劉晶

(青島大學(xué)附屬醫(yī)院,圖書館,山東,青島 266003)

0 引言

近年來,因?yàn)闀?huì)員閱讀習(xí)慣逐漸轉(zhuǎn)向有聲書及電子書,公共圖書館的實(shí)體書借閱市場(chǎng)受到?jīng)_擊。而公共圖書館屬于非盈利機(jī)構(gòu),其對(duì)社會(huì)效益的需求遠(yuǎn)大于經(jīng)濟(jì)效益[1]。實(shí)體書本身的文化承載力、知識(shí)傳播力應(yīng)得到有效強(qiáng)化。所以,當(dāng)前各地公共圖書館在全面展開紙質(zhì)書電子化的技術(shù)革新的同時(shí),也在積極構(gòu)建實(shí)體書借閱推薦技術(shù)升級(jí)工作[2]。

該研究有兩個(gè)前提:①所有實(shí)體書均經(jīng)過了全面電子化處理,包括借閱卡信息的電子化和圖書內(nèi)容的電子化,圖書全部檢索信息和圖書內(nèi)容均可通過計(jì)算機(jī)通道完成檢索;②公共圖書館有完善的會(huì)員體系,該會(huì)員支持會(huì)員在線借閱電子書、有聲書的同時(shí),也支持會(huì)員的實(shí)體書借閱過程,且全部借閱信息形成統(tǒng)一的會(huì)員數(shù)據(jù)畫像系統(tǒng)[3]。

通過會(huì)員借閱習(xí)慣大數(shù)據(jù)畫像,構(gòu)建啟發(fā)式借閱流程,向會(huì)員推薦適合其閱讀習(xí)慣的圖書,并完成借閱預(yù)約,是該研究的重點(diǎn)和創(chuàng)新點(diǎn)[4]。

1 全面電子化的公共圖書館大數(shù)據(jù)體系

公共圖書館的數(shù)據(jù)來源主要為以下3項(xiàng):①圖書電子化大數(shù)據(jù):通過激光掃描、文字識(shí)別、機(jī)器翻譯等模塊化數(shù)據(jù)處理工具,將實(shí)體書的文字部分轉(zhuǎn)化為多種語言的電子文本,部分圖書館可以利用機(jī)器朗讀等模塊化處理工具將實(shí)體書轉(zhuǎn)化成的電子書轉(zhuǎn)化為音頻,構(gòu)建有聲書數(shù)據(jù),這些數(shù)據(jù)可以實(shí)現(xiàn)電子書與實(shí)體書的線上線下雙通道借閱;②圖書借閱卡大數(shù)據(jù):圖書的書名、作者、出版社、出版時(shí)間、印次與印數(shù)、開本、頁(yè)數(shù)、文獻(xiàn)識(shí)別碼、中圖分類號(hào)、多語言版本摘要、關(guān)鍵詞等形成傳統(tǒng)圖書借閱卡的基本內(nèi)容,這些內(nèi)容之間可以形成檢索邏輯,實(shí)現(xiàn)批量檢索,大數(shù)據(jù)環(huán)境下,圖書電子化后,圖書的詞頻特征碼、文風(fēng)標(biāo)識(shí)碼等圖書內(nèi)容挖掘信息也會(huì)被計(jì)入圖書借閱卡大數(shù)據(jù)中,實(shí)現(xiàn)整體檢索邏輯;③會(huì)員大數(shù)據(jù):會(huì)員的姓名、年齡、性別、民族、工作單位、工作性質(zhì)、線上借閱記錄、實(shí)體書借閱記錄等會(huì)形成會(huì)員大數(shù)據(jù),該研究中重點(diǎn)利用圖書電子化大數(shù)據(jù)和圖書借閱大數(shù)據(jù)對(duì)會(huì)員大數(shù)據(jù)進(jìn)行賦值,形成啟發(fā)式借閱推薦流程模型。上述3項(xiàng)大數(shù)據(jù)的邏輯關(guān)系如圖1所示。

圖1 啟發(fā)式借閱流程模型基本邏輯架構(gòu)圖

圖1中,系統(tǒng)最終向借閱者提供的圖書推薦分類,按照優(yōu)先級(jí),主要有以下4類:①與會(huì)員多次借閱歷史圖書相同關(guān)鍵詞或相近書名、相近內(nèi)容的圖書,從受眾心理學(xué)角度分析,這類圖書屬于純理智條件下會(huì)員最容易接受的圖書,但應(yīng)排除會(huì)員希望更換借閱范疇嘗試新型圖書的心理趨向;②與會(huì)員多次借閱歷史圖書相同作者或作者存在關(guān)聯(lián)的圖書,作者存在關(guān)聯(lián)指2個(gè)作者多次發(fā)表同類圖書或2個(gè)作者存在親緣、同事等關(guān)系,如讀者多次借閱賈平凹的圖書,系統(tǒng)可以嘗試向其推薦賈淺淺的圖書;③推薦與讀者工作內(nèi)容、工作性質(zhì)相關(guān)的圖書,因?yàn)楫?dāng)前實(shí)體書中比例最大的圖書種類為職業(yè)經(jīng)驗(yàn)、輔導(dǎo)類圖書,如讀者為公務(wù)員或企事業(yè)單位管理干部,則向其推薦管理學(xué)、心理學(xué)相關(guān)書籍,如讀者為工程師、技術(shù)類工作或工人,則向其推薦技術(shù)輔導(dǎo)類圖書;④推薦讀者自選多個(gè)關(guān)鍵詞相關(guān)的圖書,包括書名、關(guān)鍵詞、摘要、內(nèi)容詞頻特征等借閱卡資料中包含該類關(guān)鍵詞的圖書[5-6]。

綜合上述推薦需求,結(jié)合前文圖1展示的邏輯架構(gòu),該大數(shù)據(jù)體系中核心工作流程節(jié)點(diǎn)為圖書的電子化過程、詞頻提取過程、圖書文風(fēng)標(biāo)識(shí)碼提取過程。下文中將重點(diǎn)針對(duì)這三項(xiàng)工作展開論述[7-9]。

2 實(shí)體書電子化相關(guān)技術(shù)及工作流程

當(dāng)前技術(shù)條件下,實(shí)體書電子化工作僅能滿足將實(shí)體書的文本部分轉(zhuǎn)化為電子文本并進(jìn)行后續(xù)處理,包括機(jī)器翻譯、詞頻提取、機(jī)器朗讀等,但實(shí)體書電子化過程是實(shí)現(xiàn)該技術(shù)的重要支持因素。相比較單純使用電子化圖書借閱卡執(zhí)行圖書推薦操作,將實(shí)體書電子化后形成更完善的圖書特征描述體系,更適合大數(shù)據(jù)云計(jì)算體系下的計(jì)算機(jī)輔助圖書推薦算法需求。該過程基本邏輯架構(gòu)如圖2所示。

圖2 實(shí)體書電子化工作流程邏輯架構(gòu)圖

圖2中,激光掃描位圖生成過程和識(shí)別過程采用漢王激光掃描系統(tǒng),機(jī)器翻譯使用百度翻譯系統(tǒng),機(jī)器朗讀采用科大訊飛機(jī)器朗讀系統(tǒng),均可實(shí)現(xiàn)相關(guān)軟件技術(shù)的全面國(guó)產(chǎn)化,而后續(xù)的詞頻分析功能、神經(jīng)網(wǎng)絡(luò)分析功能使用MATLAB大數(shù)據(jù)分析工具軟件。該系統(tǒng)通過文風(fēng)特征碼和詞頻特征碼實(shí)現(xiàn)對(duì)圖書內(nèi)容可供機(jī)器學(xué)習(xí)功能主動(dòng)識(shí)別的數(shù)字化信息,文字識(shí)別后的原始語言版本和機(jī)器翻譯后多語言版本,也用于直接檢索過程[10]。

3 詞頻特征碼與文風(fēng)特征碼的提取與應(yīng)用過程

詞頻特征碼與文風(fēng)特征碼均為64位比特型數(shù)據(jù),其實(shí)際構(gòu)成為2個(gè)每個(gè)4字節(jié)(32位)雙精度浮點(diǎn)型變量的前后疊加,其初始生成算法架構(gòu)如圖3所示。

圖3 特征碼生成算法邏輯架構(gòu)圖

圖3中,使用2個(gè)結(jié)構(gòu)相同、輸入數(shù)據(jù)相同的卷積神經(jīng)網(wǎng)絡(luò)模塊分別生成2列獨(dú)立數(shù)據(jù),2個(gè)神經(jīng)網(wǎng)絡(luò)模塊在不同訓(xùn)練需求下向不同方向收斂,進(jìn)而進(jìn)入2個(gè)卷積神經(jīng)網(wǎng)絡(luò),分別生成特征碼的高32位(由雙精度浮點(diǎn)型變量強(qiáng)制轉(zhuǎn)化而來)和低32位(由雙精度浮點(diǎn)型變量強(qiáng)制轉(zhuǎn)化而來)。其中,生成高32位特征碼的神經(jīng)網(wǎng)絡(luò)在另一路神經(jīng)網(wǎng)絡(luò)輸出端取1路補(bǔ)充數(shù)據(jù)。最終疊加為一個(gè)64位特征碼。詞頻特征碼與文風(fēng)特征碼的生成邏輯架構(gòu)基本一致,僅其輸入數(shù)據(jù)有所差異,生成詞頻特征碼的輸入數(shù)據(jù)為電子書經(jīng)過詞頻提取算法后的詞頻序列數(shù)據(jù),生成文風(fēng)特征碼的輸入數(shù)據(jù)為電子書的原始文本數(shù)據(jù)[11-12]。

2個(gè)特征碼被提取后,與會(huì)員閱讀習(xí)慣特征碼進(jìn)行比較和合并,機(jī)器學(xué)習(xí)算法會(huì)判斷會(huì)員閱讀習(xí)慣特征碼與圖書的2個(gè)特征碼的相似度,給出推薦序列,且會(huì)員執(zhí)行借閱后,其會(huì)員特征碼會(huì)根據(jù)圖書的2個(gè)特征碼進(jìn)行刷新改寫。該過程的邏輯架構(gòu)如圖4所示。

圖4 特征碼應(yīng)用及轉(zhuǎn)換機(jī)制邏輯架構(gòu)圖

圖4中,使用二值化神經(jīng)網(wǎng)絡(luò),給出一個(gè)[0,1]區(qū)間上的判斷結(jié)果,經(jīng)過神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)訓(xùn)練,少部分圖書會(huì)偏向1.000方向,作為推薦篩選結(jié)果書目,其余大部分圖書偏向0.000方向,在推薦系統(tǒng)中被篩選屏蔽。會(huì)員借閱時(shí),詞頻特征碼與文風(fēng)特征碼聯(lián)通會(huì)員特征碼一起被輸入到一個(gè)卷積神經(jīng)網(wǎng)絡(luò)模塊中,生成合并后的新會(huì)員特征碼,該特征碼會(huì)對(duì)會(huì)員卡數(shù)字化信息進(jìn)行重新賦值,用于后續(xù)判斷過程。在新會(huì)員特征碼的生成算法中,實(shí)體書借閱時(shí)間、電子書和有聲書的瀏覽時(shí)間等會(huì)作為其他控制變量用于新會(huì)員特征碼的生成計(jì)算過程。

上述特征碼比較過程獨(dú)立在前文所述的傳統(tǒng)圖書推薦流程之外,形成該研究中創(chuàng)新提出的基于機(jī)器學(xué)習(xí)的圖書推薦算法,用于前文4種推薦需求的第1種推薦需求中。該算法將徹底杜絕傳統(tǒng)算法的以下兩點(diǎn)不足:①傳統(tǒng)算法受制于圖書借閱卡基本信息的不完備性,圖書借閱卡中不論是關(guān)鍵詞、書名還是摘要信息,均無法全面表達(dá)圖書的類型信息,而使用該推薦算法后,當(dāng)神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)量和隱藏層規(guī)模等達(dá)到一定兩邊基數(shù)后,系統(tǒng)可以更充分判斷會(huì)員的后續(xù)借閱行為;②傳統(tǒng)算法與該創(chuàng)新算法相結(jié)合,將該算法作為優(yōu)先推薦門類,在其他推薦板塊仍然保留傳統(tǒng)推薦算法的推薦結(jié)果,可以使兩者形成有益互補(bǔ)[13]。

4 該算法對(duì)啟發(fā)式借閱流程的實(shí)際支持效果

4.1 仿真條件下的效果測(cè)試

首先對(duì)該算法的神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)訓(xùn)練,訓(xùn)練模式為在MATLAB環(huán)境下搭建鏡像仿真平臺(tái),電子化實(shí)體圖書原始資料和圖書借閱卡原始資料拷貝自公共圖書館真實(shí)資料,訓(xùn)練數(shù)據(jù)來自會(huì)員借閱記錄,即根據(jù)會(huì)員之前借閱記錄和下次借閱記錄,推測(cè)一個(gè)推薦范圍,使推薦范圍內(nèi)圖書出現(xiàn)在該推薦范圍中。實(shí)際訓(xùn)練過程中,選擇2019年及2020年全年的借閱記錄,使用其中18個(gè)月數(shù)據(jù)作為原始訓(xùn)練數(shù)據(jù),6個(gè)月數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)。根據(jù)個(gè)人閱讀習(xí)慣,選取前6位推薦和前20位推薦,最終驗(yàn)證結(jié)果如表1所示。

表1 仿真環(huán)境下的驗(yàn)證結(jié)果

表1中,t值與P值來自SPSS大數(shù)據(jù)分析軟件中的雙變量t校驗(yàn)分析,用于比較的差異性并提供差異性結(jié)果的信度。當(dāng)t<10.000且P<0.01時(shí),認(rèn)為2組數(shù)據(jù)具有顯著的統(tǒng)計(jì)學(xué)差異,且t值越小證明差異性越大,P值越小證明差異性結(jié)果信度越高。表1中,使用該系統(tǒng)后,前6位重點(diǎn)推薦書目中,會(huì)員借閱量從0.271冊(cè)提升到0.893冊(cè),即借閱率從4.5%提升到14.9%,提升了3.3倍,前20位推薦書目中,會(huì)員借閱量從0.639冊(cè)提升到1.580冊(cè),即借閱率從3.2%提升到7.9%,提升了2.5倍。該借閱率提升的量變引起了質(zhì)變,即會(huì)員從前20位推薦書目中必然選擇借閱1冊(cè),使推薦效率大幅度提升,會(huì)員對(duì)推薦書目的依從性大幅度增強(qiáng)。

4.2 啟發(fā)式借閱系統(tǒng)試運(yùn)行結(jié)果

在上述仿真分析的基礎(chǔ)上,該研究成果論證階段,推出了與傳統(tǒng)借閱系統(tǒng)平行的借閱系統(tǒng),會(huì)員可以在使用借閱推薦系統(tǒng)時(shí)選擇使用新系統(tǒng)或者傳統(tǒng)系統(tǒng)檢索圖書。2021年1月20日至今,使用新系統(tǒng)完成借閱檢索的會(huì)員2761人,人均使用5.27次,即該系統(tǒng)先后服務(wù)借閱過程14 550人次,比較會(huì)員使用該系統(tǒng)后選擇借閱圖書的位置,得到表2。

表2 會(huì)員借閱過程推薦位置使用率的比較結(jié)果

表2中,推薦位的相關(guān)算法有直接差異,具體表現(xiàn)在該系統(tǒng)使用的推薦算法結(jié)合了前文所述的機(jī)器學(xué)習(xí)推薦算法,之前系統(tǒng)的推薦算法是根據(jù)關(guān)鍵詞檢索的傳統(tǒng)推薦算法。使用該系統(tǒng)后,推薦位給出的書目,會(huì)員接受度和認(rèn)可度更高,具體表現(xiàn)在之前系統(tǒng)中75.27%的借閱行為需要通過會(huì)員主動(dòng)搜索才可以確定借閱書目,而使用該系統(tǒng)后,會(huì)員主動(dòng)搜索的借閱行為占比下降到了28.79%,可以推算出,推薦成功率從24.73%提高到71.21%,提升2.9倍。表2中,雙變量t校驗(yàn)結(jié)果,t<10.000,P<0.01,具有顯著的統(tǒng)計(jì)學(xué)差異。

在驗(yàn)證過程中,為了評(píng)價(jià)會(huì)員對(duì)系統(tǒng)推薦效果的主觀評(píng)價(jià),要求使用過該系統(tǒng)的會(huì)員做出主觀滿意度評(píng)價(jià),滿分10分,最低0分,參加該主觀評(píng)價(jià)的會(huì)員量為851人,占全部使用過該系統(tǒng)會(huì)員2761人的30.8%,其評(píng)價(jià)結(jié)果如表3所示。

表3 會(huì)員主觀評(píng)價(jià)結(jié)果匯總表

表3中,使用該系統(tǒng)后,會(huì)員對(duì)該系統(tǒng)的主觀評(píng)價(jià)明顯高于對(duì)之前系統(tǒng)的評(píng)價(jià),平均分從7.52提升到8.93,提升幅度為18.75%。該數(shù)據(jù)經(jīng)過雙變量t校驗(yàn),t<10.000,P<0.01,具有顯著的統(tǒng)計(jì)學(xué)差異。

5 總結(jié)

該研究核心創(chuàng)新點(diǎn)在于引入基于卷積神經(jīng)網(wǎng)絡(luò)、二值化神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法,讓系統(tǒng)的推薦書目更符合會(huì)員的借閱預(yù)期書目,實(shí)現(xiàn)啟發(fā)式借閱推薦模式。經(jīng)過仿真實(shí)驗(yàn)和試運(yùn)行,會(huì)員對(duì)推薦位置書目的借閱量顯著增加。因?yàn)樵撗芯渴褂昧俗畛跫?jí)的神經(jīng)網(wǎng)絡(luò)架構(gòu),所以神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)過程未展開論述,后續(xù)研究中,將從軟硬件兩方面全面升級(jí)神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)更深度地?cái)?shù)據(jù)挖掘機(jī)器學(xué)習(xí)過程,使啟發(fā)式借閱模式的算法效率進(jìn)一步提升。