基于智能過濾技術的數字圖書館個性化信息推薦服務研究

劉小琴

摘要：伴隨著網絡信息的普及和推廣，越來越多的數據信息出現在人民群眾的生活之中，其中不乏諸多重復的內容，增加了人們尋找到所需信息的時間。本文將立足于數字圖書館個性化信息推薦服務的重要意義，分析數字圖書館智能化過濾信息，個性化推薦服務系統構建，并研究數字圖書館信息推薦個性化服務形式。

關鍵詞：智能過濾;數字圖書館;個性化服務;信息推薦

中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）23-0025-02

數字圖書館是運用數字處理技術存儲各類圖文的信息化圖書館，其本質是利用多媒體制作的分布式信息系統，可以將各種不同的數據信息用數字技術加工、存儲、檢索和傳輸，是基于網絡環境下構建的共享知識網絡系統。

1 數字圖書館個性化信息推薦服務的重要意義

在信息時代的背景下，用戶身處在數據信息的環繞之中，人們對于提高文化素養加強自身能力，對自己有用的信息“求賢若渴”，從而造成大眾化的信息已經無法滿足人民群眾的要求，個性化定制的信息服務將逐漸成為人們獲取信息的主要途徑，這也要求數字圖書館必須改變傳統的信息推薦服務模式，以適應現代社會環境下的用戶需求。數字圖書館的信息服務對象多具有專業性，例如學生、教師或行業專家，這些群體對信息的獲取具有較強的專業要求，除了其本身需要獲取的信息外，還有對后續科研和教學的鋪墊。正因為這些特性，使得數字圖書館不能再使用傳統的推送服務，要結合用戶的信息資源數據，建設有助于用戶操作的信息系統。并且現階段部分用戶是依靠興趣愛好來使用數字圖書館，其需求的內容與專業用戶不同，兩者的個性化服務也存在差異，前者應是興趣愛好偏娛樂性的需求，而后者則是為了提高實踐和應用能力的專業需求。此外，網絡的快速發展使得數字圖書館不再是用戶獲取專業信息的唯一途徑，高效的網絡讓用戶之間的信息交流劇增，電子書、數據庫等多媒體信息資源開始與數字圖書館競爭，這就導致數字圖書館急需提供個性化的信息推薦服務，優化系統配置，提高數字服務質量。

2 數字圖書館智能化過濾信息，個性化推薦服務系統構建

2.1 創建個性化系統模型

應用智能過濾技術應先創建個性化系統模型，從獲取用戶信息、智能過濾管理、優化系統服務方面建立三大系統模塊。首先是用戶信息模塊，此模塊的本質與傳統服務系統類似，為用戶提供登錄、檢索、信息瀏覽等基礎服務，其功能是對用戶個人信息及行為數據進行收集整理，根據檢索詞匯為用戶建立相應的系統文件，并記錄用戶的興趣和信息瀏覽情況。用戶信息模塊主要是收集數據信息，為智能過濾管理模塊所服務。在過濾信息之后，就可以將匯總的用戶數據通過智能算法、分析工具等技術整理為用戶的個性化信息，可以依靠大數據或語義關聯等智能化分析軟件幫助系統進行過濾。最后則是系統服務模塊，由于很多用戶不會專一某項信息，其檢索和瀏覽的范疇可能非常廣泛，僅依靠用戶信息模塊無法判斷出用戶的準確需求，并且智能過濾對于瀏覽新聞類信息數據的準確性較低。優化服務系統并不是針對用戶要求的系統，而是幫助智能過濾模塊提升科學決策、合理推薦的有效性[1]。以新聞為例，當用戶瀏覽新聞內容后，智能過濾系統很大概率會推送相同的新聞，而用戶并不需要瀏覽同樣內容的新聞，這時優化服務模塊將對數據進行分析，認定此推薦信息屬于新聞類，再次推薦時應注重新聞時效性和重復性。

2.2 智能過濾技術的個性化服務

構建數字圖書館智能化過濾信息，個性化推薦服務系統并不困難，如何有效實現個性化信息推薦服務才是其關鍵，而智能過濾技術是服務系統中的重要組成部分。智能過濾技術主要從兩方面表現。一方面是其關鍵技術，以內容過濾、協同過濾和聚類分析為基礎實現個性化服務。內容過濾基于個性化系統中的用戶信息模塊進行，通過管控用戶的信息需求和信息描述，將用戶可能感興趣的信息傳輸給用戶，傳統的過濾技術多以內容過濾為主，其方便快捷但也簡單粗暴，很容易將數據信息一刀切，使部分有用的信息被屏蔽掉。協同過濾技術是分析用戶的興趣，并從數據庫中篩選出類似的用戶信息，利用用戶之間的相似需求進行推薦服務，提升了內容的信息含量和質量。協同過濾技術在面對專業性的數據信息時較為有效，但在信息涉及較為廣泛或用戶檢索范圍較大時，推薦服務無法達到個性化的要求。聚類分析是將數據信息本身進行簡化分類，根據用戶瀏覽的集合進行推薦，簡單來說聚類分析類似于數學概念中的交集，當用戶檢索的數目越多，其推薦服務信息的個性化越強。另一方面是通過智能過濾構建的基于用戶個人的信息化服務，多是以個人歷史記錄、個人書架、個人導向服務等形式出現，本質上并不是信息推薦服務，而是建設多樣的信息獲取渠道，從多方面收集用戶信息的服務系統。

2.3 個性化系統的用戶隱私安全

伴隨著網絡信息的快速傳遞，數字圖書館也需豐富自身信息資源以滿足不同用戶的信息需要，這就導致數字圖書館的服務范圍較為廣泛，從而在開展個性化服務時用戶的個人隱私信息會被智能過濾系統所獲取。個性化服務和用戶隱私安全既是相輔相成的關系，也是一把雙刃劍。因此在構建信息系統的同時要注重對用戶個人信息的保護。《網絡安全法》中明確指出了個人隱私信息被泄露的問題，在數字圖書館開展個性化信息推薦服務系統時要嚴格遵守此法律，也應加強對系統工作人員的信息安全教育，定期開展網絡安全培訓，重視對用戶個人信息的保密。在用戶使用個性化服務的過程中，信息系統應提醒用戶保護自身隱私安全，并且系統應盡量以用戶使用為主，建立征求用戶同意的檢索內容，用戶可以將不愿看到或重復推薦的信息屏蔽，在保障用戶隱私安全的同時，提高用戶信息系統的使用效果[2]。

3 數字圖書館信息推薦個性化服務形式

3.1 個性化信息獲取與個性化服務互動

數字圖書館利用智能化過濾信息，個性化推薦服務系統為用戶提供全方位的數字服務，一般是以靜態獲取和動態獲取兩種形式為主。靜態獲取以用戶信息模塊為基礎，而動態獲取則以智能過濾為基礎，信息系統將會分析用戶在動靜態中不同的需求，并以此建立用戶個人的數據庫，根據數據庫中的行為偏好、信息習慣、使用記錄為用戶智能推薦個性化信息。這也是目前大多數數字圖書館所應用的個性化信息推薦系統，其優點是可以依靠系統大量數據的分析得出最符合用戶推薦信息的結果，減少用戶獲取信息資源的檢索時間，提高信息服務效率。而其缺點則是智能過濾技術下的交互不足。以用戶行為作為基礎的推薦服務在大體上是符合個性化推薦服務要求的，不過智能過濾技術的本質是收集信息后傳遞信息，并未從根本上獲取到用戶的個性化需求。要想進一步提高個性化推薦服務的覆蓋效果應當加強對個性化信息的獲取和收集。例如上文提到的個人書架、個性化檢索等服務系統，以個性化檢索來說，當用戶檢索“數字”時，因為其覆蓋面廣，個性化推薦服務難以準確定位。此時個性化服務系統應加強對“數字”的智能過濾，不僅要在數據中將最為關鍵“數字”信息提取出來，也應在檢索目錄列出信息、技術、圖書館、系統等與“數字”有連帶關系的熱門數據，還可以列舉數字化、數學、指數等跟“數字”類似的信息，使用戶能夠進一步篩選出其需要的內容。基于智能過濾技術的數字圖書館個性化信息推薦不應是單獨的、唯一的，而應該是在用戶需求范圍內給出最貼切、適宜的數據信息[3]。