基于數(shù)據(jù)挖掘優(yōu)化高職圖書館個性化服務(wù)研究

陳瑤

摘 要：大數(shù)據(jù)時代，如何從海量的資源中為用戶提供個性化信息服務(wù)，是當(dāng)前高職院校圖書館遇到的困難之一。本文首先分析總結(jié)了目前高職院校圖書館個性化信息服務(wù)現(xiàn)狀，針對這些問題，結(jié)合數(shù)據(jù)挖掘技術(shù)，提出了優(yōu)化圖書館個性化信息服務(wù)的若干方式。

關(guān)鍵詞：圖書館，個性化，數(shù)據(jù)挖掘，信息服務(wù)

近年來，國家對高職教育愈發(fā)重視，高職院校發(fā)展的同時其圖書館館藏資源也飛速增長，隨之也導(dǎo)致資源利用效率不高。信息資源豐富對圖書館來說既是優(yōu)勢，又是挑戰(zhàn)。如何有效利用海量的資源為用戶提供個性化信息服務(wù)，是圖書館目前要解決的重要問題。而數(shù)據(jù)挖掘技術(shù)，就是最有效的科學(xué)方法，可幫助圖書館精準(zhǔn)開展個性化信息服務(wù)。

1 高職圖書館個性化信息服務(wù)的現(xiàn)狀及原因

個性化信息服務(wù)，重點在于個性化，是面對不同用戶的信息需求，根據(jù)用戶的個人特征，定制不同的服務(wù)方式，主動為用戶提供不同的信息和服務(wù)內(nèi)容，實現(xiàn)服務(wù)內(nèi)容、方式、時空的個性化。用戶不用再毫無頭緒得面對海量信息，獲得的主要是其感興趣的信息。

然而，由于高職院校圖書館的管理理念落后、資源經(jīng)費不足等種種原因，高職院校圖書館的個性化信息服務(wù)發(fā)展水平落后，未能及時跟上信息社會的變化。目前，大多數(shù)高職圖書館的個性化信息服務(wù)項目主要有資源（圖書）推薦、星級評價等基本形式。在資源（圖書）推薦服務(wù)模塊，大多數(shù)高職院校圖書館的圖書推薦僅僅停留在新書推薦、熱書推薦形式，是面向全員的統(tǒng)一推薦，并不是真正意義上的個性化推薦?？偟膩碚f，目前高職院校圖書館的個性化信息服務(wù)內(nèi)容單一，讀者參與度也不高，無法充分發(fā)揮圖書館的功能職責(zé)。

究其成因，主要有以下幾點：

1）被動服務(wù)，項目單一。目前，大多數(shù)高職圖書館的服務(wù)方式還是以管理為中心，主要提供基本的查找和借閱文獻的傳統(tǒng)服務(wù)，服務(wù)項目單一。而本身高職院校師生主動利用圖書館資源的意愿也并不強烈，參與度較低，這也降低了高職院校圖書館工作的積極性。長此以往，高職圖書館在學(xué)校的地位和作用將會受到巨大的挑戰(zhàn)。

2）讀者反饋機制不健全。高職院校師生入館率低，圖書館也沒有積極走向師生，導(dǎo)致讀者和圖書館缺乏溝通交流，無法及時了解用戶的信息需求。

3）技術(shù)薄弱，人才短缺。當(dāng)前高職圖書館的人才隊伍質(zhì)量參差不齊，專業(yè)技術(shù)人才較少，在個性化信息服務(wù)研發(fā)工作中面臨各種技術(shù)難題。而完善的個性化信息服務(wù)系統(tǒng)也需要先進的設(shè)備支撐，且系統(tǒng)維護和完善更是一項長期的工程。一般的中小型高職圖書館很難獨立完成個性化信息服務(wù)系統(tǒng)的研發(fā)工作。

2 個性化信息服務(wù)的必要性

2.1 轉(zhuǎn)變信息服務(wù)方式，提高圖書館服務(wù)質(zhì)量

隨著信息技術(shù)的發(fā)展，各類資源的不斷增加，基本的咨詢和借閱服務(wù)，已經(jīng)完全不能滿足圖書館用戶的信息需求。順應(yīng)時代的變化，圖書館開展個性化信息服務(wù)，是從簡單的借閱服務(wù)完善到個性化的信息服務(wù)，是從被動服務(wù)方式向主動服務(wù)轉(zhuǎn)變，提升了服務(wù)質(zhì)量，充分體現(xiàn)了“用戶至上”的服務(wù)理念，也大大提升了用戶體驗。

2.2 發(fā)揮圖書館功能職責(zé)，提升競爭力

圖書館作為文獻、信息資源中心，肩負教育的職能，其實具有不可忽視的作用。為此，開展個性化信息服務(wù)，進行閱讀推廣、信息推送等活動，可以更好地為師生提供信息資源服務(wù)。當(dāng)圖書館滿足了師生的信息需求，也就讓師生感受到了圖書館的功能作用，這也就增強了圖書館在校園的影響力。

3 數(shù)據(jù)挖掘技術(shù)概述

數(shù)據(jù)挖掘，就是從大量的、不完整的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中但又是潛在有用的信息和知識的過程。這是一門適應(yīng)信息社會從海量數(shù)據(jù)中提取信息的需要而產(chǎn)生的新學(xué)科，是統(tǒng)計學(xué)、機器學(xué)習(xí)、數(shù)據(jù)庫技術(shù)、人工智能、可視化技術(shù)等學(xué)科的交叉，所涉及的方法也很多。目前比較成熟且應(yīng)用廣泛主要有分類（Classification）、預(yù)測（Prediction）、關(guān)聯(lián)規(guī)則（association rules）、聚類（Clustering）等分析方法，每一類方法又涉及很多算法。

由于數(shù)據(jù)挖掘方法的科學(xué)高效，上述算法也被各方學(xué)者不斷改進與優(yōu)化，廣泛運用于實踐。在農(nóng)業(yè)、制造業(yè)、教育、體育競技、生物科學(xué)等各學(xué)科各領(lǐng)域的決策支持活動中，數(shù)據(jù)挖掘技術(shù)也都扮演著越來越重要的角色。科學(xué)利用數(shù)據(jù)挖掘技術(shù)，有助于圖書館開展個性化信息服務(wù)。

4 利用數(shù)據(jù)挖掘技術(shù)優(yōu)化圖書館個性化服務(wù)的方式

4.1 用戶研究

圖書館以用戶為中心，研究用戶基本屬性和行為習(xí)慣，有利于圖書館全面了解用戶的需求，及時調(diào)整及時優(yōu)化，為用戶提供有需要的信息和服務(wù)。

利用數(shù)據(jù)挖掘的聚類算法，可以進行用戶分類，了解群體特征。例如，通過入館數(shù)據(jù)和借閱數(shù)據(jù)，分析活躍用戶的行為習(xí)慣，對非活躍用戶的行為習(xí)慣加以引導(dǎo)，有利于提高圖書館整體的入館率和借閱率。此外，聚類分析結(jié)果中用戶的平均借閱天數(shù)、平均借閱冊數(shù)及其標(biāo)準(zhǔn)差，可以作為圖書館個性化調(diào)整最大借閱天數(shù)和最大借閱冊數(shù)的參考依據(jù)。當(dāng)前，多數(shù)高職圖書館的借書期限和借閱冊數(shù)都是最初開館設(shè)定，后期也并未進行實踐優(yōu)化，可能無法滿足部分用戶的借閱需求。通過適當(dāng)調(diào)整，盡可能地將圖書主動提供給更多“適合的讀者”，提高圖書館各類圖書的流通率。

4.2 優(yōu)化館藏

利用語義分析和關(guān)鍵詞提取等方法，分析用戶的留言、建議等信息，了解用戶的需求，不斷優(yōu)化圖書服務(wù)。了解讀者薦購需求，結(jié)合圖書館各類型圖書的借閱率統(tǒng)計結(jié)果，制定科學(xué)的圖書采購計劃，減少盲目采購行為，優(yōu)化圖書館館藏，提高圖書的利用率。

4.3 個性化圖書推薦

通過相關(guān)算法，依據(jù)讀者個人的特征以及圖書的特征，圖書館可以為每位讀者進行個性化的圖書推薦，推薦讀者感興趣的圖書。目前，常用的推薦算法有基于內(nèi)容推薦、協(xié)同過濾推薦、關(guān)聯(lián)規(guī)則推薦、組合推薦等。不同的算法各有優(yōu)缺點，針對不同領(lǐng)域和不同的數(shù)據(jù)源，選擇合適的算法是提高推薦效果的關(guān)鍵。針對高職圖書館的特點，本文建議從用戶相關(guān)性和圖書相似性兩個角度來進行推薦。

用戶相關(guān)性角度可以使用關(guān)聯(lián)規(guī)則來進行挖掘，雖然關(guān)聯(lián)規(guī)則尋找的是物品之間的聯(lián)系，但它是依據(jù)大量用戶的歷史記錄挖掘出相關(guān)的規(guī)則，只有用戶之間具有相似的興趣愛好才會產(chǎn)生相同的事務(wù)，因此它是用戶之間相似性的表現(xiàn)。

針對圖書之間的相似性，本文建議采用谷歌的開源工具word2vec。它能夠?qū)⒃~表征為向量從而方便的計算詞與詞之間的相似度。對圖書館來說，圖書的書名信息可以做為word2vec的輸入數(shù)據(jù)，經(jīng)過訓(xùn)練能夠得到對應(yīng)每本圖書的詞向量，向量之間的距離可作為圖書之間相似性的體現(xiàn)，從而據(jù)此為讀者提供相似的圖書的推薦。

5 結(jié)語

在國家大力推進職業(yè)教育現(xiàn)代化的新形勢下，高職院校的圖書館的服務(wù)也需要與時俱進，加快革新。特別是在大數(shù)據(jù)環(huán)境下圖書館應(yīng)該充分利用圖書館的文獻、信息資源，運用現(xiàn)代信息技術(shù)，主動為圖書館用戶提供個性化信息服務(wù)，滿足圖書館用戶的需求，貫徹圖書館“用戶至上”的服務(wù)理念。

參考文獻

[1]曹金梅.淺談高職院校圖書館的個性化信息服務(wù)[J].哈爾濱職業(yè)技術(shù)學(xué)院學(xué)報，2012，（01）：103-104.

[2]張宇惠.數(shù)據(jù)挖掘在電信數(shù)據(jù)分析中的應(yīng)用[J].信息通信，2017，01：279-280.

[3]邵曉紅.高職院校圖書館個性化信息服務(wù)的思考[J].鄂州大學(xué)學(xué)報，2015，22（09）：57-58+61.