探析基于人工神經(jīng)網(wǎng)絡(luò)的圖書館服務(wù)質(zhì)量評價
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，簡寫為ANNs)是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的，并具有自學(xué)習(xí)和自適應(yīng)的能力。
摘要：以環(huán)境、館藏資源、服務(wù)方式和硬件設(shè)備等9個影響圖書館服務(wù)質(zhì)量的參數(shù)作為評價指標(biāo)，采用BP神經(jīng)網(wǎng)絡(luò)的相關(guān)理論方法，以問卷調(diào)查結(jié)果作為分析數(shù)據(jù)的基礎(chǔ)，對江西省內(nèi)的20所圖書館的服務(wù)質(zhì)量進(jìn)行了評價研究。仿真結(jié)果表明，采用構(gòu)建的神經(jīng)網(wǎng)絡(luò)可以快速而準(zhǔn)確地對圖書館服務(wù)質(zhì)量進(jìn)行評價。
關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);評價指標(biāo);問卷調(diào)查;服務(wù)質(zhì)量評價
引 言
隨著我國科學(xué)文化的發(fā)展，各種類型的圖書館正發(fā)揮著越來越大的作用。隨著人們的閱讀需要在用戶體驗要求等各方面的提高，對圖書館服務(wù)質(zhì)量的要求也越來越高。而對圖書館的服務(wù)質(zhì)量進(jìn)行客觀、準(zhǔn)確、高效的評價是圖書館優(yōu)化服務(wù)流程、改善服務(wù)質(zhì)量和提高服務(wù)水平的基礎(chǔ)。為此，本文引入了一種全新的評價體系和方法，即采用BP神經(jīng)網(wǎng)絡(luò)的方法對圖書館服務(wù)質(zhì)量進(jìn)行評價，該方法具有操作簡便，評價快速準(zhǔn)確的特點(diǎn)。
一、評價指標(biāo)的確定
1.1 指標(biāo)參考
為了更好的對圖書館的服務(wù)質(zhì)量進(jìn)行評價，本文參考《圖書館評估指標(biāo)標(biāo)準(zhǔn)與管理規(guī)范指導(dǎo)手冊》和ISO11620等標(biāo)準(zhǔn)化文件構(gòu)建圖書館服務(wù)質(zhì)量評價體系。該體系一共包括了對圖書館服務(wù)質(zhì)量影響較為顯著的9個因素作為評價的參考指標(biāo)：即館藏紙質(zhì)資源(X1)、環(huán)境(X2)、服務(wù)人員(X3)、服務(wù)方式(X4)、硬件設(shè)備(X5)、軟件設(shè)備(X6)、數(shù)字資源(X7)、個性化服務(wù)(X8)、服務(wù)結(jié)果(X9)。基于這9組評價指標(biāo)，利用BP神經(jīng)網(wǎng)絡(luò)的分類評價能力，本文建立了基于BP神經(jīng)網(wǎng)絡(luò)的圖書館服務(wù)質(zhì)量評價模型。
為了更好地描述樣本圖書館的服務(wù)質(zhì)量，本文針對服務(wù)質(zhì)量的評價特性和評價指標(biāo)的選取特點(diǎn)將服務(wù)水平分為5個等級并對其賦予相應(yīng)的分?jǐn)?shù)：優(yōu)(5分)、良(4分)、中(3分)、差(2分)、非常差(1分)。
1.2 數(shù)據(jù)來源
本文采用問卷調(diào)查的方式對江西省的20所圖書館的服務(wù)質(zhì)量進(jìn)行調(diào)查，共發(fā)出300份問卷，回收287份，其中有效問卷276份，問卷有效率為92%。對問卷進(jìn)行統(tǒng)計，計算出每所圖書館的各項評價指標(biāo)對應(yīng)的分?jǐn)?shù)，并利用參考文獻(xiàn)的權(quán)值計算方式計算出每個圖書館的服務(wù)評價水平，如表1所示。
二、BP神經(jīng)網(wǎng)絡(luò)
2.1 BP神經(jīng)網(wǎng)絡(luò)的原理
BP神經(jīng)網(wǎng)絡(luò)是一種前饋型誤差修正的人工神經(jīng)網(wǎng)絡(luò)，它通過不斷調(diào)整各個單元層之間的網(wǎng)絡(luò)權(quán)值和閾值實(shí)現(xiàn)網(wǎng)絡(luò)的訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)主要運(yùn)行由信號的正向傳播和誤差的逆向傳播兩個過程組成，通過不斷地權(quán)重調(diào)整，可以實(shí)現(xiàn)網(wǎng)絡(luò)誤差的不斷縮小。
2.2 神經(jīng)網(wǎng)絡(luò)模型的建立
本文采用含一個隱藏層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行分析，由于輸入單元的數(shù)目為9，輸出單元均為1，根據(jù)經(jīng)驗公式可選隱含層單元數(shù)為1～10之間的整數(shù)，采用試湊法得到隱含層神經(jīng)元與均方平均值(MSE)的曲線關(guān)系，如圖1所示。其中隱層神經(jīng)元數(shù)目為9時，得到的MSE值最小為6，所以確定的隱含層神經(jīng)元數(shù)為9。
本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖2所示。
2.3 BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練
選取表1中的15組數(shù)據(jù)在Matlab中對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中期望誤差設(shè)為10-5。訓(xùn)練過程中，BP神經(jīng)網(wǎng)絡(luò)誤差的變化形式如圖3所示。
由圖3可知，當(dāng)訓(xùn)練經(jīng)過84次迭代后達(dá)到了滿意的誤差期望。
2.4 結(jié)果對比
利用表1中剩余的5個樣本對訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)進(jìn)行測試實(shí)驗，并將結(jié)果與通過權(quán)值計算的結(jié)果進(jìn)行比較，如表3所示。
由表3可以看到，經(jīng)過訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)可以很好地對圖書館的服務(wù)質(zhì)量進(jìn)行評價分析，且分析結(jié)果的精度較高。
三、結(jié)語
本文通過在圖書館的服務(wù)質(zhì)量分析中引入人工神經(jīng)網(wǎng)絡(luò)的相關(guān)理論和方法，對通過問卷調(diào)查法收集的樣本進(jìn)行訓(xùn)練和分析。試驗結(jié)果表明，本文構(gòu)建的三層神經(jīng)網(wǎng)絡(luò)模型可以很好地判斷出不同圖書館的不同服務(wù)質(zhì)量水平，采用此方法可以大大提高對圖書館服務(wù)質(zhì)量的評價效率。
參考文獻(xiàn)：
[1] 孫飛.精通Matlab神經(jīng)網(wǎng)絡(luò)[M].北京：中國計算機(jī)工業(yè)出版社，2014.
[2] 劉洋.神經(jīng)網(wǎng)絡(luò)技術(shù)在高校教學(xué)水平評價中的應(yīng)用[J].教育與教學(xué)，2015(1)：122-128.
[3] 陳慶梅.圖書館讀者滿意度模型的建立[J].大學(xué)圖書情報學(xué)刊，2006，24(6)：73-75.
[4] 周瑛，劉天嬌.基于神經(jīng)網(wǎng)絡(luò)的高校圖書館知識服務(wù)評價體系研究[J].情報理論與實(shí)踐，2013，36(2)：55-59.
[5] 陳瑾，劉樂.基于CMAC神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)控制系統(tǒng)模糊PD控制[J].物聯(lián)網(wǎng)技術(shù)，2015，5(2)：46-49.
[6] 尤勝.基于異構(gòu)技術(shù)的數(shù)字圖書館信息統(tǒng)計平臺[J].現(xiàn)代電子技術(shù)，2016，39(7)：167-170.
【探析基于人工神經(jīng)網(wǎng)絡(luò)的圖書館服務(wù)質(zhì)量評價】相關(guān)文章：
基于LMBP神經(jīng)網(wǎng)絡(luò)的聲納圖像識別03-07
基于模糊綜合評判的圖書館讀者滿意度評價03-07
基于802.16d的服務(wù)質(zhì)量架構(gòu)03-07
探析基于電子商務(wù)的組織創(chuàng)新11-15
基于粗集的神經(jīng)網(wǎng)絡(luò)的項目風(fēng)險評估02-27
基于神經(jīng)網(wǎng)絡(luò)的車輛動力學(xué)分析11-22
基于GIS和神經(jīng)網(wǎng)絡(luò)的超市選址方法研究11-22
基于神經(jīng)網(wǎng)絡(luò)ZISC的模式識別系統(tǒng)03-18