基于知識挖掘的圖書館個性化推薦服務模式

熊培松

摘 要：面對用戶日益增多的個性化知識推薦需求，圖書館開展基于知識挖掘的個性化推薦服務，不僅是提高用戶滿意度的要求，還是圖書館創新工作的研究重點。文章分析了圖書館知識挖掘的應用情況及基于知識挖掘的圖書館個性化推薦服務需求，研究了圖書館個性化推薦服務模式中知識挖掘的實現方法，構建了基于知識挖掘的圖書館個性化推薦服務模式。

關鍵詞：知識挖掘；圖書館；個性化推薦；服務

中圖分類號：G250文獻標識碼：A文章編號：1003-1588（2019）03-0093-03

信息時代，人們對知識的需求呈現出多元化、個性化的趨勢，傳統的信息服務模式逐漸失去競爭力。圖書館作為信息存儲與知識傳播中心，不僅應發揮信息傳播功能，還應扮演好信息梳理和整合者的角色，以滿足用戶更高層次的知識需求。圖書館的個性化服務包括個性化推薦、個性化定制等，能夠改變圖書館被動服務的局面，全面提升用戶使用信息的效率。

1 圖書館個性化服務中的知識挖掘分析

1.1 知識挖掘的概念

知識挖掘是對數據挖掘的延伸，完全沿用了傳統的數據挖掘方法。國外學者率先將數據挖掘引入知識服務領域，從技術層面分析知識管理方法，借助可視化數據處理工具和數據挖掘技術構建可行的知識挖掘系統，對已有的知識進行深入挖掘。數據挖掘轉變為知識挖掘的目的在于發現知識的分布特征，提高知識的創新能動性，是知識學習的核心內容[1]。將知識挖掘看作是對大數據的深入探索，可以從中揭示隱含的規律，并使之進一步模型化。知識挖掘概念的提出為圖書館處理非結構化數據提供了便利，使大數據的層次更加清晰，聚合更加有序，并轉化為可供用戶參考的知識。

1.2 知識挖掘的內容

知識是高于數據的，是包括數據、關聯信息、經驗見解等多種要素的動態集。知識挖掘包含隱性知識、顯性知識、數據處理三個層面，三者之間的關系見圖1。圖書館引入知識挖掘技術，可以從煩雜的用戶數據中推斷用戶尚未表達的隱含信息，并據此判斷用戶的行為變化，進而實現用戶知識的深入分析。獲取用戶知識是個性化服務的關鍵內容，也是圖書館提供滿足用戶需求資源及提高自身競爭優勢的必要條件。知識挖掘還可以應用于學科資源整合，圖書館利用知識挖掘技術對學科資源進行科學分類與定量分析，可以發現其中的隱性知識，從而掌握知識之間的聯系。

1.3 知識挖掘與個性化服務

圖書館引入知識挖掘的根本目的是為了通過資源管理的變革促進知識創新[2]，利用知識管理技術保障圖書館的館藏資源能夠真正被用戶使用。知識挖掘的過程就是實現知識傳遞、加工及創新的過程，這一過程實現了多種知識的融合，能夠更好地滿足圖書館開展個性化服務的需求。知識挖掘與圖書館的個性化服務目標是一致的，二者的結合可以更好地體現知識服務的價值[3]。圖書館構建個性化服務體系是一個漫長且持續的過程，在不斷探索與實踐的過程中需要先進的資源管理技術給予支撐。而知識挖掘可以為圖書館的個性化服務及個性化資源的挖掘和利用提供支持，能夠更好地提升圖書館的服務水平。

2 基于知識挖掘的圖書館個性化推薦服務需求

2.1 用戶需求

圖書館用戶由于知識結構和觀念認知的差異，存在個性化知識需求，同時對圖書館的服務要求也存在差異[4]。從圖書館服務現狀看，由于部分館員的專業素養不高，無法準確掌握用戶的需求，對用戶的行為與心理分析得不準確，因此無法提供精準的服務，弱化了館員與用戶之間的關系。同時，由于部分用戶過于強調自我，沒有認真了解圖書館的相關規章制度，或者語言表達能力不強，也難以獲得滿意的知識服務，甚至對圖書館的服務產生排斥。圖書館只有認識到不同用戶對圖書館知識服務存在不同的期待，并且尊重他們的個性化差異，才能最大限度地滿足他們的個性化需求。

2.2 技術需求

圖書館的館藏資源豐富，有些文獻資源的借閱率較高，有些文獻資源的借閱率較低，也有一些文獻資源從未被借閱過。對館藏資源借閱量進行綜合分析，是圖書館實現個性化推薦的途徑之一。圖書館應根據不同用戶群體的特征分析他們感興趣的資源類型，并利用聚類方法進行資源聚類，找到與相關用戶群體相對應的資源。關聯規則可以幫助圖書館分析用戶的信息行為，把握不同用戶群體和不同資源之間的聯系，主動為用戶提供其感興趣的信息[5]。圖書館可以通過知識資源的整合排序，按照文獻的瀏覽量、關鍵詞、出版時間等呈現檢索結果，方便用戶根據需要選擇其所需的資源。同時，圖書館還應依據用戶的反饋意見，不斷優化館藏資源，剔除使用率及參考價值不高的館藏資源，以此提高用戶的檢索效率，并節省他們的時間。

2.3 人才需求

不同層次、不同背景的用戶在思維理念、性格特征等方面存在差異，這對圖書館開展個性化服務提出了更高的要求。圖書館應合理設置館員的工作崗位，加強專業技能培訓，提高他們的綜合素質，使館員建立完善的知識體系，以便更好地為用戶提供優質的個性化服務。此外，圖書館還應做好用戶的行為引導工作，提升用戶對圖書館服務的認同感，增進館員與用戶之間的交互，進而保障服務效率與服務質量。

3 圖書館個性化推薦服務模式中知識挖掘的實現

在圖書館個性化推薦服務模式中，知識挖掘需由知識提供者、用戶等要素共同構成聯動的結構體系才能實現。當用戶提出知識需求后，圖書館可應用信息系統進行數據整合獲取知識，為用戶提供個性化內容（見圖2）。

3.1 數據預處理

圖書館的管理系統每天都會產生大量的數據，這些數據不僅包括圖書館的常規業務數據，還隱含了其他有價值的信息。圖書館通過知識挖掘對這些數據進行整合分析，可以掌握館藏資源的流通量及用戶的行為變化，進而為個性化服務提供決策性指導[6]。圖書館從管理系統中導出各項數據，選擇合適的數據分析工具對其進行整合、分類和排序，并依據關聯規則、相似度計算法等方法發現數據間的聯系，為資源建設和個性化服務提供支持。圖書館對數據進行預處理，應刪除冗余數據，保留有用的數據，保障數據的主要屬性不缺失，同時可將與挖掘算法無關的屬性刪除，不僅可以減少數據處理的工作量，還能保障最終挖掘結果的有效性。

3.2 用戶聚類分析

圖書館根據用戶的借閱數據、注冊信息等對其進行聚合分析，可以了解不同用戶對不同資源的感興趣程度及用戶對資源的動態需求。圖書館對用戶群體進行精細分類，可從用戶的偏好及行為特點入手，采用聚類算法進行統計分析，然后依據聚類分析結果提供有針對性的服務。圖書館只需提取用戶偏好、瀏覽行為等重要屬性數據[7]，并對這些數據進行聚類，即可獲得直觀的聚類圖形，以此分析不同用戶群體的基本借閱特征，利用推薦算法找出與其興趣相對應的資源，使個性化推薦更加貼近用戶的需求。

3.3 關聯規則挖掘

關聯規則挖掘，即通過知識挖掘技術對不同類型的數據進行深入分析，通過不同用戶群體的信息聚類，發現圖書館資源與用戶需求之間的關系，并總結隱含的規則，為個性化推薦提供依據。常規的關聯規則推薦方法是將所有信息作為獲取隱含規則的來源，或根據用戶屬性特征進行歸納分析，以用戶行為數據作為規則源頭，了解與規則相關的置信度，并建立對應的規則模型，最終實現隱性知識的顯性化。關聯規則使圖書館的知識分布更加直觀，便于館員迅速定位個性化資源[8]。用戶提出信息需求后，圖書館系統會分析并確定其所需信息資源的范圍，并借助關聯規則選擇合適的知識類目，在與用戶需求進行對比后推送給用戶，從而實現知識的發掘和及時交互。

4 基于知識挖掘的圖書館個性化推薦服務模式

4.1 個性化推送模式

個性化推送服務模式指圖書館根據用戶的習慣與行為特征，在知識挖掘的基礎上利用信息推送技術為他們提供感興趣的內容。目前，圖書館的個性化推薦服務可以借助電子郵件定時為用戶推送知識資源，還可以利用智能軟件對服務全過程進行有效控制。圖書館利用個性化推薦服務方式實現了從用戶主動檢索到信息自動匹配的轉變。在個性化推薦模式下，用戶不需要進行任何信息檢索行為，就可以獲得所需的信息資源，具體流程為：用戶注冊并登錄圖書館信息系統，信息系統會根據用戶的基礎信息和在線瀏覽記錄等對用戶需求進行分析，并主動向他們提供所需的信息。同時，圖書館的信息系統還會根據用戶的需求變化實時更新知識庫，這極大地提高了圖書館個性化服務的準確度。

4.2 協同過濾推薦模式

協同過濾推薦模式指圖書館根據用戶對館藏資源的訪問記錄，計算不同數據資源之間的相似性，發現不同資源之間的聯系，篩選與用戶需求相匹配的內容并推送給用戶。為保障個性化推薦服務的質量，圖書館可以針對用戶特征進行用戶分組，分析相似用戶的群組特征，在推薦信息的基礎上實現知識拓展。如：若用戶A與用戶B存在相似的偏好，圖書館就可以將用戶A喜好的資源推薦給用戶B，使用戶B有更多的選擇。需要注意的是，由于圖書館的數據資源種類繁多，基于相似度計算的協同過濾推薦模式難以保障大規模數據的推薦精準度。因此，圖書館只有建立用戶興趣偏好模型，預測用戶的需求變化，才能根據用戶興趣和資源匹配度開展推薦服務。

4.3 分類定制推薦模式

分類定制推薦模式指圖書館用戶根據自身知識需求，在特定的信息服務系統中按照自己設定的類型與方式獲取知識服務。該服務模式建立在細分用戶群體基礎上，體現了用戶的個性化特征，要求圖書館對館藏資源進行深入挖掘、合理分類，發現不同資源之間隱含的規律，進而提高資源推薦的準確度。圖書館的信息系統可以通過用戶的注冊信息、瀏覽數據等提取用戶的興趣信息，然后生成與用戶偏好相對應的關鍵詞，這些關鍵詞可在線檢索并與圖書館的分類法相匹配。此外，圖書館還可以將用戶分為多個信息需求群體，設計不同的信息分類定制模板，便于他們根據自身需求選擇對應的服務類別，并獲取所需的信息資源。

5 結語

信息環境下的圖書館資源日益增多，提供符合用戶需求的個性化服務已成為圖書館未來的發展趨勢。圖書館應利用知識挖掘技術對館藏資源和數據進行深入挖掘，根據用戶聚類與關聯挖掘結果發現不同數據資源之間隱含的規律，從而為個性化服務和管理決策提供科學依據。

參考文獻：

[1] 高麗，王麗偉.數據挖掘技術在國內圖書館應用領域的研究[J].數字技術與應用，2015（12）：94.

[2] 王潔.書目推薦與高校圖書館閱讀服務創新：以天津某高校圖書館為例[J].科技情報開發與經濟，2015（22）：1-3.

[3] 王蕾.數據挖掘技術在高校圖書館個性化書目推薦服務中的應用[J].圖書館學刊，2015（9）：113-116.

[4] 蘇新寧.大數據時代數字圖書館面臨的機遇和挑戰[J].中國圖書館學報，2015（6）：4-12.

[5] 周欣，陸康.基于圖書館數字資源訪問系統的讀者行為數據挖掘研究[J].現代情報，2016（1）：51-56.

[6] 張宏偉，史惠媛.數據挖掘在高校圖書館文獻采購決策中的應用：以黑龍江中醫藥大學圖書館為例[J].中國中醫藥圖書情報雜志，2016（2）：22-24.

[7] 胡慕海，夏火松，吳金紅，等.面向異構情境化推薦服務的關鍵情境特征識別[J].情報理論與實踐，2015（1）：104-109.

[8] 張紹軍.談圖書館個性化信息推薦服務[J].圖書館工作與研究，2016（9）：84-86.

（編校：徐黎娟）