LVQ神經網絡在高校圖書館圖書采購中的應用研究

〔摘要〕通過分析LVQ神經網絡的結構與算法，提出了利用基于LVQ神經網絡圖書采購模型，以江蘇城市職業學院圖書館圖書采購為實例，分析運用LVQ神經網絡對圖書采購進行判斷的步驟和方法，結果表明，判斷結果是合理的，是可以為高校圖書館采訪決策提供參考。

〔關鍵詞〕LVQ神經網絡；圖書采購；優化

收稿日期：2011－07－09

作者簡介：孫 雷（1971－），男，高級工程師，碩士，研究方向：圖書館信息化，發表論文數篇。

DOI：10.3969／j.issn.1008－0821.2011.10.040

〔中圖分類號〕G251.5 〔文獻標識碼〕B 〔文章編號〕1008－0821（2011）10－0166－03

The Application Research on Library Book Purchasesby Using LVQ Neural Network for University

Sun Lei（Library，the City Vocational College of Jiangsu，Nanjing 210036，China）

〔Abstract〕Though analyzing LVQ neural network structure and algorithm，book purchasing model based on LVQ neural network was given，taking the city vocational college of jiangsu library book purchasing as an example，the step and method of judging library book purchasing were carried out by using LVQ neural network，practical calculations showed that the result were reasonable and can help to make a decision of library acquisition.

〔Key words〕LVQ neural network;book purchases;Optimization

圖書采購是高校圖書館業務關鍵環節之一，圖書采購對圖書館提高藏書質量、滿足讀者借閱、優化文獻資源有著十分重要的意義，目前圖書館在采購圖書還缺少一套行之有效的方法，如何根據各個學科的文獻需求量、讀者興趣值等因素制定科學的采購策略，使得圖書收藏最大限度的滿足科研、教學需要，是圖書館的一項十分重要的課題，近年來隨著人工智能神經網絡等技術的興起，為優化、預測、分類、模式識別等問題的發展提供了新的契機，也為圖書采購提供了科學的解決方案，本文主要探討用神經網絡應用解決圖書采購的方案。

1 目前高校圖書館圖書采購存在的問題

目前高校圖書館圖書采購大都由高校圖書館采編人員去書城選書，這種采購模式存在一些不足^［1－2］，表現在：①采購過程有一些盲目性和主觀性，在圖書采購過程中，盡管圖書采訪人員責任心較強，業務能力較強，但難免有一些個人主觀色彩。②專業圖書的采購缺乏針對性和前瞻性，由于圖書采購人員不可能具備全校所有專業的專業知識和能力，對專業圖書的采購不能很好的把握學科和專業的動向。③效率較差，準確率較低。

2 LVQ神經網絡結構及其學習算法概述

學習向量量化［3］（LVQ，Learning Vector Quantization）神經網絡是一種用于訓練競爭層的有監督學習方法的輸入前向神經網絡，LVQ神經網絡在模式識別和優化領域有廣泛的應用。

2.1 LVQ神經網絡結構LVQ神經網絡的網絡結構如圖1所示，由3層神經元組成［4］，即輸入層、隱含層和輸出層，輸入層與隱含層之間全連接的方式，隱含層與輸出層采用部分連接方式，隱含層與輸出神經元之間連接權值固定為1。

2.2 LVQ神經網絡算法LVQ神經網絡算法［5］是在有教師狀態下對隱含層進行訓練的一種學習算法，是從競爭算法中演化而來的，LVQ算法分為LVQ1算法和LVQ2算法，LVQ1算法的核心思想是計算距離輸入向量最近的隱含層神經元，從而找出與之相連接的線性輸出層神經元。LVQ2算法主要是當LVQ1出現識別錯誤時，用LVQ2進行改良。

3 基于LVQ神經網絡圖書采購模型的設計

如前面所述，圖書采購工作主要靠人工完成，科學地、高效地進行圖書采訪一直困擾圖書館采訪人員。LVQ神經網絡適合建立圖書采購主要表現在［6］：①良好的非線性映射能力，圖書是否被采購的實質是反映圖書的各項參數與是否被選中之間一種非線性映射關系；②自適應、自學習的能力，神經網絡能夠通過訓練學習階段，獲得圖書被采購和圖書不被采購所具有的相關信息；③快速的運算能力，網絡一旦學習訓練完成，利用它計算的過程是很快的，因此利用訓練好的網絡可以判斷出一本圖書是否被采購。綜上所述，建立圖書采購神經網絡用樣本數據訓練完成后，輸入數學模式對網絡進行計算得到輸出模式，對輸出模式進行解釋，將其轉化為認識邏輯概念，即得到了結果。

3.2 樣本數據的確定

從江蘇城市職業學院圖書館采購圖書的歷圖書，隨機抽取800本作為訓練集，剩余200本作為測試集。

在實際實驗中，綜合考慮圖書特征以及計算方便，根據中圖分類法采用10個特征量作為圖書是否被采購的判別依據，即神經的輸入向量，如表1所示。

對于圖書關鍵詞，采用江蘇城市職業學院圖書館提供的5 000個，不在其中用“其他”代替，分別用0～5 000來表示；對于圖書的分類號用1～540表示，對于圖書出版社，目前圖書出版社有500多家，采用前500家，不在其中用“其他”代替，對于是否屬于我校重點學科、是否是經典書籍、圖書的作者是否是相應領域的權威、圖書印刷及排版的質量的判斷用0和1表示，經過處理后所有的輸入都是數值型的數據形式，如表2所示。

表1 神經網絡的輸入向量

利用MATLAB神經網絡工具箱提供函數可以在MATLAB環境下實現利用LVQ神經網絡實現識別圖書采購過程。

4.1 導入數據

數據保存在data.mat文件中，共有1 000個數據，不失一般性，隨機抽取800組數據作為訓練集，剩余200組數據作為測試集，如前所述，輸入神經元的個數為10，分別代表圖書采購形態特征，輸出神經元的個數為2，分別代表購書與沒有購書，在此以數字“1”代表購書，數字“2”表示沒有購書，具體如下：Load data.mat %導入數據a

5 結果分析

運行神經網絡訓練測試的運行結果如下：

圖3為網絡的學習曲線，可以發現網絡訓練所得的誤差較小，達到了目標值，實驗表明，將LVQ神經網絡應用圖書購買識別是可行的。

6 小 結

本文探索了將人工智能神經網絡技術與圖書采購理論、實踐的結合，在系統的具體實現過程中，對圖書特征數據予以分析，從圖書采購的歷史數據中提取一定數量的樣本，神經網絡通過對學習樣本的學習，用戶利用訓練好的神經網絡對圖書能否被采購做出分類判斷，從而解決圖書采購的核心問題。

參考文獻

［1］謝耀芳.新環境下中文圖書采訪模式探究［J］.圖書館工作與研究，2009，（3）：42－45.

［2］柳夏.高校圖書館采訪工作探析［J］.大學圖書情報學刊，2005，（1）：46－49.

［3］許東，吳錚.給予MATLAB 6.X系統分析與設計——神經網絡［M］.西安：西安電子科技大學出版社，2002：125－128.

［4］高雋.人工神經網絡原理及仿真實例［M］.機械工業出版社，2005：12－13，49－51.

［5］董妍慧.基于LVQ神經網絡模型的企業財務危機預警［J］.大連海事大學學報：社會科學版，2008，7（1）：92－94.

［6］鄭波，朱新宇.基于LVQ神經網絡模型的飛機故障分類診斷［J］.中國民航飛行學院學報，2009，20（4）：3－5.

［7］遲道才，曹潔萍，劉麗，等.LVQ學習矢量量化神經網絡模型在旱澇預測中的應用［J］.中國農村水利水電，2009，（10）：78－80.