圖書館書籍推薦技術的研究與應用

劉莉

摘 要：圖書館書籍的推薦對于廣大讀者的借閱效果起到了極大的幫助作用。在當前社會發展飛速的今天，智能化技術的普及對于各行業均起到了促進作用，作為圖書館的發展也需要創新技術的融合，本文以圖書館書籍推薦技術的為基礎，將書籍區域化映射技術作為書籍推薦手段，構建區域組模型拓展推薦的應用方式以實現智能化書籍推薦的良好效果。

關鍵詞：圖書館書籍;智能化推薦;區域化映射

0引言

隨著信息化數字圖書館時代的來臨，對于圖書館書籍的管理研究工作更加側重于新技術應用和開發上。目前，世界上針對于書籍管理的研究內容主要集中在書籍推薦的效果中，利用書籍對比關系進行定義和定位，將更多地書籍相關信息內容融合到書籍關鍵信息中，造成了書籍推薦研究的復雜關系。因此，在圖書館的書籍管理中，如何獲取書籍的相關信息進行分析并作出合理的評價及推薦成為書籍管理研究領域的一個難點。

圖書館為讀者服務工作內容很多，其中圖書推薦工作是讀者服務工作的重要內容之一，而圖書館的圖書推薦工作應密切關注于書籍推薦技術的發展方向，能夠推薦給讀者貼近用戶要求并具有實際應用價值的效果。書籍推薦工作在了解讀者的求書服務中， 基于內容過濾的方法總體上根據用戶閱讀歷史， 構建用戶偏好模型， 并據此向用戶推薦書籍。因此， 用戶偏好模型表征用戶興趣的準確度和對潛在興趣的挖掘度直接決定了資源推薦的準度和廣度。但是， 基于向量空間的用戶模型， 以詞為基礎來描述用戶興趣， 沒有考慮到語義方面信息， 不能很好地表達用戶的潛在需求。本文基于圖書館書籍推薦技術的為基礎，將書籍區域化映射技術作為書籍推薦手段，構建區域組模型拓展推薦的應用方式以實現智能化書籍推薦的良好效果。

1 書籍區域化映射技術

書籍區域化是將以關鍵信息作為劃分手段，在圖書館內的書籍都在數據庫中特定的目錄下存在，設定以各個目錄為映射區域作為本體感知結構的基礎單位，即在觸發到專業類目錄及根目錄下的任何信息作為一個原始信息觸發點，這就會形成一次專業內的本體區域化推薦，從而獲得一個信息變量。在其他專業目錄中如果引發的最終結果與本目錄本體知識有所關聯，也會觸發相關信息的產生，形成關聯化的神經網絡組織結構，這就會不斷的映射出以區域為概念的結構環境

2書籍的推薦

書籍區域化映射主要將書籍進行概念化的分類工作，作為推薦的主要的動力還是在于獲取各類動態信息并從中確立關聯信息屬性，將這些基本信息添加到系統日志中作為原始信息進行登記，向感知觸發模塊提供用戶位置上下文;感知觸發模塊中的各類功能主要體現在對于動態定位模塊提供的信息進行智能化處理的過程，由直接信息觸發轉變為本體化的關聯信息觸發;知識庫的作用在于對感知觸發信息模塊處理過的關聯信息進行優化和推薦的處理工作，在推薦模塊中，設定用戶構建成一個基于本體的書籍偏好模型，包含用戶特定屬性的偏好。前者的構建基于時間的遺忘模式，后者利用用戶最近的興趣來表示。

用戶興趣度模型依靠書籍的偏好信息建立，通過對用戶借閱記錄和用戶與系統的交互日志。根據構建關鍵信息O中葉子概念和書籍之間的“類–實例”關系，通過用戶借閱記錄和交互日志中的書籍名稱，可以直接獲得用戶偏好的概念集。形式化地，用戶短期偏好標記為：

3構建區域組模型拓展

根據書籍知識域的緊密相關性，在同一書籍專業類有借閱記錄的用戶可以看成是就本區域書籍而言有相似閱讀興趣的用戶。通過不同知識域的合并對近似用戶對知識域書籍的長期偏好，構建區域組模型以改善推薦的多樣性。

關鍵信息概念C與區域Region之間的映射結構，用戶的長期偏好P被分成多個語義劃分。每個語義劃分對應一個區域集群，代表了用戶興趣的一個子集。形式化地，用戶在區域regionI的長期偏好可標記為：

其中，count1為N個用戶偏好向量中該維元素出現‘1的總次數，count0為出現‘0的總次數。

區域組模型是根據用戶長期偏好構建的。在更新長期用戶偏好后，對受影響區域的區域組模型也需要進行更新。同樣地，本文將區域組模型的更新周期也設為T。即每隔時間段T，根據借閱記錄和交互日志，尋找受影響的區域并對這些區域的區域組模型進行重現構建。

評估模型推薦書籍的多樣性為了驗證模型推薦書籍的多樣性，利用集合多樣性，對結合區域組偏好進行比較。書籍的集合多樣性定義為在推薦列表中所有書籍之間的平均非相似性。評估時，對每個用戶選擇最近N次時間范圍的閱讀記錄作為評估的標準（根據設置的T值，每次時間范圍為30天），在此時間范圍之前的歷史記錄則用于用戶偏好模型和區域組模型的構建。通過每個用戶時間范圍的不斷延伸，作為書籍推薦效果。

4結語

本文提出一個基于基于圖書館書籍推薦技術的為基礎，將書籍區域化映射技術作為書籍推薦手段，構建區域組模型拓展推薦的方法。區域化推薦的書籍推薦模型基于將用戶的基礎信息、知識類型偏好、長期知識累計和相關類型知識獲取等多信息源的綜合處理，根據用戶需求的知識區域化區分進行推薦。在以后的研究中筆者會不斷提升研究深度，以進一步提高推薦質量，滿足用戶的書籍需求。

參考文獻：

[1]丁雪，張玉峰.基于關鍵信息的智能數字圖書館個性化推薦用戶關鍵信息研究[J].現代情報，2009，29（12）：61-65.

[2]唐曉玲.基于關鍵信息和協同過濾技術的推薦系統研究[J].情報科學，2013，31（12）：90-94.

[3]任沁.基于領域關鍵信息的數字圖書館用戶興趣建模研究[D].武漢：湖北工業大學，2012.

[4]王洪偉，鄒莉.考慮長期與短期興趣因素的用戶偏好建模[J].同濟大學學報：自然科學版，2013，41（6）：953-960.