馮麗娟 郭夢詩

（鄭州科技學院電子與電氣工程學院）

隨著數(shù)據(jù)庫技術和網絡通信技術的飛速發(fā)展，目前多數(shù)高校圖書館已經開始使用計算機自動化處理模式取代傳統(tǒng)的人工服務模式，并且通過數(shù)據(jù)庫技術對圖書借閱和編目過程進行管理。圖書館圖書管理系統(tǒng)經過多年的積累，存儲了大量的信息。發(fā)現(xiàn)隱藏的有價值信息或關聯(lián)規(guī)則對圖書館管理和服務具有重要的指導意義。應用數(shù)據(jù)挖掘技術在圖書館管理系統(tǒng)中非常重要,因為它能根據(jù)讀者的借閱記錄和借閱規(guī)律有效地發(fā)現(xiàn)教師和學生的閱讀興趣,給讀者推薦相關書籍,加強圖書館資源的整合和利用,調整書籍的布局模式。此外，充分有效的利用這項技術對于人們及時了解讀者的信息需求，提高圖書館的服務質量，促進圖書館管理具有很強的指導意義[1-3]。

一、提出的數(shù)據(jù)挖掘方法

（一）協(xié)同過濾挖掘設計

正如相似度的計算和推薦算法的應用。在相似度計算方面，用戶相似度或項目相似度的計算采用相同相似度的計算方法。常用的計算思路是：將項目的權值用N維空間向量表示，然后通過代數(shù)的方法測量兩個空間向量之間的距離和角度，從而表示相似度[4,5]。皮爾森相關系數(shù)是一種常用的基于相關系數(shù)的相似度計算方法。為了使計算準確，通常需要找到評價的用戶。假設用戶i和j共同評價項目c, R為評價矩陣，則對應的皮爾森相關系數(shù)計算公式如下：

余弦相似度是第二種相似度方法。如果項目i和j被看作兩個m維的用戶空間向量,進行相似度計算是通過計算兩個向量的余弦角,然后，對于評分矩陣，i和j的相似度可以用以下公式計算：

調整余弦相似度是一種較為先進的計算方法。在余弦相似度的計算過程中，不考慮用戶的評分標準不同(即部分用戶得分高，部分用戶得分低)。調整后的余弦相似度彌補了上述缺陷。具體來說，首先通過計算每個用戶的平均分來調整評分偏差向量的得分向量，然后求解余弦相似度，公式如下：

基于項目的相似度和基于用戶的相似度的方差分析:上述三個相似度公式都是基于項目相似度情景的，但實際上基于項目的相似度和基于用戶的相似度存在基本的區(qū)別。其中，基于項目的相似度計算公式根據(jù)評價矩陣中列向量的相似度求解相似度，而基于用戶的相似度計算公式根據(jù)評價矩陣中的行向量求解相似度。因此，以上三個公式可以分別使用。本文根據(jù)用戶的借閱情況計算用戶的相似度，因此讀者與圖書之間的相似度采用余弦相似度計算[6-9]。

在本文中關于推薦算法的使用，推薦算法是基于用戶和圖書的協(xié)同過濾推薦算法。相似的用戶和相似的書籍被探索。相似用戶被定義為借閱數(shù)量相同的用戶，相似書籍被定義為同一時期一起借的書籍?；谟脩舻膮f(xié)同過濾,用戶u和用戶v之間的相似度定義為n,書籍的借閱量由u和 v表示。n越大,用戶之間的得分向量和j更大,相似性度越大,說明這兩個用戶的相似度越高。對于每個用戶u，找到相似度最高的k個用戶，根據(jù)k個用戶的借閱記錄向v推薦圖書。在基于圖書的協(xié)同過濾中，將圖書b與圖書t的相似度定義為m，即兩者一起被借的數(shù)量。m越大，他們的相似性就越大。找出第一本相似點最多的q書并推薦給其他人?；谟脩舻膮f(xié)同過濾挖掘算法分為用戶模型的建立、最近鄰的搜索和推薦列表的生成三個階段。

首先，要建立讀者借閱模型。協(xié)同過濾算法的輸入數(shù)據(jù)通常表示為m*n個用戶的評價矩陣，其中第m行表示有m個讀者，第n列表示n本圖書；是第一個i閱讀器的第一個j項的得分值。評分值表示讀者是否借閱該書，如果是，空格填充1；如果不是，空格填充0，如表1所示。

表1 讀者

其次，應找到最近的鄰居。在基于用戶的協(xié)同過濾推薦算法中，最重要的步驟是找到最近的鄰居用戶(相似讀者)。通過計算目標閱讀者與其他閱讀者之間的相似度，計算出與目標閱讀者最相似的近鄰集。第一步是搜索與目標讀者最相似的近鄰集合，u與用戶UK在U中的相似度按降序排列。它的定義是:用戶共同借閱的圖書越多，u和UK之間的相似度就越大。下一步是選擇k個相似度大于設置閾值的用戶。假設k的最大值為20(當然，其他參數(shù)(如5或10)也可以根據(jù)需要選擇）。

最后，生成圖書推薦列表。推薦結果保存在數(shù)據(jù)庫表中，包括讀者姓名、圖書卡號和推薦書目名稱。讀者登錄圖書推薦系統(tǒng)后，圖書推薦系統(tǒng)根據(jù)讀者的信息，將有針對性的推薦信息呈現(xiàn)給讀者，實現(xiàn)個性化的圖書推薦。基于圖書的協(xié)同過濾推薦算法的原理與基于用戶的協(xié)同過濾推薦算法相似，其主要過程包括圖書相似度的計算和推薦的生成。第一階段，計算圖書與圖書之間的相似度。計算書i和書j相似度的基本思想是基于讀者對書的評價矩陣;每個項目的得分被視為一個n維用戶空間向量。然后，根據(jù)相似度度量公式計算兩者之間的相似度。第二階段，根據(jù)生成的相似圖書列表，選擇相似度最高的前m本(如20本)，并存儲在數(shù)據(jù)庫表中，以便圖書推薦系統(tǒng)可以隨時調用?；趫D書的協(xié)同過濾算法的關鍵步驟也是計算項目之間的相似度，選擇最相似的項目，類似于基于用戶的協(xié)同過濾。

（二）數(shù)據(jù)挖掘的實現(xiàn)過程

協(xié)同過濾挖掘是由建立用戶模型、尋找最近鄰和生成推薦列表三個過程組成。下面幾節(jié)將闡述挖掘的實現(xiàn)過程。論文重點描述了基于用戶的協(xié)同過濾挖掘的實現(xiàn)過程。算法的具體處理流程如下圖1所示。

圖1 算法流程圖

由圖1可知，基于用戶的協(xié)同過濾算法首先輸入用戶物品的二維矩陣，然后采用相似度公式計算用戶之間的相似度，推導出用戶的偏好集，最后為每個用戶生成推薦列表。下一步是建立讀者圖書的二維矩陣模型，在SQL中建立推薦書數(shù)據(jù)庫，存儲推薦系統(tǒng)中使用的各種數(shù)據(jù)表。在介紹將從圖書館發(fā)行系統(tǒng)中篩選出的用戶借閱記錄復制到建立的借閱表中之后，算法將借閱表中讀者的借閱記錄復制到用戶表中的卡號和用戶名信息。

最后，是在book表中復制Borrow表中的書名。在上述數(shù)據(jù)準備的基礎上，現(xiàn)階段是建立讀者圖書二維矩陣模型的時候。在初始化過程中，在借用記錄中填充二維矩陣后，算法繼續(xù)尋找最近鄰集。基于用戶的協(xié)同過濾計算，首要目標是得到一個與目標用戶相似的用戶集。本文在此定義了20個以上的鄰居用戶(或根據(jù)需要設置其他鄰居的數(shù)量)。

在用戶相似度計算方面，本文主要定義了一個用戶二維矩陣top20booknums[users.count,20]。計算行數(shù)和20列以存儲20個具有最大相似度的用戶。相似度逐漸由高到低排序。同時，一個二維矩陣top20cardnums[users.count,20]被定義為在二維矩陣top20booknums中存儲用戶信息。接下來的任務是為每個用戶依次找到最相似的20個鄰居。用戶相似度是通過相似的借書數(shù)量來衡量的。由于上述過程已經在二維借閱矩陣中填寫了讀者借閱記錄，其中1意味著“有借閱記錄”和0意味著“沒有借閱記錄”,本節(jié)將根據(jù)公式(2)計算用戶I和用戶j的相似度。如表1和表2所示,如果本文計劃計算讀者1和2之間的相似度,我們可以將讀者1的向量設為u1 =(1,0, 0, 1, 1)和讀者2的向量設為u2 =(1, 1, 1, 1, - 1)。讀者1和2之間的相似性可根據(jù)上述公式計算。通過這樣的類比，最終可以得知每個用戶最相似的20個鄰居。

通過以上相似度計算，本文獲得最多20個相似用戶，并將這20個用戶的信息和相似度值輸入到數(shù)據(jù)庫表User Similarity中。接下來的任務是為每一個用戶推薦一本書，即向目標用戶推薦鄰居借閱的書籍。定義了二維矩陣后，通過在圖書推薦二維矩陣中輸入推薦信息，就可以得到每個讀者的圖書推薦信息。為強化推薦結果，對讀者的喜好進行了特別排序。到目前為止，基于用戶的協(xié)同過濾結果已經存儲在相應的表中。當用戶登錄系統(tǒng)時，系統(tǒng)會自動識別用戶信息并推薦相關書籍。

二、結果分析與討論

基于上述思路進行編程，可得到如表2、表3所示的測試結果。從表3可以看出，兩種算法的推薦效率(即準確率)會隨著鄰居閾值的增大而降低，歸因于協(xié)同過濾中存在的稀疏性和冷啟動問題。例如，基于用戶的協(xié)同過濾算法的稀疏性問題是圖書館的書號絕對高于學生號。被讀者借閱的書籍可能還不到圖書館藏書的2%。不同讀者借同一本書的可能性非常低，甚至為零。而研究結果表明，當用戶評估項目總數(shù)小于10%時，容易導致評估矩陣數(shù)據(jù)的嚴重稀疏性。因此，本文算法無法找到與用戶具有相似偏好的鄰居。在基于圖書的協(xié)同過濾中也存在許多類似的問題?；跁膮f(xié)同過濾推薦與用戶以前喜愛的書籍風格相同的書籍。該算法通過分析閱讀者對物品的評分來計算物品之間的相似度。因此，推薦同類書籍讓讀者借閱。應注意特殊用戶問題是由于部分讀者的圖書證經常被其他讀者借閱，這些讀者沒有固定的興趣和愛好。而這恰好構成了基于用戶的協(xié)同過濾系統(tǒng)的前提。在這種情況下，系統(tǒng)很難為這些讀者找到鄰居，也不能給出精確的推薦信息。

表2 基于用戶的協(xié)同過濾

表3 基于用戶的協(xié)同過濾

比較兩種算法的推薦效果，基于圖書的協(xié)同過濾的預測成功率(準確率)明顯高于基于用戶的協(xié)同過濾。原因與訓練數(shù)據(jù)量有限有關。由于本文采用的借閱數(shù)據(jù)僅涵蓋2012年的借閱記錄，大部分讀者的借閱記錄都找不到。在該系統(tǒng)中，相似用戶的計算方法將其定義為項目的向量。讀者中有相當罕見的常見借閱記錄。數(shù)據(jù)查詢和分析結果表明，許多讀者只有一本常見的借書。因此，用這種方法發(fā)現(xiàn)的鄰居可能不是擁有相同利益的鄰居。然而，這個問題在書中并沒有出現(xiàn)在基于相似性的算法中。基于圖書的協(xié)同過濾效果遠遠超過基于用戶的協(xié)同過濾效果?；谶@個原因，很多購物網站和圖書網站設計了基于協(xié)同過濾的推薦系統(tǒng)。

在推薦效果方面，結果仍不盡如人意。一方面，檢索到的數(shù)據(jù)都記錄在2012年(自循環(huán)系統(tǒng)所使用的單位不能存儲借閱歷史總體的讀者,但只能查詢2012年的借閱記錄)和推薦的圖書信息系統(tǒng)不能發(fā)現(xiàn)在測試記錄。但這并不意味著讀者在2011年、2010年或更早的時候不再借書，也不意味著他們將不再借書。另一方面，通過以往的驗證結果表明，用戶或項目的鄰居號對推薦效果有很大的影響。例如，適當縮短鄰居數(shù)閾值或圖書鄰居閾值，相應圖書推薦的成功率也會提高。此外，根據(jù)作者的調查，許多讀者的借書證會被他人用來借書，這在一定程度上影響了推薦效果。

三、結語

隨著數(shù)據(jù)庫技術和網絡通信技術的飛速發(fā)展，絕大多數(shù)高校圖書館都已實現(xiàn)由傳統(tǒng)的手工服務模式向計算機自動處理模式的轉變。為了進一步提高圖書館管理的信息化程度，本文采用改進的基于協(xié)同過濾關聯(lián)規(guī)則的算法對高校圖書館管理數(shù)據(jù)挖掘進行研究，并以圖書館的真實借閱記錄為基礎，采用基于用戶和基于圖書的協(xié)同過濾技術，設計合適的圖書推薦系統(tǒng)，挖掘讀者借閱偏好與圖書關聯(lián)，最終得出讀者借閱規(guī)則。這樣，系統(tǒng)就實現(xiàn)了適合讀者的個性化圖書推薦功能。最后，通過測試對推薦系統(tǒng)的有效性和預測性進行評估，得出基于圖書的協(xié)同過濾算法比基于用戶的協(xié)同過濾算法具有更高的預測準確率的結論，對圖書館的圖書推薦工作具有一定的參考價值。