基于知识图谱的我国高校图书馆个性化推荐研究综述

　　摘 要： 利用高校圖书馆积累的大数据资源为用户提供个性化图书推荐一直是情报学与图书馆学领域的研究热点。文章利用2010—2019年CNKI收录的253篇相关学术文献进行文献计量分析，使用信息可视化软件CiteSpace生成作者合作、机构合作、关键词共现、主题路径等知识图谱，探索近10年我国高校图书馆个性化推荐研究的发展路径、热点变迁及发展趋势，以期为我国高校图书馆个性化推荐研究领域的学术探索与实践提供相应的理论参考。研究发现：①针对该领域的研究已经形成多个研究群体，研究合作方式以高校的校内合作为主。②2010—2019年该领域研究热点集中在个性化推荐、协同过滤、数据挖掘等方面，并在此基础上衍生出情景化推荐、阅读推广等研究前沿。③2010—2019年该领域的研究可大致分为基础研究与创新研究两个阶段，前者为后者的研究提供理论基础，后者基于前者的研究衍生新的研究热点。④目前研究的局限性在于理论研究居多，实际应用较少。

　　关键词： 高校图书馆;个性化推荐;知识图谱

　　高校图书馆是高校的知识中心，馆藏丰富多样的学术资源，如何向专业背景和兴趣爱好迥异的用户精确推荐满足其需要的馆藏资源，关系到高校图书馆资源能否实现充分利用，也关系到高校图书馆服务的质量。随着图书馆信息化的发展，高校图书馆积累了海量的用户借阅数据，这为高校图书馆提供个性化的推荐研究提供了数据基础。同时，不断发展的大数据、人工智能等技术也为个性化推荐研究注入了新的活力。基于上述原因，2010—2019年近10年间，我国高校图书馆个性化推荐的相关学术论文发表量总体上呈现上升趋势(图1)，这表明对该领域的研究正在不断发展与丰富。文章运用信息可视化软件CiteSpace，对2010—2019年我国高校图书馆个性化推荐研究进行基于知识图谱的文献计量分析，对该领域研究的发展路径、热点变迁以及发展趋势进行全面系统的分析，从而为该领域的科学研究与实践提供参考。

　　1 数据来源、研究方法与工具

　　文章以中国知网(China National Knowledge Infrastructure， CNKI)作为研究样本数据来源。以“个性化推荐”、“图书推荐”、“智慧推荐”作为篇关摘检索词，且限定全文检索词为“高校图书馆”，期刊类别限定为“核心期刊”与“CSSCI”，研究文献的检索年限选择为2010—2019年，按照上述条件进行期刊文献检索，共得到文献298篇，通过对文献数据的人工筛查，去除推荐书目清单、会议纪要等无关文献，最终得到文献253篇，数据检索与处理时间为2020年7月7日。

　　知识图谱(Knowledge Graph)能够可视化表达某一研究领域的知识结构关系与研究热点的演化脉络，进而揭示研究领域的发展现状与演化规律，预测研究领域的前沿研究趋势。因此，文章采用基于知识图谱的文献计量研究方法，对筛选后的253篇文献进行作者共现分析、机构共现分析、关键词共现分析、主题路径分析以及突现词分析。

　　文章采用的研究工具是美国德雷克塞大学信息技术学院(College of Information Technology， Drake University)陈超美教授(Chaomei Chen)开发的CiteSpace 5.7.R1。CiteSpace是一款基于JAVA程序的共引网络分析软件，该程序可用于分析学科领域的研究热点与演化趋势，并将分析结果进行可视化展示。文章将253篇文献的题录数据转换成CiteSpace程序可处理的Refworks格式并导入，文献的题录数据包括标题 、关键词、作者、机构等。

　　2 知识图谱分析

　　2.1 作者合作知识图谱分析

　　通过作者合作知识图谱可以对我国高校图书馆个性化推荐研究领域的作者合作情况进行研究。文章利用CiteSpace软件，选择“Author(作者)”作为共现分析的节点类型(Node Types)，剪切连线算法(Pruning)选择“Pathfinder(路径搜索算法)”和“Pruning sliced networks(路径简化网络)”，其余参数采用默认数值，生成作者合作知识图谱(图2)。根据CiteSpace 5.7.R1版本的设定规则，作者合作知识图谱中作者节点表现为作者姓名，其大小与作者出现频次相关，作者出现频次越高，节点越大(相对于其他作者)，不同作者节点间的连线反映作者间的合作情况，连线的不同的颜色对应不同年份。据图2的统计信息显示，该作者合作知识图谱共有节点40个，节点间连线共有42条，网络密度(Density)为0.0538。图谱显示，2010—2019年针对我国高校图书馆个性化推荐研究形成了多个研究群体，其中共现作者最多的是以柳益君—何胜为代表的研究群体，其次是以曹红兵为代表的研究群体和以刘海鸥—张亚明为代表的研究群体。除了上述共现作者较多的研究群体外，知识图谱中还零散分布着许多共现作者数小于三人的研究群体。由此可见，2010—2019年该领域研究者之间存在一定程度的沟通，研究力量整体上以某个或某几个主要研究者为中心凝聚，零散分布的单作者和双作者说明作者之间的研究合作还可以进一步加强。

　　另外，文章选取并统计2010—2019年发文量3篇的作者(表1)，发现江苏理工学院的柳益君(8篇)发文量最多，其次是江苏理工学院的何胜(6篇)，其余作者的发文量为2～4篇。这些作者构成了我国高校图书馆个性化推荐研究的主要力量，他们在该领域的研究侧重点各有不同，如柳益君、何胜主要从大数据与人工智能角度对高校图书馆个性化推荐进行研究，使用机器学习、知识图谱、高校图书馆大数据挖掘等方法研究个性化智能推荐服务模式;刘海鸥、张亚明针对推荐系统数据稀疏问题，将时间、地理位置、环境等情境信息融入协同过滤推荐(Collaborative Filtering， CF)，研究高校图书馆情境化推荐系统;曹红兵则从物联网角度，使用射频识别(Radio Frequency Identification， RFID)等物联网核心技术构建高校图书馆个性化推薦服务新体系，将个性化推荐服务范围从传统的数字化信息服务拓展到物理环境。

　　2.2 机构合作知识图谱分析

　　机构合作知识图谱能够展示相关研究机构间的合作情况，通过分析我国高校图书馆个性化推荐研究相关机构的合作情况以及每个机构的发文量，能够对该领域研究机构的合作分布、核心力量进行研究。文章使用CiteSpace软件，选择“Institution(机构)”作为共现分析的节点类型，剪切连线算法选择“Pathfinder(路径搜索算法)”和“Pruning sliced networks(路径简化网络)”，其余参数采用默认数值，绘制机构合作知识图谱(图3)，与作者合作知识图谱生成规则类似，机构知识图谱中机构节点表现为机构名称，其大小与机构共现频次相关，机构共现频次越高，节点越大。不同研究机构节点间的连线反映机构间的合作情况，连线的不同的颜色对应不同年份。如图3所示，机构合作知识图谱共有30个节点，14条连接，密度值为0.0322。对图谱进行分析可知，2010～2019年我国高校图书馆个性化推荐研究相关机构多为高校的图书馆、经济管理学院、信息管理学院、计算机工程学院等，这表明高校凭借其专业人才与浓厚的研究氛围，以及高校图书馆所提供的大量用户借阅记录等研究数据，成为该领域的主要研究力量。从这些高校的合作类型来看，主要分为校内合作与校际合作。校内合作多为同所高校内部不同院系、图书馆间的合作，如武汉大学的信息管理学院与计算机学院合作，针对精准图书推荐导致的推荐书目缺乏多样性问题，提出了一种融合信息距离的语义相似度计算方法，通过语义相似度的扩散，来提高个性化推荐结果的多样性;校际合作多为不同地区的不同高校或相同地区的不同高校间的合作，如南京航空航天大学、东南大学展开校际合作，针对重启动随机游走推荐算法(Random Walk with Restart， RWR)忽视用户兴趣变化的问题，基于用户兴趣时间衰减因素，形成用户兴趣转移概率矩阵并以此来优化推荐。

　　推荐阅读：图书馆杂志发表时间多久

期刊VIP网，您身边的高端学术顾问

文章名称： 基于知识图谱的我国高校图书馆个性化推荐研究综述

文章地址： http://www.qikanvip.com/hanyuyan/60789.html