高校新读者图书个性化推荐服务分析

摘要：由于高校图书馆藏书种类较多，数量大，读者在使用过程中难以高效的选择合理的阅读对象，使得读者的图书阅读兴趣不断下降。针对当前图书服务存在的问题，高校的图书管理人员应当设计个性化的图书推荐服务，根据读者的阅读习惯以及大数据等实现个性化的阅读对象推荐，提升新读者的阅读积极性。本文分析了图书推荐服务存在的问题，就如何实现个性化的图书推荐服务提出了意见。

关键词：高校图书服务;读者;个性化推荐

引言

随着网络的发展，高校在图书馆的管理中也开始借助网络平台来优化服务，有效的提升了读者的阅读体验。但是，由于高校图书服务的发展时间较短，针对读者的个性化推荐服务效果较差，难以提升新读者的阅读兴趣，导致图书馆的使用率难以得到提升。在未来的发展中，高校图书服务应当针对新读者的爱好提供个性化的推荐服务，以此来提升新生的阅读兴趣，提高图书馆资源的使用率，帮助学生养成阅读习惯。

1高校图书的阅读推广与个性化推荐的发展现状

在当前的网络阅读背景之下，个性化的阅读内容推荐是基本的功能，高质量的个性图书推荐可以有效的提升读者的阅读兴趣，对阅读平台的发展和阅读资源的使用有着重要意义。个性化的图书推荐是指网络平台可以根据读者的阅读兴趣和阅读习惯，预测读者的阅读倾向，进而提供个性化的图书推荐。个性化的阅读推荐可以实现对图书资源的推广，提升读者的阅读兴趣。在当前高校图书服务中，网络平台的加入在一定程度上提升了图书资源的使用效率。当前许多高校的个性化图书推荐服务一般是基于读者的阅读历史进行，这就使得个性化推荐服务难以为新读者提供支持，导致高校新生的图书阅读兴趣不高，不仅影响了高校图书资源的使用率，也给学生阅读习惯的养成产生了一定的影响。导致新读者图书个性化推荐服务问题的主要原因是推荐服务的冷启动问题，图书服务依赖于对读者阅读历史的分析来完成个性化推荐，新读者的阅读历史缺失严重影响了服务的进行。

2高校新读者图书个性化推荐服务问题的解决措施

2.1解决思维

为了避免冷启动问题影响图书个性化推荐服务的质量，高校的技术人员应当采取一些应对策略。首先，为了对新读者的阅读习惯有基本的了解，图书馆的网络平台可以对相近年龄读者的阅读习惯进行分析，根据新读者和相近读者之间的阅读习惯相似性来完成基本的阅读内容推荐，将已有读者的阅读记录作为新读者的阅读历史在分析和推荐中进行使用，为推荐服务的进行提供基础数据支持。第二，阅读数据的预处理。高校图书资源数量多，读者的阅读数据与图书馆的图书资源存在较大的数量差，这导致个性化推荐算法对新读者的推荐不够准确，计算效率低，读者难以在大量的图书资源中发现目标，影响了个性化推荐服务的质量和读者的阅读兴趣的养成。数据稀疏问题对个性化阅读推荐服务的进行有着负面影响，在未来的发展中，图书馆的网络平台应当预先对图书数据进行处理，在保留历史数据的基础之上提升阅读数据处理质量，优化图书推荐服务的效果。第三，在读者之间构建归属关系，为了提升个性化推荐服务的效果，图书馆的技術人员可以将阅读历史和阅读习惯相近的读者相互关联，将读者的阅读历史作为资源向相近的用户进行推荐，优化推荐效率。

2.2读者相似性的分析

为了改变冷启动问题，首先，在个性化推荐服务的设计中，技术人员要对读者的相似性进行分析。在相似性分析中，技术人员可以借助大数据技术对读者的阅读习惯和阅读历史进行研究。通过对数据的分析可以看出，高校新读者一般是批量加入，其信息较为详细，因此，在相似读者的划分中，平台可以通过读者的专业、年龄以及性别等进行基本的划分，为后续的阅读分析打好基础。年龄以及专业相似的读者往往在阅读习惯以及学习内容上存在相似之处，在结合学生信息，对相似读者进行基本的分类之后，网络信息平台可以根据学生的兴趣爱好来对新读者进行个性化的图书推荐，提升推荐内容的合理性。例如，在电气专业的学生中，电气工程、电路设计以及电工工艺等是相对借阅量较多的图书，因此，针对这一专业的学生，网络平台在数据推荐中就可以使用以往学生的阅读历史来完成针对性的图书推荐，满足了读者的学习需求。

2.3提升图书推荐的信息深度

高校图书情报服务的主要用户仍然是学生和教师，因此，在图书情报的使用中，这些客户往往都需要专业程度较高的图书或是文献，这对于图书情报管理工作的进行提出了更高的需求。为了提升图书情报系统的专业性，技术人员可以借助大数据技术和云平台技术对图书情报信息进行分析，强化图书资源整合和分类质量，保证满足特定用户对深度专业技术知识的需求。加深垂直方向图书内容的质量有助于提升客户的使用质量，且满足高校用户的专业技术需求。技术人员可以将云平台和深度学习机制相结合，针对当前大规模数据分析工作，深度学习机制有效的提升了大数据技术的发展完善，基于大数据的深度学习机制有效的提升了数据分析效率。在长期使用的过程中，管理系统可以学习用户的使用习惯，在后续用户进行图书情报的查询过程中，系统可以提供更为个性化的服务，营造更高质量的图书信息使用环境，提升用户的使用体验。新读者的专业、兴趣爱好等都会影响阅读需求，因此，在个性化推荐服务的设计过程中，技术人员应当综合相似读者推荐、专业推荐以及深度学习机制，根据阅读历史和相近阅读需求，实现个性化的图书推荐，满足读者阅读需求。

结语

在高校图书推荐服务中，为了提升推荐内容的个性化，在未来的设计中，技术人员需要解决冷启动问题，根据相似读者和专业内容来对图书进行初步的推荐。为了满足学生的阅读兴趣，技术人员也可以添加深入学习机制，根据学生的阅读历史，推荐专业书籍意外的阅读内容，提升学生的阅读积极性。

参考文献：

[1]彭博.面向用户属性的个性化图书推荐方法探究[J].图书馆工作与研究，2017（10）：118-123.

[2]刘芷茵.大数据环境下个性化图书推荐服务研究[J].图书馆学刊，2017，39（06）：101-106.

[3]李克潮，蓝冬梅，凌霄娥.一种高校读者借阅偏好的个性化图书推荐[J].现代情报，2013，33（08）：68-72.

[4]李克潮，黎晓.个性化图书推荐研究[J].图书馆学研究，2011（20）：65-69.

作者简介：王变茹（1965.7-），女，汉族，陕西蒲城人，西北大学 本科，渭南师范学院图书馆 副研究馆员，主要研究方向：图书情报与思想教育。