦需要找到與其有相同興趣愛好的其他讀者，然后對具有共同興趣的資源進行推薦。②項目的協(xié)同推薦，即通過內(nèi)容相似性計算來取代讀者之間的相似性[6]。個性化資源推薦服務系統(tǒng)以所有讀者的資源訪問信息為依據(jù)，發(fā)現(xiàn)讀者之間存在的相似點，并對讀者的歷史搜索與偏好數(shù)據(jù)信息進行分析，向讀者推薦相似的信息。③模型的協(xié)同推薦，即以讀者在數(shù)字圖書館的資源訪問信息為數(shù)據(jù)基礎，為讀者建立一個有針對性的讀者興趣愛好模型，對讀者資源需求的預測建立模型，根據(jù)讀者的興趣相似性及資源內(nèi)容向讀者推薦資源信息。這種推薦模式的核心是讀者的訪問行為，統(tǒng)計模型、線性回歸模型、機器學習等是其常用的方法。