基于bp神经网络的读者参与度预测与评价模型研究 - 公共图书馆研究院.docVIP

Study on the BP Neural Network Model of Library User Participation Forecasting 基于BP神经网络的图书馆用户参与度预测模型研究 黄敏 都平平 中国矿业大学图书馆 江苏 徐州 221116 摘要：本文依据不同服务模式下图书馆用户参与度的主要评价指标及影响因素，基于BP神经网络算法构建了图书馆用户参与度的预测模型。通过对某市公共图书馆用户参与度的预测，与一元非线性回归预测模型对比验证了该模型具有更高的预测精度。分析认为：在全面把握影响用户参与外部条件与内部因素的基础上进行预测模型参数优化，可进一步提高预测结果的可信度。 关键词：BP神经网络；用户；参与度；预测；优化 Abstract: Main evaluation indicators and influencing factors are discussed about library user participation under different services modes, and library user participation prediction and evaluation model is established by BP neural network algorithm. By predicting the user participation of certain city public library, it is proved that the prediction model has higher prediction accuracy compared with simple nonlinear regression model. Grasping the external conditions and internal factors of library participation comprehensively, and then optimizing the parameter of prediction model, which can further improve the reliability of predictions. Key words: BP neural network, user, participation, forecasting, optimize1 引言 图书馆日常工作的目的是为广大用户提供优质的信息资源服务，让更多潜在用户主动接受图书馆服务是实现这一目标的前提条件[1]。用户接受图书馆服务的程度可以用“用户参与度”指标量化表示。较高的用户参与度表征了图书馆日常服务能够满足多数用户的需求，是图书馆要努力实现的服务目标。在合理预测与评价图书馆用户参与度的基础上，通过优化图书馆发展与服务模式进一步提高用户参与热情，成为促进图书馆事业发展的根本措施[2]。本文基于不同服务模式下图书馆用户参与度评价指标及影响因素的分析，建立了用户参与度量化指标预测的BP神经网络模型，并通过对某市公共图书馆读者参与度的预测探讨了模型的合理性，为优化图书馆发展模式、提高图书馆用户参与度提供了理论依据。 2 用户参与度评价指标及影响因素 随着互联网的普及与计算机技术的发展，图书馆信息资源服务工作呈现出多样化的趋势。图书馆服务模式不同，用户参与度的评价指标也存在显著差异。对于传统图书馆服务而言，用户参与度高低表现在总流通人次、书刊外借人次及外借册数等评价指标；而对于数字图书馆Lib1.0与Lib2.0服务，用户参与度评价指标则表现为服务平台注册用户数量、最大在线人数、访问总人次及读者参与留言、贡献资源量等[3]。 图书馆用户参与度评价指标主要受潜在用户量、服务资源量、人员及设施配备、个性化服务水平及近期资金投入5类因素的影响。对于不同的图书馆服务模式而言，各类影响因素所包含的指标亦存在显著差异。对比传统图书馆、Lib1.0及Lib2.0三种服务模式下图书馆用户参与度的具体影响因素如表1所示。 表1 不同服务模式下图书馆用户参与度影响因素 服务 模式 用户参与度影响因素分类 潜在用户量 服务资源量 人员及设施配置 人性化服务水平 近期资金投入 传统 发放有效借书证数量 馆藏资源量、对外服务量、新购藏书量等 工作人员数量、房屋建筑面积、阅览室数量及席位等 为读者举办活动数量 财政支出、图书购置费用等 Lib1.0 数字资源服务范围、合法IP段计算机数量、共享潜在用户等 自建数据库资源量、引进数据库资源量等 网络带宽、后台管理人员数量等 满足读者个性化需求的能力 自建、引进、共享数据库资金等 Lib2.0 访问用户数量、注册用户数量等 原有资源