數(shù)據(jù)挖掘技術(shù)在高教園區(qū)信息資源共建共享中的應用

張錫椿

（溫州醫(yī)學院圖書館，浙江 溫州 325037）

上世紀90年代以來，全國興起了一股興建大學城或者高教園區(qū)的熱潮，這一方面標志著我國高等教育從精英教育向大眾化教育的轉(zhuǎn)變；另一方面也提高了高等教育的辦學效益，優(yōu)化了教育資源的合理配置。大學城或者高教園區(qū)通常是由一所或多所大學為核心，整合其他高校后形成具有整體功能、擴散效益的高素質(zhì)人才教育社區(qū)，園區(qū)內(nèi)各高校既獨立辦學又合作共享。

隨著網(wǎng)絡和計算機技術(shù)的蓬勃發(fā)展，文獻信息資源的傳播載體和渠道日益多樣化，利用成本和難度也相應增加。大學城和高教園區(qū)的建設(shè)，在地域環(huán)境和管理體制上為文獻信息資源的共建共享提供了有利條件。而高校圖書館集中了高校教學與科研所需的絕大部分學術(shù)資源與文獻信息資源，是主要的信息資源集散地。如何有效地利用自動化、數(shù)字化、網(wǎng)絡化的高科技工具和資源，提高文獻信息資源的共享率，是當前高教園區(qū)圖書館建設(shè)中面臨的一個重大問題，是亟待解決并將產(chǎn)生社會效益的新課題。

1 信息資源共建共享存在的問題

高教園區(qū)圖書館信息資源共建共享是指各高校圖書館利用園區(qū)的地域和環(huán)境優(yōu)勢，本著“優(yōu)勢互補、互通有無”的理念，在資源建設(shè)、管理和利用等方面進行合作，從而達到以較少較合理地投入而能更全面、有效地為園區(qū)內(nèi)所有師生提供信息資源服務，以保障教學和科研的信息需求。

目前，大多數(shù)城市的高教園區(qū)還處在建設(shè)與完善階段，園區(qū)內(nèi)各學校圖書館的信息資源共建共享模式還在探討與實踐過程中，歸納起來，主要存在以下幾個亟待解決的問題：1.1 管理體制問題。隨著我國高等教育改革的深入，現(xiàn)階段各高校面臨著各種各樣的壓力與挑戰(zhàn)，比如教育部組織的本科教學評估等，對各高校的文獻資源都有硬性規(guī)定，如果沒有滿足這些條件，將對各高校產(chǎn)生極大的影響，包括學校的地位和知名度、教育部或地方政府的經(jīng)費投入額度、學生招生人數(shù)等等，因此在現(xiàn)行條件下讓各高校完全放棄自己長期形成的館藏是不太現(xiàn)實的。

1.2 觀念意識問題。長期以來各高校圖書館由于受傳統(tǒng)圖書館“以藏為主”思想的影響，基本采取自給自足的“農(nóng)耕式”文獻資源建設(shè)方式，造成了“只希望共享而不愿意共建”的不合理現(xiàn)象，資源共建意識淡薄，只重視本單位文獻信息資源的建設(shè)與發(fā)展，而忽視園區(qū)整體上的協(xié)調(diào)與合作。

1.3 組織協(xié)調(diào)問題。縱觀溫州地區(qū)的高教園區(qū)，雖然各高校處于同一個地域，但各高校行政隸屬不盡相同，又缺乏一個權(quán)威性的組織機構(gòu)進行總體的宏觀管理和統(tǒng)籌規(guī)劃，使得校際之間缺乏有效的溝通與協(xié)調(diào)，反映在文獻信息資源共建共享上就是“各自為政，重復建設(shè)”。

1.4 標準規(guī)范問題。當前，我國圖書館文獻信息資源的標準化和規(guī)范化進程緩慢，缺乏全國統(tǒng)一的分類、著錄、標引和檢索標準以及計算機系統(tǒng)規(guī)劃，各館根據(jù)自身發(fā)展的需要購置了不同的自動化系統(tǒng)，導致各單位、各系統(tǒng)之間的數(shù)據(jù)資源難以共享。同時，各高校圖書館受到經(jīng)費、人員、技術(shù)等各種客觀條件的影響和制約，自動化的程度和規(guī)模也相差很大，很難組織起區(qū)域性的系統(tǒng)間網(wǎng)絡信息服務。

2 數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘（DataMining，DM）是從存放在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他各種信息庫中的大量數(shù)據(jù)中發(fā)現(xiàn)有趣知識的過程，是知識發(fā)現(xiàn)過程的一個基本步驟。簡而言之，數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取或“挖掘”知識。它融合了信息檢索、人工智能、機器學習、統(tǒng)計學、數(shù)據(jù)可視化以及數(shù)據(jù)庫技術(shù)等多個領(lǐng)域的理論和技術(shù)，是信息技術(shù)產(chǎn)業(yè)最有發(fā)展前途的交叉學科之一。

數(shù)據(jù)挖掘任務可分為兩類：描述和預測。描述性挖掘是指描述要挖掘數(shù)據(jù)的一般性質(zhì)及“可信性”度量。預測性挖掘是指通過對當前數(shù)據(jù)進行推斷與分析，以作出預測及可行性度量。

數(shù)據(jù)挖掘的原始數(shù)據(jù)既可以是結(jié)構(gòu)化的，如對象——關(guān)系數(shù)據(jù)庫和面向特殊應用的數(shù)據(jù)庫；也可以是半結(jié)構(gòu)化的，如文本、圖形、圖像及多媒體數(shù)據(jù)庫；還可以是非結(jié)構(gòu)化的，如萬維網(wǎng)或局域網(wǎng)上的新聞、郵件、文件、Web日志等。

數(shù)據(jù)挖掘所得到的信息應具有先未知、可實用和多檢索這3個特征：①“先未知”性是指該信息是事先未曾預料到的，或者僅有模糊印象的，即數(shù)據(jù)挖掘是要發(fā)現(xiàn)那些不能靠直覺發(fā)現(xiàn)的甚至是違背直覺的信息或知識。②“可實用”性是指該信息可以給人們的某種決策提供相對有用的參考與建議，也有可能與原先決策相反。③“多檢索”是指該信息有一定的表達模式和用戶界面，可供個人或機構(gòu)多方面自由檢索。

數(shù)據(jù)挖掘所用的數(shù)據(jù)分析方法可粗分為統(tǒng)計分析、機器學習、神經(jīng)網(wǎng)絡、模式識別和數(shù)據(jù)倉庫等5種方法。其中應用很廣泛的是關(guān)聯(lián)規(guī)則分析法和決策樹分析法以及基于密度的方法。復雜的數(shù)據(jù)挖掘系統(tǒng)通常采用多種數(shù)據(jù)分析方法，結(jié)合各方法的優(yōu)缺點，以達到最大限度最準預測地發(fā)現(xiàn)知識。

3 基于數(shù)據(jù)挖掘技術(shù)的高教園區(qū)信息資源共建共享

基于數(shù)據(jù)挖掘技術(shù)的高教園區(qū)信息資源共建共享即以圖書館自動化集成系統(tǒng)為基礎(chǔ)，以讀者使用數(shù)據(jù)以及其他網(wǎng)絡相關(guān)數(shù)據(jù)為研究對象，將這些原始數(shù)據(jù)提取并集成化，然后建立模型進行加工和分析，挖掘出潛在的、有用的、可理解的信息和知識，用來指導圖書館日常工作及決策工作。

信息資源共建共享的基礎(chǔ)和前提是“共建”，只有園區(qū)各高校全心全意地參與信息資源共建，才能更有效地實現(xiàn)資源“共享”，否則到頭來只會是一句空話。信息資源的共建，牽涉到園區(qū)各高校的自身利益，沒有哪所大學能接受“不公平”的共建，也沒有哪所大學能無私地共建，而數(shù)據(jù)挖掘技術(shù)可以對各高校讀者的使用情況及分類資源的利用率作出預測和評估，以堅強的數(shù)據(jù)基礎(chǔ)為各高校在資源共建上的決策提供支持與參考。

用此方法來處理信息，易于綜合分析讀者的使用情況，對圖書館信息資源共建共享模式的有效建立有指導意義。在實際應用中，圖書館采用數(shù)據(jù)挖掘技術(shù)的目的是搜集、分析高教園區(qū)各高校文獻資源的利用情報，并把每個高校的情報綜合起來，然后采取統(tǒng)計分析、技術(shù)群組、文本挖掘、組合理論等技術(shù)，對其進行綜合分析及評估，并以統(tǒng)計圖譜、關(guān)聯(lián)圖譜和技術(shù)報告等形式展現(xiàn)出來。

數(shù)據(jù)挖掘一般需要經(jīng)歷以下6個階段：原始數(shù)據(jù)提取、數(shù)據(jù)預處理、數(shù)據(jù)整合、建立分析模型、數(shù)據(jù)挖掘操作、知識表達和解釋，如圖1所示。

現(xiàn)階段，高教園區(qū)文獻信息資源共建共享采用的較為合理的做法是：以各高校圖書館本身具有的館藏為基礎(chǔ)，各館對今后新收藏的文獻信息資源實行統(tǒng)一采購、統(tǒng)一加工和統(tǒng)一配置。各成員館要統(tǒng)籌規(guī)劃，分類收藏相關(guān)文獻，重點收藏本校重點學科及重點發(fā)展學科的文獻，在經(jīng)費允許的情況下，適當收藏本校師生使用率較高的非專業(yè)文獻，以達到較高的經(jīng)費使用性價比和共享滿足程度。

3.1 原始數(shù)據(jù)提取。以各高校圖書館自動化集成系統(tǒng)的數(shù)據(jù)作為主要數(shù)據(jù)源，輔之以數(shù)據(jù)庫使用數(shù)據(jù)及Web頁面、文本等其他類型的數(shù)據(jù)，這是數(shù)據(jù)挖掘技術(shù)的前提。

3.2 數(shù)據(jù)預處理。原始數(shù)據(jù)由于其本身的復雜性及無關(guān)聯(lián)性，并不能被直接使用，否則數(shù)據(jù)挖掘得到的分析結(jié)果質(zhì)量將難以得到保障，所以數(shù)據(jù)預處理是數(shù)據(jù)挖掘的必要環(huán)節(jié)。數(shù)據(jù)預處理主要是處理數(shù)據(jù)中的遺漏，避免有噪音數(shù)據(jù)、空缺數(shù)據(jù)和不一致數(shù)據(jù)的侵擾，并對臟數(shù)據(jù)進行清洗。

3.3 數(shù)據(jù)整合。與傳統(tǒng)的分析方法相比，數(shù)據(jù)挖掘技術(shù)是一種更高級的分析過程。而未經(jīng)預處理過的數(shù)據(jù)，并不能直接使用，必須通過各種轉(zhuǎn)換方法轉(zhuǎn)換成數(shù)據(jù)挖掘可以使用的有效數(shù)據(jù)形式。數(shù)據(jù)整合就是根據(jù)分析需求，通過算法將原始數(shù)據(jù)預處理后形成的新數(shù)據(jù)經(jīng)過融合和集成，重新構(gòu)建一個數(shù)據(jù)全面、準確而又合乎分析需求的數(shù)據(jù)庫過程。在此基礎(chǔ)上，再對數(shù)據(jù)進行分析處理，得到結(jié)果的分析層次及質(zhì)量將大大提高。

3.4 建立分析模型。數(shù)據(jù)經(jīng)過整合后，就是用數(shù)據(jù)挖掘工具讀入數(shù)據(jù)并從中構(gòu)造出一個有效的分析模型，并在數(shù)據(jù)集中選出部分數(shù)據(jù)對模型進行測試驗證，根據(jù)驗證結(jié)果對模型進行評估，反復對模型進行修改，直至找到最有利于此種數(shù)據(jù)挖掘的模型。分析模型類型各異，根據(jù)所用數(shù)據(jù)挖掘工具的不同，也會有很大的差別。

3.5 數(shù)據(jù)挖掘操作。做好上述準備工作后，將進入最重要的一環(huán)：利用選好的數(shù)據(jù)挖掘工具在數(shù)據(jù)中挖掘知識。這個過程可以自動化，由系統(tǒng)根據(jù)數(shù)據(jù)自行發(fā)現(xiàn)它們之間的某種聯(lián)系；也可以人工化，加入用戶交互過程，根據(jù)分析人員的假設(shè)，搜索數(shù)據(jù)來驗證假設(shè)的正確性。

3.5.1 館藏量與學科分類關(guān)系（如圖2所示）。在保持各高校原有館藏不變的情況下，圖書館新館藏要與本校的學科設(shè)置相關(guān)聯(lián)。

3.5.2 讀者興趣點分析。學科館藏是各高校圖書館的立館之本，各館都在各自的范圍內(nèi)盡量多藏，以滿足師生的學科需求。在此基礎(chǔ)上，各高校讀者的興趣愛好也不盡相同，可根據(jù)挖掘出的信息配置相應的館藏。

3.5.3 讀者借閱規(guī)律分析。高校讀者的圖書借閱都有一個時間段，如果是學科圖書，讀者會集中在某個時間來借閱，這就要進行分析，才能進行最佳調(diào)配。如在一定時間段可從其他高校“借用”某種或某類館藏，以滿足讀者的臨時需求。

3.5.4 借閱習慣關(guān)聯(lián)分析（如表1所示）。目的是找出各高校讀者中隱藏的有趣的閱讀習慣關(guān)聯(lián)網(wǎng)，用來指導資源共建工作，重點配置讀者感興趣的圖書，以有限的經(jīng)費發(fā)揮最大的功用。具體操作方法包括關(guān)聯(lián)矩陣和關(guān)聯(lián)圖。

表1 讀者對某些圖書需求的最優(yōu)模糊矩陣

3.6 知識表達和解釋。根據(jù)最終用戶的決策目標，將分析結(jié)果以用戶容易理解的方式（圖和表）把挖掘到的最有價值的知識呈現(xiàn)出來，并且提交給圖書館決策者和個人，使之可以洞察讀者的動態(tài)，為圖書館日常業(yè)務工作提供參考。

4 結(jié)束語

數(shù)據(jù)挖掘技術(shù)是一種決策支持過程，它主要基于人工智能、機器學習、統(tǒng)計學等技術(shù)，在各個領(lǐng)域得到了廣泛應用，取得了很好的社會效益。筆者將數(shù)據(jù)挖掘技術(shù)引入高教園區(qū)信息資源共建共享過程當中，從各種不同的數(shù)據(jù)來源中，挖掘出有用的知識，使之幫助圖書館決策者調(diào)整館藏策略，有效地進行資源共建，更好地實現(xiàn)資源共享。但是任何一種方法都不可能解決所有問題，基于數(shù)據(jù)挖掘技術(shù)的高教園區(qū)信息資源共建共享的方法還存在著一定的難題和局限，還有待進一步研究。

[1] 魯黎明.高教園區(qū)文獻信息資源共建共享模式研探.圖書館理論與實踐，2005（2）：91-92.

[2] 金勝勇，于淼.基于共建共享的文獻信息資源建設(shè)理論構(gòu)建.中國圖書館學報，2006（4）：72-75.

[3] 黃修齡.大學城環(huán)境下圖書館信息資源建設(shè)的理念與實踐模式.圖書情報知識，2004（1）：45-46.

[4] 羅玉英.大學城圖書館實現(xiàn)資源共建共享的對策.圖書館雜志，2006（10）：50-51.

[5] 危薇，陳如好.試論大學城高校文獻信息資源共建共享體系的功能與模式.情報探索，2007（4）：34-36.

[6] 王桂芹，黃道.數(shù)據(jù)挖掘技術(shù)綜述.電腦應用技術(shù)，2007（2）：9-14.

[7]JiaweiHan，MichelineKamber.數(shù)據(jù)挖掘:概念與技術(shù).北京：機械工業(yè)出版社，2007.

[8] 高巨山，仲偉佇.高校數(shù)字圖書館構(gòu)建中的數(shù)據(jù)挖掘應用研究.中國教育信息化，2008（3）：81-82.

[9] 潘小楓.數(shù)據(jù)挖掘技術(shù)及其在數(shù)字圖書館建設(shè)中的運用.圖書館理論與實踐，2006（4）：105-106.

[10] 牛根義.國內(nèi)圖書館數(shù)據(jù)挖掘研究.現(xiàn)代情報，2009（1）：128-133.