基于數據挖掘的智慧圖書館文獻資源個性化推薦方法

孫玲玉

（沈陽工學院 遼寧 撫順 110000）

0 引言

智慧圖書館也被稱為數字化圖書館，擁有格式豐富、增長快速的文獻資源［1］，包括電子期刊、論文等，具有高價值、低密度的特點［2］。 人們對智慧圖書館內的文獻資源的查找需求日益增長，但是容易受到信息過載等問題影響，造成信息檢索迷失，在面對大量相似資源時難以通過有效的檢索算法進行篩選［3］。 研究人員設計了幾種文獻資源個性化推薦方法。 其中一種是考慮學術社交網絡的智慧圖書館文獻資源個性化推薦方法［4］，以特定用戶視角搜索擴展，計算推薦相似度，實現資源個性化推薦。 另一種是基于深度學習的智慧圖書館文獻資源個性化推薦方法［5］，使用自編碼器提取用戶特征，預測用戶偏好，實現資源個性化推薦。 大多數智慧圖書館文獻資源個性化推薦方法使用向量空間模型（vector space model， VSM）獲取資源推薦特征權重［6］。 然而，這種方法容易受到文獻表現形式變化影響，推薦準確率較低，不符合檢索要求。 本文基于數據挖掘設計了一種智慧圖書館文獻資源個性化推薦方法［7］。

1 智慧圖書館文獻資源數據挖掘個性化推薦方法設計

1.1 基于數據挖掘構建文獻資源個性化推薦用戶模型

在智慧圖書館文獻資源個性化推薦的過程中，如果涉及的數據總量較大，處理難度也會增加，從而影響推薦效果。 數據挖掘技術利用計算機在線處理數據，進行高效檢索，獲取推薦目標。 本文基于數據挖掘技術構建了圖書館文獻資源個性化推薦用戶模型。

在智慧圖書館文獻資源推薦用戶建模時，考慮了用戶的瀏覽記錄及瀏覽信息等，并深度挖掘這些信息，提取符合用戶需求的偏好特征，提高推薦用戶模型的適配度。 用戶模型構建有幾個步驟：首先，采集用戶的基本瀏覽和反饋信息，挖掘用戶的興趣特征，其次，將提取的特征處理展示，生成初始的用戶模型，最后根據用戶的動態變化更新，滿足用戶需求的動態變化。

本文設計的方法明確了用戶推薦模型的數據來源，然后進行用戶興趣信息收集。 用戶興趣信息包括顯式信息和隱式信息。 顯式信息根據資源的推薦引導關系讓用戶打分，再將結果存儲在數據庫中。 數據的整體可靠性較高，不存在明顯的數據噪聲，結構化明顯。 在獲取顯式信息的過程中以用戶為基礎，執行真實信息反饋，增加信息的真實度。 隱式信息在不影響用戶的狀態下自動收集而成，包括用戶的歷史點擊記錄、搜索內容等，有效借助數據挖掘方法確定用戶的潛在特征要點，使其滿足文獻資源的推薦要求。

常規的個性化推薦用戶模型具有不同的表示方法，包括向量空間模型表示、用戶項目矩陣表示等。 本文針對不同用戶構成的個性化推薦向量，選取用戶評分矩陣表示法。 該方法可以滿足海量文獻資源的推薦要求。 因此，在實現個性化推薦之前，需要預先提取文獻資源的特征，流程圖如圖1 所示。

圖1 文獻資源的特征提取流程

由圖1 可知，對文獻資源進行特征提取首先需要對不同的文獻數據進行預處理，包括數據清洗、轉換等。 接下來進行分詞調整，計算特征詞的權重占比。 最后，篩選出最高權重特征詞，生成文獻資源特征提取模型。

智慧圖書館內部的數據維度較高，處理難度較大。 本文設計的方法使用余弦處理法降低了維度災難問題，進行特征匹配處理，計算余弦值r如公式（1）所示。

式（1）中，ui為文獻資源中篩選的高權重詞向量，vj為權重較高的特征詞向量。 基于此，計算匹配度sim，如公式（2）所示。

式（2）中，P、Q分別為文獻特征詞向量，Pi、Qi分別為點篩選出的權重較高的不同特征詞。 結合計算的匹配度進行文獻資源個性化推薦篩選，挑選匹配度較高的文獻推薦給用戶。

1.2 設計智慧圖書館文獻資源個性化推薦算法

本文設計的個性化推薦算法屬于融合算法，即利用關聯規則推薦算法獲取頻繁項目集，根據用戶的偏好狀況協同過濾推薦，提高推薦效果。 智慧圖書館文獻資源個性化推薦算法示意圖如圖2 所示。

圖2 智慧圖書館文獻資源個性化推薦算法

由圖2 可知，根據上述的個性化推薦算法在推薦的過程中可以獲取頻繁項目集，計算其置信度，生成相應的個性化規則，再生成用戶－項目評分矩陣，獲取推薦列表，輸出有效的推薦結果。

在文獻資源個性化推薦的過程中，計算文獻資源的信息增益值，生成有效的個性化推薦評價函數IG（t） ，如公式（3）所示。

式（3）中，P（c） 為某個詞的占比，P（CJ） 為推薦空間含有推薦詞的概率。 根據上述生成的個性化推薦函數，根據文獻資源的詞語與類別關系確定推薦資源的相關性，生成的互信息MI如公式（4）所示。

式（4）中，P（t cj）為含有關鍵詞文檔在資源中的占比，P（t） 為不含有關鍵詞文檔出現的概率。 結合互信息及推薦評價函數，生成的智慧圖書館文獻資源個性化推薦算法TF － IDF如公式（5）所示。

式（5）中，fki為文獻資源中關鍵字出現的頻次，fzi為普通文獻出現的頻次，N為需要訓練的推薦資源量，nk為含關鍵字的資源量。 有效分析待推薦資源的文檔內容，獲取不同詞向量的綜合推薦函數，再按照基礎權重順序獲取文檔的特征項。 如果在推薦過程中出現TF 值過高問題，難以判斷詞語代表的文檔類別，需要進行IDF 處理，調整詞語的分布關系，保證最終的推薦效果。

2 實驗

2.1 實驗準備

本文選取LDA 平臺作為實驗平臺，選取某高校智慧圖書館作為研究對象。 該智慧圖書館內部包含多種類型的文獻資源。 為了降低實驗難度，在實驗前預先對不同類型的文獻資源進行排序，隨機抽取相應的實驗資源。 在實驗過程中，使用Python 對實驗數據進行深度分析，結合jieba、gensim 進行詞向量推薦。 設置的參數參考Word2Vec.在開始實驗后，將符合實驗要求的文獻數據存放至實驗集合中，隨機抽取遍歷文獻，合并語料庫，使用相應的公式計算最終的實驗結果。 實驗采用Java 作為開發語言，結合Eclipse 輔助開發，運行實驗腳本文件。 本實驗的數據庫表結構及關聯性示意圖如圖3 所示。

圖3 實驗數據庫表結構及關聯性

由圖3 可知，受客觀條件限制，獲取的實驗結果可能存在一定的偏差。 本文為了提高實驗結果的準確性，使用推薦文獻庫進行綜合處理，保證智慧圖書館中的重復、冗余文獻資源接近真實標準。

本實驗采用平均推薦準確率指標來衡量實驗方法的有效性，設計的智慧圖書館文獻資源個性化混淆矩陣如表1 所示。

表1 智慧圖書館文獻資源個性化混淆矩陣

根據智慧圖書館文獻資源個性化推薦混淆矩陣，設計平均推薦準確率Pr計算式，如公式（6）所示。

式（6）中的相關參數均與表1 對應，Pr越大，平均推薦準確率越高，推薦效果越好；Pr越小，推薦效果越差。

2.2 實驗結果與討論

分別使用本文設計的推薦方法、考慮學術社交網絡的智慧圖書館文獻資源個性化推薦方法以及基于深度學習的智慧圖書館文獻資源個性化推薦方法進行推薦，使用式（6）計算3 種方法在不同類型資源下的資源平均推薦準確率，實驗結果如表2 所示。

表2 實驗結果

由表2 可知，本文設計的推薦方法在不同類型資源下的資源平均推薦準確率均較高，應用考慮學術社交網絡的智慧圖書館文獻資源個性化推薦方法以及基于深度學習的智慧圖書館文獻資源個性化推薦方法在不同類型資源下的資源平均推薦準確率相對較低。 實驗結果證明，本文設計的推薦方法效果好，具有可靠性，有一定的應用價值。

3 結語

數據庫內部存儲的互聯網信息數據類型豐富，總量較多，如何快速獲取所需的數據信息逐漸成為目前的重要問題。 智慧圖書館是一種數字化文獻資源存儲中心，在大數據背景下，人們的資源獲取需求急速增長，但文獻資源的檢索、獲取難度相對較高。 為解決上述問題，需要設計一種有效的智慧圖書館文獻資源個性化推薦方法。 常規的推薦方法缺乏合理的推薦模型，本文基于數據挖掘設計了一種全新的智慧圖書館文獻資源個性化推薦方法。 實驗結果表明，設計的推薦方法推薦效果較好，具有準確性，為降低智慧圖書館文獻資源查找難度作出了一定的貢獻。