高校图书馆个性化图书推荐系统的研究.docVIP

高校图书馆个性化图书推荐系统的研究 　　[摘要]本文通过对图书馆个性推荐概念、原理、图书推荐系统概况及存在问题进行深入分析，提出个性化图书推荐创新策略，并对数据挖掘技术在个性化图书推荐系统实施过程中出现的用户隐私问题、用户信息获取局限性问题以及信息安全问题进行仔细思考与展望，以期对图书馆界同行提供有益帮助。 　　[关键词]高校图书馆；个性化；?D书推荐；研究 　　[中图分类号]G250.7 [文献标识码]A 文章编号：1671-0037（2016）12-79-3 　　随着新兴网络媒体的日益盛行和高校办学规模的不断扩大，高校传统图书与电子图书的数量剧增，每年以几万册不等的数量增长，一方面，在校大学生要在茫茫书海中快速寻找符合自己需要的图书，面对繁冗信息无从下手。另一方面，用户需求多样化、个性化，传统的检索系统满足不了读者的个性需求。这就需要采取数据挖掘技术，将读者的信息、图书的信息及读者借阅信息进行深度挖掘与数据分析，将用户的隐性信息搜集整理成读者喜好的借阅模式的显性信息，便于对不同用户信息需求提供精准个性化图书推荐。当前，加强精准个性化图书推荐及提高用户满意度已成为图书馆界研究的热点和重点。 　　1 　　图书馆个性推荐概念及原理 　　1.1图书馆个性推荐的概念 　　图书馆个性推荐是指以读者的个人背景、专业、习惯、爱好和提出的特别要求等为依据，对每一位读者提供个性化推荐服务。 　　1.2个性化推荐原理 　　个性化推荐是信息的重组过程，是信息资源的再分配，是一种基于用户需求的个性化信息服务模式。其原理是以充分挖掘用户的个性化需求信息为前提，主动组织信息资源，并向用户推送其感兴趣的信息资源和信息服务。一方面是社会进步与图书馆自身发展的需要，有利于提高图书馆的科技能力与服务水平。另一方面节省用户获取有效文献信息时间，激发读者阅读兴趣，提高图书的使用效率，提高用户的满意度。 　　2图书推荐系统概况 　　2.1推荐系统背景 　　推荐系统最初广泛应用于电子商务、电影推荐、音乐推荐等领域。它不仅为不同用户提供了方便商品、信息资源，还为网站获得了不菲的赢利空间。亚马逊是最早使用推荐系统的网站，其每年20%-30%的销售来源于推荐系统。如今将个性化推荐系统应用于图书馆，深度挖掘个性化推荐的精准度及用户满意度已是图书馆界研究的热点，无疑将对图书馆自身发展与建设起着较大的推动作用。 　　2.2传统推荐系统种类 　　2.2.1基于内容的推荐方法。根据用户购买过的商品，计算将要购买的商品与已购商品的相似度，按相似度的大小排序向用户进行推荐。该方法优点是操作简便，推荐质量相对较高。缺点是算法复杂，处理复杂结构难度大。 　　2.2.2基于用户的协同过滤方法。根据用户的基本信息和行为数据，寻找与该用户相似的其他用户，把其他用户的感兴趣的商品或信息推荐给该用户。该推荐方法不需对图书内涵进行深入分析，只需对读者的特征及借阅记录进行分析，就能获得读者感兴趣的个性化图书推荐。该方法优点是能作音频、视频处理，算法简便，针对用户评价提供个性化推荐程度高。缺点是易产生冷启动、数据稀疏问题。 　　2.2.3基于关联规则的推荐方法。该方法是如何建立关联规则，根据用户关联规则的相似性，向用户推荐所需个性化信息。该推荐方法能够分析隐藏的关联规则，不足是由于图书管理系统中数据量大、类型复杂、学科跨度大等原因，造成图书特征展示不全面，推荐质量较低，推荐效果不佳。 　　2.2.4混合推荐方法。该方法使用多种推荐方法，各种方法博采众长，查漏补缺。 　　总之，本文通过中国知网搜索“个性化图书推荐系统”，共获得56 318条结果，1979-1999年发表文章不足100篇，2000-2003年达到近1 000篇，2004-2014年增速较快，且2014年达到最高值6 172篇，表明我国图书推荐系统研究进入快速发展、重点关注及热门研究阶段，2015年达3 320篇，稍有回落，说明我国此方面研究进入良性发展、逐步完善与理性研究阶段。从发表文章及研究成果进行分析来看，我国图书推荐系统理论研究居多，用于实践居少；开发人员虽然也进行了针对性的开发技术研究，但不能完全满足读者的个性化需求。这就要求我们在以后的工作中，要充分借鉴已取得数据挖掘技术的相关成果，根据学校定位、馆藏特色及读者需求，研究、设计出符合本馆特色的个性化图书推荐系统。 　　3传统推荐系统存在问题 　　3.1数据分布不均 　　图书馆的信息资源大多由自建信息资源、外购数据资源和共享数据资源构成。在数字资源引进上，高校图书馆或采购部门根据学校特色、学科需求、资源需求、现有资源等因素合理建立所需馆藏资源，每所高校都有不同办学特色，因此，不同高校馆藏资源分布无论种类、数量都存在分布不均衡的现象。而公共图书