林寬欣

（調(diào)兵山市圖書館，遼寧 調(diào)兵山 112700）

1 引言

個(gè)性化書目推薦是數(shù)字圖書館的特色服務(wù)項(xiàng)目之一。目前，數(shù)字圖書館圖書推薦的方法主要包括基于內(nèi)容的推薦算法和基于協(xié)同過濾的推薦算法。基于內(nèi)容的推薦算法[1-3]，是通過用戶以往借閱圖書的歷史痕跡向其推薦類似的圖書?；趨f(xié)同過濾的推薦算法[4-6]，是基于產(chǎn)品的流行度評(píng)分系統(tǒng)結(jié)合平均偏好權(quán)重向用戶有目的地推薦圖書。此外，數(shù)字圖書館還采用了其他一些圖書推薦方法，如基于關(guān)聯(lián)規(guī)則的推薦算法[7]，即在同一個(gè)用戶所借的不同圖書之間找到關(guān)聯(lián)關(guān)系；基于標(biāo)簽、關(guān)聯(lián)規(guī)則協(xié)同過濾用戶需求特征，構(gòu)建組合推薦模型，通過推薦模型找到當(dāng)前用戶的相似用戶，并將相似用戶所借閱的圖書推薦給當(dāng)前用戶[8]；基于社交網(wǎng)絡(luò)的圖書推薦方案，依據(jù)社交關(guān)系網(wǎng)絡(luò)挖掘用戶的信息需求特征，進(jìn)而有目的地向用戶推薦圖書[9]等。

目前學(xué)界關(guān)于數(shù)字圖書館圖書推薦的理論已經(jīng)很充實(shí)，相關(guān)的模型框架也比較完備，但是仍存在一定的局限性，值得深入探索。從所檢索文獻(xiàn)來看，現(xiàn)有圖書推薦主要集中于基于內(nèi)容的圖書推薦和基于協(xié)同過濾的圖書推薦，對(duì)于圖書作者、出版社等圖書元特征的挖掘利用較少。筆者試圖構(gòu)建基于圖書和圖書相關(guān)信息的異構(gòu)圖，利用圖表示學(xué)習(xí)算法嵌入圖書元特征，利用向量空間模型將圖書標(biāo)題轉(zhuǎn)換成數(shù)值型圖書內(nèi)容特征向量，并將圖書元特征與內(nèi)容特征向量拼接得到圖書特征向量。在此基礎(chǔ)上，以讀者閱讀歷史記錄為數(shù)據(jù)來源訓(xùn)練分類器，使用深度學(xué)習(xí)模型判定待推薦圖書是否符合讀者閱讀興趣，并向其推薦圖書。在提取圖書內(nèi)容特征向量的同時(shí)提取圖書元特征，拓展了當(dāng)前數(shù)字圖書館有關(guān)圖書推薦研究的視野，同時(shí)，通過實(shí)證研究結(jié)果也證明，圖書元特征引入數(shù)字圖書館圖書推薦過程，可以有效提高圖書推薦的準(zhǔn)確率。

2 相關(guān)研究

圖書推薦作為數(shù)字圖書館推薦系統(tǒng)的一個(gè)重要分支，近年來得到了廣泛的研究。其目標(biāo)是向有興趣的用戶推薦合適的書籍。如前所述，數(shù)字圖書館現(xiàn)有的圖書推薦方法主要有基于協(xié)同過濾的推薦方法和基于內(nèi)容的推薦方法。近年來，關(guān)于推薦系統(tǒng)的研究成果有很多。安薩里（Ansari）等[7]研究了基于內(nèi)容和協(xié)同過濾方法的優(yōu)勢(shì)，構(gòu)建了一種用于營(yíng)銷的偏好模型，并描述了貝葉斯偏好模型。齊格勒（Ziegler）等[8]提出多樣化主題，這是一種旨在平衡和多樣化個(gè)性化推薦列表，以反映用戶興趣范圍完整性的新方法。Konstas 等[9]創(chuàng)建了一個(gè)協(xié)作推薦系統(tǒng)，可以有效地適應(yīng)每個(gè)用戶的個(gè)人信息需求。其采用了帶重啟的隨機(jī)行走的一般框架，以提供一種更自然、更有效的方式來表示社交網(wǎng)絡(luò)。羅比拉德（Robillard）等[10]提出了一個(gè)軟件工程推薦系統(tǒng)，它可以幫助開發(fā)人員進(jìn)行各種活動(dòng)，從重用代碼到編寫有效的錯(cuò)誤報(bào)告。史密斯（Smyth）等[11]提出了一個(gè)基于定義良好的特征集（如價(jià)格、顏色、品牌等）的基于案例的推薦系統(tǒng)。這些表示使基于案例的推薦者能夠根據(jù)產(chǎn)品的相似性做出判斷，從而提高其推薦質(zhì)量。Fu等[12]捕捉用戶的導(dǎo)航歷史，并應(yīng)用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)歷史中包含的隱藏知識(shí)。這些知識(shí)將被用來向用戶推薦可能感興趣的網(wǎng)頁(yè)。Drineas 等[13]提出了競(jìng)爭(zhēng)性推薦系統(tǒng)的概念，將競(jìng)爭(zhēng)力獲取問題簡(jiǎn)化為矩陣重構(gòu)問題，并提出了一種競(jìng)爭(zhēng)矩陣重構(gòu)方案。上述方法解決了基于協(xié)同過濾的推薦問題。但是基于協(xié)同過濾的方法存在一定的局限性：在協(xié)同過濾算法中傾向于推薦熱門條目，因此算法的探索性較差。此外，在數(shù)據(jù)稀疏的情況下，該算法也不能很好地執(zhí)行。所以隨著機(jī)器學(xué)習(xí)技術(shù)的普及，越來越多的機(jī)器學(xué)習(xí)方法被應(yīng)用到推薦系統(tǒng)的設(shè)計(jì)。

除了傳統(tǒng)的協(xié)同過濾方法外，許多研究也集中在基于內(nèi)容的推薦方法上。Sabitha 等人[14]提出了一種基于用戶神經(jīng)網(wǎng)絡(luò)的圖書推薦方法。Maneewongvatana 等人[15]使用 k-means 聚類方法推薦大學(xué)圖書館的圖書。通過瀏覽圖書館的借閱歷史，清理數(shù)據(jù)后，根據(jù)主題的相似度，將其分配到不同的集群。然后實(shí)現(xiàn)關(guān)聯(lián)規(guī)則挖掘，實(shí)現(xiàn)圖書推薦。Yang 等[16]利用文本挖掘技術(shù)建立了圖書購(gòu)買推薦模型，設(shè)立3個(gè)模塊：關(guān)鍵字密度詞匯、關(guān)鍵字序列詞匯和關(guān)鍵字圖書映射，通過關(guān)鍵字提取與書庫(kù)中的關(guān)鍵字匹配來推薦圖書，生成圖書推薦列表。Tewari 等[17]提出一種向讀者推薦書籍的方法，即結(jié)合內(nèi)容過濾、協(xié)同過濾和關(guān)聯(lián)規(guī)則挖掘等功能，生成有效的推薦建議。Sohail 等[18]提出一種基于意見挖掘的推薦技術(shù)，即根據(jù)顧客的需求和顧客的意見，對(duì)圖書的功能進(jìn)行分類。筆者根據(jù)用戶已經(jīng)分類和評(píng)論過的幾個(gè)特性對(duì)其功能進(jìn)行了分析。根據(jù)權(quán)重的重要性和目的，對(duì)分類后的特征進(jìn)行權(quán)重分配，并給出相應(yīng)的等級(jí)。Kanetkar等[19]提出一個(gè)基于Web的個(gè)性化混合圖書推薦系統(tǒng)模型，該系統(tǒng)使用傳統(tǒng)協(xié)作和基于內(nèi)容的過濾方法之外的其他方法來推薦圖書。Vaz 等[20]提出一種混合推薦任務(wù)，即結(jié)合兩種基于條目的協(xié)同過濾算法來預(yù)測(cè)用戶最喜歡的書籍和作者。作者的預(yù)測(cè)被擴(kuò)大為書目列表，并與之前的預(yù)測(cè)合并在一起，最后生成的圖書列表將用于生成排名前n位的圖書推薦。

筆者認(rèn)為，利用機(jī)器學(xué)習(xí)方法可以結(jié)合圖書的特點(diǎn)對(duì)圖書進(jìn)行分類，有效解決協(xié)同過濾方法推薦熱門條目過多的問題；深度學(xué)習(xí)的聚類方法可有效解決推薦系統(tǒng)中的數(shù)據(jù)稀疏性問題。

3 研究方案

3.1 圖書元特征提取

筆者構(gòu)建包含圖書、出版社、作者的異構(gòu)圖，利用圖表示學(xué)習(xí)算法學(xué)習(xí)圖書節(jié)點(diǎn)嵌入，獲取圖書元特征，圖書元特征可學(xué)習(xí)圖書在作者、出版社等方面的結(jié)構(gòu)化信息，為圖書推薦提供更全面的圖書特征。圖書相關(guān)信息異構(gòu)圖構(gòu)建思路包括：從圖書信息中提取出版社、作者，使用共現(xiàn)分析方法構(gòu)建共現(xiàn)網(wǎng)絡(luò)，共現(xiàn)網(wǎng)絡(luò)節(jié)點(diǎn)為圖書、出版社、作者，邊為圖書與出版社、作者之間的共現(xiàn)關(guān)系。具體共現(xiàn)網(wǎng)絡(luò)如圖1 所示，其中圓形節(jié)點(diǎn)表示圖書，橢圓形節(jié)點(diǎn)表示出版社，菱形節(jié)點(diǎn)表示作者。

圖1 圖書相關(guān)信息異構(gòu)圖

圖書相關(guān)信息異構(gòu)圖構(gòu)建完成后，使用深度游走（DeepWalk）算法學(xué)習(xí)圖書節(jié)點(diǎn)在包含出版社、作者等圖書相關(guān)信息的大型異構(gòu)圖的節(jié)點(diǎn)嵌入，得到圖書元特征。對(duì)于網(wǎng)絡(luò)圖G=（V，E），深度游走算法通過制定隨機(jī)游走策略，得到圖中節(jié)點(diǎn)的序列，采用循環(huán)神經(jīng)網(wǎng)絡(luò)算法將節(jié)點(diǎn)v嵌入為低維空間中數(shù)值向量，該低維空間中節(jié)點(diǎn)表示向量可用于圖表示學(xué)習(xí)的各種下游任務(wù)。

3.2 圖書內(nèi)容特征提取

文本數(shù)據(jù)大多是非結(jié)構(gòu)化的、計(jì)算機(jī)難識(shí)別的數(shù)據(jù)，因此文本挖掘前需將文本數(shù)據(jù)向量化。向量空間模型（VSM，Vector Space Model），也稱“詞袋”模型，將非結(jié)構(gòu)化的文本數(shù)據(jù)轉(zhuǎn)化為計(jì)算機(jī)可處理的結(jié)構(gòu)化數(shù)據(jù)，如表1 所示，是目前文本處理工作的標(biāo)準(zhǔn)模式。向量空間模型下，文檔中連續(xù)性語句在分詞工具下切割成單一詞匯，文檔中每個(gè)詞匯均可表征文本特征，文本集中的每一篇文檔都被轉(zhuǎn)化為一個(gè)高維向量，所有可以表示文本特征的詞語構(gòu)成一個(gè)線性空間，每一個(gè)特征詞對(duì)應(yīng)該空間的一個(gè)維度，每一個(gè)維度的坐標(biāo)對(duì)應(yīng)詞語在文檔中的占比。

表1 向量空間模型

使用向量空間模型將圖書文本內(nèi)容轉(zhuǎn)換為向量空間下數(shù)值向量，轉(zhuǎn)換后的數(shù)值向量便于輸入機(jī)器學(xué)習(xí)模型處理，并進(jìn)行文本分類或文本聚類操作。筆者使用Python 將圖書文本數(shù)據(jù)轉(zhuǎn)變?yōu)閿?shù)值向量。具體操作為：在python 中輸入圖書文本數(shù)據(jù)集，創(chuàng)建語料庫(kù)后進(jìn)行文本清洗操作，去除文本數(shù)據(jù)中的標(biāo)點(diǎn)符號(hào)、數(shù)字和空白，完成文本數(shù)據(jù)預(yù)處理過程，然后統(tǒng)計(jì)詞匯在文本中出現(xiàn)頻次，并將圖書文本轉(zhuǎn)換成數(shù)值向量。

3.3 基于自動(dòng)編碼器的圖書推薦

自動(dòng)編碼器功能是從輸入數(shù)據(jù)中學(xué)習(xí)代表性代碼并將這些代碼映射回輸入的神經(jīng)網(wǎng)絡(luò)，如圖2所示。該模型通常用于對(duì)輸入變量進(jìn)行編碼，并輸出該輸入的壓縮版本。它由兩個(gè)主要部分組成：編碼器和解碼器。編碼器是學(xué)習(xí)輸入數(shù)據(jù)深層特征的部分。解碼器依靠學(xué)習(xí)的特征來重建所提供的原始數(shù)據(jù)。自動(dòng)編碼器模型有3 層：輸入層、輸出層和隱藏層。編碼器原理如（式1）（式2）所示。

圖2 自編碼器

其中，dist(x,xˉ)表示 x 與 xˉ的相似度，f( x )代表編碼層對(duì)輸入層輸入向量的操作，h( f ( x ))表征解碼層對(duì)編碼層編碼后向量進(jìn)行的操作。

在我們的研究中，網(wǎng)絡(luò)的輸入層是記錄圖書特征的向量。編碼器中的隱藏層學(xué)習(xí)一個(gè)代表輸入數(shù)據(jù)的小向量。解碼器隨后將隱藏層映射到與原始輸入向量具有相同維度的向量。訓(xùn)練自動(dòng)編碼器的目標(biāo)是最小化輸入向量和重構(gòu)輸出向量之間的均方誤差，同時(shí)避免數(shù)據(jù)過擬合。

自動(dòng)編碼器模型能夠?qū)W習(xí)輸入數(shù)據(jù)集的代表性特征，并在正常數(shù)據(jù)集上進(jìn)行訓(xùn)練。在訓(xùn)練過程中，模型吸收一系列正常數(shù)據(jù)，學(xué)習(xí)所有正常數(shù)據(jù)集潛在的共同特征。當(dāng)訓(xùn)練好的模型對(duì)異常數(shù)據(jù)集進(jìn)行編碼和解碼時(shí)，重建誤差通常很大，因?yàn)槟Ｐ椭粚W(xué)習(xí)如何重建正常數(shù)據(jù)。這意味著，如果模型是用正常數(shù)據(jù)預(yù)先訓(xùn)練的，當(dāng)模型以高重構(gòu)誤差重構(gòu)輸入數(shù)據(jù)時(shí)，輸入數(shù)據(jù)可以被認(rèn)為是異常。因此，自動(dòng)編碼器可以用作圖書推薦解決方案，其中自動(dòng)編碼器最初在讀者借閱記錄中出現(xiàn)的圖書（被認(rèn)為是正常的數(shù)據(jù)）上進(jìn)行訓(xùn)練。

圖書數(shù)據(jù)轉(zhuǎn)換為圖書特征數(shù)值向量后，提取讀者歷史借閱記錄，以借閱記錄所包含圖書為正常數(shù)據(jù)集，以未出現(xiàn)在讀者借閱記錄中圖書為異常數(shù)據(jù)集，訓(xùn)練自動(dòng)編碼器模型，然后將待推薦圖書輸入訓(xùn)練后的自動(dòng)編碼器模型，若自動(dòng)編碼器模型判定其屬于正常數(shù)據(jù)，則將待推薦圖書推薦給讀者，反之則不推薦給讀者。

4 實(shí)證檢驗(yàn)

4.1 數(shù)據(jù)來源及圖書特征構(gòu)建

筆者選用某高校數(shù)字圖書館的讀者借閱記錄及圖書數(shù)據(jù)庫(kù)為數(shù)據(jù)來源，提取圖書的題名、作者、出版社信息，進(jìn)行圖書推薦試驗(yàn)。首先以圖書、作者、出版社為節(jié)點(diǎn)，圖書、作者、出版社之間的貢獻(xiàn)關(guān)系為邊，構(gòu)建圖書相關(guān)信息異構(gòu)圖。其次使用圖表示學(xué)習(xí)中深度游走（Deepwalk）算法學(xué)習(xí)圖書異構(gòu)圖中圖書節(jié)點(diǎn)嵌入向量，得到圖書元特征，圖書節(jié)點(diǎn)嵌入向量如表2所示。

表2 圖書節(jié)點(diǎn)嵌入向量

圖書內(nèi)容特征提取階段，使用Python 中分詞模組將圖書題名分詞，然后使用向量空間模型將分詞后圖書題名轉(zhuǎn)換為數(shù)值向量。圖書元特征與圖書內(nèi)容特征提取完畢后，將二者合并為圖書特征，為圖書推薦做好數(shù)據(jù)準(zhǔn)備。

4.2 結(jié)果分析

圖書特征構(gòu)建完成后，將讀者借閱記錄中的圖書作為訓(xùn)練數(shù)據(jù)的正常樣本，選擇大量非讀者借閱記錄中的圖書作為訓(xùn)練數(shù)據(jù)的異常樣本，訓(xùn)練自動(dòng)編碼器模型。模型生成后將待推薦圖書數(shù)據(jù)輸入自動(dòng)編碼器，預(yù)測(cè)待推薦圖書類別后便可進(jìn)行圖書推薦。圖書推薦前，需確定自動(dòng)編碼器重構(gòu)誤差閾值，以區(qū)分正常數(shù)據(jù)與異常數(shù)據(jù)。筆者通過觀察正常樣本和異常樣本的重構(gòu)誤差的差別設(shè)定合適閾值。如圖3所示，閾值為0.11時(shí)正常樣本與異常樣本的區(qū)分度最大，故筆者將重構(gòu)誤差設(shè)置為0.11。

圖3 重構(gòu)誤差差別

為驗(yàn)證此項(xiàng)研究中圖書推薦方案的有效性，隨機(jī)選取4 位擁有1000 本借閱記錄的讀者進(jìn)行圖書推薦實(shí)驗(yàn)，圖書特征構(gòu)建與模型輸入過程如上文所述。在圖書推薦實(shí)驗(yàn)過程中，提取讀者1000本借閱記錄中的圖書作為正常數(shù)據(jù)，隨機(jī)選取非讀者借閱記錄中的1000 本圖書數(shù)據(jù)作為異常數(shù)據(jù)，以這兩種數(shù)據(jù)為樣本數(shù)據(jù)，樣本總量2000，正常數(shù)據(jù)與異常數(shù)據(jù)各占50%。在模型訓(xùn)練過程中，選取樣本數(shù)據(jù)的70%為訓(xùn)練數(shù)據(jù)集，訓(xùn)練自動(dòng)編碼器。在測(cè)試過程中，選取剩余30%樣本數(shù)據(jù)為測(cè)試集，將測(cè)試數(shù)據(jù)的特征向量輸入自動(dòng)編碼器，在自動(dòng)編碼器模型中對(duì)測(cè)試數(shù)據(jù)進(jìn)行處理后，判定其是否屬于正常數(shù)據(jù)集，并將判定結(jié)果與真實(shí)結(jié)果進(jìn)行比對(duì)，以此評(píng)估模型的準(zhǔn)確性。筆者取推薦實(shí)驗(yàn)中4 位讀者推薦準(zhǔn)確率的平均值為模型準(zhǔn)確率。

另外，筆者在此項(xiàng)研究中應(yīng)用支持向量機(jī)、隨機(jī)森林兩種算法，依據(jù)圖書內(nèi)容特征完成圖書推薦任務(wù)，并將結(jié)果與前文所提模型的性能進(jìn)行對(duì)比；同時(shí)將僅采用圖書內(nèi)容特征的自動(dòng)編碼器模型的性能與圖書元特征、圖書內(nèi)容特征合并使用的自編碼器模型的性能進(jìn)行比較，以觀察元特征的引入對(duì)圖書推薦效果的影響。支持向量機(jī)（Support Vector Model，SVM）、隨機(jī)森林（Random forest，RF）是兩種傳統(tǒng)的機(jī)器學(xué)習(xí)算法，被廣泛用于完成分類任務(wù)。支持向量機(jī)模型通過尋找兩類數(shù)據(jù)的支持向量建立最優(yōu)分類超平面，解決了二值分類問題。隨機(jī)森林是一種基于樹的機(jī)器學(xué)習(xí)算法，它利用群體決策思維生成多棵決策樹來完成分類任務(wù)。上述兩種模型基于Python 環(huán)境完成，自動(dòng)編碼器模型基于Python 深度學(xué)習(xí)框架實(shí)現(xiàn)。對(duì)比實(shí)驗(yàn)完成后，用精確率P（式3）、召回率R（式4）、F1（式5）衡量各模型的自動(dòng)評(píng)估性能。精確率指判定為真陽(yáng)的樣本數(shù)據(jù)中實(shí)際的真陽(yáng)數(shù)量占所有識(shí)別為真陽(yáng)樣本數(shù)的比例；召回率指判定為真陽(yáng)樣本數(shù)據(jù)中實(shí)際的真陽(yáng)樣本數(shù)量占所有真陽(yáng)樣本數(shù)的比例；F1值是精確率和召回率的調(diào)和值。

各模型對(duì)比結(jié)果如表3所示。其中AE代表使用圖書內(nèi)容特征的自動(dòng)編碼器模型，AE*代表使用圖書元特征與圖書內(nèi)容特征的自動(dòng)編碼器模型。從表3 可觀察到，不引入元特征情況下，各模型的圖書推薦性能相差不大，均在80%左右。引入元特征后，模型的圖書推薦性能超過82%，高于現(xiàn)有模型。

表3 各模型圖書推薦性能

5 結(jié)論

面對(duì)各種書目，讀者很難在短時(shí)間內(nèi)找到自己感興趣的書籍，傳統(tǒng)圖書館借閱方式的用戶體驗(yàn)效果較差。筆者從圖書題名文本信息中提取圖書內(nèi)容特征，從圖書相關(guān)信息異構(gòu)網(wǎng)絡(luò)中提取圖書元特征，提出了基于圖書內(nèi)容特征與圖書元特征的圖書推薦方案。

這一方案在數(shù)字圖書館圖書推薦領(lǐng)域引入圖表示學(xué)習(xí)理論，在圖書特征提取階段引入了圖書元特征，提出基于內(nèi)容特征和圖表示學(xué)習(xí)的推薦方案，拓展了圖書推薦研究領(lǐng)域關(guān)于圖書特征提取的思路。

本項(xiàng)研究的科學(xué)實(shí)驗(yàn)結(jié)果證明，兼容圖書元特征和圖書內(nèi)容特征的自動(dòng)編碼器模型的性能優(yōu)于僅使用圖書內(nèi)容特征的自動(dòng)編碼器模型的性能。圖書元特征概念引入數(shù)字圖書館圖書推薦系統(tǒng)的構(gòu)建與實(shí)踐，能夠有效提高圖書推薦的準(zhǔn)確率。圖書元特征作為圖書特征值得深入研究和應(yīng)用。

當(dāng)然，為進(jìn)一步提高圖書推薦的準(zhǔn)確率，上述自動(dòng)編碼器模型仍需在數(shù)字圖書館圖書推薦的實(shí)踐中不斷得到檢驗(yàn)和優(yōu)化。在圖書內(nèi)容特征提取方面，使用深度學(xué)習(xí)模型或網(wǎng)絡(luò)模型替代向量空間模型，可以獲得更優(yōu)的圖書內(nèi)容特征數(shù)據(jù)，克服向量空間模型無法提取語義信息的局限性；在圖書元特征提取方面，可以加入更多的圖書相關(guān)信息，以獲得更加全面的圖書元特征數(shù)據(jù)。