基于BP 神经网络原理的智能图书推荐系统探究

孟朗

（天津市蓟州区第一中学，天津 301900）

1.绪论

1.1 研究背景与意义

2004 年由美国导演亚历克斯· 普罗亚斯执导的电影《I, Robot》上映，该电影改编自著名科幻作家阿西莫夫机器人系列作品。电影中为人们描绘了未来机器人的图景，它们具有自己的思维和情感，对复杂问题能够做出快速准确的判断，具备严密的逻辑推理能力。可以说，电影中所描绘的机器人是人工智能的高级发展形态，使机器具有人类一样的思维是人们的梦想。然而随着科学的进步，人们离电影中描绘“未来”的距离越来越近。2016 年一款名为Alpha Go 的系统击败了国际围棋冠军李世石，取得了人机大战的胜利。Alpha Go 的出现在国内外掀起了机器学习和人工智能的研究浪潮，我国于2017 年7 月发布了《新一代人工智能发展规划》，对我国人工智能的研究和应用进行了国家层面的部署，随着计算机理论和技术的发展，人工智能正不断融入我们的生活。

本文聚焦人工智能中的BP 神经网络，通过剖析BP神经网络基本原理，创新提出将BP 神经网络应用于图书智能推荐系统，并给出相应解决方案。

1.2 研究文献综述

人工智能实现的关键在于计算机算法，除BP 神经网络算法外，目前已有多种不同原理、不同结构的算法，它们在各个领域也发挥着愈来愈重要的作用。韩晓薇等对人工智能在财会方面的应用进行了展望[1]，论文指出人工智能的出现对传统财务工作产生的颠覆性影响，在此基础上提出了结合人工智能技术进行财务管理的设想，为人工智能背景下财会领域的融合发展提供了参考。史斌等将人工智能技术应用于肝脏移植领域[2]，提出了人工智能技术在肝脏移植过程中的诊疗和干预后所发挥的重要作用，为借助现代信息技术提高肝移植成功率打开了新的思路。贾焰等对人工智能时代下网络安全问题进行了探讨[3]，提出了网络安全人工智能大脑的构建设想，同时对人工智能技术的网络安全性提出了相应建议。

孙烨对人工智能技术领域做了概述和总结[4]，论文整理了人工智能技术发展的历史脉络，对人工智能技术的研究领域进行了概括，并简述了人工智能在当代的应用实例。胡斌聚焦于情感智能计算领域[5]，对心理计算和情感智能的基本概念进行了科普和介绍，作为人工智能领域的方向之一，论文介绍了表情、姿态等生物情感信息的获取和反馈技术，对机器情感识别的原理进行了简要阐述。

2.BP 神经网络的基本原理

如上文所述，目前已有多种不同原理的人工智能算法，如BP 神经网络、卷积神经网络（CNN）等，它们在处理特定的问题上往往具备某些优势，例如卷积神经网络在图像处理方面效果卓著。本文采用BP 神经网络构建一种图书智能分类推荐系统，BP 神经网络算法基本原理简述如下。

2.1 神经元的构成

BP 神经网络是机器学习中最基础的算法，它的基本单元是“神经元”，如图1 所示。神经元对输入的数据进行线性加权和的数学运算，如输入变量x1与x2通过神经元运算后将分别对变量x1乘以权重w1，对变量x2乘以权重w2，并将结果求和输出，如式（1）所示。

图1 神经网络基本单元示意图

根据神经元的定义，图2 中的变量x1与x2通过多个神经元组成的神经网络后输出的结果如式（2）所示。

图2 神经网络中单个神经元示意图

当多次作用后神经元运算后得到的输出可能很大，导致不符合客观规律，因而需要对神经元的输出结果进行限制，常用式(3)所示的“激活函数”对神经元输出结果进行作用，从而起到限制神经元“大值”输出。

通过式（3）的激活函数作用可将神经元的输出限定在一定范围内。将多个神经元组合起来，便可构成“神经网络”，如图3 所示。它由输入变量的输入层，处理数据的隐含层以及输出结果的输出层组成。

图3 BP神经网络结构示意图

2.2 确定神经元的“参数”

神经网络学习过程便是对各神经元系数w1、w2…wn进行优化的过程。即将历史数据代入后使模型输出与历史数据结果的真实值之间的差距最小，这一过程可用式（4）中的方差表示。

使K值最小的系数w1、w2…wn即为训练好的模型，当新的x输入到神经网络中，即可计算出“预测”结果。实际计算时，常采用梯度下降法，通过不断迭代使得式（4）中的方差最小。

3.基于BP 神经网络原理的智能图书推荐系统

书是人类进步的阶梯，人的生活离不开各种各样的书籍，而大部分书籍均通过书店购买或图书馆借阅的方式获得。为了给予读者更好的借阅体验，本节基于BP 人工神经网络算法设计了一个图书智能推荐系统解决方案。

书籍的智能化推荐多主要受客户群体的类型、客户的年龄、性别3 个方面影响。不同的职业角色，不同的性别，不同年龄都会导致特定的人对书籍种类的需求有所差别。由此，本文以客户群体角色、客户性别以及年龄分布作为输入，以书籍类型作为输出构建BP 神经网络，并根据图书馆历史借阅信息对网络进行训练，从而得到成熟的图书智能推荐系统模型。具体方案如下。

3.1 输入层设置

考虑影响客户书籍喜好的主要因素，本文以客户人群类型，年龄，性别作为输入层的输入变量，并进行相应的量化。具体设置如下：

（1）将客户群体类型分为：学生、白领以及工农群体3 个大类，并进行相应赋值，以10 表示学生群体，30 表示白领群体，50 代表工农群体。

（2）将客户年龄从0 ～20 岁，21 ～30 岁，31 ～40岁，41 ～50 岁，51 ～60 岁，61 岁及以上划分为6 个年龄阶段，并分别用5、15、25、35、45、55 赋值。

（3）把不同性别采用0（男性）和100（女性）进行赋值。

3.2 输出层设置

将书籍类型划分为：经典著作、社会科学政治法律、军事科学财经管理以及历史地理文化教育、中小学课本教辅资料、国内外文学、音乐美术雕塑艺术欣赏共7 类，并分别用10、30、50、70、90、110、130 七个不同的值表示。

3.3 模型训练

通过图书馆、书店的信息系统获取大量历史数据，将得到的以上三类输入层数据加载到隐含层的神经元中，再将输出层得到的数据与历史借阅数据进行方差计算，通过梯度下降法使求得的方差最小，从而得到一个训练好的基于BP 人工神经网络的图书智能推荐系统模型。

根据上述模型，当已知客户群体类型、年龄、性别等基础信息时，就能使用模型对其爱好书籍进行大致预测，从而为图书馆、书店等涉及图书管理的相关单位提供智能化辅助决策，实现书籍的高效管理与运营。

4.BP 神经网络的应用领域

BP 神经网络已然是一个非常成熟的应用，无论是在国家基础设施建设，股票市场还是在医药卫生领域，都有BP 神经网络的应用案例。

4.1 基础设施建设领域

在诸多基建工程中，对于地面沉降程度的预测是不可避免的环节，而BP 神经网络可以很好地解决这个问题。一般而言，影响地面沉降程度的因素主要分为自然和人为两个方面。BP 人工神经网络可以基于人为因素对地面沉降程度进行预测，将控沉点处地下水系统的年平均水位和相应地区的地下水开采量作为输入变量，对上述两个数据进行统计。将收集好的数据输入模型，进行学习，得到输出，将得到的数据与已知数据进行对比，多次重复学习过程，不断调节神经网络参数，得到地面沉降预测模型。基于预测模型可以很好地为基建工程提供一个未来短期的地面沉降程度的数据，利于工程师对结构设计进行针对性调整，提高建筑耐用程度。此外，BP 神经网络在桥梁施工的参数识别中、在建筑损伤判断都有广阔的应用前景。

4.2 股票投资领域

在股票市场中，可基于BP 神经网络的基本原理建立相应股票价格走势预测模型。模型以时间为基准，将真实市场数据作为参考，对未来股票价格走势进行预测，再与实际股价进行比对，分析得出结论。这对于股民无疑是一种福音，及时预测大盘走势，将损失降到最低。对于生产业来说，一个优良的股票预测模型将引领企业稳步发展，及时基于市场以及股价走势对生产状况和销售策略进行调整，确保企业在产量足够满足市场的同时也不会产能过剩。对于投资者，当前，中国社会经济快速发展，市场情况瞬息万变，机会稍纵即逝。凭借股票预测模型，投资者有效掌握走势变化趋势，从而进行精准有效的投资，助力我国经济高质量发展，更好地推动新兴企业成长。

4.3 医药卫生领域

在现代医学中，BP 神经网络的应用也取得了很好的应用成果，例如，在临床疾病诊断上，基于前馈型BP 神经网络已经实现部分疾病的诊断。1989 年，美国科学家David 与Ahadenni Skibler 利用已有的数据库，将BP神经网络应用在冠心病预测上，准确率达到77%。在医学影像学方面，基于人工智能开发的自动阅片系统也得到了广泛应用，减轻了医生读片的工作压力。人工智能的应用为无数患者提供了更多可能，对于重症患者，基于人工智能可实现病发时间预测，使医生进行充足准备，使患者减轻痛苦，提高存活率。在生物医药领域或疾病预防领域，基于神经网络的药物分子设计，为研究人员提供了一种辅助手段，从而加快新药的研发进程。

可以说现代人工智能正在从多个方面改善着人们的生产方式和日常生活，随着科学的进一步发展，论文开头所提到的电影《I, Robot》中描绘的未来世界必将变成可触及的现实。

5.结语

本文围绕人工智能领域，探究了BP 神经网络算法基本原理，基于BP 神经网络创新提出一种图书智能推荐系统解决方案，通过对不同人群特点进行人工智能学习与训练，可推测出其阅读倾向，从而为图书馆、书店等涉及图书管理的相关单位提供智能化辅助决策。论文最后从基础设施建设、股票投资以及医药卫生3 个方面综述了BP 神经网络的应用，未来随着人工智能的进步，人类的生活必将进入一个崭新的纪元！