深度学习视角下图书馆馆藏资源推荐模型设计与分析

　　摘要：[目的/意义]深度学习技术作为大数据、“互联网+”环境下用户分析和服务设计的有力工具，为图书馆馆藏资源推荐服务提供了新的研究思路和发展方向。[方法/过程]首先，基于文献查阅法、网络调查法对国内外图书馆馆藏资源推荐服务的研究现状、应用情况进行了分析与研究。然后，在概述深度学习技术及其相关应用实践的基础上，在深度学习视角下提出了一种以读者用户兴趣值为基础的图书馆馆藏资源推荐模型。[结果/结论]分别从数据关联、情景分析和协同过滤技术3个方面探讨了图书馆馆藏资源推荐模式，为大数据环境下面向用户的图书馆资源精准推荐提供参考。
　　关键词：图书馆;馆藏资源;推荐模型;深度学习;用户兴趣值
　　DOI：10.3969/j.issn.1008-0821.2019.04.012
　　〔中图分类号〕G25;G64〔文献标识码〕A〔文章编号〕1008-0821（2019）04-0103-05
　　Design and Analysis of the Library Resources Recommendation
　　System Based on the Deep Learning
　　Yin Tingting1Zeng Xianyu2
　　（1.Teaching Affairs Department，Northwestern Polytechnical University，Xian 710072，China;
　　2.Library，Northwestern Polytechnical University，Xian 710072，China）
　　Abstract：As a useful tool for user analysis and service design in big data and“Internet+”environments，the deep learning provides new research ideas and development directions for the recommendation services of library resources.Firstly，this paper analysed and summarized the current status and application of recommendation services of library resources at home and abroad through literature review and network survey.Secondly，based on the overview of deep learning technology and related application practices，this paper proposed the library resource recommendation model from the perspective of users interest value.Finally，the recommendation model of library collection resources was discussed respectively from three aspects：data association，scenario analysis and collaborative filtering technology，which could provide reference for the user-oriented accurate recommendation of library resources in big data environment.
　　Key words：library;library resources;recommendation model;deep learning;users interest value
　　隨着“互联网+”技术的飞速发展，网络信息量呈现爆炸式增长态势，海量的数据资源中蕴含着丰富的利用价值与巨大潜力，同时也极易导致诸如“信息拥塞”和“信息超载”等现象的出现[1]。如何从复杂、体系庞杂的数据资源中快速有效地获取有利用价值的信息已经成为当今图情专业、信息科学等领域专家和学者们研究的热门话题和关键问题[2]。近年来出现的资源推荐系统为解决上述难题提供了可能性与发展途径[3]。资源推荐技术主要指的是通过分析、计算目标用户的个人兴趣偏好、历史信息记录及其他相关条件，挖掘用户的隐含兴趣与行为倾向，从而向目标用户主动提供个性化信息资源推荐服务的技术[4]。随着科学技术及社会的不断进步，目前，图书情报界及相关研究机构已经积极开展了个性化推荐服务系统的研究与实践工作[5]，然而当前已有的资源推荐系统存在推荐效率不高、个性化推荐特征不明显等缺点[6-7]，构建一种准确率更高的智能化推荐系统是目前亟待解决的问题。
　　深度学习技术作为人工智能领域发展的核心与基础[8]，其本质是一类利用特征级、多层非线性处理单元进行特征提取、变换的机器学习及训练算法，具有从已知的样本集合中主动学习、挖掘数据最本质特征的强大功能，同时可以获得用户和相关项目的深层次、隐藏的特征表示。通过对数据、资源的深度加工，深度学习技术能够理解和掌握原本复杂的知识概念，将已经构建的个人知识结构体系有效迁移、转化并应用到真实场景中以解决各类实际问题。在图书情报界，已有学者意识到深度学习技术带来的影响并对该主题进行了研究：罗蔚[9]在全面介绍、分析个性化信息服务模式的基础上，提出了基于深度学习技术的主动型个性化信息服务的理论;李新广[10]通过对本体、关联规则和信息推荐之间相互关系的分析，提出了针对图书馆读者用户的馆藏资源个性化推荐模型。因此，本文借鉴已在图像识别、信息检索、语音识别等诸多领域取得了重大研究进展成果的深度学习技术的应用实践，在深度学习视角下提出了一种以用户借阅时间为基础的图书馆馆藏资源推荐模型，为实现资源精准推荐服务提供参考。

推荐访问:馆藏 下图 视角 深度 书馆