协同推荐系统在民办高校图书馆借阅系统中的应用研究

章志玲

摘 要：目前，网络通讯技术以及数据库技术发展空前，也为高校图书馆的数据处理模式带来了改变，从以往的人工服务器模式转变为计算机自动处理，尤其是图书的借还形式也发生了改变，都通过数据库技术完成。因为时间的积累，大量的信息存在于图书馆的数据系统中，如果能够从这些信息中提炼出有用的内容或者有价值的规律，那么将使图书馆的管理和服务有很大的提高。

从众多的资源中，根据读者们的查阅过的信息进行记忆，从中获取他们的阅读爱好，找到阅读中的规律，快速准确实现向读者推荐图书的目的。

本文对协同过滤如何在图书馆管理中进行应用做了仔细的介绍，深度挖掘借阅者的兴趣爱好，以此进行具有关键性的图书推荐，对于指导图书馆在图书推荐工作中具有一定的参考价值。

关键词：协同过滤；借阅系统；数据挖掘；图书推荐

1 研究的背景和意义

商丘学院是一所民办本科高校，经费来源主要依靠学生的学费，图书馆资源的购置经费是有限的。如何利用有效的经费为全校师生购置有效的资源，如何将有效的资源充分利用是民办高校图书馆的重点工作。经过十多年的积累和建设，学院图书馆的资源已初具规模。图书馆的服务对象主要是教师和学生，两者对图书馆的要求有所区别，老师主要利用图书馆的资源进行学术科研活动，学生主要满足其学习的需求。图书馆的建设要根据服务对象需求的不同具有不同的功能，发展具有针对性的个性化服务，更大范围和程度上满足使用者的需求，使图书馆的服务更加到位。除此之外，老师和学生对图书馆的使用主要是满足自己所研究领域和专业学习的需要，传统的借阅模式已过于死板，因此，图书馆的信息不仅是满足日常讀者的需要，更要在专业化方面更加完善。

受现代科技的影响，计算机技术和数据库技术被广泛的应用到高校的图书馆管理中。目前，开创个性化图书馆服务指的是进行个性化数据图书馆服务，对于推荐服务系统是对图书馆个性化服务的主要研究方向。图书馆推荐服务系统，就是图书馆系统根据众多借阅者的查询记录，在其他借阅者到馆中进行相关内容的查询时，联系之前查阅者的查询记录对相关内容进行推荐。因为现代互联网的快速发展，所以在信息服务方面图书馆需要对服务模式进行适当的调整，以提高质量和书籍利用率，这就需要图书馆根据读者需要，推出个性化服务形式。所谓个性化信息包括客户的年龄、学历、职位、兴趣爱好、浏览与下载等，对不同年龄段，不同需求的客户进行具有个体针对性的信息推荐系统。

2 协同推荐技术的理论基础

推荐系统的整体构造核心由推荐算法板块、用户兴趣板块、推荐对象板块三个重点构成。

1）用户兴趣模型的建模。研究者开发推荐系统的最终导向是将最贴合使用者的个性化资料传送了使用者，对使用者过去的操作和喜好选择进行分析来得到当前的喜好标签尤为重要，而设置一个兴趣模型对于这一目标的达成有很重要的作用。模型建设成果后，能够快速、准确地得到使用者个性需求。

2）推荐算法核心模块。推荐系统搭建兴趣模型最重点的核心就是算法。算法和系统的操作性能直接相关，所以，不少研究者都在这个点加大投入。有些学者提出了传统算法的特殊性升级，有一些学者则认为要根据具体状态进行多算法结合，以达到推荐准确度优化的目的。当前，研究领域和实操者们都认可的算法为以下几种：以内容为标准、以关联规则为准则、以效用为参考、以知识为基准、以协同过滤为基础的五种算法。我们在研究时试图对这五种算法进行细致化的分析和阐述，还会对近期研究者们重点研究的投向对共性推荐手段个性化的衍生算法进行必要的描述。

3）推荐对象模块。日用品、服装、书籍、电子设备这些都是不同行业的商品，但每一类都需要借助喜好来进行推荐。说到不一样的品类推荐就要说到对象板块。可以说，推荐对象的阐述并没有一个可以进行参考的大规则（算法）。以内容为标准的算法，一般都要对推荐对象（商品）入手，对其特点进行描述来进行标签设定，现在截取特点的办法纯熟一点的手段是文本对象特征提取。不过，无论是互联网还是实体，各种各样的商品条目和分类导致有些商品本身不一定能挖掘到文本性质，要进行特点获取就必须要和它本身所在的行业知识综合考量。

3 存在的问题与思考

本文着重将协同过滤技术与图书馆管理技术相结合，分析了以下工作：

1）本次调查不仅分析了这项先进的技术在各大图书馆的使用率，也系统总结了协同过滤技术以及余弦相似度算法，具体可分为两个方面，一是协同过滤挖掘，二是其算法分类。这项算法既可以以用户为出发点，也可以从项目上进行分析，可以准确剖析这项技术的优点和劣势，同时也可以预测分数。

2）统计在图书馆当中每个读者的借阅次数，根据真实的记录，同时按照相应的算法以及计算原理，构建图书馆与读者相适应的先进系统。这个系统自动具备人性化管理模式，同时，可以按照读者兴趣爱好推荐不同类型的书目，让读者在最短的时间找到自己的所需。因此，可以使得人们更加便捷的借阅图书，让图书馆能够根据读者的兴趣推荐图书，实现图书馆与读者的良性互动。

3）这个系统能够自动优化统计结果，根据数据找出相似用户，也能找出最受欢迎的图书类型，将它们的排列次序前置，从而能够达到最好的推荐效果。

4）建立完备的图书馆衡量标准，根据查准率进行判断，准确的评估推荐效果，同时也要结合实验结果，比对不同环境下各项参数的大小。

5）笔者由于拥有足够的图书馆工作经验，可以顺利进入图书馆借还系统使用系统数据，另外，这个系统还具有自动导出功能，不仅可以借阅图书，也可以对借阅者的姓名和卡号做好记录，从而保证数据的准确性。当然，这个过程中，我们需要避免冷启动问题，这就需要我们提前做好准备，其实就是开展协同过滤。随后需要不断的清洗不同借阅人员的记录，只留下借阅次数较高的人员，同时需要摒弃无用或者冗杂的信息。对于一些新读者，图书管理员可以开启新书推荐功能，借助这种最直接的推荐方式，给新读者提供有用信息，方便他们的阅读。

当下时代，世界各个领域大数据都得到广泛应用。在未来，数据发掘技术会得到更好的发展，继而推动算法程序的完善。随着这两项技术的发展，推荐系统将会被运用到越来越多的领域，对人们的生活产生深远的影响！

参考文献

[1]杨永权.基于协同过滤技术的个性化图书推荐系统研究[J].《河南图书馆学刊》，2014.

[2]李笼.基于AJAX的图书馆管理系统的设计与实现[J].《电子科技大学硕士论文》，2011.

[3]夏仲钦.论开架借阅的管理与服务[J].《图书馆学刊》，1996.

[4]柯福顺.基于多源数据融合的协同推荐方法[J].《电信科学》，2015.

[5]杨春玲.职业技术师院学生阅读倾向的调查分析[J].《河南职业技术师范学院学报》，1996.

[6]荣辉桂，火生旭，胡春华，等.基于用户相似度的协同过滤推荐算法[J].通信学报，2014，（2）：16-24.

[7]硕良勋，柴变芳，张新东，等.基于改进最近邻的协同过滤推荐算法[J].计算机工程与应用，2015，（5）：137-141.

[8]陈永光.基于OPAC的高校图书馆个性化图书推荐算法研究[D].江苏：南京理工大学，2013.