基于關(guān)聯(lián)規(guī)則的數(shù)字圖書館書目查詢系統(tǒng)設(shè)計(jì)

周香

（陜西電子信息職業(yè)技術(shù)學(xué)院，陜西西安 710500）

數(shù)字圖書館是一種新型的圖書管理模式，滿足了網(wǎng)絡(luò)化的需求。數(shù)字化、多媒體信息資源是數(shù)字圖書館服務(wù)的基礎(chǔ)與先決條件，也是數(shù)字圖書館建設(shè)的核心。作為信息資源的持有者和提供者，如何充分利用互聯(lián)網(wǎng)，構(gòu)建大規(guī)模的數(shù)字資源庫，并通過互聯(lián)網(wǎng)進(jìn)行網(wǎng)上查詢，是當(dāng)前各大圖書館面臨的一個重要難題。圖書館是使用者能夠獲取最豐富的文獻(xiàn)資料的主要來源，過去的文獻(xiàn)資料則把圖書館與網(wǎng)絡(luò)之間的聯(lián)系分割開來。另外，不同的數(shù)字圖書館系統(tǒng)開發(fā)語言、開發(fā)平臺和通信協(xié)議也各不相同，在不同的數(shù)字圖書館體系中，信息資源的共享存在著很大的困難。文獻(xiàn)[1]提出的基于Solr 的標(biāo)準(zhǔn)查詢技術(shù)，通過Solr 查詢引擎對標(biāo)準(zhǔn)書目進(jìn)行拆分，并對查詢結(jié)果排序，使其應(yīng)用到數(shù)字圖書館書目查詢工程實(shí)踐中；文獻(xiàn)[2]提出的基于人工智能技術(shù)的查詢方案，通過對數(shù)據(jù)標(biāo)準(zhǔn)化處理，實(shí)現(xiàn)對數(shù)字圖書館書目的挖掘，結(jié)合人工智能技術(shù)實(shí)現(xiàn)數(shù)字圖書館書目查詢。然而，這兩種方法受到大量數(shù)字圖書館書目信息影響，導(dǎo)致查詢效果不佳，為此，設(shè)計(jì)了基于關(guān)聯(lián)規(guī)則的數(shù)字圖書館書目查詢系統(tǒng)。

1 系統(tǒng)硬件結(jié)構(gòu)設(shè)計(jì)

設(shè)計(jì)的基于關(guān)聯(lián)規(guī)則的數(shù)字圖書館書目查詢系統(tǒng)，硬件結(jié)構(gòu)如圖1 所示。

圖1 系統(tǒng)硬件結(jié)構(gòu)

1.1 書目分類導(dǎo)航模塊

為了確保該書目分類導(dǎo)航模塊基本功能，用戶可以通過查詢式目錄的查詢界面選取目錄號，并按照目錄進(jìn)行查詢。讀者在進(jìn)入分類導(dǎo)航界面后，開始查詢書目，并向目錄數(shù)據(jù)庫發(fā)送查詢請求[4]。

1.2 查詢接口模塊

使用的數(shù)字圖書館數(shù)目查詢接口，如圖2 所示。

圖2 查詢接口

數(shù)字圖書館數(shù)目查詢接口具有模糊查詢功能，能夠校驗(yàn)前后查詢語句一致性和完整性。通過定位檢索方式，構(gòu)建索引標(biāo)識，能夠提高檢索響應(yīng)速度[5]。通常查詢接口主要有兩種，分別是人機(jī)代理接口和監(jiān)控代理接口。

1.2.1 人機(jī)代理接口

人機(jī)代理接口包括輸入接口、輸出接口和輸出處理模塊，其工作方式如下：輸入接口接收讀者的輸入信息，并對其進(jìn)行檢驗(yàn)，如果不滿足接收條件，則提示讀者修改輸入信息；如果滿足，則向結(jié)果處理器發(fā)送查詢詞[6-7]。結(jié)果處理器接收到查詢詞后，根據(jù)索引地址集獲取查詢詞的相關(guān)屬性信息，之后在MIS 系統(tǒng)中提取相關(guān)屬性信息，并將提取結(jié)果發(fā)送給輸出接口，輸出接口負(fù)責(zé)顯示和打印[8]。

1.2.2 監(jiān)控代理接口

監(jiān)控代理接口主要負(fù)責(zé)對查詢界面中的索引文件進(jìn)行維護(hù)，該部分主要由感知器、知識庫、控制器和執(zhí)行器組成。由于人機(jī)代理接口無法更改系統(tǒng)原始索引，所以只能通過監(jiān)控索引結(jié)構(gòu)進(jìn)行更改[9]。如果出現(xiàn)變化，需要在書目中及時反映出來。監(jiān)控代理工作方式如下：感應(yīng)器是感應(yīng)環(huán)境，并在第一時間作出指標(biāo)[10]。在原始指標(biāo)數(shù)據(jù)發(fā)生變化時，需要立即向控制器發(fā)送信號，依據(jù)控制器預(yù)先設(shè)置的關(guān)聯(lián)規(guī)則來更改原始指標(biāo)數(shù)據(jù)[11]。將更改后的指標(biāo)數(shù)據(jù)加入系統(tǒng)，該記錄就會被傳送到該索引中。此時，系統(tǒng)會自動創(chuàng)建一個新的索引，控制器也會立刻執(zhí)行索引更新任務(wù)，待控制器獲取來自感知器的全部數(shù)據(jù)后，即可完成知識庫全部索引更新任務(wù)[12]。通過監(jiān)控代理接口，能夠及時判斷索引結(jié)構(gòu)，一旦發(fā)現(xiàn)結(jié)構(gòu)變化，只需更新關(guān)聯(lián)規(guī)則，不用更改代理程序，就能快速完成索引的更新，該過程靈活、簡便，方便移植。

HPV感染與肺癌預(yù)后相關(guān)性的機(jī)制暫不明確。既往研究提示，HPV陽性肺癌組織中HPV E6、E7癌蛋白的過度表達(dá)會下調(diào)p53蛋白，導(dǎo)致HPV陽性肺癌患者預(yù)后更好[23]。也有研究提出，HPV感染相關(guān)惡性腫瘤的主要特征為p53退化和p16上調(diào)，導(dǎo)致野生型TP53[24]和p16[25]基因攜帶幾率增大，無病生存率提高。同時，遺傳學(xué)研究提示，相比未感染HPV的腫瘤細(xì)胞，HPV感染腫瘤細(xì)胞的染色體畸變率和染色體增倍體出現(xiàn)幾率明顯降低，對放療和化療的敏感性明顯升高，預(yù)后更好[26]。未來仍需進(jìn)一步深入的基礎(chǔ)研究來闡述HPV感染與肺癌預(yù)后相關(guān)性的可能機(jī)制。

1.3 Apache服務(wù)器模塊

Apache 可以在任意一臺計(jì)算機(jī)操作系統(tǒng)上運(yùn)行，其結(jié)構(gòu)如圖3 所示。

圖3 Apache服務(wù)器模塊結(jié)構(gòu)

由圖3 可知，該服務(wù)器主要用于監(jiān)視系統(tǒng)運(yùn)行情況。Apache 能夠在很大程度上靈活地記錄和監(jiān)控服務(wù)器的運(yùn)行狀態(tài)，并且能夠滿足用戶的需要[13]。同時，它還配備了一個虛擬主機(jī)，主要功能是通過一個服務(wù)器實(shí)現(xiàn)多個主機(jī)之間的互聯(lián)，為整個系統(tǒng)提供HTTP 服務(wù)[14]。Apache 模塊可以在運(yùn)行時進(jìn)行動態(tài)加載，從而減少了內(nèi)存負(fù)載。

2 系統(tǒng)軟件部分設(shè)計(jì)

2.1 基于關(guān)聯(lián)規(guī)則的查詢索引構(gòu)建

書目推薦算法一般都是以項(xiàng)集合來表達(dá)，這些項(xiàng)集合彼此獨(dú)立，沒有重復(fù)屬性。對于關(guān)聯(lián)規(guī)則，需要計(jì)算書目特征集的支持度，對于項(xiàng)集D的支持度，其計(jì)算公式為：

式中，Q表示全部數(shù)據(jù)集。如果項(xiàng)集D是一種頻繁項(xiàng)集，那么該項(xiàng)集支持度大于等于頻繁項(xiàng)集中的任意最小頻繁項(xiàng)集。集合間的個性化規(guī)則必須符合以下條件：各項(xiàng)集合是有效的，且各項(xiàng)集合之間的個性化應(yīng)具有某種普遍性[15]。以此為依據(jù)，構(gòu)建的基于關(guān)聯(lián)規(guī)則的查詢索引模型，如圖4 所示。

圖4 基于關(guān)聯(lián)規(guī)則的查詢索引模型

由圖4 可知，在確定特征采集結(jié)果和關(guān)鍵詞后，在字段上建立索引，由此完成索引的構(gòu)建。在查詢系統(tǒng)中，構(gòu)建查詢索引模型詳細(xì)步驟如下：首先，讀者提出查詢需求的條件，然后，系統(tǒng)按照查詢需求來檢索與查詢相關(guān)的文件，同時系統(tǒng)根據(jù)查詢條件與書目數(shù)據(jù)之間的關(guān)聯(lián)性按照相似度大小依次排序，最后，將排序后的結(jié)果反饋給讀者[16]。

2.2 數(shù)字圖書館書目查詢步驟設(shè)計(jì)

根據(jù)構(gòu)建的查詢索引模型搜索頻繁項(xiàng)集，待搜索完成后會產(chǎn)生強(qiáng)大的關(guān)聯(lián)規(guī)則。在該規(guī)則中，設(shè)1為非空子集，0 為空子集，如果項(xiàng)集合的每一個頻繁項(xiàng)集為1，說明該項(xiàng)集為非空子集，可以將此集合作為書目查詢集合，反之，則不能。

針對數(shù)字圖書館查詢書目存在特征集合xm，對這些特征進(jìn)行矢量化處理，得到的特征均與書目單詞相呼應(yīng)。

設(shè)需要查詢的書目庫為W，可表示為：

式中，gn表示第n個書目；N表示書目總量。在需要查詢的書目庫中，將全部特征映射成一組節(jié)點(diǎn)數(shù)據(jù)，使其成為一條量化路徑。

在該條量化路徑上，使用一種能控制字段存儲的估計(jì)參數(shù)，可表示為：

式中，l(μ)表示估計(jì)參數(shù)相對于特征集合xm的似然函數(shù)。通過對似然函數(shù)進(jìn)行數(shù)據(jù)轉(zhuǎn)化處理，能夠得到書目查詢模型，如下所示：

式中，Uμ表示數(shù)字圖書館書目全部查詢結(jié)果。該公式計(jì)算結(jié)果越高，書目查詢結(jié)果就越精準(zhǔn)，由此完成數(shù)字圖書館書目查詢。

3 系統(tǒng)測試

3.1 數(shù)據(jù)源選取

系統(tǒng)測試選取的圖書館歷史記錄數(shù)據(jù)作為圖書館查詢系統(tǒng)的研究對象，登錄某校圖書館自動化管理系統(tǒng)模塊，統(tǒng)計(jì)2018 年1 月—2022 年1 月的讀者查詢歷史記錄。

3.2 系統(tǒng)生成的關(guān)聯(lián)規(guī)則

從基于關(guān)聯(lián)規(guī)則的數(shù)字圖書館書目查詢系統(tǒng)生成的頻繁數(shù)據(jù)庫中產(chǎn)生具有強(qiáng)關(guān)聯(lián)的規(guī)則，如果這些規(guī)則的支持度和置信度大于設(shè)定的閾值0.4 和0.7，則說明該系統(tǒng)查詢結(jié)構(gòu)與讀者查詢結(jié)果關(guān)聯(lián)性較大。

使用該平臺生成的15 條歷史記錄關(guān)聯(lián)規(guī)則，如表1 所示。

表1 生成的關(guān)聯(lián)規(guī)則

由表1 可知，讀者在查詢圖書時表現(xiàn)出較強(qiáng)的個性化，因此，系統(tǒng)生成的關(guān)聯(lián)規(guī)則支持度和置信度較高。根據(jù)系統(tǒng)測試結(jié)果可以看出，《鄧小平思想概論》、《思想道德修養(yǎng)教程》、《現(xiàn)代國家的政策過程》關(guān)聯(lián)規(guī)則較高，說明被查詢的次數(shù)也較多。

3.3 測試結(jié)果與分析

為了進(jìn)一步驗(yàn)證基于關(guān)聯(lián)規(guī)則的數(shù)字圖書館書目查詢系統(tǒng)設(shè)計(jì)合理性，需將其與基于Solr 的標(biāo)準(zhǔn)查詢技術(shù)、基于人工智能技術(shù)的查詢方案的查詢結(jié)果進(jìn)行對比分析。以查全率和查準(zhǔn)率為指標(biāo)，三種方法的查詢效果對比結(jié)果如圖5 所示。

圖5 三種方法查詢效果對比分析

由圖5 可知，A、B、C 三個點(diǎn)分別代表《鄧小平思想概論》、《思想道德修養(yǎng)教程》、《現(xiàn)代國家的政策過程》書目，這三個點(diǎn)也為三種方法的平衡點(diǎn)，曲線A 完全包住曲線B，曲線B 完全包住曲線C，其中A 點(diǎn)為查詢效果最佳點(diǎn)，C 點(diǎn)查詢效果最差點(diǎn)。通過對比結(jié)果可知，使用基于Solr 的標(biāo)準(zhǔn)查詢技術(shù)，C點(diǎn)查全率和查準(zhǔn)率均為40%，A 點(diǎn)查全率和查準(zhǔn)率均為67%；使用基于人工智能技術(shù)的查詢方案，C 點(diǎn)查全率和查準(zhǔn)率均為49%，A 點(diǎn)查全率和查準(zhǔn)率均為68%；使用基于關(guān)聯(lián)規(guī)則的數(shù)字圖書館書目查詢系統(tǒng)，C 點(diǎn)查全率和查準(zhǔn)率均為60%，A 點(diǎn)查全率和查準(zhǔn)率均為78%。

通過上述分析結(jié)果可知，使用基于關(guān)聯(lián)規(guī)則的數(shù)字圖書館書目查詢系統(tǒng)查全率和查準(zhǔn)率均最高，說明使用該系統(tǒng)具有高效查詢效率。

4 結(jié)束語

文中設(shè)計(jì)了基于關(guān)聯(lián)規(guī)則的數(shù)字圖書館書目查詢系統(tǒng)，對查詢數(shù)據(jù)進(jìn)行了關(guān)聯(lián)分析，確定圖書館書目之間存在的關(guān)聯(lián)信息，并形成了強(qiáng)大的關(guān)聯(lián)規(guī)則，為讀者提供了一種主動的、個性化的查詢服務(wù)，通過對查詢方式分析向讀者提供有關(guān)書籍的建議。

目前，數(shù)據(jù)查詢技術(shù)在圖書館的應(yīng)用尚處于起步階段，對個性化查詢服務(wù)的發(fā)展起到積極的推動作用。針對關(guān)聯(lián)規(guī)則數(shù)字圖書館書目查詢問題，提出了如下期望：下一步需要設(shè)置一個頻率門限，來決定頻繁書目集合，從而迅速找到讀者所關(guān)心的書目。