基于云计算数字图书馆研究.docVIP

基于云计算数字图书馆研究 　　[摘 要]为提高数字图书馆智能化与个性化服务，借助云计算强大的计算及后台处理能力，实现数字图书馆的智能化服务。首先，对云环境下数字图书馆的自适应系统内容及形式做详细介绍；其次，对关键模块进行了详细阐述；最后，运用实例仿真，验证本文方法在数字图书馆智能化及个性化服务的性能表现。 　　[关键词]云计算；数字图书馆；自适应系统；FCM聚类；Apriori关联规则 　　doi：10.3969/j.issn.1673-0194.2015.02.125 　　[中图分类号]G250.76 [文献标识码]A [文章编号]1673-0194（2015）02-0170-02 　　1 云计算环境下的数字图书馆 　　1.1 自适应系统作用 　　数字图书馆的自适应系统在传统数字图书馆的基础上增加了智能反馈，负责适应性推送和更新阅读内容、智能检索以及个性化首页呈现。这种自适应系统，能够更好地增强数字图书馆的智能化、个性化和交互性。 　　自适应的其他作用还有个人首页的定制，界面风格的个性化等。用户首页提示用户的登陆次数，用户关注领域的信息更新动态，如新书预告，资源预览等。 　　1.2 自适应主要表现形式 　　1.2.1 自适应信息检索 　　信息检索是用户查找资源的主要方法，现有的数字图书馆大部分没有考虑用户的差异，对于所有用户，输入相同，反馈搜索结构就相同，用户要找到自己的需求，还需要在大量的搜索结果中逐一寻找，搜索效率低。这种方法没有考虑用户的知识背景、兴趣爱好，自适应检索根据不同用户的只是背景及兴趣爱好返回不同的结果，最接近用户专业的结果将返回在最前页。 　　自适应检索将用户检索条件列为关键字列表，将用关键字列表搜索得到的结果与用户个性化信息相结合，最后返回搜索结果至页面，可以运用向量空间和矢量模型将用户信息进行节点归类，并与关键字搜索结果匹配后进行结果输出。 　　1.2.2 自适应推荐 　　自适应推荐是根据用户信息将满足用户习惯的资源进行线上线下的个性化推荐，用户登录图书馆系统后，进行在线推送符合用户习惯的信息，比如新书推荐、用户感兴趣领域新文献等，不再呈现统一的登陆首页；同时在线下推荐，当有了满足用户需求的文献资料后，及时通过邮件和短信方式通知用户。 　　2 数字图书馆自适应系统的关键模块实现 　　2.1 用户数据标准化 　　设用户信息域为被分类对象，每个对象又由m个指标来衡量，其中x1表示为用户名，x2表示为密码，x3表示为学历，x4表示为专业，x5表示为用户搜索期刊次数较多的中图分类号，x6表示为图书馆的文献资料索引，x7表示为用户不同时间的下载记录，x8表示为用户下载的资料名科目类别等。 　　获得原始数据之后，便可以对数据进行标准差变换： 　　变换之后，所有变量单位量纲都去除，且均值为0，标准差为1，下面进行极差变换： 　　变换之后，所有变量取值均为[0，1]之间。 　　已经建立了原始矩阵后，根据原始矩阵，建立模糊相似矩阵，模糊相似矩阵表示的是各对象之间的相似程度，，计算的方法主要有如下6种： 　　计算出rij后便可以得到模糊相似矩阵，得到的是不同元素之间的相似度，比如现在可以确定某一用户的专业为工科专业，且计算机专业还是通信专业这两者之间的相似程度较高，至于用户具体是什么专业还需要通过聚类来完成。 　　2.2 FCM聚类 　　数字图书馆的聚类主要实现三方面内容：图书馆资源项聚类、用户检索项聚类、用户推荐项聚类。 　　根据图书资源项聚类，可以根据所有用户的搜索情况，及用户的专业及学历，聚类分析得到不同图书类别的需求情况，从而及时补充供给相应图书；用户检索项聚类主要是根据用户的检索情况，记录用户的搜索偏好，以便为用户提供个性化服务，聚类分析根据用户多次的搜索情况及模糊矩阵结果，进行归类，判断该用户检索分类属于哪个类别；用户推荐类是根据用户的访问数据进行聚类，决定给用户推荐相关类型的文献资料。 　　本文采用模糊聚类C算法（FCM）进行用户数据聚类。首先需要明确4个基本定义： 　　定义一：不完整数据样本集合为，。样本集合XA的子集XW和XP，其中 　　，且是一个完整的数据样本， 　　，且是一个不完整的数据样本， 　　，。特征值集合， 　　XU={Xkj|Xkj=确定值，1≤j≤s，1≤k≤n}，XM∩XU=，|XM|+|XU|=XA|XM| 　　+|XU|=|XA|，||表示集合中元素的个数。 　　定义二：数据样本XA的完整率： 　　（9） 　　定义三：数据样本对聚类分析的影响因子 　　（10） 　　定义四：数据样本与之间的相似度： 　　（11） 　　设样本集合为模式空间中n个模式的一组有限样本集，其中为数据样本的特征向量，为特征矢量的第j