智慧校园背景下图书馆个性化推荐服务系统设计∗

欧琼妍

（南宁师范大学图书馆，广西 南宁530001）

随着时代的发展，我国高等院校信息化建设逐步加快，智慧校园建设渐成趋势。智慧校园是通过运用信息技术，进行大数据分析，得出更加科学的决策，以便开展更加合理的项目，进而实现科研技术的发展和人才的培养与社会需求的协调统一。在智慧校园的背景下，很多高校图书馆以此为契机开始进行创新改造，增添了多种信息服务设备和资源，将图书馆服务体系建设纳入智慧校园建设之中，既能够增强图书馆的服务水平，也能发挥图书馆的效能与作用。笔者拟就智慧校园背景下图书馆的个性化推荐服务系统进行设计和研究。

1 图书馆个性化推荐系统概述

高校图书馆个性化推荐系统是通过分析借阅数据，发现不同用户的个性化需求，有针对性地为用户推荐图书的自动化、智能化读者服务系统。该系统采用个性化推荐技术，其服务不同于以往用户自行检索查询的被动方式，而是以用户需求为中心，根据用户的信息需求特征，主动地为其推送匹配的图书信息。这种服务方式不但有助于图书馆的人性化发展，有利于提升用户的满意度，也能够有效提高图书借阅率和利用率。

个性化推荐服务作为一种智慧图书馆服务，是智慧校园建设过程中一个重要的组成部分。个性化推荐系统能够对不同读者的个性化需求进行区分，给读者以自主化、人性化的图书馆服务体验。

1.1 个性化推荐服务的形式

智慧图书馆应当注重用户个体需求和借阅习惯的发掘分析，这是实现个性化推荐服务的前提条件。图书馆用户在这一系统运行的过程中，具有至关重要的地位，推荐服务系统应当以用户为本，发挥用户需求在系统中的主导作用，这样系统推荐的图书才更容易被用户喜欢。目前，我国许多高校图书馆都开始采用集个性化需求挖掘与分析服务、个性化信息智能定制服务以及个性化信息推送服务于一体的个性化推荐服务。

1.2 个性化推荐服务的组成

个性化推荐系统最初应用于人们日常生活，是作为购物网站等商业领域的商品智能化展示功能。这一系统的研究融合了多种学科知识，其研制过程中需要使用到心理学、人类学、信息学、社会学、管理学等多个学科领域的理论和技术。图书馆个性化推荐服务系统正是在传统个性化推荐系统的基础上发展而来的，它面向高校图书馆借阅读者群体，根据用户的个性化需求推荐符合读者趣味和习惯的图书。个性化推荐系统包括读者建模、推荐读者建模、推荐算法建模3 个部分。其中推荐读者建模是核心部分。

图1 个性化推荐系统的基本模块组成

2 个性化推荐服务体系与功能

2.1 个性化推荐服务体系

个性化推荐服务体系可以搜集用户的偏好图书数据，并在此基础上进行数据分析和整合。该体系能为智慧图书馆建设提供重要的支撑，也能提高读者借阅图书的便捷性，让读者享受到更加高质量的服务。智慧图书馆可借助馆内的信息设备，根据读者借阅习惯、偏好等有用信息，为读者提供个性化、智能化的图书推荐服务。个性化推荐服务体系主要包括以下内容：（1）图书馆搜集并分析用户数据信息。通过读者信息监测系统、读者信息传输系统等信息技术和手段，搜集读者存储在设备上的图书借阅数据和信息，并从图书馆规定和读者需求出发，利用信息化系统分析和处理这些数据。（2）图书馆分类处理读者的个性化信息。将这些信息按照相关性、特殊性和重要程度进行分类，并为读者数据信息的整合打下基础。（3）图书馆从整体上集中整合读者的信息数据。把信息的隐藏价值分析出来，不断探寻读者借阅数据与需求的内在联系，在整合各种信息的前提下，审查系统的科学性和合理性，不断完善个性化图书推荐服务体系，从而为读者提供更高质量的图书推荐服务。

2.2 个性化推荐系统功能分析

图书馆个性化推荐系统应具备针对用户需求量身定制图书信息的功能。在系统提供个性化服务的过程中，要保证读者所获取的图书馆服务信息是有价值的，不能是无效或者失效的信息。不同权限级别的用户在行使其权限登录个性化服务系统后，能够获取的个性化推荐信息也不同，读者可根据自己的需求自行选择图书。在个性化服务系统中，权限是一种身份和专业的区分，如果学生来自不同的专业，甚至来自不同的学校，那么系统就会针对个性化需求和专业特点来提供相应的信息服务。

在智慧校园建设过程中，图书馆信息系统除了提供图书信息查询服务之外，还要提供预订图书、文献互助、传递文件、参考咨询等服务。在系统运行时，应当确保服务信息的准确性、及时性和有效性，从而让用户享受更高质量的个性化信息服务。

图书馆在推荐图书时，可同时提供专业的个性化服务，从读者的借阅历史中发现其偏好的书籍类型，并向读者主动推送与其喜欢书籍相近的图书目录，这是个性化服务中的关键内容。凭借这种方式，可有效帮助读者在浩如烟海的书籍信息中快速获取有用信息，大大节省了读者查阅和搜集资料花费的时间，增强读者选择图书资源的针对性，提高读者利用图书馆服务的效率。

3 个性化推荐系统设计

3.1 功能模块设计

笔者设计的个性化推荐系统具有数据信息的挖掘、采集和推荐3 个主要的功能，该系统的功能模块结构如图2所示。

图2 图书馆个性化推荐系统模块

（1）信息采集功能模块。建立这一功能模块的目的是为了对用户的阅读数据进行筛选和处理，清除有缺失的、无意义的甚至是有害的信息，从而为发掘更有价值的数据信息打下基础。该模块运行时，系统能够以特别的手段来处理用户个体的阅读数据信息，将不同格式的信息转化成更容易分析比较的格式，将不同种类的信息分类处理，将相同种类的信息合并处理。

（2）信息挖掘功能模块。该功能模块是建立在信息分类、聚类和关联的基础之上的。在利用信息采集功能模块收集到用户的有用信息后，可依据用户的需求和偏好，对这些信息进行深入的挖掘，并将挖掘出的关键信息纳入图书馆的数据库，可在数据库中对这些信息进行特别的定义，以标注信息的独特性。

（3）信息个性化推荐功能模块。在图书馆数据信息处理的方法中，聚类分析技术是最为常见的一种方法，该技术通过信息整合和转化，能在很大程度上提高系统的运行效率。而在这一过程中往往还会用到特别的数据分析技术，分析之后要将分析结果导入特定的数据库，进而为图书的个性化推荐奠定基础，并在用户进行信息检索时为其提供帮助。

3.2 个性化推荐服务系统整体架构

在智慧校园背景下，图书馆个性化推荐服务系统所采用的设计框架是当前广泛使用的SSH框架。这一框架在系统开发设计过程中很容易操作，能够显著提高系统的研发效率，在不同结构之下都可以为系统设计提供帮助。另外，在SSH 框架下进行二次开发也很方便，应用SSH 框架有利于日后的系统维护。运用SSH框架建立的系统架构如图3所示。

图3 SSH框架系统架构

（1）用户层。用户层通过对组件化开发模式的运用，建立良好的窗口交互系统，并利用JSP 技术，构建人性化的交互界面，这一界面相当于一座桥梁，在读者和系统之间形成了有效的联系，大大增强了系统的交互性。

（2）业务层。为了更大程度地保障用户界面的交互需求，该系统构架采用了目前普遍使用的“Struts+Spring+Hibernate”技术，能够保障系统的各项功能得到最大化利用。

（3）挖掘层。通过应用专业的系统分析工具，坚持聚类和分类的思想，深入挖掘用户数据背后隐性的个性化需求和爱好，并将挖掘分析结果导入特定数据库中存储。

（4）数据层。数据层由系统相关数据库构成，可在此以结构图的形式表示数据库之间的关联性。

4 个性化推荐服务系统的实现

4.1 数据准备

在对个性化推荐系统进行设计之前，应当分别从图书馆的图书文献信息、历史搜索信息、用户借阅信息、系统推荐信息和人机交互信息等几个方面，对信息管理平台的数据进行分类处理，从而为个性化推荐服务系统的实现提供必要的数据信息。

4.2 建立用户信息需求模型

建立符合用户需求的信息模型，在系统建设过程中至关重要。这一模型可以对读者感兴趣的图书数据进行分析，以更好地为读者提供图书推荐服务。用户的信息需求模型包括兴趣模型和数据挖掘模型。基于兴趣模型，可以建立多条有效的信息需求途径，具体的途径关系如图4所示。图书馆服务系统利用个性化推荐算法，可形成读者的兴趣模型，该算法能够全面监测并筛选读者的历史借阅信息和用户偏好，并在此基础上汇总成兴趣检索目录，以保证兴趣需求模型的有效运行。建立兴趣模型，是为了有的放矢地提供服务，进一步满足用户的需求，用户兴趣模型的建立是以图书馆对用户信息的挖掘分析为基础的，为准确客观把握用户的兴趣爱好和信息需求倾向，图书馆必须采用大数据分析等多种技术手段，建立数据挖掘模型。

图4 用户信息需求模型

4.3 基于协同推荐算法的应用

存储在个性化推荐系统中的用户检索信息数量非常庞大，为在满足读者需求的同时达到图书利用效率的最大化，应当利用相关算法协助处理数据。

（1）皮尔森相似度关联。皮尔森相似度被用来表示两个变量间的线性关系。皮尔森系数值在[-1，1]间发生变化。当皮尔森系数等于0时变量之间不具有线性关系；当皮尔森系数大于0 时，两个变量之间呈正相关关系，一个变量随着另一变量的增加而增加；相反的，当皮尔森系数小于0时，两个变量之间呈负相关关系，

（2）欧几理德距离相似度。欧几里得相似度是一种计算距离相似度的算法，也是一种很容易理解的算法，这种算法把数据作为坐标，观测者通过绘制坐标轴并计算直线距离，即可表示数据之间的关系。

（3）余弦相似度。为了比较数据空间中个体差异情况，需要用到余弦相似度，即向量空间中两个向量夹角的余弦值。与距离相似度相比，余弦相似度强调的是个体在方向上的差异性。

（4）调整余弦的相似度。对向量夹角求余弦值即可获得余弦相似度。随着向量维度的不同，计算得到的余弦值可能也有所不同。在评分计算时，A和B用户的评分分别取自在（1，2）和（4，5）之间时，计算余弦值为0.98，A 和B 用户得出的结果相近，但其实B却在内容上与A完全相反。这时可对余弦计算进行调整，将评分期望都设为3，那么A 和B 用户的评分就可以分别在（-2，-1）和（1，2）中进行选择，之后再进行余弦值计算，结果为负数时表示A和B的差异性很小。

（5）Pearson 相关度。Pearson 相关度可以用来表示用户的偏好。首先对用户的兴趣程度赋值，设分值为1时用户不感兴趣，设分值为2时用户感兴趣，之后再将Pearson相关系数进行变换处理。

（6）谷本系数相似度度量。与以上几种算法相比，谷本系数算法对于评分没有要求，这一点非常独特，谷本系数算法更注重数据与用户之间的逻辑相关性，可以用布尔逻辑体系来构建用户和数据的联系。

4.4 系统运行条件

在设计个性化推荐服务系统时，要对系统的稳定性、兼容性和拓展性进行提前考虑。笔者研究开发该系统，应用的是目前常用的操作系统，使用Windows7 系统作为系统客户端，用Windows Server2008 作为服务器，用MySQL 作为数据库，使用360安全浏览器来访问系统，足以保障系统的安全性。

5 结语

在智慧校园建设中很多图书馆都结合学科特点和用户的自身需求，设计出了各种具有针对性的个性化推荐服务系统。然而这些在不同框架体系下运行的个性化推荐系统也面临着诸多问题。在个性化推荐服务系统中，有很多地方都需要进一步发展和完善，尤其是系统的功能模块，更应当注重用户数据的搜集和挖掘。只有这样，才能让读者普遍享受高质量的图书信息服务。因此，发展个性化推荐服务系统是大势所趋，其根本目的是为了提升图书馆信息服务的质量和效率。