基于广义加性模型的图书馆借阅预测研究

图书馆杂志 ›› 2023, Vol. 42 ›› Issue (386): 47-55.

基于广义加性模型的图书馆借阅预测研究

陈金传成志强（华东师范大学图书馆）

出版日期:2023-06-15 发布日期:2023-07-03
作者简介:陈金传华东师范大学图书馆，馆员。研究方向：大数据、人工智能等。作者贡献：论文的撰写与修改、代码的编写。E-mail: chenjinzhuan@library.ecnu.edu.cn上海 200241 成志强华东师范大学图书馆，馆员。研究方向：竞争情报、大数据等。作者贡献：论文的撰写、实验数据的收集与整理。上海 200241

Analysis on the Application of Generalized AdditiveModel Based on Nesterov Acceleration in Library LendingPrediction

Chen Jinzhuan, Cheng Zhiqiang (The Library of East China Normal University)

Online:2023-06-15 Published:2023-07-03
About author:Chen Jinzhuan, Cheng Zhiqiang (The Library of East China Normal University)

摘要/Abstract

摘要：

本文意图通过建立读者特征、不同类别图书流通量、读者借阅时间3 者的关系模型，探索读者特征与借阅趋势之间的隐含规律，为图书馆的智慧管理提供可靠且快速的预测与分析。本文创新性地提出了基于广义加性模型(GAM) 的3 阶段快速拟合模型，采用Onehot 编码、线性和非线性3 种函数进行数据拟合，建立读者特征与图书流通的回归模型。考虑到图书馆数据的庞大性，本文利用Nesterov 方法和Power Iteration 方法对回归模型进行加速，在保证回归准确率的前提下，大幅度提高了算法速度。在真实图书馆数据上的实验表明，本文方法相较于纯线性模型准确性可以提高约70%，速度仅下降约30%；相较于纯非线性模型速度可以提高约6 倍，而准确率仅下降约15%，较好地满足图书馆大规模数据的分析。

关键词: 广义加性模型图书馆 Nesterov 加速 Power Iteration 方法

Abstract:

This paper intends to explore the implicit law between reader characteristics and borrowingtrends by establishing a relationship model among reader characteristics, different types of bookcirculation, and reader borrowing time, so as to provide reliable and rapid prediction and analysis forthe intelligent management of libraries. This paper innovatively proposes a three-stage fast fitting modelbased on generalized additive model (GAM), and uses one-hot coding, linear and nonlinear functions to fitdata, and establishes a regression model between reader characteristics and book circulation. Consideringthe hugeness of library data, this paper uses Nesterov method and power iteration method to acceleratethe regression model, which greatly improves the speed of the algorithm on the premise of ensuring theaccuracy of the regression. Experiments on real library data show that the accuracy of the method in thispaper can be improved by about 70% and the speed is only reduced by 30% compared with the pure linearmodel. Compared with the pure nonlinear model, the speed can be increased by about 6 times, and theaccuracy rate is only reduced by about 15%, which is better for the analysis of large-scale data in libraries.

Key words: Generalized additive model, Library, Nesterov acceleration, Power Iteration method

陈金传成志强（华东师范大学图书馆）. 基于广义加性模型的图书馆借阅预测研究[J]. 图书馆杂志, 2023, 42(386): 47-55.

Chen Jinzhuan, Cheng Zhiqiang (The Library of East China Normal University).

Analysis on the Application of Generalized AdditiveModel Based on Nesterov Acceleration in Library LendingPrediction [J]. Libraly Journal, 2023, 42(386): 47-55.

参考文献

[ 1 ] 冯泽泗. 图书流通量的理论计算与实际确定[J].四川图书馆学报， 1981（1）：5.
[ 2 ] 李爱军，李爱萍. 图书流通量统计分析与高校图书馆工作的对策——基于山东农业大学图书馆实证研究[J]. 农业图书情报学刊， 2014， 26（5）：79—83.
[ 3 ] 李敏. 浅谈借阅者的借阅动机[J]. 山东图书馆季刊， 1999（3）： 104—105.
[ 4 ] 陈振凯. 习近平：我最大的爱好是读书[J]. 清风，2016（4）： 9—10.
[ 5 ] 张卫，闫玲玲，邓香莲. 新时代大学生中华优秀传统文化经典阅读动机实证研究——以上海大学生为例[J]. 图书馆杂志， 2021， 40（10）： 111—118； 123.
[ 6 ] 欧继花，李科生，罗紫初. 阅读动机的研究进展[J]. 图书馆， 2015（ 12）： 36—45.
[ 7 ] Summers K. Adult reading habits and preferencesin relation to gender differences[J]. Reference andUser Services Quarterly， 2013， 52（3）： 243—249.
[ 8 ] 舒小军. 高校流行文学书籍读者阅读倾向分析[J]. 重庆工商大学学报（社会科学版）， 2010，27（6）： 142—144.
[ 9 ] 管同. 医学高校图书馆口腔医学类图书借阅分析[J]. 科技情报开发与经济， 2014， 24（5）： 34—35.
[10] 施国良，张潇潇，杨小莉. 高校读者群体差异对其借阅行为和阅读偏好的影响研究[J]. 图书馆，2020（4）： 59—64 ；78.
[11] 孔辉. 高校图书馆流通规律试析——以遵义师范学院图书馆为例[J]. 图书馆， 2010（4）： 64—65.
[12] 李亚青，陈志鹏，杨巍. 浅谈高校图书馆流通数据统计分析及建议[J]. 辽宁工业大学学报（社会科学版）， 2018， 20（6）： 52—54.
[13] 黄宇熔，魏惠卿. 高校图书馆借阅统计实证分析及其对策——以江苏大学图书馆为例[J]. 科技情报开发与经济， 2011， 21（8）： 17—20.
[14] 刘莹. 高校特色馆藏建设与办学特色凝练的研究综述[J]. 玉溪师范学院学报， 2020， 36（2）：121—128.
[15] 王红，袁小舒，原小玲，等. 高校图书馆读者借阅趋势线性回归建模预测探析[J]. 图书情报工作， 2020， 64（3）： 59—70.
[16] 于丽丽. 以阅读偏好为导向的图书馆读者工作研究[J]. 图书馆学刊， 2021， 43（6）： 34—37.
[17] 李艳. 高校图书馆读者借阅行为分析[J]. 科技情报开发与经济， 2013， 23（12）： 36—38.
[18] 彭渝. 基于GRI 关联规则的图书馆读者借阅行为分析研究[J]. 科技情报开发与经济， 2014，24（11）： 78—80.
[19] 崔金环，解海. 基于数据挖掘的图书馆读者借阅行为分析[J]. 现代电子技术， 2019， 42（1）：166—170.
[20] 韩丽. 自我决定理论视角下高校读者阅读意愿影响因素探究[J]. 图书情报工作， 2018， 62（14）：22—28.
[21] 张囡，张永梅. 基于灰色神经网络的图书馆图书借阅量预测[J]. 情报探索， 2013（3）： 133—135.
[22] 姜笑楠. 基于SVM 和DS 证据理论的图书馆读者借阅行为分析[J]. 图书馆研究与工作，2022（2）： 63—66；72.
[23] Shen X， Jiang L， Li Q. Retrieval of near-shorebathymetry from multispectral satellite imagesusing generalized additive models[J]. IEEEGeoscience and Remote Sensing Letters， 2018，16（6）： 922—926.
[24] Xin R， Jakoveti? D， Khan U A. DistributedNesterov gradient methods over arbitrary graphs[J].IEEE Signal Processing Letters， 2019， 26（8）：1247—1251.
[25] Li Z， Hu H， Zhou Y， et al. A rapid modal analysismethod for harmonic resonance using modifiedpower iteration[J]. IEEE Transactions on PowerDelivery， 2016， 33（3）： 1495—1497.