協同推薦系統在民辦高校圖書館借閱系統中的應用研究

章志玲

摘 要：目前，網絡通訊技術以及數據庫技術發展空前，也為高校圖書館的數據處理模式帶來了改變，從以往的人工服務器模式轉變為計算機自動處理，尤其是圖書的借還形式也發生了改變，都通過數據庫技術完成。因為時間的積累，大量的信息存在于圖書館的數據系統中，如果能夠從這些信息中提煉出有用的內容或者有價值的規律，那么將使圖書館的管理和服務有很大的提高。

從眾多的資源中，根據讀者們的查閱過的信息進行記憶，從中獲取他們的閱讀愛好，找到閱讀中的規律，快速準確實現向讀者推薦圖書的目的。

本文對協同過濾如何在圖書館管理中進行應用做了仔細的介紹，深度挖掘借閱者的興趣愛好，以此進行具有關鍵性的圖書推薦，對于指導圖書館在圖書推薦工作中具有一定的參考價值。

關鍵詞：協同過濾；借閱系統；數據挖掘；圖書推薦

1 研究的背景和意義

商丘學院是一所民辦本科高校，經費來源主要依靠學生的學費，圖書館資源的購置經費是有限的。如何利用有效的經費為全校師生購置有效的資源，如何將有效的資源充分利用是民辦高校圖書館的重點工作。經過十多年的積累和建設，學院圖書館的資源已初具規模。圖書館的服務對象主要是教師和學生，兩者對圖書館的要求有所區別，老師主要利用圖書館的資源進行學術科研活動，學生主要滿足其學習的需求。圖書館的建設要根據服務對象需求的不同具有不同的功能，發展具有針對性的個性化服務，更大范圍和程度上滿足使用者的需求，使圖書館的服務更加到位。除此之外，老師和學生對圖書館的使用主要是滿足自己所研究領域和專業學習的需要，傳統的借閱模式已過于死板，因此，圖書館的信息不僅是滿足日常讀者的需要，更要在專業化方面更加完善。

受現代科技的影響，計算機技術和數據庫技術被廣泛的應用到高校的圖書館管理中。目前，開創個性化圖書館服務指的是進行個性化數據圖書館服務，對于推薦服務系統是對圖書館個性化服務的主要研究方向。圖書館推薦服務系統，就是圖書館系統根據眾多借閱者的查詢記錄，在其他借閱者到館中進行相關內容的查詢時，聯系之前查閱者的查詢記錄對相關內容進行推薦。因為現代互聯網的快速發展，所以在信息服務方面圖書館需要對服務模式進行適當的調整，以提高質量和書籍利用率，這就需要圖書館根據讀者需要，推出個性化服務形式。所謂個性化信息包括客戶的年齡、學歷、職位、興趣愛好、瀏覽與下載等，對不同年齡段，不同需求的客戶進行具有個體針對性的信息推薦系統。

2 協同推薦技術的理論基礎

推薦系統的整體構造核心由推薦算法板塊、用戶興趣板塊、推薦對象板塊三個重點構成。

1）用戶興趣模型的建模。研究者開發推薦系統的最終導向是將最貼合使用者的個性化資料傳送了使用者，對使用者過去的操作和喜好選擇進行分析來得到當前的喜好標簽尤為重要，而設置一個興趣模型對于這一目標的達成有很重要的作用。模型建設成果后，能夠快速、準確地得到使用者個性需求。

2）推薦算法核心模塊。推薦系統搭建興趣模型最重點的核心就是算法。算法和系統的操作性能直接相關，所以，不少研究者都在這個點加大投入。有些學者提出了傳統算法的特殊性升級，有一些學者則認為要根據具體狀態進行多算法結合，以達到推薦準確度優化的目的。當前，研究領域和實操者們都認可的算法為以下幾種：以內容為標準、以關聯規則為準則、以效用為參考、以知識為基準、以協同過濾為基礎的五種算法。我們在研究時試圖對這五種算法進行細致化的分析和闡述，還會對近期研究者們重點研究的投向對共性推薦手段個性化的衍生算法進行必要的描述。

3）推薦對象模塊。日用品、服裝、書籍、電子設備這些都是不同行業的商品，但每一類都需要借助喜好來進行推薦。說到不一樣的品類推薦就要說到對象板塊。可以說，推薦對象的闡述并沒有一個可以進行參考的大規則（算法）。以內容為標準的算法，一般都要對推薦對象（商品）入手，對其特點進行描述來進行標簽設定，現在截取特點的辦法純熟一點的手段是文本對象特征提取。不過，無論是互聯網還是實體，各種各樣的商品條目和分類導致有些商品本身不一定能挖掘到文本性質，要進行特點獲取就必須要和它本身所在的行業知識綜合考量。

3 存在的問題與思考

本文著重將協同過濾技術與圖書館管理技術相結合，分析了以下工作：

1）本次調查不僅分析了這項先進的技術在各大圖書館的使用率，也系統總結了協同過濾技術以及余弦相似度算法，具體可分為兩個方面，一是協同過濾挖掘，二是其算法分類。這項算法既可以以用戶為出發點，也可以從項目上進行分析，可以準確剖析這項技術的優點和劣勢，同時也可以預測分數。

2）統計在圖書館當中每個讀者的借閱次數，根據真實的記錄，同時按照相應的算法以及計算原理，構建圖書館與讀者相適應的先進系統。這個系統自動具備人性化管理模式，同時，可以按照讀者興趣愛好推薦不同類型的書目，讓讀者在最短的時間找到自己的所需。因此，可以使得人們更加便捷的借閱圖書，讓圖書館能夠根據讀者的興趣推薦圖書，實現圖書館與讀者的良性互動。

3）這個系統能夠自動優化統計結果，根據數據找出相似用戶，也能找出最受歡迎的圖書類型，將它們的排列次序前置，從而能夠達到最好的推薦效果。

4）建立完備的圖書館衡量標準，根據查準率進行判斷，準確的評估推薦效果，同時也要結合實驗結果，比對不同環境下各項參數的大小。

5）筆者由于擁有足夠的圖書館工作經驗，可以順利進入圖書館借還系統使用系統數據，另外，這個系統還具有自動導出功能，不僅可以借閱圖書，也可以對借閱者的姓名和卡號做好記錄，從而保證數據的準確性。當然，這個過程中，我們需要避免冷啟動問題，這就需要我們提前做好準備，其實就是開展協同過濾。隨后需要不斷的清洗不同借閱人員的記錄，只留下借閱次數較高的人員，同時需要摒棄無用或者冗雜的信息。對于一些新讀者，圖書管理員可以開啟新書推薦功能，借助這種最直接的推薦方式，給新讀者提供有用信息，方便他們的閱讀。

當下時代，世界各個領域大數據都得到廣泛應用。在未來，數據發掘技術會得到更好的發展，繼而推動算法程序的完善。隨著這兩項技術的發展，推薦系統將會被運用到越來越多的領域，對人們的生活產生深遠的影響！

參考文獻

[1]楊永權.基于協同過濾技術的個性化圖書推薦系統研究[J].《河南圖書館學刊》，2014.

[2]李籠.基于AJAX的圖書館管理系統的設計與實現[J].《電子科技大學碩士論文》，2011.

[3]夏仲欽.論開架借閱的管理與服務[J].《圖書館學刊》，1996.

[4]柯福順.基于多源數據融合的協同推薦方法[J].《電信科學》，2015.

[5]楊春玲.職業技術師院學生閱讀傾向的調查分析[J].《河南職業技術師范學院學報》，1996.

[6]榮輝桂，火生旭，胡春華，等.基于用戶相似度的協同過濾推薦算法[J].通信學報，2014，（2）：16-24.

[7]碩良勛，柴變芳，張新東，等.基于改進最近鄰的協同過濾推薦算法[J].計算機工程與應用，2015，（5）：137-141.

[8]陳永光.基于OPAC的高校圖書館個性化圖書推薦算法研究[D].江蘇：南京理工大學，2013.