人工智能推荐机制在城市图书馆知识服务的应用研究--中国期刊网

字体：大中小

首页> 原创作品> 正文

人工智能推荐机制在城市图书馆知识服务的应用研究

发表时间：2021/3/22 来源：《文化研究》2021年2月下作者：邹妍

[导读] 随着2020年的到来，人工智能以及相关技术又上升到一个新台阶。同时，人工智能将在未来5年成为图书馆最重要的技术之一，在面对读者多元化，范围广的问题上，本文从技术发展和应用价值出发，对于城市图书馆知识服务和推荐系统做了一定的研究，探讨了如何优化图书馆中的个性化服务，提出了一种结合大数据背景下，利用数据聚类的方法实现书本个性化推荐的方法，其目的是将读者阅读兴趣与相关书籍信息联系起来。致力于发展更人性化

广东省韶关市曲江区图书馆邹妍 512100

摘要：随着2020年的到来，人工智能以及相关技术又上升到一个新台阶。同时，人工智能将在未来5年成为图书馆最重要的技术之一，在面对读者多元化，范围广的问题上，本文从技术发展和应用价值出发，对于城市图书馆知识服务和推荐系统做了一定的研究，探讨了如何优化图书馆中的个性化服务，提出了一种结合大数据背景下，利用数据聚类的方法实现书本个性化推荐的方法，其目的是将读者阅读兴趣与相关书籍信息联系起来。致力于发展更人性化、更智能化、有更优质服务的图书馆，实现从前“人找书”到“书找人”的变化。
关键词：人工智能；城市图书馆；聚类；推荐系统
        一、研究背景
        1.1社会背景
        2020年，是全面建成的小康社会和“十三五”规划收官之年，也是谋划“十四五”规划的关键之年。今年初爆发的新冠肺炎疫情，让公众和政府再次见证了大数据在城市治理，帮助建立常态化数据监测机制，提升政府公共事件响应能力等方面发挥的重要支撑作用。与此同时，城市图书馆作为一种重要的公共文化机构，是城市治理的重要一环，也在知识服务中起到了不可或缺的重要作用[1]。随着互联网技术的不断发展，图书馆的发展形势不再局限于纸质书本，电子书刊、服务上云、数字化等关键词出现的频率越来越多，人们对知识的要求越来越多，知识的层级也越来越高。因此，城市图书馆服务需要以读者以及用户为中心，打造出让更加令人满意的面向社会大众的城市图书馆。
        1.2行业背景
        与城市图书馆数量级可以比较的是高校图书馆，同样是为了满足读者的需求，城市图书馆的建立是为了满足一座城市居民对文献信息资源、图书知识的需求。但是，与高校图书馆主要面向学生、教职工对某些领域集中程度高，知识要求水平高，精确程度高等不同的是，城市图书馆面向的读者群体更加多元、范围更加广阔，层级分布更加繁杂，跨学科程度更多交错，因此关于城市图书馆如何利用技术手段优化资源配置，提高城市图书馆服务效率，满足居民日益增长丰富阅读需求，是城市图书馆未来发展的关键创新方向。
        二、技术
        2.1人工智能技术概要
        人工智能技术作为近年来的一大热词，是新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量[2]。计算机科学领域则将人工智能定义为一种“智能代理”的研究，可以用来感知周边环境的变化代替人类实现不同的反馈。在城市图书馆应用中，人工智能可以针对海量的读者数据及图书数据进行处理和整合的工作，在相关数据中找到隐含的参数和规律，从而辅助工作人员进行运营工作、挖掘图书价值，将知识服务转化为“知识-价值”服务。
        2.2知识服务推荐机制
        基于使用与满足理论，我们可以将读者当作有特定需求的个人，把个体行为准则建立在特定的心理需求之上，从而使自身的需求得到一定程度上的满足[3]。但是，图书馆藏书和文献数量十分巨大，如何在如此庞大的资料中得出面向读者的个性化推荐服务成为了服务变革创新要点。近年来，大放异彩的短视频行业可以作为一个参考：在大量视频当中通过用户的行为，机器自动判断用户对哪些视频更感兴趣，推送给他们。在图书馆服务的客户端或者微信公众号后台中，我们可以建立如下几个指标：完读率，点赞量，评论，购书推荐等，建立不同权重的推荐算法。在满足读者对于知识的需求的同时，又不让读者的选择的过程中耗费时间过长丧失阅读的耐心，降低读者的决策成本[4]。
        三、应用（技术方案）
        3.1面向读者的聚类方法
        聚类是一种无监督分类算法，其目标是找到模式的自然分组。在自然科学和社会科学中，自然而然地就存在着大量的分类问题，正如俗话所说：“物以类聚，人以群分”，区分出有着相似元素的集合对于我们认知世界具有重要的作用。而在城市的图书馆应用中，对于读者的分类也是我们应该让机器学会的事情。这个方法可以分为三个部分：读者基础数据收集、读者行为建模以及读者分类。

期刊文章分类查询,尽在期刊图书馆

读者基础数据按照重要程度排序包括个人兴趣、职业、所学专业等，基础预定义数据包括性别、年龄、地址、操作系统和设备等；读者行为建模是对读者在不同客户端的行为进行“贴标签”，例如根据读者点赞计算机技术相关的书籍判断该读者是计算机技术爱好者，根据读者推荐购买汽车相关书籍判断该读者为有车一族等。该方法还可以通过这种互动形式读者参与程度来确定权重，例如推荐购书的参与程度大于点赞，那么此时推荐购书的权重将大于点赞；读者分类可以说是第二步的深入，将基础数据（性别、年及爱好等）和读者行为标签（钓鱼、有车、有孩子等）将人群区分基本成型，至于为什么是基本成型是因为数据模型永远也无法100%反映某个个体，只能通过算法优化，数据量增多来不断改进使得标签更加立体。
        3.2面向读者的推荐系统
        有了上述的读者分类以后，我们便可以根据不同类别的人群使用推荐技术推荐不同的书籍与文献。然而，推荐系统是一个更加复杂的系统工程，推荐系统根据不同的推荐机制可能用到数据源中的一部分，然后根据这些数据，分析出一定的规则或者直接对读者喜好进行预测计算[5]。我们大致将推荐系统分为三种，以下将对三种推荐系统结合图书馆服务进行介绍：
        3.2.1基于书本和读者本身的推荐系统
        这种推荐系统把每个读者和书本都当作独立的个体，猜测每个读者对每本书籍的喜好程度。但是由于读者喜欢的书籍远远小于总书本的数目，所以为了降低计算量，都同时对书本和读者进行聚类分析，计算一类读者对一类书本的喜好程度并进行排序，但这样的模型又会在推荐的准确性上有损失。
        3.2.2基于关联规则的推荐系统
        关联规则的挖掘一直是数据挖掘中的一个经典的话题，这类方法主要是挖掘一些数据之间的相关关系，简单的例子就是“啤酒与尿布”（在某些特定的情况下，啤酒与尿布这两件看上去毫无关系的商品会经常出现在同一个购物篮中，经过调查发现，这种现象出现在年轻的父亲身上）。图书馆服务中通过关联规则的挖掘，我们可以找到哪些书本经常被同时借阅，或者读者借阅了一些物品后还会借阅哪些其他的书本，当我们挖掘出这些关联规则之后，我们可以基于这些规则给读者进行推荐[6]。
        3.2.3基于模型的推荐
        这是一个典型的机器学习的问题，可以将已有的读者阅读喜好信息作为训练样本，训练出一个预测读者阅读喜好的模型，这样以后读者在进入系统，可以基于此模型计算推荐。这种方法的问题在于如何将读者实时或者近期的喜好信息及时反馈给训练好的模型，从而提高推荐的准确度。
        四、总结与畅想
        现如今，时代发展伴随着科技的发展越来越快，人们面对工作生活中的学习压力、就业压力难免会出现压力过大、精神紧张等问题。但是，面对这些压力寻求一种娱乐、消遣的方式放松一下缓解压力其实只是治标不治本的，真正的压力出现在知识的需求与工作学习的要求不成比例。需要真正解决问题且图书馆参与其中需要把读者和知识高效准确地结合起来。在这个数据爆炸的年代，如何让读者更快的找到想要的书本，如何让读者发现自己潜在的兴趣和需求，无论是对于城市图书馆还是知识服务的应用都是至关重要的。在本文中，我们畅想了一种人工智能推荐机制结合城市图书馆服务的推荐新方法，我们最初的想法包括如何根据当前读者的兴趣(由他的个人资料显示)和用户的行为建模内容组合向当前用户提出图书阅读建议。另一方面，我们也希望市政机构加大投入力度以解决当前几个不足：（1）对图书馆基础设施的投入不足，常用的人机交互设备无法支撑高速发展的人工智能技术。（2）数据采集面临困难，图书与读者的数据是实现人工智能高速发展的重要基础，相当于工业时代中的石油。（3）人工智能人才梯队缺乏，图书馆业务缺乏人工智能思维。通过这篇文章，你可以了解，其实推荐系统只是默默的记录和观察读者的一举一动，然后再借由所有读者产生的海量数据分析和发现其中的规律，进而慢慢的了解你，你的需求和习惯，并默默的无声息的帮助你快速的解决你的问题，找到你想要的东西。其实，回头想想有的时候，推荐系统比读者更了解读者本身。
参考文献：
[1]阴洪俊.关于公共图书馆在数字阅读推广工作中的几点思考——以内江市图书馆数字阅读推广为例[J].内江科技,2018,39(10):16-17.
[2]刘慧琳,连晓鹏.广东推动人工智能与实体经济深度融合[J].广东经济,2018(06):12-21.
[3]计春一.从使用与满足角度浅谈青年人群对边缘文化的关注——以韩综《Produce101》为例[J].视听,2019(11):69-70.
[4]周欣颖.浅谈图书馆的人本管理[J].黑龙江档案,2014(03):200.
[5]蔡佳枝.移动环境下精准定向广告驱动的推荐系统研究[D].江西:南昌大学,2015. DOI:10.7666/d.D691357.
[6]李文刚.奢侈品电子商务推荐的协同过滤算法研究与应用[D].上海:复旦大学,2012.
【作者简介】邹妍（1976~），女，广东韶关人，大专，汉族，馆员九级，现从事少儿借阅导读工作。