高校圖書館推薦系統的應用研究

郭恒 孫瑩 勞野

摘 要：隨著互聯網的出現及其普遍應用，帶來了信息量的大幅增長，同時也產生了信息超載問題。推薦系統的出現很好的解決了信息超載問題，且被廣泛應用在多個領域。本文首先對高校圖書館推薦系統的現狀以及系統架構進行簡要闡述，接著介紹了推薦系統中常用的幾種算法，最后結合工作中的實際情況對其應用進行了簡述。

關鍵詞：高校圖書館；推薦系統；個性化推薦

高校圖書館的館藏資源非常豐富，且處于穩定增長的狀態，其主要用戶群是學校的教職工及學生。面對著用戶的專業不同、興趣不同，需求也是各不相同的。如何能夠結合自身的特點，更主動化、人性化的滿足用戶的不同需求，是圖書館發展階段的一項重要內容。在網絡技術飛速發展的今天，利用計算機網絡技術實現推薦系統的應用，對于高校圖書館發展的現代化有著重要的意義。

1 高校圖書館推薦系統概述

1.1 高校圖書館推薦系統的發展及其現狀

最早的推薦系統Tapestry，是由美國施樂公司研究所于1992年12月開發出來的[1]。在這之后，又出現了應用于不同領域的推薦系統，有的可以根據用戶的興趣推薦相關的網絡新聞，有的可以根據消費者的興趣提供個性化的商品推薦，有的可以根據用戶的學習內容及習慣提供私人定制的學習計劃。在這些推薦系統的應用中，比較出名的有國外的亞馬遜、Yahoo等電子商務網站[2]，以及國內的淘寶、京東等購物平臺。

隨著科技的發展，國內的各個高校圖書館也隨后加強了對個性化推薦技術的研究。早在2000年初，名為“基于Web的數字圖書館定制系統”的項目由北京大學承擔；中國人民大學的數字圖書館Kingbase DL，通過記錄和分析用戶描述信息，構建讀者概貌，進而產生與之相匹配的圖書推薦[3]。在研究人員對推薦技術研究的同時，圖書推薦系統也逐步的應用在高校圖書管理系統中。隨著其廣泛應用，可以發現，有圖書推薦功能的系統，可以很好的滿足師生的信息需求，節省了用戶大量的搜索時間，通過更有針對性的圖書推薦，使得圖書館可以更好的發揮其資源優勢。

1.2 推薦系統的架構

目前來說，大多數正在使用的推薦系統是在現有的圖書管理系統之上增加的一種個性推薦功能。推薦系統可以分為以下幾個部分，即數據獲取和處理部分、模型建立及內容過濾提取部分以及結果展示部分等。在數據獲取和處理部分，主要是對用戶數據和圖書數據進行收集及處理；模型建立及內容過濾提取部分是整個系統的核心，先建立出分析用戶興趣與需求的模型，然后通過推薦算法，篩選出用戶可能借閱的圖書資源；結果展示部分是對推薦結果的顯示的管理，包括展示的位置、內容、數量以及推薦結果的發布渠道等[4]。

2 常用的推薦算法

在推薦系統的研究中，可用到的算法有很多，較常用的有以下幾種：基于關聯規則的推薦，基于內容的推薦、基于協同過濾的推薦等。其中協同過濾算法是目前應用比較廣泛的推薦算法。

2.1 基于關聯規則的推薦

基于關聯規則的推薦是從大量的數據中找到項目與項目之間的內在聯系，即挖掘出強關聯規則[5]。一般關聯規則的產生如下：首先需要在項目集合中生產所有的頻繁項集，然后在頻繁項集眾尋找強規則。該算法能發現新的興趣點、不需要領域知識，但是靈活性較差，存在屬性重疊問題[6]。

2.2 基于內容的推薦

此種算法首先對項目的特征進行提取，然后基于項目特征填充用戶檔案信息，最后產生推薦項目給用戶[7]。該算法比較簡單，但是對內容提取能力有限，面對高校圖書館的所產生的巨量數據，難以全面、準確的實現對其內容的挖掘。

2.3 基于協同過濾的推薦

此方法可以分為兩類：基于用戶的協同過濾和基于項目的協同

過濾。

基于用戶的協同過濾是根據用戶的歷史行為數據建立用戶-物品評分矩陣，采用特有的方法計算用戶之間的相似程度，找到與目標用戶興趣相同或者相似的用戶，從而根據相似用戶的行為預測目標用戶感興趣的資源[8]。基于項目的協同過濾是通過分析用戶的歷史行為，計算物品之間的相似度，然后根據目標用戶喜歡的物品，找到相似的物品集合進行推薦[9]。此方法算法簡單，查準率較高，能夠發現讀者新的閱讀興趣，但是存在數據系稀疏、冷啟動等問題[10]。

3 推薦系統的應用

高校圖書館的推薦功能，是根據不同用戶的信息搜索內容，獲得其個性化興趣，從中找出規律性，從而提高館藏圖書的利用率。我校圖書管理系統中的推薦模塊分為以下幾個部分：熱門借閱、熱門評分、熱門收藏、熱門圖書以及借閱關系圖等。熱門借閱推薦界面如圖1所示，包括題名、責任者、出版信息、索書號、館藏、借閱冊數以及借閱比。其中，借閱比是在一定的時間段內（本系統中為2個月），某本書的總借閱次數和館藏量的比值。

熱門評分包括題名、責任者、出版信息、索書號、總體評價和評價人次，推薦模式是可從總體評價、評價人次、好評前100名等幾種方式來進行選擇推薦；熱門收藏部分除了題名、責任者、出版信息、索書號等基本信息外，增加了收藏人數，推薦結果以圖書的收藏人數由高到低進行展示；熱門圖書部分是以圖書的瀏覽次數來進行推薦的。借閱關系圖可以展示出某個讀者類型或者某個系別的讀者與圖書之間的借閱關系，如圖2所示。

4 結語

在如今網絡技術飛速發展的時代，高校圖書館在學生學習、教職工教學、科研的過程中發揮著不可替代的作用，要利用好新技術，以讀者為本，在實際應用中及時進行修正、改進，從而構建出更完善、實用的高校圖書館推薦系統。

參考文獻

[1]Goldberg D. ， Nichols D.，Okibm， et al..Using Collaborative Filtering to Weave an Information Tapestry [J].Communications of the ACM， 1992，35（12）：61-70.

[2]孫常麗，孫達辰，郭冬梅，武麗影，金松跟.推薦系統在高校圖書館中的個性化應用[J].研究探索，2017（04）：221-222.

[3]連鍥.高校圖書館圖書推薦系統研究-基于興趣漂移理論和協同過濾算法[J].中國教育信息化，2018（10）：87-88.

[4]趙泉.高校圖書館圖書推薦系統研究[J].新余學院學報，2018，23（03）：92-93.

[5]Yang H.Improved Collaborative Filtering Recommendation Algorithm Based on Weighted Association Rules[J].Applied Mechanics&Materials，2013：411-414；94-97.

[6]邵方舒.基于協同過濾及關聯規則的個性化圖書推薦[D].浙江工商大學，2018 （01）：12-14.