一、前言
个性化推荐技术是指结合读者的个人习惯、爱好、专业和提出的要求等为依据，为每一位读者提供个性化的推荐服务。读者的个人信息都是存储在图书馆的数据库中，这些个人信息全部都可以在读者的借阅日志中查询到。个性化的推荐技术需要建立在挖掘出读者的大量潜在信息，以便图书馆的信息系统进行个性化的推荐服务。从多角度和多方向来说，研究个性化推荐技术的文章有很多，从中揭示了图书馆个性化推荐技术的重要意义，预测了在未来社会中个性化推荐技术的重要作用。二、个性化推荐技的服务需求
信息技术和互联网技术的迅猛发展将我们带入了大数据时代，有着如海水般的知识，一方面增加了用户寻找自己感兴趣信息的难度，另一方面大量的信息数据无法被普通用户获取使用，自从个性化推荐技术的问世，该技术成为解决信息过载问题最有效的技术。个性化推荐技术系统最主要的三个组成因素是用户、项目和推荐算法［1］。个性化推荐技术的技术核心是推荐算法，精确找到用户所感兴趣的信息资源并根据所找到的信息资源进行科学合理的推送。就目前而言有几种最为基础的推荐技术，但是这些基础的推荐技术有着信息数据稀疏性、实时性等问题。由于这些问题的存在，让人们的阅读满意度逐步降低。随着互联网技术的快速发展，用户基本处于移动状态中，其所在的地理位置和环境容易影响推荐系统的推送效果。一些推荐系统进行改革，充分的考虑到这些因素，从而增强了推荐系统的推荐质量，为读者提供高质量的推荐内容，增加读者的阅读满足感，是增加阅读量的好方式。
三、个性化推荐技术在图书馆服务应用的必要性
（一）图书馆拥有极为丰富的信息资源
图书馆经过长时间的发展和积累，沉淀下了很多的重要的藏书、文献，而且在图书馆中不仅有丰富的专业知识，还有浓重的学习气氛和文化氛围。随着时代的进步，图书馆逐步和互联网联系在一起。现在，人们对于图书馆内的馆藏资源的研究主要包括可视化的检索和可视化的检索结果。图书馆内的馆藏资源的可视化工作是一件非常重要并且困难的事情，可视化的数据资源不仅数量巨大而且还要求可视化效果好。因为图书馆内保存的部分资源采用的都是很久以前的纸质，因此这些信息的可视化工作不是一件容易做到的事情。这些客观因素增加了图书馆内资源的可视化工作的难度，在很大程度上阻碍了图书馆内的可视化进程［2］。除此之外，图书馆的个性化推荐系统的建设进程也会因为这些原因变缓。（二）图书馆用户的信息需求量多种多样
在图书馆中，用户的需求具有多样性的特点。首先，客户需求的信息主体是多样的，所以导致信息用户的数量不断增加，但是这些信息需求者之间又不存在信息互通的关系，因此当他们需求不同的数据信息时，就很大的增加了图书馆工作人员的工作难度；其次，客户需求的信息内容存在多样化，因为需求信息的主体的增加，所以使得用户可以选择信息数据源也随之增加，不同的用户需要不同的信息；最后，用户获取信息的方式多样化，信息时代的高速发展，提供给用户更多的途径来获取所需信息。个性化推荐技术可以根据每一位用户的阅读习惯、爱好、专业和提出的要求等特点进行针对性的信息推荐，从图书馆中自主的获取信息。四、个性化推荐技术在图书馆的应用
在图书馆内进行借阅操作，这是图书馆的主要工作。随着借阅用户数量的不断增加，图书馆工作人员的工作难度也在不断的增加，因为图书馆内的工作人员不仅要对图书进行合理的规整，还要对用户进行图书推荐。做好推荐工作的关键就是通过对用户的阅读习惯的分析，总结出不同用户的不同借阅习惯，但因为用户数量大，所以工作人员无法做到向用户准确的推荐图书。这项个性化推荐服务的提出，充分的体现出图书馆“以人为本”的理念。（一）文献资源的推荐应用
图书馆中存储最多的资源就是各种文献资源，而且文献资源的利用率是评价一个图书馆各种服务好坏的重要指标之一，尤其是个性化服务的评价所占比重更高。所以在图书馆的工作中，个性化推荐工作是整个图书馆服务工作的重点项目。采用关联分析的方法进行用户数据收集整合，通过系统研究分析读者的历史借阅数据，然后利用系统的数据挖掘功能构建出用户的借阅模型，通过这个模型可以分析用户的阅读习惯，并且帮助图书馆进行个性化推荐服务，提高图书馆的服务水平。
（二）文献检索功能
在图书馆内进行查阅资料，最主要的一个环节就是进行文献检索。在一些传统的图书馆内，只是将馆内资源简单的陈列出来，让读者自己寻找，无法为用户提供方便快捷的个性化推荐服务［3］。图书馆要想进行个性化的推荐服务，就需要通过数据挖掘技术减轻工作人员的工作难度。首先，在数据准备阶段，馆藏资源的信息数据就是数据的基础，所以在收集信息的过程，也是进行数据挖掘的过程。收集的信息数据主要是用户的历史借阅行为，这种数据收集工作本身就是一项艰巨的工程。在图书馆的后台数据库中，信息数据资源是海量般存在的，数据的信息处理不仅要求收集用户的历史借阅记录，还要收集用户相关的预约和续借等信息，并且将其收集的信息整合起来。其次，在信息处理阶段，该阶段主要处理的信息数据是从数据准备阶段收集过来的，对数据进行声音处理和查重处理，然后将处理好的数据进行整合，放入构建好的数据库中，有利于个性化推荐系统进行个性化推荐工作。最后，数据可视化阶段，该阶段利用关联分析的方法将数据呈现出来，把不同的用户的阅读喜好和借阅图书的习惯规整分析出来，然后通过可视化技术将这些数据信息结合个性化推荐技术提供给用户。当用户在进行文献检索时，系统会自动推荐相关文献，同时会将用户的其他喜好进行排列比较，推荐符合用户的其他阅读物，不仅可以有效的为读者引导，同时还可以将有用的数据信息可视化的展现给用户［4］。
（三）图书馆馆藏书架的优化管理
众所周知图书馆内的资源信息非常丰富，其包含的内容更是多种多样，可以有效地帮助用户进行相关的科学研究。因为图书馆内存在相当多的文献资料，所以图书馆的书架管理工作的优化管理就显得尤为重要。通过个性化推荐系统收集的数据信息可以预估图书文献的变化趋势，可以及时做到换掉旧文献，迅速换上新文献。图书馆的馆藏书架的优化管理，首先要通过图书馆内的历史借阅数据进行总体分析，计算出文献被借阅的周期，然后对各种文献进行分类摆放，实时更新上架的文献。将借阅次数多的图书放在比较容易找到的地方，减少图书馆工作人员来回整理书架的次数。要及时剔除旧文献，及时更换新文献，经过数据的分析比较将已经残缺破损的图书规整到具体的位置，以便以后的检查工作。同时将馆藏资源的数据信息输入到系统中，使得图书馆的文献资源信息得到及时的更新［5］。
五、结语
个性化推荐技术结合了互联网的先进技术，提高了图书馆的综合服务水平，给图书馆提供了一条崭新的道路和未来发展模式。为读者在知识服务体验方面带来了全新的惊喜和满足感。基于智能化的个性话推荐技术满足了读者的个性化和主动性服务，也解决了在海量知识下读者发生迷茫的现象。结合个性化推荐技术的图书馆在很大程度上满足了在网络时代的服务需求，更加深刻的体现出图书馆“以人为本”的观念，为图书馆用户提供了更高质量的服务。
最新评论