论文部分内容阅读
摘 要：图书馆书籍的推荐对于广大读者的借阅效果起到了极大的帮助作用。在当前社会发展飞速的今天，智能化技术的普及对于各行业均起到了促进作用，作为图书馆的发展也需要创新技术的融合，本文以图书馆书籍推荐技术的为基础，将书籍区域化映射技术作为书籍推荐手段，构建区域组模型拓展推荐的应用方式以实现智能化书籍推荐的良好效果。
关键词：图书馆书籍;智能化推荐;区域化映射
0引言
随着信息化数字图书馆时代的来临，对于图书馆书籍的管理研究工作更加侧重于新技术应用和开发上。目前，世界上针对于书籍管理的研究内容主要集中在书籍推荐的效果中，利用书籍对比关系进行定义和定位，将更多地书籍相关信息内容融合到书籍关键信息中，造成了书籍推荐研究的复杂关系。因此，在图书馆的书籍管理中，如何获取书籍的相关信息进行分析并作出合理的评价及推荐成为书籍管理研究领域的一个难点。
图书馆为读者服务工作内容很多，其中图书推荐工作是读者服务工作的重要内容之一，而图书馆的图书推荐工作应密切关注于书籍推荐技术的发展方向，能够推荐给读者贴近用户要求并具有实际应用价值的效果。书籍推荐工作在了解读者的求书服务中， 基于内容过滤的方法总体上根据用户阅读历史， 构建用户偏好模型， 并据此向用户推荐书籍。因此， 用户偏好模型表征用户兴趣的准确度和对潜在兴趣的挖掘度直接决定了资源推薦的准度和广度。但是， 基于向量空间的用户模型， 以词为基础来描述用户兴趣， 没有考虑到语义方面信息， 不能很好地表达用户的潜在需求。本文基于图书馆书籍推荐技术的为基础，将书籍区域化映射技术作为书籍推荐手段，构建区域组模型拓展推荐的应用方式以实现智能化书籍推荐的良好效果。
1 书籍区域化映射技术
书籍区域化是将以关键信息作为划分手段，在图书馆内的书籍都在数据库中特定的目录下存在，设定以各个目录为映射区域作为本体感知结构的基础单位，即在触发到专业类目录及根目录下的任何信息作为一个原始信息触发点，这就会形成一次专业内的本体区域化推荐，从而获得一个信息变量。在其他专业目录中如果引发的最终结果与本目录本体知识有所关联，也会触发相关信息的产生，形成关联化的神经网络组织结构，这就会不断的映射出以区域为概念的结构环境
2书籍的推荐
书籍区域化映射主要将书籍进行概念化的分类工作，作为推荐的主要的动力还是在于获取各类动态信息并从中确立关联信息属性，将这些基本信息添加到系统日志中作为原始信息进行登记，向感知触发模块提供用户位置上下文;感知触发模块中的各类功能主要体现在对于动态定位模块提供的信息进行智能化处理的过程，由直接信息触发转变为本体化的关联信息触发;知识库的作用在于对感知触发信息模块处理过的关联信息进行优化和推荐的处理工作，在推荐模块中，设定用户构建成一个基于本体的书籍偏好模型，包含用户特定属性的偏好。前者的构建基于时间的遗忘模式，后者利用用户最近的兴趣来表示。
用户兴趣度模型依靠书籍的偏好信息建立，通过对用户借阅记录和用户与系统的交互日志。根据构建关键信息O中叶子概念和书籍之间的“类–实例”关系，通过用户借阅记录和交互日志中的书籍名称，可以直接获得用户偏好的概念集。形式化地，用户短期偏好标记为：
3构建区域组模型拓展
根据书籍知识域的紧密相关性，在同一书籍专业类有借阅记录的用户可以看成是就本区域书籍而言有相似阅读兴趣的用户。通过不同知识域的合并对近似用户对知识域书籍的长期偏好，构建区域组模型以改善推荐的多样性。
关键信息概念C与区域Region之间的映射结构，用户的长期偏好P被分成多个语义划分。每个语义划分对应一个区域集群，代表了用户兴趣的一个子集。形式化地，用户在区域regionI的长期偏好可标记为：
其中，count1为N个用户偏好向量中该维元素出现‘1’的总次数，count0为出现‘0’的总次数。
区域组模型是根据用户长期偏好构建的。在更新长期用户偏好后，对受影响区域的区域组模型也需要进行更新。同样地，本文将区域组模型的更新周期也设为T。即每隔时间段T，根据借阅记录和交互日志，寻找受影响的区域并对这些区域的区域组模型进行重现构建。
评估模型推荐书籍的多样性为了验证模型推荐书籍的多样性，利用集合多样性，对结合区域组偏好进行比较。书籍的集合多样性定义为在推荐列表中所有书籍之间的平均非相似性。评估时，对每个用户选择最近N次时间范围的阅读记录作为评估的标准（根据设置的T值，每次时间范围为30天），在此时间范围之前的历史记录则用于用户偏好模型和区域组模型的构建。通过每个用户时间范围的不断延伸，作为书籍推荐效果。
4结语
本文提出一个基于基于图书馆书籍推荐技术的为基础，将书籍区域化映射技术作为书籍推荐手段，构建区域组模型拓展推荐的方法。区域化推荐的书籍推荐模型基于将用户的基础信息、知识类型偏好、长期知识累计和相关类型知识获取等多信息源的综合处理，根据用户需求的知识区域化区分进行推荐。在以后的研究中笔者会不断提升研究深度，以进一步提高推荐质量，满足用户的书籍需求。
参考文献：
[1]丁雪，张玉峰.基于关键信息的智能数字图书馆个性化推荐用户关键信息研究[J].现代情报，2009，29（12）：61-65.
[2]唐晓玲.基于关键信息和协同过滤技术的推荐系统研究[J].情报科学，2013，31（12）：90-94.
[3]任沁.基于领域关键信息的数字图书馆用户兴趣建模研究[D].武汉：湖北工业大学，2012.
[4]王洪伟，邹莉.考虑长期与短期兴趣因素的用户偏好建模[J].同济大学学报：自然科学版，2013，41（6）：953-960.
关键词：图书馆书籍;智能化推荐;区域化映射
0引言
随着信息化数字图书馆时代的来临，对于图书馆书籍的管理研究工作更加侧重于新技术应用和开发上。目前，世界上针对于书籍管理的研究内容主要集中在书籍推荐的效果中，利用书籍对比关系进行定义和定位，将更多地书籍相关信息内容融合到书籍关键信息中，造成了书籍推荐研究的复杂关系。因此，在图书馆的书籍管理中，如何获取书籍的相关信息进行分析并作出合理的评价及推荐成为书籍管理研究领域的一个难点。
图书馆为读者服务工作内容很多，其中图书推荐工作是读者服务工作的重要内容之一，而图书馆的图书推荐工作应密切关注于书籍推荐技术的发展方向，能够推荐给读者贴近用户要求并具有实际应用价值的效果。书籍推荐工作在了解读者的求书服务中， 基于内容过滤的方法总体上根据用户阅读历史， 构建用户偏好模型， 并据此向用户推荐书籍。因此， 用户偏好模型表征用户兴趣的准确度和对潜在兴趣的挖掘度直接决定了资源推薦的准度和广度。但是， 基于向量空间的用户模型， 以词为基础来描述用户兴趣， 没有考虑到语义方面信息， 不能很好地表达用户的潜在需求。本文基于图书馆书籍推荐技术的为基础，将书籍区域化映射技术作为书籍推荐手段，构建区域组模型拓展推荐的应用方式以实现智能化书籍推荐的良好效果。
1 书籍区域化映射技术
书籍区域化是将以关键信息作为划分手段，在图书馆内的书籍都在数据库中特定的目录下存在，设定以各个目录为映射区域作为本体感知结构的基础单位，即在触发到专业类目录及根目录下的任何信息作为一个原始信息触发点，这就会形成一次专业内的本体区域化推荐，从而获得一个信息变量。在其他专业目录中如果引发的最终结果与本目录本体知识有所关联，也会触发相关信息的产生，形成关联化的神经网络组织结构，这就会不断的映射出以区域为概念的结构环境
2书籍的推荐
书籍区域化映射主要将书籍进行概念化的分类工作，作为推荐的主要的动力还是在于获取各类动态信息并从中确立关联信息属性，将这些基本信息添加到系统日志中作为原始信息进行登记，向感知触发模块提供用户位置上下文;感知触发模块中的各类功能主要体现在对于动态定位模块提供的信息进行智能化处理的过程，由直接信息触发转变为本体化的关联信息触发;知识库的作用在于对感知触发信息模块处理过的关联信息进行优化和推荐的处理工作，在推荐模块中，设定用户构建成一个基于本体的书籍偏好模型，包含用户特定属性的偏好。前者的构建基于时间的遗忘模式，后者利用用户最近的兴趣来表示。
用户兴趣度模型依靠书籍的偏好信息建立，通过对用户借阅记录和用户与系统的交互日志。根据构建关键信息O中叶子概念和书籍之间的“类–实例”关系，通过用户借阅记录和交互日志中的书籍名称，可以直接获得用户偏好的概念集。形式化地，用户短期偏好标记为：
3构建区域组模型拓展
根据书籍知识域的紧密相关性，在同一书籍专业类有借阅记录的用户可以看成是就本区域书籍而言有相似阅读兴趣的用户。通过不同知识域的合并对近似用户对知识域书籍的长期偏好，构建区域组模型以改善推荐的多样性。
关键信息概念C与区域Region之间的映射结构，用户的长期偏好P被分成多个语义划分。每个语义划分对应一个区域集群，代表了用户兴趣的一个子集。形式化地，用户在区域regionI的长期偏好可标记为：
其中，count1为N个用户偏好向量中该维元素出现‘1’的总次数，count0为出现‘0’的总次数。
区域组模型是根据用户长期偏好构建的。在更新长期用户偏好后，对受影响区域的区域组模型也需要进行更新。同样地，本文将区域组模型的更新周期也设为T。即每隔时间段T，根据借阅记录和交互日志，寻找受影响的区域并对这些区域的区域组模型进行重现构建。
评估模型推荐书籍的多样性为了验证模型推荐书籍的多样性，利用集合多样性，对结合区域组偏好进行比较。书籍的集合多样性定义为在推荐列表中所有书籍之间的平均非相似性。评估时，对每个用户选择最近N次时间范围的阅读记录作为评估的标准（根据设置的T值，每次时间范围为30天），在此时间范围之前的历史记录则用于用户偏好模型和区域组模型的构建。通过每个用户时间范围的不断延伸，作为书籍推荐效果。
4结语
本文提出一个基于基于图书馆书籍推荐技术的为基础，将书籍区域化映射技术作为书籍推荐手段，构建区域组模型拓展推荐的方法。区域化推荐的书籍推荐模型基于将用户的基础信息、知识类型偏好、长期知识累计和相关类型知识获取等多信息源的综合处理，根据用户需求的知识区域化区分进行推荐。在以后的研究中笔者会不断提升研究深度，以进一步提高推荐质量，满足用户的书籍需求。
参考文献：
[1]丁雪，张玉峰.基于关键信息的智能数字图书馆个性化推荐用户关键信息研究[J].现代情报，2009，29（12）：61-65.
[2]唐晓玲.基于关键信息和协同过滤技术的推荐系统研究[J].情报科学，2013，31（12）：90-94.
[3]任沁.基于领域关键信息的数字图书馆用户兴趣建模研究[D].武汉：湖北工业大学，2012.
[4]王洪伟，邹莉.考虑长期与短期兴趣因素的用户偏好建模[J].同济大学学报：自然科学版，2013，41（6）：953-960.