地方本科院校圖書館個性化推薦服務分析

任敏

摘? ?要：個性化推薦服務已廣泛應用于新聞、教育、醫療、圖書推薦等各個領域，許多知名高校陸續實現了圖書館的個性化推薦服務，但地方本科院校由于建校時間短、圖書館數字化建設還不完善，個性化推薦技術的應用還比較少。本文在分析高校圖書館個性化服務的發展現狀基礎上，對比分析了主流的個性化推薦算法，指出了地方本科院校個性化推薦服務中存在的問題，并探討了其實現個性化推薦服務的對策。

關鍵詞：地方本科院校? 圖書館? 個性化推薦服務? 推薦算法

中圖分類號：G250? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2020）06（b）-0242-03

Personalized recommendation service has been widely used in various fields such as news， education， medical treatment， book recommendation and so on， and many well-known universities have also realized the library personalization recommendation service one after another. However， due to the short construction time and the imperfect digital construction of the library， the application of personalized recommendation technology is still relatively rare in local universities. Based on the analysis of the current situation of personalized service in university libraries， this paper compares and analyzes the mainstream personalized recommendation algorithms， points out the problems existing in the personalized recommendation service and discusses the countermeasures to realize the personalized recommendation service in local universities.

Key Words：? Local university; Library; Personalized recommendation service; Recommendation? algorithm

隨著新建地方本科院校的轉型和快速發展，各地方本科院校圖書館均購置了豐富的虛擬館藏資源，但面對如此海量的數字資源，圖書館傳統的一鍵式檢索服務，已不能滿足廣大師生日益增長的個性化需求。個性化推薦技術在圖書領域的發展及應用，既滿足了讀者個性化的需求，又大大提高了圖書館的服務質量和水平，因此對地方本科院校圖書館的個性化服務進行研究和分析，有非常重要的現實意義。

1? 高校圖書館個性化發展現狀

時代的發展和技術的進步使得個性化推薦在圖書館的應用成為必然。目前對高校圖書館的個性化推薦服務的研究很多，主要集中在推薦算法和系統應用兩個方面。在推薦算法方面，林敏、陳美龍（2017）利用大數據 Hadoop 數據處理平臺，對協同過濾算法進行了改進，并應用到智慧圖書館中使之更加智慧高效[1]。姬煒（2017年）提出了一種改進的相似度算法來完成圖書推薦功能[2]。何波等（2017年）提出了基于大數據的高校圖書館個性化服務模型，并設計了個性化集成服務原型系統[3]。張永強（2018年）提出了基于文本相似度比較的個性化推薦[4]。

在推薦系統方面，已經有很多成熟的系統，如：美國康奈爾大學的My Library@Cornell 系統、美國斯坦福大學研發的 Fab 系統、德國卡爾斯魯大學研發的 Big Tip 系統等[5]。近年來，我國也陸續開發了圖書個性化推薦系統并投入使用，有：中科院開發的“基于個性化集成定制的門戶網站”、浙江大學（2002）開發的My Library、中國人民大學（2003）的“數字圖書館個性化服務系統”[6]、清華大學和清華同方一起研究開發的CNKI工程等。目前在各大知名高校的圖書館中也都引入了個性化推薦的技術，但在發展中的大部分地方本科院校圖書館中，還沒有引入個性化推薦的平臺和技術，還不能實現圖書資料的個性化推薦，這也是地方本科高校圖書館數字化建設的一個重要目標。

2? 推薦算法對比分析

推薦系統被認為是解決信息過載、信息迷失和用戶個性化需求多樣化的重要工具，其核心是個性化推薦算法，其中主流的推薦算法優缺點如表1所示。

其中協同過濾算法又分為：基于用戶的協同過濾算法（UserCF）和基于物品的協同過濾算法（ItemCF），兩者的優缺點比較分析如表2所示。

3? 地方本科院校圖書個性化推薦存在的問題

3.1 服務定位不清，個性化服務意識不強

在升本之前大部分地方本科高校圖書館主要是為師生進行教學方面的服務，采用的是傳統的管理模式和管理系統，服務方式多為坐等式、守攤子式的被動服務，館員的學歷和層次不高，隨著本科建設的進展和本科評估對教學、科研各方面要求的增多，圖書館的服務除了滿足師生學習的需要外，還加大了對師生進行科學研究和創新的個性化化服務。但是目前地方本科院校圖書館數字化建設水平不高，服務定位比較低，館員素質參差不齊，還沒有意識到為師生進行個性化服務的作用及價值，跟不上學校改革發展的步伐，個性化服務意識不強，館藏圖書借閱率和數字資源利用率較低，造成了文獻資源的浪費。圖書館對于電子化書目的重視程度還不夠，對電子資源的宣傳也十分不足，不少學生在校階段不知道圖書館有大量的電子期刊資源，也不知道如何去下載免費的資料，圖書館內雖然安裝了數字借閱機，方便了學生下載到手機上進行閱讀，但很多學生在下載了資源之后只是簡單的復制和粘貼，并不能進行分析、綜述和解決自己的問題。另外學校圖書館僅局限于學校師生內部使用，缺乏為周邊區域經濟社會發展服務的意識，未能向社會開放。如何轉變觀念，建立起高效科學、具有個性化推薦的服務，已經逐漸成為當前地方本科高校圖書館數字化建設面臨的重要問題。

3.2 圖書資源分配不合理

雖然在地方本科高校圖書館中購買了大量的數字資源，但由于本科評估的需要也購置了大量的紙質圖書，且比重比較大，不僅加大了圖書管理員的工作強度還造成各種人力物力的浪費。另外，目前大部分學生還是喜歡借閱紙質的圖書，而且借閱的時間會比較長，因為紙質圖書不僅攜帶方便，還不用受移動設備、網絡、教室等因素的限制，可以隨時隨地拿出來進行閱讀，隨著智能閱讀終端、智能手機、移動PDA、平板電腦等設備的普及以及5G網絡的發展，學生購買智能終端設備的費用和上網的費用會大大減少，因此師生的閱讀習慣正在由紙質化轉向電子化。對于這一轉變，圖書館的資源管理也應當與之相適應。在圖書資源的管理上購進更多的電子化書目，在圖書的服務上實現依據學生的興趣愛好進行個性化的推薦服務。

3.3 學生的信息素養普遍較低

信息素養是指能判斷何時需要信息，懂得如何去獲取信息、如何評價和有效利用信息的一種能力[8]。目前新生入學后，大多數地方本科高校都會對學生進行入館教育，也有些學校通過微信公眾號在手機端進行自學培訓，學生通過觀看視屏、答題闖關等了解入館須知，有少量專業在高年級還會開設文獻檢索課程，但是仍有部分學校未進行任何培訓，以至于很多學生只會借閱紙質圖書資料，對于電子資料的查詢一般都是到網上進行搜索，有些學生甚至不知道圖書館有大量免費的電子資源，在寫課程大作業和畢業設計時，不知道該怎樣使用圖書館的電子資源庫獲取所需文獻，更不能對信息進行綜述、評價，學生的信息素養普遍較低。

3.4 沒有實現個性化推薦

目前地方本科高校圖書館的數字資源越來越豐富，除了自建的特色數字資源，大部分數字資源都是花錢購買或租賃后通過一定的認證方式開放給全校師生免費使用，對于電子資源，師生只能通過登錄本校圖書館網站進行檢索下載或者進行文獻傳遞，但往往檢索出來的內容不夠精確，很多地方本科院校的圖書館沒有購買個性化的推薦平臺和技術，因此不能提供給師生個性化的推薦服務。

4? 地方本科高校開展個性化推薦的對策

4.1 轉變服務意識，確定服務定位，加大數字資源的建設

隨著地方本科高校圖書館數字化建設的加快，圖書館的服務定位也逐漸發生了轉變，過去守攤型被動式的服務形式已經不能滿足師生個性化的需求。因此圖書館必須主動出擊，轉變服務意識，變被動為主動，收集用戶的各種行為、興趣和愛好，這是個性化推薦服務算法的信息來源基礎，利用個性化推薦技術，根據讀者的興趣愛好主動進行個性化的推薦服務。另外，在圖書館資源建設方面，逐漸加大電子圖書及資源的購買量，尤其是國內外知名的學術前沿電子資源，并在圖書館門口張貼新書書單，在圖書館網站首頁上進行新書和電子資源的網頁信息推送，在推薦平臺上進行個性化推薦的服務。

4.2 采用大數據挖掘技術

在很多地方本科院校的圖書館，已經積累了很多的數據，圖書館可以利用大數據的數據挖掘技術，挖掘出有意義的信息，進而分析師生的閱讀習慣、興趣愛好，對他們的個性化需求進行研究，從而實現個性化的精準推薦。挖掘數據主要有三種方式：一是實現師生的自動分類和統計分析，二是利用數據挖掘系統提供的OLAP工具，對集成數據進行多維分析比較，對決策信息進行檢查和驗證，提高決策的可信度[9]。三是建立事物數據庫，使用基于Apriori改進算法對學生借閱歷史數據進行深度挖掘分析，挖掘出圖書借閱數據的關聯規則，由已經得到的關聯規則和用戶瀏覽過的電子圖書資料，來向讀者推送信息。目前在地方本科院校的圖書館建設中，個性化服務已經成為一種必然的趨勢，如何將大數據挖掘與個性化服務結合起來，使得這一服務更加符合讀者需求，是目前地方本科高校圖書館需要解決的關鍵問題。

4.3 新用戶問題

剛步入大學的大一新生經過一年的學習之后，仍然有大部分同學在圖書館無借閱行為記錄。因此對于大一新生，在入館教育時可以通過電子調查問卷的形式收集新生的閱讀習慣和需求，形成數據集，另外對于相同或相近專業的學生來說，上一年級的借閱習慣和記錄可以在一定程度上作為下一年級的推薦參考。大學一年級是培養大學生學習和閱讀習慣的關鍵一年，圖書館應在大一新生入學之初，準確地為他們提供個性化推薦服務，積極主動地引導他們合理利用圖書館資源，養成良好的學習和閱讀習慣，為大學學習打下堅實的基礎。

4.4 利用移動客戶端

隨著智能閱讀終端、智能手機、移動PDA、平板電腦等設備性能的提升和制造成本的下降以及學校免費無線wifi的全覆蓋，學生再也不用顧忌上網的費用，移動閱讀也漸漸成了師生閱讀的主要模式，首先圖書館要通過移動終端設備收集師生的閱讀興趣和愛好，并實時追蹤讀者移動閱讀的數據，實現基于移動大數據的個性化推薦，提升圖書館移動閱讀服務個性化推送的精確性。