王蕾（山東中醫(yī)藥大學(xué)圖書館，山東濟(jì)南250300）

數(shù)據(jù)挖掘技術(shù)在高校圖書館個(gè)性化書目推薦服務(wù)中的應(yīng)用

王蕾
（山東中醫(yī)藥大學(xué)圖書館，山東濟(jì)南250300）

[摘要]數(shù)據(jù)挖掘技術(shù)在高校圖書館個(gè)性化書目推薦服務(wù)中的應(yīng)用很有必要，闡述個(gè)性化書目推薦服務(wù)系統(tǒng)的設(shè)計(jì)目的和設(shè)計(jì)思路，設(shè)計(jì)其整體構(gòu)架、功能模塊和工作流程，并指出數(shù)據(jù)挖掘的主要實(shí)施過(guò)程、數(shù)據(jù)源的選取和借閱信息處理等。

[關(guān)鍵詞]數(shù)據(jù)挖掘技術(shù)個(gè)性化服務(wù)書目推薦高校圖書館

[分類號(hào)]G252.1

隨著數(shù)字化時(shí)代的到來(lái)，高校圖書館館藏信息資源越來(lái)越豐富，種類和形式日益多樣化，面對(duì)這些海量的資源，讀者在查詢自己所要的信息時(shí)不僅要花費(fèi)大量的時(shí)間，而且到最后得到的信息也可能價(jià)值不大。對(duì)廣大讀者來(lái)說(shuō)，目前的難題是如何從海量的資源中準(zhǔn)確尋求到自己所需的信息資源，這對(duì)高校圖書館而言這也是一個(gè)不小的挑戰(zhàn)。

基于讀者的個(gè)性化閱讀需求，管理者應(yīng)該逐步創(chuàng)新高校圖書館的服務(wù)模式，把圖書館的服務(wù)功能變被動(dòng)為主動(dòng)。在圖書館服務(wù)功能中，數(shù)據(jù)挖掘技術(shù)的產(chǎn)生和發(fā)展，為圖書館個(gè)性化服務(wù)的開展創(chuàng)造了有利條件。

1數(shù)據(jù)挖掘技術(shù)及其特點(diǎn)

數(shù)據(jù)挖掘是從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)，是一個(gè)對(duì)大量數(shù)據(jù)進(jìn)行分析的復(fù)雜過(guò)程，通過(guò)這一過(guò)程可以把未知的、有價(jià)值的知識(shí)抽取挖掘出來(lái)。數(shù)據(jù)挖掘設(shè)計(jì)的學(xué)科領(lǐng)域很多，是一個(gè)交叉學(xué)科領(lǐng)域，使用的方法也很多，包括數(shù)據(jù)庫(kù)技術(shù)、神經(jīng)網(wǎng)絡(luò)、可視化等。

數(shù)據(jù)挖掘首先把數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行清洗并集成進(jìn)入到數(shù)據(jù)倉(cāng)庫(kù)中，數(shù)據(jù)清洗不僅可以清除噪聲，還可以把與主題無(wú)關(guān)的數(shù)據(jù)都清除出去；數(shù)據(jù)的集成是把組合多數(shù)據(jù)源的相關(guān)數(shù)據(jù)有機(jī)地集中。進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)還要進(jìn)行選擇和轉(zhuǎn)換進(jìn)入到特定的數(shù)據(jù)集中，這部分主要是轉(zhuǎn)換數(shù)據(jù)的存儲(chǔ)形式，以便于數(shù)據(jù)挖掘的進(jìn)行。其次，針對(duì)特定數(shù)據(jù)集中的數(shù)據(jù)，數(shù)據(jù)挖掘技術(shù)的利用主要體現(xiàn)在對(duì)數(shù)據(jù)模式或者數(shù)據(jù)規(guī)律的挖掘，其僅僅是數(shù)據(jù)挖掘總體中的一部分。最后進(jìn)行模式評(píng)估和知識(shí)表示，利用評(píng)估標(biāo)準(zhǔn)和可視化表達(dá)技術(shù)，篩選出有意義的知識(shí)模式并向用戶進(jìn)行展示。

2數(shù)據(jù)挖掘技術(shù)在高校圖書館個(gè)性化書目推薦服務(wù)中應(yīng)用的必要性

2.1高校圖書館信息資源的極大豐富

圖書館經(jīng)過(guò)多年的積累和沉淀，不僅有濃厚的文化氛圍，更有系統(tǒng)的專業(yè)知識(shí)和豐富的館藏資源。伴隨著人們對(duì)與數(shù)字圖書館相關(guān)的多媒體大數(shù)據(jù)信息的研究，圖書館與網(wǎng)絡(luò)技術(shù)的結(jié)合也逐漸成為一種趨勢(shì)?，F(xiàn)在，人們對(duì)館藏資源可視化的研究主要包括可視化檢索的研究和可視化檢索結(jié)果的研究。數(shù)字圖書館信息資源可視化當(dāng)前突出的問(wèn)題不只是數(shù)據(jù)資源的豐富和可視化效果要好，館藏資源的數(shù)字化過(guò)程也是個(gè)大問(wèn)題，有些資源的保存介質(zhì)是很久以前的紙質(zhì)，這些信息數(shù)據(jù)的數(shù)據(jù)庫(kù)錄入工作就不是件容易的事，這在很大程度上影響到數(shù)字圖書館的館藏資源的可視化過(guò)程。2.2高校圖書館用戶信息需求的多樣化

在高校圖書館中，用戶信息需求有其多樣化的特點(diǎn)[3]，主要表現(xiàn)在3個(gè)方面：首先是用戶信息需求主體的多樣化，導(dǎo)致信息用戶不斷增多，而這些用戶群體之間又存在不同的信息需求；其次是信息需求內(nèi)容的多樣化，使得用戶有了更多可選擇的信息源，不同的用戶可以獲取不同的信息內(nèi)容；最后是用戶信息需求方式的多樣化，提供了更多的途徑方便用戶獲取信息。不同的用戶可以根據(jù)自己本身的閱讀需求，從高校圖書館中可以自由地選擇信息獲取的方式和內(nèi)容。

3數(shù)據(jù)挖掘技術(shù)在高校圖書館中的應(yīng)用

圖書借閱服務(wù)是高校圖書館主要工作內(nèi)容，圖書館要做好這項(xiàng)工作的關(guān)鍵就是通過(guò)對(duì)用戶閱讀習(xí)慣及喜好的分析，總結(jié)出不同用戶的借閱規(guī)律。而且在圖書館提供的服務(wù)中，借閱服務(wù)更能把高校圖書館“以人為本”的理念體現(xiàn)出來(lái)，同時(shí)也是做好圖書館服務(wù)的一項(xiàng)基礎(chǔ)工作。高校圖書館中數(shù)據(jù)挖掘技術(shù)的應(yīng)用可歸納為以下幾點(diǎn)。

3.1圖書文獻(xiàn)推薦工作中的應(yīng)用

高校圖書館中最主要、最基礎(chǔ)的就是圖書文獻(xiàn)資源，圖書館中文獻(xiàn)資源的利用率是評(píng)價(jià)圖書館各項(xiàng)服務(wù)質(zhì)量高低的最主要因素之一，特別是個(gè)性化服務(wù)質(zhì)量的評(píng)價(jià)所占比重更大。所以在高校圖書館中，個(gè)性化書目推薦工作是整個(gè)圖書館服務(wù)的重點(diǎn)。

采用聚類分析或者關(guān)聯(lián)分析的方法研究讀者的歷史借閱數(shù)據(jù)時(shí)，利用數(shù)據(jù)挖掘技術(shù)有利于關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)，可對(duì)讀者圖書文獻(xiàn)的借閱提供理論支持，簡(jiǎn)單地理解也就是不同的讀者借閱的圖書類型不同，而且同一讀者也可能會(huì)借閱不同類型的圖書，通過(guò)計(jì)算類型相關(guān)圖書文獻(xiàn)之間的關(guān)聯(lián)規(guī)則，可以分析得到置信度和支持度，進(jìn)而得出讀者的借閱模式，形成在圖書館館藏資源基礎(chǔ)上的圖書推薦數(shù)據(jù)庫(kù)，通過(guò)對(duì)讀者借閱行為的分析，從數(shù)據(jù)庫(kù)中推薦相對(duì)有用的圖書介紹給讀者。例如，通過(guò)關(guān)聯(lián)分析讀者的借閱行為，關(guān)聯(lián)性較強(qiáng)的有計(jì)算機(jī)編程和數(shù)據(jù)庫(kù)類型的文獻(xiàn)，那么當(dāng)讀者有意向?qū)τ?jì)算機(jī)編程語(yǔ)言圖書進(jìn)行借閱時(shí)，就可以向讀者推薦數(shù)據(jù)庫(kù)類別的資源，不僅節(jié)省了讀者的查找時(shí)間，圖書館服務(wù)的質(zhì)量也能得到有效提高。

3.2文獻(xiàn)檢索中的應(yīng)用

在高校圖書館提供的個(gè)性化信息推薦服務(wù)中，其中的重要一環(huán)無(wú)疑就是文獻(xiàn)檢索。在傳統(tǒng)的文獻(xiàn)檢索中，圖書館僅能把一些簡(jiǎn)單的館藏文獻(xiàn)資源提供給讀者，而不是進(jìn)行個(gè)性化推薦服務(wù)。

圖書館在對(duì)讀者提供個(gè)性化推薦服務(wù)時(shí)，在目標(biāo)的實(shí)現(xiàn)過(guò)程中應(yīng)用數(shù)據(jù)挖掘技術(shù)可以減輕工作強(qiáng)度。首先是數(shù)據(jù)準(zhǔn)備階段，數(shù)據(jù)信息是數(shù)據(jù)的基礎(chǔ)，所以數(shù)據(jù)的收集對(duì)應(yīng)的也是數(shù)據(jù)挖掘技術(shù)應(yīng)用的基礎(chǔ)，收集的數(shù)據(jù)主要是讀者歷史借閱行為，這種類型的數(shù)據(jù)收集本身就是一項(xiàng)巨大的工程，在圖書館后臺(tái)數(shù)據(jù)庫(kù)中，數(shù)據(jù)資源是海量的，數(shù)據(jù)的收集不僅要收集讀者的歷史借閱記錄，還要把相關(guān)的讀者預(yù)約和續(xù)借等信息都收集起來(lái)。其次，是數(shù)據(jù)篩選和處理階段，該階段的數(shù)據(jù)篩選主要是處理上階段收集到的數(shù)據(jù)，包括噪聲和重復(fù)數(shù)據(jù)的消除等。然后把處理后的數(shù)據(jù)進(jìn)行預(yù)處理和轉(zhuǎn)換，至此構(gòu)建完成結(jié)構(gòu)化的數(shù)據(jù)庫(kù)，有助于數(shù)據(jù)挖掘算法的進(jìn)一步實(shí)施。第三，是數(shù)據(jù)挖掘階段，該階段是運(yùn)用關(guān)聯(lián)分析和聚類分析等方法研究建立的數(shù)據(jù)庫(kù)，把不同類型讀者閱讀的喜好和借閱書目信息分析出來(lái)。最后，結(jié)合可視化技術(shù)利用以上分析結(jié)果把個(gè)性化的文獻(xiàn)推薦服務(wù)提供給讀者，當(dāng)讀者進(jìn)行文獻(xiàn)的檢索時(shí)，通過(guò)推薦集把與讀者搜索文獻(xiàn)相關(guān)的其他文獻(xiàn)自動(dòng)推薦給讀者，同時(shí)根據(jù)讀者喜好進(jìn)行相關(guān)優(yōu)秀文獻(xiàn)的推薦，不僅能有效進(jìn)行讀者的導(dǎo)讀推薦，還能以可視化的方式把有用的數(shù)據(jù)信息呈現(xiàn)給讀者。

3.3館藏書架管理的優(yōu)化

高校圖書館的館藏文獻(xiàn)資源十分豐富，其包含的內(nèi)容不僅囊括了本所高校設(shè)置的專業(yè)領(lǐng)域資源，還涉及了其他相關(guān)的研究領(lǐng)域，有效幫助全校師生的教學(xué)和科研，并能提供給師生個(gè)性化的推薦服務(wù)。高校圖書館有著種類繁多的館藏資源，正因如此，在高校圖書館科學(xué)發(fā)展中館藏書架管理工作的優(yōu)化極其重要，而其中的一個(gè)重點(diǎn)方向就是圖書文獻(xiàn)變化趨勢(shì)預(yù)估，在書架上給預(yù)測(cè)出的最新文獻(xiàn)預(yù)留出位置，盡量減少書架上圖書的倒架次數(shù)，做到舊文獻(xiàn)及時(shí)剔除，新文獻(xiàn)迅速上架。

上面所述館藏書架的優(yōu)化管理，可以通過(guò)數(shù)據(jù)挖掘技術(shù)的引入來(lái)實(shí)現(xiàn)，首先針對(duì)圖書館的歷史圖書文獻(xiàn)借閱日志，選擇預(yù)測(cè)分析技術(shù)進(jìn)行數(shù)據(jù)分析，選用的方法為回歸與時(shí)序分析方法，可以得出文獻(xiàn)被借閱的周期變化，之后對(duì)整理好的圖書流通日志進(jìn)行具體分類，并采用統(tǒng)計(jì)方法對(duì)其進(jìn)行分析，把借閱增幅較大和借閱頻繁的館藏資源挑選出來(lái)，并根據(jù)這些數(shù)據(jù)按照排架規(guī)則進(jìn)行圖書的上架管理，在容易查找的書架位置放置借閱量較大的館藏資源，并預(yù)留位置給那些借閱增幅較大的館藏文獻(xiàn)，使圖書的倒架次數(shù)減小。最后要及時(shí)剔除陳舊文獻(xiàn)，實(shí)時(shí)更新上架新文獻(xiàn)，要對(duì)館藏文獻(xiàn)資源中的圖書進(jìn)行分類分析，統(tǒng)計(jì)出來(lái)已印刷新版的舊版圖書、擁有過(guò)多副本的館藏圖書、殘缺破損的圖書以及規(guī)定時(shí)間已到不予以流通的圖書，按照以上圖書分類分別統(tǒng)計(jì)各類圖書的數(shù)量及其具體所在書架位置，然后對(duì)整理好的圖書做到及時(shí)下架，并將下架信息反饋給相關(guān)管理單位，使圖書館館藏文獻(xiàn)資源的及時(shí)更新得到保障。

4基于數(shù)據(jù)挖掘技術(shù)的高校圖書館個(gè)性化書目推薦服務(wù)系統(tǒng)設(shè)計(jì)

4.1系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

圖1所示為高校圖書館個(gè)性化服務(wù)模型圖，首先是采集用戶信息，而后根據(jù)信息數(shù)據(jù)對(duì)整體用戶利用相關(guān)技術(shù)進(jìn)行建模，最后匹配規(guī)則庫(kù)與針對(duì)用戶構(gòu)建的模型，提供給用戶個(gè)性化的信息服務(wù)。

圖1　基于數(shù)據(jù)挖掘熱切地個(gè)性化系統(tǒng)結(jié)構(gòu)

該個(gè)性化系統(tǒng)主要包括在線推薦模塊和離線挖掘模塊，分別表示為實(shí)線圖和虛線圖，而在知識(shí)庫(kù)中，分別由資源的采集、存儲(chǔ)、加工處理以及最后服務(wù)的提供一起完成了知識(shí)的獲得。其中前三層提供數(shù)據(jù)基礎(chǔ)給第四層的資源服務(wù)層進(jìn)行知識(shí)的推送。在該模型中，數(shù)據(jù)采集階段主要是對(duì)一些比較零散的數(shù)字信息進(jìn)行采集，一般情況下包括圖書館的館藏資源信息，讀者基本信息、借閱記錄以及檢索記錄，最后的資源處理階段要對(duì)采集到的信息進(jìn)行加工處理，保證能實(shí)時(shí)進(jìn)行數(shù)據(jù)庫(kù)信息的更新，唯此資源數(shù)據(jù)的時(shí)效性才能得到有效的保證。其知識(shí)資源獲取結(jié)構(gòu)圖如圖2所示。

圖2　知識(shí)資源獲取結(jié)構(gòu)

在資源采集層中，主要由兩種信息采集方式：一種是自動(dòng)采集方式，讀者在圖書館進(jìn)行借閱時(shí)，系統(tǒng)提取借書證中的讀者個(gè)人信息并在讀者信息庫(kù)中進(jìn)行存儲(chǔ)；一種是對(duì)讀者信息進(jìn)行手工采集，這主要是在讀者借書證中存在不完全的個(gè)人信息記錄的情況下才會(huì)采用，在這部分信息不全的讀者在借書時(shí)，工作人員需要對(duì)讀者遺缺的信息進(jìn)行手工的補(bǔ)充。在資源處理層中，要清理不規(guī)范的數(shù)據(jù)并進(jìn)行適當(dāng)?shù)母袷睫D(zhuǎn)化，使數(shù)字信息可被數(shù)據(jù)挖掘識(shí)別，最后通過(guò)數(shù)據(jù)挖掘，存儲(chǔ)轉(zhuǎn)換后的知識(shí)并提供給讀者個(gè)性化的服務(wù)。

4.2系統(tǒng)功能描述

在高校圖書館中，個(gè)性化推薦系統(tǒng)要具有以下功能：

首先是收集用戶信息模塊，該模塊還有兩個(gè)子模塊，分別為圖書信息采集和讀者信息采集模塊。在前一個(gè)模塊中，主要是準(zhǔn)備全面的圖書信息提供給后期的數(shù)據(jù)處理過(guò)程，這些采集的信息包括書名、索書號(hào)、出版社信息以及作者信息，有些還包括圖書館分類號(hào)，在讀者進(jìn)行圖書的借閱以及個(gè)性化推薦圖書時(shí)就可以提供給用戶以上詳細(xì)的書籍信息，方便用戶的使用。后一個(gè)子模塊不僅要收集用戶的注冊(cè)信息，還要更全面地對(duì)能體現(xiàn)用戶個(gè)性的各類信息進(jìn)行收集。

其次是用戶模型分析模塊，該階段是針對(duì)用戶生成具體模型，也即是分析上述采集到的信息，將讀者按照數(shù)據(jù)背后隱藏的規(guī)律進(jìn)行分類，進(jìn)而把讀者借閱模型構(gòu)建出來(lái)。

最后是個(gè)性化推薦模塊，該模塊也是最核心部分，推薦算法的不同決定著推薦系統(tǒng)的差異，其具體劃分包括：系統(tǒng)過(guò)濾[6]；基于內(nèi)容的推薦系統(tǒng)[7]；混合推薦系統(tǒng)[8]及基于規(guī)則的推薦系統(tǒng)[9]。

個(gè)性化服務(wù)系統(tǒng)通過(guò)以上3個(gè)模塊，不僅展示了圖書館個(gè)性化服務(wù)，還可以看出圖書館服務(wù)的主動(dòng)性。在讀者對(duì)資源沒(méi)有明確的需要時(shí)，這種功能根據(jù)讀者的以往借閱記錄，參考與其相似讀者的屬性對(duì)讀者的借閱行為進(jìn)行預(yù)測(cè)，從而提供給讀者個(gè)性化的服務(wù)。

4.3系統(tǒng)工作流程

總的工作流程，將從讀者和圖書館的后臺(tái)數(shù)據(jù)庫(kù)兩方面同時(shí)開展。首先，從讀者的角度來(lái)說(shuō)，根據(jù)網(wǎng)站的注冊(cè)信息在首頁(yè)輸入賬號(hào)和密碼就可以選擇進(jìn)入個(gè)性化界面，實(shí)現(xiàn)人機(jī)交互，對(duì)各類書籍信息進(jìn)行查詢，同時(shí)可以參考系統(tǒng)提供的個(gè)性化推薦。另外，從圖書館的后臺(tái)數(shù)據(jù)方面來(lái)說(shuō)，個(gè)性化系統(tǒng)對(duì)讀者的個(gè)人信息和特點(diǎn)進(jìn)行后臺(tái)的調(diào)取，然后進(jìn)行分類再分析，把具體的讀者借閱模型構(gòu)建出來(lái)，再利用數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)分析把其中關(guān)聯(lián)關(guān)系最好的資源推薦給讀者。其工作流程圖如圖3所示。

圖3　系統(tǒng)工作流程

5　結(jié)語(yǔ)

數(shù)據(jù)挖掘技術(shù)在高校圖書館個(gè)性化書目推薦服務(wù)中優(yōu)勢(shì)很明顯。在網(wǎng)絡(luò)時(shí)代背景下，圖書館在數(shù)字化進(jìn)程中館藏文獻(xiàn)資源愈加豐富，在數(shù)字化進(jìn)程中應(yīng)用數(shù)據(jù)挖掘技術(shù)能更好地發(fā)揮出高校圖書館信息服務(wù)的作用，對(duì)提高圖書館的服務(wù)質(zhì)量具有重要意義。

參考文獻(xiàn)：

[1]國(guó)華.數(shù)據(jù)挖掘技術(shù)在高校圖書館管理系統(tǒng)中的應(yīng)用研究[J].科技致富向?qū)В?013（6）:74-76.

[2]項(xiàng)爾津.高校圖書館個(gè)性化服務(wù)中數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究[J].蘭臺(tái)世界，2014（6）：50-53.

[3]楊雪霞.數(shù)據(jù)挖掘技術(shù)在高校圖書館管理系統(tǒng)中的應(yīng)用研究[J].軟件，2012（6）：9-11.

[4]肖永霖，吳旭東，柳炳祥.數(shù)據(jù)挖掘在高校圖書館個(gè)性化服務(wù)中的應(yīng)用[J].科技廣場(chǎng)，2012（12）：14-18.

[5]魏萍.探究數(shù)據(jù)挖掘技術(shù)在高校圖書館個(gè)性化服務(wù)中的應(yīng)用[J].內(nèi)蒙古科技與經(jīng)濟(jì)，2014（6）：81-84，87.

[6]楊芳.數(shù)據(jù)挖掘在高校圖書館個(gè)性化信息服務(wù)中的應(yīng)用[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2012（1）：58-67，112.

[7]李靜.數(shù)據(jù)挖掘技術(shù)在高校圖書館個(gè)性化服務(wù)中的應(yīng)用研究[D].天津：天津大學(xué)，2012（5）.

[8]劉顯顯.基于數(shù)據(jù)挖掘的高校圖書館個(gè)性化信息推薦方法研究[D].沈陽(yáng)：遼寧大學(xué)，2013（5）.

[9]王斌.數(shù)據(jù)挖掘在高校圖書館服務(wù)中的應(yīng)用研究[D].西安：西安理工大學(xué)，2010（5）.

王蕾1972年生，館員。研究方向：圖書管理。

收稿日期：（2015-04-02；責(zé)編：楊新寬）