高校图书馆大数据应用模式实证结果分析

2023-07-24 理论教育版权反馈

【摘要】：“领域名称”关联与“中图法分类名”关联相加占关联二元组总数的比例达91%，共同构成整个关联的基石。关联分析结果表明，“评分规则制定”的相关分析，以及权重的设置，与大数据系统运行的实际结果相互印证，逻辑上也能得到合理的解读。

1.关联结果分析

应用Spark对图书和论文数据库中的数据处理，共构成8组二元组，保存为RDD文件，见表10.9。

（1）关联媒介为“领域名称”的二元组数目最大，达到55亿多条。因为“领域名称”分类相对较少，每个“领域名称”下包括的文献非常多，这些文献都要建立关联，因而数量最多。“领域名称”关联与“中图法分类名”关联相加占关联二元组总数的比例达91%，共同构成整个关联的基石。从统计学意义上看，如此巨量的关联二元组必然是排名的关键要素。另外，由于“领域名称”关联约占72%的比例，必将导致此类型关联的总评分值被拉高。为避免该类型的关联“一家独大”，影响推荐的精准性，所以在评分标准上将其权重设为最低档“1”，以平衡其巨大基数造成的影响。

表10.9　关联二元组

pagenumber_ebook=130,pagenumber_book=121

（2）图书与论文在“作者”上的关联数目最小。该类关联是通过“作者”对应的字符串匹配，判断是否相同而实现关联，由于“作者”的姓名千差万别，且同一“作者”既出版图书又发表论文的情形毕竟有限，所以关联数目最少在情理之中。由于此种类型数目少，为平衡起见，将其权重值设为较高值“3”。一般而言，此类关联的精准度较高，但是由于现实中作者存在“同名”现象，导致出现一定的匹配错误，从而给精准度带来负面影响，但总体说来，瑕不掩瑜。

（3）图书的“中图法分类名”与论文在“领域名称”上的关联，以及图书的“中图法分类名”与论文的“关键词”的关联占比之和为1.29%，其权重设置原理同其他类型相同，此类关联是实现图书与论文交叉推荐的基础。

关联分析结果表明，“评分规则制定”的相关分析，以及权重的设置，与大数据系统运行的实际结果相互印证，逻辑上也能得到合理的解读。

2.原型系统及推荐结果分析

如图10.12所示为推荐原型系统的显示界面，显示为图书和论文的推荐Top 10列表。其中虚线方框为方便说明所添加：标记①是用户浏览论文“孙建军：图书情报专业学位教育的整体规划与可持续发展”时，点击该论文链接，系统推荐功能激活后的推荐结果，推荐页面只显示了部分列表，其他页面隐藏在滚动条下。标记②所对应的区域是系统所推荐的图书列表，可以看出前三条推荐结果与用户原来浏览的论文非常相关，经查证为南京大学信息管理学院孙建军的著作，因为基于“作者”的论文到图书的评分较高，所以排名也较为靠前；右边为推荐结果中的论文列表，其中标记③与用户所浏览的论文内容具有高相关性，经查证也为南京大学信息管理学院孙建军的论文，因为基于“作者”的论文到论文的评分也较高，所以排名也靠前，因此可以看出，所设计的关联方案、评分规则是合理的，其排名方法是有效的。

pagenumber_ebook=131,pagenumber_book=122

图10.12　推荐原型系统的显示界面

值得注意的是，在图书和论文的列表中，都出现了相关不高的文献，如图书列表的其他部分，是“同名不同人”其他作者的著作。但由于基于“作者”排名的评分较高，也排在了文献列表的前列。

高校图书馆大数据应用模式实证结果分析

相关推荐