基于BP 神經(jīng)網(wǎng)絡(luò)原理的智能圖書推薦系統(tǒng)探究

孟 朗

（天津市薊州區(qū)第一中學(xué)，天津 301900）

1.緒論

1.1 研究背景與意義

2004 年由美國導(dǎo)演亞歷克斯· 普羅亞斯執(zhí)導(dǎo)的電影《I, Robot》上映，該電影改編自著名科幻作家阿西莫夫機(jī)器人系列作品。電影中為人們描繪了未來機(jī)器人的圖景，它們具有自己的思維和情感，對復(fù)雜問題能夠做出快速準(zhǔn)確的判斷，具備嚴(yán)密的邏輯推理能力。可以說，電影中所描繪的機(jī)器人是人工智能的高級發(fā)展形態(tài)，使機(jī)器具有人類一樣的思維是人們的夢想。然而隨著科學(xué)的進(jìn)步，人們離電影中描繪“未來”的距離越來越近。2016 年一款名為Alpha Go 的系統(tǒng)擊敗了國際圍棋冠軍李世石，取得了人機(jī)大戰(zhàn)的勝利。Alpha Go 的出現(xiàn)在國內(nèi)外掀起了機(jī)器學(xué)習(xí)和人工智能的研究浪潮，我國于2017 年7 月發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，對我國人工智能的研究和應(yīng)用進(jìn)行了國家層面的部署，隨著計算機(jī)理論和技術(shù)的發(fā)展，人工智能正不斷融入我們的生活。

本文聚焦人工智能中的BP 神經(jīng)網(wǎng)絡(luò)，通過剖析BP神經(jīng)網(wǎng)絡(luò)基本原理，創(chuàng)新提出將BP 神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖書智能推薦系統(tǒng)，并給出相應(yīng)解決方案。

1.2 研究文獻(xiàn)綜述

人工智能實現(xiàn)的關(guān)鍵在于計算機(jī)算法，除BP 神經(jīng)網(wǎng)絡(luò)算法外，目前已有多種不同原理、不同結(jié)構(gòu)的算法，它們在各個領(lǐng)域也發(fā)揮著愈來愈重要的作用。韓曉薇等對人工智能在財會方面的應(yīng)用進(jìn)行了展望[1]，論文指出人工智能的出現(xiàn)對傳統(tǒng)財務(wù)工作產(chǎn)生的顛覆性影響，在此基礎(chǔ)上提出了結(jié)合人工智能技術(shù)進(jìn)行財務(wù)管理的設(shè)想，為人工智能背景下財會領(lǐng)域的融合發(fā)展提供了參考。史斌等將人工智能技術(shù)應(yīng)用于肝臟移植領(lǐng)域[2]，提出了人工智能技術(shù)在肝臟移植過程中的診療和干預(yù)后所發(fā)揮的重要作用，為借助現(xiàn)代信息技術(shù)提高肝移植成功率打開了新的思路。賈焰等對人工智能時代下網(wǎng)絡(luò)安全問題進(jìn)行了探討[3]，提出了網(wǎng)絡(luò)安全人工智能大腦的構(gòu)建設(shè)想，同時對人工智能技術(shù)的網(wǎng)絡(luò)安全性提出了相應(yīng)建議。

孫燁對人工智能技術(shù)領(lǐng)域做了概述和總結(jié)[4]，論文整理了人工智能技術(shù)發(fā)展的歷史脈絡(luò)，對人工智能技術(shù)的研究領(lǐng)域進(jìn)行了概括，并簡述了人工智能在當(dāng)代的應(yīng)用實例。胡斌聚焦于情感智能計算領(lǐng)域[5]，對心理計算和情感智能的基本概念進(jìn)行了科普和介紹，作為人工智能領(lǐng)域的方向之一，論文介紹了表情、姿態(tài)等生物情感信息的獲取和反饋技術(shù)，對機(jī)器情感識別的原理進(jìn)行了簡要闡述。

2.BP 神經(jīng)網(wǎng)絡(luò)的基本原理

如上文所述，目前已有多種不同原理的人工智能算法，如BP 神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)（CNN）等，它們在處理特定的問題上往往具備某些優(yōu)勢，例如卷積神經(jīng)網(wǎng)絡(luò)在圖像處理方面效果卓著。本文采用BP 神經(jīng)網(wǎng)絡(luò)構(gòu)建一種圖書智能分類推薦系統(tǒng)，BP 神經(jīng)網(wǎng)絡(luò)算法基本原理簡述如下。

2.1 神經(jīng)元的構(gòu)成

BP 神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)中最基礎(chǔ)的算法，它的基本單元是“神經(jīng)元”，如圖1 所示。神經(jīng)元對輸入的數(shù)據(jù)進(jìn)行線性加權(quán)和的數(shù)學(xué)運算，如輸入變量x1與x2通過神經(jīng)元運算后將分別對變量x1乘以權(quán)重w1，對變量x2乘以權(quán)重w2，并將結(jié)果求和輸出，如式（1）所示。

圖1 神經(jīng)網(wǎng)絡(luò)基本單元示意圖

根據(jù)神經(jīng)元的定義，圖2 中的變量x1與x2通過多個神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)后輸出的結(jié)果如式（2）所示。

圖2 神經(jīng)網(wǎng)絡(luò)中單個神經(jīng)元示意圖

當(dāng)多次作用后神經(jīng)元運算后得到的輸出可能很大，導(dǎo)致不符合客觀規(guī)律，因而需要對神經(jīng)元的輸出結(jié)果進(jìn)行限制，常用式(3)所示的“激活函數(shù)”對神經(jīng)元輸出結(jié)果進(jìn)行作用，從而起到限制神經(jīng)元“大值”輸出。

通過式（3）的激活函數(shù)作用可將神經(jīng)元的輸出限定在一定范圍內(nèi)。將多個神經(jīng)元組合起來，便可構(gòu)成“神經(jīng)網(wǎng)絡(luò)”，如圖3 所示。它由輸入變量的輸入層，處理數(shù)據(jù)的隱含層以及輸出結(jié)果的輸出層組成。

圖3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

2.2 確定神經(jīng)元的“參數(shù)”

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程便是對各神經(jīng)元系數(shù)w1、w2…wn進(jìn)行優(yōu)化的過程。即將歷史數(shù)據(jù)代入后使模型輸出與歷史數(shù)據(jù)結(jié)果的真實值之間的差距最小，這一過程可用式（4）中的方差表示。

使K值最小的系數(shù)w1、w2…wn即為訓(xùn)練好的模型，當(dāng)新的x輸入到神經(jīng)網(wǎng)絡(luò)中，即可計算出“預(yù)測”結(jié)果。實際計算時，常采用梯度下降法，通過不斷迭代使得式（4）中的方差最小。

3.基于BP 神經(jīng)網(wǎng)絡(luò)原理的智能圖書推薦系統(tǒng)

書是人類進(jìn)步的階梯，人的生活離不開各種各樣的書籍，而大部分書籍均通過書店購買或圖書館借閱的方式獲得。為了給予讀者更好的借閱體驗，本節(jié)基于BP 人工神經(jīng)網(wǎng)絡(luò)算法設(shè)計了一個圖書智能推薦系統(tǒng)解決方案。

書籍的智能化推薦多主要受客戶群體的類型、客戶的年齡、性別3 個方面影響。不同的職業(yè)角色，不同的性別，不同年齡都會導(dǎo)致特定的人對書籍種類的需求有所差別。由此，本文以客戶群體角色、客戶性別以及年齡分布作為輸入，以書籍類型作為輸出構(gòu)建BP 神經(jīng)網(wǎng)絡(luò)，并根據(jù)圖書館歷史借閱信息對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而得到成熟的圖書智能推薦系統(tǒng)模型。具體方案如下。

3.1 輸入層設(shè)置

考慮影響客戶書籍喜好的主要因素，本文以客戶人群類型，年齡，性別作為輸入層的輸入變量，并進(jìn)行相應(yīng)的量化。具體設(shè)置如下：

（1）將客戶群體類型分為：學(xué)生、白領(lǐng)以及工農(nóng)群體3 個大類，并進(jìn)行相應(yīng)賦值，以10 表示學(xué)生群體，30 表示白領(lǐng)群體，50 代表工農(nóng)群體。

（2）將客戶年齡從0 ～20 歲，21 ～30 歲，31 ～40歲，41 ～50 歲，51 ～60 歲，61 歲及以上劃分為6 個年齡階段，并分別用5、15、25、35、45、55 賦值。

（3）把不同性別采用0（男性）和100（女性）進(jìn)行賦值。

3.2 輸出層設(shè)置

將書籍類型劃分為：經(jīng)典著作、社會科學(xué)政治法律、軍事科學(xué)財經(jīng)管理以及歷史地理文化教育、中小學(xué)課本教輔資料、國內(nèi)外文學(xué)、音樂美術(shù)雕塑藝術(shù)欣賞共7 類，并分別用10、30、50、70、90、110、130 七個不同的值表示。

3.3 模型訓(xùn)練

通過圖書館、書店的信息系統(tǒng)獲取大量歷史數(shù)據(jù)，將得到的以上三類輸入層數(shù)據(jù)加載到隱含層的神經(jīng)元中，再將輸出層得到的數(shù)據(jù)與歷史借閱數(shù)據(jù)進(jìn)行方差計算，通過梯度下降法使求得的方差最小，從而得到一個訓(xùn)練好的基于BP 人工神經(jīng)網(wǎng)絡(luò)的圖書智能推薦系統(tǒng)模型。

根據(jù)上述模型，當(dāng)已知客戶群體類型、年齡、性別等基礎(chǔ)信息時，就能使用模型對其愛好書籍進(jìn)行大致預(yù)測，從而為圖書館、書店等涉及圖書管理的相關(guān)單位提供智能化輔助決策，實現(xiàn)書籍的高效管理與運營。

4.BP 神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域

BP 神經(jīng)網(wǎng)絡(luò)已然是一個非常成熟的應(yīng)用，無論是在國家基礎(chǔ)設(shè)施建設(shè)，股票市場還是在醫(yī)藥衛(wèi)生領(lǐng)域，都有BP 神經(jīng)網(wǎng)絡(luò)的應(yīng)用案例。

4.1 基礎(chǔ)設(shè)施建設(shè)領(lǐng)域

在諸多基建工程中，對于地面沉降程度的預(yù)測是不可避免的環(huán)節(jié)，而BP 神經(jīng)網(wǎng)絡(luò)可以很好地解決這個問題。一般而言，影響地面沉降程度的因素主要分為自然和人為兩個方面。BP 人工神經(jīng)網(wǎng)絡(luò)可以基于人為因素對地面沉降程度進(jìn)行預(yù)測，將控沉點處地下水系統(tǒng)的年平均水位和相應(yīng)地區(qū)的地下水開采量作為輸入變量，對上述兩個數(shù)據(jù)進(jìn)行統(tǒng)計。將收集好的數(shù)據(jù)輸入模型，進(jìn)行學(xué)習(xí)，得到輸出，將得到的數(shù)據(jù)與已知數(shù)據(jù)進(jìn)行對比，多次重復(fù)學(xué)習(xí)過程，不斷調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)參數(shù)，得到地面沉降預(yù)測模型。基于預(yù)測模型可以很好地為基建工程提供一個未來短期的地面沉降程度的數(shù)據(jù)，利于工程師對結(jié)構(gòu)設(shè)計進(jìn)行針對性調(diào)整，提高建筑耐用程度。此外，BP 神經(jīng)網(wǎng)絡(luò)在橋梁施工的參數(shù)識別中、在建筑損傷判斷都有廣闊的應(yīng)用前景。

4.2 股票投資領(lǐng)域

在股票市場中，可基于BP 神經(jīng)網(wǎng)絡(luò)的基本原理建立相應(yīng)股票價格走勢預(yù)測模型。模型以時間為基準(zhǔn)，將真實市場數(shù)據(jù)作為參考，對未來股票價格走勢進(jìn)行預(yù)測，再與實際股價進(jìn)行比對，分析得出結(jié)論。這對于股民無疑是一種福音，及時預(yù)測大盤走勢，將損失降到最低。對于生產(chǎn)業(yè)來說，一個優(yōu)良的股票預(yù)測模型將引領(lǐng)企業(yè)穩(wěn)步發(fā)展，及時基于市場以及股價走勢對生產(chǎn)狀況和銷售策略進(jìn)行調(diào)整，確保企業(yè)在產(chǎn)量足夠滿足市場的同時也不會產(chǎn)能過剩。對于投資者，當(dāng)前，中國社會經(jīng)濟(jì)快速發(fā)展，市場情況瞬息萬變，機(jī)會稍縱即逝。憑借股票預(yù)測模型，投資者有效掌握走勢變化趨勢，從而進(jìn)行精準(zhǔn)有效的投資，助力我國經(jīng)濟(jì)高質(zhì)量發(fā)展，更好地推動新興企業(yè)成長。

4.3 醫(yī)藥衛(wèi)生領(lǐng)域

在現(xiàn)代醫(yī)學(xué)中，BP 神經(jīng)網(wǎng)絡(luò)的應(yīng)用也取得了很好的應(yīng)用成果，例如，在臨床疾病診斷上，基于前饋型BP 神經(jīng)網(wǎng)絡(luò)已經(jīng)實現(xiàn)部分疾病的診斷。1989 年，美國科學(xué)家David 與Ahadenni Skibler 利用已有的數(shù)據(jù)庫，將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用在冠心病預(yù)測上，準(zhǔn)確率達(dá)到77%。在醫(yī)學(xué)影像學(xué)方面，基于人工智能開發(fā)的自動閱片系統(tǒng)也得到了廣泛應(yīng)用，減輕了醫(yī)生讀片的工作壓力。人工智能的應(yīng)用為無數(shù)患者提供了更多可能，對于重癥患者，基于人工智能可實現(xiàn)病發(fā)時間預(yù)測，使醫(yī)生進(jìn)行充足準(zhǔn)備，使患者減輕痛苦，提高存活率。在生物醫(yī)藥領(lǐng)域或疾病預(yù)防領(lǐng)域，基于神經(jīng)網(wǎng)絡(luò)的藥物分子設(shè)計，為研究人員提供了一種輔助手段，從而加快新藥的研發(fā)進(jìn)程。

可以說現(xiàn)代人工智能正在從多個方面改善著人們的生產(chǎn)方式和日常生活，隨著科學(xué)的進(jìn)一步發(fā)展，論文開頭所提到的電影《I, Robot》中描繪的未來世界必將變成可觸及的現(xiàn)實。

5.結(jié)語

本文圍繞人工智能領(lǐng)域，探究了BP 神經(jīng)網(wǎng)絡(luò)算法基本原理，基于BP 神經(jīng)網(wǎng)絡(luò)創(chuàng)新提出一種圖書智能推薦系統(tǒng)解決方案，通過對不同人群特點進(jìn)行人工智能學(xué)習(xí)與訓(xùn)練，可推測出其閱讀傾向，從而為圖書館、書店等涉及圖書管理的相關(guān)單位提供智能化輔助決策。論文最后從基礎(chǔ)設(shè)施建設(shè)、股票投資以及醫(yī)藥衛(wèi)生3 個方面綜述了BP 神經(jīng)網(wǎng)絡(luò)的應(yīng)用，未來隨著人工智能的進(jìn)步，人類的生活必將進(jìn)入一個嶄新的紀(jì)元！