探讨图书管理系统中个性推荐方法

　　摘要：在信息技术飞速发展的时代背景下，图书馆也从原来的资源匮乏状态逐渐转变为如今的数据密集型行业，这就促使图书馆的信息服务方式要由传统的以数据为主导转变为以用户需要为中心。然而在现实中，如何在海量的馆藏信息中提取出读者所需的信息，并为其提供个性化服务，就成为当前所有图书馆管理员需要思考的重点问题。
　　关键词：图书馆；管理系统；个性推荐；数据挖掘
　　近年来，我国图书馆领域开始尝试将以读者为中心的个性化推荐服务作为研究重点，并取得了不错成效。个性化推荐，既是信息重组织以及资源再分配的过程，同时又是一种个性化的信息服务模式。通过个性化推荐，可以结合用户模型来为其寻找和提供相匹配的信息，或者寻找具有相近兴趣爱好的用户群体，并使其在用户群体上相互推荐其感兴趣的信息，甚至于可以根据资源的相似性来向用户进行推荐。所以，为了提高个性化推荐的准确性，相关管理者应该加强对图书管理系统中个性化推荐方法的研究，从而切实提高广大读者的满意度。
　　一、当前图书管理系统个性推荐方法
　　现如今，随着数据挖掘技术的发展，将其应用于图书馆管理并实现个性化服务已成为我国图书馆行业的常态。目前，仍有一部分图书馆的管理系统仍停留在借书、还书、上架以及入库等基本功能的管理上，而图书馆的日常经营管理中，每天都会产生大量的读者借阅信息，过去对于这些信息的处理，不是将其＂堆积＂在系统内存中，就是将其作为常规业务统计数据，并没有充分意识到读者借阅信息蕴含的巨大潜在价值。因此，我们可以尝试在图书馆管理中加入聚类分析以及关联规则理念，在对借阅信息进行分析研究后，深入挖掘读者借阅行为隐含的规律，以此来为读者提供参考性信息等服务。其中，对聚类以及关联规则的应用具体如下：
　　1、以聚类分析为基础的个性推荐方法。第一，读者聚类。目前，很多图书馆并没有对读者进行分类，且所有读者都需要按照统一标准进行借阅（比如每人每次最多可借阅书籍数量等）。然而事实上，很多爱看书的读者不仅常常借阅书籍，同时每次想借的书籍也较多。如果严格按照统一标准，那么这部分读者的需要就难以得到满足；还有一部分读者借书少或者不借书，这就浪费了借书的权利。基于此，可以采取聚类法将读者划分为以下三类，即活跃类读者、一般类读者以及不活跃读者。对于活跃类读者，可以适当放宽可借阅书籍数量的限制，以实现个性化服务；一般类读者在整个读者中所占比重较大，图书馆需要适当调节自己的管理模式，推陈出新，防止这部分读者逐渐成为不活跃读者；对于那些不活跃读者，图书馆可以通过各种途径来及时了解到他们不爱读书的原因，进而采取有针对性的措施，比如购入其感兴趣的书籍等，来提高他们的阅读积极性，从而让其感受到＂知识海洋＂的魅力。
　　第二，图书聚类。在图书馆海量的图书资源中，总会存在受读者欢迎以及不受读者欢迎的图书，与此同时，新书与旧书的受欢迎程度也各不相同。基于此，可以采用图书聚类分析法并结合不同类型图书的受欢迎程度，来将馆内藏书合理的划分为以下几大类，即读者热门、读者冷门、院系热门以及院系冷门等，由此来适当的增加或减少不同类型图书的馆藏数量。这样做的主要原因，就是在一般情况下，图书的受欢迎程度与读者的兴趣点、专业以及工作类型等息息相关，就像《UML Java程序员指南：双语版》以及《会计报表编制与分析》，它们同属专业性较强的书籍，但是如果读者中计算机专业的人员较多，则前者的受欢迎程度就会大大增加，同理，会计专业读者较多则后者就更受欢迎。所以，归纳统计读者的历史借阅数据，分析读者群体特点，可以对读者潜在的喜好以及专业等情况有一个准确把握，以此为依据来向读者或者院系提供个性化的图书推荐服务。
　　2、以关联规则技术为基础的个性推荐方法。关联规则目前已被应用于多个领域，并取得了不错成效，特别是在商业领域中起到的作用更是显示出关联规则的实际应用价值。将关联规则应用于图书馆管理，可以向读者提供个性化图书推荐服务。具体来说，首先要查看该读者是否有借阅记录，如果没有借阅记录，那么就无法向其提供关联推荐图书；而如果有借阅记录，就要利用关联规则算法对他所借阅书籍的借阅记录进行关联规则分析，这就可以得到当前读者关联的图书。之后，根据置信度以及图书的借阅量来对图书进行排序，这一过程要排除掉读者已借阅的书籍，之后就可以得到一张以关联规则为基础的、读者感兴趣的推荐图书清单。打个比方來说，《彩色图解心理学》、《跟专家学心理分析》以及《一分钟看透他人心》是存在内在相关性的图书，一般情况下，读者在借阅了其中一本之后，也会有很大几率再借阅其他两本；另外，有很大一部分读者在借阅《林黛玉和北静王》这一图书后，会更倾向于借阅《红楼梦》，这就充分说明了这两本图书之间存在一定的相关性；等等。事实上，在很多情况下，不是读者不喜欢读书，有些读者更多的是不知道怎样读、该读什么。目前，学校的教育也多注重学业而忽视学生的素质培养，这就要求图书馆应该为广大读者提供更多的引导以及主动性服务。值得注意的是，个性化图书推荐方法利用得好，一方面可以针对读者的兴趣爱好进行推荐，以提高他们阅读的兴趣以及积极性；另一方面借助个性化图书推荐，图书馆管理员还能将读者提交的采购图书清单与书籍借阅热度进行对比，以此来确定合理的书籍采购清单，这就为图书馆的采购工作提供了很大便利，进而更好地为广大读者提供个性化服务。
　　二、结语
　　综上所述，在图书馆管理系统中，为读者提供个性推荐服务，不仅可以帮助读者更快更好地选择自己感兴趣的书籍，同时对于图书馆整体的发展也有着至关重要的意义。因此，相关管理员应该以数据挖掘技术为基础，利用聚类以及关联规则对图书管理系统数据进行深入挖掘，从而摸索出更好地图书管理办法，并更好地为读者服务。
　　参考文献
　　[1] 张通. 基于图书馆业务数据分析服务的个性化推荐系统设计与实现[D]. 北京邮电大学， 2013.
　　[2] 邵晨. 山西中医学院图书馆图书个性化推荐系统的设计与实现[D]. 北京工业大学， 2011.
　　[3] 郑祥云， 陈志刚， 黄瑞，等. 基于主题模型的个性化图书推荐算法[J]. 计算机应用， 2015， 35（9）：2569-2573.
　　[4] 周强， 许丽媛， 孔贝贝，等. 基于推荐技术的图书管理系统的设计[J]. 计算机技术与发展， 2015， 25（增）.