本发明涉及一种信息管理技术,特别涉及一种图书馆服务管理。
背景技术:
随着移动互联网技术的发展,微信小程序成为了一种热门的连接用户和服务的方式。由于微信有着庞大用户群体,小程序的开发与传统的app相比获取用户信息和传播成本更低。小程序在商业运用上已有显著的成效,而高校内由于师生群体占多数,通过合理地收集信息,可以将小程序运用在教学、科研、教务管理等多方面。
同时智慧图书馆作为近年来的热门话题,一直受到各大高校广泛关注。为了提升图书馆服务增值服务,促进智能校园建设。在现有系统下,新人教师或是学生因为对图书馆系统不熟悉,往往难以高效获取自身所需信息。
技术实现要素:
本发明是针对图书馆信息管理实用和效率的问题,提出了一种图书馆服务管理系统,图书馆管理者可通过小程序客户端来管理校内用户,根据获取的数据进行分析,将合适的内容推送给用户。校内用户可以通过小程序客户端来获取图书馆相关咨询以及和研究方向与兴趣点相关的文献和活动。基于用户给出的关键词向其主动推送相关内容,能够有效提高用户获取信息的效率,解决现有系统的一大痛点。主动推荐系统常被用于各种商业模式中,比如搜索引擎的查询推荐或是短视频的内容推荐,本发明将推荐系统应用于学校图书馆系统中,能够为教师与学生的科研生活提供极大便利,是建设智慧校园的有效助力。本发明基于图数据库和可视化工具构建,能够简单直观地表现出数据资料间的相关联系,便于分析与管理,能够有效减少系统维护与管理所需要的人力成本。本发明基于微信小程序实现,能够跨平台开发,开发成本低,无需下载便可使用,使用成本低,易于推广。
本发明的技术方案为:一种图书馆服务管理系统,包括客户端、后台管理系统和服务器端;
客户端包括推荐模块、问答模块和个人模块,借助微信平台用于为用户提供图书馆资讯的推送;
后台管理系统包括管理员与用户管理模块、文献管理模块、活动管理模块、问答管理模块,管理员对文献、活动、问答进行管理,通过关系图将用户-兴趣、用户-文献、用户-活动关系进行相互关联并可视化,给管理员管理提供依据;服务器端通过restfulapi,提供客户端和后台管理系统的服务数据,实现推荐系统和问答系统。
优选的:所述服务器端推荐系统实施步骤:
3.1.1)在新增文章时,将文章的关键词转换成向量函数,抽取从文章中的关键词向量,如<推荐系统,机器学习,nlp>,存取到文章节点中;
3.1.2)当用户使用小程序时,提取用户的兴趣关键词提取特征向量。
3.1.3)根据用户特征向量,遍历所有文章的关键词向量,计算推荐评分进行排序,返回和用户相关的前n条文章;
问答系统实施步骤:
3.2.1)问题预处理:
当用户输入问题后,需要获取问题中的询问对象,涉及到自然语言处理的命名实体识别,还需获取询问内容;
3.2.2)抽取信息:
通过词性标注工具,把问题中的命名实体识别抽取出来;
3.2.3)训练问题分类器,设置问题模板:
将用户会问到的各个方面的问题先列举出来,然后需要训练分类器,识别用户的问题具体分为哪一类,把用户的问题分为多个类后,对每个类别运用词性标注进行抽象并设置问题模板,
3.2.4)进行问答反馈:
识别用户的问题后,此时,获取了关键信息、问题模板,将关键信息替换模板中抽象信息,可得到一个新问题,系统通过新问题得到用户的问题意图,然后从数据库中查询答案,最后返回答案,在客户端通过api响应给用户。
优选的:所述服务器端的推荐系统根据用户特征向量,遍历所有文章的关键词向量,计算推荐评分进行排序推荐,返回和用户相关的前n条文章方案可利用微服务;所述问答系统分为问题与处理、抽取信息、训练分类器、进行问答反馈四个阶段实施,知识推荐系统和问答系统统一开发、统一管理;在后续优化过程中使用微服务进行api分离,微服务的每个模块独立服务器端维护、分工明确,推荐系统和问答系统使用微服务分别开发子模块,最后统一调度。
优选的:所述推荐模块包含文献与活动的信息推荐,根据用户设置兴趣点与文章关键词进行匹配,用户收藏感兴趣的文献,便于以后查看,活动订阅则是依赖微信订阅消息,在活动指定日期提醒用户,最后所有查看的可以进行全局搜索和分享;
所述问答模块则是提供类似聊天界面的实时自动问答;
所述个人模块,用户查看并修改个人信息,重新设置兴趣关键词,用户查看并管理已收藏的文献和订阅的活动,通过小程序提供的客服消息,用户可联系小程序运营人员。
优选的:所述后台管理系统中管理员与用户管理模块对后台管理员和前台在校用户进行管理;
文献管理模块是对所有推荐的文献进行管理:管理员表格形式对文献进行管理操作,管理员通过文章-类别关系图的形式对文献进行进一步的管理,管理员进行文献关键词的设置,影响用户选择的兴趣点和研究方向;
活动管理模块是对所有发布的活动进行管理,管理员对发布的活动进行增删改查,管理员通过活动-发布者关系图的方式对获取活动信息;
问答管理模块是对问答系统中的问题模板以及相关答案进行管理,管理员设置问题模板、每个模板下的子问题和对应的答案。
优选的:所述后台管理系统的数据可视化,使用了echarts作为前端可视化工具,可将其拓展为轻量级bi工具superset进行大数据分析。
本发明的有益效果在于:本发明图书馆服务管理系统,能够基于用户的关键词向其主动推送相关文献资料,同时通过文献标题与活动内容的强相关性向用户推荐其可能感兴趣的各项活动。本发明能够减少学校宣传活动所需的人力物力,能够提升在校人员获取信息的效率,有助于智慧校园的建设;本发明通过可视化工具管理文献、活动信息,能够简单直观地表现出文献、活动之间的引用关系,对管理人员的代码能力没有要求,便于推广的同时能够保证分析管理的高效性;本发明将用户的关键词向量化后,通过评分系统量化文献、活动与用户的匹配程度,保证了系统能够以较高的准确率向用户推荐其感兴趣的内容;本发明通过图数据库存储与管理所有数据,其优化过的存储过程能够减少系统的时间复杂度,使得各项操作能够得到及时有效的反馈,特别是问答系统上为在校用户提供良好的使用体验。
附图说明
图1为本发明图书馆服务管理系统客户端示意图;
图2为本发明图书馆服务管理系统后台管理示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本发明图书馆学术信息推荐系统和知识库问答系统分主要分为三大模块。
1.小程序客户端。
主要借助微信平台为用户提供图书馆资讯的推送。图1为小程序客户端的结构图。整体分为三个模块。推荐模块、问答模块和个人模块。
首先,推荐模块包含文献与活动的信息推荐,主要根据用户设置兴趣点与文章关键词进行匹配。用户可以收藏感兴趣的文献,便于以后查看。活动订阅则是依赖微信订阅消息功能,在活动指定日期提醒用户。最后所有查看的可以进行全局搜索和分享。
问答模块则是提供了类似聊天界面的实时自动问答。用户可以选择问题类型(如询问图书馆设施相关的问题,活动相关的问题,文献相关的问题等)。进入问答模板后,用户可以查看各个类型的问题模板以及输入问题。程序能够快速解析用户的问题,并提供合适和答案。(如用户询问“图书馆1楼是用来做什么”。程序通过自然语言处理解析问题,得知用户所询问的是关于图书馆楼层的问题,通过数据库查找知识图谱给予回复)。
最后,在个人模块中,用户可查看并修改个人信息,如个人账号、研究方向、学院信息等,同时也可以重新设置兴趣关键词。此外,用户可以查看并管理已收藏的文献和订阅的活动。最后通过小程序提供的客服消息,用户可以联系小程序运营人员。
2.后台管理系统
该系统提供给小程序管理员使用。直观地为管理员提供一个数据可视化操作平台,对文献、活动等数据进行增删改查,并分析用户兴趣与行为,便于管理员进行小程序的运营。前端整体架构采用vue+element-ui作为页面框架,echarts作为数据可视化工具。如图2所示后台管理示意图,后台管理系统可以分为管理员与用户管理模块、文献管理模块、活动管理模块、问答管理模块几个模块。
其中管理员与用户管理模块对后台管理员和前台在校用户进行管理。所有角色在后台管理系统有唯一标识符(id),其为数据库默认提供的节点id。权限管理主要针对管理员的身份,现主要分为系统管理员和普通管理员。前者有最高权限,后者对权限进行了限制,只能使用系统中指定的模块。在用户管理上,通过关系图将用户-兴趣、用户-文献、用户-活动关系进行相互关联以可视化的方式展示,方便管理员去查看用户的兴趣与研究方向并进行分析,为以后的文献与活动信息发布提供参考依据。
文献管理模块是对所有推荐的文献进行管理。同样管理员可以表格形式对文献进行管理操作。此外还可以通过文章-类别关系图的形式对文献进行进一步的管理。在该模块,管理员可以进行文献关键词的设置,影响用户选择的兴趣点和研究方向。
活动管理模块是对所有发布的活动进行管理。与文献管理模块类似,管理员可以对发布的活动进行增删改查,同时可以通过活动-发布者关系图的方式对获取活动信息。
问答管理模块是对问答系统中的问题模板以及相关答案进行管理。管理员可以设置问题模板、每个模板下的子问题和对应的答案。
3.服务器端
由于整套系统以前后端分离的方式开发,服务器端通过restfulapi,提供小程序和后台管理系统的服务数据,实现推荐系统和问答系统。服务器端的后台架构采用node.js+express。在数据库方面,为了搭建知识图谱,采用图数据库neo4j,版本为community-4.1.2。
3.1推荐系统实施步骤
1)在新增文章时,将文章的关键词转换成向量函数,抽取从文章中的关键词向量,如<推荐系统,机器学习,nlp>,存取到文章节点中。
2)当用户使用小程序时,提取用户的兴趣关键词提取特征向量。
3)根据用户特征向量,遍历所有文章的关键词向量,计算推荐评分进行排序。返回和用户相关的前n条文章。
3.2问答系统实施步骤
1)问题预处理
当用户输入问题后,需要获取问题中的询问对象(主语),涉及到自然语言处理的命名实体识别。还需获取询问内容。
2)抽取信息
通过词性标注工具(nodejieba模块),把问题中的命名实体识别抽取出来。
3)训练问题分类器,设置问题模板
将用户会问到的各个方面的问题先列举出来。然后需要训练分类器,识别用户的问题具体分为哪一类。把用户的问题分为多个类后,对每个类别运用词性标注进行抽象并设置问题模板。
4)进行问答反馈
识别用户的问题后,此时,获取了关键信息、问题模板。将关键信息替换模板中抽象信息,可以得到一个新问题。系统可以通过新问题得到用户的问题意图,然后从数据库中查询答案。最后返回答案,在小程序客户端通过api响应给用户。
在后台管理系统的数据可视化上,方案使用了echarts作为前端可视化工具,可以将其拓展为更丰富的轻量级bi工具superset进行大数据分析。
服务器端的知识推荐系统根据用户特征向量,遍历所有文章的关键词向量,计算推荐评分进行排序推荐,返回和用户相关的前n条文章方案可以利用微服务。问答系统分为问题与处理、抽取信息、训练分类器、进行问答反馈四个阶段实施。但是两个功能统一开发、统一管理。该技术方案在后续优化过程中可以使用微服务进行api分离。微服务是一种具有独立性、可扩展性、隔离性的架构,微服务的每个模块独立服务器端维护、分工明确,每个微服务可以分别由小团队独立开发、测试和运维,维护整个生命周期,一旦出现问题,不会大面积波及其他模块。因此在后续的开发中,可以将推荐系统和问答系统使用微服务分别开发子模块,最后由统一调度。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。