国外数字图书馆推荐系统评述

    此外,还将同一作者、主题或相关内容的图书进行聚合, 从而为用户迅速找到相关的图书资料。Melvyl推荐服务可 作为一种查询扩展工具,当检索出的结果过于狭窄或单一 时,还给用户建议可选择的检索策略。Melvyl带有推荐服 务功能的网上图书馆目录很受用户欢迎,对学术研究也十 分有帮助.
    7　Amazon网络书店的推荐系统 亚马逊网络书店采用了条目对条目的协同推荐算法, 先在网下建立一个项目相似表,网上推荐时先查看这个表 中用户的购买和评级情况,然后计算出总的客户数和购买 目录的数量,再得出推荐结果[7]。由于此算法推荐的都是 类似条目,因此推荐效果比较好,能够在大量的数据中进 行短时间的实时推荐。它的图书推荐策略具有如下特点.
    1)推荐内容比较丰富。亚马逊网络书店具有比较完 备的图书信息,包括:①图书外表信息,如书的封面、尺 寸、页数、装订形式等。②图书的出版形式,如书名、作 者、出版社、出版日期、国会图书馆分类号、ISSN等.
    ③图书的销售信息,包括销售价格、销售排名等。④书的 内容信息,书评摘要、精彩片段。⑤服务信息,图书的递 送的时间、库存状况等。亚马逊网络书店还通过对一些侧 面信息的描述来反映图书的内容。比如书籍的适用年龄、 与该书主题相关度较大其他书籍、与该书具有相同读者群 的书籍、该书在亚马逊销售排行榜中的位置等。而“用语 索引”功能会列出书中出现最频繁的100个名词或形容 词;“索引”功能会标出书中引用过的其他书籍的信息; “标签”功能允许读者为书籍添加自己认为能够描述该书 内容特点的标签,并可以查看相同标签下的其他书籍信 息。亚马逊还通过一些数据分析,如全文复杂单词量,句 子平均单词量来揭示图书的可读性指数和复杂性指数。这 些功能是为了向用户推荐更多可购买的图书,在一定程度 上也帮助读者了解到了与书籍内容相关的信息.
    2)推荐的自动化程度较高。亚马逊提供了“一点即 通”功能。用户注册后,它会自动记忆其IP地址,当用 户再次访问时会直接进入“我的商店”,注册用户可以直 接快速地寻找到所需的物品,满足了其个性化需求。利用 用户注册程序,搜集用户信息,提供相关服务。当用户在 查找书籍时,向读者提供相关书籍和服务,并进行相关跟 踪分析,不断地搜集读者信息,以便向读者提供合适的可 选择图书。根据用户的年龄、职业、兴趣爱好等基本信息 情况,亚马逊网络书店定期通过电子邮件提醒用户他们感 兴趣的图书信息,还利用软件收集用户在购物爱好和购物 历史方面的信息,随时为用户购买图书提供建议。它自动 分析用户的购买记录,为每个用户提供为其个性化专门定 制的推荐书目。向老用户提供“购物建议单”服务。根 据产品的不同属性,给用户相应的产品信息与消费信息, 以图书为例,除了价钱,折扣外还给予不同等级的推荐, 用1颗星到5颗星来表示。用户还可留下自己的意见,通 过人与人之间的互动关系进行互相推荐。在自动协同过滤 系统中,它向用户提供一个推荐过程直观的说明,使用户 参与推荐,获得更好的推荐效果.
    3)推荐方法多种多样。亚马逊采用了多种推荐策略, 包括个性化与非个性化推荐策略的混合使用。书评推荐是 它的一大特色,主要来自书的作者、出版者与读者,从不 同角度以不同方式来撰写书评,以便对一本书提供多角度 的分析与评价。专家书评包括与亚马逊策划联盟所提供其 他媒体专家的书评以及网站的编辑书评,内容较为专精, 参考价值比较大。而读者书评大多是主观性的感受以及对 所购图书的满意度。亚马逊网络书店对撰写书评提出了具 体要求,撰写书评的人都要遵循特定的规定。读者评论则 较自由,可以留下通信地址,以便于读者相互交流和进行 个性化信息服务,对相类似的图书进行推荐.
    目前国外常见的数字图书馆推荐系统有:①卡内基· 梅隆大学开发的主动协作过滤推荐系统(Active Collabora- tive Filtering, ACF)协作过滤推荐,主要用于电子文档的 推荐。ACF系统通过指针实现协作过滤服务,指针包含指 向电子文档的超文本链接,电子文档的上下文信息以及用 户撰写的电子文档评论。在ACF系统中,用户可以通过 主动的方式将创建的指针推荐其他感兴趣的用户。也可以 将创建的指针保存在系统中供其他用户查看, ACF系统适 合用于用户群体比较小的场合。②MIT开发的GroupLens 自动协同过滤推荐系统,主要用于新闻组信息的推荐,通 过客户评分信息自动搜索客户的最近邻居。③由明尼苏达 大学开发的研究型自动协作过滤推荐系统MovieLens可以 用于Web电影资源的推荐,系统通过浏览器的方式进行 用户数据的收集与推荐结果显示.
    这些系统的主要特点表现在:①个性化的推荐。很多 的推荐结果是对具体用户或用户群体的,针对性较强。② 推荐的自动化程度比较高。大多数的推荐功能都通过计算 机自动完成,包括用户兴趣偏好信息收集,需求特点分 析、相关文献内容的匹配等都是通过系统自动进行。③推 荐方法比较丰富。推荐策略包括基于内容的推荐、基于用 户使用记录分析推荐、基于关联规则推荐、基于协作过滤 推荐、基于引文分析推荐等,有些综合采用多种推荐策略 与方法。④推
荐载体多样化。除了文本图书外,还包括多 媒体、网络资源等。⑤实时性强。许多系统实时网络在线 推荐。⑥注意推荐效果的反馈和评价,不断改进系统功 能。这些做法对我国的数字图书馆推荐系统建设具有一定 的启示和借鉴意义。
□ 参考文献 [1]　GOLDBERG D, NICHOLS D, OKIBM, et al·Using collabo- rative filtering to weave an information tapestry [J]. Commu- nications of theACM, 1992, 35 (12): 61-70· [2]　BALABANOVICM, SHOHAM Y·Fab: content-based collabo- rative recommendation [ J]. Communications of the ACM, 1997, 40 (3): 66-72· [3]　BOLLACKER K D, LAWRENCE S, GILES C L·Citeseer: an autonomousWeb agent for automatic retrieval and identification of interesting publications [C]. 2nd InternationalACM Confer- ence on AutonomousAgents, ACM Press, 1998· [4]　CHANDRASEKARAN K, GAUCH S, LAKKARAJU P, et al· Concept-based document recommendations for citeseer authors [J]. LectureNotes In ComputerScience, 2008 (5149).
    [5]　HUANG Z, CHUNG W ingyan, ONG Thian-Huat, et al·A graph-based recommender system for digital library [C] // Proceedings of the 2ndACM /IEEE-CS joint conference on Dig- ital libraries, ACM Press, 2002: 65-73· [6]　JUNG S, HARRIS K, WEBSTER J, et al·SERF: integra- ting·human recommendationswith search [C] //Proceedings of the Thirteenth ACM Conference on Information and Knowl- edgeManagement, ACM Press, 2004· [7]　LINDEN G·Amazon·com recommendations [J]. IEEE Inter- netComputing, 2003 (2-3): 76-80·