高校數字圖書館服務質量評價論文

導語：高校數字圖書館服務質量評價論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

一、RBFNN結構及訓練算法

輸入層節點傳遞輸入信號到隱層，隱層節點的基函數是中心徑向對稱衰減的非負非線性函數，其作用是對輸入信號在局部產生響應，當輸入信號靠近基函數的中央范圍時，隱層節點將產生較大輸出。該網絡的性能主要取決于隱層基函數的中心和寬度。輸出層的激活函數形式為線性函數，為基函數輸出的線性組合。本文RBFNN訓練主要分為3步進行:首先，采用統計和機器學習過程中非常普遍的分治法，以無監督方式把輸入空間劃分成區域，使得組內成員之間存在某種相似性的過程，由局部最優達到整體優化。其次，采用生長及剪修模型來確定RBFNN隱層節點數，(根據網絡訓練算法中修剪法確定，實驗已驗證，隱層節點數為訓練樣本數減1時，誤差面沒有局部極小)。對噪聲或破損數據點進行方差估計，以構造出一個最佳逼近效果的RBFNN網絡結構;最后，利用最大似然法來校正輸出層，以進一步提高網絡輸出的精確度。

二、評價指標的確定

進行高校數字圖書館服務質量評價，首先必須確定一套科學的質量評價指標。評價指標的設計要遵循以下幾個原則:

(1)要從整體特征角度系統地把握主要方面;

(2)重客觀典型性，不能交叉重復且易于操作、推廣和實施;

(3)指標數量適中，利于評價者正確理解指標涵義;

(4)指標的設定要有科學性和前瞻性。筆者根據工作實踐，并參照圖書館服務工作方面的相關國際標準及法規文件，比如《最新高校圖書館評估指標標準與管理規范指導手冊目錄》、ISO11620、ISO/TR20983等，分析高校數字圖書館特征的基礎上，通過各種調查方式，從網絡可用性、存儲系統、資源供給、檢索與文獻傳遞、咨詢服務等5個方面構建了高校數字圖書館服務質量評價指標體系。具體如圖1所示，需要說明的是資源的完備性需大于90%、資源的重復率需小于30%、檢索的全準率需大于90%。高校數字圖書館服質量評價是一種典型的模式識別問題。高校數字圖書館服質量評價指標多，這些指標間相互關聯，且呈高度非線性、復雜性和模糊性，因此采用傳統數學模型無法建立準確的評價模型。RBFNN是一種人工智能學習方法，對于非線性和模糊的數據具有較高的識別能力，因此非常適合于高校圖書館館藏質量評價。因此本文將RBFNN引入到高校圖書館館藏質量評價問題的求解中。

三、仿真結果

結合哈爾濱金融學院的數字圖書館的服務做問卷調查，請師生對數字圖書館的服務打分，為了使評價客觀合理。在選擇評價人時選擇具有不同職稱和學歷的80名數字圖書館使用者作為評價人，將圖1中的25個選項作為打分對象。這些評價人中有教授、副教授、本科生和專科生。評價的等級與打分的對應關系。訓練樣本所反映的圖書館服務質量評價結果與實際館藏質量結果較為接近，其輸出的誤差為0．15以內。對哈爾濱金融學院數字圖書館服務的評價結果比較客觀實際。說明本文提出的基于RBF的高校圖書館服務質量評價是有效可行的?？梢允沟梅召|量評價的準確率更高。

四、結束語

高校數字圖書館服務質量評價是一個多因素、多指標、模糊的非線性過程。評價指標的設定要能夠準確反映實際館情。評價模型選擇時要考慮評價結果的誤差和實際情況反映的準確率。本文結合哈爾濱金融學院圖書館的工作實踐設計了高校數字圖書館服務質量評價指標體系，并獲取了直接評價數據，采用學習速度較快、易于收斂的徑向基函數神經網絡技術對高校數字圖書館服務質量進行評價，闡述了RBF神經網絡評價模型的設計思想和實現過程，并通過實例樣本分析驗證了所提方法的合理性和有效性。

作者:靳輝單位:哈爾濱金融學院