基于數(shù)據(jù)挖掘技術(shù)的圖書館個(gè)性化信息服務(wù)探討

郭菁菁

(棗莊市圖書館,山東棗莊　277100)

?

基于數(shù)據(jù)挖掘技術(shù)的圖書館個(gè)性化信息服務(wù)探討

郭菁菁

(棗莊市圖書館,山東棗莊277100)

圖書館;個(gè)性化信息服務(wù);數(shù)據(jù)挖掘技術(shù);關(guān)聯(lián)規(guī)則

文章從數(shù)據(jù)挖掘技術(shù)的相關(guān)原理出發(fā),構(gòu)建了圖書館個(gè)性化信息服務(wù)系統(tǒng),并對(duì)數(shù)據(jù)挖掘的實(shí)施過程進(jìn)行了簡(jiǎn)要論述,并從關(guān)聯(lián)規(guī)則的角度介紹了基于數(shù)據(jù)挖掘技術(shù)的圖書館個(gè)性化信息服務(wù)的實(shí)現(xiàn)途徑。

文獻(xiàn)信息的檢索與傳播是圖書館的基礎(chǔ)職能，隨著圖書館數(shù)字化、智能化、自動(dòng)化程度的不斷提升，很多圖書館引入了中外文全文數(shù)據(jù)庫。一方面滿足了讀者多樣化的文獻(xiàn)信息需求，另一方面也增加了讀者在短時(shí)間內(nèi)獲取有效信息資源的難度[1]。個(gè)性化信息服務(wù)是圖書館“以人為本”價(jià)值理念的直接體現(xiàn)，是一種最大限度滿足讀者需求的主動(dòng)性或智能推送性的服務(wù)模式，即通過對(duì)用戶的借閱習(xí)慣和個(gè)性特點(diǎn)進(jìn)行分析，進(jìn)而主動(dòng)地向用戶提供其可能感興趣的信息。這一服務(wù)模式涉及龐大的數(shù)據(jù)采集、處理、分析和歸類，需要強(qiáng)有力的數(shù)據(jù)集成分析工具來支撐。數(shù)據(jù)挖掘又稱知識(shí)發(fā)現(xiàn)過程，即利用關(guān)聯(lián)規(guī)則從大量的、模糊的、不完全的信息數(shù)據(jù)庫中提取潛在的、對(duì)讀者而言有價(jià)值的信息。數(shù)據(jù)挖掘技術(shù)最先應(yīng)用于商業(yè)領(lǐng)域，近幾年已經(jīng)開始引入圖書館管理與服務(wù)之中，其在圖書館個(gè)性化信息服務(wù)中的應(yīng)用仍有較大的開發(fā)空間。

1　基于數(shù)據(jù)挖掘的圖書館個(gè)性化信息服務(wù)系統(tǒng)設(shè)計(jì)

1．1整體結(jié)構(gòu)模型

圖書館個(gè)性化信息服務(wù)涵蓋了用戶從網(wǎng)站注冊(cè)到接受系統(tǒng)提供服務(wù)的全過程。這一系統(tǒng)首先對(duì)圖書館用戶信息進(jìn)行收集，而后關(guān)聯(lián)技術(shù)對(duì)用戶需求行為進(jìn)行模型構(gòu)建，繼而用已存在的圖書館資源知識(shí)庫與用戶模型進(jìn)行對(duì)照，提取出用戶需求的具體信息服務(wù)(見圖1)。

圖書館個(gè)性化信息服務(wù)系統(tǒng)分為兩大基本模塊，即在線推薦模塊和離線挖掘模塊，圖中上半部分為在線推薦模塊，下半部分為離線挖掘模塊。知識(shí)資源庫又細(xì)分為信息采集層、信息存儲(chǔ)層、信息加工處理層、信息服務(wù)層等部分內(nèi)容。其中，信息采集層、存儲(chǔ)層和加工處理層滿足了圖書館個(gè)性化信息服務(wù)中的強(qiáng)大數(shù)據(jù)需求，是數(shù)據(jù)挖掘的必要條件。系統(tǒng)數(shù)據(jù)采集通過搜集讀者使用圖書館的信息而實(shí)現(xiàn)，如讀者刷卡保留的借閱信息、個(gè)人身份信息等。待采集環(huán)節(jié)完成之后，由資源處理層對(duì)采集信息進(jìn)行分類加工，更新知識(shí)數(shù)據(jù)庫信息，確保數(shù)據(jù)資源的即時(shí)性(見圖2)。

圖1　基于數(shù)據(jù)挖掘的個(gè)性化系統(tǒng)結(jié)構(gòu)圖

圖2　知識(shí)資源庫功能流程圖

從圖2可以看出，資源采集層實(shí)現(xiàn)信息采集有兩種方式，即自動(dòng)采集和人工采集。所謂自動(dòng)采集指的是系統(tǒng)根據(jù)用戶在圖書館中借書、還書、業(yè)務(wù)辦理等刷卡記錄自動(dòng)提取并存儲(chǔ)讀者信息。人工采集是一種必要的輔助采集手段，某些情形下，因?yàn)橄到y(tǒng)的原因?qū)е掠脩魝€(gè)人信息無法收錄或收錄不完全，如系統(tǒng)因功能故障未記錄部分用戶的身份信息，此時(shí)就需要依靠管理人員根據(jù)系統(tǒng)提示對(duì)用戶信息進(jìn)行完善補(bǔ)充。資源處理層除具備清理和分類信息功能之外，還具有把不規(guī)則數(shù)據(jù)轉(zhuǎn)換為可識(shí)別數(shù)字信息的作用，最后經(jīng)數(shù)據(jù)挖掘工具將其轉(zhuǎn)化為統(tǒng)一識(shí)別的知識(shí)規(guī)則集，以實(shí)現(xiàn)個(gè)性化信息資源推送服務(wù)。

1．2工作流程

系統(tǒng)總體工作流程從用戶和圖書館后臺(tái)數(shù)據(jù)兩方同時(shí)開展。首先，用戶在圖書館個(gè)性化界面中注冊(cè)信息并申請(qǐng)登錄賬號(hào)，實(shí)現(xiàn)與后臺(tái)數(shù)據(jù)系統(tǒng)的實(shí)時(shí)交互。其次，用戶通過登錄認(rèn)證查閱各類文獻(xiàn)信息，同時(shí)點(diǎn)擊接受圖書館個(gè)性化信息服務(wù)操作指令。個(gè)性化信息系統(tǒng)后臺(tái)則根據(jù)已錄入的用戶信息，建立用戶使用模型。最后，信息系統(tǒng)后臺(tái)利用數(shù)據(jù)挖掘技術(shù)獲取圖書館資源庫中的關(guān)聯(lián)資源，并向用戶進(jìn)行推薦(見圖3)。

圖3　系統(tǒng)工作流程圖

1．3系統(tǒng)模塊構(gòu)成

在線推薦模塊為離線挖掘模塊運(yùn)行提供了數(shù)據(jù)支撐，而離線挖掘模塊輔助在線推薦模塊實(shí)現(xiàn)信息推送服務(wù)，兩者共同組成了個(gè)性化信息服務(wù)模塊，都不可缺少[2]。在線推薦模塊在完成用戶信息采集后，對(duì)信息進(jìn)行整理歸類，而后與系統(tǒng)知識(shí)庫進(jìn)行比對(duì)，最后根據(jù)關(guān)聯(lián)規(guī)則生成用戶所需要的信息。離線挖掘模塊通過對(duì)用戶進(jìn)行的聚類細(xì)分找出相似用戶群體，繼而構(gòu)建用戶模型，完成個(gè)性化信息推送服務(wù)。

在線推薦模塊的原理主要是把生成的用戶模型與已有的資源知識(shí)庫相比對(duì)，最終把有用信息推薦給用戶。而采用離線挖掘，一方面要求在時(shí)間效度上具有科學(xué)性，另一方面要求在數(shù)據(jù)處理上具有即時(shí)性。圖書館個(gè)性化信息服務(wù)系統(tǒng)中存儲(chǔ)的用戶信息每時(shí)每刻都在更新，需耗費(fèi)大量時(shí)間進(jìn)行數(shù)據(jù)處理，考慮到在線處理會(huì)影響到用戶的使用，通常情形下系統(tǒng)工作采用離線處理模式。因?yàn)殡x線數(shù)據(jù)挖掘基于用戶使用信息生成關(guān)聯(lián)規(guī)則，而在短時(shí)間內(nèi)用戶信息基數(shù)變化不大，所以離線處理的結(jié)果不會(huì)對(duì)個(gè)性化信息服務(wù)運(yùn)行造成影響(見圖4)。

圖4　離線數(shù)據(jù)挖掘生成關(guān)聯(lián)規(guī)則流程圖

從圖4可以看出，這一關(guān)聯(lián)規(guī)則流程主要由三部分模塊組成：①數(shù)據(jù)處理模塊。其又稱數(shù)據(jù)存儲(chǔ)模塊，主要功能是依靠系統(tǒng)分析、處理和匯總圖書館資源數(shù)據(jù)庫中的用戶信息，而后將其存儲(chǔ)在數(shù)據(jù)挖掘資源庫之中。②挖掘模塊。其又稱數(shù)據(jù)挖掘引擎，主要功能是運(yùn)用聚類算法對(duì)存儲(chǔ)信息進(jìn)行挖掘，生成用戶行為規(guī)則。③規(guī)則導(dǎo)入模塊。其主要功能是把挖掘算法結(jié)果導(dǎo)入到系統(tǒng)知識(shí)庫之中，尋找與用戶行為規(guī)則相匹配的文獻(xiàn)資源。

2　圖書館個(gè)性化信息服務(wù)中的數(shù)據(jù)挖掘?qū)嵤┡c結(jié)果評(píng)價(jià)

在當(dāng)前信息資源泛化傳播的時(shí)代，圖書館用戶的信息需求不僅僅局限于以往的信息檢索、文獻(xiàn)書目查詢，而是希望獲得更有深度的文本信息或更具全面性的查詢問題解答。采用數(shù)據(jù)挖掘技術(shù)既有助于保持信息的完整性和功能性，又能深入剖析信息之間的關(guān)聯(lián)，進(jìn)而滿足用戶的深層次信息需求。普通數(shù)據(jù)挖掘的實(shí)施過程分成四個(gè)階段，即問題定義階段、數(shù)據(jù)挖掘和結(jié)果分析階段、數(shù)據(jù)評(píng)估階段。與普通數(shù)據(jù)挖掘所不同的是，圖書館個(gè)性化信息服務(wù)中的數(shù)據(jù)挖掘可以為信息服務(wù)提供多種可參照的方式[3]，如按照某一主題，提供全面的方案知識(shí)，輔助圖書館完成個(gè)性化決策支持服務(wù)；應(yīng)用戶要求，為其提供全本文獻(xiàn)資料或關(guān)聯(lián)資源庫鏈接，使文獻(xiàn)服務(wù)更具針對(duì)性(見圖5)。

圖5　個(gè)性化信息服務(wù)系統(tǒng)中數(shù)據(jù)挖掘?qū)嵤┎襟E

2．1提出問題

圖書館用戶依據(jù)自身的借閱需求向圖書館個(gè)性化信息服務(wù)系統(tǒng)提出文獻(xiàn)查閱或借閱請(qǐng)求。系統(tǒng)自動(dòng)記錄用戶請(qǐng)求，并根據(jù)請(qǐng)求的具體內(nèi)容縮小數(shù)據(jù)挖掘范圍，減少系統(tǒng)數(shù)據(jù)挖掘壓力。

2．2數(shù)據(jù)導(dǎo)入與整理

數(shù)據(jù)導(dǎo)入和整理是數(shù)據(jù)挖掘開始的前提，同時(shí)也是用戶獲得優(yōu)質(zhì)信息服務(wù)的必要條件。數(shù)據(jù)挖掘質(zhì)量與挖掘范圍、挖掘工作量成正比關(guān)系，為了向用戶提供全面而深入的文獻(xiàn)信息服務(wù)，數(shù)據(jù)挖掘開始之前應(yīng)全面理解用戶設(shè)定的問題，盡可能擴(kuò)大文獻(xiàn)數(shù)據(jù)的挖掘范圍與深度。在挖掘工作初步完成之后，應(yīng)根據(jù)用戶的需求和索引題目的要求對(duì)挖掘數(shù)據(jù)進(jìn)行初步審核，并對(duì)挖掘出的數(shù)據(jù)進(jìn)行分類。通過異常數(shù)據(jù)清除、重復(fù)數(shù)據(jù)刪除、文獻(xiàn)資源標(biāo)準(zhǔn)格式化、錯(cuò)誤更正等操作，完成對(duì)數(shù)據(jù)的最終整理。

2．3模型構(gòu)建與調(diào)整

把已挖掘數(shù)據(jù)轉(zhuǎn)換成用戶信息模型，并最終與系統(tǒng)數(shù)據(jù)庫中的資源指標(biāo)正確匹配，從而轉(zhuǎn)換成有用的關(guān)聯(lián)規(guī)則，這離不開模型構(gòu)建工具的科學(xué)性和挖掘人員豐富的操作經(jīng)驗(yàn)。一般而言，一種數(shù)據(jù)挖掘算法對(duì)應(yīng)一種模型構(gòu)建方式，想要最大化地發(fā)揮數(shù)據(jù)挖掘功能，關(guān)鍵是要選擇一種適合分析模型的挖掘算法。用戶模型建立完成之后，可根據(jù)系統(tǒng)的需求對(duì)模型進(jìn)行適當(dāng)調(diào)試，如：增加信息匹配因素，使之能夠挖掘出更多的或更深層次的關(guān)聯(lián)信息。

2．4結(jié)果評(píng)定與解釋

結(jié)果評(píng)定根據(jù)用戶的文獻(xiàn)信息需求狀況而設(shè)定，其目的在于分析和整理出有用的挖掘模式運(yùn)行數(shù)據(jù)，為后續(xù)完善系統(tǒng)服務(wù)做準(zhǔn)備。數(shù)據(jù)挖掘之后，在資源數(shù)據(jù)庫中尋找出潛在的價(jià)值信息，但數(shù)據(jù)挖掘之后產(chǎn)生的關(guān)聯(lián)規(guī)則可能不止一種模式，也并非每種模式都會(huì)產(chǎn)生相同的挖掘效果[4]。通過對(duì)挖掘結(jié)果做出評(píng)價(jià)和解釋，選擇最優(yōu)化的挖掘模式，有助于滿足大多數(shù)用戶的信息需求。

2．5反饋與修訂

系統(tǒng)接收用戶的反饋信息，找出數(shù)據(jù)挖掘中的不足，與用戶溝通后制訂下一階段的詳細(xì)挖掘計(jì)劃。

3　基于數(shù)據(jù)挖掘的圖書館個(gè)性化信息服務(wù)實(shí)現(xiàn)

3．1分類號(hào)級(jí)層面關(guān)聯(lián)規(guī)則

分類號(hào)級(jí)層面的關(guān)聯(lián)規(guī)則通過分類號(hào)級(jí)對(duì)圖書館資源系統(tǒng)進(jìn)行數(shù)據(jù)挖掘?qū)崿F(xiàn)。這一關(guān)聯(lián)規(guī)則既能呈現(xiàn)出學(xué)生的潛在閱讀行為，又能勾勒出學(xué)科之間的隱性關(guān)系。一些情況下，對(duì)于圖書館兩年內(nèi)的新購圖書，管理人員會(huì)把其集中在靠近走廊或閱覽室入口之處，以便借閱。此時(shí)，利用數(shù)據(jù)挖掘生成分類號(hào)級(jí)關(guān)聯(lián)規(guī)則，將符合規(guī)則的圖書集中有序擺放，也就實(shí)現(xiàn)了潛在的個(gè)性化信息服務(wù)。而購置時(shí)間在兩年以上的圖書，其擺放原則大多依據(jù)《中國圖書館圖書分類法》，很難依據(jù)關(guān)聯(lián)規(guī)則對(duì)其進(jìn)行重新調(diào)整。由此可以看出，此種關(guān)聯(lián)規(guī)則下的個(gè)性化信息服務(wù)方式更加適合傳統(tǒng)模式下的圖書館。

3．2圖書館層面的關(guān)聯(lián)規(guī)則

圖書館層面的關(guān)聯(lián)規(guī)則通過索書號(hào)級(jí)對(duì)圖書館資源數(shù)據(jù)庫進(jìn)行挖掘?qū)崿F(xiàn)。特定的索引書號(hào)對(duì)應(yīng)相應(yīng)的圖書標(biāo)題，這一數(shù)據(jù)挖掘生成的關(guān)聯(lián)規(guī)則除了顯示用戶借閱了圖書甲的信息，還會(huì)顯示讀者可能借閱圖書乙的信息。這一關(guān)聯(lián)規(guī)則在數(shù)字化圖書館中有較大應(yīng)用空間，不受圖書館文獻(xiàn)資源購買時(shí)間長短的限制。其基本過程是通過關(guān)聯(lián)規(guī)則表查詢用戶最近的借閱行為，與資源數(shù)據(jù)庫進(jìn)行匹配，如果有相關(guān)聯(lián)圖書，則從資源數(shù)據(jù)庫中把圖書信息調(diào)出，待用戶下次登錄圖書館個(gè)性化信息服務(wù)界面時(shí)，系統(tǒng)會(huì)在屏幕中主動(dòng)顯示用戶可能感興趣的圖書列表。

4　結(jié)語

當(dāng)今社會(huì)中的圖書館服務(wù)不再局限于提供簡(jiǎn)單的文獻(xiàn)查找與借閱，而是轉(zhuǎn)向了為用戶提供更為深層次和關(guān)聯(lián)性的信息源。本質(zhì)上來看，傳統(tǒng)圖書館的信息服務(wù)模式是一種“被動(dòng)式服務(wù)”，難以向用戶提供完整的知識(shí)集合或信息集合。而數(shù)據(jù)挖掘技術(shù)的應(yīng)用，則有效解決了圖書館信息服務(wù)中供求不匹配的問題，使讀者享受到更具實(shí)效性、針對(duì)性和個(gè)性化的信息服務(wù)。但數(shù)據(jù)挖掘技術(shù)涉及諸多數(shù)據(jù)處理技巧且工作量復(fù)雜，因此在我國圖書館個(gè)性化信息服務(wù)系統(tǒng)構(gòu)建中普及率還很低，同時(shí)這也成為我國圖書館個(gè)性化信息服務(wù)建設(shè)中面臨的現(xiàn)實(shí)問題。

[1]劉瓊.大數(shù)據(jù)環(huán)境下圖書館面臨的影響與挑戰(zhàn)[J].理論觀察,2013(8):112-113.

[2]查繼紅.高校圖書館個(gè)性化信息服務(wù)模式探析[J].圖書館學(xué)刊,2014(6):79-82.

[3]吳淼.數(shù)據(jù)挖掘在圖書館個(gè)性化服務(wù)中的研究[J].出國與就業(yè),2011(12):42-44.

[4]孫鴻燕.圖書館關(guān)聯(lián)數(shù)據(jù)的綜合管理及實(shí)現(xiàn)[J].圖書館學(xué)研究,2011(12):101-103.

(編校:馬懷云)

2016-01-02

郭菁菁(1985—)，棗莊市圖書館館員。

G250.7

A

1003-1588(2016)02-0127-03