基于位置服務的圖書館推薦系統研究

提平

摘 要：通過研究二維碼定位技術和基于用戶的協同過濾算法，分析推薦系統架構，協同過濾技術和聚類技術，促使實現基于位置服務的圖書館推薦系統，從而滿足館內讀者基于位置快捷找到藏書，以及推薦讀者基于位置潛在的偏好書籍，提高圖書被讀者借閱的概率，降低使用成本，促進圖書推薦系統的理論研究。

關鍵詞：位置服務;二維碼定位;協同過濾;推薦

中圖分類號：G250 文獻標識碼：A 文章編號：2096-5079 （2020） 03-00-02

隨著“互聯網+”時代的到來，創新2.0推動下的互聯網信息技術思維不斷改進著社會經濟形態，促使創造新業態。尤其隨著移動互聯網、人們智能手機以及先進的GPS定位技術的使用，推動了基于位置的服務方面的發展，這在旅游產業、物流產業已逐漸衍生了較多位置數字產品，但在圖書館建設基于位置的服務還顯得較為蒼白。在數字經濟時代，圖書館由紙質邁向了數字技術時代，實現數字藏書，盡管較多地區圖書館推出“移動圖書館”微信公眾號、APP等，但對于讀者的位置卻顯得較為局限，沒有很好地利用基于位置給讀者的智能推薦服務。因為對于讀者而言，滿足個性化圖書的借閱是基本需求，但目前的現狀是，讀者必須借助館內的檢索機獲知目標圖書的館藏地信息和中圖分類號，再借助每個樓層的出入口或者館內書架口的“樓層書庫-圖書類別”表，找到目標書架，從而最終找到目標書籍，整個過程過于煩瑣，基本靠人工操作完成，而且大多數館內的圖書中圖分類號（例如K247.57）過于抽象，更別提基于讀者位置為讀者智能推薦潛在偏好的圖書服務。

因此，實踐中這個問題始終存在，如何化解，成為圖書館建設研究的重要問題。畢竟館內，讀者的不同位置可能產生差異需求，即使在同一位置，不同讀者的圖書服務需求也有可能是不一樣的。讀者快速獲知目標圖書的位置并基于位置被智能推薦周圍圖書，能滿足讀者的基本及潛在需求，是智慧型圖書館重要的一部分。因此，本文研究國內外關于位置服務的圖書館推薦系統情況，通過研究二維碼定位技術和基于用戶的協同過濾算法，分析推薦系統架構，協同過濾技術和聚類技術，促使實現基于位置服務的圖書館推薦系統，從而滿足館內讀者基于位置快捷找到藏書，以及推薦讀者基于位置潛在的偏好書籍，提高圖書被讀者借閱的概率，降低使用成本，希望有益于圖書推薦系統的理論研究。

一、國內外對圖書館基于位置服務的研究現狀

（一）國外相關研究

國外對圖書館基于位置服務的研究較早，始于20世紀90年代，側重研究構建館內導航系統。對于圖書館基于位置服務的研究，美國不僅在理論上研究豐富，并積極投建于高校圖書館中。紐曼圖書館坐落在美國東海岸弗吉尼亞理工學院，其利用校園強大的全覆蓋無線WIFI，研發了紐曼系統。[1]在美國的另一州，伊利諾伊大學圖書館也致力于位置服務的推薦系統研究，Jim Hahn試圖在推薦系統上有所突破，建立一個精準的基于位置服務的推薦系統模型，為用戶提供更精細的推薦服務，該推薦系統模型確定用戶所在的館內位置是通過其連接的最近Wi-Fi接入點來判斷，并根據用戶所在的位置，規劃路線指引用戶找到目標書籍，還能實時為用戶提供需求服務，根據用戶的研究領域或要求，為用戶推薦借閱率較高的書籍或者權威資料、數字文獻等。

（二）國內相關研究

國內對圖書館基于位置服務的研究較多停留在理論上，較多學者強調建立智慧型圖書館，但在實踐中還缺乏普及和研發。在這些學者中，本文主要闡述以下幾位學者：王佶等（2013年）認為定位服務應當廣泛應用于圖書館內各項服務中，譬如讀者對書目檢索、書刊推薦、講座咨詢、其他服務咨詢等，定位服務能節省使用成本，并提出基于WIFI展開一系列的定位推薦服務，研究分析了定位服務的基礎設施建設、平臺建設以及步驟算法。薛涵（2014年），同樣也是基于Wi-Fi館內定位導航技術和虛擬現實設計，以哈爾濱工程大學的圖書館為實驗設計背景，實現用戶與借閱圖書的定位線路導航，方便讀者準確找到書籍，但并對基于位置的其他推薦服務分析較少。陳國鋼（2014年），探索了圖書館室內定位LBS的工作模式，同時應當將此定位模式應用于多種服務類型，不單是定位導航，并注重用戶的隱私和習慣。王建功等（2014年），提出在圖書館書車上安置攝像頭，將二維碼設置成路標，書車拍攝掃描二維碼獲得準確的位置坐標和線路方法。林澤斐（2014年），則將二維碼與微信公眾號融合，將公眾平臺的接口生成具有定位功能的二維碼，并貼在圖書館各書架附近，用戶通過微信掃一掃功能讀取所在位置，使用成本低且定位精準。

綜上所述，國內外對圖書館基于位置服務已有研究，在美國高校圖書館甚至已有較為先進的使用，證明了本項目研究的可操作性，而在國內智慧圖書館建設中還較多停留在理論層面上，需要進一步的討論和實踐中研發。對此，本文結合二維碼定位技術及基于用戶的協同過濾算法，分析推薦系統架構，利用協同過濾技術，實現基于位置服務的圖書推薦系統，豐富理論研究。

二、基于位置服務的推薦技術研究

基于位置服務的圖書館推薦系統實現離不開與技術的合作，對此，本文推薦使用二維碼定位技術及基于用戶的協同過濾算法，并闡釋關鍵原理，論證其合理性。

（一）二維碼的定位技術

通過二維碼定位技術生成用戶所需的定位圖片，通過服務器端程序以微信指定的圖文消息回復XML格式進行響應，響應的XML 數據中包含地圖縮略圖URL及高清地圖文件URL，將位置的地理數據生動地展現出來。[2]微信服務器將轉發此消息響應，并顯示于讀者微信終端中。

在滿足了用戶定位檢索后，如若用戶對館藏資源還有進一步的檢索需求，可通過指定輸入相關資源的名稱、作者、關鍵詞、甚至是ISBN號等檢索詞，經由OPAC模糊檢索，該用戶確定選擇后，二維碼定位系統將檢索得的目標書號與圖書館各書柜的分類號上下限進行前向匹配。若目標書號位于讀者當前所處樓層書柜的分類號上下限區間，則在目標書柜位置覆蓋定位標識圖片并輸出。

（二）基于用戶的協同過濾算法

傳統的推薦算法有三種，分別是“基于內容的推薦算法”、“協同過濾推薦算法”和“混合推薦算法”。在這三種推薦算法中，被學界公認最流行以及高度實現應用地位的是“協同過濾推薦算法”。[3]基于對象的不同，可將“協同過濾推薦算法”細分為基于用戶的協同過濾算法和基于物品的協同過濾算法。顧名思義，基于用戶的協同過濾更多考慮用戶的相似性，將用戶評分高的項目智能推薦給相似的用戶;基于物品的協同過濾更多考慮的是物品的相似性，根據用戶的歷史行為或者對物品的評分，向用戶推薦相似的物品而不是推薦用戶。

本文使用“基于用戶的協同過濾算法”。以圖書館應用舉例，該算法先讓目標用戶通過預設的偏好書籍的問題進行評分，得出該目標用戶偏好書籍的特征值，并通過數據庫儲存信息找到類似的用戶，并根據歷史類似用戶評價很高的書籍對目標用戶進行推薦，實現智能推薦。該項算法已較高應用于圖書館基于位置服務的推薦系統和機器學習中，有效地提高了圖書館推薦系統的性能。[4]

三、圖書館推薦系統的實現

（一）系統架構

該推薦系統分為三個模塊：定位模塊、爬蟲模塊、推薦模塊。系統架構定位模塊通過在WIFI環境中微信掃取樓層二維碼圖案返回服務器回傳回來的位置地圖信息;爬蟲模塊主要是通過在OPAC上抓取大量用戶對書籍的歷史評分一系列的數據進行相關解析;推薦模塊通過對用戶的偏好分析，并對各種推薦算法模型進行比較試驗，最后通過基于聚類的協同過濾算法推薦出用戶潛在喜歡的圖書。

（二）系統實現

首先，讀者通過手機微信掃取所在樓層的二維碼圖案，獲取自己的位置以及周圍的書籍集合位置圖案。然后，繼續在微信搜索框里輸入想要找的圖書，系統會根據用戶的位置和歷史喜好，返回給讀者目標圖書的位置以及位于讀者周圍的潛在偏好書籍的位置。

四、結語

本文提出一種基于定位的圖書推薦系統的具體實現方法，該方法綜合了二維碼定位技術以及協同過濾技術，通過先準確定位然后對OPAC系統保留的大量用戶借閱歷史記錄進行分析，得到用戶的偏好，向用戶提供個性化圖書推薦服務。

參考文獻：

[1]Sciacchitano B，Cerwinski C，Brown I，et al.Intelligent Library Navigation Using Location-aware Systems：the Newman Project[C].Proceedings of the 44th Annual Southeast Regional Conference ACM，2006：371-376.

[2]林澤斐.基于微信公眾平臺的圖書館二維碼定位系統構建[J].圖書情報工作，2014（16）：138-142.

[3]張忠平，郭獻麗.一種優化的基于項目評分預測的協同過濾推薦算法[J].計算機應用研究，2008，25（9）：2658-2660.

[4]Wen Y，Shui-Sheng Y.Asurvey of collaborative filtering algorithm applied in E-commerce com mender system[J].Computer Technology and Development，2006，16（9）：70-72.