陳淑英，徐劍英，劉玉魏，山 潔

0 引言

圖書館信息服務(wù)模式正從面向館藏資源的普惠信息服務(wù)向面向讀者的個性化信息服務(wù)轉(zhuǎn)變[1]。圖書推薦服務(wù)是現(xiàn)代圖書館以讀者為核心的個性化服務(wù)的重要內(nèi)容。面對用戶，如何將豐富的圖書資源推薦給用戶是圖書館一直思考的問題。大學(xué)生是高校圖書館的主要服務(wù)對象，圖書館通過動態(tài)跟蹤用戶在4年學(xué)習中的借閱數(shù)據(jù)，可以掌握不同專業(yè)用戶處在不同年級時期的興趣變化，預(yù)測用戶偏好，進而進行圖書推薦[2]。本文以某高校2011級大學(xué)4年圖書借閱數(shù)據(jù)為依據(jù)，從看似雜亂無序的信息中提取有價值的信息，以關(guān)聯(lián)規(guī)則進行數(shù)據(jù)挖掘，試圖通過不同專業(yè)用戶在不同年級時的圖書關(guān)聯(lián)規(guī)則分布情況，探索以專業(yè)為單位用戶群體的有效的和有針對性的圖書推薦服務(wù)策略，為用戶提供個性化服務(wù)。

1 研究背景

數(shù)據(jù)挖掘是提取隱藏信息的過程[3]，利用數(shù)據(jù)挖掘技術(shù)分析讀者借閱數(shù)據(jù)，探尋讀者需求規(guī)律，以實現(xiàn)圖書推薦服務(wù)。關(guān)聯(lián)規(guī)則由Agrawal等在1993年首次提出[4]，是數(shù)據(jù)挖掘中重要的數(shù)據(jù)分析方法，通過對數(shù)據(jù)處理挖掘出數(shù)據(jù)集中項之間的聯(lián)系，建立數(shù)據(jù)之間的相互依賴關(guān)系。關(guān)聯(lián)挖掘技術(shù)是現(xiàn)代圖書館發(fā)展的關(guān)鍵技術(shù)，運用關(guān)聯(lián)挖掘技術(shù)可以對讀者的借閱數(shù)據(jù)進行分析，適時調(diào)整館藏方向，使圖書館信息資源體系更加合理化；還可以發(fā)現(xiàn)讀者的借閱模式和借閱偏好，為讀者提供個性化的信息服務(wù)[5]。目前應(yīng)用關(guān)聯(lián)規(guī)則在圖書借閱數(shù)據(jù)研究主要集中在兩方面：一是對讀者借閱圖書種類數(shù)據(jù)關(guān)聯(lián)分析算法的建立過程，以介紹方法為主[6-8]；二是對關(guān)聯(lián)規(guī)則方法的改進與推薦模型的研究[9-11]。其中，大多研究都是對關(guān)聯(lián)規(guī)則技術(shù)問題的算法研究、模型的建立和通過實驗驗證推薦的準確性和可用性，而對于考慮屬性之間的類別層次關(guān)系、時態(tài)關(guān)系、多維挖掘等其他屬性的研究較少。本文以讀者屬性數(shù)據(jù)和借閱記錄為基礎(chǔ)，以時間維度為主線進行數(shù)據(jù)關(guān)聯(lián)挖掘，在數(shù)據(jù)挖掘過程中，不僅關(guān)注關(guān)聯(lián)規(guī)則的算法和結(jié)果，更加注重的是對結(jié)果進行分析。通過分析，發(fā)現(xiàn)數(shù)據(jù)中存在的各種有用信息，如用戶閱讀變化趨勢及存在問題，提出相應(yīng)的對策，改變現(xiàn)有的工作方式，開展圖書推薦服務(wù)。

2 研究過程

2.1 研究流程

根據(jù)用戶4年的借閱數(shù)據(jù)，應(yīng)用關(guān)聯(lián)規(guī)則沿著時間主軸跟蹤挖掘分析用戶學(xué)科專業(yè)、圖書類型之間的關(guān)聯(lián)關(guān)系，得出不同專業(yè)用戶在不同年級借閱圖書之間的關(guān)聯(lián)性，通過關(guān)聯(lián)規(guī)則分析掌握以專業(yè)為單位的群體用戶的閱讀傾向、偏好和需求，并以此作為開展圖書推薦服務(wù)的依據(jù)和決策支持。通過行之有效的圖書推薦策略展開圖書推薦服務(wù)工作，讓圖書資源發(fā)揮最大效用，讓圖書館的服務(wù)貫穿于用戶四年的學(xué)習過程中，使用戶在四年的學(xué)習中，不斷提高自身的學(xué)習能力、實踐創(chuàng)業(yè)水平以及綜合素質(zhì)。具體流程見圖1。

圖1 研究流程

2.2 數(shù)據(jù)獲取

本文以某高校圖書館為例，采用分層抽樣方法，按照分層抽樣調(diào)查的比例要求，每個專業(yè)的抽樣比例在30%左右。從2011級本科生中選取1200名用戶，在圖書館圖書借閱管理系統(tǒng)跟蹤被抽樣本用戶從大一到大四在圖書借閱系統(tǒng)的日志數(shù)據(jù)，共獲取借閱數(shù)據(jù)27905條。抽樣用戶覆蓋文學(xué)、理學(xué)、工學(xué)、醫(yī)學(xué)、法學(xué)、管理學(xué)、經(jīng)濟學(xué)等學(xué)科的71個專業(yè)，時間從2011年9月入學(xué)到2015年6月畢業(yè)，通過分析2011級本科生不同專業(yè)的借閱數(shù)據(jù)，探究以專業(yè)為單位的圖書借閱規(guī)律，并結(jié)合2011級教學(xué)計劃中課程設(shè)置，開展圖書推薦服務(wù)。

2.3 數(shù)據(jù)處理

根據(jù)研究流程，對抽樣的1200名用戶數(shù)據(jù)主要選取讀者證號、專業(yè)、借閱年級(操作日期)、圖書類型(中圖分類號)及題名等，通過數(shù)據(jù)清理集成，預(yù)處理后得到相關(guān)整合數(shù)據(jù)，詳見表1。

表1 每個用戶4年借閱圖書的預(yù)處理后數(shù)據(jù)

2.4 Apriori算法

Apriori算法最初僅用于單一維度下布爾型數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘。對圖書借閱行為中的3個維度——用戶、圖書及時間，除關(guān)注不同圖書類型關(guān)聯(lián)外，還對年級和圖書類型的關(guān)聯(lián)感興趣，需要進行多維關(guān)聯(lián)規(guī)則分析。如果將多維屬性的謂詞集看作是維度內(nèi)同屬性的項集，可以藉由經(jīng)典的單維關(guān)聯(lián)規(guī)則算法處理多維屬性間的關(guān)聯(lián)[12]。在進行關(guān)聯(lián)分析時，對讀者所借閱的圖書類型、圖書類型和專業(yè)、圖書類型和年級之間等方面挖掘這些數(shù)據(jù)之間的關(guān)聯(lián)規(guī)則。Apriori算法是挖掘強關(guān)聯(lián)規(guī)則的方法，主要功能是找出頻繁項集。具體步驟為：(1)對于預(yù)處理數(shù)據(jù)，用Apriori關(guān)聯(lián)算法，找出全部的頻繁項集；(2)對頻繁項集進行連接步和剪枝步；(3)得到最大頻繁項集，去掉沒有超過最小支持度的，剩下的又滿足最小置信度，就是強關(guān)聯(lián)規(guī)則[13]。

強關(guān)聯(lián)規(guī)則可以挖掘隱藏在歷史數(shù)據(jù)背后的有用的規(guī)則和潛在的信息。本文重點跟蹤挖掘分析從入學(xué)到畢業(yè)的一個學(xué)習周期中，不同專業(yè)的用戶群體在不同年級借閱圖書的規(guī)律，發(fā)現(xiàn)在不同年級的讀書興趣、偏好和需求，如經(jīng)常看的書籍，又如用戶在借閱本學(xué)期開設(shè)課程相關(guān)圖書時，還會去借閱的圖書類別等。

3 結(jié)果分析與討論

3.1 研究結(jié)果

2011級本科生中1200名用戶連續(xù)4年的借書記錄共計27905條，其中借閱了22類圖書，密度為0.1725318。最常借閱的圖書類型為I、K、H、T、B。155人的借閱數(shù)據(jù)為只借閱一類圖書，202人的借閱數(shù)據(jù)為借閱兩類圖書。使用Apriori算法，設(shè)置最小支持度0.01和最小值置信度0.1，按年級(時間)維排序，構(gòu)建以專業(yè)為單位的圖書與年級(時間)的關(guān)聯(lián)規(guī)則，并抽取有代表性的幾個專業(yè)。具體結(jié)果如表2所示。

表2 各專業(yè)圖書與年級(時間)的關(guān)聯(lián)規(guī)則

3.2 結(jié)果分布

3.2.1 整體分布

在4年學(xué)習中，各個專業(yè)在不同年級時借閱圖書關(guān)聯(lián)程度較高的圖書類型各不相同。

例如，紡織工程專業(yè)的用戶：

{年級=大一}=＞{圖書類型=I24}

{年級=大二}=＞{圖書類型=I24、I26}

{年級=大三}=＞{圖書類型=TS10、I24}

{年級=大四}=＞{圖書類型=TS94、I24}

而數(shù)學(xué)與應(yīng)用數(shù)學(xué)專業(yè)的用戶：

{年級=大一}=＞{圖書類型=K82}

{年級=大二}=＞{圖書類型=O17、O15}

{年級=大三}=＞{圖書類型=I24、O21}

{年級=大四}=＞{圖書類型=O22}

據(jù)此，可以得出結(jié)論：專業(yè)不同，關(guān)聯(lián)程度高的圖書種類也有所不同，這是開展針對不同專業(yè)用戶進行圖書推薦服務(wù)的主要依據(jù)。

3.2.2 階段分布

同一專業(yè)的用戶在4年學(xué)習生活中，關(guān)聯(lián)程度較高的借閱圖書類型分布顯示，用戶在不同年級時期感興趣的圖書有區(qū)別，但也有一些其他類型的圖書貫穿在整個學(xué)習過程中。比如紡織工程專業(yè)的用戶，在大一、大二、大三及大四關(guān)聯(lián)程度較高圖書的有I24類，因此圖書推薦工作應(yīng)有長期目標和短期目標。

3.2.3 專業(yè)分布

各專業(yè)除在I類和H類圖書顯示關(guān)聯(lián)程度較高，同時顯示出和本專業(yè)圖書有較高的關(guān)聯(lián)性，如法學(xué)類專業(yè)的用戶在大一、大二、大三及大四關(guān)聯(lián)程度較高的都有D92，說明專業(yè)類圖書的學(xué)習對用戶很重要。

3.3 結(jié)果討論

用戶在4年學(xué)習過程中，會根據(jù)興趣、偏好和學(xué)習要求等借閱不同類型的圖書，但根據(jù)表2關(guān)聯(lián)數(shù)據(jù)顯示，關(guān)聯(lián)程度高的圖書種數(shù)與館藏文獻資源種類及總量相比卻是微不足道的。究其原因，主要有以下幾方面。

3.3.1 用戶圖書借閱缺乏系統(tǒng)指導(dǎo)

用戶4年讀書生活中，借閱數(shù)據(jù)總的趨向較符合其學(xué)習過程，但借閱圖書的種類還是比較單一，在某一時間段借閱圖書比較盲目，與其學(xué)習過程不太相符。

比如經(jīng)濟類專業(yè)的用戶：

{年級=大一}=＞{圖書類型=I24}

{年級=大二}=＞{圖書類型=H31}

{年級=大四}=＞{圖書類型=I56}

數(shù)據(jù)顯示，用戶在一年級、二年級以及四年級學(xué)習過程中，關(guān)聯(lián)程度高的借閱圖書種類分別僅有I24、H31和I56。因此，可以通過分析數(shù)據(jù)，給出有針對性、合理性和系統(tǒng)性的指導(dǎo)，主動提供圖書推薦服務(wù)，從而提高用戶的借閱質(zhì)量。

3.3.2 用戶興趣偏好缺乏積極引導(dǎo)

從表2中可知，關(guān)聯(lián)程度高、概率較大的圖書種類中，最常借閱的圖書類型為I、K、H等。I類圖書占的比例最大，用戶在大一期間盡管專業(yè)不同，但借閱的大多以I24為主，并且在大二、大三及大四期間都有I類圖書借閱的傾向。因此，應(yīng)根據(jù)用戶的興趣愛好，對B、H、I、K等種類圖書借閱給予積極引導(dǎo)。

3.3.3 用戶專業(yè)學(xué)習積極性不夠

表2數(shù)據(jù)顯示，每個專業(yè)關(guān)聯(lián)程度高的專業(yè)圖書的比例比較低，用戶在大二、大三及大四時多轉(zhuǎn)向?qū)I(yè)書籍，但是關(guān)聯(lián)程度高的圖書卻不多，專業(yè)圖書的借閱還是缺乏理想的閱讀量。如臨床醫(yī)學(xué)專業(yè)，從大一到大四，關(guān)聯(lián)度高的基本是H類，除了大三有R47類型圖書，其他都是非本專業(yè)書籍，四年的專業(yè)圖書閱讀總量令人擔憂。這就要求圖書館要仔細分析相關(guān)數(shù)據(jù)，根據(jù)用戶專業(yè)的具體要求，了解用戶的需求和興趣點，做出準確的判斷，進行專業(yè)圖書的推薦，以滿足專業(yè)用戶的大學(xué)專業(yè)知識的學(xué)習和掌握。

綜上，除了要建設(shè)更加合理化的信息資源體系，更重要的是掌握和了解讀者的借閱模式和借閱偏好，通過圖書關(guān)聯(lián)規(guī)則的數(shù)據(jù)結(jié)果，為讀者提供相關(guān)信息資源或引導(dǎo)讀者查找所需資源，為讀者提供優(yōu)質(zhì)的個性化的信息服務(wù)。因此，高校圖書館要認真分析用戶的借閱數(shù)據(jù)，了解用戶的需求，主動采用多種圖書推薦服務(wù)模式，調(diào)動用戶的閱讀興趣。圖書館要從被動等待用戶借閱，轉(zhuǎn)變?yōu)榉e極主動的深入到用戶中去，實施圖書推薦服務(wù)，拓展圖書館的工作方式和服務(wù)內(nèi)容。

4 圖書推薦服務(wù)策略

本次研究是通過對高校圖書館用戶的直接調(diào)查，從用戶借閱數(shù)據(jù)→關(guān)聯(lián)規(guī)則→數(shù)據(jù)分析→信息需求→推薦服務(wù)的過程中，高校圖書館充分發(fā)揮教育和信息服務(wù)職能，為用戶推薦所需的圖書，同樣也為館藏圖書尋找用戶。圖書館根據(jù)關(guān)聯(lián)規(guī)則分析結(jié)果，從以下幾個方面開展工作，實現(xiàn)為讀者提供優(yōu)質(zhì)的圖書推薦服務(wù)。

4.1 制定每個專業(yè)四年的圖書閱讀規(guī)劃

從表2關(guān)聯(lián)規(guī)則可獲知，用戶四年的學(xué)習中，借閱圖書較缺乏系統(tǒng)性、科學(xué)性及規(guī)律性。用戶在大二、大三和大四階段，課程設(shè)置中基本上都是專業(yè)必修課和專業(yè)選修課，在這個學(xué)習階段用戶要完成正常的專業(yè)課程學(xué)習、考研準備、課程設(shè)計、畢業(yè)論文及設(shè)計等等，基本上以借閱專業(yè)類圖書為主，在這個時期，如果圖書館購置的專業(yè)類圖書本專業(yè)的用戶都不積極借閱，那么還會有其他專業(yè)的用戶借閱嗎？因此，圖書館要為購置的每本圖書定位，找到其目標人群，這就需要分析研究用戶閱讀特征，包括用戶來源、專業(yè)報考第一錄取率和閱讀傾向等，整合用戶閱讀興趣及偏好，做到在用戶四年學(xué)習的每個階段都能給予較專業(yè)到位的幫助和指導(dǎo)。無論用戶是出國深造、考研，還是就業(yè)，圖書館可以充分掌握其發(fā)展目標，與相應(yīng)的院系聯(lián)合，結(jié)合每個專業(yè)的教學(xué)計劃，為圖書尋找用戶，建立以用戶專業(yè)為單位的四年的圖書閱讀規(guī)劃。

4.2 實施圖書需求推薦

大一時期的用戶，從高中進入大學(xué)，躊躇滿志，為了擴展視野和提高文化素質(zhì)往往讀書的熱情很高，但進入高年級，由于需求發(fā)生變化，用戶有了個人的發(fā)展規(guī)劃，對閱讀的內(nèi)容會有新的需求。因此，圖書館要對用戶4年的圖書借閱情況進行系統(tǒng)梳理和分析，結(jié)合用戶不同年級的課程需求以及興趣需求，在用戶學(xué)習、生活、創(chuàng)新實踐及提高個人素養(yǎng)等方面，及時給予指導(dǎo)。當讀者借閱某類文獻時，圖書館館員可以將與其強關(guān)聯(lián)的某類文獻有目的、有準備、有策略地推薦給讀者，并可據(jù)此建立相應(yīng)的館藏推薦系統(tǒng)，力求所采購的每一本書都能滿足用戶的需求。對不同專業(yè)用戶和在不同年級時期進行定位，尋找所需的圖書，實施圖書需求推薦。

4.3 實施圖書創(chuàng)意推薦

用戶往往會根據(jù)自身的需求和興趣借閱相關(guān)的圖書。比如，通過對數(shù)學(xué)與應(yīng)用數(shù)學(xué)專業(yè)的用戶借閱數(shù)據(jù)進行分析，發(fā)現(xiàn)大一學(xué)生較多借閱K82類的圖書，多屬于用戶興趣；大二學(xué)生較多借閱O17、O15類圖書，該專業(yè)大二正好開設(shè)與此類圖書相關(guān)課程；大三時多借閱I24、O21類和大四時多借閱O22類圖書也是此類情況。因此，圖書館要充分挖掘不同專業(yè)用戶的行為、需求和興趣，結(jié)合廣泛的閱讀推廣活動和特定的主題元素，如節(jié)日、紀念日、專業(yè)學(xué)習階段以及專業(yè)實習和實訓(xùn)，舉辦讀書節(jié)，開展專題、專業(yè)閱讀和書會等，并以此為契機進行創(chuàng)意推薦，打造自己的品牌[14]，吸引用戶。

4.4 實施專業(yè)圖書目標推薦

通過表2進一步分析還發(fā)現(xiàn)，有些用戶在4年的學(xué)習生活中，借閱數(shù)據(jù)不盡人意，專業(yè)書籍的閱讀比較少，這就給圖書館提出了很高要求。首先要了解學(xué)校的專業(yè)學(xué)科設(shè)置和專業(yè)教學(xué)計劃，細分目標群體，與院系合作建立學(xué)科館員制度。其次可定期到院系舉辦書會，開展類似“主題資源指引”“主題館藏選介”“學(xué)科主題資源”等推薦活動[15]，介紹相關(guān)專業(yè)圖書信息資源，與用戶積極溝通，搭建互動平臺，實施專業(yè)圖書目標推薦。

4.5 完善借閱數(shù)據(jù)分析管理和館員業(yè)績激勵制度

每年定期將每個專業(yè)的用戶借閱圖書關(guān)聯(lián)分析結(jié)果和上屆同期數(shù)據(jù)進行比對，及時了解用戶的目的、需求和興趣，根據(jù)用戶意愿反饋及時調(diào)整每個專業(yè)的圖書閱讀規(guī)劃和相應(yīng)的圖書推薦內(nèi)容。在深入做好借閱數(shù)據(jù)分析的同時要做好數(shù)據(jù)管理，把圖書館內(nèi)部信息與數(shù)據(jù)管理起來，為了使數(shù)據(jù)處理更科學(xué)、系統(tǒng)和統(tǒng)一，要加強工作流程的管理，力求實現(xiàn)相關(guān)業(yè)務(wù)流程計算機管控和自動化管理，降低人為因素，固化管理流程。圖書館要逐步形成自己的管理系統(tǒng)，采用智能管理的數(shù)據(jù)挖掘系統(tǒng)，實現(xiàn)圖書借閱數(shù)據(jù)分析的智能化，既為用戶提供有效的推薦服務(wù)，也為圖書館提供有效和準確的分析決策依據(jù)。為此，館員業(yè)績激勵制度的健全就顯得尤為重要，這樣才能面向全校用戶，合理分配館員，發(fā)揮圖書館員的專業(yè)特長，向用戶提供服務(wù)，為用戶推薦所需圖書。同時為提高館員工作的積極性，應(yīng)及時統(tǒng)計圖書借閱情況，查看館員的業(yè)績，對館員工作的質(zhì)量和成效做客觀、全面的評估。

5 結(jié)語

高校圖書館利用關(guān)聯(lián)規(guī)則挖掘技術(shù)分析借閱信息，可以準確判斷用戶的借閱行為，了解和掌握不同專業(yè)用戶群體在不同年級階段的興趣特征、現(xiàn)實需求以及潛在需求；同時可根據(jù)該學(xué)校的專業(yè)結(jié)構(gòu)、學(xué)科建設(shè)和用戶特點進行以專業(yè)為單位的圖書推薦服務(wù)，并讓推薦模式更適合現(xiàn)代讀者的個性化的習慣，吸引讀者訪問圖書館[16]。圖書館為用戶做好圖書推薦服務(wù)，是圖書館由被動轉(zhuǎn)向主動服務(wù)模式的體現(xiàn)，但如何將研究方法和圖書推薦在圖書館推廣應(yīng)用成為一種常態(tài)業(yè)務(wù)工作，是本研究團隊今后進一步研究的內(nèi)容。

[1]盛宇.基于微博的學(xué)科熱點發(fā)現(xiàn)、追蹤與分析——以數(shù)據(jù)挖掘領(lǐng)域為例[J].圖書情報工作，2012（8）：32-37.

[2]馬文峰.數(shù)字圖書館個性化信息服務(wù)的探索[J].圖書館雜志，2003（5）：30-32.

[3]周肆清，歐陽烽.數(shù)據(jù)挖掘在高校數(shù)字圖書館應(yīng)用的可行性分析[J].高校圖書館工作，2007，27（5）：36-38.

[4]Han J M，Kamber M.Data Mining Concepts and Techniques[M].北京：機械工業(yè)出版社，2010.

[5]任賢姬.關(guān)聯(lián)規(guī)則挖掘技術(shù)在圖書借閱服務(wù)中的應(yīng)用研究[J].情報科學(xué)，2010（5）：729-731.

[6]彭儀普，熊擁軍.關(guān)聯(lián)挖掘在文獻借閱歷史數(shù)據(jù)分析中的應(yīng)用[J].情報技術(shù)，2005（8）：40-44.

[7]丁雪.基于數(shù)據(jù)挖掘的圖書智能推薦系統(tǒng)研究[J].情報理論與實踐，2010（5）：107-110.

[8]茹文，忻展紅.圖書館借閱數(shù)據(jù)分類信息的關(guān)聯(lián)性研究[J].北京郵電大學(xué)學(xué)報（社會科學(xué)版），2016（1）：14-19.

[9]李默，梁永全.基于標簽和關(guān)聯(lián)規(guī)則挖掘的圖書組合推薦系統(tǒng)模型研究[J].計算機應(yīng)用研究，2014（8）：2390-2393.

[10]李勝，王葉茂.一種基于本體和位置感知的圖書館書籍推薦模型[J].現(xiàn)代圖書情報技術(shù)，2015（3）：58-65.

[11]馬宏惠，張平.圖書館流通信息多層關(guān)聯(lián)規(guī)則挖掘法的優(yōu)化與應(yīng)用[J].圖書情報工作，2008（7）：94-97.

[12]鐘勇，秦小麟，包磊.一種基于多維集的關(guān)聯(lián)模式挖掘算法[J].計算機研究與發(fā)展，2006（12）：2117-2123.

[13]Yin Z，Gupta M，Weninger T.A unified framework for link recommendation with user attributes and graph structure[C].International Conference on World Wide Web，2010：1211-1212.

[14]姚顯霞.基于讀者問卷調(diào)查的高校閱讀推廣活動評價與分析[J].圖書館論壇，2013（3）：144-147.

[15]覃麗金，吉家凡，唐朝勝，等.主題式學(xué)科化服務(wù)模式研究——結(jié)合海南大學(xué)圖書館的案例分析[J].圖書館論壇，2014（4）：23-29.

[16]馬仲兵.基于關(guān)聯(lián)規(guī)則的高校圖書館個性化推薦模型[J].新世紀圖書館，2013（7）：42-44.