基于BP神經網絡的高職院校圖書館讀者滿意度測評研究

摘 要：在ACSI的基礎上建立了讀者滿意度指標體系，通過調查問卷的方式對某高職院校圖書館的讀者滿意度進行了調研，在對問卷的分析處理的基礎上建立了基于BP神經網絡的高職院校圖書館讀者滿意度評價模型，并用R語言對樣本數據進行學習和訓練，為高職院校讀者滿意度測評提供了一種較為有效和實用的方法。

關鍵詞：讀者滿意度 BP神經網絡 R語言

中圖分類號：G258 文獻標識碼：A 文章編號：1003-9082 （2017） 04-0023-02

高職院校圖書館要承擔高職院校教學、科研和向廣大師生提供信息服務的重任。圖書館提供服務的質量的優劣程度會直接影響到職業教育的效果。評價服務質量的方法之一就是建立一套完善的圖書館讀者滿意度測評體系。所謂的讀者滿意度就是讀者通過使用圖書館得意實現閱讀欲望和獲取知識信息的完善程度。客戶的滿意度來源于客戶的評價，但這一的評價無法直接進行觀測或計量。文獻[1]指出，美國學者Danuta Nitecki 最先將SERVQUAL應用到圖書館的服務質量評價研究。文獻[2-4]將結構方程模型的方法應用到圖書館讀者滿意度是測評當中，并在客戶滿意度指數模型的基礎上提出了圖書館讀者滿意度指數。文獻[5]在建立BP神經網絡的基礎上分析了超市顧客滿意度和各個結構變量之間的關系，得出了影響滿意度的各指標因素的排序。本文參考ACSI的評價指標體系并結合高職院校的特點，提出了基于BP神經網絡的高職院校圖書館讀者滿意度測評模型。通過某高職院校圖書館的調研數據驗證了模型的有效性和實用性。

一、原理與方法

BP神經網絡是一種按誤差逆傳播算法訓練的多層前饋網絡，其學習算法是學習規則（誤差校正學習算法），算法的特征是利用輸出后的誤差來估計輸出層的直接前導層的誤差，再用這個誤差估計更前一層的誤差，如此一層一層的反向傳播下去，就獲得了所有其他各層的誤差估計[6]。這里我們以典型的三層BP網絡為例，如圖1所示的是一個有三個輸入點，4個隱層節點和一個輸出節點的一個三層BP神經網絡。

正向傳播時，輸入信號經過隱層的處理后，傳向輸出層。若輸出層節點未能得到期望的輸出，則轉入誤差的逆向傳播階段，將輸出誤差按某種子形式通過隱層向輸入層返回，并分給隱層的4個節點和輸入層的三個輸入節點，從而獲得各層單元的參考誤差，作為修改各單元權值的依據。當然，最開始的權值是隨機給予的-1到1的隨機數。通過權值的不斷修改，誤差逐漸減少到可以接受的范圍或者達到了設定的訓練（運行）次數為止。

二、實證分析

1.評價指標

要科學地對讀者滿意度進行測評，必須有一套適合高職院校圖書館的評價指標體系。本文根據文獻[3]的模型，共設置滿意度評價指標11個：A館藏資源（圖書種類A1、圖書總量A2、期刊種類A3）；B圖書館服務（流通服務B1、資料查找B2、閱覽座位B3）；C圖書館環境（資源部局C1、環境舒適性C2、開放時間C3）；D工作人員（服務態度D1、服務效率D2）。因變量指標為：E總體滿意度（總體滿意度E1，與期望相比E2，圖書館對個人發展的影響E3）

2.建立模型

設置滿意度評價指標是11個，即輸入節點數為11個。輸出層的輸出結果為讀者滿意度所處的等級，分為非常滿意、滿意、一般滿意、不滿意、非常不滿意五個等級，結果比為其中之一，所以輸出層節點數為1個。對于隱層節點數的選擇，目前沒有一個標準的確定方法，通常按照如下經驗公式來確定

其中，為輸入層節點數，為輸出層節點數，為1到10之間的常數。通過多次的比較，我們選取的隱層節點數為12個。

3.數據采集與分析

本次研究通過發放紙質問卷的形式對在校學生進行調查。共發放100份問卷，有效回收100份，有效率100%。得出數據樣本后，我們將原始數據樣本（專家樣本）隨機選取80%作為訓練樣本，剩下的20%作為測試樣本。分析語言為R語言3.3.2版本，分析工具為開源免費的RStudio1.0.44。在R語言中，BP神經網絡作為一種常用的分類預測算法之一是通過nnet程序包中的nnet（）函數來實現的。

3.1 數據劃分

對專家樣本隨機選取20%作為測試樣本，剩下的80%作為訓練樣本。

3.2 神經網絡

訓練樣本建模的混淆矩陣如表1所示，分類準確率為96.2%，將一次真實值為“一般滿意”判斷為“滿意”；兩次“不滿意”判斷為“一般滿意”。構建神經網絡模型的代碼見附錄代碼清單2。測試樣本建模的混淆矩陣如表2所示，分類準確率為75%。出現五次誤判：將兩次真實值為“滿意”判斷為“非常滿意”；將一次真實值為“一般滿意”預測為“滿意”；一次將真實值為“滿意”預測為“一般滿意”；一次將真實值為“一般滿意”預測為“不滿意”。

三、結論

以上數據，均通過R3.3.2計算得到。對于訓練樣本，如上的模型分類準確率達到90%以上，對于測試樣本的分類準確率達到了80%。用BP神經網絡算法進行分類評標決策能夠很好地處理問題，較為準確的得出預測結果，不但能充分發揮專家的作用，也能夠盡量地避免個人主觀猜測所帶來的錯誤結果。

參考文獻

[1]于直良，谷松，趙靜.SERVQUAL與圖書館服務質量評估：十年研究述評[J].大學圖書館學報，2005（1）：51-57.

[2]AnneMartensen，LarsGronholdt.ImprovingLibraryUsersPerceivedQuality，SatisfactionandLoyyalty：AnIntegratedMeasuurementandManagementSystem[J].TheJournalofAcademicLibrarianship，2003，29（3）：140-147.

[3]譚楊.基于結構方程模型的圖書館讀者滿意度模型實證研究[J].貴陽學院學報（自然科學版），2014，9（2）：13-17.

[4]林盛，劉金蘭.基于PLS-結構方程的顧客滿意度評價方法[J].系統工程學報，2005，20（6）：653-656.

[5]溫阿莉，周黎.基于BP神經網絡的超市顧客滿意度研究[J].商場現代化，2009，567：115-116.

[6]張良均，云偉標，王路等.R語言數據分析與挖掘實戰[M].機械工業出版社，2016，79-83.