基于Apriori算法的圖書館讀者借閱信息分析

喻正紅

摘 要：高校圖書館在每天的讀者借閱服務中都會產生大量的用戶數據，這些數據隱藏著一些與用戶相關的知識，而數據挖掘技術在分析處理數據方面有著自己強大的優勢。通過利用Apriori算法對這些數據進行科學分析，不僅可以得出讀者的借閱規律、借閱特點，而且把它作為選擇購買數字、紙質資源，調整服務策略，開展個性化推送服務等工作的參考標準，使得讀者的信息需求能夠更加快速、有效、完整地得到滿足。同時還可以為圖書館提供科學管理的依據，優化圖書館的資源結構，提高圖書館紙本圖書和電子資源利用率。

關鍵詞：數據挖掘；圖書館；行為分析；Apriori算法

隨著計算機技術和網絡技術的出現和發展，大量數據庫應用系統隨之出現，面對數據規模爆炸式的增長趨勢，傳統的小樣本專家驗證式統計分析已不能適應從大數據中發現知識為人類服務的要求。運用數據挖掘技術對圖書館讀者數據進行挖掘，能有效地解決這個問題。研究針對湖南工程學院圖書館管理系統的讀者數據，旨在分析讀者借閱記錄中找出蘊藏的對于管理有用的規則、描述，對讀者借閱行為做出分析，挖掘出潛在的有用信息，為圖書購買、用戶服務、館藏目錄設置等管理工作提供決策支持，為日常圖書館信息服務提供決策參考，使圖書館朝著自動化、數字化和信息化的方向發展。鑒于讀者借閱信息的屬性均是數值型數據，挖掘技術選用能有效處理數值型數據的關聯規則算法。

關聯規則挖掘是數據挖掘的一種，它從大量的數據中挖掘出有價值的、描述數據項之間相互聯系的有關知識[1]。Apriori算法是關聯規則挖掘算法中最經典的算法，此算法使用頻繁項集性質的先驗知識，通過逐層搜索的迭代方法來查找頻繁項集[2]。由于關聯規則具有以下特點：形式簡潔、易于解釋和理解、并且可以非常高效捕捉數據與數據之間的關系，所以近年來數據挖掘領域的一個熱點就是從大數據庫中挖掘關聯規則之間的理論。通過應用關聯規則的Apriori 算法在數據挖掘中，對讀者借閱信息進行數據分析。使用最小支持度和最小置信度對頻繁項集進行挖掘，并且從中尋找存在的關系和規則，以用于指導今后的圖書采購和推薦。

1 Apriori算法

Apriori算法在挖掘布爾關聯規則頻繁項集中是最有影響的一種的算法。基于兩階段頻集思想的遞推算法是這個算法的核心。該關聯規則在分類上屬于單維、單層、布爾關聯規則。在這里，所有支持度大于最小支持度的項集稱為頻繁項集，簡稱頻集。Apriori尋找頻繁項集的過程是一個不斷迭代的過程，每次都是兩個步驟，產生候選集Ck（可能成為頻繁項集的項目組合）；基于候選集Ck計算支持度、確定Lk。Apriori的尋找策略就是從包含少量的項目開始逐漸向多個項目的項目集搜索[3]。

算法的基本思想可以歸納為：第一步找出所有頻集，把和預定義的最小支持度一樣的頻集找出來。第二步由頻集產生強關聯規則，這些規則必須滿足最小可信度和最小支持度。第三步中利用第一步找到的頻集所產生期望的規則，產生只包含集合的項的所有規則，其中每一條規則的右部只有一項。這些規則被生成以后，留下來的只有那些大于用戶給定的最小可信度的規則。使用遞歸的方法來生成所有頻集。

由于以上算法中，存在產生侯選項目集時循環產生的組合過多等問題，我們對Apriori算法中尋找最大項目集做了以下改進：

第一步：對所有含一個元素的項目出現的頻率進行統計，把大于或等于最小支持度的項目集找出來，產生一維頻繁項目集Lt。

第二步：對頻繁項目集做循環處理，直到沒有再產生維數更高的情況。

第三步：按Apriori算法再檢驗新的K 維頻繁項目集的所有k-1維項目集是否已經包含在已經求出的K-1維頻繁項目集。

第四步：經過運算得到候選項目集后，掃描數據庫B的每一個事務，如果該事務中包含候選項目集Ck中的元素不少于一項，就保留該項事務，否則把該事物記錄與沒有作刪除標記的數據庫末端事務記錄進行對換，并把移到數據庫末端的事務記錄作刪除標記，對整個數據庫進行掃描，完成后作為新的事務數據庫D[4]。

我們可以看到本算法的思路基本上與Apriori算法保持一致，但是又有不同之處。

第一，新算法在計算組合Ck前，將對參與組合的元素進行計數處理，根據計數結果從中剔除一些不符合組合條件的元素，這就降低了組合的可能性，也就是降低了循環判斷的次數。

第二，新算法雖然對數據庫進行了掃描后會生產新的數據庫，這樣在記錄重寫中會浪費時間和輸入、輸出的開銷，但是隨著循環次數的增加，本算法對新生成的數據庫中進行掃描時會減少很多的掃描次數。

2 Apriori算法在讀者借閱信息中的應用

數據準備：數據來源為湖南工程學院圖書館2015年讀者借閱數據，在電氣學院系和管理學院中隨機抽取兩個院系進行分析，一方面可以針對不同時間的數據進行分析，另一方面，由于高校圖書館學生讀者群體所學專業不同，學習動機、興趣、愛好的不同，因而形成了個人意識傾向和心理素質的差異，因此在借閱活動中表現出不同的心理需求，構成了不同的讀者群體特征。由于文科和理科學生學習的特點有不同的地方，所以分別在文科院系和理科院系中抽出一個典型作為代表，這樣可以針對性地對不同學生群體進行分析，得出相應的結論。數據時間范圍為2014年12月-2015年12月，數據源為湖南工程學院圖書館管理系統數據庫，導出數據格式為TXT文本格式。

數據處理：利用 Apriori算法來對圖書館讀者借閱信息進行關聯規則的挖掘，檢查以上數據，經過篩選加工、統一數據格式，去掉冗余數據以及不合理數據，分析所需要的信息后，分別建立讀者信息表、借閱圖書詳情表、圖書信息表，進行數據分析工作，將各種表導入excel數據庫中，完成一些查詢的工作。

3 總結

基于關聯規則的Apriori 算法應用領域非常廣泛，將它對數據的關聯性進行分析和挖掘后的結果在制定決策過程中具有重要的參考價值[5]。本文將Apriori算法應用到圖書館讀者借閱記錄中，并且針對經典Apriori挖掘算法存在的不足進行了改進，先將事務數據庫映射為一個布爾矩陣，用一種逐層遞增的思想來動態的分配內存進行存儲，再利用向量求"與"運算，尋找頻繁項集。實驗結果表明，改進后的Apriori算法在運行效率上有了很大的提升，挖掘出的規則也可以有效地輔助圖書館部門有針對性的開展圖書購買和推薦工作。

參考文獻

[1]陳德良，鄧德勝，劉永紅.大學畢業生就業影響因素的關聯規則挖掘[J]. 教育與業，2012

[2]亓文娟，晏杰.數據挖掘中關聯規則Apriori算法[J].計算機系統應用，2013

[3]楊光，張學潮. 數據挖掘在高校圖書館用戶行為分析中的應用[J]. 晉圖學刊，2011，3：19-22

[4]張瑞雪.數據挖掘中關聯規則算法研究及應用[D].哈爾濱： 哈爾濱工程大學碩士學位論文，2006

[5]李宏運.關聯規則挖掘在圖書館管理中的應用[D].上海： 華東師范大學碩士學位論文，2009

[6]付開遠.數據挖掘在高校圖書館個性化信息服務中的應用研究[D]. 貴州： 貴州大學碩士學位論文，2010

[7]趙艷. Apriori算法在學生成績分析中的應用[J].河北企業，2015，9：10