關(guān)聯(lián)規(guī)則應(yīng)用下的高校圖書館圖書推薦服務(wù)

侯燁 時圣宇

摘 要：高等院校內(nèi)部圖書館系統(tǒng)設(shè)計和應(yīng)用工作，在現(xiàn)代化科學(xué)技術(shù)和管理原則的共同作用下，已經(jīng)產(chǎn)生了十分明顯的發(fā)展效果。本文首先對高校圖書館，圖書推薦系統(tǒng)當(dāng)中，關(guān)聯(lián)規(guī)則的應(yīng)用進(jìn)行了簡單概述，分析了數(shù)據(jù)倉庫和聯(lián)機(jī)分析模塊的設(shè)計工作；隨后，在此基礎(chǔ)上，進(jìn)一步探究了高校圖書館中，關(guān)聯(lián)規(guī)則的優(yōu)化模式，旨在為關(guān)注這一領(lǐng)域的人士，提供一些可行性較高的參考意見。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；高校圖書館；圖書推薦

隨著我國國民經(jīng)濟(jì)的發(fā)展，以及人民生活水平的提高，社會各界對于我國高等院校的圖書館管理模式，尤其是高校圖書館中，關(guān)聯(lián)規(guī)則的應(yīng)用方面越來越關(guān)注。圖書館的信息服務(wù)模式，是面向全體讀者的，在高等院校內(nèi)部的圖書館中，關(guān)聯(lián)規(guī)則的合理應(yīng)用，可以為讀者們推薦更加適合的圖書信息，幫助學(xué)生們根據(jù)自己的實際需求，靈活地挑選和借閱圖書，提高圖書的可讀性。

1 關(guān)聯(lián)規(guī)則在高校圖書館圖書推薦中的應(yīng)用

高校圖書館中，圖書借閱數(shù)據(jù)庫和聯(lián)機(jī)分析模塊的設(shè)計和管理，是關(guān)聯(lián)規(guī)則應(yīng)用最為廣泛的項目。

1.1 數(shù)據(jù)倉庫設(shè)計

在進(jìn)行數(shù)據(jù)倉庫的設(shè)計工作中，設(shè)計師要明確不同區(qū)域各自所具備的主題。將邏輯模型按照主題進(jìn)行分化和管理，之后，再利用關(guān)聯(lián)規(guī)則，將其進(jìn)行延伸，明確各個主題下，不同邏輯模型之間的關(guān)聯(lián)關(guān)系。比如，在實際的設(shè)計工作中，可以將粒度層次劃分方法，應(yīng)用到其中。粒度層次劃分方法，是數(shù)據(jù)倉庫設(shè)計環(huán)節(jié)最為重要的內(nèi)容。首先對數(shù)據(jù)倉庫的數(shù)量級進(jìn)行分析，將數(shù)據(jù)倉庫的數(shù)量級應(yīng)用到不同的管理管理模塊，采用多種數(shù)據(jù)粒度策略。當(dāng)數(shù)據(jù)量較大時，應(yīng)用雙重粒度；當(dāng)數(shù)據(jù)量較小時，可以采取直接存儲細(xì)節(jié)的方式，并且定期進(jìn)行數(shù)據(jù)庫綜合測試，優(yōu)化數(shù)據(jù)粒度[1]。

1.2 聯(lián)機(jī)分析模塊

多維聯(lián)機(jī)分析數(shù)據(jù)倉庫中，數(shù)據(jù)分析模塊是其最重要的功能。例如，我國某地區(qū)的高校圖書館，在進(jìn)行設(shè)計的過程中，應(yīng)用了Oracle10g和Oracle Warehouse Builder組織數(shù)據(jù)庫，對模塊進(jìn)行了集中數(shù)據(jù)管理。在具體的操作環(huán)節(jié)，工作人員分別建立了數(shù)據(jù)倉庫的圖書維、讀者維和時間維等三個模塊。建立讀者多維數(shù)據(jù)庫和圖書多維數(shù)據(jù)庫，通過時間軸，對讀者在不同時間段內(nèi)查詢、瀏覽和借閱的圖書信息進(jìn)行集中管理。在讀者共享的維度，可以按照讀者所在學(xué)院、專業(yè)、借閱組等方面的信息進(jìn)行分類，形成具有遞進(jìn)層次的數(shù)據(jù)信息，可以為聯(lián)機(jī)分析模塊的優(yōu)化設(shè)計，提供更為準(zhǔn)確的信息數(shù)據(jù)支持。

2 高校圖書館中關(guān)聯(lián)規(guī)則的優(yōu)化研究

在對高校圖書館中，關(guān)聯(lián)規(guī)則的具體應(yīng)用模式進(jìn)行優(yōu)化研究的過程中，筆者以某地區(qū)高等院校內(nèi)部讀者在校期間的借閱數(shù)據(jù)作為主要的研究對象，開展了如下的研究工作：

2.1 研究流程

應(yīng)用關(guān)聯(lián)規(guī)則和時間軸分析方法，對不同讀者的閱讀數(shù)據(jù)進(jìn)行了分類管理。在這一過程中，將讀者所在學(xué)院和所學(xué)專業(yè)等變量信息考慮在內(nèi)，以此得出讀者閱讀偏好和圖書類型的關(guān)聯(lián)關(guān)系。通過關(guān)聯(lián)規(guī)則分析的方法，重點掌握了以專業(yè)為單位的用戶群體，不同的閱讀需求、閱讀偏好與閱讀傾向等，將各項數(shù)據(jù)存儲到數(shù)據(jù)庫當(dāng)中，為后續(xù)高校圖書館圖書推薦系統(tǒng)的個性化和私人化推薦，提供更為準(zhǔn)確的信息數(shù)據(jù)支持。在大數(shù)據(jù)和云計算等科學(xué)技術(shù)的配合下，關(guān)聯(lián)原則在高校圖書館中的應(yīng)用效果更為明顯，以行之有效的推薦方法，可以讓高校圖書館的圖書資源，發(fā)揮出最佳的應(yīng)用效果。將科學(xué)的圖書信息服務(wù)，貫穿于用戶閱讀全過程。

在數(shù)據(jù)信息選取的過程中，筆者選取了抽樣調(diào)查的方法，將抽樣比例控制在30%。從圖書館的借閱管理系統(tǒng)，對抽樣用戶從一年級到四年級期間，在圖書館中借閱的數(shù)據(jù)進(jìn)行了調(diào)取，共獲取了1200名用戶的27905條數(shù)據(jù)。抽樣的用戶專業(yè)覆蓋了管理、經(jīng)濟(jì)、法學(xué)、醫(yī)學(xué)、文學(xué)、理學(xué)和工學(xué)等多個學(xué)科的71個專業(yè)。在數(shù)據(jù)處理階段，根據(jù)用戶的學(xué)號、專業(yè)、借閱操作日期、中圖分類號和圖書名稱等信息，將各項數(shù)據(jù)進(jìn)行了集成處理。應(yīng)用Apriori算法，對圖書借閱活動中的用戶維度、圖書維度和時間維度等內(nèi)容進(jìn)行了處理。運(yùn)用Apriori算法，找出全部數(shù)據(jù)當(dāng)中的頻繁項集，之后判斷最大頻繁項集中，沒有超過最小支持度的數(shù)據(jù)，將其進(jìn)行剔除，得到的滿足條件的最小置信度，即為強(qiáng)關(guān)聯(lián)原則[2]。

2.2 研究結(jié)果

在筆者調(diào)查的1200名用戶的27905條數(shù)據(jù)中，用戶借閱的圖書類型共計22類，借閱密度為0.17。其中，最常借閱的圖書類型為B、H、I、K、T等五種類型。有155名用戶的借閱數(shù)據(jù)顯示，平時只借閱一種類型的圖書。并且，數(shù)據(jù)還顯示，用戶在一、二和四年級的學(xué)習(xí)中，借閱類型與自身專業(yè)匹配度較高。對此，在系統(tǒng)進(jìn)行優(yōu)化設(shè)計時，可以根據(jù)用戶的專業(yè)類型以及在不同年級的發(fā)展水平，為用戶推薦更適合的專業(yè)書籍。此外，用戶除了專業(yè)書籍之外，其他興趣愛好方面的發(fā)展總體呈現(xiàn)出較低的水平。對此，高校圖書館系統(tǒng)可以適當(dāng)?shù)卦谕扑]項目中，增加用戶可能感興趣的課外閱讀材料，并根據(jù)用戶的點擊量，隨時進(jìn)行優(yōu)化調(diào)整。

3 總結(jié)

綜上所述，關(guān)聯(lián)規(guī)則在高校圖書館中，有著良好的應(yīng)用效果。相關(guān)領(lǐng)域的工作人員，可以在日常的組織和管理過程中，深入系統(tǒng)地分析出，高校圖書館圖書推薦服務(wù)中，關(guān)聯(lián)規(guī)則的操作模式。通過設(shè)計出合理的研究流程，可以提升研究所得結(jié)果的科學(xué)性和準(zhǔn)確性，從而可以為高校圖書館圖書推薦服務(wù)，更好地應(yīng)用和發(fā)展關(guān)聯(lián)規(guī)則，更加便捷靈活地為讀者們服務(wù)，提供了可行的途徑。

參考文獻(xiàn)

[1]王娜，岳俊英.基于關(guān)聯(lián)規(guī)則的高校圖書信息數(shù)據(jù)挖掘[J].信息系統(tǒng)工程，2014（02）：153-154.

[2]趙琳. 數(shù)據(jù)挖掘技術(shù)及其在高校圖書管理系統(tǒng)中的應(yīng)用研究[D].中國海洋大學(xué)，2011.