侯婷
摘要：以数字化、智慧化为特征的智慧图书馆已经是时代所需，其资料获取和服务的智慧化需要良好的资源协同，因此，可采用协同过滤推荐算法进行资源整合以提高服务效率。该文从智慧图书馆的构建入手，基于大数据平台，以协同过滤推荐算法为核心进行图书推荐，实现为用户提供个性化的内容，可减少、解决用户在选择图书过程中所遇到的困难，提高借阅精准化服务效率，兼顾个性化需要的满足率，最终实现智慧化图书馆的全方位服务提升。
关键词：协同过滤推荐算法智慧图书馆个性化推荐精准服务
中图分类号：TP391.3 文献标识码：A 文章编号：1672-3791（2021）11（c）-0000-00
Abstract：
The intelligent library characterized by digitization and intelligence has been needed by the times. The intelligence of its data acquisition and service requires good resource collaboration. Therefore， collaborative filtering recommendation algorithm can be used for resource integration to improve service efficiency. Starting with the construction of the smart library， this paper recommends books based on the big data platform with the collaborative filtering recommendation algorithm as the core， so as to provide users with personalized content， reduce and solve the difficulties encountered by users in the process of selecting books， improve the efficiency of accurate borrowing service， and take into account the satisfaction rate of personalized needs， Finally， all-round service improvement of intelligent library will be realized.
Key Words：
Collaborative filtering recommendation algorithm; Smart library; Personalized recommendation; Precision service
數字图书馆、电子图书馆已经随着Web2.0时代的到来成为当前图书馆发展的主流[1]。网络化、信息化技术的普及向图书馆的服务模式提出了新的挑战，如何使读者更好地体验图书馆的服务，成为当前图书馆工作的重点之一，“智慧图书馆”随之应运而生[2]。构建智慧图书馆，需要对图书馆的资源进行梳理、分类、整合，需要对读者的偏好进行预判，需要馆内资源协同一致。当前，图书馆智慧模式设计主要采用分布式检索，资源调动模型构建、特征分配、关联、整合，进而实现资源的步调一致。该文针对智慧图书馆建设过程中的协同过滤推荐算法进行梳理，以期为智慧图书馆的实现提供参考。
1 智慧图书馆简介
智慧图书馆[3-4]，顾名思义，是以“网络化（Networking）”“数字化（Digitalize）”“智慧化（Smart）”为特征，能够实现智慧化感知和智慧化服务的图书馆。在智慧化图书馆中，图书馆管理员、读者和图书之间实现无障碍实时沟通，读者可以实时了解目标书籍的现状，图书管理员也能够第一时间为读者提供服务，还能为读者答疑解惑。基于网络化平台，图书的获取、沟通实现无纸化管理。
国内外学者针对智慧图书馆的设计实施开展大量理论实践工作[5-7]，包括从智慧图书馆的理念、发展现状、发展水平状态到服务方式方法等等的理论层面;还包括智慧图书馆建设过程中用到的各类技术模式，如射频识别技术（Radio Frequency Identification，RFID）、全球广域网（World Wide Web）、大数据云平台技术、存储技术、网格技术、虚拟技术等。相对而言，构建统一协同的资源平台是国内外专家学者公认的建设智慧图书馆的关键问题。首要问题就是要充分实现服务的理念，做到方便、快捷、低成本、高效率，实现图书馆系统相关的人、物紧密相连，满足用户的个性化需求，并且向用户智慧推荐，精准、高效地提供服务。因此，智慧图书馆的理想模式是先进与开放并存，集安全性和系统性于一身的智慧性图书馆。这就需要技术支撑以建立资源整合型服务平台，实现移动终端的在线展示;需要大数据为基础，采用更为先进的计算机技术，按照用户需要帮助用户筛选优化后的个性需要，当然，其中包括的内容很多，如相似度对比、性能优化、加权优化、聚类分析及融合等等过程，最终实现平台的智慧化推荐。协同过滤的推荐算法在各类计算机技术中逐渐脱颖而出，被应用在更多的智慧图书馆建设之中。
2 协同过滤推荐算法在图书馆建设中的应用
协同过滤推荐算法本质上是在通过分析用户的历史行为信息为用户的兴趣偏好的基础上建立模型，从而为用户提供推荐的一类算法。协同过滤（Collaborative Filtering，CF）技术[8-11]曾在个性化推荐中风靡一时，其特点就是在一定范围内根据用户的兴趣寻找相似的内容，然后通过技术评价或者信息比对，筛选相似性内容，优化内容进而推荐给用户。这主要是在不同用户兴趣点比对过程中，节省用户B的时间推荐用户A的其他选择，实现精准化服务。根据关键词与关键词之间的相似度就是所谓的基于关键词的协同过滤推荐[8]。基于具有相似历史评分数据的用户或项目，用户的兴趣偏好也比较相似这一假设之下，按照选择相近项目的不同，又可将协同过滤推荐算法分成基于用户的协同过滤推荐算法（User-based Collaborative Filtering，UBCF）[8]、基于项目的协同过滤推荐算法（Item-based Collaborative Filtering，IBCF）[9]两类。采用关键词或者项目的历史评分数据计算出二者之间的相似度，以此为基础寻找最近关键词或项目，并将这个结果来产生推荐。简单来说，协同过滤推荐算法就是将相似爱好的用户定义为邻居或社区，根据用户最为接近的“邻里”选择实现图书推荐。
乔雅和吴琳[10]曾利用协同过滤推荐算法对构建智慧图书馆进行分析，他们从信息检索入手，在提取图书馆馆藏资源的语义相关性特征量的基础上，建立了图书馆智慧服务的特征集合，实现读者偏好性推荐。金洁洁[11]以个性化图书精准推荐系统为例，阐述图书馆用户个性化档案信息的主要内容、类别和功用，展示用户个性化档案信息在智慧图书馆中的应用，进一步将图书馆的服务由“被动”变“主动”，不断完善智慧图书馆的服务。
3 协同过滤推荐算法在智慧图書馆建设中的应用
协同过滤推荐算法的实施，是以图书馆服务信息检索为基础，根据检索信息，提取资源特征信息，用本体特征映射法对图书馆智慧服务相关过程进行推荐，建立读者偏好关联的数据集，进行协同匹配优化后，完成图书馆智慧服务的协同过滤推荐。
3.1智慧图书馆的信息检索与抽取
构建智慧图书馆的信息检索是实现协同过滤推荐算法的基础。信息模型采用三层体系结构设计，采集“感知层”的图书馆信息，利用RFID技术进行图书馆信息标签“识别”，在对馆藏资源优化管理的基础上实现“网络层”信息资源的融合与传输，在“应用层”中建立图书馆信息管理数据库，并结合本地数据库实现应用层的人机交互，至此，搭建信息检索与智慧服务的总体框架结构。在感知层中，应用到传感设备、RFID标签及视频设备;在网络层中用到以太网、Wi-Fi、网络传输协议及网络控制装备，应用层中进行图书馆信息数据的导入、管理和设备控制。
3.2智慧图书馆的信息抽取
以图书馆智慧服务信息为基础，采用相空间重构方法重构和提取特征，提取图书馆馆藏资源的语义相关性特征量，构建图书馆智慧服务的大数据统计分析模型;根据资源属性进行的关联度调度后，得到语义相关性特征重构迭代式;以特征值最小的特征量作为图书馆资源协同过滤的模糊聚类中心，得到图书馆资源协同过滤推荐的节点集，再对节点集进行语义相关性特征提取，基于上述结果进行协同过滤推荐。
3.3 协同过滤推荐算法下智慧图书馆的实现
根据读者偏好进行信息挖掘和文本信息推荐，即信息检索和语义相关特征检索的基础上进行图书馆智慧服务的信息检索，同时进行优化设计。可以采用本体特征映射方法进行文本信息的推荐。
4 结语
利用协同过滤推荐算法，搭建图书馆服务的智慧模式，可以实现资源分类挖掘，不仅能够建立图书馆资源的各类数据集，还能针对读者偏好进行智慧推荐。利用协同过滤推荐算法得到的图书馆智慧服务模式，可以为图书馆的精准、精化服务提供参考。
参考文献
[1]林敏，陈美龙.基于大数据的协同过滤推荐算法在智慧图书馆中的应用[J].电子科学技术，2017，4（4）：137-141.
[2]曾乔美旭.基于协同过滤个性化推荐算法的高校图书馆借阅App设计研究[D].哈尔滨：哈尔滨工业大学，2020.
[3]袁帆.中国网络新闻传播领域算法伦理研究[D].上海：华东师范大学，2020.
[4]程秀峰，范晓莹，杨金庆.一种融合了基于朴素贝叶斯算法与情境感知的协同推荐系统——以大学图书馆实体图书推荐为例[J].现代情报，2019，39（2）：57-65.
[5]吕璐成，韩涛.人工智能赋能知识服务，开启智能数字农业未来——2020全国图书情报青年学术论坛会议综述[J/OL].农业图书情报学报：1-6[2021-12-06].https：//doi.org/10.13998/j.cnki.issn1002-1248.21-0788.
[6]张宜浩，朱小飞，徐传运，等.基于用户评论的深度情感分析和多视图协同融合的混合推荐方法[J].计算机学报，2019，42（6）：1316-1333.
[7]张万民.高校智慧图书馆知识服务模式与服务现状——评《高校智慧图书馆知识服务研究》[J].热带作物学报，2021，42（9）：2807.
[8]YI J，ZHONG M S，CHEN Y F，et al.A Hybrid Collaborative Filtering Recommendation Algorithm Based on User Attributes and Matrix Completion[C]// Advanced Science and Industry Research Center.Proceedings of 2019 2nd International Conference on Communication，Network and Artificial Intelligence（CNAI 2019）.Advanced Science and Industry Research Center：Science and Engineering Research Center，2019：8.
[9]XU Y，ZHU N.Hybrid Recommendation Algorithm Based on Long-term and Short-term Interest and Matrix Factorization for Collaborative Filtering[C]//Advanced Science and Industry Research Center.Proceedings of 2020 2nd International Conference on Computer Modeling，Simulation and Algorithm（CMSA2020）.Advanced Science and Industry Research Center：Science and Engineering Research Center，2020：6.
[10]乔雅，吴琳.基于协同过滤推荐算法的图书馆智慧服务模式研究[J].微型电脑应用，2019，35（11）：150-153.
[11]金洁洁.用户个性化档案信息在智慧图书馆中的应用研究——以个性化图书精准推荐系统为例[J].河南图书馆学刊，2021，41（9）：128-130.
猜你喜欢协同算法个性化Travellng thg World Full—time for Rree阅读与作文（英语初中版）(2019年8期)2019-08-27“家校社”一体化的德育协同长效机制探究福建基础教育研究(2019年6期)2019-05-28XPON终端个性化参数存储优化丝路视野(2018年20期)2018-05-14京津冀协同发展民生周刊(2017年19期)2017-10-25空海协同的立体防线航空世界(2017年4期)2017-06-15学习算法的“三种境界”中学生数理化·高一版(2017年1期)2017-04-25算法框图的补全中学生数理化·高一版(2017年1期)2017-04-25算法初步知识盘点中学生数理化·高一版(2017年1期)2017-04-25同桌宝贝小天使·四年级语数英综合(2015年7期)2015-07-06协同软件市场的演进和落地软件工程(2009年12期)2009-01-05 相关热词搜索： 协同 算法 过滤