大數據環境下圖書館學術資源個性化推薦服務研究

黃義文

（貴州工程應用技術學院，貴州 畢節 551700）

大數據環境下圖書館學術資源個性化推薦服務研究

黃義文

（貴州工程應用技術學院，貴州 畢節 551700）

［摘要］介紹了大數據環境下圖書館學術資源個性化推薦服務內容；構建了大數據環境下圖書館學術資源個性化推薦服務系統，主要包括：服務系統模型建立、學術資源描述和推薦策略；指出了大數據環境下圖書館學術資源個性化推薦服務的實施途徑。

［關鍵詞］大數據環境圖書館學術資源個性化推薦服務

隨著現代信息技術的不斷發展，出現了大量數據，2012年聯合國組織發布了大數據白皮書“Big Data Development Challenges&Opportunities”［1］。大數據時代圖書館學術資源推薦服務最明顯的特征是數據量規模巨大以至于僅憑借人工技術很難在計劃的正常合理時間內完成對信息的收集、整理、分類、轉化，并處理成用戶能接受的信息資源。大數據最顯著的“4V”特性是信息資源多樣性（Variety）、海量性（Volume）、快變性（Velocity）、價值性（Value），主要體現在信息資源的開放和分散、重全體、重關系、重預測等方面，因此面對巨大規模的數據，使用者如何處理和利用這些信息顯得特別重要和緊迫［2］。面對這些新形勢，圖書館學術資源推薦服務必須改變思維和工作方法，才能解決數據的挖掘、處理和管理，最終實現大數據環境下圖書館學術資源推薦服務的個性化，為學術資源推薦服務的創新發展提供有力支撐。

1　大數據環境下圖書館學術資源個性化推薦服務的特點

1.1學術資源推薦面臨海量結構化與非結構化數據的處理

當前的數據種類多種多樣而且會來自不同的行業領域，所以它的結構復雜并且會隨著種類的不同而變化。大數據的數據結構多樣及數據種類巨大等基本特征使大數據的數據價值變得比較稀疏即數據價值密度較低。而且在處理大數據時，一般沒有采用處理數據常用的抽樣方法，這是因為抽樣法只對事物的一些特征進行抽樣、挖掘、加工等，而大數據需要對事物的所有數據特點都進行挖掘、處理進而進行存儲。隨著網絡和計算機運用的推廣，像QQ、微信、新浪、BBS、博客等這些社交網絡的流行，讓用戶能夠主動的發出信息，而不再像以前那樣只能夠接收到信息，比如用戶的一些心得、狀態以及圖片信息等都能夠有效地分享給大家［3］。這就使數據表現出不單只是那種簡單的結構化模式，呈現最多的是非結構化以及半結構化的狀態。現今用戶對信息的需求已經不僅僅只是文字信息，更多的還要通過圖片、語音、視頻等來傳遞信息，這就會導致更多非結構化的數據生成。圖書館要想更好地為用戶提供個性化服務，只處理那些結構化的數據已經遠遠不夠了，必須把那些結構化、半結構化以及非結構化的數據全部收集起來進行處理，才能滿足用戶對信息的需求。圖1介紹了圖書館對大數據的處理流程。

圖1　圖書館大數據處理流程

1.2個性化推薦服務是學術資源深層次服務的新動向

個性化推薦服務是大數據環境發展的必然產物，它不但能夠通過需求信息給用戶提供有用的學術資源，而且還能夠通過對讀者的專業進行歸納、對讀者的興趣愛好進行分析，向用戶推薦他們可能會感興趣的信息。有了個性化推薦服務這種新方式，用戶不用再親臨圖書館就能夠感受所有在圖書館里可以感受到的信息并且如身臨其境。個性化推薦是大數據發展的產物，是在大數據庫里挖掘某類知識的一種應用技術。由于系統結構并不一樣，分為內容推薦系統和協同推薦系統兩種類型：內容推薦系統是通過用戶的興趣來推薦他們可能會感興趣的信息；協同推薦指的是通過用戶對某種信息需求的相似性來為用戶推薦的。個性化推薦系統把這兩種推薦方式的優點集于一身，把為用戶推薦信息的程度達到了又好又精準。因此個性化推薦服務在一定程度上加大了信息資源服務力度，是一種最大限度滿足用戶個性化信息需求的服務。

1.3數據整合為學術資源個性化推薦服務提供保障

大數據時代，其標志是大量密集型的數據，科學研究在分級、備份以及保護數據方面提出了更高層次的數據共享需求。伴隨不斷增長的學術資源，圖書館面臨新的問題，即如何對這些海量的資源數據進行保存。從圖書館的角度來看，大數據時代的到來改變了數據利用、管理的方式。盡管新出現的云存儲、Web挖掘等技術可以對這一格局從局部進行改善，但是對數據存儲格式統一等［4］問題尚無很好的解決方法。大數據涵蓋了所有學科、各類來源、各類層次研究人員以及研究各個階段的數據，這些數據具有多樣性、共享性以及復雜性的特點，這些數據的整合為圖書館學術資源的個性化推薦服務提供了可能。

2　大數據環境下圖書館學術資源個性化推薦服務內容

2.1基于模型的協同過濾學術資源推薦服務

常見的通過項目來推薦服務的主要缺點是數據量太少，不能對那些大數據進行很好的挖掘及處理，從而給用戶資源推薦帶來不利的影響，故發展了通過模型來進行推薦的協同推薦服務。協同過濾推薦是先通過了解讀者訪問的歷史記錄，以此建立模型，推測讀者的興趣愛好，并通過這個模型來分析讀者急需的信息資源，進而通過信息內容及讀者興趣推薦資源。這種推薦方法，主要是通過找到讀者的需求并以此為模型，使用最多的方法有機器學習統計模型、貝葉斯模型、概率相關模型以及線性回歸模型等［5］。

2.2基于關聯規則的學術資源推薦服務

在慶祝海南建省辦經濟特區三十周年大會上的講話中，習近平總書記指出，堅持黨的領導，全面從嚴治黨，是改革開放取得成功的關鍵和根本。當前，中國特色社會主義進入新時代。這個新時代是中國特色社會主義新時代，而不是別的什么新時代。推進新時代改革開放，黨的領導起決定性作用，必須始終不渝、與時俱進堅持黨的領導。

數據挖掘指的是通過某種方法對數據進行分析，進而找到一些比較有用的信息資源，其中關聯規則挖掘是數據挖掘技術中一項必不可少的挖掘方法，通過在很多數據庫中發現某種事物之間的關系，從而能更好地為服務提供必要支持。文獻資源的關聯挖掘指的是利用用戶的歷史訪問記錄來發現信息資源之間的關系，從而完成信息的推薦服務。由于規則中有很多可變因素，因此分為布爾型關聯規則和數值型關聯規則兩種類型，又由于規則中數據的抽象層次能夠分為單層關聯規則以及多層關聯規則，并且規則中的一些數據的維數又能分成單維和多維兩種類型。基于關聯規則的信息資源的推薦，一般情況下轉化率是非常高的，這是由于用戶在圖書館獲取學術資源時主要是訪問那些常見的、專業的、價值高的資源。

2.3基于資源內容的推薦服務

圖書館個性化推薦服務系統根據用戶對信息資源的需求提取信息，再匹配用戶的興趣愛好模型，這樣就能夠向用戶推薦吻合率較高的信息資源了。舉例來說，當向用戶推薦信息資源的時候，系統就會通過模型來分析用戶可能會對哪種類型的信息資源感興趣，再從圖書館里篩選出和讀者興趣愛好最相近的資源來推薦給他們。這種推薦方法更適合那種對自己的興趣愛好特別明確的用戶。當用戶在對信息資源進行檢索時，輸入某個檢索詞，就會有一系列的結果顯示出來，然后再通過查看某個文獻的標題，這個文獻資源的詳細信息就會顯示出來。在一系列的檢索結果里，只要把和檢索詞最相關的結果排在最前面就能很好地展示給用戶了。

3　大數據環境下圖書館學術資源個性化推薦服務系統構建

3.1服務系統模型

大數據環境下的圖書館個性化推薦服務是通過對用戶的特征、興趣類型還有對信息資源的訪問歷史來進行挖掘，通過讀者的興趣愛好來推薦資源，也能把和這位讀者具有相似興趣愛好的人集合起來從而對他們進行推薦，還能過濾掉那些用戶不需要或者不感興趣的信息資源。數字圖書館個性化資源推薦服務系統由3個非常重要的模塊組成：讀者興趣模塊、推薦資源對象模塊以及推薦算法模塊，如圖2所示。

圖2　個性化資源推薦服務系統模型

3.2學術資源描述

3.3推薦策略

推薦策略是整個學術資源個性化推薦系統必不可少的組成部分，它對推薦系統的性能好壞都起著至關重要的作用。因為學術資源豐富多樣，選擇什么樣的個性化推薦服務以及該如何選擇是當前需要面對的一項重大問題，因為這會直接導致目前圖書館個性化推薦服務能否成功。另外，學術資源個性化推薦系統主要是由推薦策略和架構模型組成，其中架構模型是連接推薦系統功能和資源描述的紐帶，還是整個推薦系統的核心組成部分。

內容推薦策略是資源信息過濾技術不斷發展和完善的重要組成部分，通過學術資源的內容信息向用戶推薦學術資源，而且不需要用戶的直接評論；內容推薦策略最大的優勢是解決了數據稀少的問題，但是它也要求信息資源的內容能夠容易描述出來從而進行抽取，像一些論文、課件等就適合利用這種方法。還有一種協同過濾推薦方法，它是通過利用最相近的計算方法，通過用戶的歷史訪問記錄以及興趣愛好來產生用戶最近的信息需求，從而能夠判斷出用戶對這種信息資源的需求程度，這樣就產生一系列能夠推薦的列表；協同過濾推薦策略可以把非結構化的數據進行綜合處理，而且還能夠找到讀者的某些興趣愛好，當然還是避免不了現在數據稀少、數據擴展的問題，當然它對教學視頻等一些非結構化信息資源等都能進行比較有效的推薦。現在為了避免以上兩種方法的缺點，結合其長處，筆者所研究的推薦系統利用內容推薦和協同過濾推薦相輔相成的方法，主要有變換、混合、層疊等。

4　大數據環境下圖書館學術資源個性化推薦服務的實施策略

4.1轉變推薦服務的方式與理念

在信息爆炸的時代，對于圖書館來說，急需發生轉變的就是學術資源服務方式，但是轉變服務方式需要圖書館對傳統的服務理念從根本上進行改變。從這個意義上來說，圖書館也要著重對創新人才的培養，在大數據背景下，挑選學科知識基礎扎實、具備較強技術能力的人才，通過培養，充分發揮這些人才的能力，完成圖書館的個性化服務。在大數據環境下，圖書館的學術資源推薦服務在運行學術服務項目時要用科學的發展觀看問題，在“降本增效”的指導下，對服務創新效益做以全面的評估；跨領域實現戰略的設計和合作；在信息安全方面，開發數據密集型方法，提升安全級別；在圖書館構建多維學科服務等，提升大數據環境下其對學科服務創新的效果。

4.2確認并統一用戶的身份認證

圖書館學術資源個性化推薦服務主要是針對用戶的，因此在圖書館學術資源推薦服務的過程中，用戶需要有一個統一的身份才能方便圖書館對讀者進行跟蹤并獲取其興趣愛好。目前，圖書館都有自己的服務系統，像OPAC系統、校外訪問系統、咨詢服務系統、資源檢索系統等［7］，并且這些機制的身份認證都不統一，這樣用戶在使用系統時就需要輸入不同的信息，導致了系統不好對讀者進行認證。完成對讀者身份的統一認證，可以與用戶在學校的身份信息相對應，這樣讓用戶能夠更方便地使用圖書館系統，從而能夠為圖書館個性化推薦服務系統提供比較一致的身份認證信息。

4.3引入數字化技術提升服務能力

在大數據背景下，傳統單一的圖書館學術資源已經滿足不了高校的科研需求。同時社會資源服務機構也對圖書館產生了沖擊，所以圖書館要加強數字化進程，開拓個性化推薦服務才能更好地為用戶提供服務，其關鍵就是把數字化應用技術引進來，該技術是圖書館和現代技術的完美融合。圖書館應該基于現有的學術資源服務模式，充分利用各種現代化數字手段，搜索和整理互聯網上的有用資源，提供給用戶參考。在傳統意義上，圖書館探索的學術資源服務模式主要以紙質資源為主，大數據環境下已經發展為以數字化資源服務模式為主，這種數字化的服務模式能有效化解圖書館服務與用戶信息需求之間的矛盾，促進圖書館文獻資源建設的多元化和融合、信息資源數字化管理與服務的水平，從而提升個性化服務能力。

5　結語

大數據環境下圖書館學術資源越來越多，科研人員必須花費大量的人力、物力、財力才能得到所需的信息資源，個性化推薦技術能向用戶推薦最急需的學術資源信息，從而很好地解決用戶科研需求，同時也大大提高了學術資源的利用率。

參考文獻：

［1］樊偉紅，等.圖書館需要怎樣的“大數據”［J］.圖書館雜志，2012（11）：63-68.

［2］董秀娟.網絡環境下圖書館個性化信息服務研究［D］.曲阜：曲阜師范大學，2010.

［3］黃永勤.國外大數據研究熱點及發展趨勢探析［J］.情報雜志，2014（6）：99-104，78.

［4］容春琳.公共圖書館應用大數據的策略研究［J］.圖書館建設，2013（7）：91-95.

［5］楊海燕.大數據時代的圖書館服務淺析［J］.圖書與情報，2012（4）：120-122.

［6］韓翠峰.大數據時代圖書館的服務創新與發展［J］.圖書館，2013（1）：121-122.

［7］張文彥，武瑞原，于潔.大數據時代的圖書館初探［J］.圖書與情報，2013（6）：15-21.

黃義文男，1977年生。本科學歷，館員。研究方向：讀者服務。

［分類號］G252.7

收稿日期：（2016-03-30；責編：徐向東。）