・２４８・ 价值工程 基于用户偏好的多特征融合个性化图书推荐模型 Ｍｕｌｔｉ—ｆｅａｔｕｒｅ Ｐｅｒｓｏｎａｌｉｚｅｄ Ｂｏｏｋｓ Ｒｅｃｏｍｍｅｎｄｅｄ Ｍｏｄｅｌ Ｂａｓｅｄ ｏｎ Ｕｓ；ｅｒ Ｐｒｅｆｅｒｅｎｃｅｓ 许庆勇⑩ＸＵ Ｑｉｎｇ—ｙ０ｎｇ；江顺亮①ＪＩＡＮＧ Ｓｈｕｎ—ｌｉａｎｇ；段隆振①ＤＵＡＮ Ｌｏｎｇ—ｚｈｅｎ （①南昌大学旅游规划与研究中心，南昌３３００３１： ②南昌大学信息工程学院，南昌３３ｏｏ３１） （０Ｙｒｈｅ Ｃｅｎｔｅｒ ｆｏｒ Ｔｏｕｒｉｓｍ Ｐｌａｎｎｉｎｇ ａｎｄ Ｒｅｓｅａｒｃｈ ｏｆ Ｎａｎｅｈａｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ ３３００３ １，Ｃｈｉｎａ； （￣）Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｃｈｏｏｌ ｏｆ Ｎａｎｃｈａｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ ３３００３ １，Ｃｈｉｎａ） 摘要：随着图书馆图书数量的增加，读者无法快速获取自己所需资源。针对数字图书馆无法为用户提供准确个性的图书推荐服 务的问题，通过分析个性化推荐技术，构建了一种基于用户偏好的个性化图书推荐模型，并进行了系统的研究。最后通过试实验验证 其模型的有效性。 Ａｂｓｔｒａｃｔ：Ｗｉｔｈ ｔｈｅ ｉｎｃｒｅａｓｅ ｏｆ ｔｈｅ ｎｕｍｂｅｒ ｏｆ ｌｉｂｒａｒｙ ｂｏｏｋｓ，ｒｅａｄｅｒｓ ｃａｎ ｎｏｔ ｑｕｉｃｋｌｙ ｇｅｔ ｔｈｅｉｒ ｒｅｑｕｉｒｅｄ ｒｅｓｏｕｒｃｅｓ．Ａｉｍｉｎｇ ａｔ ｔｈｅ ｐｒｏｂｌｅｍ ｔｈａｔ ｔｈｅ ｄｉｇｉｔａｌ ｌｉｂｒａｒｙ ｃａｎ＇ｔ ｐｒｏｖｉｄｅ ｕｓｅｒｓ ｗｉｔｈ ａｃｃｕｒａｔｅ ｐｅｒｓｏｎａｌｉｔｙ ｂｏｏｋ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｅｒｖｉｃｅ，ｔｈｒｏｕｇｈ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ，ａ ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｍｏｄｅｌ ｉｓ ｃｏｎｓｔｒｕｃｔｅｄ ｂａｓｅｄ ｏｎ ｕｓｅｒ ｐｒｅｆｅｒｅｎｃｅｓ，ａｎｄ ｔｈｅ ｓｙｓｔｅｍ ｉｓ ｓｔｕｄｉｅｄ．Ｆｉｎａｌｌｙ，ｔｈｅ ｔｅｓｔ ｒｅｓｕｌｔｓ ｐｒｏｖｅ ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｅ ｍｏｄｅ１． 关键词：用户偏好；个性化；图书推荐模型 Ｋｅｙ ｗｏｒｄｓ：ｕｓｅｒ ｐｒｅｆｅｒｅｎｃｅ；ｐｅｒｓｏｎａｌｉｚｅｄ；ｂｏｏｋｓ ｒｅｃｏｍｍｅｎｄｅｄ ｍｏｄｅｌ 中图分类号：ＴＰ３９１．３ 文献标识码：Ａ 文章编号：１００６—４３１ｌ（２０１５）１０—０２４８—０３ Ｏ引言 推荐质量的评价，还没有一个很好的指标来评价推荐系统 随着时间的推移，图书馆的资源越来越多，随着网络 的推荐质量；二是冷启动问题，即对新加入的用户或商品 技术的发展，图书馆开始从传统的纸质图书的阅读服务转 到数字信息资源的服务。图书馆的管理工作也开始自动 化、数字化和信息化。对于图书馆来讲，数字化发展之路已 成为未来发展的必然趋势ｌ】１。数字图书馆可以为用户提供 更好的信息服务，可以有效地实现不同类型、不同位置的 如何推荐的问题；三是效率和实时性问题：四是用户交互 问题翻。随着数字图书馆的发展和读者个性需求的发展，个 性化推荐技术逐渐被应用到图书馆领域，个性化推荐技术 中最为成熟的是协同过滤推荐技术［４１，通过图书或读者之 间的相似性，产生图书或读者之间的最近邻居，再由最近 信息资源７＊２４服务模式。但是互联网的发展，使得数据量 邻居向目标读者推荐相似图书。但是这种算法复杂度大， 变得越来越大，正在以几何级数的速度增长。用户如何从 其推荐质量受多种因素的影响，推荐质量不高。针对这一 大量的信息资源中获取有用的资源已成为一个现实问题。 问题，本文提出一种基于读者偏好的多特征融合的个性化 数字图书馆是为用户提供数字资源的，解决用户对于信息 图书推荐算法。个性化图书推荐ｆ５】是根据已有的数据挖掘 服务的日益增长的需求，目前的数字资源的服务模式并不 出相关规律，用找到的规律来对不同类型、层次的读者推 完善，用户面对的各种信息资源不断增加，但信息资源的 荐相关的图书。图书管理系统经过多年的运行积累了大量 准确性仍然不是很理想闭。因此个性化图书馆服务将成为 的借阅数据，这些借阅记录是产生关联规则的重要数据来 未来图书馆主要的服务方式，是图书馆提高服务质量和服 源，因此个性化推荐系统与原有的图书借阅系统密不可 务水平的重要途径。 分。同时这些记录也有效体现了不同读者的偏好特征。 上世纪９０年代，个性化推荐技术被提出来，然后各国 １个性化推荐算法及相关技术 学者对此进行了大量的研究，并取得了相当好的成果，然 个性化推荐的核心是推荐算法。随着技术的发展，各 后被应用到电子商务网站中，创造了巨大的经济价值。但 种各样的推荐算法被提出来。目前常用的推荐算法主要包 总的来讲，现有的推荐系统存在一些问题，主要包括：一是 括基于内容的推荐算法、基于历史行为的推荐算法（又可 基金项目：本文受国家社会科学基金《发展红色旅游产业若干重 分为基于关联规则的算法、基于用户的协同过滤算法和基 要问题研究》资助（项目编号１０ＢＪＹ０９０）和江西省高校 于项目的协同过滤算法）和基于模型的推荐算法（主要有 人文社科基金《信息时代下江西省旅游企业运行机制 随机游走算法、奇异值分解、概率潜在语义分析等）啕。 的创新研究》资助（项目编号ＪＣ１３２８ ｏ 作者简介：许庆勇（１９８２一），男，山东成武人，南昌大学旅游规划与 研究中心、经济管理学院讲师，信息工程学院博士生， 个性化推荐技术可以帮助读者从大量的数据海洋中 准确、高效地获取所需要的信息。目前比较成熟的推荐技 研究方向为旅游信息化；江顺亮（１９６３一），男，江西南昌 术主要有以下几种川：①基于关联规则的推荐技术：其原理是通过分析用户 （１９６１一），男，江西南昌人，教授，博士生导师，研究方向 当前的兴趣受好或访问记录进行规则提出，寻找有意义的 为数据挖掘。 关联组合，然后按规则方式向用户推荐其可能感兴趣的信 人，教授，博士生导师，研究方向为数据挖掘 段隆振 ・２５０・ 价值工程 母 蒌）－－ Ｆ！ 一 法进行读者聚类，共分１０类。 ３．３用户推荐模块即用户 接口 通过Ｂ／Ｓ方式，给读者展现 ’ ’ ’ ｌ 嚣｝ Ｉｆ 孵｝｝ 路 Ｉ 广匝懂 基础信息库 推荐过程 圈 个清晰、友好的交互式页面。 通过用户登录，获取用户基本信 息，根据个性化推荐模型向读者 推荐相应的图书，默认推荐前 ５０本图书，分页显示。同时用户 一可以根据自己的需要进行二次 检索，以提高推荐的成功率。 ４结论 随着信息技术和数宇化图 书馆的发展，图书馆在科研、教 图２个性化推荐的基本流程 育领域发挥着越来越重要的作 性别、学历、学术兴趣等因素。可以用向量Ｘ＝｛ｘ ，ｘ２，…， ｝ 用。而如何提高服务质量、提高用户满意度，个性化服务成 表示用户属性集合。 为必然趋势。个性化信息服务能够向图书馆用户提供满足 其个性化需求的信息内容和特定功能服务，受到了业内人 ２＿２．３基于借阅记录特征 图书特征和读者特征都是一些基础特征，个性化的推 士的广泛关注和极大兴趣，是目前图书馆领域中非常有意 荐技术关键是在图书特征和读者特征的基础上，通过分析 义的研究内容。通过对用户信息、图书信息和用户借阅信 读者的借阅记录，进行有针对性的推荐。采用“ｋ一近邻”方 息的分析、借用数据挖掘方法，构建了一个用户兴趣库和 法对读者借阅记录进行分析，挖掘读者的个性偏好，形成 图书聚类库，然后通过个性化推荐模型，通过多方法加权 不同的读者群体。不同群体的读者往往有不同的借阅习 的方式为用户推荐其所需要的图书，通过个性化推荐系统 包括随着 惯，但同类群体的读者往往有相同的借阅偏好，会借阅相 的实施，获取了较好的结果。但还存在～些问题，同类型的图书。因此同类读者中其它读者借阅过的图书也 数据量的增加，效率在降低，在今后的研究工作中还需要 是最可能借阅的。 不断的完善和改进。 参考文献： 【１］吴慰慈，董焱．图书馆学概论【Ｍ】．北京：北京图书馆出版社， ２０１１：２０５—２０９． ２．３个性化推荐的基本流程 根据个性化推荐模型，设计了一个个性化推荐流程， 具体如图２。 从图２可以看出，个性化图书的推荐流程是根据基础 ２００６，１６（４）：２０１—２２１． 信息库中的用户信息、图书信息、借阅记录的数据挖掘分 析和当前登录用户的信息进行查找读者所属类别和读者 大学，２０１３． 的借阅记录，然后形成推荐图书，返回给读者，以实现个性 化推荐的目的。 ３实验验证 ［２】李家清．个性化信息服务方式与策略研究［Ｊ］．现代情报， 【３】雷震．基于聚类的个性化推荐算法研究［Ｄ］．成都：电子科技 ［４］Ｇｈａｚａｎｆａｒ Ｍ Ａ，Ｐｒｕｇｅｌ－Ｂｅｎｎｅｔｔ Ａ．Ｂｕｉｌｄｉｎｇ Ｓｗｉｔｃｈｉｎｇ Ｈｙｂｒｉｄ Ｒｅｃｏｍｍｅｎｄｅｒ Ｓｙｓｔｅｍ Ｕｓｉｎｇ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｃｌａｓｓｉｆｉｅｒｓ ａｎｄ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｆｉｌｔｅｉｒｎｇ［Ｊ１．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ 基于用户偏好的个性化图书推荐模型地，系统通过 Ｓｃｉｅｎｃｅ，２０１０，３７（３）：２７２－２８７． Ｂ／Ｓ模型，采用ＭＹＳＱＬ数据库、ｊａｖａ１．６＋ｔｏｍｃａｔ ６．０开发。包 【５］邓广彪．关联规则在个性化图书推荐中的应用研究【Ｊ１＿电脑 括三个大模块，一个是基础数据模块；二是个性化推荐库 开发与应用，２０１３，０６：４６—４８． 模块ｉ三是用户推荐模块。 ３．１基础数据模块即数据获取与预处理 【６】李岸．华图在线文库系统中个性化推荐技术的研究与实现 【Ｄ】．长沙：中南大学，２０１３． ［７】彭玉，程小平，徐艺萍．一种改进的Ｉｔｅｍ Ｂａｓｅｄ协同过滤推 基础数据模块的数据进行初始化和预处理，保证全部 Ｊ］．西南大学学报：自然科学版，２００７（５）：１４６—１４９． 数据的真实、可靠、完成；其次是通过数据挖掘方法对基础 荐算法『数据分析，根据个性化推荐模型，形成个性化推荐库；最后 中国海洋大学，２０１１． 是根据当前登录用户，进行个性化推荐读者期望的图书。 ［９］Ｓａｈｏｎ Ｇ，Ａｕｔｏｍａｔｉｃ Ｔｅｘｔ Ｐｒｏｃｅｓｓｉｎｇ．Ａｄｄｉｓｏｎ—Ｗｅｓｌｅｙ， 根据读者的特征、图书特征和借阅记录，从南昌某大 １９８９． 学图书馆管理系统中，提取２００８—２０１３年的读者借阅数 ［１０］黄晓斌．网络信息过滤原理与应ｆｆＪ［Ｍ］．北京：北京图书馆 据、读者数据和图书数据。 出版社，２００５． ３．２性化推荐库模块即数据的分析 【１ １］ＲＯＢＩＮ Ｂ．Ｈｙｂｒｉｄ ｒｅｃｏｍｍｅｎｄｅｒ ｓｙｓｔｅｍｓ：ｓｕｒｖｅｖ ａｎｄ ［８】夏培勇．个性化推荐技术中的协同过滤算法研究［Ｄ】．青岛： 对图书数据，根据中图分类法（第四版）进行相似性分 ｅｘｐｅｒｉｍｅｎｔｓ【Ｒ】．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ ａｎｄ Ｄｅｃｉｓｉｏｎ 类；对于读者，根据读者特征和借阅记录利用Ｋ—ＭＥＡＮ方 Ｓｃｉｅｎｃｅｓ，Ｃａｌｉｆｏｒｎｉａ Ｓｔａｔｅ Ｕｎｉｖｅｒｓｉｔｙ．Ｆｕｌｌｅｒｔ０ｎ．
