CN109785212B - 一种基于大数据的社区图书馆的图书管理方法及装置 - Google Patents

Abstract

本发明涉及图书管理技术领域，具体涉及一种基于大数据的社区图书馆的图书管理方法及装置，通过对每本图书添加标签信息并获取每本图书的阅读行为数据，进而根据图书的阅读行为数据判断是否保留图书，通过计算相邻的社区图书馆之间保留图书的相似度，将相似度大于第二阈值的图书推荐给相邻的社区图书馆，本发明可充分利用社区图书馆的有限资源，更有效的匹配居民的阅读需求。

Description

一种基于大数据的社区图书馆的图书管理方法及装置

技术领域

本发明涉及图书管理技术领域，具体涉及一种基于大数据的社区图书馆的图书管理方法及装置。

背景技术

社区图书馆是为一定地域内的所有居民服务的具有公益性、教育性、休闲性等特征的文献信息集散场所，社区图书馆是公共图书馆的延伸服务，社区图书馆作为公共图书馆的有机组成部分,归属公共图书馆统一管理，可以有效的培育社区文化、传递实用信息、开展社会教育、开发闲暇时间。

然而，受限于社区图书馆空间资源不足，难以像大型公共图书馆一样提供海量的图书资源，往往导致热门的书籍供应短缺，而有的图书却无人借阅。除了部分图书需要进行文化引导，很多图书本身所能提供的知识与居民的学习需求并不匹配，一些陈旧的图书反而占用的有限的空间资源。

因此，如何利用社区图书馆的有限资源，更有效的匹配居民的阅读需求成为一个值得解决的问题。

发明内容

为解决上述问题，本发明提供一种基于大数据的社区图书馆的图书管理方法及装置。

本发明提供的一种基于大数据的社区图书馆的图书管理方法，所述方法包括以下步骤：

步骤S1、对每本图书添加标签信息；

步骤S2、获取每本图书的阅读行为数据；

步骤S3、判断图书的阅读行为数据是否小于第一阈值，若是，则输出回收信息，若否，执行以下步骤；

步骤S4、计算相邻的社区图书馆之间图书的相似度，将相似度大于第二阈值的图书推荐给相邻的社区图书馆。

进一步，所述标签信息包括作者、出版社、出版年度、图书类别、所属行业及是否为保留图书。

进一步，在步骤S3中判断图书的阅读行为数据是否小于第一阈值之后，还包括：判断图书是否为保留图书，若是，则输出保留信息，若否，则输出回收信息。

进一步，所述步骤S2包括，

令图书总数量为n，获取第i本图书的阅读时长a_i、阅读频次b_i和阅读人数c_i，i为不大于n的自然数；

通过以下公式计算得出第i本图书的阅读行为数据：

x_i＝w_a·a_i+w_b·b_i+w_c·c_i

其中，w_a代表阅读时长a_i的权重，w_b代表阅读频次b_i的权重，w_c代表阅读人数c_i的权重，x_i即为第i本图书的阅读行为数据。

根据权利要求4所述的一种基于大数据的社区图书馆的图书管理方法，其特征在于，所述第一阈值通过以下公式计算得出：

其中，w_n∈[0.1，1]，X_1即为第一阈值。

进一步，所述计算相邻的社区图书馆之间每本图书的相似度具体为，

令图书总数量为m，获取第j本图书的阅读时长a_j、阅读频次b_j和阅读人数c_j，j为不大于m的自然数；

令相邻的社区图书馆第本图书的阅读行为数据为y_j，则

y_j＝w_a·a_j+w_b·b_j+w_c·c_j

选取同一标签信息下相邻的社区图书馆任意两本图书；

通过以下公式计算所述任意两本图书的阅读行为数据的欧氏距离d_k：

其中，1≤k≤i·j，将欧氏距离d_k作为相邻的社区图书馆之间图书的相似度。

进一步，所述第二阈值通过以下公式计算得出：

其中，X_2即为第二阈值。

本发明还提供一种基于大数据的社区图书馆的图书管理装置，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的单元中：

标签模块、用于对每本图书添加标签信息；

阅读获取行为模块、用于获取每本图书的阅读行为数据；

阅读行为判断模块、用于判断图书的阅读行为数据是否小于第一阈值，若是，则输出回收信息，若否，执行以下步骤；

推荐模块、用于计算相邻的社区图书馆之间图书的相似度，将相似度大于第二阈值的图书推荐给相邻的社区图书馆。

本发明的有益效果是：本发明公开一种基于大数据的社区图书馆的图书管理方法及装置，通过对每本图书添加标签信息并获取每本图书的阅读行为数据，进而根据图书的阅读行为数据判断是否保留图书，通过计算相邻的社区图书馆之间保留图书的相似度，将相似度大于第二阈值的图书推荐给相邻的社区图书馆，本发明可充分利用社区图书馆的有限资源，更有效的匹配居民的阅读需求。

附图说明

通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：

图1是本发明实施例一种基于大数据的社区图书馆的图书管理方法的流程示意图；

图2是本发明实施例一种基于大数据的社区图书馆的图书管理装置的方框图。

具体实施方式

以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

参考图1，本发明实施例提供的一种基于大数据的社区图书馆的图书管理方法，所述方法包括以下步骤：

步骤S1、对每本图书添加标签信息；

步骤S2、获取每本图书的阅读行为数据；

步骤S3、判断图书的阅读行为数据是否小于第一阈值，若是，则输出回收信息，若否，执行以下步骤；

将输出保留信息的图书作为社区图书馆的保留图书，继续提供大众阅读；

将输出回收信息的图书进行回收，腾出更多空间，减少空间资源紧张状况；

步骤S4、计算相邻的社区图书馆之间图书的相似度，将相似度大于第二阈值的图书推荐给相邻的社区图书馆。

进一步，所述标签信息包括作者、出版社、出版年度、图书类别、所属行业及是否为保留图书。

进一步，在步骤S3中判断图书的阅读行为数据是否小于第一阈值之后，还包括：判断图书是否为保留图书，若是，则输出保留信息，若否，则输出回收信息。

进一步，所述步骤S2包括，

令图书总数量为n，获取第i本图书的阅读时长a_i、阅读频次b_i和阅读人数c_i，i为不大于n的自然数；

通过以下公式计算得出第i本图书的阅读行为数据：

x_i＝w_a·a_i+w_b·b_i+w_c·c_i

其中，w_a代表阅读时长a_i的权重，w_b代表阅读频次b_i的权重，w_c代表阅读人数c_i的权重，x_i即为第i本图书的阅读行为数据。

进一步，所述第一阈值通过以下公式计算得出：

其中，权重值w_n∈[0.1，1]，X_1即为第一阈值；

根据图书馆的空间资源情况调整权重值w_n的大小，当空间资源紧张时，增加权重值w_n的大小，当空间资源宽裕时，减少权重值w_n的大小，从而调整回收图书的数量，达到空间资源的合理利用。

进一步，所述计算相邻的社区图书馆之间每本图书的相似度具体为，

令图书总数量为m，获取第j本图书的阅读时长a_j、阅读频次b_j和阅读人数c_j，j为不大于m的自然数；

令相邻的社区图书馆第本图书的阅读行为数据为y_j，则

y_j＝w_a·a_j+w_b·b_j+w_c·c_j

选取同一标签信息下相邻的社区图书馆任意两本图书；

通过以下公式计算所述任意两本图书的阅读行为数据的欧氏距离d_k：

其中，1≤k≤i·j，将欧氏距离d_k作为相邻的社区图书馆之间图书的相似度。

进一步，所述第二阈值通过以下公式计算得出：

其中，X_2即为第二阈值。

参考图2，本实施例提供的一种基于大数据的社区图书馆的图书管理装置，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的单元中：

标签模块1、用于对每本图书添加标签信息；

阅读获取行为模块2、用于获取每本图书的阅读行为数据；

阅读行为判断模块3、用于判断图书的阅读行为数据是否小于第一阈值，若是，则输出回收信息，若否，执行以下步骤；

推荐模块4、用于计算相邻的社区图书馆之间图书的相似度，将相似度大于第二阈值的图书推荐给相邻的社区图书馆。

所述一种基于大数据的社区图书馆的图书管理装置可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于大数据的社区图书馆的图书管理装置，可运行的装置可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种基于大数据的社区图书馆的图书管理装置的示例，并不构成对一种基于大数据的社区图书馆的图书管理装置的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于大数据的社区图书馆的图书管理装置还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种基于大数据的社区图书馆的图书管理装置运行装置的控制中心，利用各种接口和线路连接整个基于大数据的社区图书馆的图书管理装置可运行装置的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种基于大数据的社区图书馆的图书管理装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (4)

1.一种基于大数据的社区图书馆的图书管理方法，其特征在于，所述方法包括以下步骤：

步骤S1、对每本图书添加标签信息；

步骤S2、获取每本图书的阅读行为数据；

步骤S3、判断图书的阅读行为数据是否小于第一阈值，若是，则输出回收信息，若否，执行以下步骤；

步骤S4、计算相邻的社区图书馆之间图书的相似度，将相似度大于第二阈值的图书推荐给相邻的社区图书馆；

其中，所述步骤S2包括，

令图书总数量为n，获取第i本图书的阅读时长a_i、阅读频次b_i和阅读人数c_i，i为不大于n的自然数；

通过以下公式计算得出第i本图书的阅读行为数据：

x_i＝w_a·a_i+w_b·b_i+w_c·c_i

其中，w_a代表阅读时长a_i的权重，w_b代表阅读频次b_i的权重，w_c代表阅读人数c_i的权重，x_i即为第i本图书的阅读行为数据；

所述第一阈值通过以下公式计算得出：

其中，w_n∈[0.1，1]，X_1即为第一阈值；所述标签信息包括作者、出版社、出版年度、图书类别、所属行业及是否为保留图书；

所述计算相邻的社区图书馆之间每本图书的相似度具体为，

令图书总数量为m，获取第j本图书的阅读时长a_j、阅读频次b_j和阅读人数c_j，j为不大于m的自然数；

令相邻的社区图书馆第本图书的阅读行为数据为y_j，则

y_j＝w_a·a_j+w_b·b_j+w_c·c_j

选取同一标签信息下相邻的社区图书馆任意两本图书；

通过以下公式计算所述任意两本图书的阅读行为数据的欧氏距离d_k：

其中，1≤k≤i·j，将欧氏距离d_k作为相邻的社区图书馆之间图书的相似度。

2.根据权利要求1所述的一种基于大数据的社区图书馆的图书管理方法，其特征在于，在步骤S3中判断图书的阅读行为数据是否小于第一阈值之后，还包括：判断图书是否为保留图书，若是，则输出保留信息，若否，则输出回收信息。

3.根据权利要求1所述的一种基于大数据的社区图书馆的图书管理方法，其特征在于，所述第二阈值通过以下公式计算得出：

其中，X_2即为第二阈值。

4.一种基于大数据的社区图书馆的图书管理装置，其特征在于，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在所述装置的以下模块中：

标签模块、用于对每本图书添加标签信息；

阅读获取行为模块、用于获取每本图书的阅读行为数据；

阅读行为判断模块、用于判断图书的阅读行为数据是否小于第一阈值，若是，则输出回收信息，若否，执行以下步骤；

推荐模块、用于计算相邻的社区图书馆之间图书的相似度，将相似度大于第二阈值的图书推荐给相邻的社区图书馆；

其中，所述阅读获取行为模块包括，

令图书总数量为n，获取第i本图书的阅读时长a_i、阅读频次b_i和阅读人数c_i，i为不大于n的自然数；

通过以下公式计算得出第i本图书的阅读行为数据：

x_i＝w_a·a_i+w_b·b_i+w_c·c_i

其中，w_a代表阅读时长a_i的权重，w_b代表阅读频次b_i的权重，w_c代表阅读人数c_i的权重，x_i即为第i本图书的阅读行为数据；

所述第一阈值通过以下公式计算得出：

其中，w_n∈[0.1，1]，X_1即为第一阈值；所述标签信息包括作者、出版社、出版年度、图书类别、所属行业及是否为保留图书；

所述计算相邻的社区图书馆之间每本图书的相似度具体为，

令图书总数量为m，获取第j本图书的阅读时长a_j、阅读频次b_j和阅读人数c_j，j为不大于m的自然数；

令相邻的社区图书馆第本图书的阅读行为数据为y_j，则

y_j＝w_a·a_j+w_b·b_j+w_c·c_j

选取同一标签信息下相邻的社区图书馆任意两本图书；

通过以下公式计算所述任意两本图书的阅读行为数据的欧氏距离d_k：

其中，1≤k≤i·j，将欧氏距离d_k作为相邻的社区图书馆之间图书的相似度。

Images