數(shù)據(jù)挖掘在高校圖書(shū)館的應(yīng)用

耿向華　王桂鳳

摘 要：概述了數(shù)據(jù)挖掘的一般知識(shí)，探討了數(shù)據(jù)挖掘在高校圖書(shū)館信息管理與服務(wù)方面的應(yīng)用， 分析了數(shù)據(jù)挖掘在應(yīng)用中存在的問(wèn)題。

關(guān)鍵詞：數(shù)據(jù)挖掘；知識(shí)發(fā)現(xiàn)；高校圖書(shū)館

數(shù)據(jù)挖掘是當(dāng)前數(shù)據(jù)庫(kù)研究、開(kāi)發(fā)和應(yīng)用最活躍的分支之一， 它在科學(xué)發(fā)現(xiàn)、商業(yè)零售以及信用管理、醫(yī)學(xué)等領(lǐng)域已得到廣泛應(yīng)用。隨著高校圖書(shū)館自動(dòng)化程度與數(shù)字圖書(shū)館建設(shè)的不斷發(fā)展， 圖書(shū)館要處理和提供的信息越來(lái)越多， 越來(lái)越復(fù)雜。圖書(shū)館如何運(yùn)用這一新技術(shù)挖掘豐富的信息資源， 為服務(wù)讀者和科學(xué)管理提供可靠的依據(jù)， 值得圖書(shū)館界深入研究。本文試圖重點(diǎn)探討數(shù)據(jù)挖掘在高校圖書(shū)館信息管理與服務(wù)方面的應(yīng)用。

1 數(shù)據(jù)挖掘的定義與方法

數(shù)據(jù)挖掘（Data Mining， DM） 也稱(chēng)知識(shí)發(fā)現(xiàn)（KnowledgeDiscovery from Database， KDD） ， 是從大量的、不完全的、先前不知道的、模糊的、可能有污染的隨機(jī)詳細(xì)數(shù)據(jù)中提取隱含的、潛在有用的信息和知識(shí)的過(guò)程。挖掘的對(duì)象是數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)， 旨在通過(guò)對(duì)數(shù)據(jù)的統(tǒng)計(jì)、分析、綜合、歸納和推理， 揭示事件間的相互關(guān)系， 預(yù)測(cè)未來(lái)的發(fā)展趨勢(shì)， 起到輔助實(shí)際工作問(wèn)題求解的作用。整個(gè)知識(shí)發(fā)現(xiàn)過(guò)程由若干挖掘步驟組成：

（1） 數(shù)據(jù)選擇。根據(jù)挖掘要求， 將多個(gè)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行合并處理， 提取與KDD 相關(guān)的數(shù)據(jù)， KDD 將主要從這些數(shù)據(jù)中進(jìn)行數(shù)據(jù)提取。

（2） 數(shù)據(jù)預(yù)處理與轉(zhuǎn)換。從與KDD 相關(guān)的數(shù)據(jù)集合中除去明顯錯(cuò)誤的數(shù)據(jù)和冗余的數(shù)據(jù)， 進(jìn)一步精減所選數(shù)據(jù)中的有用部分， 縮小處理范圍， 提高數(shù)據(jù)分析質(zhì)量。并將數(shù)據(jù)轉(zhuǎn)換成為規(guī)范形式， 以使數(shù)據(jù)挖掘更有效。

（3） 數(shù)據(jù)挖掘。就是選擇合適的挖掘算法， 對(duì)數(shù)據(jù)進(jìn)行分析，以得出真正合理有用的知識(shí)。

（4） 知識(shí)描述。根據(jù)數(shù)據(jù)挖掘的目的對(duì)提取的信息進(jìn)行分析，把有價(jià)值的信息挑選出來(lái)， 將發(fā)現(xiàn)的知識(shí)以用戶(hù)能理解的方式提供給用戶(hù)。

（5） 知識(shí)評(píng)價(jià)。用戶(hù)根據(jù)已有的知識(shí)對(duì)挖掘的結(jié)果進(jìn)行合理性分析， 若有不合理的方面， 再重復(fù)上述步驟， 以保證挖掘結(jié)果的合理性。

2 數(shù)據(jù)挖掘在圖書(shū)館的應(yīng)用

2.1 分析讀者需求， 優(yōu)化信息資源建設(shè)

高校圖書(shū)館的文獻(xiàn)采購(gòu)常常面臨兩個(gè)問(wèn)題： ①每年的文獻(xiàn)購(gòu)置費(fèi)是有限的， 書(shū)庫(kù)、閱覽室等各種可使用的空間也是有限的， 如何有效地使用有限的經(jīng)費(fèi)， 充分利用寶貴的空間， 添置讀者真正需要的文獻(xiàn)， 提高文獻(xiàn)資源的利用效率； ②根據(jù)學(xué)校的專(zhuān)業(yè)設(shè)置及教學(xué)科研情況， 文獻(xiàn)購(gòu)置費(fèi)在各門(mén)學(xué)科之間如何分配， 各種文獻(xiàn)載體形式之間如何平衡， 才能使文獻(xiàn)購(gòu)置費(fèi)發(fā)揮最大效益。傳統(tǒng)圖書(shū)館大多由專(zhuān)門(mén)采訪(fǎng)人員獨(dú)自確定或與少數(shù)專(zhuān)家商計(jì)決定，不可避免地帶有一定的主觀性以及個(gè)人喜好， 難免造成經(jīng)費(fèi)浪費(fèi)及館藏信息資源的缺漏。利用數(shù)據(jù)挖掘技術(shù)可以解決以上問(wèn)題。圖書(shū)館每天產(chǎn)生大量可以對(duì)采訪(fǎng)工作產(chǎn)生指導(dǎo)作用的數(shù)據(jù)，利用模糊聚類(lèi)分析技術(shù)，通過(guò)對(duì)圖書(shū)館業(yè)務(wù)系統(tǒng)的借閱、流通狀況、檢索請(qǐng)求及館藏書(shū)目庫(kù)進(jìn)行分析挖掘，按類(lèi)統(tǒng)計(jì)文獻(xiàn)拒借集和頻繁借閱集，并以此分析出文獻(xiàn)的利用率，及時(shí)補(bǔ)充短缺的文獻(xiàn)，剔除過(guò)時(shí)的文獻(xiàn)或減少部分文獻(xiàn)的采購(gòu)復(fù)本量。

2.2 加強(qiáng)書(shū)庫(kù)科學(xué)管理， 提高服務(wù)質(zhì)量

書(shū)庫(kù)的頻繁倒架以及圖書(shū)的殘破率、丟失率是經(jīng)常遇到的問(wèn)題， 如何防微杜漸也是值得挖掘的一個(gè)方面。通過(guò)對(duì)歷年借閱數(shù)據(jù)的相關(guān)分析， 增長(zhǎng)幅度相應(yīng)較大的圖書(shū)種類(lèi)在上架的時(shí)候應(yīng)根據(jù)預(yù)測(cè)的趨勢(shì)預(yù)留架位； 通過(guò)對(duì)注銷(xiāo)數(shù)據(jù)的分類(lèi)分析統(tǒng)計(jì)及與樣本庫(kù)比較以確認(rèn)若丟失率超過(guò)一定比例的原因出在哪些方面， 給出在制度上或人員上加強(qiáng)管理的建議。對(duì)于那些借閱頻率較大且連續(xù)續(xù)借的文獻(xiàn)， 應(yīng)以量化的方式反饋給采訪(fǎng)部門(mén)以加重采購(gòu)的力度； 對(duì)罰賠款數(shù)據(jù)的挖掘則可提供對(duì)諸如特定書(shū)刊的借閱期限和人員限制等的建設(shè)性建議， 以提高服務(wù)質(zhì)量。

2.3 優(yōu)化數(shù)字圖書(shū)館的信息內(nèi)容

數(shù)字圖書(shū)館是一種數(shù)據(jù)信息系統(tǒng)， 這一系統(tǒng)不但擁有內(nèi)容豐富、形式多樣的數(shù)字化信息資源， 而且依賴(lài)于現(xiàn)代高新技術(shù)的支持， 高效地滿(mǎn)足用戶(hù)的需求。目前， 數(shù)字圖書(shū)館的信息內(nèi)容包括大量的數(shù)字化館藏、種類(lèi)繁多的數(shù)據(jù)庫(kù)、全文Web 資源鏈接以及互聯(lián)網(wǎng)上的大量信息。這大量的數(shù)據(jù)， 只有通過(guò)組織、分析和挖掘，找出數(shù)據(jù)背后真正有價(jià)值的知識(shí)信息， 才是用戶(hù)實(shí)際需要的。采用數(shù)據(jù)挖掘技術(shù)， 將其用于數(shù)字圖書(shū)館的信息發(fā)現(xiàn)和信息提供的全過(guò)程， 可向用戶(hù)提供更優(yōu)化的信息服務(wù)， 滿(mǎn)足用戶(hù)的個(gè)性化需求。

2.4 針對(duì)用戶(hù)特點(diǎn)提供個(gè)性化服務(wù)

有了數(shù)據(jù)挖掘技術(shù)， 圖書(shū)館完全可以根據(jù)用戶(hù)以前借閱的文獻(xiàn)資料， 甚至經(jīng)常訪(fǎng)問(wèn)的網(wǎng)頁(yè)（Web 服務(wù)器訪(fǎng)問(wèn)日志） 進(jìn)行分析、挖掘， 進(jìn)行用戶(hù)的背景分析、用戶(hù)群體的分類(lèi)分析、用戶(hù)偏好分析、用戶(hù)檢索滿(mǎn)意度分析等， 了解他們的興趣愛(ài)好、研究方向， 得出特定用戶(hù)的特定檢索規(guī)律和知識(shí)模型， 無(wú)需用戶(hù)先提出信息請(qǐng)求， 便可確定個(gè)性化服務(wù)內(nèi)容， 主動(dòng)將相關(guān)文獻(xiàn)送到他們手中。個(gè)性化服務(wù)的內(nèi)容包括： （ 1） 當(dāng)發(fā)現(xiàn)新的相關(guān)信息或書(shū)目數(shù)據(jù)時(shí)， 及時(shí)推送給用戶(hù)； （ 2） 當(dāng)用戶(hù)訪(fǎng)問(wèn)圖書(shū)館網(wǎng)站時(shí)， 根據(jù)用戶(hù)的興趣度， 為用戶(hù)提供定制的Web 頁(yè)面； （ 3） 跟蹤用戶(hù)的興趣變化模式， 發(fā)現(xiàn)用戶(hù)的最新需要； （ 4） 根據(jù)用戶(hù)的興趣， 提供相應(yīng)的預(yù)測(cè)報(bào)告、動(dòng)態(tài)分析等， 提供個(gè)性化決策支持服務(wù)。個(gè)性化服務(wù)的過(guò)程包括： 構(gòu)建個(gè)性化用戶(hù)動(dòng)態(tài)需求模型； 搜索、挖掘針對(duì)特定需求的相關(guān)信息； 按照特定主題， 將搜索、挖掘到的信息進(jìn)行過(guò)濾、加工和組合， 整合成相對(duì)完整的信息集合； 以在線(xiàn)或離線(xiàn)形式， 主動(dòng)發(fā)送給用戶(hù)； 按照特定主題， 對(duì)信息集合進(jìn)行分析開(kāi)發(fā)， 產(chǎn)生新的知識(shí)； 以在線(xiàn)或離線(xiàn)形式， 主動(dòng)發(fā)送到用戶(hù)。

3 在應(yīng)用中存在的問(wèn)題

當(dāng)前在圖書(shū)館應(yīng)用中， 數(shù)據(jù)挖掘技術(shù)還存在一些問(wèn)題。

（ 1） 缺少數(shù)據(jù)挖掘人才。數(shù)據(jù)挖掘技術(shù)是新興的數(shù)據(jù)分析技術(shù)， 是多學(xué)科知識(shí)的綜合， 涵蓋了數(shù)據(jù)庫(kù)技術(shù)、統(tǒng)計(jì)學(xué)、可視化技術(shù)、信息科學(xué)、機(jī)器學(xué)習(xí)等多方面知識(shí)。目前圖書(shū)館缺少精通數(shù)據(jù)挖掘技術(shù)的綜合性人才， 而對(duì)大型數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)有感性認(rèn)識(shí)的就更少了。

（ 2） 缺少?lài)?guó)產(chǎn)數(shù)據(jù)挖掘軟件。國(guó)外關(guān)于數(shù)據(jù)挖掘軟件相關(guān)技術(shù)的研究和開(kāi)發(fā)已經(jīng)很先進(jìn)。國(guó)內(nèi)由于數(shù)據(jù)積累不夠充分、全面，業(yè)務(wù)模型構(gòu)建困難及缺少有經(jīng)驗(yàn)的實(shí)施者等諸多原因， 數(shù)據(jù)挖掘未能得到很好的應(yīng)用， 而軟件的發(fā)展也受到限制。國(guó)內(nèi)對(duì)于數(shù)據(jù)挖掘軟件的研究大部分還處于科研階段。國(guó)外數(shù)據(jù)挖掘軟件在國(guó)內(nèi)使用面臨漢化、漢字庫(kù)支持、用戶(hù)習(xí)慣、適應(yīng)國(guó)情等問(wèn)題。而且?guī)缀鯖](méi)有面向圖書(shū)館應(yīng)用的專(zhuān)業(yè)數(shù)據(jù)挖掘軟件， 只有一些網(wǎng)絡(luò)專(zhuān)業(yè)信息挖掘工具。

（ 3） 已有數(shù)據(jù)挖掘軟件有待改進(jìn)。目前主流的數(shù)據(jù)挖掘軟件專(zhuān)業(yè)化水平太高， 易用性與通用性不夠， 培訓(xùn)時(shí)間較長(zhǎng)， 上手慢。同時(shí)需提高挖掘結(jié)果的可理解性， 即數(shù)據(jù)挖掘技術(shù)應(yīng)進(jìn)一步為用戶(hù)理解和接受， 也可理解為如何用用戶(hù)的語(yǔ)言來(lái)表達(dá)知識(shí)。

（ 4） 數(shù)據(jù)挖掘軟件處理數(shù)據(jù)的能力需進(jìn)一步提高。處理數(shù)據(jù)的能力不僅指能處理海量的數(shù)據(jù)， 還包括能處理各種類(lèi)型數(shù)據(jù)和數(shù)據(jù)源。現(xiàn)在的原始數(shù)據(jù)的格式越來(lái)越多樣化， 盡管在數(shù)據(jù)挖掘進(jìn)行之前要通過(guò)數(shù)據(jù)倉(cāng)庫(kù)對(duì)最初的數(shù)據(jù)進(jìn)行初步篩選， 但基本上不會(huì)影響其數(shù)據(jù)形式。所以， 數(shù)據(jù)挖掘軟件必須提高對(duì)于各種類(lèi)型數(shù)據(jù)， 包括半結(jié)構(gòu)和無(wú)結(jié)構(gòu)數(shù)據(jù)的處理能力， 其算法必須是高效率的、可伸縮的。

參考文獻(xiàn)

1 張存祿，黃培清，王子萍.數(shù)據(jù)挖掘在圖書(shū)采購(gòu)中的應(yīng)用.情報(bào)科學(xué)，2004（ 5）

2 李瑋平. 基于數(shù)據(jù)挖掘的圖書(shū)館讀者需求分析. 圖書(shū)館論壇，2004（ 3）

3 何少卓. 淺談數(shù)據(jù)挖掘及其在圖書(shū)館的應(yīng)用. 圖書(shū)館界，2004（ 3）

4 潘衛(wèi)東.WEB 的數(shù)據(jù)挖掘.圖書(shū)館論壇，2004（ 1）