基于數(shù)據(jù)挖掘的填補(bǔ)技術(shù)在高校圖書館服務(wù)中的應(yīng)用研究

肖柳珠

（北海藝術(shù)設(shè)計(jì)學(xué)院，廣西北海，536000）

1 數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘最初的概念始于20世紀(jì)末期，當(dāng)時(shí)學(xué)者們指出在海量的信息數(shù)據(jù)中隱藏著大量的有用信息需要挖掘與提取。信息數(shù)據(jù)挖掘技術(shù)就是通過利用統(tǒng)計(jì)技術(shù)與人工技術(shù)將海量的信息數(shù)據(jù)進(jìn)行整合分析，并從這些海量的信息數(shù)據(jù)中提取出對人們有用的信息數(shù)據(jù)，實(shí)現(xiàn)人們高效率獲取信息數(shù)據(jù)的目的。資料顯示，數(shù)據(jù)挖掘分析方法主要有描述與可視化，基于可視化工具將人們所需要的目標(biāo)信息進(jìn)行分析，鉆取有用信息，使得信息數(shù)據(jù)挖掘的結(jié)果更加的生動(dòng)形象。其中，分類是指通過系統(tǒng)預(yù)設(shè)的信息數(shù)據(jù)分類模型，對海量的信息數(shù)據(jù)進(jìn)行篩選分類；估計(jì)是指將篩選得出的信息數(shù)據(jù)基于估值計(jì)算得到連續(xù)變量值，并由系統(tǒng)預(yù)設(shè)的閥值（常用的閥值為0-9級）進(jìn)行合理的分級管理；預(yù)測是指通過前述的分類與估值，并基于所獲取的信息數(shù)據(jù)進(jìn)行分類分析，得出計(jì)算模型，滿足對信息變量的預(yù)估；聚類是指對所挖掘的信息數(shù)據(jù)進(jìn)行記錄，并將具有相似性特點(diǎn)的信息數(shù)據(jù)整合在一個(gè)序列內(nèi)，從而確保每一個(gè)分組的信息數(shù)據(jù)均形成具有預(yù)測性或暗示性的特征。相關(guān)性分組是指，基于模型中既定的信息數(shù)據(jù)特征量關(guān)聯(lián)度的分析，進(jìn)行預(yù)測。數(shù)據(jù)挖掘技術(shù)的實(shí)現(xiàn)需要借助強(qiáng)大的數(shù)據(jù)庫系統(tǒng)來實(shí)現(xiàn)，為數(shù)據(jù)挖掘提供存儲(chǔ)、索引與查詢支持，并能夠滿足運(yùn)用高性能計(jì)算手段達(dá)到對海量信息數(shù)據(jù)的集成化處理，例如常使用的分布式技術(shù)。20世紀(jì)中后期，學(xué)者們開始嘗試將數(shù)據(jù)挖掘技術(shù)應(yīng)用到圖書館中。近些年來，各高校為滿足用戶對信息數(shù)據(jù)服務(wù)質(zhì)量的要求，逐漸開始在高效圖書館內(nèi)推廣使用數(shù)字信息技術(shù)，海量的信息數(shù)據(jù)充斥在圖書館內(nèi)，數(shù)據(jù)挖掘技術(shù)在高效圖書館內(nèi)的應(yīng)用逐漸變寬，并滲入高效圖書信息服務(wù)、圖書管理各個(gè)領(lǐng)域。

2 基于數(shù)據(jù)挖掘的填補(bǔ)技術(shù)

完備的數(shù)據(jù)是進(jìn)行大數(shù)據(jù)分析的基礎(chǔ)，對大數(shù)據(jù)的利用與分析有著重要意義。但在現(xiàn)實(shí)生活中，在各種因素的影響下，信息數(shù)據(jù)出現(xiàn)缺失、殘缺的現(xiàn)象層出不窮，可以說信息數(shù)據(jù)不完備問題嚴(yán)重制約了信息的高質(zhì)量利用。因此，通過填補(bǔ)技術(shù)對海量的信息數(shù)據(jù)進(jìn)行填補(bǔ)成為解決信息數(shù)據(jù)不完備的主要途徑。目前，最常使用的填補(bǔ)技術(shù)是動(dòng)態(tài)概率數(shù)據(jù)填補(bǔ)法，首先根據(jù)已經(jīng)被挖掘出來的信息進(jìn)行邏輯順序的確定，并基于挖掘出的信息數(shù)據(jù)預(yù)測后期事件發(fā)生情況以及填補(bǔ)，該填補(bǔ)技術(shù)具有操作簡單、功能性強(qiáng)等優(yōu)點(diǎn)，且在使用的過程中其填補(bǔ)的準(zhǔn)確性有待提高。我國學(xué)者鄭啟瑞提出了一種基于局部敏感哈希數(shù)據(jù)填補(bǔ)算法，通過哈希數(shù)值的計(jì)算找尋出各信息數(shù)據(jù)間的相似程度，最終達(dá)到相似度更高的若干數(shù)據(jù)，之后使用KNN算法對那些不完整的數(shù)據(jù)進(jìn)行填補(bǔ)。經(jīng)研究發(fā)現(xiàn)，該填補(bǔ)技術(shù)具有較高的填補(bǔ)準(zhǔn)確性，但由于在填補(bǔ)過程中沒有對信息數(shù)據(jù)進(jìn)行統(tǒng)一歸類處理，影響了填補(bǔ)的效率。

3 填補(bǔ)技術(shù)在高校圖書館服務(wù)中的應(yīng)用

3.1 基礎(chǔ)架構(gòu)

大數(shù)據(jù)的挖掘與填補(bǔ)必然需要借助強(qiáng)大的數(shù)據(jù)中心服務(wù)平臺完成，尤其是隨著高校圖書館信息數(shù)量的劇增，對信息管理系統(tǒng)質(zhì)量要求越來越高。

3.2 填補(bǔ)原理

基于logistic不完備信息數(shù)據(jù)的填補(bǔ)技術(shù)，首先需要將信息數(shù)據(jù)的作歸一化處理，基于預(yù)估規(guī)則把采集到的信息數(shù)據(jù)做協(xié)方差函數(shù)，做模擬填補(bǔ)，之后通過使用回歸模型分析信息數(shù)據(jù)中缺失的數(shù)據(jù)，按照數(shù)據(jù)分布的特征完成缺失變量的填補(bǔ)，進(jìn)而獲取到完備的信息數(shù)據(jù)。然后對信息數(shù)據(jù)平均向量和協(xié)方差函數(shù)進(jìn)行再次估計(jì)，通過不斷的迭代完成不完備數(shù)據(jù)的填補(bǔ)輸出。具體過程如下：首先通過估計(jì)計(jì)算獲取出信息數(shù)據(jù)的平均向量和協(xié)方差函數(shù)，并通過對待填補(bǔ)信息數(shù)據(jù)的觀察，對缺失值進(jìn)行模擬填補(bǔ)。假定Q為其中的一個(gè)待估計(jì)參數(shù)，可以通過點(diǎn)估值Q1進(jìn)行保證，此時(shí)由于具有M個(gè)完備的信息數(shù)據(jù)集合，那么就存在著M個(gè)Q1標(biāo)準(zhǔn)誤，由此可以得出：

由公式（1）可以計(jì)算得出協(xié)方函數(shù)：

利用公式（1）、公式（2）即可滿足對待填補(bǔ)對象缺失值獨(dú)立模型的填補(bǔ)，通過回歸模型制定不存在缺失值變量的后概率分布結(jié)果，選擇相應(yīng)的填補(bǔ)值，計(jì)算出需要填補(bǔ)信息數(shù)據(jù)的全部部分。反復(fù)進(jìn)行迭代，直至迭代結(jié)果滿足要求。

3.3 基于填補(bǔ)技術(shù)的高校圖書館信息服務(wù)

（1）高效處理圖書館信息數(shù)據(jù)管理系統(tǒng)中的海量數(shù)據(jù)。如圖1所示為海量數(shù)據(jù)處理流程。

圖1 海量數(shù)據(jù)處理流程

首先對信息管理系統(tǒng)中的海量數(shù)據(jù)做離散化處理，將各種形式的繁雜信息數(shù)據(jù)按照統(tǒng)一歸類原則劃分成子集合，之后以子集合中的某一項(xiàng)特征屬性對各個(gè)子集合完成區(qū)分，各子集合間可能存在這相類似的特征量，此時(shí)利用決策樹剪枝功能對各子集合中的信息數(shù)據(jù)進(jìn)行剪枝，把子集中的無效信息數(shù)據(jù)做集合處理，以此達(dá)到降低信息數(shù)據(jù)挖掘難度。之后再利用決策樹算法對信息數(shù)據(jù)處理，降低信息數(shù)據(jù)的緯度。

（2）滿足用戶個(gè)性化圖書服務(wù)。每一位用戶對信息數(shù)據(jù)的需求是存在較大差異性的，為提升圖書館信息服務(wù)質(zhì)量，就需要做到專職服務(wù)。而填補(bǔ)技術(shù)的應(yīng)用就可以滿足個(gè)性化需求，通過對用戶所具備的共同特點(diǎn)的挖掘，總結(jié)歸納出用戶對信息需求相似之處，進(jìn)而為每一位用戶提供具體的圖書信息需求。通過不斷的聚類、計(jì)算均值，確保目標(biāo)測度逐漸區(qū)域收斂，進(jìn)而得到具體的信息集合，滿足用戶個(gè)性化需求。如圖2所示為系統(tǒng)挖掘用戶個(gè)性化需求過程。

圖2 挖掘用戶個(gè)性化需求流程圖

（3）預(yù)測讀者需求，指導(dǎo)圖書決策的制定?？茖W(xué)合理長效機(jī)制的建立能夠幫助圖書館精準(zhǔn)地預(yù)測客戶對圖書信息的需求，并根據(jù)采集到的信息數(shù)據(jù)進(jìn)行圖書信息服務(wù)的調(diào)整與優(yōu)化，進(jìn)而滿足用戶的個(gè)性化需求。其中，支持向量機(jī)本質(zhì)上可以說是一種監(jiān)督學(xué)習(xí)模型，通過把那些滿足整體特征的信息數(shù)據(jù)進(jìn)行整合，并做歸一分析，進(jìn)而構(gòu)建能夠?qū)τ脩粑磥黹喿x信息的預(yù)測，幫助圖書館完成信息服務(wù)管理系統(tǒng)的優(yōu)化升級。向量機(jī)在對用戶閱讀信息進(jìn)行預(yù)測時(shí)，首先會(huì)把兩種信息數(shù)據(jù)隔離開，通過對比分析選擇使用適宜的支持向量，并按照各信息數(shù)據(jù)點(diǎn)的就近原則完成相應(yīng)信息數(shù)據(jù)的處理，并計(jì)算得出最優(yōu)邏輯。比如，在分析哪一類人員對某種書籍需求度較高進(jìn)行分析時(shí)，可以利用系統(tǒng)把原始信息數(shù)據(jù)投射至高緯度特征空間，實(shí)現(xiàn)對各專業(yè)使用該本數(shù)據(jù)的占比，并基于分析將給本書籍推廣到定位人群。

4 結(jié)論與展望

在信息時(shí)代背景下，大數(shù)據(jù)驅(qū)動(dòng)決策成為必然。我國高校逐漸開始應(yīng)用大數(shù)據(jù)技術(shù)，高校圖書館作為一個(gè)大數(shù)據(jù)信息的生產(chǎn)者，要想發(fā)揮信息數(shù)據(jù)的活力，就需要基于圖書館特點(diǎn)，構(gòu)建相應(yīng)的系統(tǒng)，對其中各種形式的信息數(shù)據(jù)進(jìn)行采集、整理、分析，發(fā)掘信息數(shù)據(jù)價(jià)值，為用戶提供高質(zhì)量的信息服務(wù)質(zhì)量。