基于广义加性模型的图书馆借阅预测研究

作者：陈金传; 成志强

来源：图书馆杂志, 2023, 42(06): 47-55.

DOI：10.13663/j.cnki.lj.2023.06.006

• 广义加性模型
• 图书馆
• Nesterov加速
• Power Iteration方法

本文意图通过建立读者特征、不同类别图书流通量、读者借阅时间3者的关系模型，探索读者特征与借阅趋势之间的隐含规律，为图书馆的智慧管理提供可靠且快速的预测与分析。本文创新性地提出了基于广义加性模型(GAM)的3阶段快速拟合模型，采用Onehot编码、线性和非线性3种函数进行数据拟合，建立读者特征与图书流通的回归模型。考虑到图书馆数据的庞大性，本文利用Nesterov方法和Power Iteration方法对回归模型进行加速，在保证回归准确率的前提下，大幅度提高了算法速度。在真实图书馆数据上的实验表明，本文方法相较于纯线性模型准确性可以提高约70%，速度仅下降约30%；相较于纯非线性模型速度可以提高约6倍，而准确率仅下降约15%，较好地满足图书馆大规模数据的分析。