基于知识图谱的智慧图书馆文献资源个性化推荐方法

摘要：为提高用户对智慧图书馆服务的满意度，该文以某智慧图书馆建设为例，引入知识图谱理论，开展文献资源个性化推荐方法的设计研究。首先构建智慧图书馆文献资源知识图谱，抽取知识图谱中的核心内容；然后将文献资源中的知识点与其他知识点建立联系，形成知识网络；最后通过对文献资源的深入分析和挖掘，构建用户资源关联信息，根据用户与不同类别文本之间的相似度或匹配度，实现对资源的个性化推荐。实验结果表明：应用该文设计的个性化推荐方法，可以根据用户的兴趣、需求和行为习惯等信息，主动向用户推送符合其需求的文献资源，推荐的资源与用户需求资源相似度较高，应用效果较好。

关键词：知识图谱；特征抽取；推荐方法；个性化；文献资源；智慧图书馆

doi：10.3969/J.ISSN.1672-7274.2024.07.027

中图分类号：G 250.7；TP 391 文献标志码：B 文章编码：1672-7274（2024）07-00-03

The Personalized Recommendation Method of Literature Resources in Intelligent Library Based on Knowledge Graph

HE Xin

（Library， Shenyang University of Chemical Technology， Shenyang 110142， China）

Abstract： In order to improve users' satisfaction with the smart library， this paper takes the construction of a smart library as an example， introduces the knowledge graph theory， and carries out the design and research of the personalized recommendation method of literature resources. Firstly， the knowledge map of the literature resources of the smart library is constructed， and the core content of the knowledge map is extracted. Then the knowledge points in the literature resources are connected with other knowledge points to form a knowledge network. Finally， through in-depth analysis and mining of literature resources， the association information of user resources is constructed， and personalized recommendation of resources is realized according to the similarity or matching degree between users and different types of texts. The experimental results show that the personalized recommendation method designed in this paper can be applied to actively push literature resources that meet the needs of users according to their interests， needs and behavior habits and other information. The recommended resources are highly similar to the resources required by users， and the application effect is good.

Keywords： knowledge graph; feature extraction; recommendation method; personalized; literature resources; intelligent library

随着时代的发展，图书馆作为学术研究和知识传播的重要机构，需要不断地提高其服务水平和质量，为学术研究和知识传播提供更加全面、精准的文献资源支持[1]。传统的图书馆服务模式通常采用被动式的检索方式，该种方式不仅浪费时间和精力，还无法保证检索结果的准确性和全面性[2]。通过个性化推荐方法，图书馆可更好地了解用户需求和行为习惯，提供更加精准的文献资源推荐服务，适应数字化信息环境的发展。在该背景下，本文以某智慧图书馆建设为例，引进知识图谱技术，开展文献资源个性化推荐方法的设计研究。希望通过本次研究，可更好地了解用户需求和行为习惯，为其提供更加精准的资源推荐服务。

1 智慧图书馆文献资源知识图谱构建与

核心内容抽取

智慧图书馆是一种以数字化、网络化、智能化为手段，提供个性化、精准化、智能化服务的图书馆新形态[3]。在智慧图书馆建设中，通过构建文献资源知识图谱，可将文献资源转化为结构化的知识，以便于管理和利用。在此过程中，需要明确文献资源知识图谱所要解决的主要问题，以及其应用场景和需求[4]。根据确定的实体和属性，建立实体之间的关系，构建成一张完整的知识图谱，具体如图1所示。

图1 智慧图书馆文献资源知识图谱

核心内容抽取是从文本中提取出关键信息的过程，此过程可以帮助用户快速准确地把握文献资源的主题、观点和结构等核心要素。在抽取过程中，先对文献资源进行预处理操作，将其转化为计算机可处理的形式，此过程如式（1）所示：

（1）

式中，为文献资源预处理；为实体向量；为范数；为关系向量。从预处理后的文本中提取出关键词，这些关键词能够代表文献资源的主题和核心内容。将提取出的关键词转化为向量形式，便于进行机器学习和分类等操作，利用机器学习算法对文本进行分类和聚类等操作，从中提取出核心内容和观点等信息。

2 知识点连接与用户资源关联构建

通过将知识点与用户资源进行关联，可以挖掘用户的兴趣和需求，提高推荐的准确性和效率。连接过程中，将文献资源中的知识点与其他知识点建立联系，形成知识网络。先从文献资源中提取出关键信息的过程，通过对文献资源的深入分析和挖掘，可以提取出主题、概念、事件、实体等核心要素作为知识点，具体如式（2）所示：

（2）

式中，为知识点提取；为知识连接度；为知识点之间的最短路径；为知识点之间的平均路径长度。在提取出知识点后，需要建立知识点之间的关系。在此基础上，进行用户资源关联的构建，用户资源关联构建是指将用户信息与文献资源进行关联，探索用户的兴趣，为满足用户的个性化需求提供精准支撑。

用户信息采集包括用户的借阅历史、搜索历史、阅读习惯等。通过对用户信息的采集和分析，可以了解用户的兴趣和需求，为个性化推荐提供依据。在采集到用户信息后，需要对其进行挖掘和分析，以此为依据，建立用户与不同知识类别之间的关联，如式（3）所示：

（3）

式中，为用户与不同知识类别之间的关联；为分类树；为用户编号；为知识点类别。综上，完成知识点连接与用户资源关联构建。

3 资源特征抽取与个性化专项推荐服务

以上述工作为基础，开展图书馆资源特征抽取与个性化专项推荐服务设计。所谓资源特征抽取过程主要是文本特征提取，其包括文本的语义、情感、主题等方面的信息。在智慧图书馆中，文本特征提取是实现资源特征抽取的重要手段之一。通过对文本的深入分析和挖掘，可以提取出文本的主题、情感、关键词等特征，为后续的数据分析和推荐提供依据。明确文本的主题及其所传递的情感与知识内容后，通过计算用户与不同类别文本之间的相似度或匹配度完成资源推荐，其计算公式为：

（4）

式中，为用户与不同类别文本之间的相似度或匹配度；为用户数量；为目标用户；为词向量；为文本数量；为词向量均值。综上，完成智慧图书馆文献资源个性化推荐方法设计。

4 对比实验

为排除相关因素对实验结果的影响，应在开展实验前，与试点单位进行交涉，收集图书馆的文献资源数据，其包括用户的借阅记录、搜索历史、阅读习惯等。在收集完数据后，需要对数据进行清洗、去重、格式转换等操作，以保证数据的准确性和完整性。在此基础上，对实验中相关样本数据进行分析和处理，提取出与文献资源推荐相关的特征。这些特征包括书籍的类别、主题、作者、出版时间、用户的借阅历史、搜索历史、阅读习惯等。在进行实验时，需要设置合适的实验环境和参数。完成实验准备工作后，使用本文设计的方法，进行资源的个性化推荐设计，设计过程中，先构建智慧图书馆文献资源知识图谱，根据知识图谱结构进行文献资源中核心内容的抽取。在此基础上，进行不同类别知识点的连接，并构建用户与文献资源之间的关联度，最后，通过对资源特征抽取，实现为用户提供个性化、专项推荐服务。为满足实验结果的对比需求，引进基于自组织映射网络的推荐方法为传统方法1，引进基于K-means算法的推荐方法为传统方法2。完成上述设计后，选择5名用户作为实验对象，使用三种方法，对其进行文献资源的个性化推荐，将推荐资源与用户需求资源的相似度作为检验推荐方法应用效果的关键指标，其结果如图2～图4所示。

从图中可以看出，在3种方法中，传统方法推荐资源与用户需求资源的相似度会随着样本数据的训练次数增加而增加，但推荐资源与用户需求资源的相似度仍未能趋近100%，而使用本文设计的方法进行文献资源个性化推荐，即便样本数据训练次数较少，但推荐的资源仍与用户需求资源相似度较高，因此得到如下结论：本文设计的个性化推荐方法，可以根据用户的兴趣、需求和行为习惯等信息，主动向用户推送符合其需求的文献资源，从而提高用户获取信息的准确性和全面性。

5 结束语

面对数字化信息环境的挑战和用户信息需求的改变，图书馆需要转变传统的服务理念和模式，不断创新服务模式，提高服务质量，满足用户的个性化需求。本文以某智慧图书馆建设为例，通过文献资源知识图谱构建与核心内容抽取、知识点连接与用户资源关联构建、资源特征抽取与个性化专项推荐服务等开展了文献资源个性化推荐方法的设计研究。测试结果表明，应用该方法可对图书馆文献资源进行自动化推荐。此次研究为图书馆的升级转型提供了新的思路和方法，可使其更好地适应数字化信息环境的发展和用户信息需求的变化。

参考文献

[1] 张建伟，李月琳，张泰瑞．科研信息用户与知识服务平台个性化信息推荐功能的交互研究[J]．图书情报工作，2023，67（20）：105-115．

[2] 宁莉莉．大数据背景下基于K-means算法的Web用户兴趣特性因子的提取研究[J]．自动化与仪器仪表，2023（9）：41-45．

[3] 丁建立，张莉．基于图神经网络的民航旅客隐式交互特征挖掘与航班推荐模型[J]．计算机应用与软件，2023，40（7）：166-171，273．

[4] 简子杨，董国威，吴晨．基于关键分词过滤及用推户荐操方作法偏好的智能软件个性化[J]．信息与电脑（理论版），2023，35（13）：188-190．