（计算机应用技术专业论文）数字图书馆个性化信息服务系统的研究与设计.pdf

数字图书馆个性化信息服务系统的研究与设计 摘要 全球互联网的迅猛发展，使得当前数字图书馆的资源信息更加丰富。但目前大部分数字 图书馆不能在海量资源信息中为用户提供感兴趣的资源信息，尤其不能针对不同用户的特征 提供个性化的资源信息。而数字图书馆个性化信息服务就是充分利用用户的个性化信息，根 据用户的特征为不同时期、不同背景、不同目的的读者用户提供不同的服务，进而提高数字 图书馆的服务质量和资源的利用率。本文结合北京市教育委员会科技发展计划项目( w e b 信息 集成检索技术及知识服务在d l 中的研究与应用) ，进行了“数字图书馆个性化信息服务”的 研究及应用，实现真正意义上的主动、交互、个性化信息服务，充分体现出第三代数字图书 馆的主要特征。 本文所做的主要研究工作及取得的成臬如下： 1 提出了确定读者用户兴趣领域知识的两种模型。一是通过“时间序列”模型定义用户 行为，设计算法挖掘出读者用户兴趣领域所在；二是通过“向量空间模型”定义用户访问网 页内容，以读者用户兴趣度为准则，引用t f - i d f i g 计算方法来确定用户兴趣领域。 2 提出并设计了“用户兴趣知识库模型”。首先，分析了用户兴趣知识库模型创建的基 本原理和意义所在；然后，运用关联规则a p r i o r i 改进算法和朴素贝叶斯分类算法，从用户兴 趣领域知识中心、资源信息的有效组织、资源信息分类树的建立以及服务规则等几个方面展 示“用户兴趣知识库模型”设计的过程，使用户感兴趣的资源信息以知识的形式表示；最后 通过进行了数据模拟。 3 设计并实现了数字图书馆个性化信息服务系统。系统从实际需求出发，运用u m l 进 行建模分析，使用m v c 框架思想进行功能设计，采用当前主流w e b 系统开发框架j 2 e e ，使 系统具有很好的灵活性、扩展性以及易维护性等方面的优点。 类 关键词：数字图书馆，个性化信息服务，向量空间模型，兴趣知识库，朴素贝叶斯分 数字图书馆个性化信息服务系统的研究与设计 a b s t r a c t n o w d a y s ，t h er a p i dd e v e l o p m e n to fg l o b a li n t e r a c ti sm a k i n gt h er e s o u r c e so fd i g i t a ll i b r a r y r i c h e r a tp r e s e n lm a j o r i t yo fd i g i t a ll i b r a r yc a n tp r o v i d ei n f o r m a t i o nt h a tu s e r sa r ei n t e r e s t e di ni n t h eh u g ca m o u n tr e s o u l c e s ，e s p e c i a l l y , c a l l tp r o v i d ep e r s o n a l i z e di n f o r m a t i o nf o rd i f f e r e n t u s e r s p e r s o n a l i z e di n f o r m a t i o ns e r v i c ef o rd i g i t a ll i b r a r ym a k e sf u l lu s eo fc u s t o m i z e di n f o r m a t i o n o fu s e r s ，a n dm a k e sd i g i t a ll i b r a r yp r o v i d ed i f f e r e n ts e r v i c e sf o ru s e r sw h oa r ec h a r a c t e r i z e db y d i f f e r e n tp e r i o d s , d i f f e r e n tb a c k g r o u n d s ，d i f f e r e n tp u r p o s e s , t h e r e b yi m p r o v e st h eq u a l i t yo f d i 班a ll i b r a r y ss e r v i c ea n dt h eu t i l i z a t i o nr a t i oo f r e s o u r c e s t h et h e s i s ，a c c o r d i n gt ot h eb e i j i n g m u n i c i p a le d u c a t i o nc o m m i s s i o nt e c h n o l o g yd e v e l o p m e n tp r o j e c t s ，i sc a r r y i n go u tt h er e s e a r c h a n da p p l i c a t i o no f t h e “p e r s o n a l i z e di n f o r m a t i o ns e r v i c e sf o rd i g i t a ll i b r a r y ，i m p l e m e n t i n gt h et r u e s e n s eo fa c t i v e 、i n t e r a c t i v e 、p e r s o n a l i z e di n f o r m a t i o ns e r v i c e s , a l s of u l l ye m b o d y i n go ft h em a i n f e a t u r e so ft h et h i r dg e n e r a t i o nd i g i t a ll i b r a r y t h em a i na c h i e v e m e n t si nt h i st h e s i sc a l lb ed e s c r i b e da sf o l l o w i n g s ： 1 p r o p o s et w om o d e l so fi d e n t i f y i n gt h ek n o w l e d g e f i e l do f u s e r s i n t e r e s t s f i r s t , d e f i n i t i n gt h e d a t ao fl l s e l r s b e h a v i o rt h r o u g ht h em o d e lo f t i m es e r i e s ”a n dd e s i g n i n ga l g o r i t h mt oe x c a v a t et h e f i e l d so fu s e r s i n t e r e s t s ；s e c o n d , d e f i n i t i n gt h ew e bc o n t e n tt h a tu s e r sa c c e s st h r o u g ht h em o d e lo f ”v s m ”，m a k i n gl l s eo ft f - i d f - i ga l g o r i t h mt od e t e r m i n eo f t h ef i e l d so fu s e r s i n t e r e s t sa c c o r d i n g t ot h er a t i oo fu s e r s i n t e r e s t s 2 p r o p o s ea n dd e s i g nt h em o d e lo f ”k n o w l e d g e - b a s eo f u s e r si n t e r e s t s 件f i r s to fa l l ，a n a l y s et h e b a s a lp r i n c i p l ea n ds i g n i f i c a n c eo ft h em o d e l ，a n dt h e nd i s p l a y e dt h ep r o c e s so fe s t a b l i s h i n g 什u s e r i n t e r e s tk n o w l e d g e b a s em o d e l ”f r o mt h ec e n t r eo fu s e r si n t e r e s t e df i e l d ，e f f e c t i v eo r g a n i z a t i o no f i n f o r m a t i o nr e s o u r c e s ，e s t a b l i s h m e n to fi n f o r m a t i o nc l a s s i f i c a t i o nt r e e 勰w e l l 舔r u l e so fs e r v i c e s a n ds oo nu s i n ga p r i o f ii m p r o v e da l g o r i t h mo fa s s o c i a t e dr u l e sa n dn a i v eb a y e sc l a s s i f i c a t i o n a l g o r i t h m ，t om a k e u s e r si n t e r e s t e di n f o r m a t i o nr e s o u r c e sd e n o t ei nt h ef o r mo fk n o w l e d g e ；f i n a l l y , s i m u l a t e dm o d e lu s i n gd a t a 3 d e s i g na n di m p l e m e n tt h es y s t e mo fd i g i t a ll i b r a r yp e r s o n a l i z e di n f o r m a t i o ns e r v i c e t h e s y s t e mb a s e do na c t u a ln e e d s ，u s e si 丁 ，t oa n a l y s i s ，m a k e sl l s eo fm v c t of u n c t i o n a ld e s i g n ，a n d u s e st h ec u r r e n tm a i n s t r e a mw e bd e v e l o p m e n tf r a m e w o r kj 2 e es y s t e m ，w h i c hm a k e ss y s t e mh a v e t h em e r i t so fg o o df l e x i b i l i t y , s c a l a b i l i t ya n de a s ym a i n t e n a n c ea n ds oo n 1 i 数字图书馆个性化信息服务系统的研究与设计 k e yw o r d s - d i # t m l i b r a r y ，p e r s o n a l i z e di n f o r m a t i o ns e r v i c e s ，s v m ，k n o w l e d g e - b a s e ， n a i v eb a y e sc l a s s i f i c a t i o n i i i 首都师范大学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取 得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰 写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 认移 日期：h 秽年，月诟 首都师范大学位论文授权使用声明 本人完全了解首都师范大学有关保留、使用学位论文的规定，学校有权保留学位论文 并向国家主管部门或其指定机构送交论文的电子版和纸质版。有权将学位论文用于- - - 1 1 ：赢利 目的的少量复制并允许论文进入学校图书馆被查阅。有权将学位论文的内容编入有关数据 库进行检索。有权将学位论文的标题和摘要汇编出版。保密的学位论文在解密后适用本规 疋。学位论文作者签名：匆乃 日期：耐年f 月柏 首都师范大学硕十学位论文数字图书馆个性化信息服务系统的研究与设计 1 1 研究背景与意义 第一章绪论 伴随着现代高新技术的飞速发展，以计算机技术、网络通信技术为代表的因特网迅速崛 起，继而，人类社会也开始进入了信息社会。与此相应，图书馆在走过传统图书馆阶段、自 动化图书馆阶段后，现今已经步入了数字图书馆的阶段。在经历过第一代以基于m a r c 的图 书目录管理系统为核心，第二代以数字化文献信息资源为主要特征的历程之后，目前数字图 书馆建设已经步入了第三代，即以分布式的、异构的、主动的、个性化的为主要特征。著名 的印度图书馆学家阮冈纳赞在图书馆五定律中概括了图书馆工作的五个基本规律。这五 定律是：“书是为了用的；每个读者有其书；每本书有其读者；节约读者的时间；图书馆是一 个生长着的有机体。其精髓就是“以读者为中心 是图书馆一切工作的出发点，并贯穿图书 馆工作的始终。虽然定律的提出已有数十年，但“以读者为中心，为读者服务仍为图书馆 工作永恒的丰题。现今，对于读者来说，个人信息接受严重“超载”，面对滚滚而来的各类 信息，完全不能有效应用，大量无关的没用的冗余信息严重干扰了读者对相关有用信息的准 确分辨和正确选择，这样既浪费了读者的宝贵时间，也严重降低了数字图书馆服务的质量和 信息资源的利用率。 美国在数字图书馆领域发展起步较早，至今也形成了一系列成文的标准规范，尤其是在 数字图书馆综合研究阶段，信息服务的建设取得了突破性进展，最大限度满足了用户的特定 需求，从而奠定了其在国际数字图书馆领域里的领先地位。1 9 9 3 年美国国家科学基金会( n s f ) 等发起的数字图书馆创始工程( d i g i t a ll i b r a r yi n i t i a t i v e ) 在1 9 9 4 1 9 9 8 年经过第一期工程 ( d l i - 1 ) 后，以密执根大学，斯坦福大学，加州大学伯克利分校，加州大学圣巴巴拉分校， 卡内基梅隆大学，伊利诺大学u r b a n a - c h a m p a i g n 分校为代表的六所大学的联盟获得资金来 开发和应用超强计算和网络能力，实现大型分布式数字收藏的可获取性、互操作性和可利用 性u 1 。第二期工程( d l i - 2 ) 已从1 9 9 9 年正式开始，在其创新计划的驱动下，数字图书馆发展 已经进入第三代，重点建设的内容是从用户出发，面对不同的用户，为他们提供特定的信息 资源需求。 在此背景下，本课题立足于“数字图书馆是一种服务理念”这一思想，以数据挖掘技术 为支撑，创建“用户兴趣知识库”模型，通过学习知识为读者用户提供个性化信息服务，这 首都师范大学硕士学位论文数字图书馆个性化信息服务系统的研究与设计 充分体现了第三代数字图书馆的重要特征，意义重大，主要从以下几个方面来体现： 个性化信息服务是以用户为中心，倡导的是“以人为本 的思想，更大限度地发挥他 们的主观能动性。 个性化信息服务是数字图书馆可持续发展的需要，更是数字图书馆和传统图书馆复合 式发展的趋势。 个性化信息服务是从读者用户的角度出发的，使一个面向公众的数字图书馆成为了一 个面向个人的数字图书馆，一方面极大地方便了用户，节省了不少的时间，另一方面有助于 培养个性、发现个性，引导需求，促进社会的多样性和多元化发展。 个性化信息服务对于图书馆来说，极大地优化了图书馆的信息资源、人力与物力的配 置，把那种知识经济的理念真正的运用到图书馆的建设发展中，充分发挥了图书馆的作用， 使图书馆和读者的关系更加和谐，从而提高了服务质量和效率，也只有这样才能将图书馆的 活力真正在服务中体现出来。 1 2 数字图书馆概念与特征 当前数字图书馆技术条件和环境日益得到完善和成熟，这一点我们已经在日常学习生活 中得到体会，然而对于数字图书馆的定义仍是众说纷纭。最初，数字图书馆的概念并不是由 图书馆人提出来的，而是一些物理学家为进行学术交流在因特网上编制的一个软件，产生万 维网技术后，从而引发出无穷的信息资源与相关软件【2 1 。目前比较典型的定义如下【3 1 1 4 ： 1 、美国国家科学基金会资助的一项有关数字图书馆的“国家挑战 项目报告中对数字图 书馆进行如下定义：“数字图书馆是一系列的信息资源以及相关的将这些资源组织起来的技术 手段( 如创建、检索、利用信息的技术) ，涵盖了现有分布式网络中所有数字媒体类型( 文本、 图像、声音、动态国图像邓) 的存储和检索系统。” 2 、数字图节馆是一个全球性的、分布式的大型知识库，即以分布式海量数据库为支撑，基 于智能技术的大型、开放、分布式信息库。 3 、数字图书馆是采用现代高新技术的数字信息资源系统，是没有时空限制的、便于使用的、 超大规模的知识中心。 综合以上定义，结合本文研究目的，对数字图书馆进行如下定义：数字图书馆已并不仅 仅是传统图书馆的数字化，也不是数字资源的网络化，它是方便服务于社会群体的知识信息 平台，最大限度地为单个用户和用户群提供个性化信息服务的一种理念。其主要特征是：( 1 ) 海量的数字化信息资源；( 2 ) 信息资源的网络化获取；( 3 ) 信息资源的共建与共享；( 4 ) 信 旨都师范大学硕士学位论文数字图书馆个性化信息服务系统的研究与设计 息资源实体的虚拟化；( 5 ) 信息资源的分布式管理；( 6 ) 信息资源的统一检索；( 7 ) 资源信 息的互操作性；( 8 ) 多样化的服务模式。 总之，数字图书馆代表着2 1 世纪信息资源共享的方向，既是知识的网络又是知识中心， 为用户提供更方便、更快捷、更先进的服务，改变了他们以往获取信息及利用信息的方式。 目前，数字图书馆已经成为国际高科技竞争中新的制高点和评价一个国家信息基础设施水平 的重要标志之一，势必也影响人们的生活质量。 1 3 数字图书馆个性化服务的国内外研究现状及分析 1 3 1 国外研究现状 “美国于1 9 9 1 年首先开始数字图书馆的研究，紧随其后，英国、法国、日本、德国、意 大利等国也相继斥巨资进行数字图书馆研究【5 】。在数字图书馆个性化定制服务方面，这些国 家同样也先行一步，目前个性化数字图书馆在国外已经形成了初步成果，进入实际应用阶段。 m y l i b r a r y n c s t a t e ( 北卡罗莱那州立大学图书馆) 、m y l i b r a r y l a n l ( 洛杉矶国际研究实验室研 究图书馆) 、m y l i b r a r y c o m e l l ( 康纳尔大学图书馆) 、m y 1 i b r a r y ( 多伦多大学图书馆) 、i l a s 系 统和m y g a t e w a y 等，这些系统相对来说比较完善，在一定范围内正实施应用。s o u t h a m p t o n 大学使用o n t o l o g y 技术描述用户个性化信息，并提出获取用户个性化信息的方法【6 】，a r i z o n a 大学的h s i n c h u n c h e n 提出了一个基于图的混合推荐模型，把基于内容和协作过滤有机结合起 来【7 1 。一些公司和研究机构也在进行相关的研究工作，如m i c r o s o f tr e s e a r c h 在个性化信息检 索和信息过滤方面有相应的研究成果报道，为用户浏览过的信息建立一个统一的索引，根据 这些信息提供信息检索的个性化和重用【引。i b m 公司以p h i l i ps y u 为首的研究组主要在数据 挖掘、个性化、w 曲技术等方面从事研究工作【9 】。 从以上的研究历程来看，欧美更多的科研机构更致力于大规模的数字图书馆的研究和开 发工作，特别在个性化信息服务领域中，在很多的国际会议上都有他们相关的文章，从而促 进了数字图书馆的革新和发展。其中联合n s f e u 工作组指出数字图书馆的个性化服务和推 荐技术是一个需要解决的新问题【l 们。调查显示，在数字图书馆个性化服务方面，真正做的比 较好的有美国康奈尔大学图书馆的m y l i b r a r y c o m e l l 系统，并于1 9 9 9 年投入使用，已成为 现今数字图书馆个性化信息服务的原型。除此之外，美国华盛顿大学、加州数字图书馆、新 加坡国立图书馆等等都相继开发了自己的网络个性化服务系统，也取得了良好的应用效果。 近期作为“个性化信息服务 最为代表性的康奈尔大学图书馆计划进一步增强m y l i b r a r y 首都师范大学硕士学位论文 数字图书馆个性化信息服务系统的研究与设计 系统的交互性和服务功能，一个发展方向是开辟个性化公告板服务，发布用户选定的图书馆 服务信息，另一个方向是通过深入挖掘用户特征，发展团体信息服务。 1 3 2 国内研究现状 我国在数字图书馆方面的研究起步相对较晚，正式提出数字图书馆概念并导致后来大规 模研发工作的是1 9 9 6 年在北京召开的第6 2 届国际图联( i f l a ) 大会，数字图书馆成为该会议 的一个讨论专题。在个性化服务方面目前更是处于一个初期发展研究阶段。最早在1 9 9 9 年底， 国家科技部扶持的“中国数字图书馆示范系统”项目中就提到了个性化服务问题，2 0 0 0 年初， 社会科学基金资助的“基于w e b 数字图书馆定制服务系统项目开始研究开发实用的图书馆 个性化定制系统。目前，国内数字图书馆个性化信息服务的成功例子当属浙江大学图书馆的 m y l i b r a r y 系统1 1 l 】，其也只提供了以下的功能：书签功能、定制图书馆数字资源、最新信息通 告、与搜索引擎衔接、更多图书馆的链接、定制w e b 页面样式等，而服务也缺乏进一步整合 【1 2 1 。另外，中国人民大学图书馆的“数字图书馆个性化服务系统”以及北京邮电大学在2 0 0 6 年发布的数字图书馆3 0 版本也在一定程度上实现了m y l i b r a r y 功能，而哈尔滨工业大学2 0 0 5 年开始计划投巨资，分三期来建设数字图书馆，总体规划是为用户提供最好的服务。但是这 些系统与发达国家的先进水平相比，还有一定差距，主要表现在：应用规模小，数字图书馆 个性化信息服务应用还是少数，很多还是探索性的；应用水平低，个性化信息服务功能比较 单一，一般只包括简单的查询、定制服务及书面推荐等，满足用户个性化需求程度低，如信 息的主动推送；应用效果不明显，大多数图书馆在数字图书馆个性化信息服务方面建设不足， 经常有流于形式的情况。 图1 1 最近几年个性化服务研究论文统计图1 2 个性化服务研究成果统计 在国内的学术论文发表方面，本文在中国期刊全文数据库和中国优秀硕士学位论文全文 4 首都师范大学硕士学位论文数字图书馆个性化信息服务系统的研究与设计 数据库两个文献库中，通过不同的关键字进行搜索统计，共找到7 6 5 篇与“数字图书馆个性化 信息服务”相关的文章，由上图1 1 显示这个领域的研究近几年增长平缓，较前几年有所减缓， 由上图1 2 显示这些研究成果重理论轻技术，进而分析也不够深入，有近1 3 的文章在介绍和 推荐个性化信息服务。 1 3 3 当前存在的不足之处 从近期国内外在个性化信息服务领域方面的研究现状及分析可知，这些数字图书馆个性 化信息服务系统，既实现了信息定制服务，也在一定程度上实现了“信息找人 、“自动推送” 功能，但是还存在一定的不足： 首先，在功能上，虽然填补了“信息找人这一块，但是对用户的兴趣领域知识的挖掘 还远远不够，对用户行为的跟踪分析还很浅薄，对于用知识表达用户兴趣模型的研究也不够 深入，从而使个性化信息服务系统的自我学习知识的性能还不完善。 ， 其次，在技术上，此类系统在技术上大多采用c g i 结合后台数据库的方式或是在w i n d o w s 环境下采用a s p 开发w e b 数据库的方式。前者具有跨平台性、可移植性以及开发比较简单。 等优点，但却非常耗费系统资源，这样对于具有多用户的数字图书馆平台而言可谓是致命的， 而后者a s p 与w i n d o w sn t 2 0 0 0 等操作系统紧密集成， 能充分发挥操作系统所提供的特性， 借助a s p 强大的数据库访问能力，程序编制简易、快速并能保证系统拥有较好的性能，但是 此种方式开发的系统只能用于w i n d o w s 平台，无法移植到其他操作系统平台上。 1 4 论文的主要研究内容 本文针对现今数字图书馆个性化信息服务系统中存在的上述问题，结合首都师范大学图 书馆数字化建设自主设计和实现的对用户有益且实用的个性化信息服务系统，借助数据挖掘 技术，对用户个性化信息进行分析研究，挖掘出用户的兴趣模式，运用当前流行的系统开发 框架，开发设计数字图书馆个性化信息服务系统。 本文所做的主要研究内容如下： 1 提出了确定读者用户兴趣领域知识的两种模型。一是通过“时间序列”模型定义用户 行为，设计算法挖掘出读者用户兴趣领域所在；二是通过“向量空间模型”定义用户访问网 页内容，以读者用户兴趣度为准则，引用t f - i d f - i g 计算方法来确定用户兴趣领域。 2 提出并设计了“用户兴趣知识库模型”。首先，通过分析了此模型创建的基本原理， 说明了用户兴趣知识库模型的可行性及优势；然后，运用关联规则a p r i o r i 改进算法和朴素贝 首都师范人学硕士学位论文 数字图书馆个性化信息服务系统的研究与设计 叶斯分类算法，从用户兴趣领域知识中心、资源信息的有效组织、资源信息分类树的建立以 及服务规则等几个方面展示“用户兴趣知识库模型建立的过程，使用户感兴趣的资源信息 以知识的形式表示；最后通过数据进行了模型模拟。 3 设计并实现了数字图书馆个性化信息服务系统。系统从实际的需求出发，运用u m l 进行建模分析，使用m v c 框架思想进行功能设计，采用当前主流w e b 系统开发框架j 2 e e ， 使系统具有很好的灵活性、扩展性以及易维护性等方面的优点。 1 5 论文的组织 本文共分为六章，具体内容如下： 第一章是绪论。阐述了课题的研究背景和意义，对数字图书馆进行了概述，对比分析了 国内外在个性化信息服务领域的研究现状，最后说明了本文的主要研究内容和组织安排。 第二章是数字图书馆个性化信息服务。首先介绍了个性化信息服务的内涵，分析了数字 图书馆个性化信息服务的特点，然后介绍分析了数字图书馆个性化信息服务中的几种服务方 式；最后提出了个性化信息服务实现中要解决的四个关键问题。 第三章是数字图书馆个性化信息服务的关键技术分析。本章详细分析了数据挖掘中的两 种重要技术，即关联规则和朴素贝叶斯分类算法，对关联规则a p r i o r i 算法作以改进，并且分 析比较了使用朴素贝叶斯分类算法的优势，最后通过数据进行模拟了验证。 第四章是数字图书馆个性化信息服务中兴趣知识库的建立。首先，通过分析了“用户兴 趣知识库”模型创建的基本原理，说明了此模型的可行性及优势；然后，运用第三章分析的 关键技术，从用户兴趣领域知识中心、资源信息的有效组织、资源信息分类树的建立以及服 务规则等几个方面展示“用户兴趣知识库模型”建立的过程；最后通过数据模拟了模型。 第五章是基于用户兴趣知识库模型的系统设计与开发。通过图示给出了整个系统的结构 框架和功能，通过用例图、静态模型及动态模型图展现了整个系统设计的过程，并对系统模 型建立需要的技术框架j 2 e e 作了详细的分析，最后列出了整个系统运行的演示效果。 第六章是总结和展望。对本研究课题作了整体总结，分析了优点和缺陷，并对进一步改 善作了展望。 6 首都师范大学硕士学位论文数字图书馆个性化信息服务系统的研究与设计 第二章数字图书馆个性化信息服务 2 1 数字图书馆个性化信息服务的内涵 个性化信息服务【1 3 】，最初是经济学领域推出的新的服务理念。在经历了计划经济时代之 后，“自我中心论已经被当今的网络经济所淹没，大众化的服务也在个性化信息服务的呼声 中逐步消失，因为个性化信息服务能更好的满足特定用户的个别需求，更好的提高服务的质 量，另外社会的进步和经济的发展也促进了用户对个性化服务的巨大需求。 现今，“个性化信息服务 模式成为数字图书馆领域发展的关键，因为当今数据信息海量 般的涌现，相继大量的干扰信息也带到了用户面前，从而导致用户需求信息寻求的复杂性。 因而个性化信息服务在数字图书馆领域中，主要体现在通过对用户个性化信息、使用偏好的 分析，为读者用户提供精确的资源信息服务，进而也提高了数字图书馆的服务质量二 总之，个性化信息服务是“以用户为中心”的服务模式，是相对于大众化服务而提出的 一种服务理念，即是针对不同用户提供不同的服务策略、服务内容，能满足用户的个体信息 需求的服务。 2 2 数字图书馆个性化信息服务的特征 数字图书馆个性化信息服务以用户为中心，建立在“以人为本，遵从用户意愿”之上的， 既是一种个性化服务，又是一种信息服务，它主要研究用户的行为、兴趣、爱好、专业和习 惯，满足用户的个性化信息需求，使信息服务具有针对性，即对不同的用户，提供不同的服 务【。具体地说，数字图书馆个性化信息服务具有如下特征： 1 用户个性化信息需求 个性化信息服务允许用户充分表达其个性化需求，用户根据自身兴趣、爱好、专业和习 惯来定制自己所需要的数字信息资源和服务，而个性化信息服务系统根据用户的定制需求， 提供个性化的界面设置、个性化的信息环境以及个性化的信息快报。特别是用户可以建立“我 的数字图书馆，提高了用户的检索效率，从而使用户的个性化需求能得到最大限度的满足。 2 通用性 数字图书馆信息量的庞大、信息类型的复杂、格式多样的多媒体信息资源，有些时候让 用户_ 接触到往往感到一筹莫展。个性化信息服务能根据用户的信息需求，量体定制，用户 7 首都师范大学硕士学位论文 数字图书馆个性化信息服务系统的研究与设计 只需在数字图书馆上开设个人帐户，提出自己的信息需求方向，系统就能为其提供定制的经 过分析加工的信息或综合性信息，满足用户的需求。当前国内外数字图书馆个性化信息服务 系统，个性化信息定制的界面一般比较简洁，更具有人性化，很方便用户使用，从而节约用 户的寻求信息的时间。 3 主动服务 传统的图书馆信息服务主要以馆藏为中心，是一种基于“我提供什么，用户接受什么” 的服务模式，对用户来说相当被动，而数字图书馆个性化信息服务是一种“用户需要什么， 我就提供什么”的服务模式【1 5 】，它以用户为中心，主动分析用户的需求，并向用户提供其可 能需求的信息与服务，并能主动地将用户所需要的信息推送给用户。 4 专业性 数字图书馆个性化信息服务的内容基本上取决于用户的专业研究领域，一般来说，用户 在对研究课题着手研究时，往往需要图书馆能提供该课题的研究现状、研究地位和前沿，以 及寻找与课题相关的学科动态和信息，并将这些动态和信息及时地提供给用户，可以说，个 性化信息服务内容具有很强的专业特征。 5 知识性 数字图书馆个性化信息服务是一种满足用户个性需求的服务，也是一种知识服务。对于 用户来说，用户的个性化需求不仅仅满足于获得一个信息载体，如一本书，用户需要的很可 能是一个知识单元，如一个事实依据或一组实验数据等等，而对于图书馆来说，把各种知识 信息经过加工分析，结合用户的个性化信息，形成新的知识模块，提供给用户更具价值的知 识，一定程度上也实现了知识信息的升值。 6 用户安全性 在数字图书馆个性化信息服务系统中，尊重用户意愿、保护用户利益和系统安全是非常 重要的，一般地，在保护用户利益方面，安全性主要通过三种方式来实现：用户认证方式、 e p 限制方式、用户认证与l p 限制相结合方式。如美国康纳尔大学图书馆的个性化信息服务系 统采用了k e b e r o s 认证机制来执行用户认证任务，它提供合法用户唯一的标识符，以保证只有 合法用户本人才能处理定制信息和获得相应的个性化服务。 2 3 数字图书馆个性化信息服务的方式 本文所研究设计的系统主要实现的服务方式是信息分类定制和信息主动推送服务，一方 面使用户逐步走出从海量信息中检索自己真正需要资源儒息的困境，另一方面，系统通过分 8 首都师范大学硕士学位论文数字图书馆个性化信息服务系统的研究与设计 析用户，实现资源信息主动推送给用户。下面对几种服务方式作以介绍： 2 3 1 信息分类定制 当用户登陆后即可按自身需要，逐级逐项选择需要的类别。选择完成后，用户向系统提 交个人的定制内容。数字图书馆的后台数据库将记录用户的选择，当用户再次登陆时，系统 将用户名和用户选择进行匹配，自动呈现用户需要的信息类别，其它不相关的信息将被过滤， 不会出现在用户数字图书馆个性化信息服务系统里的相应板块。 2 3 2 信息主动推送服务方式 信息主动推送服务是系统通过学习用户兴趣知识库，主动提供给用户可能需要信息的服 务模式，由以前的被动服务转向主动服务，由单纯的信息呈现转向信息生成，使数字图书馆 成为一个智能型、主动性的信息资源知识库。传统的b s 模式服务中，信息的传播是通过p u l l 模式的，即用户找信息，而采用p u s h 模式后，用户不必进行任何检索，就可以获得自己感 兴趣的信息，即实现了信息找用户。信息推送服务的特点是用户一次注册登录，填写好自己 的兴趣偏好，然后系统对你的信息进行学习，最后系统会将你感兴趣的信息定期地推送给你， 其还具有的最大特点是系统能够根据用户行为，自适应学习更新兴趣知识库，以备为用户提 供更准确的个性化信息。 2 3 3 信息智能代理服务方式 通俗地说，“代理技术就是在用户没有明确具体要求的情况下，能根据用户的需要，代替 用户进行各种复杂的工作【1 6 】”。信息智能代理服务就是通过跟踪用户行为，主动分析其行为并 提取用户个性化信息，搜集可能引起用户兴趣的信息，然后为用户提供给信息服务的一种模 式。在实现服务时，一般分为用户级和系统级，用户级a g e n t 跟踪用户行为，自动获取用户 对某一知识点的点击率、停留时间、访问次数、下载次数、搜索关键词等信息，还有用户的 主观信息，如网络调查等信息，通过学习用户兴趣知识库来建立个性化用户模型，而系统级 a g e n t 是将个性化信息从全局信息中分离出来，同时与用户级a g e n t 进行交互，构建个性化信 息模型。 2 3 4 个性化检索服务方式 图书馆通过网络环境为广大读者用户提供了丰富的电予信息资源的同时，却也存在着庞 9 首都师范大学硕十学位论文数字图书馆个性化信息服务系统的研究与设计 大的信息量与用户个性化信息需求之间难以统一的矛盾，如何帮助用户进行有效的信息检索 是当今数字图书馆个性化信息服务的内容之一。搜索信息是一个不精确的过程，用户的信息 需求往往难以转换成准确的提问式，而且用户也不熟悉信息检索的技术及技巧。因此检索策 略的应用，如基于内容过滤与用户信息的协作过滤二者结合的技术，让读者用户更容易的检 索到自己需要的信息资源，从而排除了更多的所谓垃圾信息的干扰，实现了检索效率的提高。 2 3 5 呼叫中心服务方式 信息呼口l l 中心是一种新近发展起来的专门提供一对一的用户个性化信息服务系统，在企 业界有着广泛的应用。用户可通过电话接入、传真接入、m o d e m 拨号或宽带接入等多种方式 进入d l 网站系统，在系统自动语音导航或人工座席的帮助下访问系统的数据库，获取各种咨 询服务或完成相应的事务处理【 】。 2 4 数字图书馆个性化信息服务实现的关键问题 从前面的章节分析可以大致了解到，数字图书馆不仅以数字格式存放信息资源，同时记 录了用户对信息资源访问使用情况。利用这些信息，结合用户注册的个性化信息，如：专业、 爱好、习惯等，数字图书馆系统能够分析出用户的兴趣和爱好，从而针对不同的用户提供不 同的服务方式、不同的信息，从而实现个性化信息服务。其过程必须存在用户之间、资源信 息之间的一个关联度的计算，以及兴趣知识库的学习。因此，用户个性化信息的获取和管理、 用户及资源的描述方式以及用户兴趣知识库的建立是实现个性化信息服务的关键问题。 2 4 1 个性化信息的获取 本文所以分析的个性化信息是通过静态获取的个人基本信息与动态获取的用户行为记录 信息，而所体现的个性化是指每个用户的认知层次、跟踪行为、兴趣存在差异【1 8 1 。个性化信 息的获取是个性化信息服务的关键，通过对个性化信息进行数据挖掘，挖掘知识模式，从而 实现为用户提供精确的个性化信息需求，而且数字图书馆领域的读者群相对比较稳定。 1 静态获取：即后台数据库系统提供的个人基本信息。这个方面主要包括读者用户注册 的个人信息，例如，专业、爱好、学历等。读者用户首次使用个性化服务系统时，系统要求 其注册填写个人信息以及个人爱好，以备系统学习，并且系统允许用户以后修改自己的个人 信息与感兴趣的内容，同时系统也会定时学习用户感兴趣的内容，达到自适应修改的功能效 果。 1 0 首都师范大学硕士学位论文 数字图书馆个性化信息服务系统的研究与设计 2 动态获取：即用户日常行为日志，也就是用户在本信息平台上进行检索查阅的跟踪记 录。通过这些记录，可以了解到用户所需的检索内容、访问页面以及访问路径，从而挖掘出 用户的兴趣领域知识，实现有针对性地为用户提供信息服务，提高查准率。同时，通过跟踪 服务，可了解用户在一段时间内的检索内容，找出其相似性，从而及时更新数据库中感兴趣 的内容，满足用户的个性化需求。而用户跟踪的方法可分为两种：显式跟踪和隐式跟踪【1 9 】， 前者是指系统要求用户对推荐的资源进行反馈和评价，后者不要求用户提供什么信息，由系 统通过行为跟踪和日志挖掘来完成。显式跟踪是简单而直接的做法，系统可以要求用户反馈 自己对推荐资源的喜好程度。一般情况下，这种做法很难收到实效，因为很少有用户主动向 系统表达自己的爱好。比较实际的做法是行为跟踪，因为用户的很多行为都能暗示用户的爱 好。用户的行为可以表现为查洵、浏览页面和文章、标记书签、反馈信息等等，这些都能有 效地揭示用户的兴趣领域。 2 4 2 个性化信息的描述及存储 个性化信息服务就是以用户为中心，提供给用户个性化的资源信息，因此在获取用户个 性化信息之后，对用户个性化信息的描述及存储是提供个性化信息服务的关键环节，也决定 了用户兴趣知识库建立的科学性。 用户个性化信息的描述内容主要是读者用户各种特征的具体说明，来体现用户与描述内 容之间的对应关系，这些构成兴趣知识库的原子，用来匹配与用户有关的资源信息，与资源 信息内容协作过滤掉无关信息，进而也加速了用户信息检索。 由上面章节我们知道，本文中个性化信息内容可以用一下两种形式描述： 1 用户的自然信息：包括用户的姓名、性别、年龄、专业、学历、业余爱好等。 2 用户的兴趣领域：这一领域的数据主要来源于用户行为分析，以资源信息分类树为基 础( 在第四章钟将详细介绍) ，用户兴趣领域可能是分类层次中的任何一个节点，一个节点的 权值为叶子节点的权值之和，由此推知，叶子节点为其最小兴趣领域。 而用户个性化信息具有如下特点： 1 海量性。一个数字图书馆的读者用户数目极其庞大，例如，截止到2 0 0 6 年，国内的 超星数字图书馆领域的专用图书馆阅览器的下载使用户已超过5 0 0 万。每一个用户都有若干 个兴趣领域，每个领域都有若干个感兴趣的问题。以此为基数就有很大的存储数据。 2 易变性。用户的不同兴趣持续的时间长度不同，长期的兴趣可能会持续几年，而短期 的兴趣则可能仅持续几天。用户兴趣的频繁变化使得用户的个性化信息需要频繁更新。这一 首都师范大学硕士学位论文数字图书馆个性化信息服务系统的研究与设计 特点在用户兴趣知识库模型的更新过程中体现的最为清晰。 3 重复性。不同的用户很有可能兴趣形同或有一些相同的兴趣，特别对某一领域都有研 究的科研人员，他们会对那一学科有着相同的兴趣，因此，在大量的用户中会出现很多重复 的兴趣。 以上可知，个性化信息的内容说明个性化信息涉及到个性化基本信息与用户行为两种类 型，而且他们有着自己特征，所以很难有统一的一个描述标准。在存储时，用户个性化信息 可以用文件来存储，也可以使用关系数据库或其他数据库来存储。在用户个性化基本信息的 内容描述时通常表示为加权网络模型、加权矢量模型、类型层次结构模型和目录结构模型等， 而在其行为的描述方式上，采用x m l 、r d f 和o n t o l o g y 来表示，本文在这个问题上采用加 权矢量模型和支持x m l 的数据库系统来处理个性化信息。在下面章节中，具体介绍采用x m l 的好处以及在本系统中如何使用。 2 4 3 资源信息的描述方式 上面介绍了用户个性化信息内容的描述方式，同等重要的我们也要注重资源信息的描述， 这关系着检索内容的精确度，一定程度上决定了个性化信息服务的质量。当前，资源信息包 括多种媒体格式，而且在多媒体方面日前也日趋增加，但是在个性化信息服务领域仍然以文 本为主，在多媒体的个性化信息服务方面，大多是系统通过用户的评论及其反馈信息来协作 过滤的，其本质仍属于文本范畴。资源信息的表示机制和用户是相似的，本系统处理的也是 以x m l 表示的文件。而资源信息的描述方式可以用基于内容的方式和基于分类的方式来表 示。 1 摹于内容的方式【2 0 l 。 内容是资源信息的实体，基于内容的方式就是从资源信息实体中提取特征信息。基于内 容的方法是从资源本身提取信息来表示资源，使用最广泛的方法是用加权关键词矢量。对文 档来说，关键的问题是特征提取，特征选取要达到两个目标：一是选取最好的词；二是选取 的词最少。要抽取特征词条，需要对文档进行词的切分，在切分的同时，利用停用词表( s t o pw o r d ) 从文档特征集中除去停用词，在完成此切分后，接着除去文档集中出现次数过少和过多的词。 经过这些处理后，特征数目一般还很大，还需对特征进行进一