基于云計算平臺的高校圖書管理個性化服務方法研究

趙慧巖

關鍵詞： 云計算; 高校圖書管理; 主題挖掘模型; 個性化; 機器學習; 用戶服務模型

中圖分類號： TN911?34; TP391.4 ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）03?0093?03

Abstract： A cloud computing platform based personalized service method for university book management is proposed to improve the efficiency and accuracy of book management in colleges and universities effectively. The framework of digital book service platform based on cloud computing is established by using four?layer architecture. The user service model in the process of cloud computing access is designed by taking the book information access user as the role center. The topic mining model based on three?layer Bayesian and unsupervised machine learning method are used to realize the personalized book service. The feasibility of the proposed method is verified with experimental results. The average absolute error calculation results show that the proposed method has higher service efficiency than the traditional method.

Keywords： cloud computing; university book management; topic mining model; personalization; machine learning; user service model

0 ?引 ?言

隨著互聯網技術的快速發展，數字化信息的存儲和處理方式越來越先進。現階段，微信、QQ、微博等社交平臺的發展速度十分迅猛，從而產生了海量的在線數據。在當代互聯網環境下，信息得到了廣泛共享，人與物體之間、人與人、物與物之間的交流和互動更加密切 [1]。隨著互聯網用戶的不斷增加，這些信息數據也不斷增多[2]。用戶如果想從海量的數據信息中尋找自己想要的信息[3]，就需要花費大量的時間和精力進行查詢和檢索，如高校的圖書館管理工作[4?5]。

因此，為了有效提升高等院校中圖書管理的效率和準確性，本文提出一種基于云計算平臺的高校圖書管理個性化服務方法。實驗結果顯示，相比傳統方法，本文提出的方法具有較高的準確度，能夠有效實現個性化的圖書推薦服務。

1 ?基于云計算的數字化圖書管理及服務平臺

云計算（Cloud Computing）作為一種海量數字信息交互和管理模式，能夠通過互聯網計算機網絡為眾多客戶端用戶提供所需的資源和服務（硬件、平臺、軟件）。云計算平臺技術融合了虛擬化、分布式處理、海量數據存儲等技術，利用計算機網絡將獨立、形式多樣、大小不同的數字化信息和計算能力有機結合起來[6]。使用云計算平臺實現高校圖書資源的數字化管理，具有如下優勢：

1） 資源共享。通過使用云計算技術構建圖書管理平臺可以有效整合各種類型的圖書資源。以云計算為基礎的系統平臺架構能夠通過集中管理的方式提供高效和安全的資源共享，從而有效解決圖書管理中的信息孤島問題。

2） 降低成本。云平臺能夠把圖書資源的存儲和維護成本降低到最低水平。高校無需購買價格昂貴的專用Server以及各種CSDN網絡設備等，只需要購買相關企業所提供的服務即可，也無需聘用專業的技術人員來對系統進行維護。

3） 強大的并發處理效率。云計算平臺具有較強的并行處理能力，能夠同時處理海量的任務請求。云計算平臺具有強大的帶寬接口，能夠滿足數十萬以上教師和學生的圖書資源訪問需求，有效解決了網絡阻塞和訪問延遲問題。

4） 遠程異地備份和恢復功能。云平臺具有網上的數據存儲安全模式，能夠以最先進的方式實現異地容災，消除安全隱患，保證圖書資源的完整性。

5） 安全性。以云計算平臺為基礎的數字化圖書管理及服務系統能夠搭建系統的安全訪問規則，從而避免大多數入侵者的非法訪問和數據篡改。

1.1 ?云計算平臺的總體架構設計

針對廣大高校的圖書管理需求，本文設計的云計算數字化圖書服務平臺框架模型如圖1所示。整個架構包括4個層次：

1） 基礎設備層，主要為高校本地硬件、校園網絡、云平臺和CSDN網絡接入設備;

2） 資源層，主要為各種專業方向的數字化圖書數據;

3） 應用層，主要為學生和教師使用的數字化校園、在線學習平臺和教務系統等應用軟件;

4） 用戶層，主要為本校學生、本校教師、聯盟學校師生和管理人員。

層次之間通過Ajax實時通信完成信息交互。

1.2 ?云計算訪問控制模型

以圖書信息訪問用戶為角色中心，設計云計算訪問實現過程中的用戶服務模型，如圖2所示。從圖2中可以看出，終端用戶可以使用各種現代化通信設備訪問云計算平臺Server;而不同的圖書管理人員可對訪問策略進行分析，并通過一定的方法為不同用戶提供適合其需求的數據。

現代信息化社會的發展使得用戶對個性化的需求越來越大。因此針對上述推送服務，圖書管理系統應該使用合適的圖書服務模型。

從圖3可以看出，隨著書籍數量的不斷增加，2種方法得到的MAE均不斷下降。其中關聯規則算法的下降速度較慢，而本文方法的下降速度較快。此外，在相同書籍數量情況下，本文提出方法的MAE更小，即準確度更高。也就是說，本文提出方法能夠更準確地完成個性化圖書推薦服務，有效提升了服務效率，增加了用戶的滿意度。

4 ?結 ?論

本文提出了一種基于云計算平臺的高校圖書管理個性化服務方法。首先使用4層架構建立了云計算數字化圖書服務平臺框架，并以圖書信息訪問用戶為角色中心，設計了云計算訪問實現過程中的用戶服務模型。然后采用基于三層貝葉斯主題挖掘模型，以非監督的機器學習方法實現個性化圖書服務。實驗結果驗證了提出算法的有效性、可行性;相比于關聯規則算法，本文方法的MAE誤差更小，魯棒性更高。

參考文獻

[1] 趙宏偉，李圣普.基于粒子群算法和RBF神經網絡的云計算資源調度方法研究[J].計算機科學，2016，43（3）：113?117.

ZHAO Hongwei， LI Shengpu. Research on cloud computing resource scheduling method based on particle swarm optimization and RBF neural network [J]. Computer science， 2016， 43（3）： 113?117.

[2] 嵇可可.基于動態趨勢預測蟻群算法的云計算資源調度優化研究[J].科技通報，2016，32（1）：187?190.

JI Keke. Research on cloud computing resource scheduling optimization based on dynamic trend prediction ant colony algorithm [J]. Bulletin of science and technology， 2016， 32（1）： 187?190.

[3] 陳近，文庭孝.基于云計算的圖書館大數據服務研究[J].圖書館，2016（1）：52?56.

CHEN Jin， WEN Tingxiao. Research on library big data service based on cloud computing [J]. Library， 2016（1）： 52?56.

[4] 林曉玲，楊明華.RFID圖書管理系統中圖書定位排架方式探析[J].圖書館論壇，2012，32（3）：102?104.

LIN Xiaoling， YANG Minghua. Analysis of book positioning and arranging in RFID book management system [J]. Library forum， 2012， 32（3）： 102?104.

[5] 馮璐.大型圖書館中圖書質量在線評價系統設計[J].現代電子技術，2018，41（1）：129?132.

FENG Lu. Design of online evaluation system for book quality in large libraries [J]. Modern electronics technique， 2018， 41（1）： 129?132.

[6] YANG S T. An active recommendation approach to improve book?acquisition process [J]. International journal of electronic business management， 2012， 10（2）： 108?115.

[7] RAJAGOPAL S， KWAN A. Book recommendation system using data mining for the University of Hong Kong Libraries [J]. Rev. Ceres.， 2012， 58（4）： 393?401.

[8] BOBADILLA J， ORTEGA F， HERNANDO A， et al. Impro?ving collaborative filtering recommender system results and performance using genetic algorithms [J]. Knowledge?based systems， 2011， 24（8）： 1310?1316.

[9] 李欣.基于概念格的圖書關聯規則挖掘研究[J].圖書館學研究，2015（8）：71?74.

LI Xin. Research on book association rules mining based on concept lattice [J]. Library science research， 2015（8）： 71?74.