基于知识挖掘的图书馆个性化推荐服务模式

来源:用户上传      作者:

　　摘 要：面对用户日益增多的个性化知识推荐需求，图书馆开展基于知识挖掘的个性化推荐服务，不仅是提高用户满意度的要求，还是图书馆创新工作的研究重点。文章分析了图书馆知识挖掘的應用情况及基于知识挖掘的图书馆个性化推荐服务需求，研究了图书馆个性化推荐服务模式中知识挖掘的实现方法，构建了基于知识挖掘的图书馆个性化推荐服务模式。
　　关键词：知识挖掘；图书馆；个性化推荐；服务
　　中图分类号：G250文献标识码：A文章编号：1003-1588（2019）03-0093-03
　　信息时代，人们对知识的需求呈现出多元化、个性化的趋势，传统的信息服务模式逐渐失去竞争力。图书馆作为信息存储与知识传播中心，不仅应发挥信息传播功能，还应扮演好信息梳理和整合者的角色，以满足用户更高层次的知识需求。图书馆的个性化服务包括个性化推荐、个性化定制等，能够改变图书馆被动服务的局面，全面提升用户使用信息的效率。
　　1 图书馆个性化服务中的知识挖掘分析
　　1.1 知识挖掘的概念
　　知识挖掘是对数据挖掘的延伸，完全沿用了传统的数据挖掘方法。国外学者率先将数据挖掘引入知识服务领域，从技术层面分析知识管理方法，借助可视化数据处理工具和数据挖掘技术构建可行的知识挖掘系统，对已有的知识进行深入挖掘。数据挖掘转变为知识挖掘的目的在于发现知识的分布特征，提高知识的创新能动性，是知识学习的核心内容[1]。将知识挖掘看作是对大数据的深入探索，可以从中揭示隐含的规律，并使之进一步模型化。知识挖掘概念的提出为图书馆处理非结构化数据提供了便利，使大数据的层次更加清晰，聚合更加有序，并转化为可供用户参考的知识。
　　1.2 知识挖掘的内容
　　知识是高于数据的，是包括数据、关联信息、经验见解等多种要素的动态集。知识挖掘包含隐性知识、显性知识、数据处理三个层面，三者之间的关系见图1。图书馆引入知识挖掘技术，可以从烦杂的用户数据中推断用户尚未表达的隐含信息，并据此判断用户的行为变化，进而实现用户知识的深入分析。获取用户知识是个性化服务的关键内容，也是图书馆提供满足用户需求资源及提高自身竞争优势的必要条件。知识挖掘还可以应用于学科资源整合，图书馆利用知识挖掘技术对学科资源进行科学分类与定量分析，可以发现其中的隐性知识，从而掌握知识之间的联系。
　　1.3 知识挖掘与个性化服务
　　图书馆引入知识挖掘的根本目的是为了通过资源管理的变革促进知识创新[2]，利用知识管理技术保障图书馆的馆藏资源能够真正被用户使用。知识挖掘的过程就是实现知识传递、加工及创新的过程，这一过程实现了多种知识的融合，能够更好地满足图书馆开展个性化服务的需求。知识挖掘与图书馆的个性化服务目标是一致的，二者的结合可以更好地体现知识服务的价值[3]。图书馆构建个性化服务体系是一个漫长且持续的过程，在不断探索与实践的过程中需要先进的资源管理技术给予支撑。而知识挖掘可以为图书馆的个性化服务及个性化资源的挖掘和利用提供支持，能够更好地提升图书馆的服务水平。
　　2 基于知识挖掘的图书馆个性化推荐服务需求
　　2.1 用户需求
　　图书馆用户由于知识结构和观念认知的差异，存在个性化知识需求，同时对图书馆的服务要求也存在差异[4]。从图书馆服务现状看，由于部分馆员的专业素养不高，无法准确掌握用户的需求，对用户的行为与心理分析得不准确，因此无法提供精准的服务，弱化了馆员与用户之间的关系。同时，由于部分用户过于强调自我，没有认真了解图书馆的相关规章制度，或者语言表达能力不强，也难以获得满意的知识服务，甚至对图书馆的服务产生排斥。图书馆只有认识到不同用户对图书馆知识服务存在不同的期待，并且尊重他们的个性化差异，才能最大限度地满足他们的个性化需求。
　　2.2 技术需求
　　图书馆的馆藏资源丰富，有些文献资源的借阅率较高，有些文献资源的借阅率较低，也有一些文献资源从未被借阅过。对馆藏资源借阅量进行综合分析，是图书馆实现个性化推荐的途径之一。图书馆应根据不同用户群体的特征分析他们感兴趣的资源类型，并利用聚类方法进行资源聚类，找到与相关用户群体相对应的资源。关联规则可以帮助图书馆分析用户的信息行为，把握不同用户群体和不同资源之间的联系，主动为用户提供其感兴趣的信息[5]。图书馆可以通过知识资源的整合排序，按照文献的浏览量、关键词、出版时间等呈现检索结果，方便用户根据需要选择其所需的资源。同时，图书馆还应依据用户的反馈意见，不断优化馆藏资源，剔除使用率及参考价值不高的馆藏资源，以此提高用户的检索效率，并节省他们的时间。
　　2.3 人才需求
　　不同层次、不同背景的用户在思维理念、性格特征等方面存在差异，这对图书馆开展个性化服务提出了更高的要求。图书馆应合理设置馆员的工作岗位，加强专业技能培训，提高他们的综合素质，使馆员建立完善的知识体系，以便更好地为用户提供优质的个性化服务。此外，图书馆还应做好用户的行为引导工作，提升用户对图书馆服务的认同感，增进馆员与用户之间的交互，进而保障服务效率与服务质量。
　　3 图书馆个性化推荐服务模式中知识挖掘的实现
　　在图书馆个性化推荐服务模式中，知识挖掘需由知识提供者、用户等要素共同构成联动的结构体系才能实现。当用户提出知识需求后，图书馆可应用信息系统进行数据整合获取知识，为用户提供个性化内容（见图2）。
　　3.1 数据预处理
　　图书馆的管理系统每天都会产生大量的数据，这些数据不仅包括图书馆的常规业务数据，还隐含了其他有价值的信息。图书馆通过知识挖掘对这些数据进行整合分析，可以掌握馆藏资源的流通量及用户的行为变化，进而为个性化服务提供决策性指导[6]。图书馆从管理系统中导出各项数据，选择合适的数据分析工具对其进行整合、分类和排序，并依据关联规则、相似度计算法等方法发现数据间的联系，为资源建设和个性化服务提供支持。图书馆对数据进行预处理，应删除冗余数据，保留有用的数据，保障数据的主要属性不缺失，同时可将与挖掘算法无关的属性删除，不仅可以减少数据处理的工作量，还能保障最终挖掘结果的有效性。 　　3.2 用户聚类分析
　　图书馆根据用户的借阅数据、注册信息等对其进行聚合分析，可以了解不同用户对不同资源的感兴趣程度及用户对资源的动态需求。图书馆对用户群体进行精细分类，可从用户的偏好及行为特点入手，采用聚类算法进行统计分析，然后依据聚类分析结果提供有针对性的服务。图书馆只需提取用户偏好、浏览行为等重要属性数据[7]，并对这些数据进行聚类，即可获得直观的聚类图形，以此分析不同用户群体的基本借阅特征，利用推荐算法找出与其兴趣相对应的资源，使个性化推荐更加贴近用户的需求。
　　3.3 关联规则挖掘
　　关联规则挖掘，即通过知识挖掘技术对不同类型的数据进行深入分析，通过不同用户群体的信息聚类，发现图书馆资源与用户需求之间的关系，并总结隐含的规则，为个性化推荐提供依据。常规的关联规则推荐方法是将所有信息作为获取隐含规则的来源，或根据用户属性特征进行归纳分析，以用户行为数据作为规则源头，了解与规则相关的置信度，并建立对应的规则模型，最终实现隐性知识的显性化。关联规则使图书馆的知识分布更加直观，便于馆员迅速定位个性化资源[8]。用户提出信息需求后，图书馆系统会分析并确定其所需信息资源的范围，并借助关联规则选择合适的知识类目，在与用户需求进行对比后推送给用户，从而实现知识的发掘和及时交互。
　　4 基于知识挖掘的图书馆个性化推荐服务模式
　　4.1 个性化推送模式
　　个性化推送服务模式指图书馆根据用户的习惯与行为特征，在知识挖掘的基础上利用信息推送技术为他们提供感兴趣的内容。目前，图书馆的个性化推荐服务可以借助电子邮件定时为用户推送知识资源，还可以利用智能软件对服务全过程进行有效控制。图书馆利用个性化推荐服务方式实现了从用户主动检索到信息自动匹配的转变。在个性化推荐模式下，用户不需要进行任何信息检索行为，就可以获得所需的信息资源，具体流程为：用户注册并登录图书馆信息系统，信息系统会根据用户的基础信息和在线浏览记录等对用户需求进行分析，并主动向他们提供所需的信息。同时，图书馆的信息系统还会根据用户的需求变化实时更新知识库，这极大地提高了图书馆个性化服务的准确度。
　　4.2 协同过滤推荐模式
　　协同过滤推荐模式指图书馆根据用户对馆藏资源的访问记录，计算不同数据资源之间的相似性，发现不同资源之间的联系，筛选与用户需求相匹配的内容并推送给用户。为保障个性化推荐服务的质量，图书馆可以针对用户特征进行用户分组，分析相似用户的群组特征，在推荐信息的基础上实现知识拓展。如：若用户A与用户B存在相似的偏好，图书馆就可以将用户A喜好的资源推荐给用户B，使用户B有更多的选择。需要注意的是，由于图书馆的数据资源种类繁多，基于相似度计算的协同过滤推荐模式难以保障大规模数据的推荐精准度。因此，图书馆只有建立用户兴趣偏好模型，预测用户的需求变化，才能根据用户兴趣和资源匹配度开展推荐服务。
　　4.3 分类定制推荐模式
　　分类定制推荐模式指图书馆用户根据自身知识需求，在特定的信息服务系统中按照自己设定的类型与方式获取知识服务。该服务模式建立在细分用户群体基础上，体现了用户的个性化特征，要求图书馆对馆藏资源进行深入挖掘、合理分类，发现不同资源之间隐含的规律，进而提高资源推荐的准确度。图书馆的信息系统可以通过用户的注册信息、浏览数据等提取用户的兴趣信息，然后生成与用户偏好相对应的关键词，这些关键词可在线检索并与图书馆的分类法相匹配。此外，图书馆还可以将用户分为多个信息需求群体，设计不同的信息分类定制模板，便于他们根据自身需求选择对应的服务类别，并获取所需的信息资源。
　　5 结语
　　信息环境下的图书馆资源日益增多，提供符合用户需求的个性化服务已成为图书馆未来的发展趋势。图书馆应利用知识挖掘技术对馆藏资源和数据进行深入挖掘，根据用户聚类与关联挖掘结果发现不同数据资源之间隐含的规律，从而为个性化服务和管理决策提供科学依据。
　　参考文献：
　　[1] 高丽，王丽伟.数据挖掘技术在国内图书馆应用领域的研究[J].数字技术与应用，2015（12）：94.
　　[2] 王洁.书目推荐与高校图书馆阅读服务创新：以天津某高校图书馆为例[J].科技情报开发与经济，2015（22）：1-3.
　　[3] 王蕾.数据挖掘技术在高校图书馆个性化书目推荐服务中的应用[J].图书馆学刊，2015（9）：113-116.
　　[4] 苏新宁.大数据时代数字图书馆面临的机遇和挑战[J].中国图书馆学报，2015（6）：4-12.
　　[5] 周欣，陸康.基于图书馆数字资源访问系统的读者行为数据挖掘研究[J].现代情报，2016（1）：51-56.
　　[6] 张宏伟，史惠媛.数据挖掘在高校图书馆文献采购决策中的应用：以黑龙江中医药大学图书馆为例[J].中国中医药图书情报杂志，2016（2）：22-24.
　　[7] 胡慕海，夏火松，吴金红，等.面向异构情境化推荐服务的关键情境特征识别[J].情报理论与实践，2015（1）：104-109.
　　[8] 张绍军.谈图书馆个性化信息推荐服务[J].图书馆工作与研究，2016（9）：84-86.
　　（编校：徐黎娟）
转载注明来源:https://www.xzbu.com/4/view-14760625.htm