摘 要 論文首先描述了圖書館電子資源質量評價指標體系的構建,并且詳細闡述了采用BP神經網絡建立圖書館電子資源質量評價模型的過程,包括BP神經網絡基本原理、網絡結構的確定和網絡的檢驗。并通過實證進一步闡明為了能夠有效地管理評價圖書館的電子資源,需要采用BP神經網絡模型對圖書館電子資源的質量進行評價。
關鍵詞 BP神經網絡 圖書館電子資源 質量評價
分類號 G255.76
DOI 10.16810/j.cnki.1672-514X.2017.03.005
Study on the Construction of Electronic Resources Quality Evaluation System in University Libraries:Based on the BP Neural Network Model
Wang Junguang
Abstract This paper firstly describes the construction of library electronic resources quality evaluation index system, and describes the process of setting up a library electronic resources quality evaluation model based on BP neural network, including the basic principle of BP neural network, the network structure and network test and so on.Then it illustrates that in order to effectively manage and evaluate the electronic resources of the library, the BP neural network model is used to evaluate the quality of the electronic resources in the library.
Keywords BP neural network. Library electronic resources. Quality evaluation.
近年來,隨著電子信息技術在圖書館中應用越來越深入且智能化,電子資源或數字資源在圖書館館藏資源中所占比重也越來越大,讀者對電子資源的利用效率、服務的質量和用戶體驗方面的要求越來越高。如何進行有效的電子資源質量評價已經成為各大圖書館需要解決的重要課題,學者們針對電子資源質量評價的傳統(tǒng)方法有模糊層次分析法、層次分析法等等,然而這些評價方法主觀隨意性較強,往往帶有強烈的個人主觀因素,在評估的過程和結果中精確度不夠。本研究的主要內容是將BP神經網絡理論應用在圖書館電子資源的構建中,通過建立模型的方式對電子資源的質量進行評價,解決傳統(tǒng)評價模式的模糊性和主觀性,為電子資源質量的評價提供一種新的方法和思路。
1 構建基于用戶滿意度的電子資源質量評價指標體系
要對圖書館電子資源做出評價就必須建立相應的科學評價體系,在以往的評價體系中,學者們大都采用的是針對電子資源的使用效率、資源質量等評價指標。本文研究的方向與以往有所區(qū)別,打破了傳統(tǒng)的評價模式,從“用戶”的主體性角度出發(fā),以用戶的滿意程度為主要的評價標準。應用該種理念的目的主要有兩個:其一,電子資源的價值是需要不斷被挖掘和開發(fā)的,只有站在利用者,即用戶的角度去思考問題才能有效地將該資源的作用發(fā)揮到極致;其二,數據商在提供數據的過程中,統(tǒng)計的方法和統(tǒng)計的指標不明確使得統(tǒng)計結果出現了某種程度的失真,在利用和評價過程中需得到糾正。
在本文的研究中提到的“用戶滿意度”主要指的是用戶在體驗了產品之后,對產品的一種滿意度反饋評價。此概念首次提出是在經濟領域,當今已經應用在各行各業(yè)中,逐漸地成為了衡量一個企業(yè)質量的重要標準。現今,電子資源的使用過程中,影響用戶滿意度的因素有很多,從電子資源內容方面進行分析,主要包括電子資源時間的跨度、種類的覆蓋率、內容的權威性和更新速率;從資源檢索系統(tǒng)方面進行分析,包括檢索功能、檢索的結果和用戶的體驗等等;另外用戶在使用的過程中,會特別在意所檢資源的查全率、查準率和資料結果的滿意程度;最后數據商在提供服務方面,用戶也會給予一定的評價。因此,上述這些都是當前圖書館構建基于BP神經網絡電子資源評價體系的重要參考因素。
在構建電子資源評價體系的過程中,需要參考的變量有5個,包括電子資源的內容、使用的情況、檢索系統(tǒng)的完整性、數據商的服務情況以及用戶的滿意程度。基于用戶的滿意度,對電子資源質量評價體系的指標設置如下表1:
表1 基于用戶滿意度的電子資源質量評價指標
2 BP神經網絡及其評價原理
在圖書館電子資源質量評價的過程中,本文采用的方法是構建BP神經網絡的模型,通過鍛煉各系統(tǒng)的組織能力,擬合出各項指標的最佳權數,從而實現評價的最終目的。當前階段,對于BP神經網絡的理論已經有了很多系統(tǒng)深入的研究。BP神經網絡也是人工神經網絡中最重要的組成部分,運用函數的理論知識進行控制,廣泛的應用于函數逼近、模式分類和非線性建模等階段,在當今的圖書館電子資源質量評價的應用中非常廣泛。
以下通過幾個步驟來設計圖書館電子資源質量評價的BP模型。
首先,建立Y體系,根據指標體系的內容采用問卷調查、網絡提問和訪談的方式收集客戶的反饋信息,為了能夠更加方便的對函數進行運算,需要對原始的數據進行進一步的整理,將處理完的數據分為學習樣本和測試樣本,方便采用BP神經網絡進行分析和研究[1]。
其次,通過構建BP神經網絡的模型確定BP神經網絡的參數。想要成功的建立BP神經網絡模型,就必須對網絡的層次數以及網絡層的神經元數進行合理的確認。通過以往的數據研究發(fā)現:在閉區(qū)間內的任何連續(xù)的函數都可以用一個隱含的BP神經網絡來逼近,在本次的研究中,采用的隱含層數為1,利用3層對圖書館電子資源質量評價的模型進行構建;在Y體系中針對用戶的滿意度采用了8個二級指標,由此可知BP神經網絡的輸入層結點數為8,輸出層的神經元的個數為1,其中用戶對電子資源質量的滿意度值即為神經網絡的輸出值。在進行分析的過程中,采用的方法主要是“試湊法”,經過一系列的仿真擬合確定出隱含層的節(jié)點數為6,從而就可以確定出BP神經網絡模型的結構為8-6-1;在對BP神經網絡參數進行設定的過程中,輸出層結構和隱含層結構的的函數均采用的是Sngmoid函數,將Logsig函數作為輸出層的神經元的傳遞函數,在(0,1)之間隨機取出一個數作為初始權值,期望值誤差維持在0.0001左右,學習的速率定為0.1,在設定完參數之后需要對BP神經網絡進行訓練。
最后,利用Matlab軟件的平臺對BP神經網絡進行訓練,采用的開發(fā)軟件是Matlab7.0,將檢測的樣本輸入到軟件中,讀取必要的網絡參數對BP神經網絡進行訓練工作,完成預定的檢測次數,當各項指標都達標之后即為符合要求,網絡的訓練達到成功,如果沒有達到預期的要求則必須重新調整網絡參數,直到訓練合格為止。
除此之外,需要利用Matlab的軟件將訓練好的BP神經網絡進行仿真測試,不斷地提高它的精準度,將測試的樣本輸入到訓練好的BP神經網絡中,檢驗測試的誤差是否滿足要求。在測試結束之后,如果誤差比較大則需要對不理想的樣本進行剔除,得到新的測試樣本之后再進行網絡測試,直到完全符合要求位置為止[2]。
3 BP神經網絡模型在圖書館中的應用
采用BP神經網絡可以有效的對圖書館中各種信息進行處理,并且能夠完成對相關業(yè)務的評估、預測和建模功能,為管理圖書館的人員提供了一種科學有效的評價方法[3]。
首先是評價與評估的方法。評價與評估指的是按照一定的原則和準則對相關的業(yè)務進行評價,利用BP神經網絡對圖書館電子資源質量評價可避免人為因素的影響,在評估之前需要做相關的準備工作,結合各圖書館的具體情況,建立一套完整的評價和評估系統(tǒng),再利用BP神經網絡進行評估。例如將某高校作為研究對象,建立高校圖書館網站,采用基于用戶滿意程度的評價指標體系,利用編程對BP神經網絡進行程序化的處理,構建出具體的模型,實現對圖書館電子資源的質量評價。在設計過程中,需要將中文圖書采購招標評價的體系考慮進去,建立必要的評價機制,從而實現準確快速的評價,為圖書館建設提供了重要的數據信息。
其次是預測。預測是指根據圖書館其他業(yè)務的信息,由已知信息對未知信息進行準確的估計和預測,其中預測功能是BP神經網絡的主要特征,無論是樣本的顯性和非線性都可以進行預測和評估,例如將BP神經網絡的預測功能應用于圖書館借閱量的研究,將某一個年份圖書館的借閱量進行分析研究預測,甚至可以分析出部分讀者的閱讀習慣和個人愛好,根據大量數據研究結果可以及時地調整圖書館館藏采購計劃,使得圖書館的管理更加信息化。在管理過程中采用的都是智能自動化方法,避免了人為因素造成的影響,為制定圖書館的發(fā)展戰(zhàn)略提供了重要的依據[4]。
最后是建模過程。建模主要是指在圖書館資源配置過程中,由于很多非線性關系的存在,需要建立一種符合圖書館管理的模型,其中包括輸入樣本和輸出樣本。如在用戶滿意程度的指標之上,建立合適的圖書館滿意程度評測模型。將200名高校師生作為研究對象,調查他們對圖書館電子資源質量的滿意程度,建立學校各個影響因素之間的關系模型。研究表明采用BP神經網絡對圖書館電子資源質量評價分析是可行的,并且能夠反應出具體的實際情況。除此之外,還可以建立圖書館員工離職、工作壓力、工作態(tài)度等方面的情況,從而全面掌握圖書館員工的工作狀態(tài),有利于工作內容的調整[5]。
4 基于BP神經網絡的圖書館電子資源質量評價實證
在對圖書館電子資源進行質量評價過程中,需要采用有效樣本,為了能夠保證研究的有效性,筆者選取某大學圖書館9種電子資源作為主要研究對象,選取6種電子資源作為訓練樣本,選取3種電子資源作為測試樣本,邀請10位專家針對每個電子資源的8個質量指標做出合理的評價,并且記錄下具體分數,其中專家打分范圍在[0,10],在對數據分析之前需要對數據進行歸一化的處理,其中歸一化的處理表格如表2所示。
對數據進行歸一化的處理之后,需要采用Matlab7.0軟件進行開發(fā),首先要輸入提前預定好的網絡參數,經過多次處理之后,使得網絡的誤差值達到最小,之后對網絡輸出的結果和專家的預測結果進行對比分析,通過研究發(fā)現兩種形式的評價結果誤差比較小。因此,可以說明網絡的分析能力與專家基本相似,從某一方面來說網絡可以按照專家的方式進行評價,其中仿真的結果處理之后為表3所示。
表3 仿真的模擬輸出與專家評價值比較
通過上述表格分析研究發(fā)現,網絡輸出與專家的評價誤差都在設定的范圍之內,采用BP神經網絡對圖書館電子資源質量評價的方法和預測的精度要求基本符合,是一個科學可行的預測模型;另外為了能夠明確用戶的滿意程度,將用戶的滿意程度分為四個等級,一級為非常滿意(0.85~1),二級比較滿意(0.65~0.85),三級為一般(0.4~0.65),四級為不滿意(0~0.4),根據不同的等級可以明確知曉用戶的滿意程度。
5 BP神經網絡模型評價方法的優(yōu)勢
將基于BP神經網絡的圖書館電子資源質量評價方法與傳統(tǒng)的評價方法對比,通過比較和分析可以進一步說明BP神經網絡評價模型的優(yōu)勢。
根據層次分析法的原理,Y體系可以分為三層,第一個層次是目標層,將電子資源用戶的滿意程度定為目標A;第二個層次是準則層,在Y體系中的準則層分為四個內容,分別是從B1~B4;第三個層次與四個準則層相對應。在分析的過程中,由專家對每個指標準則進行兩兩分析研究,由此構造出五個矩陣,由矩陣計算出權重。計算特征向量的過程中必須檢查一致性,最后計算出合成權重。層次分析法的指標體系的權重需要事先設定,BP神經網絡可以通過對此樣本訓練完成權重的自擬合調整。但是非線性的問題層次分析法是無法解決的。訓練成功的BP神經網絡在計算一個新的樣本時能夠自動輸出正確的判斷值,用戶的滿意程度也很高,也更加的符合專家的判斷[6]。
BP神經網絡模型在處理信息方面有著巨大的潛力,然而BP神經網絡并不是沒有缺點,其中反向的傳播算法收斂的速度比較慢,只能實現局部優(yōu)化。由于隱含的網絡結點太多,在進行處理時只能憑借著經驗。因此,還需要不斷地改進各種算法,達到提高處理信息的能力,在實際應用中一定要進行靈活處理。提高收斂的速度和避免局部最優(yōu)已經成為當今BP神經網絡發(fā)展的重要方向。如要提高收斂的速度就必須要加動量項,采用更加高端的算法;若要避免局部最優(yōu),在進行運行的過程中一定要與其他的應用程序結合起來。這樣才能使得高校圖書館的電子資源質量評價逐步建立起適合自身管理的強大網絡體系,不斷根據用戶的使用習慣和需求進行完善和改進,提高圖書館資源的利用效率,將BP神經網絡的作用發(fā)揮到極致[7]。彌補傳統(tǒng)分析方法的缺陷,發(fā)揮出快速、方便、可靠的評價特征,提高辨識度,充分滿足用戶實際需求[8]。
參考文獻:
[ 1 ] 賈潔,彭奇志.基于BP神經網絡的圖書館電子資源質量評價研究[J].圖書情報工作,2010(21):79,84-87.
[ 2 ] 蒲筱哥,胡亞敏.圖書館電子資源績效多指標綜合評價方法評析[J].圖書情報工作,2013(7):139-143,146.
[ 3 ] 尹正梅,張捍東.基于RBF神經網絡的高校圖書館電子資源評價研究[J].情報探索,2016(1):38-41.
[ 4 ] 高祥.森林資源調查監(jiān)測信息化技術方法研究[D].北京:北京林業(yè)大學,2015.
[ 5 ] 陳笑怡.泛在學習中教學質量評價的數據挖掘研究[D].上海:上海交通大學,2011.
[ 6 ] 李佳成.面向用戶網絡的物流網絡自適應運作機制研究[D].北京:北京交通大學,2012.
[ 7 ] 劉天嬌.基于神經網絡方法的高校圖書館知識服務評價體系研究[D].合肥:安徽大學,2013.
[ 8 ] 孫達辰,孫常麗,盧國強.基于BP神經網絡的圖書館電子資料借閱服務評價模型[J].價值工程,2012(7):119-120.
王軍光 燕山大學里仁學院圖書館館員。河北秦皇島,066004。
(收稿日期:2016-04-29 編校:劉忠斌)