探析基于人工神经网络的图书馆服务质量评价

时间：2024-09-06 23:39:00 网络工程毕业论文我要投稿

相关推荐

　　人工神经网络(Artificial Neural Networks，简写为ANNs)是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习和自适应的能力。

探析基于人工神经网络的图书馆服务质量评价

　　摘要：以环境、馆藏资源、服务方式和硬件设备等9个影响图书馆服务质量的参数作为评价指标，采用BP神经网络的相关理论方法，以问卷调查结果作为分析数据的基础，对江西省内的20所图书馆的服务质量进行了评价研究。仿真结果表明，采用构建的神经网络可以快速而准确地对图书馆服务质量进行评价。

　　关键词：BP神经网络;评价指标;问卷调查;服务质量评价

　　引言

　　随着我国科学文化的发展，各种类型的图书馆正发挥着越来越大的作用。随着人们的阅读需要在用户体验要求等各方面的提高，对图书馆服务质量的要求也越来越高。而对图书馆的服务质量进行客观、准确、高效的评价是图书馆优化服务流程、改善服务质量和提高服务水平的基础。为此，本文引入了一种全新的评价体系和方法，即采用BP神经网络的方法对图书馆服务质量进行评价，该方法具有操作简便，评价快速准确的特点。

　　一、评价指标的确定

　　1.1 指标参考

　　为了更好的对图书馆的服务质量进行评价，本文参考《图书馆评估指标标准与管理规范指导手册》和ISO11620等标准化文件构建图书馆服务质量评价体系。该体系一共包括了对图书馆服务质量影响较为显著的9个因素作为评价的参考指标：即馆藏纸质资源(X1)、环境(X2)、服务人员(X3)、服务方式(X4)、硬件设备(X5)、软件设备(X6)、数字资源(X7)、个性化服务(X8)、服务结果(X9)。基于这9组评价指标，利用BP神经网络的分类评价能力，本文建立了基于BP神经网络的图书馆服务质量评价模型。

　　为了更好地描述样本图书馆的服务质量，本文针对服务质量的评价特性和评价指标的选取特点将服务水平分为5个等级并对其赋予相应的分数：优(5分)、良(4分)、中(3分)、差(2分)、非常差(1分)。

　　1.2 数据来源

　　本文采用问卷调查的方式对江西省的20所图书馆的服务质量进行调查，共发出300份问卷，回收287份，其中有效问卷276份，问卷有效率为92%。对问卷进行统计，计算出每所图书馆的各项评价指标对应的分数，并利用参考文献的权值计算方式计算出每个图书馆的服务评价水平，如表1所示。

　　二、BP神经网络

　　2.1 BP神经网络的原理

　　BP神经网络是一种前馈型误差修正的人工神经网络，它通过不断调整各个单元层之间的网络权值和阈值实现网络的训练。BP神经网络主要运行由信号的正向传播和误差的逆向传播两个过程组成，通过不断地权重调整，可以实现网络误差的不断缩小。

　　2.2 神经网络模型的建立

　　本文采用含一个隐藏层的神经网络结构进行分析，由于输入单元的数目为9，输出单元均为1，根据经验公式可选隐含层单元数为1～10之间的整数，采用试凑法得到隐含层神经元与均方平均值(MSE)的曲线关系，如图1所示。其中隐层神经元数目为9时，得到的MSE值最小为6，所以确定的隐含层神经元数为9。

　　本文构建的BP神经网络的结构如图2所示。

　　2.3 BP神经网络模型的训练

　　选取表1中的15组数据在Matlab中对神经网络进行训练，其中期望误差设为10-5。训练过程中，BP神经网络误差的变化形式如图3所示。

　　由图3可知，当训练经过84次迭代后达到了满意的误差期望。