Web數(shù)據(jù)挖掘與高校數(shù)字圖書館個性化服務(wù)

文/孟玫

Web數(shù)據(jù)挖掘與高校數(shù)字圖書館個性化服務(wù)

文/孟玫

伴隨時代的進(jìn)步與發(fā)展，各種新技術(shù)也層出不窮，Web數(shù)據(jù)挖掘技術(shù)是當(dāng)今時代應(yīng)用比較廣泛的一種新技術(shù)，該技術(shù)是數(shù)據(jù)挖掘和Web領(lǐng)域相結(jié)合的產(chǎn)物，其在高校數(shù)字化圖書館的建設(shè)過程中發(fā)揮了重大作用，本文就針對Web數(shù)據(jù)挖掘與高校數(shù)字圖書館個性化服務(wù)進(jìn)行了分析和研究。

Web數(shù)據(jù)挖掘 高校數(shù)字圖書館 個性化服務(wù)

近幾年，高校數(shù)字圖書館的發(fā)展速度非?？?，其數(shù)據(jù)類型和總量也顯著提升，數(shù)字資源覆蓋多個領(lǐng)域，如電子圖書、電子期刊、多媒體數(shù)據(jù)、海量的Web數(shù)據(jù)庫等，這些數(shù)字化資源的出現(xiàn)為用戶查閱資料提供了方便，但由于數(shù)據(jù)信息量大，用戶在查找資料的過程中很難找準(zhǔn)目標(biāo)定位，因而會花費(fèi)較多時間，而Web數(shù)據(jù)挖掘技術(shù)在高校數(shù)字圖書館中的應(yīng)用則可以在很大程度上解決該問題。

1 Web數(shù)據(jù)挖掘與數(shù)字圖書館的概述

1.1 Web數(shù)據(jù)挖掘的概述

所謂Web數(shù)據(jù)挖掘，指的就是將有價值的、感興趣的信息從大量的Web文檔中提取出來，通常來說，可將Web數(shù)據(jù)挖掘劃分為三種類型，即Web結(jié)構(gòu)挖掘、Web內(nèi)容挖掘和Web使用記錄挖掘。其中，Web結(jié)構(gòu)挖掘指的是從WWW的鏈接關(guān)系或者組織體系中推導(dǎo)出相關(guān)知識，通過文檔之間的相互關(guān)系，WWW可以為用戶提供文檔內(nèi)容之外的有價值數(shù)據(jù)信息，通過這些有價值信息，能夠?qū)撁婕右耘判颍M(jìn)而更好地發(fā)現(xiàn)其中的關(guān)鍵頁面信息，整個Web結(jié)構(gòu)挖掘過程需要用到HITS算法以及PageRank算法。Web內(nèi)容挖掘指的是將相關(guān)知識從文檔內(nèi)容或描述中抽取出來，這項(xiàng)工作可被當(dāng)作是基本搜索引擎所負(fù)責(zé)的工作的延伸，主要包括立足于數(shù)據(jù)庫的挖掘以及立足于代理的挖掘兩大部分。從性質(zhì)上看，Web內(nèi)容挖掘?qū)儆谖谋就诰虻囊环N形式，其作用的對象大部分是Web文檔的文本區(qū)域，文本挖掘涵蓋針對搜索工具的查詢結(jié)果所開展的分析、整理、歸類等工作。Web使用記錄的挖掘主要針對的是Web日志以及Web使用數(shù)據(jù)，它能根據(jù)Web的訪問記錄直接定位到感興趣的模式，Web日志的涵蓋面非常廣，主要包括服務(wù)器上與Web訪問有關(guān)的各類日志文件，如代理日志、引用日志、訪問日志等，其中涉及到用戶的諸多訪問信息，包括訪問時間、訪問途徑、用戶的IP地址、訪問結(jié)果等。

1.2 高校數(shù)字圖書館概述

隨著信息化、網(wǎng)絡(luò)化、數(shù)字化時代的到來，人們在工作和學(xué)習(xí)過程中對數(shù)據(jù)信息的需求量也逐漸上升，信息資源的類型及其表現(xiàn)形式越來越豐富，比較常見的主要包括電子圖書、期刊等，在這樣的時代背景下，數(shù)字圖書館也逐漸出現(xiàn)，它是以傳統(tǒng)圖書館為基礎(chǔ)的一種新型信息系統(tǒng)，它的主要功能是可以對文本、圖像、數(shù)據(jù)、聲音等多樣化的信息進(jìn)行采集、分析和整理，徹底顛覆了以往圖書館中采用其他非數(shù)字化介質(zhì)來進(jìn)行存儲的落后方法。數(shù)字圖書館主要采用現(xiàn)代化的先進(jìn)技術(shù)，把圖書館中的重要文獻(xiàn)進(jìn)行數(shù)字化存儲，用戶可以利用互聯(lián)網(wǎng)在任意時間和空間查看信息，這就使圖書館的服務(wù)范圍突破了時空限制，能為用戶帶來更多的方便，與傳統(tǒng)的圖書館相比，數(shù)字圖書館具有多方面的優(yōu)勢，具體表現(xiàn)在以下幾點(diǎn)：

（1）相同的數(shù)據(jù)信息可在同一時間被多個用戶查看，這就有效避免了傳統(tǒng)圖書館中紙質(zhì)書本只能在同一時間為一個人提供服務(wù)的缺陷。

（2）數(shù)字圖書館的信息查詢更加方便，它能為用戶提供遠(yuǎn)程信息檢索功能。

（3）數(shù)字圖書館的數(shù)據(jù)信息存儲空間比較小，其存儲的數(shù)據(jù)信息能得到有效保護(hù)，不易被破壞。

2 Web數(shù)據(jù)挖掘在高校數(shù)字圖書館個性化服務(wù)中的應(yīng)用

2.1 發(fā)現(xiàn)用戶偏好，為其提供個性化的訪問區(qū)域

Web站點(diǎn)在設(shè)計的時候大多是采用的同一種分類形式，也就是同一個頁面內(nèi)的分頁面往往是按照其類別來組織的，用戶在對Web站點(diǎn)進(jìn)行訪問的時候，可在很大程度上反映出其偏好，一般來說，用戶在訪問某頁面時停留的時間越長或查看的字?jǐn)?shù)越多，就表明該用戶對這一頁面的內(nèi)容越感興趣，對于不感興趣的頁面，用戶停留的時間通常都比較短。對用戶感興趣程度進(jìn)行計算一般采用的是收集用戶瀏覽頁面的時間信息及其途徑等方式，這些信息能充分反映出該頁面對用戶的吸引力，進(jìn)而便于系統(tǒng)按照用戶的偏好，為之提供個性化的訪問區(qū)域。

2.2 識別高頻率訪問路徑，提升圖書館資源的利用率

利用Web數(shù)據(jù)挖掘技術(shù)，能對數(shù)字圖書館中的高頻率訪問路徑以及相關(guān)頁面的重要頁面進(jìn)行精確識別，從而將一些關(guān)鍵的新書信息和分類信息放在經(jīng)常訪問的路徑或者頁面之上，便于用戶找到所需信息，進(jìn)而達(dá)到提升圖書利用效率的目標(biāo)。

2.3 使鏈接結(jié)構(gòu)得到進(jìn)一步優(yōu)化，為用戶提供便利

Web數(shù)字挖掘在高校數(shù)字圖書館中的應(yīng)用能促進(jìn)鏈接結(jié)構(gòu)的進(jìn)一步優(yōu)化，具體來說，主要表現(xiàn)在下列兩個方面：

（1）經(jīng)過挖掘Web Log，可以了解到用戶所訪問的頁面之間的關(guān)聯(lián)，進(jìn)而在具有緊密關(guān)系的頁面之間加強(qiáng)鏈接，使用戶更加快速地找到所需信息。

（2）經(jīng)過挖掘Web Log，可以精確地找到用戶的期望位置，若遇到期望位置的訪問次數(shù)比實(shí)際位置的訪問次數(shù)更多的情況，則可以采取在實(shí)際位置與期望位置之間設(shè)立導(dǎo)航鏈接的方式來最大限度提升Web站點(diǎn)的優(yōu)化效果。

3 結(jié)語

總而言之，Web數(shù)據(jù)挖掘與當(dāng)代高校數(shù)字圖書館的建設(shè)息息相關(guān)，為了提高數(shù)字圖書館的服務(wù)質(zhì)量，最大限度滿足用戶的個性化需求，就必須學(xué)會科學(xué)地利用Web數(shù)據(jù)挖掘技術(shù)，把握Web數(shù)據(jù)挖掘的類型及其特征，使其在發(fā)現(xiàn)用戶興趣愛好、識別高頻率訪問路徑以及鏈接結(jié)構(gòu)優(yōu)化等方面發(fā)揮出應(yīng)有的作用，讓用戶在訪問數(shù)字圖書館的過程中可以快速尋找到所需信息，充分感受到圖書館的人性化服務(wù)。

[1]歐陽烽.Web數(shù)據(jù)挖掘與高校數(shù)字圖書館個性化服務(wù)[J].現(xiàn)代情報,2008,28(01):103-104,107.

[2]歐陽烽.基于數(shù)據(jù)挖掘的高校數(shù)字圖書館信息資源管理[D].中南大學(xué),2009.

[3]孫士新.高校數(shù)字圖書館個性化服務(wù)的應(yīng)用研究[D].鄭州大學(xué),2009.

[4]陳雪.WEB挖掘在高校數(shù)字圖書館個性化服務(wù)中的應(yīng)用[J].蘭臺世界,2008(24):73-74.

作者單位南陽醫(yī)學(xué)高等?？茖W(xué)校 河南省南陽市473000