基于大数据构建智能平台进行书目和阅读推广.docVIP

基于大数据构建智能平台进行书目和阅读推广 　　【摘 要】文章主要论述使用计算机建立智能平台，基于大数据进行智能书目推荐和阅读推广。指出图书馆常规书目推荐与阅读推广的弊端。将信息技术融入到图书馆的日常工作中来。 　　【关键词】大数据 推荐书目 阅读推广 数据挖掘 推荐算法 读者交互 　　一、公共图书馆的书目推荐工作与阅读推广 　　（一）公共图书馆存在价值与使命 　　这是一个全民阅读的大好时代，随着网络的高速发展，各种不同的资源媒介日新月异，电子产品层出不穷。图书馆，从古代私人专用的藏书楼，到现在免费向公众开放，拥有一流软硬件和阅读环境，在不同时期有着不同的受众人群，有着不同的历史使命和价值，唯一不变的是作为一个载体，不断的向人们传达着精神，传播着知识。公共图书馆拥有海量优秀馆藏资源，鼓励大众走进来的同时，应尽可能的让每个读者找到适合自己的书进行阅读。 　　（二）由谁推荐书目更加合适 　　作为图书馆员我们不可能在短时间内成为某一领域的专家，指导读者阅读什么样的书目。即使有个别博览群书、知识结构全面的馆员，也未必能对每个领域都研究到一定的深度和广度，只由图书馆员做为书目推荐的主体显然是不够的。首先应由各自领域的专家同时也是读者本身去推荐书目才更加专业。除了对于专业领域有要求的读者以外，还有希望以休闲阅读来增加生活趣味的读者群。他们希望能够阅读一些流行轻松的书籍。针对这样的群体，热门、流行与实用是他们所关心的，尽管也许没有学术性，但是他们的阅读需求量很大，是图书借阅群体中的中流砥柱。提供一个互相交流的平台对于这些读者来说很重要，让他们可以把自己阅读过有趣的、实用性强的书推荐出去，也可以从别的读者那里吸收养分。 　　（三）怎样更加合理的进行书目推荐与阅读推广 　　不同领域的读者有着不同的阅读需求，图书馆为每一个读者推荐同样的书目显得不合情理。我们很想积极努力的推广各类书籍，希望读者尽可能多的阅读我们丰富的馆藏资源，却忽略了这种没有目标的推荐所起到的效果微乎其微，给一个喜欢文学作品的读者推荐计算??方面的优秀图书，就算这本书在计算机领域再怎么经典，也不可能引起该读者的兴趣。这就像销售商品一样，销售人员会针对不同的顾客推销不一样的产品，来满足他们不同的需求。有针对的推销才会有更多的销量。图书馆也应该面对不同的读者推荐和推广不同的书目，来满足不同读者的需求，这种差异可能存在于感兴趣的领域不同，或者对这个领域研究深度的不同。由于读者数量非常的庞大，每个读者的阅读兴趣和深度有相当大的差异。图书馆可以尝试搭建一个智能平台，除了让读者可以互相的交流沟通，互相推荐以外，也可以使用计算机在后台收集、记录、统计、分析各种数据。 　　二、基于大数据构建智能的推荐平台 　　（一）如何构建这样的系统 　　首先这个系统应分为两个部分：第一个部分是行为记录部分，跟踪读者使用图书馆系统时的各种行为，其中包括读者对于书目的检索，对所借书籍的评价，图书借阅的时间长度，借书的频率，书籍的续借与预约等等，将这些行为存储到数据库。第二部分是数据挖掘部分，将已记录下来的大量数据通过优秀的推荐算法把高质量图书推荐给适合的读者，实现从读者中来到读者去的模式。有很多优秀的开源算法可以为我们所用比如Apache Mahout项目 。 　　（二）长期积累记录下读者的阅读行为 　　凭借一部片子咸鱼翻身，这样的桥段在热播美剧《纸牌屋》身上重演，反转剧主角是美国一家视频公司Netflix，它的武器则是大数据。Netflix根据大数据技术推导出一个关键要素，那就是喜欢BBC剧、导演大卫?芬奇和演员凯 文?史派西的用户之间存在某种交集，于是将三者结合拍出了《纸牌屋》，首次进军原创剧就走红，Netflix不仅成为娱乐圈里的谈资，亦成为数据革命的代表。《纸牌屋》不仅是Netflix网站上有史以来观看量最高的剧集，也在美国及40多个国家大热。今年，《纸牌屋2》更被成功引进中国播出。将Netflix公司经验结合到我馆现有的汇文系统中，可以构建评价功能模块把读者对每一本书的评价存储到数据库中，再结合读者的借阅习惯，借阅历史，搜索记录等，在长时间的积累之后，这些大数据资源可以有助于推荐算法更加的精确。大量的数据积累还可以进一步做数据挖掘分析工作，分析出一些隐藏在事物表面的真相。读者感兴趣的范畴在大量数据的分析下，会一步一步的显现出来。 　　（三）使用数据挖掘技术对读者行为进行分析通过Netflix公司的案例，可以充分的说明对大量的数据进行数据挖掘可以更加准确的锁定服务目标。图书馆可以利用自身的OPAC系统建立出读者交互的系统接口模块获得大量的读者行为数据，对已有的大量数据进行数据挖掘，最终分析出读者隐藏的阅读习惯，更好的为不同的读者提供适合他们的书目。90年代末期以来手工卡片目录