基于改进个性化推荐的图书信息系统研究

徐同伟 刘国敏 梁瑞霞 沈仕巡 余朝静 张成龙

摘要：为提高图书馆藏资源的利用率，将改进个性化推荐技术应用到图书信息系统中，改善图书推荐系统性能。根据读者的个人信息，将读者划分到对应的借阅群体中;利用读者的借阅和检索历史记录，建立图书推荐模型;通过收集和分析读者的借阅行为，对传统图书推荐模型进行改进，提高图书推荐系统的精确性。研究表明，图书推荐系统能够将馆藏资源精确推送给读者，减少读者检索图书的时间，提高馆藏资源的利用率。

关键词：个性化推荐;图书信息系统;图书推荐系统

中图分类号：G250        文献标识码：A

文章编号：1009-3044（2019）26-0031-03

开放科学（资源服务）标识码（OSID）：

Abstract： In order to improve the availability of library collection， the improved personalized recommendation is added to library information system， the ability of book recommendation system is improved. According to the information of readers， the readers are divided into different groups. Through histories of borrowing and retrieving， the model of book recommendation is established. To improve the accuracy of the traditional book recommendation system，the model is revised by collecting and analyzing the borrowed behavior of readers. Theresearchshowsthat the system can push books to readers accurately， times of retrieving are decreased and availability of library collection is improved.

Key words： personalized recommendation; library information system; book recommendation system

1 引言

隨着大数据和信息化技术的不断发展，互联网规模不断扩张，充斥在人们周围的信息量严重超载，并且现阶段搜索引擎被广告市场占领，传统搜索引擎已经难以满足用户需求，人们很难快速从海量信息中获取有价值的数据。个性化推荐技术是一个辅助用户获取信息的工具，根据用户的兴趣爱好和历史行为数据，对用户可能需要的数据信息进行整理，并推荐给用户，使得被推荐信息符合用户的个人特点，避免用户耗费时间寻找数据，解决用户获取有价值数据难的问题[1]。

近年来，个性化推荐技术被广泛应用于网上购物平台等电子商务行业，利用消费者的历史订单、购物车、收藏、搜索记录以及浏览足迹等大量的用户行为数据，向消费者进行个性化推荐，改善消费者的购物体验，吸引消费者，提高企业的营业额和利润，例如，亚马逊、淘宝网、京东商城等网上购物平台[2]。同时，新闻平台、视频平台、网络社交等相关互联网行业，也利用个性化推荐提升用户体验，吸引更多的用户，提高平台的数据流量。个性化推荐技术成为互联网应用的核心技术，改善图书信息系统性能的关键技术。

网络信息技术的发展和人们对于信息化需求的增加，图书信息系统也需要与时俱进，提高读者的用户体验。随着高校对于图书馆建设的不断重视，图书资源不断增多，读者需要在成百上千万的馆藏资源中找到自己需要的图书资源，传统的图书检索只能根据关键词找到图书资源，读者在检索结果中进行筛选，需要消耗大量的时间资源。图书推荐系统可以根据读者的专业特征、借阅行为、书籍信息等数据，向读者推荐相应的书籍，节约读者检索图书资源的时间，提高读者的用户体验。有大量的学者[3-10]利用互联网平台、大数据技术和云计算技术对图书信息系统进行改进，构建适合读者的图书推荐系统、图书荐购系统、图书销售系统，培养读者对于图书馆的兴趣和信心。本文对图书推荐系统和图书荐购系统进行改进，改善图书信息系统的性能，提高图书推荐系统的准确率和图书荐购系统的科学性。

2图书信息系统

图书信息系统是为了管理图书、服务读者而搭建的C/S信息系统，主要组成部分有图书管理模块、读者管理模块、图书查询模块、图书借还模块以及图书采购模块。各个子模块分别存储和维护图书信息、读者个人特征、图书借阅行为等数据。

2.1 图书管理模块

图书管理模块对书籍信息进行管理和维护，利用数据库存储书籍信息，包含图书档案管理、新书上架、图书盘点、图书借阅信息设置等功能。图书管理模块存储了馆藏书籍各个属性的详细信息，并为各类书籍打上特有的标签。

2.2 读者管理模块

读者管理模块对读者信息存储和管理读者信息，对读者信息进行增删改查，并设定读者权限，对读者的借阅信息进行管理和导出。读者管理模块收集了读者的借阅历史，对读者借阅行为信息进行存储和管理。

2.3 图书查询模块

图书查询模块为读者进行图书检索时提供服务，根据图书的索书号、条形码、书名、作者等信息查询读者需要的图书，并将图书的摘要和图书层架信息告知读者。图书查询模块还需要根据读者信息，把读者的检索历史保存起来。

2.4 图书借还模块

图书借还模块通过借还机和借还终端对图书借还信息进行管理，包含有完整的读者借阅行为信息，图书被借阅的历史信息，是图书出入图书馆的门户，随时对图书借出和库存量进行更新。

2.5 图书采购模块

图书采购模块负责图书采编和购买功能。读者可以通过图书采购模块向图书馆推荐自己想要的图书，图书管理人员对荐购信息进行收集整理，根据需求采购图书，并对购买图书进行采编加工，将图书加入图书管理系统，方便图书管理。

3个性化推荐技术

个性化推荐技术是通过收集数据，对数据进行分析，帮助用户快速发现有价值信息，并且推荐信息需要千人千面，以此提高用户体验[11]。个性化推荐最早是在20世纪90年代被卡耐基·梅隆大学的Robert Armstron等人[12]提出，最初应用在个性化导航系统中，随后引起各个国家的学者和研究机构的关注，不断对个性化推荐技术进行改进，提高了个性化推荐的性能，拓宽了个性化推荐技术的应用领域。个性化推荐系统通常分为基于用户的推荐、基于内容的推荐、基于关联规则的推荐和基于协同过滤的推荐四类。

基于用户的推荐方法首先要了解用户的基本信息，然后对不同用户的基本信息进行分析，对用户进行分类，根据不同用户之间的相似程度，向用户进行推荐。图书推荐系统根据读者的年龄、性别、专业等信息对读者进行分类，向不同类型读者推荐图书。

基于内容的推荐方法是根据物品的属性进行推荐。分析物品的不同属性，尽可能挖掘不同物品的相似性，当用户喜欢某一物品时，将相似的物品推荐给该用户。图书的属性是非常丰富的，而且不同书籍之间的属性相似性较大，内容推荐在图书信息系统中很适用。

基于关联规则的推荐方法是根据关联规则进行推荐，将关联规则设定在信息系统中，向用户推荐商品，例如，在啤酒旁边摆上尿不湿进行销售这一经典案例，所以关联规则的挖掘是这个推荐方法的关键。

基于协同过滤的推荐方法是利用各种协同过滤的技术，根据用户的爱好进行推荐，常用的协同过滤算法有最近邻居、聚类分析、数据降维、博弈论、支持向量机等方法。基于协同过滤的推荐方法研究较多，各种各样的技术被引入到协同过滤推荐中，提高协同过滤系统的性能。

4图书推荐系统

传统的图书推荐系统是由专家进行推荐或者读者投票选出被推荐书目，推荐的书籍可能仅适用于一部分读者，并且，只能是一些通识性的书籍，推荐的图书没有针对性，推荐的内容也不能根据图书资源进行实时更新，针对某一个读者进行推荐更加不具备可行性。一部分读者可能对推荐的书籍不感兴趣，久而久之，就降低了读者的热情。图书推荐系统是个性化推荐应用到图书信息系统的产物，解决向读者推荐图书不准确、不及时、无法吸引读者的问题。

图1是茅台学院图书馆用户平台，包含图书检索查询、用户信息维护、图书借还、图书荐购以及新书推荐等功能。

4.1 基于用户的图书推荐

图书馆用户平台收集了读者的用户信息、历史借阅数据、检索记录等数据资源。根据基于用户的个性化推荐方法，图书推荐系统对平台中读者的借阅行为进行分析，将读者分为不同的借阅群体，并根据读者的年龄、学历、专业等信息与借阅群体进行比对，为每一位读者生成用户画像。当读者完善了用户信息后，分析读者的用户信息，找出读者与不同借阅群体之间的相似程度，分析出读者的个人属性信息以及标签，后台收集每一本图书的属性信息，与读者的个人属性信息吻合的书籍，通过图1中的“最新图书”模块向读者推送相关书籍目录和摘要，吸引读者去閱读相关书籍，同时，节省读者进行图书检索的时间。

4.2 图书推荐系统的改进

基于用户的图书推荐系统是根据读者的个人属性信息和图书的属性信息向读者推荐相关书籍，即使具有相同个人属性信息的读者之间也是存在差异的，读者在不同时期想要阅读的书目也是不同的。所以，基于用户的图书推荐系统无法准确、实时的根据读者的兴趣爱好进行图书推荐，需要对图书推荐系统进行改进。

用户平台能够收集读者的检索、浏览、收藏以及借阅行为等历史数据，并且这些数据是实时更新的，读者每次使用借阅平台的时候都会产生相关的数据。改进的图书推荐系统引入用户干扰机制，通过实时分析读者的历史数据，对系统中保存的读者个人属性信息进行修正，并依据修正后的个人属性和最新的图书属性信息进行推荐，使推荐的书籍目录更加准确。

当推荐的书籍目录读者不感兴趣的时候，读者可以通过“图书检索查询”模块重新进行图书检索，图书推荐系统根据读者检索的关键词对读者的个人属性信息进行修正，并依此进行图书推荐，将推荐书目展示在检索结果中，同时，“最新图书”模块的书目信息也进行更新。在读者个人信息不断修正的过程中，推荐给读者的书目越来越符合读者的兴趣爱好，使图书推荐系统更加完善，向更多读者推荐更符合个性化需求的书籍目录。

4.3 图书荐购系统的改进

传统的图书荐购系统就相当于一个表格填写平台，读者把自己想要阅读的书籍信息填写并提交，图书馆工作人员在后台对读者提交的书籍信息进行筛选，对有价值的书籍进行采购。这不仅增加了读者的工作量，也增加了图书馆工作人员的负担，有时候图书馆工作人员忙于应付，导致采购的图书良莠不齐。

首先，根据现有图书的借阅情况，改进的图书荐购系统对采购图书的副本数进行推荐，避免有的图书副本数较多，却鲜有人问津，有的图书副本数较少，读者迟迟借阅不到。然后，利用图书推荐系统收集到的读者信息，挖掘出受读者欢迎的书目，对图书馆藏资源进行查缺补漏，吸引更多的读者。最后，图书荐购系统根据读者的提交荐购信息对自动生成的荐购目录进行修正，保证图书荐购的全面性。图书荐购系统与图书推荐系统进行实时对接，确保了图书荐购目录的实时性和实用性，减少手动维护的成本，降低了工作人员的负担，也满足了更多的读者需求。

5结束语

为更好地将馆藏书籍信息个性化的推荐给读者，对图书推荐系统进行改进，提高图书推荐系统的精确性，对图书荐购系统进行改进，提高馆藏资源的合理性，降低工作人员的负担。改进的图书推荐系统根据读者的检索、浏览、收藏以及借阅历史等行为数据以及相似读者的行为数据推测目标读者的需求和爱好，向读者的借阅终端推荐或展示他们可能喜欢的书籍。同时，改进的图书推进系统引入了用户干扰机制，通过用户的检索行为对推荐系统进行修正，使图书推荐系统更加完善，增加图书推荐系统的准确性和实时性，做到推荐书籍千人千面，提高读者的用户体验，吸引更多的读者来馆学习，节约读者发现资源的时间，提高馆藏资源的利用率。改进的图书荐购系统不但减少了工作人员的负担，更提高了馆藏资源的合理性和科学性。

参考文献：

[1] Tunkelang D . Recommendations as a conversation with the user[C]// Acm Conference on Recommender Systems. ACM， 2011.

[2] 孙鲁平， 张丽君， 汪平，等. 网上个性化推荐研究述评与展望[J]. 外国经济与管理， 2016， 38（6）：82-99.

[3] 赵慧真.“互联网+”背景下读者主导图书采访云平台构建[J].图书馆工作与研究，2019（02）：62-66.

[4] 王茜，张黎.基于云平台的智慧图书馆系统的设计与实现[J/OL].图书馆，2019（02）：46-50[2019-04-10].http：//kns.cnki.net/kcms/detail/43.1031.G2.20190218.1707.016.html.

[5] 陈春阳.基于图书馆微信平台的馆配云平台图书数据推送研究[J].出版发行研究，2018（05）：86-88+43.

[6] 储节旺，陈善姗.高校图书馆读者荐购云服务平台发展现状研究与思考——以安徽省高校为例[J].图书馆学研究，2018（02）：33-39.

[7] 熊英，刘瑞华.云计算环境下图书馆服务模式创新研究[J].职教論坛，2016（17）：47-50.

[8] 芮怀楷.基于云平台的图书管理系统[J].兰台世界，2016（13）：66-68.

[9] 沈鸿欣.云计算对图书馆管理的影响探究[J].产业与科技论坛，2016，15（19）：252-253.

[10] 郭健，任永功.云计算环境下的关联挖掘在图书销售中的研究[J].计算机应用与软件，2014，31（11）：50-53.

[11] Bobadilla J ， Ortega F ， Hernando A ， et al. Recommender systems survey[J]. Knowledge-Based Systems， 2013， 46（Complete）：109-132.

[12] Paul Resnick， NeophytosIacovou， Mitesh Suchak， et al. GroupLens： an open architecture for collaborative filtering of netnews[C]//In Proceedings of the 1994 ACM conference on Computer supported cooperative work. ACM， 1994：175-186.

【通联编辑：唐一东】