高校圖書館數據智能分析系統的研究與應用

中圖分類號：G258.6 文獻標識碼：A 文章編號：1003-1588（2025）04-0071-03

1背景

高校圖書館作為高校重要的資源中心，肩負著為學術研究和教育教學提供保障的重任。隨著高校圖書館館藏資源數量的不斷增多，用戶對圖書館智能化的要求越來越高，高校圖書館亟須在圖書借閱、館藏管理、期刊訂閱、數據統計等方面開拓創新，盡可能滿足用戶的需求[1，2]。近年來，高校圖書館積極嘗試應用人工智能和大模型技術，但實際效果不佳，難以達到用戶的要求，部分關鍵業務仍依賴人工操作，嚴重影響了智慧圖書館建設進程[3.4] 。

的數據分布于不同的系統，數據量大，分布范圍廣，數據格式和標準不統一，僅靠館員開展數據統計分析工作，不僅成本較高，準確性也難以保障，且無法做到對館內各項運行指標的實時監控。因此，筆者基于人工智能和大模型技術設計開發了一套高校圖書館數據智能分析系統，利用信息化等技術手段整合不同系統中的數據，細化業務需求和相關場景，建立不同維度的數據分析報表模版，以提高圖書館數據分析能力。該系統能夠實現圖書館各類報表數據的實時自動生成及可視化展示，為高校圖書館節省大量人力成本，減輕館員的工作壓力。此外，該系統還能自動生成分析報告，支持多種數據格式的導入，且具有分權分域功能，有助于高校圖書館優化資源配置及管理決策[5，6]。

2高校圖書館數據智能分析系統設計

2.1 系統總體架構

高校圖書館數據智能分析系統是基于JavaEE的分布式微服務架構平臺[7]，系統架構包含數據采集層、分析處理層和應用展示層，系統總體架構如下頁圖1所示。數據采集層可實現對日志信息、借閱和新增圖書信息、學科服務數據、電子書使用量、數據庫訪問信息等數據的實時、批量采集。筆者選用MyBatis為數據庫操作的主要框架，其支持動態SQL生成，且具有靈活的SQL查詢功能，可提高系統與數據庫的交互效率。為優化數據庫的訪問性能，筆者在系統內集成了Druid數據庫連接池，此舉有效減少了數據庫連接的創建和銷毀成本，加快了數據庫訪問速度。該系統會對采集到的數據進行清洗、去重、缺失值填補、異常值檢測和歸一化等處理，以消除數據中的噪聲和錯誤。分析處理層基于分布式計算Apache框架，支持大規模數據的并行處理。筆者選用SpringBoot作為分析處理層的核心架構[8，9]，該架構具有簡化配置、智能化依賴管理和快速開發部署能力，能夠迅速處理大量并發請求，其模塊化的設計允許管理員根據實際需求添加或刪除組件，確保系統各部分的無縫協作。應用展示層可利用可視化工具將數據分析結果轉化為直觀的圖表，支持自定義的分析結果查詢。筆者選用Thymeleaf模板引擎實現數據展示和用戶交互功能[10]，可實現動態頁面的生成，根據用戶請求實時生成數據分析結果，將其與SpringBoot無縫集成，可提高前后端數據傳遞速率。

該系統總體架構的創新點如下：一是實現了基于時間序列的高校圖書館數據挖掘算法，可按照時間序列挖掘不同數據之間的關系，產生更多有價值的信息，從算法和軟件層面保障了系統的創新性。二是整合借閱、空間、屬性等圖書館數據，構建了16種高校圖書館使用頻率較高的、基于空間和屬性特征的場景報表模型庫，包括研討間使用次數、各時段研討間使用個數、各部門典藏百分比、到館人數、每日借閱量、各學院借閱次數、各學院借閱人數、書籍借閱次數、書籍續借次數等模型庫。三是利用了基于Thymeleaf引擎的可視化展示技術，可將數據分析結果轉化為直觀的圖表，方便館員操作和使用系統。

2.2 系統功能

高校圖書館數據智能分析系統具有以下四類功能：一是數據管理功能，支持導人CSV、JSON等格式的數據，根據不同的數據格式生成不同的圖表，并對生成的圖表進行動態調配。二是系統管理功能，管理員可對系統的賬戶登錄、角色授權、組織機構增減等項目進行管理，并合理分配操作權限和設備管理范圍。三是統計分析功能，該系統配備了便捷的數據分析插件和工具，支持圖表全景縮放、圖例點擊顯示、圖表形式轉換等，可在單張圖表中查看各項數據的分析結果，解決統計分析場景中瀕繁切換顯示的問題。四是實例演示功能，可為用戶提供多種個性化的統計分析模型，且支持多種圖表展示樣式，滿足不同用戶的多元化數據分析需求。

3典型的系統應用場景

3.1 到館流量分析

高校圖書館數據智能分析系統可幫助圖書館從不同維度對到館流量信息進行統計，挖掘用戶的潛在需求和行為模式，并將其與館內空間資源信息相匹配，以優化館藏資源配置，提升服務質量和用戶體驗。到館流量分析的數據源包括高校圖書館的門禁系統、借閱系統、自助服務終端和智能監控系統等，不同數據源的數據可相互稽核，以提升數據的使用價值，如：將門禁系統的數據與借閱系統的數據進行比對，確定用戶使用圖書館的高峰時段及用戶活動的熱點區域[1]。到館流量分析的重點在于精準識別用戶的行為，以明確用戶集中到訪時段、用戶最常逗留的閱讀區域及借閱頻次較高的書籍類型等。高校圖書館可根據分析結果優化服務模式和空間布局，如：根據工作日與周末的用戶到館高峰時間的差異量，適當延長周末開放時間；根據館內特定區域在特定時段內的人流密集度增設閱覽室席位、優化館藏資源布局；根據研討室人員流動情況優化管理策略，在研討室使用人數較少的時段開展專題活動，吸引用戶積極使用研討室。

3.2 借閱數據分析

借閱數據是高校圖書館數據的重要組成部分，針對借閱數據的系統性分析有助于高校圖書館掌握用戶的閱讀偏好和館藏資源利用情況，進而優化資源調度策略、館藏資源結構和館內空間布局[12.13]。借閱數據包括書籍的借閱次數、借閱時間、借閱者身份等，把這些數據按時間或類型進行存儲，即可構建完整的借閱數據集。高校圖書館可分析不同年級學生的借閱量，展示各年級學生的文獻需求差異，為館藏資源采購工作提供數據支持；分析書籍的借閱次數，精準識別熱門書籍及特定書籍的借閱高峰時段，進而分析社會熱點問題或用戶的閱讀興趣點；分析不同用戶群體的借閱習慣，深入了解不同群體的閱讀需求，進而開展更具針對性的專題服務；分析用戶借閱特定書籍的頻率和周期，明確用戶閱讀特定類型書籍的規律，進而調整資源建設策略。

4結語

高校圖書館數據智能分析系統可采集、分析和處理不同數據源的數據，生成數據統計分析報告，為圖書館的日常管理和領導決策提供支持[14，15]。筆者將持續優化該系統，引人更多智能化工具，設置智能化報告生成、智能預測和智能推薦等功能[16]；不斷完善系統界面和操作流程，簡化操作步驟，提升用戶的使用體驗；引入更多大模型，提升對半結構化或非結構化數據的處理能力，為高校圖書館的智慧圖書館建設奠定數據基礎。

參考文獻：

[1］王蕾.高校圖書館人工智能素養服務的探索與研究[J].圖書館理論與實踐，2024（4）：26-32.

[2]白忠睿，陳臣，李若冰.基于人工智能的圖書館數據管理內容與體系構建研究[J].圖書館學刊，2024（7）：40-43.

[3］陸娜.生成式人工智能與圖書館發展的國外研究進展[J].圖書館研究與工作，2024（8）：48-54.

[4］刁羽，薛紅.生成式人工智能驅動圖書館學科服務變革[J].圖書館，2025（1）：74-79.

[5]李璘，韓旭.基于知識圖譜的高校圖書館網絡信息資源管理平臺構建與實踐策略[J].圖書館學刊，2024（7） ：49-51.

[6］于莉娜.公共圖書館用戶信息服務體系構建探索：以大連地區為視角[J].圖書館學刊，2024（6）：36-39.

[7］李昕洋.JavaEE后端計算機軟件的設計與實現[J].電子技術，2024（2）：70-71.

[8］謝振華.基于Vue.js與SpringBoot的教務管理系統設計[J].電腦與信息技術，2024（4）：95-97.

[9]王文靜，國育家，賈康鋮.基于SpringBoot的信息化項目管理系統的設計與實現[J].信息技術與信息化，2023（11） ：113-116.

[10］陳剛.基于SpringBoot+Thymeleaf+MySQL的動態表單功能模塊設計與實現[J].長江信息通信，2023（9）：100-102.

［11］楊佳.以上海圖書館為例的到館讀者流量分析[J].圖書館界，2010（6）：36-38.

[12]孟志強，李慧.基于對應分析的高校讀者借閱行為特征探究[J].蘭臺內外，2023（36）：85-88.

[13］許凡.數字化轉型期獨立學院讀者借閱行為和閱讀偏好研究：以南京師范大學中北學院圖書館為例[J].圖書館學刊，2022（11）：70-76.

[14］楊宗玲.高校圖書館與數字學術出版商協同共融發展策略：基于產業價值鏈理論視角［J].圖書館工作與研究，2024（8）：46-52.

[15]梅振榮，王海伶，許慧，等.智慧圖書館數據開放共享及安全治理平衡研究[J].圖書館，2024（9）：96-101.

[16］李蛟，孟志強.基于時間序列算法的高校圖書館借閱數據預測及分析[J].情報科學，2022（11）：133-138.

（編校：馮耕）