基于神经网络的图书馆用户满意度综合评价方法研究

刘康弟

关键词：神经网络;图书馆;用户满意度;评价

摘要：神经网络技术在图书馆的应用，有助于提高用户满意度评价的可靠性。文章介绍了神经网络技术的原理与优势，分析了图书馆用户满意度的影响因素，设计了基于神经网络的图书馆用户满意度评价指标体系，最后构建了用户满意度评价模型。

中图分类号：G250文献标识码：A文章编号：1003-1588（2019）07-0119-03

满意度的概念最早起源于营销学，是用户获取服务或产品后经过预期效用与实际效果的对比而产生的一种主观感受。随着研究的深入以及应用領域的拓展，用户满意度被引入图书馆服务评价中，用于全面掌握用户需求，为用户提供更加优质的服务。在用户满意度评价方面，图书馆可以采用建立用户满意度指标模型的方式研究用户对图书馆服务的感受，用于提升服务质量。神经网络技术是一种多层逆推算法，可以通过客观数据自主学习与训练的方式，全面挖掘海量数据的潜在价值，避免人为、主观因素对评价结果的影响。将神经网络技术应用于用户满意度评价模型构建，能够提高数据处理效率，获得较好的评价效果，这也是图书馆领域的全新研究方向。

1神经网络技术的基本原理与优势

1.1神经网络的概念

神经网络（BP）的概念最早由Rurnelhant等在1986年提出，是指基于多层神经网络的逆推学习算法。它属于人工智能的分支，具有记忆、自主学习、归纳与联想等能力，应用领域十分广泛[1]。其算法的基本思想是：根据系统的输出误差，对输出层的前导层进行误差估计，并根据估计结果进行前馈计算，以层层逆推的方式，获得多层误差计算结果。算法学习过程由两部分构成，即系统信号正向传递与误差的反向逐层处理。在正向传播过程中，由输入层传入样本数据后，经过多个隐含层的处理，最终传至输出层。若发现实际输出与预期输出不相符，系统则转入反向误差传播阶段，并根据估算结果对不同单元的权值进行修正，以保障输出结果符合要求。

1.2神经网络技术的原理

神经网络技术模拟大脑神经传递的方式，形成了类似大脑的多层神经网络结构[2]。其中的传导系统类似大脑的神经元，用于接收、传递、处理数据，不同功能的神经元聚集起来就形成了复杂的神经网络。最简单的神经网络模型主要包括输入与输出两层结构，没有其他隐含层，输入与输出层直接关联，因此信号的传递路径变短，也被称作跳跃型线性回归模型。

1.3神经网络的应用优势

与大多数综合评价方法相比，神经网络技术因模拟了大脑的自主学习和智能运算方式，避免了人工操作中的主观性因素，更具客观性、高效性与科学性[3]。它由类似大脑的计算机程序构成，特殊的层级结构决定了其具有强大的数据处理能力以及较好的自主学习能力，能够通过隐含神经元估算连续函数，进而获得精准的计算结果。神经网络技术在图书馆领域的应用，有助于构建更为完善的用户满意度评价模型，通过数据测量与逆推计算可以了解用户预期与实际服务之间的差异，发现图书馆服务存在的问题，引导图书馆提高服务质量。

2图书馆用户满意度的影响因素分析

移动网络环境下，图书馆在提供数字化服务的过程中，不仅需要依托基础设施与先进技术，也需要制订合理的服务方案，在这个过程中存在很多影响用户满意度的因素，大致包括设施环境、服务质量、信息资源等几个方面。

2.1设施环境的影响

完备的软硬件设施以及良好的内部环境是图书馆吸引用户的基本条件[4]。在图书馆为用户提供信息服务的过程中，服务系统是否稳定，内部空间布局是否合理，内部环境是否安静和舒适，都会直接影响用户的主观感受。图书馆的外部环境也非常重要，其外部环境是否干净整洁，是否处于闹市区，交通是否便利等，也会影响用户的使用满意度。在网络环境下，图书馆需要不断完善基础网络设施，合理应用先进信息技术，保障服务系统的稳定性以及网速的顺畅性，同时还应设置友好的用户服务界面，做好用户信息保护工作，关注影响用户体验的各种因素。

2.2服务质量的影响

用户在获取信息服务的过程中，不仅要求图书馆员具备良好的服务意识，也要求馆员根据他们的动态需求提供更具个性化的信息产品。在此背景下，图书馆员应提升业务水平，积极转变服务理念，以用户需求为导向，不断学习新知识，获取新技能，以出色的业务能力和较好的服务态度，保障图书馆服务的有序性。同时，图书馆员有必要强化与用户之间的信息沟通，及时获取用户对服务的反馈，分析不同类型用户的兴趣偏好，以制订有针对性的服务方案，保障用户获取服务的便捷性。此外，在为用户提供信息服务的过程中，系统操作流程是否烦琐、信息查询是否便捷等，也会直接影响用户对服务的评价。

2.3信息资源的影响

丰富的馆藏资源是图书馆为用户提供服务的基础。馆藏资源建设不仅包括纸质文献采访，也包括网络资源采集和特色数据库建设，图书馆有必要围绕学科建设目标制订合理的文献采访方案[5]。对于纸质文献资源的采访，图书馆要求类型多样、种类齐全、覆盖范围广泛，以保障文献的稳定结构;数字化文献资源的整合应体现丰富与专业性，及时填充与更新特色资源库;在数字化信息服务方面，图书馆所提供的信息资源是否具有新颖性、权威性，所提供的知识产品是否丰富，是否能够满足不同用户的需求等，都是影响用户满意度的直接因素。

3基于神经网络的图书馆用户满意度评价指标体系

作为一种主观感受，图书馆用户满意度很容易受到多重因素的影响，因此，图书馆有必要选择合适的满意度评价指标，对主客观因素、隐性因素等进行统一分析，形成科学的用户满意度评价指标体系，为评价结果的可靠性提供支持。

3.1指标体系结构

图书馆用户满意度评价指标的设计应结合主要影响因素，挑选最能反映用户真实感受的指标。笔者结合上述用户满意度影响因素分析情况，采用层次分析法，从图书馆基础设施、服务质量、信息资源三个方面设计了对应的评价指标，包括系统响应速度、安全性、信息权威性、流程舒适度等，并结合与神经网络模型对应的指标项目，构建了基于用户满意度的评价指标体系（见图1）。由于涉及指标较多，若将全部指标纳入指标体系中，势必会增加评价模型的构建难度和后续计算量，因此，图书馆员需要根据既有经验，从中挑选出最能反映服务质量与系统性能的指标，在不增加工作量的情况下保障评价效果。

3.2指标权重设计

每一个评价指标都有不同的量纲单位（量纲是指物理量的基本属性），如系统响应速度与服务质量的量纲就不同。若量纲不一致，势必影响到最终评价结果，图书馆有必要对这些评价指标进行序化处理，消除不同指标之间量纲的差异，并获得不同指标对应的权重，以方便后续的统一计算。为了提高神经网络的训练灵敏度，图书馆必须对输入的数据进行规范化处理。由于神经网络输入的数据可能是线性的（这表明不同的指标之间存在一定關联），而这种相关性会影响权重的唯一性，即计算过程中出现多个解，因此，图书馆有必要做好输入数据的相关度检验工作，将相关度高的指标分离开来。

3.3评价指标的应用

在用户满意度评价指标的应用中，图书馆首先要选择最底层指标进行用户满意度评价，然后将评价结果传递至上一层，逐层计算以获得最终结果。最底层评价指标可以通过问卷调查的方式获得，由馆员设置对应的调研问卷，设计信息资源质量、知识权威性、系统操作等基础性指标，以了解用户对这些信息的感知情况。其次要对结果进行处理，将其转化为系统数据，并传递至上一层进行计算。每一个层级的计算权重都需要求取平均值，通过四舍五入获得评价结果[6]。不同层级之间的信息传递由神经网络自动赋予权重值，并通过逐层汇总分析获得最终结果。

4基于神经网络的图书馆用户满意度评价模型的构建基于神经网络的图书馆用户满意度评价就是依托具有智能记忆和学习功能的神经网络系统，构建全新的定量化综合评价算法，这种评价方法极大地提升了评价的客观性和准确性。在具体实践过程中，建立神经网络模型是最为重要的环节，也是保障用户满意度评价可靠性的关键所在。

4.1神经网络结构设计

神经网络一般包括输入、输出和隐含层，拥有的隐含层越多，模型的学习能力越强，网络结构也将变得更加复杂。常见的神经网络模型仅设置一个隐含层，以避免复杂的网络影响数据处理效率。神经元是隐含层中非常重要的部分，相关研究表明，构建神经网络模型的关键步骤就是在不同层级设计合理的神经元个数，让其中一个隐含层能够表示任意连续函数。

4.2神经网络仿真训练

基于神经网络的图书馆用户满意度评价系统由两部分构成，一部分用于数据训练，一部分用于数据分析与评价，二者通过数据库实现数据传递，并且相互影响，基本评价流程见图2。在数据仿真训练中，图书馆需要先输入学习样本，对这些数据进行预处理并传至输入层进行自主学习，在获得最终学习结果后将其纳入数据库，为后续评价过程提供依据。在用户满意度综合评价阶段，图书馆要先导入用户数据，对这些数据进行预处理并传至输入层，再由神经网络评价模块进行分析评价，最后调用数据库中的相应权值与历史评价数据进行多角度对比分析，从而获得最终的评价结果。

4.3评价模型验证

在借助神经网络对学习样本进行仿真训练后，图书馆可以完成用户满意度评价模型的基本建设工作。而要想保障评价模型的准确可靠，图书馆还需要利用剩余的学习样本，对神经网络的输入结果进行检验，了解输入结果与期望值是否一致。若检验结果不一致，图书馆还需要对训练参数进行适当调整，直到符合要求为止。由于不同类型用户对图书馆的要求存在差异，而图书馆的服务仅能满足一定范围内用户的需求，因此，为了更好地提升用户满意度，图书馆需要做好业务分类工作，将关注点放在重点业务上。如：图书馆选取用户公认的较好的服务项目并将其中的用户数据转化为训练样本，然后通过神经网络测评的方式了解用户的满意度，以便为其他服务项目的优化提供参考。

5结语

移动网络环境下，图书馆的服务内容日益多样化，而对用户满意度进行评价属于复杂的工作，所选择的评价角度、方法与技术不同，最终获取的结果也不尽相同。同时，用户满意度也在不断发生变化，并非构建一个满意度评价模型就能够一劳永逸。因此，图书馆应积极适应信息环境与用户需求的变化，不断调整服务方式与内容，引入神经网络等新技术，促进用户满意度评价方法的不断完善和创新。

参考文献：

[1]尹正梅，张捍东.基于RBF神经网络的高校图书馆电子资源评价研究[J].情报探索，2016（1）：38-41.

[2]龚军.浅析江西省普通高校图书馆网络信息资源服务现状与对策[J].南昌航空大学学报（社会科学版），2016（3）：118-124.

[3]张海涛，张连峰，王丹，等.基于自组织神经网络的图书馆关联知识聚合研究[J].情报理论与实践，2015（9）：73-78.

[4]范一文.基于径向基函数神经网络的高校图书馆用户满意度评价模型[J].农业图书情报学刊，2016（3）：10-13.

[5]罗佳佳，邱丽红.基于人工神经网络的图书馆服务质量评价研究[J].现代电子技术，2017（1）：86-87.

[6]刘卫欣，杨春，肖倩.基于神经网络的大学生信息素质评价模型构建[J].内蒙古科技与经济，2016（1）：100-102.

（编校：周雪芹）