基于混合智能算法的高校图书馆图书采购模型研究

发布时间：2020-07-17 10:07

【摘要】：在高校图书馆的建设中,除了桌椅、馆舍和服务台等基础硬件设施之外,最关键的就是文献资源的建设。优化资源采购决策历来备受图书情报工作者和学科馆员的关注。尤其近年来,人工智能日趋成熟,运用大数据及相关智能技术提高图书采购的效率及质量,已成为当下研究的热点和重点。针对目前采访工作中“主观决策为主,信息技术为辅”、采购效率低下等问题,本文提出了基于混合智能算法的图书采购模型,以期促使采购决策更加科学化,提高采访质量,让有限的经费发挥最大的价值。具体工作如下:通过对高校图书馆图书采购实际业务调研,结合其他学者对图书价值评估的研究及学校自身学科建设的特点,探讨了图书价值属性及相关评估特征的选择问题,构建了以图书所属学科类别、出版社、读者需求度、出版时间、图书单价、文本类型、与馆藏关系、是否重点学科等8个要素作为研究指标的新型图书价值评估体系。然后利用具有良好非线性映射、预测能力的BP网络和SVM算法,分别建立了基于BP网络和基于SVM的高校图书馆图书采购模型。在基于BP网络的高校图书馆图书采购模型中,针对BP算法易陷入局部最优、训练效率低下等问题,引入了具有良好全局寻优能力的GA算法,来改善BP网络的阈值和权值,进而提高算法的训练效率和寻优能力。经算例验证,基于GA-BP算法的图书采购模型较标准BP算法模型的预测准确率提高了约8%,达91.90%,且表现出良好的预测稳定性。在基于SVM算法的高校图书馆图书采购模型中,与上述GA-BP模型同理,整合数据和算法特性,为提高SVM寻参效率,引入GA算法,以期找到最佳的核函数类型、惩罚因子和核参数的组合参数,进而提升模型的预测效果。经实验验证,经GA优化的SVM预测准确率明显要高于其它寻优方式,达94.18%。最后,对上述两模型在不同寻参方式下的预测效果进行了对比分析,发现基于GA-SVM算法构建的高校图书馆图书采购模型预测效果最佳,可为高校图书馆的图书采购工作提供一定的理论指导和决策支持,为后续研究提供一条新的探索思路。
【学位授予单位】：内蒙古大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G258.6;G253.1;TP18
【图文】：

关键问题,图书采购,可靠性评估,高校图书馆

内蒙古大学硕士学位论文法的图书采购模型和基于 GA-SVM 算法的图书采购模型，以期利用建模的方式，将原本复杂的问题转化成可求解的数学模型，进而利用相关的算法来求解。（3）模型可靠性评估。模型是否能有效解决高校图书馆图书采购实际问题，并不仅是理论上可行就可行，而是需要用实际的业务数据来检验。在本文研究的模型评估中，提取了内蒙古大学图书馆的实际图书采访业务数据，数据真实可靠，对模型进行可靠性评估，具有实际意义。为确实解决图书采购问题，本文分别对基于不同算法的图书采购模型进行了验证，以期找到效果最好的预测模型，进而为高校图书馆的图书采购提供最佳的指导策略。以上三点为本文研究的关键问题，对于问题主要内容及其之间的关系，如下图 1.1 所示。

路线图,图书采购,高校图书馆,模型技术

高校图书馆图书采购模型技术路线图

隐含层,输出层,神经元,数据特征

图 2.1 BP 神经网络结构图Figure2.1 The structural chart of BP neural network入层、输出层的节点数目分别取决于数据集的自变量和因变量的节点数可在训练过程中获得。络的训练过程训练过程中采用的是梯度下降法，其基本原理是不断地调整网络的出总误差最小，即得到最好的训练效果。具体思路如下：构初始化。根据实验样本数据特征和模型的预设要求，确定 BP 网点数，对于网络的隐含层神经元个数，一般是根据经验公式得到训练，寻找最佳的隐层神经元个数。同时，根据实验要求，预设元激励函数和学习率等相关参数。网络正向传播计算。根据输入的样本数据及设定的 BP 网络相关分别计算隐含层和输出层神经元所产生的结果。其中，对于激活

【相似文献】