〔摘 要〕通过仿真实验得出，运用简约HJ神经网络原理可以从我们所收集查找到的信息中分离出和读者需求信息最接近的信息，这样可以大大降低我们个性化信息推荐的盲目性和低效性，从而更进一步提升我们图书馆的个性化信息服务质量。
　　〔关键词〕简约HJ神经网络；个性化服务；信息分离；信息推荐
　　〔中图分类号〕G250.73 〔文献标识码〕C 〔文章编号〕1008-0821(2009)02-0057-03
　　
　　The Application of Reduced HJ Neural Network in
　　Library Personalized Information RecommendationFeng Lei Zhang Yuguang Tang Li
　　(Library，Shanghai Institute of Technology，Shanghai 200235，China)
　　〔Abstract〕Through the simulation experiments，using reduced HJ neural network can separate the closet information to the readers requirements，thus the blindness and low effectiveness could be greatly reduced and the quality of personalized information service could be further promoted.
　　〔Key words〕reduced HJ neural network；personalized service；information separation；information recommendation
　　
　　个性化信息推荐的目标是为读者提供满足其个性化需求的服务，在个性化信息推荐中重要的环节就是从我们所找到的千万条信息中提炼出满足读者个性需求的信息推荐给读者。目前推荐系统存在的普遍问题是推荐的盲目性和低效性，产生这问题的主要原因就是我们不能在我们找到的信息中准确的分离出最贴近读者个性需求的信息推荐给读者。
　　1 简约HJ神经网络
　　自1986年Herarlt和Jutten提出了以他们名字命名的神经网络(HJ)方法后，近年来在各行业已有许多应用[1]。简约HJ神经网络运用于满足读者个性需求信息分离，即可有效地去除我们所采集的无用信息，提高推荐的准确性。这对图书馆个性化信息服务产生了深刻的影响，对提高图书馆个性化信息服务水平起到了强大的推动作用，这是一种新型的多信息分离方法。如图1所示。
　　图1 简约HJ神经网络
　　1.1 简约HJ神经网络原理
　　假设有零均值随机信息S1(t)，S2(t) t∈T
　　设传输通道是线性，可测信息为m1(t)，m2(t)，如图2所示。有
　　m1(t)
　　m2(t)=a11a12
　　a21a22S1(t)
　　S2(t)(1)
　　且a11a22-a12a21≠0[2]
　　图2 简约HJ神经网络1.2 简约HJ神经网络的信息分离的算法设计
　　y13(t)y2(t)=0，y23(t)y1(t)=0，(2)
　　信息m1(t)，m2(t)是可分离的[3]。
　　其中式(2)满足图2的结构
　　易知：
　　 y1(t)
　　y2(t)=11-D12D211-D12
　　-D211m1(t)
　　m2(t)
　　∴y1(t)
　　y2(t)=11-D12D211D12
　　D211a11a12
　　a21a22S1(t)
　　S2(t)(3)
　　 y1(t)
　　y2(t)=D10
　　0D2S1(t)
　　S2(t)
　　根据(2)构造神经网络，有
　　dD12dt=μy13(t)y2(t)
　　dD21dt=μy23(t)y1(t)(4)
　　可推得：
　　dD12dt=μy13(t)y2(t)
　　dD21dt=μy23(t)y1(t)(5)
　　当系统(5)达到稳态，其输出即为分离系数D12，D21
　　此时的输出为y1=a11S1，y2=a22S2由此即达到了信息分离的目的[4]。
　　
　　2009年2月第29卷第2期现?代?情?报Journal of Modern InformationFeb.2009Vol.29 No.2
　　2009年2月第29卷第2期简约HJ神经网络在图书馆个性化信息推荐中的应用Feb.2009Vol.29 No.2
　　2 简约HJ神经网络信息分离的程序设计与仿真
　　在个性化信息推荐中，我们通过和读者的沟通，了解到读者的个性化信息需求，根据读者需求我们查找到了与其需求信息相关所有资料，在这些资料中要提炼出与其需求最接近的信息推荐给读者，这样才能给读者带来使用的方便和推荐信息的准确性，避免信息过载和迷航[5]。我们假设读者所需信息为源信息Y1，我们按照读者需求查找到的总的混合信息设定为Y2，通过简约HJ神经网络运算把Y1从Y2中分离出来。
　　2.1 信息分离的程序设计步骤
　　2.1.1 初始化的步骤
　　第1步，确定输入源信息Y1和Y2数组长度大小
　　第2步，设置数组值全为0
　　第3步，设置3种不同收敛因子的变化算法
　　(1)收敛因子的以变小固定值来计算
　　(2)第2种收敛因子的初始值为0.02
　　(3)第3种收敛因子的初始值为3
　　2.1.2 确定混叠信息的算法
　　第1步，取输入源信息的最大值和最小值
　　第2步，确定输入传递函数矩阵A=10.3
　　0.30.5计算混叠信息s1
　　s2=10.3
　　0.30.5y1
　　y2
　　第3步，设置计算步长为h=0.01
　　2.1.3 信息分离算法的步骤
　　第1步，若flag=1 即收敛因子为固定值
　　则i=floor(k*8/hsize)+1
　　确定收敛因为在迭代中的取值。
　　第2步，若flag=0 即收敛因子为变值，其算法为
　　muu(k+1)=muu(k)+h*(0.02-muu(k))/TD
　　Mu=0.02-muu(k)+0.0005
　　第3步，若flag=0 即收敛因子为变值，其算法为
　　muu(k+1)=muu(k)+h*(3-muu(k))/TD
　　Mu=3-muu(k)+0.1
　　第4步，计算迭代公式
　　daa(1)dt=μ(s1-aa(1)s2)3(s2-aa(2)s1)
　　daa(2)dt=μ(s2-aa(2)s1)3(s1-aa(1)s2)
　　第5步，计算aa(1)=11-D12D211-D12
　　D211
　　再计算D11D12
　　D21D22=aa(1)a11a12
　　a21a22
　　2.2 信息分离程序设计的仿真
　　把程序加载到MATLAB中并运行，经过反复调试之后，得到如下的仿真结果
　　定义t=0：pi/100：3*pi；
　　y1=sin(t)；
　　y2=sign(sin(10*t))；
　　hdsep(y1，y2，t，flag) 其中flag可取1，2，3
　　定义两个输入分别为一列正弦波是读者所需求的信息和一列方波是我们收集到的混合信息，在算法中假设输入波形是未知的，我们看到的是两列波的混合波形，通过神经网络的计算，还原得到跟输入近似的波形。
　　图3是我们输入的正弦波与方波，分别为y1=sin(t)与y2=sign(sin(10*t))，我们能观测到的是两列波形的混合波形，通过简约HJ神经网络把混合信息分离得到原来未知的输入波形。
　　图3 输入波形图4即为我们可以观察到的混合波形，我们要把读者所需信息从混合信息中分离出来，这样才能达到准确的个性化信息推荐。
　　图4 混合波形
　　可以看到图5中的两列波形近似与正弦波与方波，就是我们输入的y1=sin(t)；y2=sign(sin(10*t))；从图形中可以看到，正弦波上稍有一些混合信息的叠加，但是总体的效果跟输入的波形已经基本相似。因此认为我们通过混合信息的分离，把最接近读者需求的信息提炼了出来，大大提高了个性化信息推荐的准确性，给读者带来了极大的方便。
　　图5 分离结果
　　3 结 论
　　用简约HJ神经网络对所收集到的混合信息进行的分离，从仿真结果来看分离的结果是比较理想的。一般的数值计算中，对S-y的传输矩阵中的非对角元素不为零，但为一个较小的数目。工程上，一般可约定，当混合信息的幅值比为1000∶1，则可认定信息已被分离[6]。仿真过程也证明了该分离方法是有效的。在信息社会中，个性化信息服务只有做到更细致更准确，才会真正使读者满意，图书馆的服务才能真正体现出以人为本的服务宗旨。
　　
　　参考文献
　　[1]J.Herault and C.Jutten，“Space or time adaptive signal processing byneuralnetwork models”，Neural Network for computing[M].Snowbird，1986.
　　[2]Kalman，R，Eand Bucy，R.S”New Results in Linear Filtering and Prediction Theory Trans[M].Asme，Ser.D.J.BasicEng.，1961：95-107.
　　[3]袁曾任.人工神经元网络及其应用[M].北京：清华大学出版社，1996.
　　[4]胡守仁，余少波，等.神经网络导论[M].北京：国防大学出版社，1993.
　　[5]马文峰，高风荣.论数字图书馆个性化信息推荐系统[J].现代图书情报技术，2003，(2)：16-18.
　　[6]虞晓，胡光锐.基于统计估计的盲信号分离算法[J].上海交通大学学报，1999，33(5)：566-569.