章志玲

摘 要：目前，網(wǎng)絡(luò)通訊技術(shù)以及數(shù)據(jù)庫技術(shù)發(fā)展空前，也為高校圖書館的數(shù)據(jù)處理模式帶來了改變，從以往的人工服務(wù)器模式轉(zhuǎn)變?yōu)橛?jì)算機(jī)自動處理，尤其是圖書的借還形式也發(fā)生了改變，都通過數(shù)據(jù)庫技術(shù)完成。因?yàn)闀r間的積累，大量的信息存在于圖書館的數(shù)據(jù)系統(tǒng)中，如果能夠從這些信息中提煉出有用的內(nèi)容或者有價值的規(guī)律，那么將使圖書館的管理和服務(wù)有很大的提高。

從眾多的資源中，根據(jù)讀者們的查閱過的信息進(jìn)行記憶，從中獲取他們的閱讀愛好，找到閱讀中的規(guī)律，快速準(zhǔn)確實(shí)現(xiàn)向讀者推薦圖書的目的。

本文對協(xié)同過濾如何在圖書館管理中進(jìn)行應(yīng)用做了仔細(xì)的介紹，深度挖掘借閱者的興趣愛好，以此進(jìn)行具有關(guān)鍵性的圖書推薦，對于指導(dǎo)圖書館在圖書推薦工作中具有一定的參考價值。

關(guān)鍵詞：協(xié)同過濾；借閱系統(tǒng)；數(shù)據(jù)挖掘；圖書推薦

1 研究的背景和意義

商丘學(xué)院是一所民辦本科高校，經(jīng)費(fèi)來源主要依靠學(xué)生的學(xué)費(fèi)，圖書館資源的購置經(jīng)費(fèi)是有限的。如何利用有效的經(jīng)費(fèi)為全校師生購置有效的資源，如何將有效的資源充分利用是民辦高校圖書館的重點(diǎn)工作。經(jīng)過十多年的積累和建設(shè)，學(xué)院圖書館的資源已初具規(guī)模。圖書館的服務(wù)對象主要是教師和學(xué)生，兩者對圖書館的要求有所區(qū)別，老師主要利用圖書館的資源進(jìn)行學(xué)術(shù)科研活動，學(xué)生主要滿足其學(xué)習(xí)的需求。圖書館的建設(shè)要根據(jù)服務(wù)對象需求的不同具有不同的功能，發(fā)展具有針對性的個性化服務(wù)，更大范圍和程度上滿足使用者的需求，使圖書館的服務(wù)更加到位。除此之外，老師和學(xué)生對圖書館的使用主要是滿足自己所研究領(lǐng)域和專業(yè)學(xué)習(xí)的需要，傳統(tǒng)的借閱模式已過于死板，因此，圖書館的信息不僅是滿足日常讀者的需要，更要在專業(yè)化方面更加完善。

受現(xiàn)代科技的影響，計(jì)算機(jī)技術(shù)和數(shù)據(jù)庫技術(shù)被廣泛的應(yīng)用到高校的圖書館管理中。目前，開創(chuàng)個性化圖書館服務(wù)指的是進(jìn)行個性化數(shù)據(jù)圖書館服務(wù)，對于推薦服務(wù)系統(tǒng)是對圖書館個性化服務(wù)的主要研究方向。圖書館推薦服務(wù)系統(tǒng)，就是圖書館系統(tǒng)根據(jù)眾多借閱者的查詢記錄，在其他借閱者到館中進(jìn)行相關(guān)內(nèi)容的查詢時，聯(lián)系之前查閱者的查詢記錄對相關(guān)內(nèi)容進(jìn)行推薦。因?yàn)楝F(xiàn)代互聯(lián)網(wǎng)的快速發(fā)展，所以在信息服務(wù)方面圖書館需要對服務(wù)模式進(jìn)行適當(dāng)?shù)恼{(diào)整，以提高質(zhì)量和書籍利用率，這就需要圖書館根據(jù)讀者需要，推出個性化服務(wù)形式。所謂個性化信息包括客戶的年齡、學(xué)歷、職位、興趣愛好、瀏覽與下載等，對不同年齡段，不同需求的客戶進(jìn)行具有個體針對性的信息推薦系統(tǒng)。

2 協(xié)同推薦技術(shù)的理論基礎(chǔ)

推薦系統(tǒng)的整體構(gòu)造核心由推薦算法板塊、用戶興趣板塊、推薦對象板塊三個重點(diǎn)構(gòu)成。

1）用戶興趣模型的建模。研究者開發(fā)推薦系統(tǒng)的最終導(dǎo)向是將最貼合使用者的個性化資料傳送了使用者，對使用者過去的操作和喜好選擇進(jìn)行分析來得到當(dāng)前的喜好標(biāo)簽尤為重要，而設(shè)置一個興趣模型對于這一目標(biāo)的達(dá)成有很重要的作用。模型建設(shè)成果后，能夠快速、準(zhǔn)確地得到使用者個性需求。

2）推薦算法核心模塊。推薦系統(tǒng)搭建興趣模型最重點(diǎn)的核心就是算法。算法和系統(tǒng)的操作性能直接相關(guān)，所以，不少研究者都在這個點(diǎn)加大投入。有些學(xué)者提出了傳統(tǒng)算法的特殊性升級，有一些學(xué)者則認(rèn)為要根據(jù)具體狀態(tài)進(jìn)行多算法結(jié)合，以達(dá)到推薦準(zhǔn)確度優(yōu)化的目的。當(dāng)前，研究領(lǐng)域和實(shí)操者們都認(rèn)可的算法為以下幾種：以內(nèi)容為標(biāo)準(zhǔn)、以關(guān)聯(lián)規(guī)則為準(zhǔn)則、以效用為參考、以知識為基準(zhǔn)、以協(xié)同過濾為基礎(chǔ)的五種算法。我們在研究時試圖對這五種算法進(jìn)行細(xì)致化的分析和闡述，還會對近期研究者們重點(diǎn)研究的投向?qū)残酝扑]手段個性化的衍生算法進(jìn)行必要的描述。

3）推薦對象模塊。日用品、服裝、書籍、電子設(shè)備這些都是不同行業(yè)的商品，但每一類都需要借助喜好來進(jìn)行推薦。說到不一樣的品類推薦就要說到對象板塊?？梢哉f，推薦對象的闡述并沒有一個可以進(jìn)行參考的大規(guī)則（算法）。以內(nèi)容為標(biāo)準(zhǔn)的算法，一般都要對推薦對象（商品）入手，對其特點(diǎn)進(jìn)行描述來進(jìn)行標(biāo)簽設(shè)定，現(xiàn)在截取特點(diǎn)的辦法純熟一點(diǎn)的手段是文本對象特征提取。不過，無論是互聯(lián)網(wǎng)還是實(shí)體，各種各樣的商品條目和分類導(dǎo)致有些商品本身不一定能挖掘到文本性質(zhì)，要進(jìn)行特點(diǎn)獲取就必須要和它本身所在的行業(yè)知識綜合考量。

3 存在的問題與思考

本文著重將協(xié)同過濾技術(shù)與圖書館管理技術(shù)相結(jié)合，分析了以下工作：

1）本次調(diào)查不僅分析了這項(xiàng)先進(jìn)的技術(shù)在各大圖書館的使用率，也系統(tǒng)總結(jié)了協(xié)同過濾技術(shù)以及余弦相似度算法，具體可分為兩個方面，一是協(xié)同過濾挖掘，二是其算法分類。這項(xiàng)算法既可以以用戶為出發(fā)點(diǎn)，也可以從項(xiàng)目上進(jìn)行分析，可以準(zhǔn)確剖析這項(xiàng)技術(shù)的優(yōu)點(diǎn)和劣勢，同時也可以預(yù)測分?jǐn)?shù)。

2）統(tǒng)計(jì)在圖書館當(dāng)中每個讀者的借閱次數(shù)，根據(jù)真實(shí)的記錄，同時按照相應(yīng)的算法以及計(jì)算原理，構(gòu)建圖書館與讀者相適應(yīng)的先進(jìn)系統(tǒng)。這個系統(tǒng)自動具備人性化管理模式，同時，可以按照讀者興趣愛好推薦不同類型的書目，讓讀者在最短的時間找到自己的所需。因此，可以使得人們更加便捷的借閱圖書，讓圖書館能夠根據(jù)讀者的興趣推薦圖書，實(shí)現(xiàn)圖書館與讀者的良性互動。

3）這個系統(tǒng)能夠自動優(yōu)化統(tǒng)計(jì)結(jié)果，根據(jù)數(shù)據(jù)找出相似用戶，也能找出最受歡迎的圖書類型，將它們的排列次序前置，從而能夠達(dá)到最好的推薦效果。

4）建立完備的圖書館衡量標(biāo)準(zhǔn)，根據(jù)查準(zhǔn)率進(jìn)行判斷，準(zhǔn)確的評估推薦效果，同時也要結(jié)合實(shí)驗(yàn)結(jié)果，比對不同環(huán)境下各項(xiàng)參數(shù)的大小。

5）筆者由于擁有足夠的圖書館工作經(jīng)驗(yàn)，可以順利進(jìn)入圖書館借還系統(tǒng)使用系統(tǒng)數(shù)據(jù)，另外，這個系統(tǒng)還具有自動導(dǎo)出功能，不僅可以借閱圖書，也可以對借閱者的姓名和卡號做好記錄，從而保證數(shù)據(jù)的準(zhǔn)確性。當(dāng)然，這個過程中，我們需要避免冷啟動問題，這就需要我們提前做好準(zhǔn)備，其實(shí)就是開展協(xié)同過濾。隨后需要不斷的清洗不同借閱人員的記錄，只留下借閱次數(shù)較高的人員，同時需要摒棄無用或者冗雜的信息。對于一些新讀者，圖書管理員可以開啟新書推薦功能，借助這種最直接的推薦方式，給新讀者提供有用信息，方便他們的閱讀。

當(dāng)下時代，世界各個領(lǐng)域大數(shù)據(jù)都得到廣泛應(yīng)用。在未來，數(shù)據(jù)發(fā)掘技術(shù)會得到更好的發(fā)展，繼而推動算法程序的完善。隨著這兩項(xiàng)技術(shù)的發(fā)展，推薦系統(tǒng)將會被運(yùn)用到越來越多的領(lǐng)域，對人們的生活產(chǎn)生深遠(yuǎn)的影響！

參考文獻(xiàn)

[1]楊永權(quán).基于協(xié)同過濾技術(shù)的個性化圖書推薦系統(tǒng)研究[J].《河南圖書館學(xué)刊》，2014.

[2]李籠.基于AJAX的圖書館管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].《電子科技大學(xué)碩士論文》，2011.

[3]夏仲欽.論開架借閱的管理與服務(wù)[J].《圖書館學(xué)刊》，1996.

[4]柯福順.基于多源數(shù)據(jù)融合的協(xié)同推薦方法[J].《電信科學(xué)》，2015.

[5]楊春玲.職業(yè)技術(shù)師院學(xué)生閱讀傾向的調(diào)查分析[J].《河南職業(yè)技術(shù)師范學(xué)院學(xué)報》，1996.

[6]榮輝桂，火生旭，胡春華，等.基于用戶相似度的協(xié)同過濾推薦算法[J].通信學(xué)報，2014，（2）：16-24.

[7]碩良勛，柴變芳，張新東，等.基于改進(jìn)最近鄰的協(xié)同過濾推薦算法[J].計(jì)算機(jī)工程與應(yīng)用，2015，（5）：137-141.

[8]陳永光.基于OPAC的高校圖書館個性化圖書推薦算法研究[D].江蘇：南京理工大學(xué)，2013.