基于協(xié)同過(guò)濾推薦算法的圖書館智慧服務(wù)模式研究

喬雅, 吳琳

(陜西交通職業(yè)技術(shù)學(xué)院 圖書館， 西安 710018)

0 引言

隨著數(shù)字圖書館信息管理技術(shù)的進(jìn)一步發(fā)展，需要在多源信息資源服務(wù)(Multi-source Information Resource as a Service， MIRaaS)模式下進(jìn)行圖書館智慧服務(wù)，提高圖書館的智慧化服務(wù)水平，研究圖書館智慧服務(wù)模式，結(jié)合智慧化圖書館管理系統(tǒng)進(jìn)行圖書館信息管理優(yōu)化，使得讀者能夠體驗(yàn)更好的圖書館服務(wù)水平[1]。研究圖書館智慧服務(wù)模式下的協(xié)同推薦算法在數(shù)字化圖書館建設(shè)方面具有重要意義，相關(guān)的圖書館智慧服務(wù)模式及推薦算法研究受到人們的極大關(guān)注。

當(dāng)前，對(duì)圖書館智慧服務(wù)模式下的協(xié)同推薦算法的設(shè)計(jì)主要采用分布式資源檢索方法，構(gòu)建圖書館智慧服務(wù)模式下的資源調(diào)度模型，采用圖書館資源信息的語(yǔ)義特征分配方法進(jìn)行協(xié)同推薦，提取圖書館智慧服務(wù)模式下的語(yǔ)義關(guān)聯(lián)特征，構(gòu)建語(yǔ)義關(guān)聯(lián)檢測(cè)分析模型，采用大數(shù)據(jù)融合聚類分析方法，進(jìn)行圖書館智慧服務(wù)模式下的語(yǔ)義相慣性特征檢測(cè)[2]，實(shí)現(xiàn)圖書館智慧服務(wù)模式下的推薦算法優(yōu)化設(shè)計(jì)，傳統(tǒng)方法設(shè)計(jì)中，對(duì)圖書館智慧服務(wù)模式的推薦算法主要有關(guān)聯(lián)規(guī)則推薦算法、語(yǔ)義本體映射推薦算法和融合調(diào)度推薦算法等[3]。上述算法進(jìn)行圖書館智慧服務(wù)模式下圖書資源推薦的準(zhǔn)確度較差，推薦過(guò)程中的時(shí)間開銷較長(zhǎng)。

針對(duì)上述問(wèn)題，本文提出基于協(xié)同過(guò)濾推薦算法的圖書館智慧服務(wù)模式。首先采用語(yǔ)義抽取方法對(duì)圖書館智慧服務(wù)的信息進(jìn)行檢索，根據(jù)檢索到的圖書館智慧服務(wù)信息，采用相空間重構(gòu)方法進(jìn)行智慧服務(wù)模式下圖書館資源的特征重構(gòu)和特征提取，然后采用本體特征映射方法對(duì)圖書館智慧服務(wù)過(guò)程中的文本信息進(jìn)行推薦，建立圖書館智慧服務(wù)的讀者偏好關(guān)聯(lián)規(guī)則數(shù)據(jù)集，結(jié)合濾波檢測(cè)方法實(shí)現(xiàn)圖書館智慧服務(wù)推薦與讀者偏好信息的協(xié)同匹配，完成圖書館智慧服務(wù)的協(xié)同過(guò)濾推薦。最后進(jìn)行仿真實(shí)驗(yàn)分析，展示了本文方法在提高圖書館智慧服務(wù)模式下協(xié)同推薦能力方面的優(yōu)越性能。

1 圖書館智慧服務(wù)的信息檢索及信息抽取

1.1 總體結(jié)構(gòu)與圖書館智慧服務(wù)的信息檢索

為了實(shí)現(xiàn)基于協(xié)同過(guò)濾推薦算法的圖書館智慧服務(wù)模式優(yōu)化設(shè)計(jì)，首先構(gòu)建圖書館智慧服務(wù)的信息檢索模型。信息檢索模型采用三層體系結(jié)構(gòu)設(shè)計(jì)，在感知層中進(jìn)行圖書館智慧服務(wù)的信息采集，采用RFID射頻標(biāo)簽進(jìn)行圖書資源的二維碼標(biāo)簽識(shí)別[4]，結(jié)合視頻監(jiān)測(cè)設(shè)備進(jìn)行館藏資源的優(yōu)化管理，在網(wǎng)絡(luò)層中實(shí)現(xiàn)圖書館資源信息的融合和信息傳輸，在應(yīng)用層中構(gòu)建圖書館信息管理數(shù)據(jù)庫(kù)，根據(jù)SQL數(shù)據(jù)庫(kù)構(gòu)建圖書館資源信息管理的本地?cái)?shù)據(jù)庫(kù)，采用人工智能算法進(jìn)行信息管理和優(yōu)化調(diào)度，并在應(yīng)用層中進(jìn)行人機(jī)交互，實(shí)現(xiàn)圖書館智慧服務(wù)的信息檢索和智慧服務(wù)，得到本文設(shè)計(jì)的圖書館智慧服務(wù)的信息檢索與智慧服務(wù)的總體結(jié)構(gòu)，如圖1所示。

圖1 圖書館智慧服務(wù)的信息檢索與智慧服務(wù)結(jié)構(gòu)體系

根據(jù)圖1所示的圖書館智慧服務(wù)的信息檢索的三層結(jié)構(gòu)體系，進(jìn)行圖書館智慧服務(wù)的信息資源的優(yōu)化分配[5-6]，根據(jù)資源分配結(jié)果進(jìn)行智慧服務(wù)模式設(shè)計(jì)，得到圖書館智慧服務(wù)的資源分布結(jié)構(gòu)模型如圖2所示。

圖2 圖書館智慧服務(wù)的資源分布結(jié)構(gòu)模型

根據(jù)圖2所示的圖書館智慧服務(wù)資源分布結(jié)構(gòu)模型，建立圖書館智慧服務(wù)模式下的資源分布屬性集i∈Ss，采用語(yǔ)義抽取方法進(jìn)行圖書館智慧服務(wù)的信息檢索，語(yǔ)義特征分布映射滿足式(1)。

(1)

智慧服務(wù)模式下圖書館資源的信任關(guān)系表示為A→B，B→C。根據(jù)上述分析，采用語(yǔ)義抽取方法進(jìn)行圖書館智慧服務(wù)的信息檢索，并提取圖書館館藏資源的語(yǔ)義相關(guān)性特征量，進(jìn)行圖書館智慧服務(wù)的信息過(guò)濾推薦[7]。

1.2 語(yǔ)義相關(guān)性特征提取

根據(jù)檢索到的圖書館智慧服務(wù)信息，采用相空間重構(gòu)方法進(jìn)行智慧服務(wù)模式下圖書館資源的特征重構(gòu)和特征提取，提取圖書館館藏資源的語(yǔ)義相關(guān)性特征量，構(gòu)建圖書館智慧服務(wù)的大數(shù)據(jù)統(tǒng)計(jì)分析模型[8]，根據(jù)圖書館資源的屬性特征進(jìn)行圖書館智慧服務(wù)模式下的關(guān)聯(lián)規(guī)則調(diào)度，得到圖書館智慧服務(wù)的語(yǔ)義相關(guān)性特征重構(gòu)迭代式為式(2)。

i=1,2,…,n

k=1,2,…,n

(2)

根據(jù)圖書信息的詞性標(biāo)注及詞性過(guò)濾結(jié)果，構(gòu)建圖書館資源協(xié)同過(guò)濾的離散調(diào)度特征分布集為式(3)。

(3)

(4)

W=[y1,y2,…,yd]

(5)

根據(jù)對(duì)語(yǔ)義相關(guān)性特征提取結(jié)果進(jìn)行圖書館智慧服務(wù)模式下的協(xié)同過(guò)濾推薦。

2 圖書館智慧服務(wù)協(xié)同過(guò)濾推薦算法優(yōu)化

2.1 讀者偏好信息挖掘和文本信息推薦

在上述采用語(yǔ)義抽取方法進(jìn)行圖書館智慧服務(wù)的信息檢索，并提取圖書館館藏資源的語(yǔ)義相關(guān)性特征量的基礎(chǔ)上，進(jìn)行圖書館智慧服務(wù)模式優(yōu)化設(shè)計(jì)，本文提出基于協(xié)同過(guò)濾推薦算法的圖書館智慧服務(wù)模式。采用本體特征映射方法進(jìn)行圖書館智慧服務(wù)過(guò)程中的文本信息推薦[9]，在特征空間中將圖書館的推薦資源從m維降低到了d維，得到圖書館智慧服務(wù)的協(xié)同推薦語(yǔ)義分布結(jié)構(gòu)模型為式(6)。

maxF(X)=(F1(X),F2(X),…,Fn(X))

(6)

根據(jù)讀者的檢索偏好進(jìn)行語(yǔ)義相關(guān)性特征配準(zhǔn)，并建立圖書館智慧服務(wù)的讀者偏好關(guān)聯(lián)規(guī)則數(shù)據(jù)集，對(duì)每一個(gè)詞的詞性進(jìn)行自動(dòng)配準(zhǔn)，得到圖書館智慧服務(wù)過(guò)程中的讀者偏好信息挖掘結(jié)果為式(7)—式(9)。

(7)

(8)

(9)

其中，P(X)、P(Y)表示智慧服務(wù)模式下圖書館信息資源推薦與讀者偏好融合的概率函數(shù)，X、Y為圖書館信息資源分布集，P(X∩Y)是聯(lián)合交叉分布集。通過(guò)挖掘到的圖書館智慧服務(wù)過(guò)程中的讀者偏好信息，能夠自動(dòng)推薦本文信息，根據(jù)二者的特征匹配結(jié)果進(jìn)行圖書館智慧服務(wù)協(xié)同過(guò)濾推薦設(shè)計(jì)。

2.2 圖書館智慧服務(wù)推薦優(yōu)化

建立圖書館智慧服務(wù)的讀者偏好關(guān)聯(lián)規(guī)則數(shù)據(jù)集，采用模糊聚類方法進(jìn)行特征分塊處理，圖書館智慧服務(wù)的關(guān)聯(lián)規(guī)則結(jié)構(gòu)模型為式(10)。

(10)

其中K=N-(m-1)τ，表示在智慧服務(wù)模式下圖書館資源搜索的嵌入維數(shù)，τ為時(shí)延，m為多種詞匯語(yǔ)義關(guān)系的層數(shù)，si=(xi,xi+τ,…,xi+(m-1)τ)T稱為語(yǔ)義本體特征序列。結(jié)合Kalman濾波方法實(shí)現(xiàn)干擾信息協(xié)同過(guò)濾，得到智慧服務(wù)模式下圖書館資源推薦的信任度值為式(11)。

(11)

將領(lǐng)域共有詞作為樞紐特征，進(jìn)行干擾信息的協(xié)同過(guò)濾，Kalman濾波的傳遞函數(shù)為式(12)。

βd=(MPDist-d+1)/MPDist,d∈[2,MPDist]

(12)

其中，adj(a,c)表示a→c協(xié)同過(guò)濾的路徑分布個(gè)數(shù)，βd∈(0,1]，使用源域的領(lǐng)域特有詞組合推薦方法，挖掘智慧服務(wù)模式下圖書館資源的推薦屬性特征量為式(13)、式(14)。

(13)

(14)

采用云散點(diǎn)聚類方法，進(jìn)行圖書館智慧服務(wù)推薦與讀者偏好信息的協(xié)同匹配，匹配函數(shù)滿足式(15)。

(15)

使用特征對(duì)齊方式，得到智慧服務(wù)模式下圖書館資源協(xié)同過(guò)濾推薦的迭代式為式(16)。

(16)

圖3 算法的實(shí)現(xiàn)流程

3 仿真實(shí)驗(yàn)與結(jié)果分析

根據(jù)上述參數(shù)設(shè)計(jì)結(jié)果，進(jìn)行圖書館智慧服務(wù)的協(xié)同過(guò)濾推薦，根據(jù)讀者的檢索偏好進(jìn)行語(yǔ)義相關(guān)性特征配準(zhǔn)，建立圖書館智慧服務(wù)的讀者偏好關(guān)聯(lián)規(guī)則數(shù)據(jù)集，得到讀者偏好關(guān)聯(lián)規(guī)則特征統(tǒng)計(jì)結(jié)果如圖4所示。

圖4 讀者偏好關(guān)聯(lián)規(guī)則特征統(tǒng)計(jì)結(jié)果

表1 圖書館智慧服務(wù)推薦的模糊決策參量

根據(jù)讀者偏好關(guān)聯(lián)規(guī)則特征統(tǒng)計(jì)分析結(jié)果,進(jìn)行圖書資源輸出推薦，實(shí)現(xiàn)圖書館智慧服務(wù)推薦與讀者偏好信息的協(xié)同匹配，得到匹配輸出如圖5所示。

對(duì)比圖4和圖5得知，采用本文方法進(jìn)行圖書館智慧服務(wù)推薦，推薦結(jié)果與讀者的偏好匹配能力較好。為了驗(yàn)證本文方法的有效性，采用不同方法進(jìn)行圖書館智慧服務(wù)的協(xié)同過(guò)濾推薦的準(zhǔn)確度和時(shí)間開銷進(jìn)行對(duì)比分析，對(duì)比結(jié)果如圖6所示。

圖5 圖書館智慧服務(wù)推薦與讀者偏好信息的協(xié)同匹配結(jié)果

(a) 準(zhǔn)確度對(duì)比

(b) 時(shí)間開銷

分析圖6可知，采用本文方法進(jìn)行圖書館智慧服務(wù)的協(xié)同過(guò)濾推薦的準(zhǔn)確度較高，且推薦過(guò)程中的時(shí)間開銷較短。

4 總結(jié)

研究圖書館智慧服務(wù)模式，結(jié)合智慧化圖書館管理系統(tǒng)進(jìn)行圖書館信息管理優(yōu)化，使得讀者能夠體驗(yàn)更好的圖書館服務(wù)水平。為此本文提出基于協(xié)同過(guò)濾推薦算法的圖書館智慧服務(wù)模式。采用相空間重構(gòu)方法進(jìn)行智慧服務(wù)模式下圖書館資源的特征重構(gòu)和特征提取，建立圖書館智慧服務(wù)模式下的資源分布屬性集，根據(jù)不同領(lǐng)域內(nèi)圖書信息資源進(jìn)行語(yǔ)義相關(guān)性檢測(cè)和圖書資源分類挖掘，實(shí)現(xiàn)圖書館智慧服務(wù)推薦與讀者偏好信息的協(xié)同匹配，完成圖書館智慧服務(wù)的協(xié)同過(guò)濾推薦。研究得知，本文方法進(jìn)行圖書館智慧服務(wù)推薦的配準(zhǔn)性能較好，推薦的準(zhǔn)確度較高，且推薦過(guò)程中的時(shí)間開銷較短。