圖書館書籍推薦技術(shù)的研究與應用

劉莉

摘 要：圖書館書籍的推薦對于廣大讀者的借閱效果起到了極大的幫助作用。在當前社會發(fā)展飛速的今天，智能化技術(shù)的普及對于各行業(yè)均起到了促進作用，作為圖書館的發(fā)展也需要創(chuàng)新技術(shù)的融合，本文以圖書館書籍推薦技術(shù)的為基礎，將書籍區(qū)域化映射技術(shù)作為書籍推薦手段，構(gòu)建區(qū)域組模型拓展推薦的應用方式以實現(xiàn)智能化書籍推薦的良好效果。

關鍵詞：圖書館書籍;智能化推薦;區(qū)域化映射

0引言

隨著信息化數(shù)字圖書館時代的來臨，對于圖書館書籍的管理研究工作更加側(cè)重于新技術(shù)應用和開發(fā)上。目前，世界上針對于書籍管理的研究內(nèi)容主要集中在書籍推薦的效果中，利用書籍對比關系進行定義和定位，將更多地書籍相關信息內(nèi)容融合到書籍關鍵信息中，造成了書籍推薦研究的復雜關系。因此，在圖書館的書籍管理中，如何獲取書籍的相關信息進行分析并作出合理的評價及推薦成為書籍管理研究領域的一個難點。

圖書館為讀者服務工作內(nèi)容很多，其中圖書推薦工作是讀者服務工作的重要內(nèi)容之一，而圖書館的圖書推薦工作應密切關注于書籍推薦技術(shù)的發(fā)展方向，能夠推薦給讀者貼近用戶要求并具有實際應用價值的效果。書籍推薦工作在了解讀者的求書服務中， 基于內(nèi)容過濾的方法總體上根據(jù)用戶閱讀歷史， 構(gòu)建用戶偏好模型， 并據(jù)此向用戶推薦書籍。因此， 用戶偏好模型表征用戶興趣的準確度和對潛在興趣的挖掘度直接決定了資源推薦的準度和廣度。但是， 基于向量空間的用戶模型， 以詞為基礎來描述用戶興趣， 沒有考慮到語義方面信息， 不能很好地表達用戶的潛在需求。本文基于圖書館書籍推薦技術(shù)的為基礎，將書籍區(qū)域化映射技術(shù)作為書籍推薦手段，構(gòu)建區(qū)域組模型拓展推薦的應用方式以實現(xiàn)智能化書籍推薦的良好效果。

1 書籍區(qū)域化映射技術(shù)

書籍區(qū)域化是將以關鍵信息作為劃分手段，在圖書館內(nèi)的書籍都在數(shù)據(jù)庫中特定的目錄下存在，設定以各個目錄為映射區(qū)域作為本體感知結(jié)構(gòu)的基礎單位，即在觸發(fā)到專業(yè)類目錄及根目錄下的任何信息作為一個原始信息觸發(fā)點，這就會形成一次專業(yè)內(nèi)的本體區(qū)域化推薦，從而獲得一個信息變量。在其他專業(yè)目錄中如果引發(fā)的最終結(jié)果與本目錄本體知識有所關聯(lián)，也會觸發(fā)相關信息的產(chǎn)生，形成關聯(lián)化的神經(jīng)網(wǎng)絡組織結(jié)構(gòu)，這就會不斷的映射出以區(qū)域為概念的結(jié)構(gòu)環(huán)境

2書籍的推薦

書籍區(qū)域化映射主要將書籍進行概念化的分類工作，作為推薦的主要的動力還是在于獲取各類動態(tài)信息并從中確立關聯(lián)信息屬性，將這些基本信息添加到系統(tǒng)日志中作為原始信息進行登記，向感知觸發(fā)模塊提供用戶位置上下文;感知觸發(fā)模塊中的各類功能主要體現(xiàn)在對于動態(tài)定位模塊提供的信息進行智能化處理的過程，由直接信息觸發(fā)轉(zhuǎn)變?yōu)楸倔w化的關聯(lián)信息觸發(fā);知識庫的作用在于對感知觸發(fā)信息模塊處理過的關聯(lián)信息進行優(yōu)化和推薦的處理工作，在推薦模塊中，設定用戶構(gòu)建成一個基于本體的書籍偏好模型，包含用戶特定屬性的偏好。前者的構(gòu)建基于時間的遺忘模式，后者利用用戶最近的興趣來表示。

用戶興趣度模型依靠書籍的偏好信息建立，通過對用戶借閱記錄和用戶與系統(tǒng)的交互日志。根據(jù)構(gòu)建關鍵信息O中葉子概念和書籍之間的“類–實例”關系，通過用戶借閱記錄和交互日志中的書籍名稱，可以直接獲得用戶偏好的概念集。形式化地，用戶短期偏好標記為：

3構(gòu)建區(qū)域組模型拓展

根據(jù)書籍知識域的緊密相關性，在同一書籍專業(yè)類有借閱記錄的用戶可以看成是就本區(qū)域書籍而言有相似閱讀興趣的用戶。通過不同知識域的合并對近似用戶對知識域書籍的長期偏好，構(gòu)建區(qū)域組模型以改善推薦的多樣性。

關鍵信息概念C與區(qū)域Region之間的映射結(jié)構(gòu)，用戶的長期偏好P被分成多個語義劃分。每個語義劃分對應一個區(qū)域集群，代表了用戶興趣的一個子集。形式化地，用戶在區(qū)域regionI的長期偏好可標記為：

其中，count1為N個用戶偏好向量中該維元素出現(xiàn)‘1的總次數(shù)，count0為出現(xiàn)‘0的總次數(shù)。

區(qū)域組模型是根據(jù)用戶長期偏好構(gòu)建的。在更新長期用戶偏好后，對受影響區(qū)域的區(qū)域組模型也需要進行更新。同樣地，本文將區(qū)域組模型的更新周期也設為T。即每隔時間段T，根據(jù)借閱記錄和交互日志，尋找受影響的區(qū)域并對這些區(qū)域的區(qū)域組模型進行重現(xiàn)構(gòu)建。

評估模型推薦書籍的多樣性為了驗證模型推薦書籍的多樣性，利用集合多樣性，對結(jié)合區(qū)域組偏好進行比較。書籍的集合多樣性定義為在推薦列表中所有書籍之間的平均非相似性。評估時，對每個用戶選擇最近N次時間范圍的閱讀記錄作為評估的標準（根據(jù)設置的T值，每次時間范圍為30天），在此時間范圍之前的歷史記錄則用于用戶偏好模型和區(qū)域組模型的構(gòu)建。通過每個用戶時間范圍的不斷延伸，作為書籍推薦效果。

4結(jié)語

本文提出一個基于基于圖書館書籍推薦技術(shù)的為基礎，將書籍區(qū)域化映射技術(shù)作為書籍推薦手段，構(gòu)建區(qū)域組模型拓展推薦的方法。區(qū)域化推薦的書籍推薦模型基于將用戶的基礎信息、知識類型偏好、長期知識累計和相關類型知識獲取等多信息源的綜合處理，根據(jù)用戶需求的知識區(qū)域化區(qū)分進行推薦。在以后的研究中筆者會不斷提升研究深度，以進一步提高推薦質(zhì)量，滿足用戶的書籍需求。

參考文獻：

[1]丁雪，張玉峰.基于關鍵信息的智能數(shù)字圖書館個性化推薦用戶關鍵信息研究[J].現(xiàn)代情報，2009，29（12）：61-65.

[2]唐曉玲.基于關鍵信息和協(xié)同過濾技術(shù)的推薦系統(tǒng)研究[J].情報科學，2013，31（12）：90-94.

[3]任沁.基于領域關鍵信息的數(shù)字圖書館用戶興趣建模研究[D].武漢：湖北工業(yè)大學，2012.

[4]王洪偉，鄒莉.考慮長期與短期興趣因素的用戶偏好建模[J].同濟大學學報：自然科學版，2013，41（6）：953-960.