高校新讀者圖書個性化推薦服務分析

摘要：由于高校圖書館藏書種類較多，數量大，讀者在使用過程中難以高效的選擇合理的閱讀對象，使得讀者的圖書閱讀興趣不斷下降。針對當前圖書服務存在的問題，高校的圖書管理人員應當設計個性化的圖書推薦服務，根據讀者的閱讀習慣以及大數據等實現個性化的閱讀對象推薦，提升新讀者的閱讀積極性。本文分析了圖書推薦服務存在的問題，就如何實現個性化的圖書推薦服務提出了意見。

關鍵詞：高校圖書服務;讀者;個性化推薦

引言

隨著網絡的發展，高校在圖書館的管理中也開始借助網絡平臺來優化服務，有效的提升了讀者的閱讀體驗。但是，由于高校圖書服務的發展時間較短，針對讀者的個性化推薦服務效果較差，難以提升新讀者的閱讀興趣，導致圖書館的使用率難以得到提升。在未來的發展中，高校圖書服務應當針對新讀者的愛好提供個性化的推薦服務，以此來提升新生的閱讀興趣，提高圖書館資源的使用率，幫助學生養成閱讀習慣。

1高校圖書的閱讀推廣與個性化推薦的發展現狀

在當前的網絡閱讀背景之下，個性化的閱讀內容推薦是基本的功能，高質量的個性圖書推薦可以有效的提升讀者的閱讀興趣，對閱讀平臺的發展和閱讀資源的使用有著重要意義。個性化的圖書推薦是指網絡平臺可以根據讀者的閱讀興趣和閱讀習慣，預測讀者的閱讀傾向，進而提供個性化的圖書推薦。個性化的閱讀推薦可以實現對圖書資源的推廣，提升讀者的閱讀興趣。在當前高校圖書服務中，網絡平臺的加入在一定程度上提升了圖書資源的使用效率。當前許多高校的個性化圖書推薦服務一般是基于讀者的閱讀歷史進行，這就使得個性化推薦服務難以為新讀者提供支持，導致高校新生的圖書閱讀興趣不高，不僅影響了高校圖書資源的使用率，也給學生閱讀習慣的養成產生了一定的影響。導致新讀者圖書個性化推薦服務問題的主要原因是推薦服務的冷啟動問題，圖書服務依賴于對讀者閱讀歷史的分析來完成個性化推薦，新讀者的閱讀歷史缺失嚴重影響了服務的進行。

2高校新讀者圖書個性化推薦服務問題的解決措施

2.1解決思維

為了避免冷啟動問題影響圖書個性化推薦服務的質量，高校的技術人員應當采取一些應對策略。首先，為了對新讀者的閱讀習慣有基本的了解，圖書館的網絡平臺可以對相近年齡讀者的閱讀習慣進行分析，根據新讀者和相近讀者之間的閱讀習慣相似性來完成基本的閱讀內容推薦，將已有讀者的閱讀記錄作為新讀者的閱讀歷史在分析和推薦中進行使用，為推薦服務的進行提供基礎數據支持。第二，閱讀數據的預處理。高校圖書資源數量多，讀者的閱讀數據與圖書館的圖書資源存在較大的數量差，這導致個性化推薦算法對新讀者的推薦不夠準確，計算效率低，讀者難以在大量的圖書資源中發現目標，影響了個性化推薦服務的質量和讀者的閱讀興趣的養成。數據稀疏問題對個性化閱讀推薦服務的進行有著負面影響，在未來的發展中，圖書館的網絡平臺應當預先對圖書數據進行處理，在保留歷史數據的基礎之上提升閱讀數據處理質量，優化圖書推薦服務的效果。第三，在讀者之間構建歸屬關系，為了提升個性化推薦服務的效果，圖書館的技術人員可以將閱讀歷史和閱讀習慣相近的讀者相互關聯，將讀者的閱讀歷史作為資源向相近的用戶進行推薦，優化推薦效率。

2.2讀者相似性的分析

為了改變冷啟動問題，首先，在個性化推薦服務的設計中，技術人員要對讀者的相似性進行分析。在相似性分析中，技術人員可以借助大數據技術對讀者的閱讀習慣和閱讀歷史進行研究。通過對數據的分析可以看出，高校新讀者一般是批量加入，其信息較為詳細，因此，在相似讀者的劃分中，平臺可以通過讀者的專業、年齡以及性別等進行基本的劃分，為后續的閱讀分析打好基礎。年齡以及專業相似的讀者往往在閱讀習慣以及學習內容上存在相似之處，在結合學生信息，對相似讀者進行基本的分類之后，網絡信息平臺可以根據學生的興趣愛好來對新讀者進行個性化的圖書推薦，提升推薦內容的合理性。例如，在電氣專業的學生中，電氣工程、電路設計以及電工工藝等是相對借閱量較多的圖書，因此，針對這一專業的學生，網絡平臺在數據推薦中就可以使用以往學生的閱讀歷史來完成針對性的圖書推薦，滿足了讀者的學習需求。

2.3提升圖書推薦的信息深度

高校圖書情報服務的主要用戶仍然是學生和教師，因此，在圖書情報的使用中，這些客戶往往都需要專業程度較高的圖書或是文獻，這對于圖書情報管理工作的進行提出了更高的需求。為了提升圖書情報系統的專業性，技術人員可以借助大數據技術和云平臺技術對圖書情報信息進行分析，強化圖書資源整合和分類質量，保證滿足特定用戶對深度專業技術知識的需求。加深垂直方向圖書內容的質量有助于提升客戶的使用質量，且滿足高校用戶的專業技術需求。技術人員可以將云平臺和深度學習機制相結合，針對當前大規模數據分析工作，深度學習機制有效的提升了大數據技術的發展完善，基于大數據的深度學習機制有效的提升了數據分析效率。在長期使用的過程中，管理系統可以學習用戶的使用習慣，在后續用戶進行圖書情報的查詢過程中，系統可以提供更為個性化的服務，營造更高質量的圖書信息使用環境，提升用戶的使用體驗。新讀者的專業、興趣愛好等都會影響閱讀需求，因此，在個性化推薦服務的設計過程中，技術人員應當綜合相似讀者推薦、專業推薦以及深度學習機制，根據閱讀歷史和相近閱讀需求，實現個性化的圖書推薦，滿足讀者閱讀需求。

結語

在高校圖書推薦服務中，為了提升推薦內容的個性化，在未來的設計中，技術人員需要解決冷啟動問題，根據相似讀者和專業內容來對圖書進行初步的推薦。為了滿足學生的閱讀興趣，技術人員也可以添加深入學習機制，根據學生的閱讀歷史，推薦專業書籍意外的閱讀內容，提升學生的閱讀積極性。

參考文獻：

[1]彭博.面向用戶屬性的個性化圖書推薦方法探究[J].圖書館工作與研究，2017（10）：118-123.

[2]劉芷茵.大數據環境下個性化圖書推薦服務研究[J].圖書館學刊，2017，39（06）：101-106.

[3]李克潮，藍冬梅，凌霄娥.一種高校讀者借閱偏好的個性化圖書推薦[J].現代情報，2013，33（08）：68-72.

[4]李克潮，黎曉.個性化圖書推薦研究[J].圖書館學研究，2011（20）：65-69.

作者簡介：王變茹（1965.7-），女，漢族，陜西蒲城人，西北大學 本科，渭南師范學院圖書館 副研究館員，主要研究方向：圖書情報與思想教育。