個性化推薦技術在圖書館服務中的應用

■王夢琳／西北政法大學

一、前言

個性化推薦技術是指結合讀者的個人習慣、愛好、專業和提出的要求等為依據，為每一位讀者提供個性化的推薦服務。讀者的個人信息都是存儲在圖書館的數據庫中，這些個人信息全部都可以在讀者的借閱日志中查詢到。個性化的推薦技術需要建立在挖掘出讀者的大量潛在信息，以便圖書館的信息系統進行個性化的推薦服務。從多角度和多方向來說，研究個性化推薦技術的文章有很多，從中揭示了圖書館個性化推薦技術的重要意義，預測了在未來社會中個性化推薦技術的重要作用。

二、個性化推薦技的服務需求

信息技術和互聯網技術的迅猛發展將我們帶入了大數據時代，有著如海水般的知識，一方面增加了用戶尋找自己感興趣信息的難度，另一方面大量的信息數據無法被普通用戶獲取使用，自從個性化推薦技術的問世，該技術成為解決信息過載問題最有效的技術。

個性化推薦技術系統最主要的三個組成因素是用戶、項目和推薦算法［1］。個性化推薦技術的技術核心是推薦算法，精確找到用戶所感興趣的信息資源并根據所找到的信息資源進行科學合理的推送。就目前而言有幾種最為基礎的推薦技術，但是這些基礎的推薦技術有著信息數據稀疏性、實時性等問題。由于這些問題的存在，讓人們的閱讀滿意度逐步降低。隨著互聯網技術的快速發展，用戶基本處于移動狀態中，其所在的地理位置和環境容易影響推薦系統的推送效果。一些推薦系統進行改革，充分的考慮到這些因素，從而增強了推薦系統的推薦質量，為讀者提供高質量的推薦內容，增加讀者的閱讀滿足感，是增加閱讀量的好方式。

三、個性化推薦技術在圖書館服務應用的必要性

（一）圖書館擁有極為豐富的信息資源

圖書館經過長時間的發展和積累，沉淀下了很多的重要的藏書、文獻，而且在圖書館中不僅有豐富的專業知識，還有濃重的學習氣氛和文化氛圍。隨著時代的進步，圖書館逐步和互聯網聯系在一起。現在，人們對于圖書館內的館藏資源的研究主要包括可視化的檢索和可視化的檢索結果。圖書館內的館藏資源的可視化工作是一件非常重要并且困難的事情，可視化的數據資源不僅數量巨大而且還要求可視化效果好。因為圖書館內保存的部分資源采用的都是很久以前的紙質，因此這些信息的可視化工作不是一件容易做到的事情。這些客觀因素增加了圖書館內資源的可視化工作的難度，在很大程度上阻礙了圖書館內的可視化進程［2］。除此之外，圖書館的個性化推薦系統的建設進程也會因為這些原因變緩。

（二）圖書館用戶的信息需求量多種多樣

在圖書館中，用戶的需求具有多樣性的特點。首先，客戶需求的信息主體是多樣的，所以導致信息用戶的數量不斷增加，但是這些信息需求者之間又不存在信息互通的關系，因此當他們需求不同的數據信息時，就很大的增加了圖書館工作人員的工作難度；其次，客戶需求的信息內容存在多樣化，因為需求信息的主體的增加，所以使得用戶可以選擇信息數據源也隨之增加，不同的用戶需要不同的信息；最后，用戶獲取信息的方式多樣化，信息時代的高速發展，提供給用戶更多的途徑來獲取所需信息。個性化推薦技術可以根據每一位用戶的閱讀習慣、愛好、專業和提出的要求等特點進行針對性的信息推薦，從圖書館中自主的獲取信息。

四、個性化推薦技術在圖書館的應用

在圖書館內進行借閱操作，這是圖書館的主要工作。隨著借閱用戶數量的不斷增加，圖書館工作人員的工作難度也在不斷的增加，因為圖書館內的工作人員不僅要對圖書進行合理的規整，還要對用戶進行圖書推薦。做好推薦工作的關鍵就是通過對用戶的閱讀習慣的分析，總結出不同用戶的不同借閱習慣，但因為用戶數量大，所以工作人員無法做到向用戶準確的推薦圖書。這項個性化推薦服務的提出，充分的體現出圖書館“以人為本”的理念。

（一）文獻資源的推薦應用

圖書館中存儲最多的資源就是各種文獻資源，而且文獻資源的利用率是評價一個圖書館各種服務好壞的重要指標之一，尤其是個性化服務的評價所占比重更高。所以在圖書館的工作中，個性化推薦工作是整個圖書館服務工作的重點項目。

采用關聯分析的方法進行用戶數據收集整合，通過系統研究分析讀者的歷史借閱數據，然后利用系統的數據挖掘功能構建出用戶的借閱模型，通過這個模型可以分析用戶的閱讀習慣，并且幫助圖書館進行個性化推薦服務，提高圖書館的服務水平。

（二）文獻檢索功能

在圖書館內進行查閱資料，最主要的一個環節就是進行文獻檢索。在一些傳統的圖書館內，只是將館內資源簡單的陳列出來，讓讀者自己尋找，無法為用戶提供方便快捷的個性化推薦服務［3］。

圖書館要想進行個性化的推薦服務，就需要通過數據挖掘技術減輕工作人員的工作難度。首先，在數據準備階段，館藏資源的信息數據就是數據的基礎，所以在收集信息的過程，也是進行數據挖掘的過程。收集的信息數據主要是用戶的歷史借閱行為，這種數據收集工作本身就是一項艱巨的工程。在圖書館的后臺數據庫中，信息數據資源是海量般存在的，數據的信息處理不僅要求收集用戶的歷史借閱記錄，還要收集用戶相關的預約和續借等信息，并且將其收集的信息整合起來。其次，在信息處理階段，該階段主要處理的信息數據是從數據準備階段收集過來的，對數據進行聲音處理和查重處理，然后將處理好的數據進行整合，放入構建好的數據庫中，有利于個性化推薦系統進行個性化推薦工作。最后，數據可視化階段，該階段利用關聯分析的方法將數據呈現出來，把不同的用戶的閱讀喜好和借閱圖書的習慣規整分析出來，然后通過可視化技術將這些數據信息結合個性化推薦技術提供給用戶。當用戶在進行文獻檢索時，系統會自動推薦相關文獻，同時會將用戶的其他喜好進行排列比較，推薦符合用戶的其他閱讀物，不僅可以有效的為讀者引導，同時還可以將有用的數據信息可視化的展現給用戶［4］。

（三）圖書館館藏書架的優化管理

眾所周知圖書館內的資源信息非常豐富，其包含的內容更是多種多樣，可以有效地幫助用戶進行相關的科學研究。因為圖書館內存在相當多的文獻資料，所以圖書館的書架管理工作的優化管理就顯得尤為重要。通過個性化推薦系統收集的數據信息可以預估圖書文獻的變化趨勢，可以及時做到換掉舊文獻，迅速換上新文獻。

圖書館的館藏書架的優化管理，首先要通過圖書館內的歷史借閱數據進行總體分析，計算出文獻被借閱的周期，然后對各種文獻進行分類擺放，實時更新上架的文獻。將借閱次數多的圖書放在比較容易找到的地方，減少圖書館工作人員來回整理書架的次數。要及時剔除舊文獻，及時更換新文獻，經過數據的分析比較將已經殘缺破損的圖書規整到具體的位置，以便以后的檢查工作。同時將館藏資源的數據信息輸入到系統中，使得圖書館的文獻資源信息得到及時的更新［5］。

五、結語

個性化推薦技術結合了互聯網的先進技術，提高了圖書館的綜合服務水平，給圖書館提供了一條嶄新的道路和未來發展模式。為讀者在知識服務體驗方面帶來了全新的驚喜和滿足感。基于智能化的個性話推薦技術滿足了讀者的個性化和主動性服務，也解決了在海量知識下讀者發生迷茫的現象。結合個性化推薦技術的圖書館在很大程度上滿足了在網絡時代的服務需求，更加深刻的體現出圖書館“以人為本”的觀念，為圖書館用戶提供了更高質量的服務。