柳益君 羅 燁 蔡秋茹 吳智勤 何 勝

（1.江蘇理工學(xué)院計(jì)算機(jī)工程學(xué)院 江蘇常州 213001）

（2.江蘇理工學(xué)院圖書館 江蘇常州 213001）

1 引言

個(gè)性化推薦是高校圖書館個(gè)性化服務(wù)的重要內(nèi)容之一，準(zhǔn)確而深入地了解用戶是個(gè)性化推薦的前提?！盎ヂ?lián)網(wǎng)+”、社交網(wǎng)絡(luò)等技術(shù)在圖書館的應(yīng)用給用戶分析提供了多源數(shù)據(jù)，學(xué)者們重點(diǎn)關(guān)注如何挖掘用戶的偏好和興趣并通過推薦服務(wù)滿足之。李樹青等人[1]根據(jù)圖書館借閱記錄，挖掘圖書閱讀相關(guān)性，利用圖書類別相關(guān)性鏈接關(guān)系，提出用戶個(gè)性化模式的表達(dá)方法，從長(zhǎng)期興趣和短期興趣兩方面為用戶提供個(gè)性化圖書推薦服務(wù)。劉海鷗等人[2]融合圖書館用戶的情境信息進(jìn)行面向大數(shù)據(jù)的協(xié)同過濾推薦。王剛等人[3]根據(jù)用戶社交行為，通過分析用戶之間社交密切程度、資源使用情況和用戶近期偏好因素，為用戶提供個(gè)性化推薦服務(wù)。柳益君等人[4]提出一種基于社交網(wǎng)絡(luò)分析的閱讀推薦方法，發(fā)現(xiàn)用戶的多樣興趣，進(jìn)而提供主題多樣性的閱讀推薦服務(wù)。劉愛琴等人[5]應(yīng)用SOM神經(jīng)網(wǎng)絡(luò)對(duì)用戶Web訪問行為進(jìn)行聚類和優(yōu)化，識(shí)別用戶的興趣點(diǎn)，進(jìn)而提供主題推薦、圖書推薦和專家推薦。

圖書館個(gè)性化推薦服務(wù)受到廣泛關(guān)注，取得了諸多成果，但是依然面臨著挑戰(zhàn)。圖書館發(fā)展至今，文獻(xiàn)、資料、內(nèi)容日趨繁多復(fù)雜，個(gè)性化推薦服務(wù)面臨的“信息過載”“信息迷航”“情感缺失”問題仍然嚴(yán)重。用戶興趣是情感的顯性表達(dá)，用戶需求則是潛在的隱性情感需要。現(xiàn)實(shí)中，推薦符合用戶顯性興趣的資源往往并不能滿足用戶潛在需求。例如，一位計(jì)算機(jī)專業(yè)的學(xué)生借閱了圖書《數(shù)據(jù)結(jié)構(gòu)》，顯示了他對(duì)“數(shù)據(jù)結(jié)構(gòu)”有明顯興趣，但是如果給他推薦此類圖書文獻(xiàn)，他很可能未必需要。也許他會(huì)覺得一本《數(shù)據(jù)結(jié)構(gòu)》已經(jīng)夠了，不需要更多，他需要的是算法分析和設(shè)計(jì)類書籍。初景利[6]指出，圖書館依附于用戶而存在，用戶需求是圖書館存在的基礎(chǔ)與發(fā)展的動(dòng)力。圖書館要留住用戶、壯大用戶群，僅著眼于用戶顯性興趣是不夠的，更應(yīng)捕捉用戶的潛在需求。分析目前的研究，推薦的個(gè)性化主要體現(xiàn)在滿足用戶的顯性偏好和興趣，對(duì)于如何滿足用戶的潛在需求尚缺乏深入探索。為了實(shí)現(xiàn)以用戶為中心的推薦服務(wù)，有必要研究如何滿足用戶深層潛在需求，而非僅僅是顯性興趣，從而最終提供用戶高滿意度的個(gè)性化推薦服務(wù)。

2 機(jī)器學(xué)習(xí)在構(gòu)建個(gè)性化智能推薦服務(wù)中的優(yōu)勢(shì)

目前，我國各行各業(yè)都在推進(jìn)人工智能技術(shù)的應(yīng)用。通過人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等現(xiàn)代信息技術(shù)，對(duì)行業(yè)實(shí)行顛覆性重構(gòu)和革命性改造。人工智能在圖書館應(yīng)用甚多，使圖書館升華為智能圖書館的新形態(tài)，圖書館服務(wù)也走向適應(yīng)時(shí)代的智能服務(wù)[7-9]。在智能服務(wù)的背景下，圖書館需要提升傳統(tǒng)推薦服務(wù)的智能化水平。個(gè)性化智能推薦服務(wù)是傳統(tǒng)個(gè)性化服務(wù)的進(jìn)一步發(fā)展，充分利用智能技術(shù)，不僅能夠發(fā)現(xiàn)用戶的顯性興趣，也能夠深入挖掘用戶的深層需求，實(shí)現(xiàn)升級(jí)的個(gè)性化推薦服務(wù)，主動(dòng)為用戶推薦其所需的資源，全面、深層地滿足用戶個(gè)性化需求，并提高資源的利用率。

作為人工智能的重要分支之一，機(jī)器學(xué)習(xí)在分析用戶數(shù)據(jù)，發(fā)現(xiàn)用戶需求，進(jìn)而提供個(gè)性化智能推薦服務(wù)上有很大優(yōu)勢(shì)?！度斯ぶ悄軜?biāo)準(zhǔn)化白皮書（2018版）》指出，人工智能的特征之一是“由人類設(shè)計(jì)，為人類服務(wù)，本質(zhì)為計(jì)算，基礎(chǔ)為數(shù)據(jù)”[10]，而機(jī)器學(xué)習(xí)是一種基于數(shù)據(jù)的重要智能技術(shù)。我國著名機(jī)器學(xué)習(xí)專家周志華教授[11]在專著《機(jī)器學(xué)習(xí)》中談到，機(jī)器學(xué)習(xí)在大數(shù)據(jù)時(shí)代是必不可少的核心技術(shù)，沒有機(jī)器學(xué)習(xí)技術(shù)分析數(shù)據(jù)，則數(shù)據(jù)利用無從談起，“數(shù)據(jù)分析”是機(jī)器學(xué)習(xí)技術(shù)的舞臺(tái)，各種機(jī)器學(xué)習(xí)技術(shù)已經(jīng)在這個(gè)舞臺(tái)上大放異彩。物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、社交網(wǎng)絡(luò)等技術(shù)在圖書館日益廣泛的應(yīng)用使圖書館積累了海量用戶數(shù)據(jù)。用戶數(shù)據(jù)中既有宏觀層面群體涌現(xiàn)的大數(shù)據(jù)，也有微觀層面?zhèn)€人和團(tuán)體的小數(shù)據(jù)，蘊(yùn)含了大量的特征、模式和關(guān)系，為用戶分析提供了寶貴資源，也為機(jī)器學(xué)習(xí)提供了用武之地。

梁少博等人[12]認(rèn)為，機(jī)器學(xué)習(xí)的相關(guān)工具、算法能夠幫助圖書館分析用戶行為數(shù)據(jù)、業(yè)務(wù)處理數(shù)據(jù)等，從而為用戶提供更加智能的信息服務(wù)。張坤等人[13]指出，個(gè)性化推薦服務(wù)是機(jī)器學(xué)習(xí)在圖書情報(bào)領(lǐng)域的重要應(yīng)用之一，應(yīng)用機(jī)器學(xué)習(xí)技術(shù)可以對(duì)用戶的檢索、閱讀、瀏覽等記錄進(jìn)行識(shí)別與分析，進(jìn)而判斷出用戶的潛在信息需求及興趣偏好，最終提供滿足用戶需求的資源。機(jī)器學(xué)習(xí)在深入分析和學(xué)習(xí)用戶數(shù)據(jù)，提取數(shù)據(jù)智能，進(jìn)而深層地洞察用戶、理解用戶中有巨大的應(yīng)用前景，是構(gòu)建個(gè)性化智能推薦服務(wù)的支撐技術(shù)。

3 基于機(jī)器學(xué)習(xí)的個(gè)性化智能推薦服務(wù)方案

本文設(shè)計(jì)基于機(jī)器學(xué)習(xí)的圖書館個(gè)性化智能推薦服務(wù)方案，如圖1所示。該方案由圖書館用戶數(shù)據(jù)采集與清洗、個(gè)性化興趣提取和需求發(fā)現(xiàn)、個(gè)性化智能推薦三部分組成。其中，機(jī)器學(xué)習(xí)主要用于個(gè)性化需求發(fā)現(xiàn)。

圖1 基于機(jī)器學(xué)習(xí)的高校圖書館個(gè)性化智能推薦服務(wù)方案

3.1 用戶數(shù)據(jù)采集與清洗

在數(shù)據(jù)采集與清洗階段，全面收集高校圖書館用戶數(shù)據(jù)。除了用戶基本信息、借閱記錄、網(wǎng)站行為（點(diǎn)擊、瀏覽、下載、收藏等）、“互聯(lián)網(wǎng)+”、物聯(lián)網(wǎng)、社交網(wǎng)絡(luò)等現(xiàn)代信息技術(shù)在高校圖書館的應(yīng)用產(chǎn)生了各種新類型的用戶數(shù)據(jù)。高校圖書館應(yīng)用微博社交平臺(tái)開展服務(wù)產(chǎn)生了社交數(shù)據(jù)，學(xué)校的教務(wù)系統(tǒng)和科研系統(tǒng)可以提供師生的學(xué)習(xí)數(shù)據(jù)、科研數(shù)據(jù)等，移動(dòng)圖書館、眼動(dòng)儀、生理監(jiān)測(cè)儀等智能終端可以提供關(guān)于用戶情境、生理、狀態(tài)等各方面的感知數(shù)據(jù)。對(duì)多源異構(gòu)的用戶數(shù)據(jù)進(jìn)行清洗、規(guī)范化和整合，為進(jìn)一步分析用戶數(shù)據(jù)并從中進(jìn)行個(gè)性化興趣提取和需求發(fā)現(xiàn)奠定基礎(chǔ)。

3.2 個(gè)性化興趣提取和需求發(fā)現(xiàn)

3.2.1 個(gè)性化興趣提取

個(gè)性化顯性興趣是用戶情感的顯性表達(dá)，而個(gè)性化潛在需求是用戶的隱性情感體現(xiàn)。在個(gè)性化興趣提取和需求發(fā)現(xiàn)階段，首先通過關(guān)鍵字提取、協(xié)同過濾、統(tǒng)計(jì)分析等傳統(tǒng)的方法技術(shù)獲取用戶情感的顯性表達(dá)，提取用戶的個(gè)性化顯性興趣；然后通過機(jī)器學(xué)習(xí)技術(shù)，進(jìn)行用戶隱性情感挖掘，克服圖書館資源推薦服務(wù)面臨的用戶情感缺失的困難，發(fā)現(xiàn)用戶的個(gè)性化潛在需求。

3.2.2 基于機(jī)器學(xué)習(xí)的個(gè)性化需求發(fā)現(xiàn)

圖書館用戶的個(gè)性化需求發(fā)現(xiàn)主要包含三部分內(nèi)容：當(dāng)前需求挖掘、需求趨勢(shì)預(yù)測(cè)、需求特征識(shí)別。①當(dāng)前需求挖掘：當(dāng)前需求挖掘旨在發(fā)現(xiàn)用戶在當(dāng)前較短一段時(shí)間內(nèi)的需求，比如當(dāng)前一個(gè)月、一周的需求，甚至一個(gè)學(xué)習(xí)或一個(gè)科研場(chǎng)景下的需求。②需求趨勢(shì)預(yù)測(cè)：用戶對(duì)資源的需求常常具有時(shí)間上和內(nèi)容上的連貫性，需求趨勢(shì)預(yù)測(cè)旨在根據(jù)用戶當(dāng)前的興趣和需求去預(yù)測(cè)用戶未來一段時(shí)期內(nèi)的需求。③需求特征識(shí)別：需求特征識(shí)別旨在發(fā)現(xiàn)某個(gè)個(gè)體用戶或某個(gè)群體用戶的特有的需求，例如，一位從事數(shù)據(jù)結(jié)構(gòu)課程教學(xué)的教師會(huì)需要這門課程的多種教材和教學(xué)參考書，一個(gè)研究圖書館服務(wù)的團(tuán)隊(duì)特別需要圖書館學(xué)、圖書館管理、讀者工作等相關(guān)方向的圖書、論文等文獻(xiàn)。

采用監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、主動(dòng)學(xué)習(xí)、半監(jiān)督學(xué)習(xí)等機(jī)器學(xué)習(xí)方法發(fā)現(xiàn)個(gè)性化需求。機(jī)器學(xué)習(xí)主要研究在計(jì)算機(jī)上從數(shù)據(jù)中產(chǎn)生模型的算法，即學(xué)習(xí)算法，把經(jīng)驗(yàn)數(shù)據(jù)，即訓(xùn)練數(shù)據(jù)提供給學(xué)習(xí)算法，學(xué)習(xí)算法就能基于這些數(shù)據(jù)產(chǎn)生模型，面對(duì)新情況時(shí)模型能給出判斷和預(yù)測(cè)。用于機(jī)器學(xué)習(xí)的用戶數(shù)據(jù)可以分為有標(biāo)記和無標(biāo)記兩類，具有已知標(biāo)簽或結(jié)果的訓(xùn)練數(shù)據(jù)是有標(biāo)記數(shù)據(jù)，反之是無標(biāo)記數(shù)據(jù)。根據(jù)訓(xùn)練數(shù)據(jù)是否有標(biāo)記信息，機(jī)器學(xué)習(xí)任務(wù)大致分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)兩大類，它們分別用于從有標(biāo)記數(shù)據(jù)和無標(biāo)記數(shù)據(jù)中學(xué)習(xí)。此外還有主動(dòng)學(xué)習(xí)、半監(jiān)督學(xué)習(xí)，用于從有標(biāo)記和無標(biāo)記的混合數(shù)據(jù)中學(xué)習(xí)[11]。應(yīng)用各類機(jī)器學(xué)習(xí)算法在海量用戶數(shù)據(jù)中進(jìn)行分布探索、關(guān)系探索、特征探索、異常探索、推測(cè)探索、趨勢(shì)探索等，發(fā)現(xiàn)高校圖書館用戶在學(xué)習(xí)、科研、教學(xué)等方面潛在的個(gè)性化需求。

（1）監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)在需求發(fā)現(xiàn)中的應(yīng)用

在監(jiān)督學(xué)習(xí)中，輸入的訓(xùn)練數(shù)據(jù)具有已知標(biāo)簽或結(jié)果，對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練以構(gòu)建模型，并通過接受反饋預(yù)測(cè)對(duì)模型進(jìn)行持續(xù)改進(jìn)，當(dāng)模型在訓(xùn)練數(shù)據(jù)上達(dá)到期望的精度時(shí)學(xué)習(xí)停止；在無監(jiān)督學(xué)習(xí)中，訓(xùn)練數(shù)據(jù)沒有標(biāo)注已知結(jié)果，通過探索訓(xùn)練數(shù)據(jù)中存在的結(jié)構(gòu)而生成模型，該模型可能是提取一般規(guī)則、通過數(shù)學(xué)過程減少冗余，或者通過相似性測(cè)試組織數(shù)據(jù)[14]。

從服務(wù)對(duì)象的角度看，高校圖書館個(gè)性化智能推薦服務(wù)對(duì)象可以是個(gè)體用戶，比如一位學(xué)生、一位教師，也可以是某一特定用戶群，比如一個(gè)科研團(tuán)隊(duì)。無監(jiān)督學(xué)習(xí)適于在眾多用戶中識(shí)別特殊用戶群體，并對(duì)其進(jìn)行需求分析。監(jiān)督學(xué)習(xí)在發(fā)現(xiàn)個(gè)體用戶需求中更有優(yōu)勢(shì)，如預(yù)測(cè)用戶對(duì)資源的評(píng)分或情感，克服用戶的情感缺失。表1列出了常用監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)算法及其在個(gè)性化需求發(fā)現(xiàn)中的應(yīng)用。

表1 常用監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)算法及其在個(gè)性化需求發(fā)現(xiàn)中的應(yīng)用

（2）主動(dòng)學(xué)習(xí)和半監(jiān)督學(xué)習(xí)在需求發(fā)現(xiàn)中的應(yīng)用

監(jiān)督學(xué)習(xí)要求所有訓(xùn)練數(shù)據(jù)均有標(biāo)記信息，而現(xiàn)實(shí)中圖書館的很多數(shù)據(jù)標(biāo)記不完全。例如，通過推薦系統(tǒng)向用戶推薦文獻(xiàn)時(shí)請(qǐng)用戶標(biāo)記出需要的文獻(xiàn)，以獲取用戶對(duì)于推薦結(jié)果的反饋，但并非所有的用戶都愿意花時(shí)間來提供標(biāo)記，愿意這么做的用戶常常是少數(shù)。專門組織大量人力來標(biāo)記數(shù)據(jù)顯然不現(xiàn)實(shí)。主動(dòng)學(xué)習(xí)和半監(jiān)督學(xué)習(xí)為圖書館充分利用大量的未標(biāo)記數(shù)據(jù)提供了方法和技術(shù)。主動(dòng)學(xué)習(xí)在模型訓(xùn)練過程中選取一部分最有價(jià)值的數(shù)據(jù)請(qǐng)用戶或?qū)＜疫M(jìn)行標(biāo)注，通過與外界的交互使部分未標(biāo)記數(shù)據(jù)獲得標(biāo)記，最終不需要大量標(biāo)記數(shù)據(jù)便能獲得高效的模型。半監(jiān)督學(xué)習(xí)同時(shí)使用未標(biāo)記數(shù)據(jù)和標(biāo)記數(shù)據(jù)來進(jìn)行模式識(shí)別工作，建模過程不需要與用戶或?qū)＜医换11]。有了半監(jiān)督學(xué)習(xí)和主動(dòng)學(xué)習(xí)，大量未標(biāo)記數(shù)據(jù)也可以用于圖書館用戶當(dāng)前需求挖掘、需求特征識(shí)別、需求趨勢(shì)分析等。

3.3 個(gè)性化智能推薦

根據(jù)所提取的個(gè)性化興趣和發(fā)現(xiàn)的個(gè)性化需求關(guān)聯(lián)書目庫、論文庫、專利庫、知識(shí)庫等數(shù)據(jù)庫中的資源，形成個(gè)性化智能推薦列表提供給用戶。個(gè)性化智能推薦列表由基于個(gè)性化興趣的推薦和基于個(gè)性化需求的推薦兩部分組成，且以基于個(gè)性化需求的推薦為主。這樣，興趣和需求相結(jié)合、以需求驅(qū)動(dòng)為主的個(gè)性化智能推薦服務(wù)得以實(shí)現(xiàn)，有助于高校圖書館獲得用戶高滿意度。

4 基于機(jī)器學(xué)習(xí)的個(gè)性化智能推薦服務(wù)應(yīng)用案例

本文以“圖書推薦服務(wù)”為例，提出機(jī)器學(xué)習(xí)應(yīng)用下的高校圖書館個(gè)性化智能推薦服務(wù)。應(yīng)用樸素貝葉斯算法發(fā)現(xiàn)目標(biāo)用戶的當(dāng)前圖書需求，為其提供個(gè)性化智能圖書推薦服務(wù)。

4.1 用戶圖書服務(wù)信息

用戶U1是目標(biāo)用戶，即推薦服務(wù)的對(duì)象。近一個(gè)月內(nèi)用戶U2-U5與目標(biāo)用戶U1有部分相同的借閱書籍。對(duì)用戶U2-U5的圖書借閱記錄進(jìn)行分析，以發(fā)現(xiàn)目標(biāo)用戶U1的當(dāng)前需求。5位用戶U2-U5近一個(gè)月內(nèi)圖書借閱目錄如表2所示，他們共借閱8本圖書b1-b8。用戶對(duì)圖書的評(píng)分如圖2所示，由于目標(biāo)用戶U1未借閱圖書b5-b8，故對(duì)b5-b8的評(píng)分用“？”表示。評(píng)分分?jǐn)?shù)有1、2、3、4、5五種，根據(jù)評(píng)分判斷用戶情感，若用戶對(duì)圖書的評(píng)分大于等于3分，則將用戶對(duì)該圖書的情感歸為“正向”類，否則歸為“負(fù)向”類。將圖2用戶-圖書評(píng)分矩陣轉(zhuǎn)換為圖3用戶-圖書情感矩陣，用表情圖表示正向和負(fù)向情感。圖3展現(xiàn)了用戶對(duì)圖書的顯性情感。

表2 用戶圖書借閱目錄

圖2 用戶-圖書評(píng)分矩陣

圖3 用戶-圖書情感矩陣

個(gè)性化智能圖書推薦服務(wù)兼顧用戶的顯性興趣和潛在需求，首先提取目標(biāo)用戶顯性興趣，基于興趣進(jìn)行推薦，然后應(yīng)用機(jī)器學(xué)習(xí)算法挖掘目標(biāo)用戶對(duì)圖書資源的隱性情感，克服情感缺失，發(fā)現(xiàn)用戶當(dāng)前潛在需求，進(jìn)行基于需求的推薦，最終為目標(biāo)用戶提供符合興趣且以滿足潛在需求為主的圖書推薦。

4.2 個(gè)性化興趣提取

由圖3可見，目標(biāo)用戶U1對(duì)圖書b1-b4表達(dá)了顯性情感。U1對(duì)圖書b1、b2、b3的情感是正向的，說明他對(duì)這3本圖書有顯性興趣，而U1對(duì)圖書b4的情感為負(fù)向，說明他對(duì)圖書b4缺乏興趣，如表3所示。

表3 目標(biāo)用戶的個(gè)性化興趣和需求

4.3 基于機(jī)器學(xué)習(xí)的個(gè)性化需求發(fā)現(xiàn)

在眾多機(jī)器學(xué)習(xí)算法中，樸素貝葉斯算法（Naive Bayes Algorithm，NBA）是一種簡(jiǎn)單有效且應(yīng)用廣泛的監(jiān)督學(xué)習(xí)算法[15]。它基于概率論，具有數(shù)學(xué)基礎(chǔ)堅(jiān)實(shí)、分類效率穩(wěn)定、對(duì)缺失數(shù)據(jù)敏感性不高等優(yōu)點(diǎn)。在近期借閱記錄數(shù)據(jù)上訓(xùn)練得到的樸素貝葉斯分類器可以預(yù)測(cè)用戶對(duì)圖書的隱性情感，進(jìn)而發(fā)現(xiàn)用戶的當(dāng)前圖書需求。

樸素貝葉斯算法的思想和過程如下[11]。假設(shè)類別標(biāo)記集合C={ci} (i=1, 2, …, n)，樣本a有m個(gè)屬性aj(j=1,2, …, m)，樸素貝葉斯分類器采用“屬性條件獨(dú)立假設(shè)”，按公式（1）計(jì)算類條件概率P(ci｜a)：

選擇能使P(ci｜a)最大的類別標(biāo)記作為樣本a的分類。由于P(a)對(duì)每個(gè)類別都相同，貝葉斯判定準(zhǔn)則見公式（2）：

訓(xùn)練樸素貝葉斯分類器的過程就是根據(jù)訓(xùn)練數(shù)據(jù)集來估計(jì)類先驗(yàn)概率P(ci)，并為每個(gè)屬性估計(jì)條件概率P(aj｜c(diǎn)i)。

表4 個(gè)性化智能圖書推薦列表

應(yīng)用樸素貝葉斯算法，根據(jù)圖3所示的用戶-情感矩陣預(yù)測(cè)目標(biāo)用戶U1對(duì)未評(píng)分圖書b5-b8的隱性情感，即判別隱性情感類別。情感分為“正向”和“負(fù)向”兩類，類別標(biāo)記集合C={C1=正，C2=負(fù)}。屬性aj（j=1, 2, …, 8）表示對(duì)圖書bj的情感，例如，用戶U5對(duì)圖書b1情感是“負(fù)向”，則用戶U5這個(gè)樣本在a1的屬性值是“負(fù)”。由樸素貝葉斯算法判別得到目標(biāo)用戶U1對(duì)圖書b5-b8的隱性情感依次是“正向”“正向”“正向”“負(fù)向”。U1對(duì)圖書b5、b6、b7具有正向的隱性情感，說明U1對(duì)這3本圖書具有潛在需求（如表3所示）。

4.4 個(gè)性化智能圖書推薦結(jié)果

個(gè)性化智能圖書推薦列表如表4所示，由基于個(gè)性化興趣的推薦和基于個(gè)性化需求的推薦兩部分組成，共9本圖書。

由表3可知，目標(biāo)用戶對(duì)于圖書b1、b2、b3具有個(gè)性化興趣。采用基于圖書的協(xié)同過濾得到與b1、b2、b3相似的3本圖書，包括《新編數(shù)據(jù)結(jié)構(gòu)案例教程》《數(shù)據(jù)結(jié)構(gòu)精講與習(xí)題詳解（C語言版）》和《離散數(shù)學(xué)及其應(yīng)用》，將其作為基于興趣的推薦結(jié)果。

由表3可知，目標(biāo)用戶對(duì)于圖書b5、b6、b7具有個(gè)性化需求。首先，將目標(biāo)用戶U1具有潛在需求的3本圖書b5、b6、b7，即《你也能看得懂的Python算法書》《精通數(shù)據(jù)科學(xué)算法》《機(jī)器學(xué)習(xí)：算法視角》加入表4基于個(gè)性化需求的推薦部分。其次，通過協(xié)同過濾得到與圖書b5、b6、b7相似的3本算法類和機(jī)器學(xué)習(xí)類圖書《Python算法指南》《面向數(shù)據(jù)挖掘的算法設(shè)計(jì)與分析》和《機(jī)器學(xué)習(xí)案例實(shí)戰(zhàn)》，也將其加入表4基于個(gè)性化需求的推薦部分。

表4所示的推薦列表不僅考慮到了用戶個(gè)性化顯性興趣，更洞察了用戶對(duì)圖書的隱性情感，為其推薦滿足當(dāng)前個(gè)性化潛在需求的圖書，因此獲得了目標(biāo)用戶的高滿意度。

5 結(jié)語

機(jī)器學(xué)習(xí)是人工智能最重要的分支之一，已經(jīng)有效應(yīng)用于互聯(lián)網(wǎng)搜索、醫(yī)學(xué)數(shù)據(jù)分析、客戶信息分析、天氣預(yù)報(bào)等諸多領(lǐng)域，也必將在智能圖書館建設(shè)和圖書館智能服務(wù)構(gòu)建中發(fā)揮重要作用。本文對(duì)應(yīng)用機(jī)器學(xué)習(xí)技術(shù)構(gòu)建圖書館個(gè)性化智能推薦服務(wù)進(jìn)行探討，提出了基于機(jī)器學(xué)習(xí)的個(gè)性化智能推薦服務(wù)方案，以傳統(tǒng)統(tǒng)計(jì)分析、協(xié)同過濾、關(guān)鍵字提取等方法從用戶數(shù)據(jù)發(fā)現(xiàn)個(gè)性化顯性興趣，以機(jī)器學(xué)習(xí)方法進(jìn)行用戶的個(gè)性化當(dāng)前需求挖掘、需求特征識(shí)別、需求趨勢(shì)分析等，為用戶提供合乎興趣而又滿足潛在需求的智能推薦服務(wù)。最后給出圖書推薦服務(wù)的案例，應(yīng)用經(jīng)典機(jī)器學(xué)習(xí)算法之一的樸素貝葉斯算法在近期借閱記錄中提取顯性化興趣并發(fā)現(xiàn)當(dāng)前潛在需求，為用戶高滿意度的個(gè)性化智能推薦服務(wù)。