周 强

（深圳图书馆，广东 深圳 518036）

1 传统OPAC在大数据环境中面临的困境

传统的OPAC是随着20世纪80年代开始的图书馆自动化系统一同出现的，基于当时的技术条件和图书馆不多的馆藏资源，一般是浏览式展示和根据用户输入检索词获得检索结果，相对于之前的卡片查询，OPAC极大地方便了读者。但随着社会的发展，图书馆馆藏资源数量爆发式增长，读者阅读需求个性化、多元化越来越明显，传统OPAC面对越来越多的困境：

（1）由于图书馆馆藏量的快速增加，OPAC往往展示给读者几十甚至是几百条记录，大量的检索结果对读者获取想要的信息并没有多大帮助；更糟糕的是大量的检索结果按照书名的拼音顺序或者出版时间排序，读者只有一页一页浏览，才能发现所要查找的文献。这无意中为用户利用OPAC获取信息资源设置了障碍，影响了用户使用的便利性和实效性［1］。

（2）OPAC个性化服务程度不高，智能化服务内容不多。读者需要填写检索词，才能利用OPAC检索系统，但读者很多时候并不明确知道自己想看什么，只想找到自己感兴趣的书。目前的OPAC并不能全面客观地分析读者的信息需求，对各种信息资源进行过滤，把用户所需要的信息资源提供给用户［2］。

传统的OPAC已经无法满足读者越来越高的要求，如何走出困境，提高服务质量，更好地为读者提供服务，成了图书馆界亟需解决的一个问题。互联网电商从诞生之日就面临海量的商品信息与用户，其个性化推荐服务可被图书馆借鉴，进而有助于解决这个问题。

2 个性化推荐系统在图书类电商中的应用

什么是个性化推荐系统？简单地说，个性化推荐能帮助网站根据用户的历史行为（如搜索、浏览、评论和购买等），推测出用户可能感兴趣的内容并向其推荐［3］。推荐系统为客户推荐商品，自动完成个性化选择商品的过程，满足客户的个性化需求，避免顾客因信息过载问题而浏览大量无关的信息和产品，花费大量时间才能找到自己需要的商品

目前，个性化推荐系统在电子商务网站运用非常普遍，已经逐渐成为一种标准配置。它是建立在大数据基础上的一种高级商务智能平台，帮助电子商务网站为其顾客提供完全个性化的决策支持和信息服务。有研究表明，使用个性化推荐能帮助电商网站提高2%～8%的销售额。图书类电商网站也顺应了这一潮流，纷纷设置了个性化推荐的相关板块。据VentureBeat统计，个性化推荐系统的使用为亚马逊提供了35%的销售额。

在电商系统中，与图书馆OPAC最相近的是图书类电商，可以通过分析图书类电商在个性化推荐应用方面的特点和优势，发现解决传统OPAC现存问题的途径和方案。

目前，图书类电商通常将个性化服务细分为多种推荐小板块。这些板块从实现途径分为3类：①基于用户的共同兴趣的推荐板块。这类板块主要通过相同的历史行为推断用户存在共同兴趣，向用户推荐与之有相同兴趣用户的浏览、阅读或购买行为。如当当网的“阅读此书的人喜欢的其他图书”。实现这一类推荐需要记录用户的历史行为数据，不需要对图书进行分类。②基于用户自身历史行为推测用户的兴趣点的推荐板块。这类板块通常根据用户搜索、浏览、购买图书的行为来推测其兴趣，从而向其推荐可能感兴趣的同类图书，是目前最流行和最精确的推荐方式。如亚马逊的“您可能还喜欢”。实现这类推荐需要用户的历史行为数据和对商品进行精细分类。③社会化推荐板块。这类板块是使用户通过自己的社交关系来获得推荐。如豆瓣阅读的“友邻广播”，似于现实生活中一个朋友给其他朋友进行推荐。

3 开源个性化推荐系统Apache Mahout

个性化推荐系统实施涉及很多算法以实现用户的聚类、商品的聚类及分类，是一个相当复杂的过程。笔者查找和比较了Apache Mahout、Weka、JDM等开发包，相比之下使用Mahout较易实现推荐功能。

Apache Mahout是Apache Software Foundation(ASF)开发的一个全新的开源项目，其主要目标是创建一些可伸缩的机器学习算法，供开发人员在Apache许可下免费使用。Mahout提供大量功能实现，包括聚类、集群、分类、协同过滤和进化程序等数据挖掘算法。通过使用 Apache Hadoop库，Mahout可以有效地扩展到云中［4］。

Mahout项目是由 Apache Lucene（开源搜索）社区中对机器学习感兴趣的一些成员发起的，他们希望建立一个可靠、文档翔实、可伸缩的项目，在其中实现一些常见的用于集群和分类的机器学习算法。得益于Mahout已经实现的算法，笔者直接利用这些算法以快速实现OPAC推荐系统。

4 使用Apache Mahout实现个性化推荐系统的步骤

笔者详细介绍利用Apache Mahout实现一个实验性的个性化推荐系统的实施步骤，该实验系统的目标是：以深圳科图公司的产品ILASII作为数据源，实现推荐功能，寻找读者可能感兴趣的图书，并展示给读者。该系统的实施包括两个基本部分：数据集和算法。

4.1 获得数据集，并进行数据预处理

在数据挖掘中，获得数据集，并进行数据预处理，是将不同来源的数据集成、合并数据到单一的数据仓库，并协调来自不同数据源的数据在数值上的差异，使数据属性标准化。同时，还要去除重复数据，并确保格式转换为分析模块所需要的格式。

ILASII于1998年发布，现在仍有大量图书馆使用该系统。该系统中没有读者的图书评分功能，可以采用读者借阅历史作为读者的喜好数据，将读者借阅历史作为推荐系统的数据集。

从ILASII系统中可以导出的借阅历史格式是：读者记录号、图书条码号。图书条码对应的是一册图书，但推荐系统需要推荐给读者的是该条码对应的图书，而不只是这一册图书。笔者在ILASII中导出的借阅历史的图书条码号转换为图书书目记录号，同时将数据保存为如下格式的文本文件：读者记录号，图书记录号，1（Mahout要求文件的内容满足以下格式：每一行包括用户 ID,物品 ID,用户偏好值；每行中间用逗号或Tab隔开）

每一行表示这个读者借阅过图书记录号对应的图书。这里需要注意，基于存储效率和计算效率方面的考虑，Mahout要求每一个栏位都是数字，不能包含字母。如果自动化系统输出的借阅历史中包含字母，需要在预处理阶段把字母转化为数字。

表1是笔者经过预处理后的读者借阅历史文件loans.csv部分数据：

表1读者借阅历史样本

4.2 核心程序编制

对取得的数据集进行算法分析，从借阅历史寻找具有相似阅读历史的读者，从所有相似读者的阅读书目集合中按照权重顺序(图书被相似读者借阅次数越多，其权重越高)推荐给该读者。

Apache Mahout对如何寻找相似读者和相似图书提供了很多算法，提供了多种基于协同过滤的推荐策略，这里选择其中经典的两种：User CF和Item CF。简单地说就是基于用户相似度的推荐和基于物品相似度的推荐，分别可以实现相同兴趣用户间的推荐和个人用户可能感兴趣的推荐。

下面列出了使用Apache Mahout对经过数据预处理的借阅历史进行分析，并用实现基于Item CF的推荐系统：

DataModel model=new GenericBooleanPrefDataModel(new FileDataModel(new File("loans.csv")));

UserSimilarity similarity=new PearsonCorrelationSimilarity(model);

UserNeighborhood neighborhood=new NearestNUserNeighborhood(100,similarity,model);

Recommender recommender=new GenericUserBasedRecommender(model,neighborhood,similarity);

这四句代码的功能依次是：从数据文件loans.csv构建一个Boolean型的偏好数据模型，计算所有读者的相似度，计算N-近邻，最后依据该相似度和N-近邻构造出推荐器。再用如下代码就可以获得记录号为9501160的读者可能喜欢的图书记录号：

List〈RecommendedItem〉 recommendations=recommender.recommend(9501160,20);

遍历变量recommendations就可以获得推荐系统推荐给该读者的图书，如：

for(RecommendedItem recommendation:recommendations){System.out.println(recommendation);}

得到如下输出：

RecommendedItem[item:27315,value:1.0]

RecommendedItem[item:27945,value:1.0]

RecommendedItem[item:29288,value:1.0]

RecommendedItem[item:13554,value:1.0]

RecommendedItem[item:27952,value:1.0]

RecommendedItem[item:22768,value:1.0]

RecommendedItem[item:19203,value:1.0]

这里item就是推荐系统推荐给读者9501160的图书的书目记录号。

把上面的UserSimilarity similarity=new PearsonCorrelationSimilarity(model)改为：ItemSimilarity similarity=new PearsonCorrelationSimilarity(model)，就可以实现基于Item CF的推荐系统。

4.3 辅助程序

有了获取推荐数据的核心代码，剩下的工作就相对简单，只需要把推荐的RecommendedItem转换成用户可以看得懂的信息就可以了。参照豆瓣的“豆瓣猜”，可以在图书馆网站增加一个“图书推荐”，实现效果如图1所示。

图1图书推荐展示效果图

这个功能可以建设为一个独立系统，与原有自动化系统提供的OPAC前端做页面整合。可以看到，这个方案只要具有一定java和javascript开发能力就可以轻松实施。

5 结束语

个性化推荐是一种以用户需求为中心的服务，可极大提高图书馆的服务质量和资源的有效利用，必将成为图书馆新型服务模式的主流，是图书馆在大数据环境中的必然选择。

目前，个性化推荐系统在图书馆中的应用还不十分普及，使用Apache Mahout快速搭建图书馆个性化推荐系统的实验性系统，是笔者对个性化推荐系统的一种实操性探索。事实上，可以利用图书馆很多方面的数据资源，为读者提供个性化推荐服务。如利用网站日志文件和记录文件，分析用户偏好度和网页关联性［5］；利用读者借还、下载、查询、罚款等数据分析读者的信誉度，以便提供不同的服务策略等［6］。如何对图书馆各类资源数据合理利用，更方便快捷建立有效的个性化推荐系统，需要图书馆界继续探索。

[1]肖倩,董占山,张聪.图书类电子商务网站上的个性化推荐应用研究[J].科技与出版,2014(8):94-97.

[2]何静,高静萍.国内外图书馆网站建设研究综述[J].江西图书馆学刊,2008(3):27-28.

[3]查大元.个性化推荐系统的研究和实现[J].计算机应用与软件,2011(1):48.

[4]蔡建新,徐迪威.基于云计算平台的海量数据挖掘技术在塑料电子商务平台中的应用[J].广东科技,2011(8):59.

[5]蔡琬琰.基于数据挖掘的高校图书馆网站个性化推荐系统[J].情报探索,2011(3):88.

[6]唐秋鸿,曹红兵,唐小新,等.基于Web挖掘的图书馆个性化服务系统研究［J］.合肥工业大学学报(自然科学版),2012(2):185-186.