基于知識圖譜的智慧圖書館文獻資源個性化推薦方法

摘要：為提高用戶對智慧圖書館服務的滿意度，該文以某智慧圖書館建設為例，引入知識圖譜理論，開展文獻資源個性化推薦方法的設計研究。首先構建智慧圖書館文獻資源知識圖譜，抽取知識圖譜中的核心內容；然后將文獻資源中的知識點與其他知識點建立聯系，形成知識網絡；最后通過對文獻資源的深入分析和挖掘，構建用戶資源關聯信息，根據用戶與不同類別文本之間的相似度或匹配度，實現對資源的個性化推薦。實驗結果表明：應用該文設計的個性化推薦方法，可以根據用戶的興趣、需求和行為習慣等信息，主動向用戶推送符合其需求的文獻資源，推薦的資源與用戶需求資源相似度較高，應用效果較好。

關鍵詞：知識圖譜；特征抽取；推薦方法；個性化；文獻資源；智慧圖書館

doi：10.3969/J.ISSN.1672-7274.2024.07.027

中圖分類號：G 250.7；TP 391 文獻標志碼：B 文章編碼：1672-7274（2024）07-00-03

The Personalized Recommendation Method of Literature Resources in Intelligent Library Based on Knowledge Graph

HE Xin

（Library， Shenyang University of Chemical Technology， Shenyang 110142， China）

Abstract： In order to improve users' satisfaction with the smart library， this paper takes the construction of a smart library as an example， introduces the knowledge graph theory， and carries out the design and research of the personalized recommendation method of literature resources. Firstly， the knowledge map of the literature resources of the smart library is constructed， and the core content of the knowledge map is extracted. Then the knowledge points in the literature resources are connected with other knowledge points to form a knowledge network. Finally， through in-depth analysis and mining of literature resources， the association information of user resources is constructed， and personalized recommendation of resources is realized according to the similarity or matching degree between users and different types of texts. The experimental results show that the personalized recommendation method designed in this paper can be applied to actively push literature resources that meet the needs of users according to their interests， needs and behavior habits and other information. The recommended resources are highly similar to the resources required by users， and the application effect is good.

Keywords： knowledge graph; feature extraction; recommendation method; personalized; literature resources; intelligent library

隨著時代的發展，圖書館作為學術研究和知識傳播的重要機構，需要不斷地提高其服務水平和質量，為學術研究和知識傳播提供更加全面、精準的文獻資源支持[1]。傳統的圖書館服務模式通常采用被動式的檢索方式，該種方式不僅浪費時間和精力，還無法保證檢索結果的準確性和全面性[2]。通過個性化推薦方法，圖書館可更好地了解用戶需求和行為習慣，提供更加精準的文獻資源推薦服務，適應數字化信息環境的發展。在該背景下，本文以某智慧圖書館建設為例，引進知識圖譜技術，開展文獻資源個性化推薦方法的設計研究。希望通過本次研究，可更好地了解用戶需求和行為習慣，為其提供更加精準的資源推薦服務。

1 智慧圖書館文獻資源知識圖譜構建與

核心內容抽取

智慧圖書館是一種以數字化、網絡化、智能化為手段，提供個性化、精準化、智能化服務的圖書館新形態[3]。在智慧圖書館建設中，通過構建文獻資源知識圖譜，可將文獻資源轉化為結構化的知識，以便于管理和利用。在此過程中，需要明確文獻資源知識圖譜所要解決的主要問題，以及其應用場景和需求[4]。根據確定的實體和屬性，建立實體之間的關系，構建成一張完整的知識圖譜，具體如圖1所示。

圖1 智慧圖書館文獻資源知識圖譜

核心內容抽取是從文本中提取出關鍵信息的過程，此過程可以幫助用戶快速準確地把握文獻資源的主題、觀點和結構等核心要素。在抽取過程中，先對文獻資源進行預處理操作，將其轉化為計算機可處理的形式，此過程如式（1）所示：

（1）

式中，為文獻資源預處理；為實體向量；為范數；為關系向量。從預處理后的文本中提取出關鍵詞，這些關鍵詞能夠代表文獻資源的主題和核心內容。將提取出的關鍵詞轉化為向量形式，便于進行機器學習和分類等操作，利用機器學習算法對文本進行分類和聚類等操作，從中提取出核心內容和觀點等信息。

2 知識點連接與用戶資源關聯構建

通過將知識點與用戶資源進行關聯，可以挖掘用戶的興趣和需求，提高推薦的準確性和效率。連接過程中，將文獻資源中的知識點與其他知識點建立聯系，形成知識網絡。先從文獻資源中提取出關鍵信息的過程，通過對文獻資源的深入分析和挖掘，可以提取出主題、概念、事件、實體等核心要素作為知識點，具體如式（2）所示：

（2）

式中，為知識點提取；為知識連接度；為知識點之間的最短路徑；為知識點之間的平均路徑長度。在提取出知識點后，需要建立知識點之間的關系。在此基礎上，進行用戶資源關聯的構建，用戶資源關聯構建是指將用戶信息與文獻資源進行關聯，探索用戶的興趣，為滿足用戶的個性化需求提供精準支撐。

用戶信息采集包括用戶的借閱歷史、搜索歷史、閱讀習慣等。通過對用戶信息的采集和分析，可以了解用戶的興趣和需求，為個性化推薦提供依據。在采集到用戶信息后，需要對其進行挖掘和分析，以此為依據，建立用戶與不同知識類別之間的關聯，如式（3）所示：

（3）

式中，為用戶與不同知識類別之間的關聯；為分類樹；為用戶編號；為知識點類別。綜上，完成知識點連接與用戶資源關聯構建。

3 資源特征抽取與個性化專項推薦服務

以上述工作為基礎，開展圖書館資源特征抽取與個性化專項推薦服務設計。所謂資源特征抽取過程主要是文本特征提取，其包括文本的語義、情感、主題等方面的信息。在智慧圖書館中，文本特征提取是實現資源特征抽取的重要手段之一。通過對文本的深入分析和挖掘，可以提取出文本的主題、情感、關鍵詞等特征，為后續的數據分析和推薦提供依據。明確文本的主題及其所傳遞的情感與知識內容后，通過計算用戶與不同類別文本之間的相似度或匹配度完成資源推薦，其計算公式為：

（4）

式中，為用戶與不同類別文本之間的相似度或匹配度；為用戶數量；為目標用戶；為詞向量；為文本數量；為詞向量均值。綜上，完成智慧圖書館文獻資源個性化推薦方法設計。

4 對比實驗

為排除相關因素對實驗結果的影響，應在開展實驗前，與試點單位進行交涉，收集圖書館的文獻資源數據，其包括用戶的借閱記錄、搜索歷史、閱讀習慣等。在收集完數據后，需要對數據進行清洗、去重、格式轉換等操作，以保證數據的準確性和完整性。在此基礎上，對實驗中相關樣本數據進行分析和處理，提取出與文獻資源推薦相關的特征。這些特征包括書籍的類別、主題、作者、出版時間、用戶的借閱歷史、搜索歷史、閱讀習慣等。在進行實驗時，需要設置合適的實驗環境和參數。完成實驗準備工作后，使用本文設計的方法，進行資源的個性化推薦設計，設計過程中，先構建智慧圖書館文獻資源知識圖譜，根據知識圖譜結構進行文獻資源中核心內容的抽取。在此基礎上，進行不同類別知識點的連接，并構建用戶與文獻資源之間的關聯度，最后，通過對資源特征抽取，實現為用戶提供個性化、專項推薦服務。為滿足實驗結果的對比需求，引進基于自組織映射網絡的推薦方法為傳統方法1，引進基于K-means算法的推薦方法為傳統方法2。完成上述設計后，選擇5名用戶作為實驗對象，使用三種方法，對其進行文獻資源的個性化推薦，將推薦資源與用戶需求資源的相似度作為檢驗推薦方法應用效果的關鍵指標，其結果如圖2～圖4所示。

從圖中可以看出，在3種方法中，傳統方法推薦資源與用戶需求資源的相似度會隨著樣本數據的訓練次數增加而增加，但推薦資源與用戶需求資源的相似度仍未能趨近100%，而使用本文設計的方法進行文獻資源個性化推薦，即便樣本數據訓練次數較少，但推薦的資源仍與用戶需求資源相似度較高，因此得到如下結論：本文設計的個性化推薦方法，可以根據用戶的興趣、需求和行為習慣等信息，主動向用戶推送符合其需求的文獻資源，從而提高用戶獲取信息的準確性和全面性。

5 結束語

面對數字化信息環境的挑戰和用戶信息需求的改變，圖書館需要轉變傳統的服務理念和模式，不斷創新服務模式，提高服務質量，滿足用戶的個性化需求。本文以某智慧圖書館建設為例，通過文獻資源知識圖譜構建與核心內容抽取、知識點連接與用戶資源關聯構建、資源特征抽取與個性化專項推薦服務等開展了文獻資源個性化推薦方法的設計研究。測試結果表明，應用該方法可對圖書館文獻資源進行自動化推薦。此次研究為圖書館的升級轉型提供了新的思路和方法，可使其更好地適應數字化信息環境的發展和用戶信息需求的變化。

參考文獻

[1] 張建偉，李月琳，張泰瑞．科研信息用戶與知識服務平臺個性化信息推薦功能的交互研究[J]．圖書情報工作，2023，67（20）：105-115．

[2] 寧莉莉．大數據背景下基于K-means算法的Web用戶興趣特性因子的提取研究[J]．自動化與儀器儀表，2023（9）：41-45．

[3] 丁建立，張莉．基于圖神經網絡的民航旅客隱式交互特征挖掘與航班推薦模型[J]．計算機應用與軟件，2023，40（7）：166-171，273．

[4] 簡子楊，董國威，吳晨．基于關鍵分詞過濾及用推戶薦操方作法偏好的智能軟件個性化[J]．信息與電腦（理論版），2023，35（13）：188-190．