探析基于人工神经网络的图书馆服务质量评价

时间:2020-10-24 19:34:20 网络工程毕业论文 我要投稿

探析基于人工神经网络的图书馆服务质量评价

  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。

  2.4 结果对比

  利用表1中剩余的5个样本对训练出的神经网络进行测试实验,并将结果与通过权值计算的结果进行比较,如表3所示。

  由表3可以看到,经过训练后的BP神经网络可以很好地对图书馆的服务质量进行评价分析,且分析结果的精度较高。

  三、结语

  本文通过在图书馆的服务质量分析中引入人工神经网络的相关理论和方法,对通过问卷调查法收集的样本进行训练和分析。试验结果表明,本文构建的三层神经网络模型可以很好地判断出不同图书馆的不同服务质量水平,采用此方法可以大大提高对图书馆服务质量的评价效率。

  参考文献:

  [1] 孙飞.精通Matlab神经网络[M].北京:中国计算机工业出版社,2014.

  [2] 刘洋.神经网络技术在高校教学水平评价中的应用[J].教育与教学,2015(1):122-128.

  [3] 陈庆梅.图书馆读者满意度模型的建立[J].大学图书情报学刊,2006,24(6):73-75.

  [4] 周瑛,刘天娇.基于神经网络的高校图书馆知识服务评价体系研究[J].情报理论与实践,2013,36(2):55-59.

  [5] 陈瑾,刘乐.基于CMAC神经网络的网络控制系统模糊PD控制[J].物联网技术,2015,5(2):46-49.

  [6] 尤胜.基于异构技术的数字图书馆信息统计平台[J].现代电子技术,2016,39(7):167-170.

【探析基于人工神经网络的图书馆服务质量评价】相关文章:

1.探析基于学习型组织理论的学习型图书馆创建思考

2.基于自编码神经网络建立的搜索信息模型

3.基于改进BP的神经网络模型参考自适应控制

4.基于荣格原型理论下的道德探析

5.基于知识共享的组织文化探析论文

6.探析基于电子商务的组织创新

7.基于知识共享的组织文化探析的论文

8.人工神经网络与车辆的结合论文