圖書借閱排行算法研究*

王澤賢

圖書借閱排行算法研究*

王澤賢

目前圖書借閱排行的傳統(tǒng)算法是僅按借閱次數(shù)排序，該算法存在某些熱門圖書可能會(huì)長(zhǎng)期占據(jù)排行榜前列之不足。論文提出了新的圖書借閱排行算法，該算法綜合考慮了借閱次數(shù)、復(fù)本數(shù)、入藏日期和最近外借日期等影響因素，在保證了較好推薦效果的情況下，實(shí)現(xiàn)了自動(dòng)淘汰的機(jī)制，解決了傳統(tǒng)算法的不足。

推薦書目導(dǎo)讀借閱排行算法

0 引言

圖書館藏書數(shù)量巨大，少則幾十萬，多則幾百萬，且呈不斷增長(zhǎng)之勢(shì)，在海量文獻(xiàn)中快速、有效地查獲所需圖書，對(duì)多數(shù)讀者而言絕非易事。開展閱讀引導(dǎo)，向讀者推薦好書新書，是圖書館做好讀者服務(wù)、提高館藏利用率的有效手段。《普通高等學(xué)校圖書館規(guī)程（修訂）》第17條中規(guī)定：高等學(xué)校圖書館應(yīng)“通過編制推薦書目、導(dǎo)讀書目，舉辦書刊展評(píng)等多種方式進(jìn)行閱讀輔導(dǎo)”[1]。圖書館開展導(dǎo)讀的方式和方法有很多種，其中書目推薦就是一種重要的導(dǎo)讀手段。書目推薦的途徑包括：編制專題目錄、館藏新書通報(bào)、館藏借閱排行等[2]。專家推薦書目向來被公認(rèn)為引導(dǎo)閱讀的最佳方式，但其往往是權(quán)威性有余而實(shí)效性、靈活性不足。圖書館的圖書借閱排行榜能夠較為真實(shí)地反映該館讀者的閱讀取向和偏好[3]。借閱量大的圖書，一般是比較受讀者歡迎的書，將這些書按月度、半年度、年度等方式進(jìn)行排行并公之于眾，對(duì)揭示館藏利用情況、幫助讀者進(jìn)行閱讀選擇，具有相當(dāng)重要的意義。

目前各館的圖書借閱排行只是簡(jiǎn)單地按借閱次數(shù)進(jìn)行。該方法實(shí)現(xiàn)簡(jiǎn)單，但因其未充分考慮入藏時(shí)間、最近外借時(shí)間和復(fù)本數(shù)等相關(guān)因素，故該評(píng)價(jià)方法的可信度不高，未能真實(shí)反映圖書的價(jià)值。本文設(shè)計(jì)了一個(gè)綜合考慮各種影響因素的圖書借閱排行算法，使圖書借閱排行更加科學(xué)、合理。

1 圖書借閱排行算法

圖書借閱排行最直覺、最簡(jiǎn)單的算法，就是依據(jù)指定時(shí)間內(nèi)借閱次數(shù)的多少進(jìn)行排名，借閱次數(shù)最多的圖書自然就排在第一位。這就是傳統(tǒng)的圖書借閱排行算法，該算法的優(yōu)點(diǎn)是簡(jiǎn)單、容易實(shí)現(xiàn)、排序算法計(jì)算速度快。但由于這種算法僅考慮了借閱次數(shù)，所以存在一個(gè)很大的缺點(diǎn)：缺乏自動(dòng)淘汰的機(jī)制，某些熱門的圖書可能會(huì)長(zhǎng)期占據(jù)排行榜前列，從而失去推薦意義。所以，需要綜合考慮影響圖書借閱排行的各種因素，設(shè)計(jì)一種新的借閱排行。

1.1 影響因素

（1）借閱次數(shù)Counto：一種圖書被借閱（包括借出和續(xù)借）的總次數(shù)，借閱次數(shù)較高的圖書，表示擁有效高的借閱頻率，較受讀者歡迎，應(yīng)該排列在前。

（2）復(fù)本數(shù)Countb：同等條件下，復(fù)本數(shù)多的圖書被借閱的機(jī)率也可能會(huì)相應(yīng)較多，其被借閱的總次數(shù)相應(yīng)地也會(huì)較大；反之，復(fù)本數(shù)較少的圖書被借閱的總次數(shù)自然會(huì)較少。例如，圖書A復(fù)本數(shù)是20，其借閱次數(shù)是50次；而圖書B復(fù)本數(shù)是3，其借閱次數(shù)是20次，如果只是按借閱次數(shù)排列，A排在B前，顯然是不合理的。因此，基于公平性，圖書借閱排行計(jì)算過程中要排除復(fù)本數(shù)的影響。

（3）入藏日期Datei：圖書到館加工完成后，上架可以外借的日期。同等條件下，入藏日期較早的圖書相應(yīng)被借閱的可能性也較高，總借閱次數(shù)相應(yīng)較多；入藏日期較后的圖書，被借閱的次數(shù)自然會(huì)較少，但這并不代表這本書的表現(xiàn)就比較差。例如，圖書A已入藏300天，其借閱次數(shù)是10次；而另圖書B才入藏50天，其借閱次數(shù)是5次，如果只是按借閱次排數(shù)列，A排在B前，明顯是不合理的。因此，基于公平性，圖書借閱排行計(jì)算過程中要考慮入藏日期的影響。

（4）外借日期Datel：圖書受到歡迎有一定的周期性，圖書的最后外借日期越接近當(dāng)前日期，表示該書最近才被借出，也體現(xiàn)該書最有可能再度被借閱[4]。就算某圖書的借閱總次數(shù)較高，但其最后外借日期距當(dāng)前日期較遠(yuǎn)，該書很久沒有被借閱，表示該書以前受讀者歡迎，但近期已經(jīng)不再受讀者歡迎了。

1.2 排行算法

綜合考慮以上因素，本文設(shè)計(jì)了一種新的圖書借閱排行算法：在指定的時(shí)間范圍內(nèi)（開始日期Dateb、結(jié)束日期Datee），圖書i的借閱排行得分Score（i）可由公式1得出，然后按借閱排行得分由大到小排序，即可得到圖書i在借閱排行榜的位置。

公式1中：

（2）圖書i的入藏及最近外借日期指標(biāo)D（i）=log10Dayei（i）+log10Dayel（i）。入藏天數(shù)Dayei=Datee-Datei，表示結(jié)束日期Datee與圖書入藏日期Datei間的天數(shù)，即圖書可被借閱使用時(shí)間。最近外借天數(shù)Dayel=Datee-Datel，表示結(jié)束日期Datee與在統(tǒng)計(jì)時(shí)段內(nèi)圖書最后被外借日期Datel間的天數(shù)。在上面的公式中，兩日期相減表示兩日期間的天數(shù)，不足一天當(dāng)一天計(jì)算。越新的圖書或越是最近被借閱的圖書，其入藏及最后外借日期因數(shù)越少，在其他條件不變的情況下，借閱排行得分越大，借閱排名越高。這意味著隨著時(shí)間的推移，及無人借閱的時(shí)間越長(zhǎng)，其借閱排行得分越小，借閱排名越低，隨著時(shí)間增長(zhǎng)會(huì)逐漸跌到排行榜的末尾，保證了排名前列的都將是較新的和最近受歡迎的圖書。公式1的分母加1是為了防止D(i)=0時(shí)分母為0。

（3）α是重力因子。表示將圖書排名往下拉的力量，也即圖書排名隨時(shí)間增長(zhǎng)而下降的速度，根據(jù)實(shí)際需要調(diào)整。如圖2所示，三根曲線的其他參數(shù)都一樣，α的值分別為1.5、1和0.5。值越大，曲線越陡峭，隨著入藏及最后外借日期指標(biāo)D（i）的增大，排名下降得越快。

2 算法實(shí)現(xiàn)

2.1 算法實(shí)現(xiàn)流程

按照公式1計(jì)算圖書借閱排行得分，需要綜合圖書的入藏日期、復(fù)本數(shù)，及在指定日期范圍的借閱次數(shù)、最后外借日期等參數(shù)計(jì)算得出，而這些參數(shù)都需從館藏表及操作日志表中獲取，涉及的數(shù)據(jù)量比較龐大，難以在需要時(shí)即時(shí)完成計(jì)算并返回結(jié)果。例如，廣州大學(xué)圖書館（以下簡(jiǎn)稱“我館”）的館藏記錄就有270多萬條，2005至2013年的借閱日志記錄就有454多萬條。所以一般在空閑時(shí)段，預(yù)先對(duì)圖書借閱排行計(jì)算，需要時(shí)直接調(diào)用排行榜結(jié)果。圖書借閱排行計(jì)算流程如下：

（1）從日志表中取得在指定日期范圍被借閱圖書的書目記錄號(hào)。

（2）根據(jù)書目記錄號(hào)從館藏表中獲取入藏日期、復(fù)本數(shù)，并從操作日志表中取得在指定日期范圍的借閱次數(shù)、最后外借日期。然后將這些參數(shù)代入公式1計(jì)算，得到圖書借閱排行得分。

（3）計(jì)算出所有被借閱圖書的借閱排行得分后，按借閱排行由高到低排序，得到圖書借閱排行榜，并將排行結(jié)果保存，供需要時(shí)使用。

2.2 性能優(yōu)化

在算法具體實(shí)現(xiàn)時(shí)，還要注意性能的優(yōu)化，將計(jì)算時(shí)間控制在可接受的時(shí)間范圍內(nèi)。本文在最初實(shí)現(xiàn)算法時(shí)，入藏日期、復(fù)本數(shù)、借閱次數(shù)和最后外借日期等參數(shù)，都是分開單個(gè)從數(shù)據(jù)庫獲取。我館在2011年上半年度，中文圖書借閱日志記錄總數(shù)為285 692條，完成圖書借閱排行計(jì)算超過16小時(shí)，這明顯是不能接受的，必須進(jìn)行優(yōu)化。經(jīng)分析，由于館藏表和日志表數(shù)據(jù)量龐大，分別單個(gè)從數(shù)據(jù)庫獲取入藏日期、復(fù)本數(shù)、借閱次數(shù)和最后外借日期等參數(shù)耗費(fèi)了大量時(shí)間。后經(jīng)改進(jìn)，使用單一SQL查詢語句，實(shí)現(xiàn)一次從數(shù)據(jù)庫獲取所有計(jì)算所需的參數(shù)，從而大大減少了所需時(shí)間，上面需16小時(shí)以上才能完成的計(jì)算任務(wù)，現(xiàn)只需15分鐘就能完成。改進(jìn)后的SQL查詢語句如下所示：

select l.logh，count（*）as countO，

（select count（*）from holding where hldb=l.logh）

as countB，

（select min（hldc）from holding where hldb=l.logh）

as dateI，

max（loga1）as dateL

from ilog l

where loga1＞=${begin}and loga1＜=${end}and（logc=3031 or logc=3035）

group by logh

3 驗(yàn)證分析

本文使用了我館的中文圖書館藏及其借閱日志數(shù)據(jù)，對(duì)借閱排行算法進(jìn)行了驗(yàn)證分析，公式1中的重力因子取值1.5。參與實(shí)驗(yàn)的借閱日志數(shù)據(jù)記錄時(shí)間自2011年1月1日至2013年6月30日，共兩年半時(shí)間，借閱日志記錄總數(shù)為1281 301條。在本文中，將實(shí)驗(yàn)數(shù)據(jù)每半年一段：2011年1月1日至2011年6月30日為時(shí)段1，2011年7月1日至2011年12月31日為時(shí)段2，依此類推，共分成了5個(gè)時(shí)間段。

3.1 排序效果

根據(jù)各時(shí)段的借閱日志數(shù)據(jù)，分別進(jìn)行借閱排行計(jì)算。表1是按本文算法計(jì)算得出，在時(shí)段5的圖書借閱排行榜前10名的相關(guān)參數(shù)及排行情況：借閱排行得分按公式1計(jì)算得出，排名按借閱排行得分由高到低排行得到，按借閱排名是僅按借閱次數(shù)由高到低的排名。

由該表可以看出，排名受圖書的復(fù)本數(shù)、借閱次數(shù)、入藏天數(shù)和最后外借日期影響，在其他條件相同的情況下，復(fù)本數(shù)越少，排名越前，借閱次數(shù)越多，排名越前，入藏天數(shù)或最后外借天數(shù)越少，排名越前。排名雖然受借閱次數(shù)影響，但與僅按借閱次數(shù)排名關(guān)系不大，并且按兩種算法得出的借閱排名相差較大。

表1 時(shí)段5圖書借閱排行榜的前10名

3.2 推薦效果

本階段實(shí)驗(yàn)中，分別將參與實(shí)驗(yàn)的兩個(gè)相鄰時(shí)段組成一組：第1組時(shí)段1作訓(xùn)練期，時(shí)段2作驗(yàn)證期；第2組時(shí)段2作訓(xùn)練期，時(shí)段3作驗(yàn)證期；以此類推，5個(gè)時(shí)段共組成4組。將訓(xùn)練期的數(shù)據(jù)分別進(jìn)行借閱排行計(jì)算，然后檢測(cè)其在驗(yàn)證期是否有借閱，從而驗(yàn)證該圖書的推薦成功性。在驗(yàn)證期有借閱，表示推薦成功；在驗(yàn)證期沒有借閱，則表示推薦失敗。

據(jù)調(diào)查顯示，用戶每次檢索后，只瀏覽少數(shù)結(jié)果頁面的比例在逐步提高，而用戶實(shí)際所訪問的結(jié)果范圍非常小。例如，從1997—2001年，用戶每次檢索后只瀏覽一個(gè)頁面的比例，從28.6%提高到50.5%，而2001年之后更是提高到70%，這意味著檢索結(jié)果空間都集中到了結(jié)果頁面的第一頁和第二頁，有時(shí)包括第三頁[5]。同樣，讀者也只會(huì)對(duì)圖書借閱排行的前幾十名最感興趣，只有排名前列的圖書才能夠吸引讀者的注意，起到引導(dǎo)、推薦的作用。所以，本實(shí)驗(yàn)中，只取驗(yàn)證期的圖書借閱排行榜前100名的圖書來進(jìn)行推薦效果驗(yàn)證，統(tǒng)計(jì)結(jié)果如表2所示。從該表可以看出按借閱次數(shù)和按本文算法得出的圖書借閱排行榜都有較高的推薦成功率，排行榜前100名的圖書，在驗(yàn)證期起碼有96種以上會(huì)被借閱，并且兩種排行算法的推薦成功率相差不大，相比較按本文算法稍微占優(yōu)，推薦成功率幾乎100%。

表2 推薦成功統(tǒng)計(jì)

3.3 自動(dòng)淘汰效果

首先，分別將5個(gè)時(shí)段的數(shù)據(jù)進(jìn)行借閱排行計(jì)算，然后統(tǒng)計(jì)時(shí)段1的圖書借閱排行榜前100名的圖書在后面4個(gè)時(shí)段的圖書借閱排行榜前100名中重復(fù)出現(xiàn)的次數(shù)。表3是統(tǒng)計(jì)結(jié)果，從表3可以看出：僅按借閱次數(shù)排行的圖書借閱排行榜，最少的時(shí)候也有40種圖書重復(fù)占據(jù)前100名，即存在著某些熱門圖書長(zhǎng)期占據(jù)排行榜前列的情況，并且該情況不會(huì)隨時(shí)間的增長(zhǎng)而減少；而按本文算法的圖書借閱排行榜中，時(shí)段1的前100名的圖書在后面時(shí)段里重復(fù)出現(xiàn)在排行榜前列的情況校相對(duì)少，最多的時(shí)候也僅有16種，并且重復(fù)情況會(huì)隨著時(shí)間的增長(zhǎng)而減少。也就是說，按本文的圖書借閱排行算法有自動(dòng)淘汰的功能，避免了某些熱門圖書長(zhǎng)期占據(jù)排行榜前列的情況。增大重力因子的值可以增快自動(dòng)淘汰的速度。

表3 重復(fù)出現(xiàn)統(tǒng)計(jì)

4 結(jié)語

本文提供的圖書借閱排行算法綜合考慮了借閱次數(shù)、復(fù)本數(shù)、入藏日期和最近外借日期等影響因數(shù)，在保證了較好推薦效果的情況下，實(shí)現(xiàn)了自動(dòng)淘汰機(jī)制，糾正了傳統(tǒng)圖書借閱排行算法存在的某些熱門圖書長(zhǎng)期占據(jù)排行榜前列之不足。借助該算法，生成圖書借閱排行榜，可以為讀者提供較好的圖書推薦、導(dǎo)讀服務(wù)，幫助讀者快捷地篩選圖書，提升服務(wù)質(zhì)量、提高館藏利用率。本文研究的圖書排行算法只能針對(duì)被借閱過的圖書，對(duì)于未被借閱過的新書該如何排行、推薦，則是下一步的研究方向。

[1]教育部關(guān)于印發(fā)《普通高等學(xué)校圖書館規(guī)程（修訂）》的通知[EB/OL].[2013-11-05].http://www.edu.cn/2002 0610/3058180.shtml.

[2]李正祥，陸書紅.書目推薦：公共圖書館參與社會(huì)閱讀的重要途徑[J].高校圖書館工作，2012（6）：84-87.

[3]王喜明，祁莉.打造“推薦圖書排行榜”：高校圖書館導(dǎo)讀的新思路[J].圖書館建設(shè)，2010（7）:78-81.

[4]張海營(yíng).基于RFM模型的圖書館圖書評(píng)價(jià)系統(tǒng)研究[J].圖書館，2012（3）：60-61.

[5]Spink A，Jansen B J，Wolfram D，et al.From e-sex to e-commerce：Web search changes[J].IEEE Computer，2002，35（3）：107-109.

王澤賢廣州大學(xué)圖書館副研究館員。廣東廣州，510006。

Study on the Book-loaning Ranking Algorithm

Wang Zexian

The current traditional algorithm of book-lending ranking is only ranked by the frequency of lending,which results in the problem that some pop books may continue to rank top.This paper puts forward a new book-lending ranking algorithm,which comprehensively considered the influencing factors of the lending-frequency,duplicate-mode,collection date and the recent lending date.This new algorithm can ensure the better recommendatory effect,realize the automatically selective system and solve the deficiencies of the traditional algorithm.

Recommended bibliography.Reading guidance.Book-lending ranking.Algorithm.

G252

2014-01-10編校：鄒婉芬）

*本文系廣州市教育科學(xué)“十二五”規(guī)劃課題項(xiàng)目“關(guān)于用開源軟件實(shí)現(xiàn)OPAC 2.0的研究”（項(xiàng)目編號(hào)：11A147）研究成果之一。