基于BP神經(jīng)網(wǎng)絡(luò)的圖書館志愿者崗位分配

程龍閱，吳 翔，鄭 睿，余 童

(1.安徽師范大學(xué) 物理與電子信息學(xué)院，安徽 蕪湖 241000；2.安徽師范大學(xué) 圖書館，安徽 蕪湖 241000)

0 引言

圖書館志愿者是自愿無(wú)償?shù)貫閳D書館提供義務(wù)服務(wù)的人員[1]。圖書館有組織地開展志愿者的服務(wù)工作，無(wú)論是對(duì)圖書館、志愿者，還是對(duì)接受服務(wù)的讀者而言，都有十分重要的意義。志愿者的組織可以提高圖書館的服務(wù)水平及范圍，既為讀者提供人性化服務(wù)，也為體現(xiàn)志愿者的奉獻(xiàn)精神和自身價(jià)值，發(fā)揚(yáng)優(yōu)良的社會(huì)風(fēng)貌提供了平臺(tái)[2]。而對(duì)志愿者進(jìn)行合理的崗位分配，是圖書館讀者服務(wù)工作順利開展的基礎(chǔ)。

當(dāng)前，國(guó)內(nèi)外文獻(xiàn)對(duì)于圖書館志愿者的研究，主要集中在圖書館志愿者的招募[3]、培訓(xùn)和激勵(lì)[4]、社會(huì)志愿者與圖書館間的合作[5]、志愿者建設(shè)圖書館的動(dòng)機(jī)和形式的研究[6]、志愿者間的跨國(guó)互助交流[7]等方面，在圖書館志愿者與崗位之間的研究相對(duì)較少。近年來(lái)，趙琛[8]等根據(jù)公共圖書館志愿者崗位設(shè)置的總體情況及存在的問(wèn)題進(jìn)行分析，就如何發(fā)揮志愿者作用，提出崗位具體設(shè)置優(yōu)化方案、有效的配套保障措施等建議。主要研究對(duì)志愿者崗位的優(yōu)化，及志愿者入崗后的培訓(xùn)、激勵(lì)等，忽略了志愿者入崗前合理分配崗位的積極作用。張燕[9]等結(jié)合公共圖書館實(shí)際館情，根據(jù)志愿者服務(wù)意向，合理分配服務(wù)崗位，開展特色讀者服務(wù)。僅在理論上說(shuō)明了合理分配志愿者崗位的重要性，未結(jié)合實(shí)際進(jìn)一步研究如何給志愿者合理地分配崗位。

近年來(lái)，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)已經(jīng)全面滲透到圖書館的各個(gè)領(lǐng)域[10]。國(guó)內(nèi)外相關(guān)研究已在圖書館信息檢索[11-12]、信息分類與編目系統(tǒng)[13]和知識(shí)服務(wù)評(píng)價(jià)體系[14]等領(lǐng)域取得相應(yīng)成果。但目前缺少將神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖書館志愿者崗位分配問(wèn)題的研究。在神經(jīng)網(wǎng)絡(luò)運(yùn)用于崗位分配方面的研究?jī)H有2011年袁珍珍[15]等運(yùn)用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了空中交通管制員的崗位匹配測(cè)算模型；2015年，曾慶婷[16]等運(yùn)用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了國(guó)有大中型煤炭企業(yè)關(guān)鍵崗位人崗素質(zhì)匹配模型。但以上研究均是針對(duì)某一個(gè)特定崗位，根據(jù)專家打分法確定相關(guān)人員的多項(xiàng)勝任力指標(biāo)得分作為BP網(wǎng)絡(luò)的輸入，將網(wǎng)絡(luò)綜合評(píng)判后的得分作為網(wǎng)絡(luò)的輸出，從而得出該人員對(duì)崗位的勝任情況，是一種多輸入單輸出的BP神經(jīng)網(wǎng)絡(luò)崗位匹配模型，未涉及到對(duì)多崗位分配問(wèn)題的研究。由于圖書館志愿者的特點(diǎn)與崗位的數(shù)量相對(duì)較多，因此需要構(gòu)建多輸入多輸出的網(wǎng)絡(luò)模型，為圖書館志愿者分配適合的崗位。

據(jù)以上分析可知，BP神經(jīng)網(wǎng)絡(luò)可用于崗位分配的模型研究。BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，具有自組織、自學(xué)習(xí)、自適應(yīng)的能力；且可以對(duì)復(fù)雜的模式進(jìn)行識(shí)別與分類[17]。由于圖書館志愿者的特點(diǎn)和崗位相對(duì)較多，且之間存在一些較復(fù)雜的關(guān)系，僅應(yīng)用管理學(xué)的方法，較難把大多數(shù)志愿者分配到最適合的崗位，體現(xiàn)“人盡其用”的原則。因此，本文首次提出將BP神經(jīng)網(wǎng)絡(luò)與圖書館志愿者的崗位分配相結(jié)合，構(gòu)建多輸入多輸出的BP網(wǎng)絡(luò)圖書館志愿者崗位分配模型，為圖書館志愿者的崗位分配優(yōu)化配置。

1 樣本數(shù)據(jù)的采集與處理

由于將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于崗位識(shí)別的研究，前提條件是需要一定數(shù)量的樣本集對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練與測(cè)試。為了獲取到更加真實(shí)有效的數(shù)據(jù)信息，首先要通過(guò)調(diào)研確定網(wǎng)絡(luò)輸入、輸出端神經(jīng)元的數(shù)目；其次再采用問(wèn)卷調(diào)查的方式，通過(guò)對(duì)當(dāng)前工作優(yōu)秀的圖書館志愿者開展問(wèn)卷調(diào)查，從而獲取到一定數(shù)量的網(wǎng)絡(luò)訓(xùn)練、測(cè)試樣本集。

1.1 樣本數(shù)據(jù)的選取

對(duì)于輸入端神經(jīng)元的確定，采用文獻(xiàn)[18-20]實(shí)地調(diào)研的方法，通過(guò)查閱文獻(xiàn)及請(qǐng)教學(xué)校有經(jīng)驗(yàn)的圖書館管理人員，了解并研究作為圖書館志愿者需要哪些重要特質(zhì)，并最終確定選取6種特點(diǎn)，作為BP神經(jīng)網(wǎng)絡(luò)的輸入端神經(jīng)元數(shù)目。輸入端神經(jīng)元分別用X1～X6表示。網(wǎng)絡(luò)輸入端指標(biāo)集如表1所示。

表1 網(wǎng)絡(luò)輸入端指標(biāo)集Tab.1 Index set of network input

對(duì)于輸出端神經(jīng)元的確定，采用文獻(xiàn)[18-20]及實(shí)地調(diào)研的方法，通過(guò)查閱文獻(xiàn)及到校圖書館實(shí)地調(diào)研，了解并研究圖書館志愿的崗位設(shè)置情況，并最終確定選取5種志愿者崗位，作為BP神經(jīng)網(wǎng)絡(luò)輸出端神經(jīng)元數(shù)目。輸出端神經(jīng)元分別用Y1～Y5表示。網(wǎng)絡(luò)輸出端指標(biāo)集如表2所示。

表2 網(wǎng)絡(luò)輸出端指標(biāo)集Tab.2 Index set of network output

上文所選取的圖書館志愿者的特點(diǎn)與崗位之間具有一定復(fù)雜關(guān)系。從客觀角度分析，如書庫(kù)管理崗位的志愿者主要是負(fù)責(zé)將圖書館的圖書上架擺放到對(duì)應(yīng)的位置，需要付出一定的體力勞動(dòng)，所以這個(gè)崗位上的志愿者相比應(yīng)該會(huì)具有較高的吃苦耐勞精神、較好的耐心細(xì)心的品質(zhì)；閱讀指導(dǎo)崗位的志愿者主要是負(fù)責(zé)為來(lái)館讀者、學(xué)生推薦好書或適合他們專業(yè)的書籍，能夠準(zhǔn)確迅速地幫助每位學(xué)生查找到他們所需要的書籍，所以這個(gè)崗位上的志愿者應(yīng)該具有較好的文理學(xué)修養(yǎng)、較好的溝通能力，但同時(shí)在開朗熱心的性格及耐心細(xì)心的品質(zhì)方面可能也有一定比重的要求。

圖書館志愿者的每個(gè)崗位，對(duì)志愿者的特點(diǎn)的要求是不同的、多樣的，且之間存在一定的比重關(guān)系。某位志愿者在自身崗位所需的特點(diǎn)方面表現(xiàn)較好，但可能在其他崗位所需的特點(diǎn)方面也有較好的表現(xiàn)。因此，想要給不同特點(diǎn)的志愿者用神經(jīng)網(wǎng)絡(luò)的方式分配到合適的崗位，研究特點(diǎn)與崗位分配之間復(fù)雜的關(guān)系，還需一定數(shù)量的樣本數(shù)據(jù)作為研究。

1.2 樣本數(shù)據(jù)的采集與處理

為了獲取圖書館志愿者特點(diǎn)與其適合崗位之間的復(fù)雜關(guān)系，需要采用問(wèn)卷調(diào)查的方式。同時(shí)為了確保所得問(wèn)卷數(shù)據(jù)的有效性，問(wèn)卷對(duì)象選擇當(dāng)前正在從事圖書館志愿者工作，且在其崗位上表現(xiàn)優(yōu)秀的志愿者。

1.2.1 問(wèn)卷調(diào)查的設(shè)計(jì)

網(wǎng)絡(luò)的輸入是志愿者特點(diǎn)X1～X6，針對(duì)這些特點(diǎn)，問(wèn)卷中對(duì)每個(gè)特點(diǎn)分別設(shè)置5個(gè)問(wèn)題進(jìn)行得分的考察。每個(gè)特點(diǎn)的總得分范圍為整數(shù)0～10。得分越接近10說(shuō)明該志愿者的這方面特點(diǎn)表現(xiàn)越好，越接近0說(shuō)明該志愿者不具有這方面的特點(diǎn)。

網(wǎng)絡(luò)的輸出是志愿者崗位Y1～Y5，由于這些志愿者在其崗位上表現(xiàn)優(yōu)秀，因此認(rèn)為他們的特點(diǎn)是適合該崗位的。設(shè)某志愿者在Yi崗位上表現(xiàn)優(yōu)秀，那么他的崗位輸出序列在Yi上則為1。同時(shí)考慮到志愿者的特點(diǎn)與其崗位之間的關(guān)系復(fù)雜，他們可能還適合別的崗位，因此在問(wèn)卷中設(shè)置相應(yīng)問(wèn)題，讓志愿者選出自己還可以勝任哪個(gè)崗位。設(shè)某志愿者選的崗位為Yj，那么在該崗位上輸出則為0.5。除了Yi，Yj外其他崗位序列輸出均為0。

以部分問(wèn)卷調(diào)查的數(shù)據(jù)為例，如一位書庫(kù)管理崗位的志愿者特點(diǎn)得分為9，6，5，5，4，2，他還可以選擇適合他的崗位是圖書加工，因此輸出為1，0.5，0，0，0；另一位館內(nèi)向?qū)徫坏闹驹刚咛攸c(diǎn)得分為6，4，10，7，3，7，他還可以選則適合他的崗位是幫助特殊讀者，輸出則為0，0，1，0，0.5。

1.2.2 樣本數(shù)據(jù)的處理

在獲取了樣本數(shù)據(jù)后，需要對(duì)網(wǎng)絡(luò)的輸入端數(shù)據(jù)進(jìn)行處理，使之成為標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本。由于網(wǎng)絡(luò)的輸入X1～X6是0～10的整數(shù)，所以需要對(duì)其進(jìn)行歸一化處理：

(1)

式中，X為轉(zhuǎn)換過(guò)后的輸入數(shù)據(jù)；Xk為轉(zhuǎn)換前的樣本數(shù)據(jù)實(shí)際值；Xmax，Xmin分別為轉(zhuǎn)換前樣本數(shù)據(jù)序列中的最大值和最小值。

網(wǎng)絡(luò)的輸出端數(shù)據(jù)，在采集過(guò)程中只取1，0.5或0作為判斷是否適合某個(gè)崗位，輸出端數(shù)據(jù)均在0～1之間，因此，可直接使用，不做歸一化處理。

2 基于BP神經(jīng)網(wǎng)絡(luò)的圖書館志愿者崗位分 配方法

在獲取了BP網(wǎng)絡(luò)的輸入、輸出端神經(jīng)元數(shù)目和樣本數(shù)據(jù)后，需要將BP神經(jīng)網(wǎng)絡(luò)運(yùn)用到圖書館志愿者崗位分配中，構(gòu)建基于BP網(wǎng)絡(luò)的圖書館志愿者崗位分配模型，并對(duì)其理論可行性進(jìn)行研究。

2.1 崗位分配模型的構(gòu)建

在基于BP算法的多層前饋網(wǎng)絡(luò)的應(yīng)用中，單隱層神經(jīng)網(wǎng)絡(luò)的應(yīng)用最為普遍，只要隱含層的節(jié)點(diǎn)數(shù)足夠多，含一個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)就可以以任意精度逼近一個(gè)非線性函數(shù)[21]。

將圖書館志愿者的特點(diǎn)X1～X6作為輸入，圖書館志愿者崗位Y1～Y5作為輸出，采用3層BP神經(jīng)網(wǎng)絡(luò)，構(gòu)建圖書館志愿者崗位分配模型，如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)圖書館志愿崗位分配模型Fig.1 Library volunteer post assignment model diagram of BP neural network

圖1中，輸入層的6個(gè)神經(jīng)元是圖書館志愿者特點(diǎn)的個(gè)數(shù)。輸出層5個(gè)神經(jīng)元數(shù)是圖書館志愿者崗位的個(gè)數(shù)。隱含層神經(jīng)元個(gè)數(shù)的選取為[22]：

(2)

式中，n為輸入層神經(jīng)元數(shù)目；m為輸出層神經(jīng)元數(shù)目；a為[1，10]之間的常數(shù)，取a的值代入式(2)用試湊法確定最佳神經(jīng)元數(shù)。

2.2 崗位分配模型理論分析

在構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的圖書館志愿者崗位分配模型后，對(duì)網(wǎng)絡(luò)模型在理論上進(jìn)行分析，分為訓(xùn)練與測(cè)試2個(gè)階段。

2.2.1 網(wǎng)絡(luò)模型訓(xùn)練過(guò)程

網(wǎng)絡(luò)模型的訓(xùn)練過(guò)程分為2個(gè)階段：第1階段是輸入已知樣本，圖書館志愿者的特點(diǎn)及崗位用(X，Y)表示，通過(guò)設(shè)置的網(wǎng)絡(luò)結(jié)構(gòu)和前一次迭代的權(quán)值和閾值，從網(wǎng)絡(luò)第一層向后計(jì)算各神經(jīng)元的輸出；第2階段是對(duì)權(quán)值和閾值的修改，從最后一層向前計(jì)算各權(quán)值和閾值對(duì)總誤差的影響梯度，從而對(duì)各權(quán)值和閾值進(jìn)行修改，直到達(dá)到目標(biāo)誤差或達(dá)到最大迭代次數(shù)為止。結(jié)合基于BP網(wǎng)絡(luò)的圖書館志愿者崗位分配模型，其訓(xùn)練過(guò)程包括[23]：

① 對(duì)BP網(wǎng)絡(luò)崗位分配模型初始化。根據(jù)輸入樣本(X，Y)確定網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)志愿者的特點(diǎn)X1～X6，用n表示，隱含層節(jié)點(diǎn)數(shù)用l表示；輸出層節(jié)點(diǎn)數(shù)志愿者的崗位Y1～Y5，用m表示。

② 確定隱含層節(jié)點(diǎn)的輸出。根據(jù)志愿者的任意一個(gè)特點(diǎn)輸入為Xi，輸入層和隱含層的連接權(quán)值ωij，及隱含層閾值aj，計(jì)算隱含層輸出H：

(3)

式中，l為隱含層節(jié)點(diǎn)數(shù)；f(·)為隱含層激活函數(shù)，激活函數(shù)都是單極性Sigmoid函數(shù)，表達(dá)式為：

(4)

③ 確定輸出層節(jié)點(diǎn)崗位分配序列的輸出。根據(jù)隱含層輸出H，隱含層與輸出層連接權(quán)值ωjk和輸出層閾值bk，得到BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出T：

(5)

④ 計(jì)算誤差。根據(jù)網(wǎng)絡(luò)的預(yù)測(cè)輸出T和期望輸出O，計(jì)算網(wǎng)絡(luò)預(yù)測(cè)誤差e：

ek=OK-Tk，k=1，2，…，m。

(6)

⑤ 權(quán)值和閾值更新。根據(jù)網(wǎng)絡(luò)預(yù)測(cè)誤差e更新網(wǎng)絡(luò)連接權(quán)值ωij，ωjk和隱含層、輸出層閾值a，b：

j=1，2，…，l，

(7)

ωjk=ωjk+ηHJek，j=1，2，…，l；k=1，2，…，m，

(8)

(9)

bk=bk+ek，k=1，2，…，m。

(10)

⑥ 依據(jù)BP網(wǎng)絡(luò)崗位分配模型設(shè)置的目標(biāo)誤差條件判斷算法是否結(jié)束，若不滿足條件，返回步驟②。

2.2.2 網(wǎng)絡(luò)模型測(cè)試過(guò)程

將網(wǎng)絡(luò)訓(xùn)練好后，輸入測(cè)試樣本對(duì)網(wǎng)絡(luò)的性能進(jìn)行測(cè)試。在網(wǎng)絡(luò)的測(cè)試階段，網(wǎng)絡(luò)的預(yù)測(cè)輸出數(shù)據(jù)，會(huì)出現(xiàn)多位小數(shù)的情況。由于是對(duì)志愿者與崗位分配的研究，所以輸出層的預(yù)測(cè)輸出數(shù)據(jù)和問(wèn)卷采集的輸出端數(shù)據(jù)Y1～Y5一致，只取1，0.5或0來(lái)代表其是否適合某個(gè)崗位。因此，對(duì)預(yù)測(cè)輸出數(shù)據(jù)需做轉(zhuǎn)換處理：

(11)

式中，t為測(cè)試階段網(wǎng)絡(luò)的預(yù)測(cè)輸出；Y為網(wǎng)絡(luò)轉(zhuǎn)換后的輸出。當(dāng)t≥0.7時(shí)，Y取1；當(dāng)0.2≤t<0.7時(shí)，Y取0.5；當(dāng)t<0.2時(shí)，Y取0。

3 實(shí)驗(yàn)與分析

為了驗(yàn)證上述基于BP神經(jīng)網(wǎng)絡(luò)的圖書館志愿者崗位分配的有效性，開展實(shí)驗(yàn)與分析。

3.1 問(wèn)卷樣本數(shù)據(jù)示例

在校圖書館對(duì)志愿者開展問(wèn)卷調(diào)查，首先平均選取在志愿者崗位Y1～Y5上工作優(yōu)秀的志愿者各60人左右；再向他們共發(fā)放問(wèn)卷320份，實(shí)際回收并選取300份有效問(wèn)卷。通過(guò)問(wèn)卷調(diào)查所得數(shù)據(jù)，隨機(jī)在每個(gè)崗位上選取2份樣本數(shù)據(jù)，共10份數(shù)據(jù)，經(jīng)過(guò)對(duì)輸入、輸出數(shù)據(jù)進(jìn)行歸一化處理后，部分問(wèn)卷處理結(jié)果如表3所示。

表3 歸一化處理后的樣本數(shù)據(jù)示例Tab.3 Sample data after normalization

表3中數(shù)據(jù)是經(jīng)過(guò)歸一化處理后的數(shù)據(jù)。每個(gè)崗位隨機(jī)選取2位志愿者的調(diào)查信息作為展示，共10位，其中，X1～X6為志愿者性格的得分情況，越接近1說(shuō)明該志愿者的某一特點(diǎn)表現(xiàn)越好；Y1～Y5為志愿者的崗位分配情況，1視為最為適合該崗位，0.5視為比較適合的崗位，0視為不適合的崗位。

3.2 實(shí)驗(yàn)參數(shù)

3.2.1 軟件環(huán)境

實(shí)驗(yàn)軟件為：主機(jī)(Win7 64位)的操作系統(tǒng)、Matlab Version 8.2 (R2019a)。

3.2.2 神經(jīng)網(wǎng)絡(luò)參數(shù)

網(wǎng)絡(luò)的訓(xùn)練樣本為從5個(gè)崗位的問(wèn)卷調(diào)查樣本數(shù)據(jù)中各隨機(jī)選取54份左右，共270份；測(cè)試樣本為剩余的30份。

網(wǎng)絡(luò)的神經(jīng)元：BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)為6，輸出層神經(jīng)元數(shù)為5，隱含層神經(jīng)元數(shù)經(jīng)過(guò)反復(fù)測(cè)試，最終確定為13。

網(wǎng)絡(luò)的訓(xùn)練參數(shù)：網(wǎng)絡(luò)訓(xùn)練的目標(biāo)誤差為0.01，最大迭代次數(shù)為2 000，學(xué)習(xí)速率為0.5，網(wǎng)絡(luò)初始權(quán)值閾值隨機(jī)分配。

3.3 實(shí)驗(yàn)結(jié)果

3.3.1 網(wǎng)絡(luò)性能分析

基于上述實(shí)驗(yàn)參數(shù)，將300組樣本數(shù)據(jù)集用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與測(cè)試，訓(xùn)練誤差性能曲線如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)誤差性能曲線Fig.2 BP neural network error performance curve

圖2中顯示的是誤差性能隨著迭代次數(shù)增加逐漸下降的曲線。橫坐標(biāo)值是訓(xùn)練次數(shù)，縱坐標(biāo)值是網(wǎng)絡(luò)的均方誤差。收斂目標(biāo)設(shè)為0.01，最大迭代次數(shù)為2 000。從圖2中可以看出，網(wǎng)絡(luò)在第10次迭代前快速收斂，在第10次左右后緩慢收斂，最終在57次時(shí)均方誤差達(dá)到網(wǎng)絡(luò)的預(yù)設(shè)目標(biāo)誤差值。

3.3.2 測(cè)試結(jié)果

在網(wǎng)絡(luò)訓(xùn)練完成的基礎(chǔ)上，用30組測(cè)試樣本數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行測(cè)試。輸入為每位志愿者的性格得分，輸出為每位志愿者的5個(gè)崗位的得分。得到網(wǎng)絡(luò)預(yù)測(cè)值與真實(shí)值之間的擬合圖，因?yàn)橛?個(gè)崗位，所以每個(gè)崗位上分別對(duì)應(yīng)著30組樣本的輸出值，分別如圖3～圖7所示。

在書庫(kù)管理崗位上30位志愿者的崗位預(yù)測(cè)情況如圖3所示。從圖中可以看出，對(duì)于此崗位30組樣本的預(yù)測(cè)值與真實(shí)值之間為完全擬合，沒(méi)有出現(xiàn)誤差。

圖3 書庫(kù)管理崗位預(yù)測(cè)值與真實(shí)值對(duì)比Fig.3 Predicted and actual values comparison chart of stack room management post

在圖書加工崗位上30位志愿者的崗位預(yù)測(cè)情況如圖4所示。從圖中可以看出，對(duì)于此崗位在第16個(gè)樣本處，真實(shí)輸出為0.5，也就說(shuō)明該志愿者還適合的崗位是圖書加工；但預(yù)測(cè)值輸出為0，認(rèn)為不適合的崗位是圖書加工；第22個(gè)樣本處，真實(shí)輸出為0.5，預(yù)測(cè)輸出為0；第29個(gè)樣本處，真實(shí)輸出為0，預(yù)測(cè)輸出為0.5。因此在第16，22，29三個(gè)樣本處出現(xiàn)誤差。

圖4 圖書加工崗位預(yù)測(cè)值與真實(shí)值對(duì)比Fig.4 Predicted and actual values comparison chart of book processing post

在館內(nèi)向?qū)徫簧?0位志愿者的崗位預(yù)測(cè)情況如圖5所示。從圖中可以看出，對(duì)于此崗位30組樣本的預(yù)測(cè)值與真實(shí)值之間為完全擬合，沒(méi)有出現(xiàn)誤差。

圖5 館內(nèi)向?qū)徫活A(yù)測(cè)值與真實(shí)值對(duì)比Fig.5 Predicted and actual values comparison chart of library guide post

在閱讀指導(dǎo)崗位上30位志愿者的崗位預(yù)測(cè)情況如圖6所示。從圖中可以看出，對(duì)于此崗位在第7和第29個(gè)樣本處預(yù)測(cè)值與真實(shí)值之間沒(méi)有完全擬合。因此在第7和29兩個(gè)樣本處出現(xiàn)誤差。

圖6 閱讀指導(dǎo)崗位預(yù)測(cè)值與真實(shí)值對(duì)比Fig.6 Predicted and actual values comparison chart of reading guide post

在幫助外國(guó)讀者崗位上30位志愿者的崗位預(yù)測(cè)情況如圖7所示。從圖中可以看出，對(duì)于此崗位在第10個(gè)樣本處，預(yù)測(cè)值與真實(shí)值之間沒(méi)有完全擬合。因此在第10個(gè)樣本處出現(xiàn)誤差。

圖7 幫助特殊讀者崗位預(yù)測(cè)值與真實(shí)值對(duì)比Fig.7 Predicted and actual values comparison chart of special reader assistance post

綜合圖3～圖7的分析，30組樣本的崗位預(yù)測(cè)中，分別在第7，10，16，22，29的5組樣本處存在較大誤差，可視為誤差樣本，剩余的25組樣本的預(yù)測(cè)結(jié)果是正確的。因此，基于BP神經(jīng)網(wǎng)絡(luò)的圖書館志愿崗位分配模型的預(yù)測(cè)識(shí)別率為83.3%。其中有少量誤差現(xiàn)象可能是因?yàn)榇嬖谝恍┎豢杀苊獾娜藶橹饔^因素的影響，比如，一位書庫(kù)管理崗位的志愿者認(rèn)為自己還適合幫助外國(guó)讀者的崗位，但他可能僅僅是想提高自身的英語(yǔ)能力，而沒(méi)有考慮自己是否可以勝任的情況。所以，不影響B(tài)P神經(jīng)網(wǎng)絡(luò)對(duì)圖書館志愿者崗位分配的整體分類效果。

上述結(jié)果表明，基于BP神經(jīng)網(wǎng)絡(luò)的圖書館志愿者崗位分配模型能夠用于圖書館志愿者的崗位分類，實(shí)驗(yàn)證明該模型，可在多入多出的崗位預(yù)測(cè)中取得較好的分類效果。

4 結(jié)束語(yǔ)

針對(duì)當(dāng)前對(duì)圖書館志愿者與崗位分配之間的研究，還存在偏理論、缺乏定量定性的智能化的模型等不足，結(jié)合國(guó)內(nèi)學(xué)者采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建崗位匹配模型的方向，提出了構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的圖書館志愿者崗位分配模型。仿真試驗(yàn)結(jié)果表明，該模型在對(duì)圖書館志愿者的崗位分類上有著良好的效果，能夠滿足在實(shí)際中對(duì)大多數(shù)圖書館志愿者合理分配崗位的要求，具有良好的應(yīng)用前景，但由于網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)中會(huì)有少數(shù)因志愿者主觀因素而導(dǎo)致的誤差數(shù)據(jù)，預(yù)測(cè)精度還有待提高。因此，獲取到更為準(zhǔn)確的樣本數(shù)據(jù)，完善圖書館志愿者崗位分配指標(biāo)體系是下一步研究的重點(diǎn)。