基于改進個性化推薦的圖書信息系統研究

徐同偉 劉國敏 梁瑞霞 沈仕巡 余朝靜 張成龍

摘要：為提高圖書館藏資源的利用率，將改進個性化推薦技術應用到圖書信息系統中，改善圖書推薦系統性能。根據讀者的個人信息，將讀者劃分到對應的借閱群體中;利用讀者的借閱和檢索歷史記錄，建立圖書推薦模型;通過收集和分析讀者的借閱行為，對傳統圖書推薦模型進行改進，提高圖書推薦系統的精確性。研究表明，圖書推薦系統能夠將館藏資源精確推送給讀者，減少讀者檢索圖書的時間，提高館藏資源的利用率。

關鍵詞：個性化推薦;圖書信息系統;圖書推薦系統

中圖分類號：G250? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）26-0031-03

開放科學（資源服務）標識碼（OSID）：

Abstract： In order to improve the availability of library collection， the improved personalized recommendation is added to library information system， the ability of book recommendation system is improved. According to the information of readers， the readers are divided into different groups. Through histories of borrowing and retrieving， the model of book recommendation is established. To improve the accuracy of the traditional book recommendation system，the model is revised by collecting and analyzing the borrowed behavior of readers. Theresearchshowsthat the system can push books to readers accurately， times of retrieving are decreased and availability of library collection is improved.

Key words： personalized recommendation; library information system; book recommendation system

1 引言

隨著大數據和信息化技術的不斷發展，互聯網規模不斷擴張，充斥在人們周圍的信息量嚴重超載，并且現階段搜索引擎被廣告市場占領，傳統搜索引擎已經難以滿足用戶需求，人們很難快速從海量信息中獲取有價值的數據。個性化推薦技術是一個輔助用戶獲取信息的工具，根據用戶的興趣愛好和歷史行為數據，對用戶可能需要的數據信息進行整理，并推薦給用戶，使得被推薦信息符合用戶的個人特點，避免用戶耗費時間尋找數據，解決用戶獲取有價值數據難的問題[1]。

近年來，個性化推薦技術被廣泛應用于網上購物平臺等電子商務行業，利用消費者的歷史訂單、購物車、收藏、搜索記錄以及瀏覽足跡等大量的用戶行為數據，向消費者進行個性化推薦，改善消費者的購物體驗，吸引消費者，提高企業的營業額和利潤，例如，亞馬遜、淘寶網、京東商城等網上購物平臺[2]。同時，新聞平臺、視頻平臺、網絡社交等相關互聯網行業，也利用個性化推薦提升用戶體驗，吸引更多的用戶，提高平臺的數據流量。個性化推薦技術成為互聯網應用的核心技術，改善圖書信息系統性能的關鍵技術。

網絡信息技術的發展和人們對于信息化需求的增加，圖書信息系統也需要與時俱進，提高讀者的用戶體驗。隨著高校對于圖書館建設的不斷重視，圖書資源不斷增多，讀者需要在成百上千萬的館藏資源中找到自己需要的圖書資源，傳統的圖書檢索只能根據關鍵詞找到圖書資源，讀者在檢索結果中進行篩選，需要消耗大量的時間資源。圖書推薦系統可以根據讀者的專業特征、借閱行為、書籍信息等數據，向讀者推薦相應的書籍，節約讀者檢索圖書資源的時間，提高讀者的用戶體驗。有大量的學者[3-10]利用互聯網平臺、大數據技術和云計算技術對圖書信息系統進行改進，構建適合讀者的圖書推薦系統、圖書薦購系統、圖書銷售系統，培養讀者對于圖書館的興趣和信心。本文對圖書推薦系統和圖書薦購系統進行改進，改善圖書信息系統的性能，提高圖書推薦系統的準確率和圖書薦購系統的科學性。

2圖書信息系統

圖書信息系統是為了管理圖書、服務讀者而搭建的C/S信息系統，主要組成部分有圖書管理模塊、讀者管理模塊、圖書查詢模塊、圖書借還模塊以及圖書采購模塊。各個子模塊分別存儲和維護圖書信息、讀者個人特征、圖書借閱行為等數據。

2.1 圖書管理模塊

圖書管理模塊對書籍信息進行管理和維護，利用數據庫存儲書籍信息，包含圖書檔案管理、新書上架、圖書盤點、圖書借閱信息設置等功能。圖書管理模塊存儲了館藏書籍各個屬性的詳細信息，并為各類書籍打上特有的標簽。

2.2 讀者管理模塊

讀者管理模塊對讀者信息存儲和管理讀者信息，對讀者信息進行增刪改查，并設定讀者權限，對讀者的借閱信息進行管理和導出。讀者管理模塊收集了讀者的借閱歷史，對讀者借閱行為信息進行存儲和管理。

2.3 圖書查詢模塊

圖書查詢模塊為讀者進行圖書檢索時提供服務，根據圖書的索書號、條形碼、書名、作者等信息查詢讀者需要的圖書，并將圖書的摘要和圖書層架信息告知讀者。圖書查詢模塊還需要根據讀者信息，把讀者的檢索歷史保存起來。

2.4 圖書借還模塊

圖書借還模塊通過借還機和借還終端對圖書借還信息進行管理，包含有完整的讀者借閱行為信息，圖書被借閱的歷史信息，是圖書出入圖書館的門戶，隨時對圖書借出和庫存量進行更新。

2.5 圖書采購模塊

圖書采購模塊負責圖書采編和購買功能。讀者可以通過圖書采購模塊向圖書館推薦自己想要的圖書，圖書管理人員對薦購信息進行收集整理，根據需求采購圖書，并對購買圖書進行采編加工，將圖書加入圖書管理系統，方便圖書管理。

3個性化推薦技術

個性化推薦技術是通過收集數據，對數據進行分析，幫助用戶快速發現有價值信息，并且推薦信息需要千人千面，以此提高用戶體驗[11]。個性化推薦最早是在20世紀90年代被卡耐基·梅隆大學的Robert Armstron等人[12]提出，最初應用在個性化導航系統中，隨后引起各個國家的學者和研究機構的關注，不斷對個性化推薦技術進行改進，提高了個性化推薦的性能，拓寬了個性化推薦技術的應用領域。個性化推薦系統通常分為基于用戶的推薦、基于內容的推薦、基于關聯規則的推薦和基于協同過濾的推薦四類。

基于用戶的推薦方法首先要了解用戶的基本信息，然后對不同用戶的基本信息進行分析，對用戶進行分類，根據不同用戶之間的相似程度，向用戶進行推薦。圖書推薦系統根據讀者的年齡、性別、專業等信息對讀者進行分類，向不同類型讀者推薦圖書。

基于內容的推薦方法是根據物品的屬性進行推薦。分析物品的不同屬性，盡可能挖掘不同物品的相似性，當用戶喜歡某一物品時，將相似的物品推薦給該用戶。圖書的屬性是非常豐富的，而且不同書籍之間的屬性相似性較大，內容推薦在圖書信息系統中很適用。

基于關聯規則的推薦方法是根據關聯規則進行推薦，將關聯規則設定在信息系統中，向用戶推薦商品，例如，在啤酒旁邊擺上尿不濕進行銷售這一經典案例，所以關聯規則的挖掘是這個推薦方法的關鍵。

基于協同過濾的推薦方法是利用各種協同過濾的技術，根據用戶的愛好進行推薦，常用的協同過濾算法有最近鄰居、聚類分析、數據降維、博弈論、支持向量機等方法。基于協同過濾的推薦方法研究較多，各種各樣的技術被引入到協同過濾推薦中，提高協同過濾系統的性能。

4圖書推薦系統

傳統的圖書推薦系統是由專家進行推薦或者讀者投票選出被推薦書目，推薦的書籍可能僅適用于一部分讀者，并且，只能是一些通識性的書籍，推薦的圖書沒有針對性，推薦的內容也不能根據圖書資源進行實時更新，針對某一個讀者進行推薦更加不具備可行性。一部分讀者可能對推薦的書籍不感興趣，久而久之，就降低了讀者的熱情。圖書推薦系統是個性化推薦應用到圖書信息系統的產物，解決向讀者推薦圖書不準確、不及時、無法吸引讀者的問題。

圖1是茅臺學院圖書館用戶平臺，包含圖書檢索查詢、用戶信息維護、圖書借還、圖書薦購以及新書推薦等功能。

4.1 基于用戶的圖書推薦

圖書館用戶平臺收集了讀者的用戶信息、歷史借閱數據、檢索記錄等數據資源。根據基于用戶的個性化推薦方法，圖書推薦系統對平臺中讀者的借閱行為進行分析，將讀者分為不同的借閱群體，并根據讀者的年齡、學歷、專業等信息與借閱群體進行比對，為每一位讀者生成用戶畫像。當讀者完善了用戶信息后，分析讀者的用戶信息，找出讀者與不同借閱群體之間的相似程度，分析出讀者的個人屬性信息以及標簽，后臺收集每一本圖書的屬性信息，與讀者的個人屬性信息吻合的書籍，通過圖1中的“最新圖書”模塊向讀者推送相關書籍目錄和摘要，吸引讀者去閱讀相關書籍，同時，節省讀者進行圖書檢索的時間。

4.2 圖書推薦系統的改進

基于用戶的圖書推薦系統是根據讀者的個人屬性信息和圖書的屬性信息向讀者推薦相關書籍，即使具有相同個人屬性信息的讀者之間也是存在差異的，讀者在不同時期想要閱讀的書目也是不同的。所以，基于用戶的圖書推薦系統無法準確、實時的根據讀者的興趣愛好進行圖書推薦，需要對圖書推薦系統進行改進。

用戶平臺能夠收集讀者的檢索、瀏覽、收藏以及借閱行為等歷史數據，并且這些數據是實時更新的，讀者每次使用借閱平臺的時候都會產生相關的數據。改進的圖書推薦系統引入用戶干擾機制，通過實時分析讀者的歷史數據，對系統中保存的讀者個人屬性信息進行修正，并依據修正后的個人屬性和最新的圖書屬性信息進行推薦，使推薦的書籍目錄更加準確。

當推薦的書籍目錄讀者不感興趣的時候，讀者可以通過“圖書檢索查詢”模塊重新進行圖書檢索，圖書推薦系統根據讀者檢索的關鍵詞對讀者的個人屬性信息進行修正，并依此進行圖書推薦，將推薦書目展示在檢索結果中，同時，“最新圖書”模塊的書目信息也進行更新。在讀者個人信息不斷修正的過程中，推薦給讀者的書目越來越符合讀者的興趣愛好，使圖書推薦系統更加完善，向更多讀者推薦更符合個性化需求的書籍目錄。

4.3 圖書薦購系統的改進

傳統的圖書薦購系統就相當于一個表格填寫平臺，讀者把自己想要閱讀的書籍信息填寫并提交，圖書館工作人員在后臺對讀者提交的書籍信息進行篩選，對有價值的書籍進行采購。這不僅增加了讀者的工作量，也增加了圖書館工作人員的負擔，有時候圖書館工作人員忙于應付，導致采購的圖書良莠不齊。

首先，根據現有圖書的借閱情況，改進的圖書薦購系統對采購圖書的副本數進行推薦，避免有的圖書副本數較多，卻鮮有人問津，有的圖書副本數較少，讀者遲遲借閱不到。然后，利用圖書推薦系統收集到的讀者信息，挖掘出受讀者歡迎的書目，對圖書館藏資源進行查缺補漏，吸引更多的讀者。最后，圖書薦購系統根據讀者的提交薦購信息對自動生成的薦購目錄進行修正，保證圖書薦購的全面性。圖書薦購系統與圖書推薦系統進行實時對接，確保了圖書薦購目錄的實時性和實用性，減少手動維護的成本，降低了工作人員的負擔，也滿足了更多的讀者需求。

5結束語

為更好地將館藏書籍信息個性化的推薦給讀者，對圖書推薦系統進行改進，提高圖書推薦系統的精確性，對圖書薦購系統進行改進，提高館藏資源的合理性，降低工作人員的負擔。改進的圖書推薦系統根據讀者的檢索、瀏覽、收藏以及借閱歷史等行為數據以及相似讀者的行為數據推測目標讀者的需求和愛好，向讀者的借閱終端推薦或展示他們可能喜歡的書籍。同時，改進的圖書推進系統引入了用戶干擾機制，通過用戶的檢索行為對推薦系統進行修正，使圖書推薦系統更加完善，增加圖書推薦系統的準確性和實時性，做到推薦書籍千人千面，提高讀者的用戶體驗，吸引更多的讀者來館學習，節約讀者發現資源的時間，提高館藏資源的利用率。改進的圖書薦購系統不但減少了工作人員的負擔，更提高了館藏資源的合理性和科學性。

參考文獻：

[1] Tunkelang D . Recommendations as a conversation with the user[C]// Acm Conference on Recommender Systems. ACM， 2011.

[2] 孫魯平， 張麗君， 汪平，等. 網上個性化推薦研究述評與展望[J]. 外國經濟與管理， 2016， 38（6）：82-99.

[3] 趙慧真.“互聯網+”背景下讀者主導圖書采訪云平臺構建[J].圖書館工作與研究，2019（02）：62-66.

[4] 王茜，張黎.基于云平臺的智慧圖書館系統的設計與實現[J/OL].圖書館，2019（02）：46-50[2019-04-10].http：//kns.cnki.net/kcms/detail/43.1031.G2.20190218.1707.016.html.

[5] 陳春陽.基于圖書館微信平臺的館配云平臺圖書數據推送研究[J].出版發行研究，2018（05）：86-88+43.

[6] 儲節旺，陳善姍.高校圖書館讀者薦購云服務平臺發展現狀研究與思考——以安徽省高校為例[J].圖書館學研究，2018（02）：33-39.

[7] 熊英，劉瑞華.云計算環境下圖書館服務模式創新研究[J].職教論壇，2016（17）：47-50.

[8] 芮懷楷.基于云平臺的圖書管理系統[J].蘭臺世界，2016（13）：66-68.

[9] 沈鴻欣.云計算對圖書館管理的影響探究[J].產業與科技論壇，2016，15（19）：252-253.

[10] 郭健，任永功.云計算環境下的關聯挖掘在圖書銷售中的研究[J].計算機應用與軟件，2014，31（11）：50-53.

[11] Bobadilla J ， Ortega F ， Hernando A ， et al. Recommender systems survey[J]. Knowledge-Based Systems， 2013， 46（Complete）：109-132.

[12] Paul Resnick， NeophytosIacovou， Mitesh Suchak， et al. GroupLens： an open architecture for collaborative filtering of netnews[C]//In Proceedings of the 1994 ACM conference on Computer supported cooperative work. ACM， 1994：175-186.

【通聯編輯：唐一東】