高校图书馆推荐系统的应用研究

郭恒 孙莹 劳野

摘 要：随着互联网的出现及其普遍应用，带来了信息量的大幅增长，同时也产生了信息超载问题。推荐系统的出现很好的解决了信息超载问题，且被广泛应用在多个领域。本文首先对高校图书馆推荐系统的现状以及系统架构进行简要阐述，接着介绍了推荐系统中常用的几种算法，最后结合工作中的实际情况对其应用进行了简述。

关键词：高校图书馆；推荐系统；个性化推荐

高校图书馆的馆藏资源非常丰富，且处于稳定增长的状态，其主要用户群是学校的教职工及学生。面对着用户的专业不同、兴趣不同，需求也是各不相同的。如何能够结合自身的特点，更主动化、人性化的满足用户的不同需求，是图书馆发展阶段的一项重要内容。在网络技术飞速发展的今天，利用计算机网络技术实现推荐系统的应用，对于高校图书馆发展的现代化有着重要的意义。

1 高校图书馆推荐系统概述

1.1 高校图书馆推荐系统的发展及其现状

最早的推荐系统Tapestry，是由美国施乐公司研究所于1992年12月开发出来的[1]。在这之后，又出现了应用于不同领域的推荐系统，有的可以根据用户的兴趣推荐相关的网络新闻，有的可以根据消费者的兴趣提供个性化的商品推荐，有的可以根据用户的学习内容及习惯提供私人定制的学习计划。在这些推荐系统的应用中，比较出名的有国外的亚马逊、Yahoo等电子商务网站[2]，以及国内的淘宝、京东等购物平台。

随着科技的发展，国内的各个高校图书馆也随后加强了对个性化推荐技术的研究。早在2000年初，名为“基于Web的数字图书馆定制系统”的项目由北京大学承担；中国人民大学的数字图书馆Kingbase DL，通过记录和分析用户描述信息，构建读者概貌，进而产生与之相匹配的图书推荐[3]。在研究人员对推荐技术研究的同时，图书推荐系统也逐步的应用在高校图书管理系统中。随着其广泛应用，可以发现，有图书推荐功能的系统，可以很好的满足师生的信息需求，节省了用户大量的搜索时间，通过更有针对性的图书推薦，使得图书馆可以更好的发挥其资源优势。

1.2 推荐系统的架构

目前来说，大多数正在使用的推荐系统是在现有的图书管理系统之上增加的一种个性推荐功能。推荐系统可以分为以下几个部分，即数据获取和处理部分、模型建立及内容过滤提取部分以及结果展示部分等。在数据获取和处理部分，主要是对用户数据和图书数据进行收集及处理；模型建立及内容过滤提取部分是整个系统的核心，先建立出分析用户兴趣与需求的模型，然后通过推荐算法，筛选出用户可能借阅的图书资源；结果展示部分是对推荐结果的显示的管理，包括展示的位置、内容、数量以及推荐结果的发布渠道等[4]。

2 常用的推荐算法

在推荐系统的研究中，可用到的算法有很多，较常用的有以下几种：基于关联规则的推荐，基于内容的推荐、基于协同过滤的推荐等。其中协同过滤算法是目前应用比较广泛的推荐算法。

2.1 基于关联规则的推荐

基于关联规则的推荐是从大量的数据中找到项目与项目之间的内在联系，即挖掘出强关联规则[5]。一般关联规则的产生如下：首先需要在项目集合中生产所有的频繁项集，然后在频繁项集众寻找强规则。该算法能发现新的兴趣点、不需要领域知识，但是灵活性较差，存在属性重叠问题[6]。

2.2 基于内容的推荐

此种算法首先对项目的特征进行提取，然后基于项目特征填充用户档案信息，最后产生推荐项目给用户[7]。该算法比较简单，但是对内容提取能力有限，面对高校图书馆的所产生的巨量数据，难以全面、准确的实现对其内容的挖掘。

2.3 基于协同过滤的推荐

此方法可以分为两类：基于用户的协同过滤和基于项目的协同

过滤。

基于用户的协同过滤是根据用户的历史行为数据建立用户-物品评分矩阵，采用特有的方法计算用户之间的相似程度，找到与目标用户兴趣相同或者相似的用户，从而根据相似用户的行为预测目标用户感兴趣的资源[8]。基于项目的协同过滤是通过分析用户的历史行为，计算物品之间的相似度，然后根据目标用户喜欢的物品，找到相似的物品集合进行推荐[9]。此方法算法简单，查准率较高，能够发现读者新的阅读兴趣，但是存在数据系稀疏、冷启动等问题[10]。

3 推荐系统的应用

高校图书馆的推荐功能，是根据不同用户的信息搜索内容，获得其个性化兴趣，从中找出规律性，从而提高馆藏图书的利用率。我校图书管理系统中的推荐模块分为以下几个部分：热门借阅、热门评分、热门收藏、热门图书以及借阅关系图等。热门借阅推荐界面如图1所示，包括题名、责任者、出版信息、索书号、馆藏、借阅册数以及借阅比。其中，借阅比是在一定的时间段内（本系统中为2个月），某本书的总借阅次数和馆藏量的比值。

热门评分包括题名、责任者、出版信息、索书号、总体评价和评价人次，推荐模式是可从总体评价、评价人次、好评前100名等几种方式来进行选择推荐；热门收藏部分除了题名、责任者、出版信息、索书号等基本信息外，增加了收藏人数，推荐结果以图书的收藏人数由高到低进行展示；热门图书部分是以图书的浏览次数来进行推荐的。借阅关系图可以展示出某个读者类型或者某个系别的读者与图书之间的借阅关系，如图2所示。

4 结语

在如今网络技术飞速发展的时代，高校图书馆在学生学习、教职工教学、科研的过程中发挥着不可替代的作用，要利用好新技术，以读者为本，在实际应用中及时进行修正、改进，从而构建出更完善、实用的高校图书馆推荐系统。

参考文献

[1]Goldberg D. ， Nichols D.，Okibm， et al..Using Collaborative Filtering to Weave an Information Tapestry [J].Communications of the ACM， 1992，35（12）：61-70.

[2]孙常丽，孙达辰，郭冬梅，武丽影，金松跟.推荐系统在高校图书馆中的个性化应用[J].研究探索，2017（04）：221-222.

[3]连锲.高校图书馆图书推荐系统研究-基于兴趣漂移理论和协同过滤算法[J].中国教育信息化，2018（10）：87-88.

[4]赵泉.高校图书馆图书推荐系统研究[J].新余学院学报，2018，23（03）：92-93.

[5]Yang H.Improved Collaborative Filtering Recommendation Algorithm Based on Weighted Association Rules[J].Applied Mechanics&Materials，2013：411-414；94-97.

[6]邵方舒.基于协同过滤及关联规则的个性化图书推荐[D].浙江工商大学，2018 （01）：12-14.