洪碧云

摘要： 關(guān)聯(lián)規(guī)則分析是當(dāng)前數(shù)據(jù)挖掘研究的重要模式之一，可以定量地處理圖書館學(xué)領(lǐng)域中各類優(yōu)化問(wèn)題。本文在簡(jiǎn)要介紹關(guān)聯(lián)規(guī)則分析的基礎(chǔ)上，從流通信息、個(gè)性化推送、文獻(xiàn)計(jì)量、信息檢索等方面總結(jié)了關(guān)聯(lián)規(guī)則分析法在國(guó)內(nèi)圖書館學(xué)領(lǐng)域的應(yīng)用。

關(guān)鍵詞： 關(guān)聯(lián)規(guī)則分析數(shù)據(jù)挖掘數(shù)字圖書館

近年來(lái)，數(shù)據(jù)挖掘（data mining，也稱知識(shí)發(fā)現(xiàn)（knowledge discoveryin databases，簡(jiǎn)稱KDD），受到當(dāng)今圖書情報(bào)領(lǐng)域的廣泛重視，其主要目的就是設(shè)計(jì)算法，用于從海量數(shù)據(jù)中發(fā)現(xiàn)未知的、潛在的、讀者感興趣的有用信息。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘研究中的一個(gè)重要的研究課題。

1.關(guān)聯(lián)分析規(guī)則基本原理

Agrawal等人（1993年）[1]最先發(fā)現(xiàn)了顧客交易數(shù)據(jù)庫(kù)中的項(xiàng)集間存在關(guān)聯(lián)規(guī)則，其核心方法是基于頻集理論的遞推方法，它側(cè)重于確定數(shù)據(jù)中不同屬性域之間的聯(lián)系找出頻繁的數(shù)據(jù)屬性域之間的相互關(guān)系。定義為：

、

此后人們對(duì)關(guān)聯(lián)規(guī)則的挖掘問(wèn)題進(jìn)行了大量研究，包括對(duì)Apriori算法優(yōu)化[2]、多層次關(guān)聯(lián)規(guī)則算法[3]、多值屬性關(guān)聯(lián)規(guī)則算法[4]等，以提高算法挖掘規(guī)則的效率。

關(guān)聯(lián)規(guī)則的挖掘一般可分成兩個(gè)子問(wèn)題：①找出所有支持度≥最小支持度閾值的頻繁項(xiàng)集。②由頻繁模式生成滿足可信度閾值的關(guān)聯(lián)規(guī)則。第二個(gè)問(wèn)題比較容易，它在第一步的基礎(chǔ)上很容易實(shí)現(xiàn)，因此關(guān)聯(lián)規(guī)則挖掘算法的性能主要由第一個(gè)問(wèn)題決定。因?yàn)檫@個(gè)問(wèn)題的挑戰(zhàn)性在于數(shù)據(jù)量巨大，所以算法的效率是關(guān)鍵。

2.關(guān)聯(lián)規(guī)則分析在國(guó)內(nèi)圖書館學(xué)領(lǐng)域的應(yīng)用

關(guān)聯(lián)規(guī)則分析經(jīng)過(guò)十幾年的發(fā)展，目前已經(jīng)在各個(gè)領(lǐng)域廣泛應(yīng)用。從國(guó)內(nèi)已有的研究成果來(lái)看，國(guó)內(nèi)圖書情報(bào)界越來(lái)越重視關(guān)聯(lián)規(guī)則分析在圖情領(lǐng)域各類優(yōu)化問(wèn)題的定量應(yīng)用，并針對(duì)不同主題進(jìn)行了一系列的探討和研究，涉及的主題主要包括關(guān)聯(lián)規(guī)則分析在流通信息、個(gè)性化推送、文獻(xiàn)計(jì)量、信息檢索、知識(shí)管理等方面的應(yīng)用。

2.1在流通信息統(tǒng)計(jì)中的應(yīng)用

在讀者日常借閱記錄事務(wù)中，每天都有大量的借還記錄匯入數(shù)據(jù)庫(kù)中。讀者借閱的對(duì)象是文獻(xiàn)資源，根據(jù)長(zhǎng)期的讀者借閱歷史數(shù)據(jù)，我們會(huì)發(fā)現(xiàn)讀者對(duì)文獻(xiàn)的借閱存在著一定的關(guān)聯(lián)，不同學(xué)科之間也存在著關(guān)聯(lián)，以及不同的讀者對(duì)文獻(xiàn)的借閱存在著一定的模式。挖掘出這些數(shù)據(jù)之間的關(guān)聯(lián)，有利于合理配置資源和提高資源的利用率，以提高圖書館的服務(wù)水平。圖書流通量是反映圖書利用率的最重要的技術(shù)指標(biāo)，更是反映圖書館服務(wù)質(zhì)量的重要因素。影響圖書流通量的因素是紛繁復(fù)雜的，這些因素不僅包括館藏圖書種類和數(shù)量的多少、借閱方式的差異、讀者群體的大小、借閱權(quán)限的區(qū)分，而且包括由于讀者個(gè)體間的差異和不同性別、年齡、不同專業(yè)及知識(shí)層次的讀者對(duì)讀物產(chǎn)生的不同需求。顯然，在上述復(fù)雜而又相關(guān)的各因素中，既有大量已知信息，又有不少未知信息、非確知信息。圖書流通系統(tǒng)的這種既含有已知信息，又含有未知的、非確知的信息，實(shí)際上是一種灰色系統(tǒng)[5]。關(guān)聯(lián)規(guī)則的挖掘可以發(fā)現(xiàn)圖書館流通數(shù)據(jù)庫(kù)中一組借閱書籍之間某種關(guān)聯(lián)關(guān)系的規(guī)則，其作用在于對(duì)圖書流通的關(guān)聯(lián)性分析和相關(guān)借閱圖書的推薦。這樣可以優(yōu)化圖書館館藏結(jié)構(gòu)、館內(nèi)書籍分布，不僅可以幫助師生的學(xué)習(xí)教研工作，甚至可以發(fā)掘不同學(xué)科間的隱藏聯(lián)系[6]。

珵繼華[7]等認(rèn)為多維數(shù)據(jù)空間數(shù)據(jù)的稀疏性，在低層或原始層的數(shù)據(jù)項(xiàng)之間很難找出強(qiáng)關(guān)聯(lián)規(guī)則。在較高的概念層發(fā)現(xiàn)強(qiáng)關(guān)聯(lián)規(guī)則很可能提供普遍意義的知識(shí)。而多層關(guān)聯(lián)規(guī)則挖掘是直接面向海量數(shù)據(jù)庫(kù)系統(tǒng)的，這類數(shù)據(jù)庫(kù)通常有上百個(gè)屬性和數(shù)百萬(wàn)個(gè)記錄，并且數(shù)據(jù)表之間包含復(fù)雜的關(guān)系，這就必然導(dǎo)致數(shù)據(jù)挖掘過(guò)程中搜索維數(shù)和搜索空間的激增，利用高性能分布式計(jì)算機(jī)設(shè)計(jì)分布式多層關(guān)聯(lián)規(guī)則算法來(lái)進(jìn)行高效的分布式挖掘已經(jīng)成為當(dāng)前數(shù)據(jù)挖掘的一個(gè)迫切需要解決的問(wèn)題。

聶珍[8]在分析單數(shù)據(jù)庫(kù)多層關(guān)聯(lián)規(guī)則算法SMAM的基礎(chǔ)上提出了分布式多層關(guān)聯(lián)規(guī)則挖掘算法PMAM，使得其具有較高的分布式特點(diǎn)。在PMAM算法中利用全局頻繁與局部頻繁之間的關(guān)系減少候選集，并利用概念間的層次關(guān)系及項(xiàng)集長(zhǎng)度的分布規(guī)律對(duì)事務(wù)表進(jìn)行約減。這樣可使算法的效率得到提高，改善了內(nèi)存的使用率。

2.2在個(gè)性化推送中的應(yīng)用

未來(lái)圖書館的發(fā)展趨勢(shì)是數(shù)字化的，然而目前，國(guó)內(nèi)圖書館技術(shù)與應(yīng)用基礎(chǔ)薄弱，起步較晚，網(wǎng)絡(luò)個(gè)性化服務(wù)發(fā)展更是滯后，其應(yīng)用仍處于初始探索階段。鑒于數(shù)據(jù)挖掘技術(shù)在數(shù)據(jù)的組織、分析與發(fā)現(xiàn)等方面存在巨大的潛力，學(xué)術(shù)界普遍認(rèn)為它可為數(shù)字圖書館的個(gè)性化服務(wù)提供關(guān)鍵技術(shù)。

圖書推薦服務(wù)是圖書館個(gè)性化服務(wù)的一種，在圖書館巨大的館藏資源中，每個(gè)讀者感興趣的只能是其中的一小部分，如何高效率地找出對(duì)讀者有用的書目是圖書館學(xué)要研究的問(wèn)題[9]。數(shù)字圖書館個(gè)性化服務(wù)是基于用戶的行為、習(xí)慣、偏好、特點(diǎn)及特定需求，向用戶提供滿足其個(gè)性化需求的信息內(nèi)容和功能的一種服務(wù)[10]。

鮑靜[11]運(yùn)用Apriori算法通過(guò)對(duì)讀者借閱數(shù)據(jù)的關(guān)聯(lián)挖掘，挖掘出各年齡層次、各職業(yè)、各學(xué)歷層次及不同職稱的讀者對(duì)圖書館圖書資源利用的關(guān)聯(lián)規(guī)則，并引入興趣度，對(duì)挖掘出的關(guān)聯(lián)規(guī)則做進(jìn)一步分析，分析正相關(guān)關(guān)聯(lián)規(guī)則、負(fù)關(guān)聯(lián)規(guī)則，并根據(jù)興趣度來(lái)分析規(guī)則的有效性，提出了基于關(guān)聯(lián)挖掘的讀者個(gè)性化服務(wù)模型，由借閱記錄數(shù)據(jù)庫(kù)、數(shù)據(jù)挖掘引擎、圖形用戶界面、匹配器、規(guī)則庫(kù)等部分組成。

韓開(kāi)來(lái)[12]等利用讀者五年內(nèi)書籍的借閱數(shù)據(jù)，在Apriori關(guān)聯(lián)挖掘算法的基礎(chǔ)上，對(duì)事務(wù)集中每個(gè)項(xiàng)集按每個(gè)項(xiàng)的最小支持度從小到大排列有序，最小支持度的值采用根據(jù)每個(gè)項(xiàng)的值結(jié)合用戶指定的最小支持度上限和下限來(lái)計(jì)算。針對(duì)新書推薦特點(diǎn)，采用新書推薦關(guān)聯(lián)規(guī)則挖掘隱藏在借閱歷史數(shù)據(jù)中的有價(jià)值的信息。為個(gè)性化服務(wù)平臺(tái)的構(gòu)建打下基礎(chǔ)；轉(zhuǎn)換圖書館的服務(wù)模式，由被動(dòng)轉(zhuǎn)為主動(dòng)，建立以讀者為中心的個(gè)性化服務(wù)體系。

2.3在文獻(xiàn)計(jì)量中的應(yīng)用

在文獻(xiàn)計(jì)量學(xué)的研究中，通常需要通過(guò)定量分析以確定核心期刊、核心作者、核心情報(bào)源等等。對(duì)最優(yōu)目標(biāo)或某種具體要求的量化數(shù)據(jù)列，即標(biāo)準(zhǔn)數(shù)據(jù)列或最優(yōu)數(shù)據(jù)列，來(lái)源一般有兩種方式[13]，一種是人為指定，另一種是從被分析的項(xiàng)集合的指標(biāo)值中選取最優(yōu)值。用關(guān)聯(lián)分析法進(jìn)行處理，相較其他方法具有更為廣泛的適用性，只要是由某些指標(biāo)數(shù)據(jù)來(lái)對(duì)目標(biāo)項(xiàng)或要求進(jìn)行優(yōu)化排序的均可用此法。方法簡(jiǎn)單，原理直觀明了，計(jì)算量較少，對(duì)指標(biāo)因素?zé)o任何限制，因此應(yīng)用廣泛。

科學(xué)文獻(xiàn)的編排格式為文獻(xiàn)計(jì)量學(xué)提供了可統(tǒng)計(jì)的外部特征。鄒常詩(shī)[14]從引文、關(guān)鍵詞、分類號(hào)等外部特征入手，采用文獻(xiàn)計(jì)量方法分析了文獻(xiàn)的關(guān)聯(lián)性——相關(guān)文獻(xiàn)群和相關(guān)著者群，并闡述了兩個(gè)相關(guān)群的實(shí)際應(yīng)用。

楊代慶等[15]分別從合著者、共關(guān)鍵詞、共引三個(gè)角度對(duì)來(lái)自于萬(wàn)方數(shù)字化期刊群、SCI、EI的院士期刊文獻(xiàn)進(jìn)行關(guān)聯(lián)性分析，通過(guò)期刊及院士作為媒介，最終映射到學(xué)部之間的關(guān)聯(lián)關(guān)系。根據(jù)生成的關(guān)聯(lián)圖從關(guān)聯(lián)廣度、關(guān)聯(lián)孤立性、關(guān)聯(lián)強(qiáng)度分析了學(xué)部之間的關(guān)聯(lián)程度及原因，并揭示了作為合著者的外部文獻(xiàn)特征與作為關(guān)鍵詞、共引的內(nèi)容特征在學(xué)部關(guān)聯(lián)性上的差異。

曹志杰[16]等提出了基于共詞分析的隱性關(guān)聯(lián)知識(shí)發(fā)現(xiàn)方法，用于發(fā)現(xiàn)這些尚未被發(fā)現(xiàn)的聯(lián)系或復(fù)現(xiàn)這些被主觀隱藏的特定聯(lián)系，揭示出技術(shù)發(fā)展動(dòng)向，以提高情報(bào)研究質(zhì)量和情報(bào)工作地位。

徐慧[17]等利用頻數(shù)統(tǒng)計(jì)、關(guān)聯(lián)規(guī)則算法，對(duì)中國(guó)中醫(yī)藥期刊文獻(xiàn)數(shù)據(jù)庫(kù)中1984～2007年病毒性心肌炎文獻(xiàn)涉及的主題詞和副主題詞進(jìn)行分析，抽取隱含規(guī)律，為病毒性心肌炎的臨床診療及科研提供思路。

2.4在信息檢索中的應(yīng)用

金瑋[18]等針對(duì)Web信息檢索系統(tǒng)在海量數(shù)據(jù)下的服務(wù)質(zhì)量和效率問(wèn)題，討論了數(shù)據(jù)挖掘技術(shù)在Internet信息檢索中的運(yùn)用，在經(jīng)典的關(guān)聯(lián)規(guī)則算法研究基礎(chǔ)上，通過(guò)引入多維鏈表結(jié)構(gòu)，提出了利用事務(wù)集合匹配運(yùn)算和鏈表操作高效地挖掘關(guān)聯(lián)規(guī)則的算法ARMLL用于提高Web信息檢索質(zhì)量。實(shí)驗(yàn)結(jié)果表明該算法是可行的，有較高的效率。

黃名選[19]等以關(guān)聯(lián)規(guī)則挖掘技術(shù)的發(fā)展為主線，將目前的研究方法歸納為五類：項(xiàng)無(wú)加權(quán)關(guān)聯(lián)規(guī)則挖掘、項(xiàng)加權(quán)關(guān)聯(lián)規(guī)則挖掘、項(xiàng)完全加權(quán)關(guān)聯(lián)規(guī)則挖掘、負(fù)關(guān)聯(lián)規(guī)則挖掘和增量挖掘，對(duì)這五類挖掘技術(shù)進(jìn)行整體性闡述和比較性研究，指出了挖掘技術(shù)的局限性。

劉俊熙[20]認(rèn)為搜索引擎以一定的策略在互聯(lián)網(wǎng)中搜集、發(fā)現(xiàn)信息，對(duì)信息進(jìn)行理解、提取、組織和處理，并為用戶提供檢索服務(wù)，對(duì)搜索引擎的相關(guān)技術(shù)（搜索技術(shù)、索引技術(shù)、檢索技術(shù)和接口技術(shù)）進(jìn)行關(guān)聯(lián)分析。

于春[21]等介紹相關(guān)性是信息檢索科學(xué)的核心概念，用戶觀點(diǎn)則是相關(guān)性研究的主要觀點(diǎn)；從用戶角度研究相關(guān)性理論，以試驗(yàn)法為研究方法，力圖證明存在一個(gè)核心的、可以跨不同用戶類型、問(wèn)題情境和信息源環(huán)境的關(guān)于信息用戶在信息需求檢索中的相關(guān)性判斷的因素集，以此闡述如何提高信息檢索的準(zhǔn)確率，指導(dǎo)信息用戶能夠及時(shí)、準(zhǔn)確地查找到所需信息。

2.5其他方面

除以上幾個(gè)方面外，關(guān)聯(lián)分析還應(yīng)用在圖書館學(xué)領(lǐng)域的諸多方面。有的學(xué)者運(yùn)用灰色關(guān)聯(lián)度分析法對(duì)所調(diào)研圖書館讀者滿意程度進(jìn)行對(duì)比分析，并進(jìn)一步對(duì)讀者滿意度評(píng)價(jià)指標(biāo)進(jìn)行灰色關(guān)聯(lián)分析，得出影響圖書館讀者滿意度的主要指標(biāo)[22]。還有學(xué)者將關(guān)聯(lián)規(guī)則分析應(yīng)用在期刊評(píng)價(jià)、館藏建設(shè)、專利分析等方面。

3.關(guān)聯(lián)規(guī)則分析在國(guó)內(nèi)圖書館學(xué)領(lǐng)域應(yīng)用的總結(jié)和思考

從關(guān)聯(lián)規(guī)則分析在國(guó)內(nèi)圖書館學(xué)領(lǐng)域應(yīng)用的文獻(xiàn)數(shù)量來(lái)看，國(guó)內(nèi)學(xué)者越來(lái)越重視這種分析工具的應(yīng)用。從近年來(lái)文章的主題來(lái)看，關(guān)聯(lián)規(guī)則分析在國(guó)內(nèi)圖書情報(bào)領(lǐng)域應(yīng)用的研究主要集中在以下幾個(gè)方面：（1）在流通信息統(tǒng)計(jì)中的應(yīng)用；（2）在個(gè)性化服務(wù)推介方面的應(yīng)用；（3）文獻(xiàn)計(jì)量分析；（4）信息檢索方面的應(yīng)用；（5）讀者滿意度滿意度評(píng)價(jià)，此外還包括期刊評(píng)價(jià)、館藏建設(shè)、專利分析、編目規(guī)則、文獻(xiàn)采訪、學(xué)科館員選拔、知識(shí)管理和競(jìng)爭(zhēng)情報(bào)等。

通過(guò)對(duì)國(guó)內(nèi)研究的分析，可以看到該主題的研究越來(lái)越豐富，應(yīng)用越來(lái)越廣泛，既有理論研究，又有實(shí)踐探討。但是同國(guó)外相比，國(guó)內(nèi)的理論探討不夠深入，實(shí)證研究相對(duì)比較少，因此不論從理論還是實(shí)踐上都需要向國(guó)外借鑒和學(xué)習(xí)。

參考文獻(xiàn)：

[1]Agrawal R，Srikant R.Mining association rules between sets of items in large databases[A].Prco ACM SIGMOD Intl Conf Management of data[C].Washington DC， May，1993：207-216.

[2]Agrawal R，SrikantR. Fast algorithms for mining association rules[A].Prco 20th Intl Conf Very Large Database[C].Santiago，Chile，Sept，1994：487-499.

[3]Srikant R，Agrawal R.Mining generalized association rules[A].Proceedings of the 21th International Conference on Very Large Databases[C].Zurich，Switzerland，Sept，1995：407-419.

[4]尹阿東等.基于數(shù)值屬性的關(guān)聯(lián)規(guī)則挖掘算法[J].微機(jī)發(fā)展，2003（4）：67-70.

[5]高波.對(duì)高校圖書流通的灰關(guān)聯(lián)法分析[J].遼寧師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2001（03）：327-330.

[6]王磊，劉東蘇.關(guān)聯(lián)規(guī)則挖掘在圖書館信息服務(wù)中的應(yīng)用[J].情報(bào)雜志，2008（2）：154-158.

[7]珵繼華，施鵬飛.多層關(guān)聯(lián)規(guī)則的有效挖掘算法[J].軟件學(xué)報(bào)，1998（12）：937-941.

[8]聶珍.分布式多層關(guān)聯(lián)規(guī)則在圖書流通優(yōu)化中的應(yīng)用[J].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2008（22）：1-3.

[9]夏南強(qiáng)，張紅梅.基于數(shù)據(jù)挖掘的數(shù)字圖書館個(gè)性化服務(wù)[J].圖書館學(xué)研究，2006（1）：32-34.

[10]馬文峰.數(shù)字圖書館個(gè)性化信息服務(wù)檢索[J].圖書館雜志，2003（4）：65-67.

[11]鮑靜.關(guān)聯(lián)規(guī)則挖掘及其在圖書流通數(shù)據(jù)中的應(yīng)用研究[D].合肥工業(yè)大學(xué)，2007.

[12]韓開(kāi)來(lái).關(guān)聯(lián)規(guī)則在圖書館新書推薦中的研究[J].科技信息，2008（6）：10-13.

[13]李蔭濤.關(guān)聯(lián)分析法在情報(bào)學(xué)中的應(yīng)用.情報(bào)理論與實(shí)踐，1990（1）：5-8.

[14]鄒常詩(shī).科學(xué)文獻(xiàn)計(jì)量分析與文獻(xiàn)關(guān)聯(lián)性研究[J].情報(bào)資料工作，2000（4）：18-20.

[15]楊代慶等.從院士期刊文獻(xiàn)對(duì)學(xué)部關(guān)聯(lián)度的挖掘探索[J].情報(bào)雜志，2009（8）：26-29.

[16]曹志杰，冷伏海.共詞分析法用于文獻(xiàn)隱性關(guān)聯(lián)知識(shí)發(fā)現(xiàn)研究[J].情報(bào)理論與實(shí)踐，2009（10）：99-103.

[17]徐慧等.病毒性心肌炎主題詞和副主題詞關(guān)聯(lián)規(guī)則分析[J].世界科學(xué)技術(shù)：中醫(yī)藥現(xiàn)代化，2009（4）：593-596.

[18]金瑋等.Web信息檢索技術(shù)中關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用研究.情報(bào)雜志，2007（01）：39-42.

[19]黃名選，陳燕紅.關(guān)聯(lián)規(guī)則挖掘技術(shù)研究[J].情報(bào)雜志：2008（4）：119-121，115.

[20]劉俊熙.搜索引擎的搜索、索引和檢索技術(shù)的關(guān)聯(lián)分析[J].圖書館學(xué)研究，2005（09）：84-86.

[21]于春等.信息用戶對(duì)信息檢索相關(guān)性判斷的因素分析.圖書情報(bào)工作，2009（03）：103-107.

[22]鄭艷玲.灰色關(guān)聯(lián)分析在讀者滿意度評(píng)價(jià)中的應(yīng)用[J].情報(bào)雜志，2007（02）：117-120.