高校数字图书馆服务质量评价论文

一、RBFNN结构及训练算法

输入层节点传递输入信号到隐层，隐层节点的基函数是中心径向对称衰减的非负非线性函数，其作用是对输入信号在局部产生响应，当输入信号靠近基函数的中央范围时，隐层节点将产生较大输出。该网络的性能主要取决于隐层基函数的中心和宽度。输出层的激活函数形式为线性函数，为基函数输出的线性组合。本文RBFNN训练主要分为3步进行:首先，采用统计和机器学习过程中非常普遍的分治法，以无监督方式把输入空间划分成区域，使得组内成员之间存在某种相似性的过程，由局部最优达到整体优化。其次，采用生长及剪修模型来确定RBFNN隐层节点数，(根据网络训练算法中修剪法确定，实验已验证，隐层节点数为训练样本数减1时，误差面没有局部极小)。对噪声或破损数据点进行方差估计，以构造出一个最佳逼近效果的RBFNN网络结构;最后，利用最大似然法来校正输出层，以进一步提高网络输出的精确度。

二、评价指标的确定

进行高校数字图书馆服务质量评价，首先必须确定一套科学的质量评价指标。评价指标的设计要遵循以下几个原则:

(1)要从整体特征角度系统地把握主要方面;

(2)重客观典型性，不能交叉重复且易于操作、推广和实施;

(3)指标数量适中，利于评价者正确理解指标涵义;

(4)指标的设定要有科学性和前瞻性。笔者根据工作实践，并参照图书馆服务工作方面的相关国际标准及法规文件，比如《最新高校图书馆评估指标标准与管理规范指导手册目录》、ISO11620、ISO/TR20983等，分析高校数字图书馆特征的基础上，通过各种调查方式，从网络可用性、存储系统、资源供给、检索与文献传递、咨询服务等5个方面构建了高校数字图书馆服务质量评价指标体系。具体如图1所示，需要说明的是资源的完备性需大于90%、资源的重复率需小于30%、检索的全准率需大于90%。高校数字图书馆服质量评价是一种典型的模式识别问题。高校数字图书馆服质量评价指标多，这些指标间相互关联，且呈高度非线性、复杂性和模糊性，因此采用传统数学模型无法建立准确的评价模型。RBFNN是一种人工智能学习方法，对于非线性和模糊的数据具有较高的识别能力，因此非常适合于高校图书馆馆藏质量评价。因此本文将RBFNN引入到高校图书馆馆藏质量评价问题的求解中。

三、仿真结果

结合哈尔滨金融学院的数字图书馆的服务做问卷调查，请师生对数字图书馆的服务打分，为了使评价客观合理。在选择评价人时选择具有不同职称和学历的80名数字图书馆使用者作为评价人，将图1中的25个选项作为打分对象。这些评价人中有教授、副教授、本科生和专科生。评价的等级与打分的对应关系。训练样本所反映的图书馆服务质量评价结果与实际馆藏质量结果较为接近，其输出的误差为0．15以内。对哈尔滨金融学院数字图书馆服务的评价结果比较客观实际。说明本文提出的基于RBF的高校图书馆服务质量评价是有效可行的。可以使得服务质量评价的准确率更高。

四、结束语

高校数字图书馆服务质量评价是一个多因素、多指标、模糊的非线性过程。评价指标的设定要能够准确反映实际馆情。评价模型选择时要考虑评价结果的误差和实际情况反映的准确率。本文结合哈尔滨金融学院图书馆的工作实践设计了高校数字图书馆服务质量评价指标体系，并获取了直接评价数据，采用学习速度较快、易于收敛的径向基函数神经网络技术对高校数字图书馆服务质量进行评价，阐述了RBF神经网络评价模型的设计思想和实现过程，并通过实例样本分析验证了所提方法的合理性和有效性。

作者:靳辉单位:哈尔滨金融学院