數據挖掘技術在高校圖書館個性化服務中的應用研究

吳文光

（湖南文理學院 湖南·常德 41500）

縱觀圖書館的發展，其經歷了印刷紙張、自動化集成與數字化等三個階段。圖書館作為信息存儲與信息服務的中心，隨著現代信息技術的飛速發展而積累了海量的數據資源。為滿足讀者的信息需求，高校圖書館應創新自身的服務模式、拓展服務空間及服務層面。數據挖掘技術的出現有效改變了圖書館的服務功能，其可從數據庫中發掘未知的有用的信息，為讀者提供個性化信息服務，使得讀者結合自身需求便捷高效地獲取信息資源，也促進了高校圖書館資源的有效利用。

1 數據挖掘技術概述

數據挖掘是指從模糊、不完全、隨機、大量的數據中挖掘并提取中先前未知的、潛在而有用的知識信息。簡單來說，數據挖掘過程就是一個發現知識信息的過程。數據挖掘技術主要涉及如下五個方面。（1）關聯分析。即從兩個或兩個以上變量中找出其共存的因果結構或規律，也就是從數據庫中找到潛在的關聯規則。圖書館可從數據庫中找到隱藏的關聯規則，準確預測讀者的信息需求，有針對性地、有效地將文獻資料推送給讀者，這便于讀者高效地查閱與獲取所需資料信息。（2）聚類。也就是將數據庫中的一組個體根據相似性歸納總結為若干類型。圖書館可將相似的文獻資料進行集中，使得讀者在搜索資料時還可查閱到很多相關內容，方便讀者進一步歸納；也可對讀者所需特定信息進行匯總，并將相關信息提供給讀者。（3）分類。即根據分析對象的屬性對類組進行建立。由于讀者搜索查閱資料時對知識信息的需求程度不同，故可將讀者的知識信息需求按照高度、中度、低度等三個層級進行劃分。（4）預測。圖書館可對讀者使用文獻資料的規律進行預測，也就是結合用戶的歷史查閱記錄預測讀者所需文獻資料的特征及類型，在此基礎上及時更新這些資料信息，確保讀者便捷高效地查閱到這些資料。（5）時序模式。圖書館可將讀者的檢索訪問記錄用時間段進行標記，然后通過時間序列對重復率高的內容信息進行挖掘，并對讀者接下來的信息需求進行預測，了解讀者感興趣的信息內容，這便于讀者查閱資料。

2 高校圖書館個性化服務的體現

處于信息繁雜的時代，為讀者提供個性化的信息服務是高校圖書館的重要工作。高校圖書館個性化服務是指結合讀者的專業、研究方向、興趣愛好、行為習慣等，為讀者及時、主動、準確地提供針對性的信息服務，便于讀者搜索、查閱與獲取更為完整的信息資料，并展開進一步的學習與研究。具體表現為以下幾點。（1）信息分類定制服務。分類定制指的是讀者可結合自己的需求對信息資源的類型及表現形式進行設定，對系統服務功能進行選擇，確保在圖書館中搜索查詢到相關資料信息。（2）信息推送服務。高校圖書館通過識別讀者頻繁訪問的網址路徑及頁面來掌握讀者所關注的信息內容，結合讀者瀏覽信息資源的時間長短來發掘讀者的興趣愛好，并且對相關信息資料進行及時的更新，主動推送給讀者所需要的信息資源，從而提升圖書館信息資源的利用率。（3）導航鏈接服務。高校圖書館可通過挖掘讀者的Web log來探尋讀者所訪問網頁的關聯性，從網頁關聯性中發現其期望位置。倘若讀者對期望位置的訪問頻率比實際位置高，則可建立并優化導航鏈接結構，從而方便讀者應用鏈接。

3 數據挖掘技術應用于高校圖書館中的必要性、可行性

（1）必要性分析。處于信息化時代環境下，高校圖書館中的信息數據日益增加，讀者對信息資源類型的需求愈來愈多樣化，對信息內容的要求也愈來愈高。將數據挖掘技術運用于高校圖書館中符合時代發展趨勢。一是符合高校圖書館發展需求。傳統圖書館來僅為讀者提供簡單的一鍵檢索功能，讀者進入圖書館主頁檢索，只能從繁多雜亂的檢索結果中尋找所需資料信息，這無法滿足讀者個性化需求。數據挖掘技術為圖書館信息化建設提供了強大動力。其不僅能將高校圖書館數據庫中讀者的檢索、訪問、借閱記錄進行挖掘，還能將讀者查閱數據中隱藏的關聯性進行挖掘，并且從中提取出有用的、有價值的信息和知識，從而提升圖書館信息資源利用率。而且，圖書館員可通過數據挖掘技術對借閱情況、學科設置情況等進行分析，并結合數據分析結果實現對各類資源的合理采購、分配與剔除，進一步完善館藏的布局。二是符合讀者服務需求。高校圖書館的服務水平直接影響著讀者的評價及滿意度。以前讀者要想查閱圖書館內的某些資料，需要提供檢索號。對于如何根據讀者偏好及讀者興趣轉移情況，為其提供個性化的信息資源服務，僅依賴傳統的高校圖書管理系統的查詢統計功能是不行的。數據挖掘技術能對讀者查閱訪問資料記錄進行深入挖掘、分析與處理，掌握讀者查閱行為模式及興趣愛好，并且主動將信息資源提供給讀者，從而大大提升了圖書館服務質量水平。（2）可行性分析。一是大部分高校圖書館已經具備了一定的物質條件，也配備了圖書館信息技術人才、管理人才，這些為數據挖掘技術在高校圖書館中的運用創造了條件。二是政府為數據挖掘技術應用制定了相關政策，并且提供了相應的經費投入，以確保該技術應用的推行。三是近些年數據挖掘技術飛速發展，能為高校圖書館開展個性化服務提供技術支撐。

4 高校圖書館個性化服務中數據挖掘技術的應用

高校圖書館要想開展個性化服務，應根據讀者的信息需求將相關信息內容進行動態化的呈現。下面將結合數據挖掘的流程來探討高校圖書館個性化服務中數據挖掘技術的應用。

4.1 明晰數據挖掘目標并建立數據倉庫

確定數據挖掘目標是展開數據挖掘的第一步。通過研究讀者的信息需求，制定出有效而合理的數據挖掘目標。待數據挖掘目標確定之后，就進入數據準備工作，也就是從海量數據中選取一個跟數據挖掘目標有關的樣板數據子集，并且建立一個保存所有數據挖掘所需數據的數據倉庫。倘若數據倉庫未被建立而直接展開數據挖掘，則易導致挖掘中斷甚至失敗，所以很有必要建立一個數據倉庫。而且，數據挖掘前期工作的關鍵內容就是數據準備。將數據挖掘技術運用于高校圖書館個性化服務中，首要步驟是建立起兩個數據庫，一是讀者數據庫，二是圖書館特色資源數據庫。讀者在使用高校圖書館過程中會產生網站訪問痕跡、借閱記錄等，這些潛藏著很多有價值的信息。

4.2 分析與調整數據庫中的數據

待建好兩個數據庫之后，需分析與調整兩個數據庫中的數據，確保最初數據的質量。倘若原始數據的質量不好，那么即使建立的數據模型很好，也會影響預測結果的質量。所以有必要分析調整數據庫中的數據，即對數據進行抽取、清洗與轉換。其中數據抽取指的是搜索出與數據挖掘目標相關的所有數據信息，數據清洗指的是對數據的噪聲、重復記錄進行消除，以及對計算缺值數據進行推導。高校圖書館每天會產生讀者訪問借閱的大量數據，但并非所有數據都適用于數據挖掘處理，所以應清理、剔除出那些無用數據。數據轉換指的是對數據維數進行精減，從數據初始特征中找到有用的那部分特征，目的是縮減在數據挖掘過程中需考慮的變量數。

4.3 選擇合適的算法并建立相應的數據挖掘模型

對于數據挖掘過程中的一個任務，可能有不同的算法。對于算法的選擇，需考慮兩方面因素。一是結合數據特點來選擇相應的算法；二是結合實際運行系統要求或者讀者要求來選擇算法，因為有的讀者想要獲得易于理解的知識或描述型的知識，有的讀者想要獲得預測型知識。接著就是建立相應的數據挖掘模型，即經過聚類、分類且采用時序模式，抽象出讀者的普遍性、個性化的需求，然后對關聯規則模型進行構建。對于建立的一系列模型，還要進行反復驗證與試用。倘若建立的模型能解決目標問題，則說明該模型是有效的。倘若建立的模型尚有不足之處或存在缺陷，則須結合反饋對模型進行調整修改，也可對算法進行重新選擇，再建立新的數據挖掘模型。通過對不同模型進行仔細的考察與判斷，最終選用有效解決目標問題的最佳模型。

4.4 解釋數據挖掘結果

在運用算法規則建立數據挖掘模型之后，還需運用該算法再進行運算，從而得出數據挖掘結果。高校圖書館要將結果進行可視化處理，將抽象的數據結果解釋得易讀、易于理解，從而幫助圖書館管理做出相應的決策，并為讀者提供有效的服務。比如對于圖書館引進的一批某專業的學術論文，經過數據挖掘分析得知查閱者絕大部分來自該專業的師生，其他專業的師生查閱率很低，故而應向該專業的讀者推送這批論文的信息。

4.5 進一步驗證數據挖掘結果并對模型進行評價

待數據挖掘結果產生之后，還要對其可用性與有效性進行驗證，并評價模型的實用性。也就是說，對數據挖掘結果進行解釋后，還要跟蹤了解數據挖掘結果實踐應用情況，從讀者的反饋信息中驗證數據挖掘結果的實用性。對于一個數據挖掘模型來說，其很難實現與已有數據完全相符，而且其也不會適用于任意環境與任意時間節點，所以評價數據挖掘結果是很有必要的。倘若讀者反饋挖掘結果能解決問題，則可說明數據挖掘目標、讀者需求均得以實現，也能證明該模型是合理而實用的。當讀者根據數據挖掘結果滿足了自身需求時，則會反饋滿意的信息。圖書館決策者收到這一反饋信息后會進行下一步實施。這一階段完成之后，高校圖書館也就實現了完整的數據挖掘過程，從而為讀者提供個性化服務。需要注意的是，若數據挖掘結果不能使讀者需求得到滿足，則系統會重復以上步驟，對數據進行重新抽取，對數據轉換方法進行重新選擇，對挖掘參數值進行重新設置，并對新算法加以選取。