高校图书馆个性化推荐系统设计与实现

何芳

（德州职业技术学院 山东省德州市 253000）

现代社会快速发展的今天，加快了高校智慧图书馆的建设步伐，大大增加了图书馆的书籍量，这样不仅为高校师生知识的扩展提供了支持，同时还师生资料的查找带来一定难度。所以，为了使得智慧图书馆为师生提供更加便利的服务，必须要加强对个性化推荐系统进行应用，针对教师与学生的实际需求，自动向其推荐合理的书籍，以提升师生获取有效书籍的效率，使智慧图书馆体现出最大的价值。

1 需求分析

近年来，随着我国高校图书馆规模的不断扩大，使得图书馆内部书籍的种类与数量逐渐增加，学生或教师想要查询到自己所需要的书籍时，将要投入大量时间，严重影响师生阅读图书的质量与效率。针对这一问题，科研领域利用各种数学算法，研发出了多种类型的检索推荐系统，通过这些系统的应用，快速为教师或学生推荐相关书籍，在一定程度上提升了师生阅读图书的质量与效率。但对现有推荐系统深入研究后可以发现，其中依然存在诸多缺陷，如大部分系统以协同过滤算法为主，因而需要通过用户对图书的评价进行推荐[1]。但实际当中，很多学生或教师并不会对书籍作出评价，导致系统推荐的并不是很准确。所以，为了进一步提升高校图书馆图书推荐效果，必须采用更加良好的推荐系统，该系统中应具备下述几个方面功能：

（1）新书推荐功能。图书馆内增加新书籍后，可立即将这一情况传输给校园内部所有师生用户，使师生对新增加的书籍具有一定了解。

（2）热门书籍推荐功能。师生首次进入到图书馆时，由于系统内部无该用户的喜好资料，无法向其推荐最佳的书籍，这时，则应向师生用户推荐图书馆在一段时间内的热门书籍，如临近考试阶段的各种复习资料等，以此为师生寻找书籍阅读提供一定指导[2]。

（3）图书推荐功能，为整个系统中的核心部分，主要是针对师生用户的喜好需求，自动推荐相应的书籍。

2 高校图书馆个性化推荐系统设计

2.1 结构设计

2.1.1 整体框架设计

本系统设计时，选择了JSP Mode12 框架，即JSP+servlet+JavaBean 框架。其中，jsp 为视图层，用于对书籍列表、书籍内容等的展示。Servlet 为控制成，主要对前端传输的指令予以处理[3]。JavaBean 为模型层，其中加载了相应的实体对象。具体来说，本系统共由六大结构模块构成，分别为：

（1）接口模块。主要用于用户与系统间数据的传输，包含录入接口与导出接口两部分。

（2）本题库。用于信息与文档关联性的评判。用户向系统内录入检索信息后，通过对关键词与文档关联性的评估，初步筛选出符合用户需求的书籍。

（3）语义推理机。在语义信息整理、分析过程中，可通过这一模块提供相应的帮助。其中，可以将其划分成两部分，一个是内部推理，即对本体库内是否存在冲突进行推理，以提取出无语义冲突的本体。另一个是外部推理，即使用推理标准按照本体之中元素的关联性，分析出其中所包含的隐性知识。本系统设计与开发时，以外部推理为主。

（4）检索请求扩展模块。用于对用户录入指令予以检索，并对检索指令进行适当处理。本系统设计时，主要是对深度为1 的子类扩展予以计算，以提取出指令内含有的隐性知识。

（5）检索处理模块，在其他模块配合下，寻找出对应的书籍资源，之后利用路由算法转发对应检索指令。

（6）结构匹配模块。提取出相似度较高的文本，并与预设阈值予以对比，若超过阈值，表示该文本符合监所要求，反之则表示不符合检索要求。

2.1.2 详细结构设计

本文对图书馆个性化推荐系统设计时，主要采用了协同过滤算法，这是从下述几个方面考虑的：

（1）高校是一个半开放式的场所，每年均有一批学生离开，又会进入一批新的学生，使得图书馆内的借阅数据不断增加，在这些借阅数据的支持下，加强我们对系统运行的了解情况。

（2）在我国高校图书馆当中，图书规模非常庞大，涉及各个领域的书籍。但对于学生与教师来说，通常处于不同的专业，仅需要某一类书籍阅读的需求，很少阅读与自身专业无关的书籍。所以需要图书馆能够详细将书籍名称、作者、主要内容等相关信息展示出来，为用户快速的查找提供支持[4]。

（3）在用户评价方面，不用显示出用户的具体信息，与常规商务平台的评价系统存在明显区别，无需对现有图书馆系统进行优化，也不会增加系统操作烦琐性。

（4）从本质上来说，用户借阅行为为“隐式反馈”，但具有一定专业素养的用户在借阅书籍时，通常会进行大量的思考，以得出最终的决策。而这一过程即可记录在系统日志当中，通过日志的分析，可准确评价用户的需求情况。

以协同过滤算法对系统结构进行构建，可得到4 层结构网络，分别为：网络层，处于系统的最上端，内部包含大量关联节点，以形成完成的覆盖网络，促进网络间信息传输效率与质量；消息层，一方面获取网络层传输的信息，另一方面向网络层发布指令，以此驱动服务层的运行；服务层，用于资源的检索与浏览，以寻找出相应节点；应用层，对消息进行集成，同时赋予特定功能[5]。具体如图1 所示。

图1：高校图书馆个性化推荐系统结构图

2.1.3 交互结构设计

在系统交互结构方面，共包括5 大模块，分别为：

（1）热门推荐。即向教师或学生推荐一些近段时间中其他师生借阅率较高的书籍。用户之前为使用过系统情况下，系统无法掌握该用户的喜好情况，这种情况下，则针对学生专业、年龄的基本信息，向他们推荐其他类似学生喜欢的书籍，如临近英语等级考试时，以四六级复习资料为主等。若用户使用过系统，则根据以往的所搜信息，提供一些相关的热门书籍，以尽量缩短用户查找书籍的时间。

（2）书籍搜索。为该系统的辅助功能。用户想要获得某书籍时，无需退出该通，即可利用相应的关键词，对图书馆进行全面检索，判断图书馆中是否存在此类书籍，并将检索的书籍名称、基本内容展示出来。与此同时，系统还会自动记录该词汇，下次想要再次搜索与该词汇相关的书籍时，直接点击“历史记录”中的词汇即可。这一功能利用cookie实现的，通过cookie 对词汇进行存储，每次检索新的词汇后，cooik 均会自动对内部信息予以调整，以确保该词汇处于“历史记录”的最上方[6]。

（3）书籍推荐。即针对用户录入的关键词，向用户推荐相应的书籍，具体在下文介绍。

（4）历史借阅。用户借阅数据中获取归还时间字段不为空值（null）的图书记录，可展示出用户历史借阅情况与书籍归还时间。

（5）当前借阅。用户借阅数据中获取归还时间字段为空值（null）的图书记录，可展示出用户现有书籍借阅情况。

2.1.4 系统功能设计

该系统功能设计时，以用户需求为基础完成的。根据用户权限的不同，可将其划分成两类，一类为管理员，涉及登录设置、数据传输、算法选择等功能；另一类为普通用户，涉及账号登录及书籍查询、浏览等功能。

从管理员角度来说，应以云平台为基础，对各类基础数据予以分析。这一过程当中，数据不可随意更改，这是因为随着系统的不断应用，会逐渐增添更多新用户。所以，应在该系统当中，对管理员登录权限进行认证。

数据上传：即向系统内传入初始数据，同时将数据导入至hdfs 文件内，之后以此为基础，利用基于mahout 的协同过滤算法为主要工具，将hadoop 构架激活，对数据进行计算，并将结果存储下来，以此作为向用户推荐的书籍。对于该操作来说，属于管理员的权限[7]。

在普通用户方面，推荐算法的调用由4 个环节构成，具体为：

（1）前期准备。通过历史数据的分析，确定出两组基础数据，一个为热门书籍，另一个为前一管理员通过调用mahout 的协同过滤算法，针对各用户的基本情况，如专业、年龄等，分析出各用户最佳的推荐书籍。

（2）导入新用户的检索信息。

（3）激活推荐算法，将新用户与原有信息整理到一起，以得到全新的用户数据集。

（4）分析推荐结果，并传输给前台，以将最终结果展示出来。

2.2 功能模块设计

2.2.1 模块设计

针对上述模块与功能设计分析，可构建出如图2 所示功能模块结构图。

图2：图书馆个性化功能模块结构图

由图2 可知，在本系统当中，共由6 大功能模块构成，分别为用户登录模块、热门推荐模块、我的图书馆模块、书籍搜索模块、协同推荐模块及热门搜索模块。其中，我的图书馆模块内，又分成查看个人信息、查看当前借阅、查看历史借阅、书籍推荐等部分。这些模块运行过程中，依靠的均是协同过滤算法。具体运行流程为：

（1）录入数据表示：提取并分析用户的历史动作，以此当做用户的爱好情况，并通过x*y 的矩阵W 进行表示；

（2）相似社会群体的构建。用于分析出个体间的类似程度，以此作为推荐的依据；

（3）利用得到的依据进行分析，以得到最优的推荐集合。

2.2.2 数据库设计

本系统当中，主要包含三种数据库，具体如表1 ～表3所示。

表1：借阅信息数据表

表2：用户数据表

表3：书籍数据表

3 高校图书馆个性化推荐系统的实现

3.1 mahout算法概述

3.1.1 基于用户的相似度算法

现代计算机领域，存在多种不同的mahout 算法，基于用户的算法是其中较为常见的一种。在mahout 算法当中，可将用户数据封装，并对数据予以转换，使其变成DataModel 格式，以符合mahout 算法的计算要求，之后推导出相似度，以此为基础，确定出最终的书籍推荐结果。该算法的特点为：易于理解，且操作用户不是很多时，系统运行速率很快。从本质上来说，该算法是以类似成都非评价标准，对用户行为予以衡量，无需在多个用户间建立联系，也不用设置其他用户参数，即可得到较为精确的运算结果[8]。

3.1.2 基于item 的相似度算法

该算法运行时，是以项目（tiem）相似程度为基础的，具体存在两个特点，首先，由于以item 为基础的，当item不是很多时，会在较短的时间内得到分析结果；其次，在item 实际情况为基础，逐渐将概念进行融合时，能够得到易于理解的结果。现代电子商务系统等软件开发时，均采用了该算法，能够自动分析用户的需求，并向他们推荐相应的产品，以提升消费者的购买意愿。采用该算法时，首先做出相应假设：用户喜欢的商品与历史购买商品具备很高的相似性，以此为基础，即可推导出用户喜好items。从本质上来说，该算法与上述算法的原理基本相同，但分析角度存在一定的差异。利用相应的衡量方法，推导出两产品存在的向量距离，以此为基础，根据类似度的具体情况，确定用户的使用数据，进而绘制出用户喜好或需求清单，并将其传输给用户。这一运算流程中，虽未引用任意属性元素，但其中均存在各种各样的相似性，如处于同一地区，处于同一年龄段等[9]。由此表明，相对于上述算法来说，该算法更简单，无需增添邻居信息等。

3.1.3 基于语义的相似度算法

除了上述两种相似度算法外，还可从语义的角度出发进行计算。具体来说，可从四个方面着手。

（1）语义距离。假设：在本体层次书内，存在概念A与B，两点间的最短距离，即称之为予以距离，计算公式为：

式中，weighti 为A、B 两点间，最短路径的权重。该指标与相似度呈方向关系，就其数值越大，表示相似度越低；反之，其数值越小，相似度则越高。

得到予以相似度后，用予以进行转化，以得到概念予以相似度，公式为：

（2）节点深度。在概念节点与最底部之间，最短路径具备的变数。对于下层节点来说，均为对上层节点的细化，节点越靠下，表明其含义越详细。从节点深度角度来说，其与予以相似度间的关联性可通过下式表达：

（3）节点密度。在系统层级结构当中，上部最粗与最大，越向下则逐渐变细与变小，分类得越详细。通常情况下，在某节点当中，其中包含的因子越多，密度越高，则解释得越详细，表明相似度越高，反之相似度则较低。从节点密度角度来说，其与予以相似度间的关联性可通过下式表达：

（4）有向边类型。在本体树当中，共包含三种关系类型，由于每种类型关系特点的不同，使其与相似度间存在的关系也具有一定差异，需要针对关系类型的具体情况，确定出最佳的相似度运算公式，具体为：

3.2 系统实现

3.2.1 构建平台

对系统平台构建时，主要流程为：

（1）构建hadoop 平台。本系统开发时，主要选择的是hadoop 框架，其属于分布式平台，其中由很多节点构成，本系统开发时，共选择了三个节点，分别为：node1、node2 与node3，内存都是2g。Hadoop 构建后，在终端处，录入下述指令：“bin/hadoop jar hadoop‐examples‐1.0.4.jar wordcount intput/test out/test‐output”，以此展示出系统的运行情况。

（2）加载mahout。Mahout 加载时，可采用两种形式：下载源码后，通过maven 直接予以编译；下载完成保后，通过解压缩的方式予以处理。本研究中，选择了第二种方法。

（3）测试。将测试数据导入到hadoop 平台内，通过平台内的Canppy 算法予以测试，测试指令为：

“Bin/hadoop jar $mahout_home/mahout examples‐0.7‐job.jar org.apche.machout.clustering. syntheticcontrol.canopy.job”

之后在终端界面内，即可展示出系统的运行情况。最后，于本地文件模块内，依次点击“/hom/test/mahout/test”选项，则能够浏览所有数据信息。

3.2.2 系统登录

该模块共有两部分构成，一个是注册功能，用户根据自己的学号、姓名等信息，注册出系统登录账号与密码；另一个是登录功能，即将前期注册的账号密度录入到登录界面框内，系统中的jsp会对这些信息予以书籍，并以servlet为媒介，对javabean 数据库予以检索，以判断用户是否符合登录要求，若判定用户符合要求，则可正式进入到系统内；反之，则禁止用户进入。

3.2.3 数据传输

在数据传输功能方面，共包括两部分：一是由客户端上传至服务端。由structs2 含有的上传功能实现的。这一操作当中，主要采用interceptor 拦截器。数据上传时，在interceptor 的作用下，对数据予以流化处理，同时传输至action 的文件属性栏内。之后，通过execute 法。将文件信息录入到磁盘内。二是服务端上传至HDFS 文件夹。这一操作通常与上述操作同步进行。该环节的主要代码为：

3.2.4 推荐分析

数据上传后，则应通过mahout 的协同过滤算法进行推荐。在系统内录入相应数据后，点击“提交”选项，以发出激活算法指令。Stuct2 获取该指令后，则会将数据传输至recommenderaction 内，以此对数据予以处理，并对用户身份予以验证。若判定用户符合登录要求，自动跳转至recommender‐success.jsp 界面。在该界面内，对标示予以分析，若标示为假，则向transformaction 发布请求指令，后者获取这一信息后，即可得到job 信息，同时传输至界面。在算法结束后，在传回job 信息同时，还可显示“停止刷新”的信息。最后，将hdfs 下载至本地，传输至mysql 数据库内。该操作的主要代码为：

4 总结

综上所述，本文以mahout 算法为依托，设计出一款高校图书馆个性化推荐系统，该系统主要包括热门推荐、我的图书馆、书籍搜索、协同推荐、热门搜索模块，及数据库模块，在各模块共同作用下，为用户提供良好的书籍推荐服务，以提升用户阅读效率与质量。