基于信息融合技術的圖書館服務質量綜合評價

［摘 要］圖書館服務質量綜合評價的核心計算是實現(xiàn)從各指標隸屬度到目標隸屬度的轉換。但是，現(xiàn)有的隸屬度轉換方法，不能揭示指標隸屬度中“哪些部分對目標分類有用，哪些部分無用”；結果是指標隸屬度中原本對目標分類不起作用的冗余數(shù)值，也被用于計算目標隸屬度。實際上，隸屬度轉換是一種信息融合技術，實現(xiàn)信息融合的關鍵環(huán)節(jié)是挖掘隱藏在各指標隸屬度中關于目標分類的知識信息。為此，通過挖掘這種信息設計一種濾波器，能清除指標隸屬度中對目標分類不起作用的冗余數(shù)值，在沒有冗余數(shù)據(jù)干擾條件下實現(xiàn)隸屬度轉換，由此建立了一種基于“一濾、二比、三合成”的圖書館服務質量綜合評價方法。

［關鍵詞］圖書館服務質量 隸屬度轉換 區(qū)分權 可比值

圖書館的發(fā)展水平是一個國家、一個地區(qū)文明進步程度的重要標志之一。隨著社會競爭的加劇以及就業(yè)壓力的增加，提升自身價值、提高知識水平成為了大多數(shù)人的首選。圖書館作為社會的文獻信息中心，是讀者學習、查閱資料的主要場所，人們對其需求自然也日益增加。同時，隨著我國不斷推行“和平發(fā)展”重大發(fā)展戰(zhàn)略，圖書館社會服務的觀念也越來越深入人心，但是如何評價圖書館服務質量卻是一個極其復雜的問題，原因在于它是一種伸縮性很強的工作，且優(yōu)質服務幾乎是無止境的。定期對圖書館服務質量做全面、客觀、科學的評價不但有利于圖書館的自身建設與長遠發(fā)展，而且對于提高圖書館的文獻資源質量與服務水平以及圖書館的快速發(fā)展都有重大意義。文獻[1]分析影響圖書館服務質量的各種因素，建立了如第5頁表1所示的圖書館服務質量指標評價體系。該指標體系是一個三層遞階層次結構，文獻[1]用了層次分析法確定各層分指標的權重，用統(tǒng)計專家評分法確定底層指標在五個評語等級{優(yōu)、良、中、差、劣}上的隸屬度向量；最終給出了如表1所示的圖書館服務質量指標評價表。

建立符合實際的服務質量評價指標體系是評價基礎 ，根據(jù)領域知識合理確定各層分指標重要性權重與底層指標隸屬度，是模糊綜合評判的基本條件；但是，要想依據(jù)這些條件得到可信賴的評估結果 ，還必須輔以正確的計算方法。模糊綜合評判的核心計算是“隸屬度轉換”。即從底層指標隸屬度出發(fā)，逐層計算相鄰上層中每一項指標的隸屬度向量 ；并且在每個層次上實現(xiàn)的每一次隸屬度轉換都可歸結為下述抽象的轉換模型。

已知影響目標狀態(tài)的指標有種，每種指標被劃分為個等級，表示第等級。如果目標的指標屬于的隸屬度已知，且滿足：

求目標屬于的隸屬度。

對于上述隸屬度轉換，模糊數(shù)學給出4種轉換模型：和；長期應用結果表明，其中只有 得到多數(shù)應用者認可，即把目標隸屬度作為指標隸屬度與指標重要性權重的“加權和”。并且，“加權和”作為隸屬度轉換的主流方法，數(shù)十年來一直被廣泛用于各種不同的領域。

模糊數(shù)學中關于隸屬度轉換的上述方法，在學術界一直存有不同意見，特別是近十年來，陸續(xù)出現(xiàn)了一些不同算法和改進算法。如文獻[8]認為模型過于簡單化，利用信息不充分，提出基于證據(jù)推理與粗集理論的“主客觀綜合法”，用于實現(xiàn)隸屬度轉換。文獻[9]在改進的模糊綜合評判中定義一種頗有新意的“綜合權重”，用以替代指標重要性權重計算“加權和”。但是，以模型為代表的現(xiàn)有隸屬度轉換方法，都不是從目標分類角度設計的，不能揭示指標隸屬度中 “哪部分對目標分類有用，哪部分對目標分類沒用”；結果是：指標隸屬度中對目標分類不起作用的冗余部分，也被用于計算目標隸屬度。方法存在的冗余性表明，模糊數(shù)學中看似早已解決了的隸屬度轉換問題，實則是一個尚未解決、至少是尚未很好解決的問題。

實際上，不同指標的隸屬度源于不同實測參數(shù)空間上的分類信息，所以，從各指標隸屬度到目標隸屬度轉換是一種信息融合技術。而實現(xiàn)信息融合的關鍵是：用某種數(shù)據(jù)挖掘方法[14-18]，挖掘隱藏在各指標隸屬度中關于目標分類的知識信息。為此，通過挖掘這種知識信息設計一種濾波器，能清除指標隸屬度中對目標分類不起作用的冗余數(shù)值，在沒有冗余數(shù)據(jù)干擾的情況下實現(xiàn)隸屬度轉換，進而建立一種基于信息融合技術的圖書館服務質量評價模型。

一、區(qū)分權與指標隸屬度的 類有效值

從目標分類的角度講我們最關心的問題是：是不是每一項指標隸屬度對于目標分類都起作用呢？指標隸屬度中有沒有對目標分類來說是不起作用的冗余數(shù)值呢？這些問題非常重要，因為這涉及到究竟哪些指標隸屬度和隸屬度中怎樣的數(shù)值有資格參與計算目標的隸屬度。為了弄清楚這一點，定義指標區(qū)分權概念。

1. 區(qū)分權

（1）設想，則指標的隸屬度提供了這樣的分類信息：單從指標看，目標屬于各類的程度都一樣。顯然，這種信息對目標分類不起作用，刪除指標也不會影響的分類。如果用實數(shù)表示指標對目標分類所做貢獻大小的歸一化量化值，則此種情況下有。

（2）如果存在整數(shù)使其余隸屬度均為0，則指標隸屬度提供的分類信息是：單從指標看，目標只能屬于類，不可能屬于其它類。此時，指標對于目標的分類做出了最大的貢獻，實數(shù)應取到最大值。

（3）同理，若隸屬度對而言取值越集中時，指標對目標分類做出的貢獻越大即越大；反之，當對而言取值越分散時，指標對目標分類做出的貢獻越小即越小。

上述三條說明，反映指標對目標分類貢獻大小的實數(shù)由隸屬度關于的取值集中與分散的程度決定；而隸屬度關于取值集中與分散的程度可用隸屬度的熵決定，所以，實數(shù)可表為熵的函數(shù)：

區(qū)分權的意義在于“區(qū)分”，即指標的各類隸屬度能否把目標所屬類別區(qū)分開和在怎樣的程度上區(qū)分開的一種度量。如果，由熵的性質知，此時必有，表明 指標的隸屬度是對目標分類不起作用的冗余指標隸屬度。對目標分類不起作用的冗余指標隸屬度自然不能參與計算目標的各類隸屬度。

2.指標隸屬度有效值

定義1：若是目標的指標屬于類的隸屬度，且滿足（1）式；是指標關于目標的區(qū)分權，則稱

是指標的類隸屬度的有效區(qū)分值，簡稱類有效值。

當區(qū)分權時，表明指標隸屬度對目標分類不起作用的冗余指標隸屬度，因而不能參與計算目標的隸屬度；注意到，當時，有，由此可發(fā)現(xiàn)這樣一個基本事實，那就是：計算目標的類隸屬度時，用的不是指標的類隸屬度，而是指標類隸屬度的有效值，這是一個至關重要的結論。

當用指標隸屬度的有效值代替隸屬度參與計算目標隸屬度時，那么，區(qū)分權就是一種濾波器，在隸屬度轉換過程中，能識別并濾掉對目標分類來說不起作用的冗余的指標隸屬度和指標隸屬度中的冗余數(shù)值。

二、指標隸屬度的類可比值與隸屬度轉換

毫無疑問，各指標的類隸屬度的有效值對于計算目標的類隸屬度來說是必不可少的；但問題是，不同指標的類隸屬度的有效值之間，在通常情況下并不具有可比性，更不具有直接可加性；因為對于確定目標的類隸屬度來說，這些有效值的“單位重要性”程度不同。原因是：在計算指標隸屬度時，通常情況下并沒有用到各指標關于目標的相對重要性。所以，當用各指標的類有效值計算目標的類隸屬度時，必須將不同指標的類有效值轉化為可進行大小比較的類可比有效值。

定義2：若是指標的類有效值，是指標關于目標的重要性權重，則稱：

是指標類隸屬度的可比有效值，簡稱類可比值。

顯然，不同指標的類可比值之間具有可比性和直接可加性。

定義3 ：若是目標的指標的類可比值，則稱

是目標的類可比和，

顯然，目標的類可比和相對越大，表明屬于類的程度越大。

定義4：若是目標的類可比和，是屬于類的隸屬度，則：

至此，在目標的各影響指標的隸屬度和指標（關于目標的）重要性權重已知條件下，通過公式（2）（3）（4）（8）（9），求出了目標的隸屬度，實現(xiàn)了由指標隸屬度到目標隸屬度的轉換；并且轉換過程不增加任何先驗知識，也不造成分類信息失真。

上述隸屬度轉換算法可概括為“一濾、二比、三合成”。“一濾”指用區(qū)分權濾波，濾掉那些對目標分類不起作用的冗余的指標隸屬度和指標隸屬度中的冗余數(shù)值，從指標隸屬度中分離出對目標分類起作用的有效值；“二比”是把有效值轉化為可比值并生成可比和；“三合成”是指由可比和定義目標隸屬度。

三、應用例

以圖書館服務質量評價為例。

1.圖書館服務質量模糊評價矩陣

文獻[1]對某圖書館服務質量評價給出了如下表1所示的模糊評價矩陣，表1中的數(shù)字是該分指標的重要性權重，由領域專家按層次分析法確定；底層指標后的向量是該底層指標關于5個評語等級{優(yōu)、良、中、差、劣}的隸屬度向量，是在無干擾條件下120名讀者確定。表中所有數(shù)據(jù)摘自文獻[1]：

則判屬于等級，且有不低于的置信度.

本例判Q屬于“良好”等級，且有不低于77.46%（0.2981+0.4765=77.46%）的置信度。判斷結果與文獻[1]一致，并且有高達77.46%的置信度。由矩陣知，服務質量評價指標中僅圖書館的資源和服務兩項指標為達到“優(yōu)秀”的置信度為26.79%和24.52%，其他的指標都有很高的置信度，表明對該圖書館服務質量比較滿意的，為了進一步提高建議在資源和服務上更下功夫。

四、結論

1.“一濾、二比、三合成”算法是隸屬度轉換的一般模式，也是一種重要的信息融合技術；其中關鍵步驟是通過挖掘隱藏在每個指標隸屬度中關于目標分類的知識信息所構建的濾波器濾波。

2.評價結果由模糊評價矩陣決定，所以，在構建符合實際評價指標體系后，如何利用領域知識合理確定各層分指標的重要性權重與底層指標隸屬度，是保證評價結果可信的基礎性計算環(huán)節(jié) 。

3.由評價過程知，只要按“一濾、二比、三合成” 要求求出一項指標的隸屬度向量，則按同一計算程序，可求出一直到頂層目標的隸屬度向量。所以“一濾、二比、三合成”算法適于多層次、多指標、大數(shù)據(jù)量的隸屬度轉換；按著時間順序，只要輸入獲取的各底層指標的隸屬度向量，則系統(tǒng)立即可輸出評價結果，所以評估系統(tǒng)極具實時性 。

參考文獻：

[1] 孟祥業(yè).基于AHP—模糊數(shù)學的圖書館服務質量綜合評價研究[J].現(xiàn)代情報，2009(10)1:24-126

[2] 張向暉，高吉喜，董偉.非線性復合模型在云南縱向嶺谷區(qū)生態(tài)安全評價中的應用[J].環(huán)境科學研究，20007，20(4）：81-86

[3] 肖龍，戴宗坤.信息系統(tǒng)風險的多級模糊綜合評判模型[J].四川大學學報，2004，36(5): 98-102.

[4] 鄭賢斌，陳國明.基于FTA油氣長輸管道失效的模糊綜合評價方法研究[J].系統(tǒng)工程理論與實踐，2005， 25(2):139-144.

[5] 易俊，伍建林，史佩等.二級模糊安全評估方法及其在油庫安全中的應用[J].中國安全科學學報，2007， 17(6):135-139.

[6] 馬國忠，米文勇，劉曉東.民航系統(tǒng)安全的多層模糊評估方法[J].西南交通大學學報，2007，42(1): 104-109.

[7] 耿雪霏，劉凱，王德占.供應鏈風險的模糊綜合評價[J].物流技術，2007，26（8）：164-167

[8] 黃廣龍，余忠華，吳昭同. 基于證據(jù)推理與粗集理論的主客觀評價方法[J].中國機械工程，2001，12(8): 930-934.

[9] 郭捷， 胡美新. 改進的項目風險模糊評價研究[J].工業(yè)工程，2007，10(3):86-90.

[10] 汪海淵，朱彥東，楊東援.數(shù)據(jù)融合技術及其在交通領域中的應用[J].上海公路， 2001:29-32.

[11] 張彥鐸，姜興渭.多傳感器信息融合及在智能故障診斷中的應用[J].傳感器技術，1999， 18(2):18-23.

[12] 王倫文，鐘子發(fā)，楊俊安等. 多傳感器數(shù)據(jù)融合理論在復雜通信信號識別中的應用[J].計算機與網(wǎng)絡，2001：28-31

[13] 蔡興國，基于信息融合技術的并發(fā)故障診斷的研究[J].中國電機工程學報，2003，23(5): 112-115

[14] Jianwei Han， Micheline Kamber， Data Mining: Concepts and Techniques， CA: Morgan Kaufmann Publisher， 2000.

[15] 賈林，李明. 基于數(shù)據(jù)挖掘的電信客戶流失模型的建立與實現(xiàn)[J]，計算機工程與應用，2004：185-187

[16] 楊文獻，任興民，秦衛(wèi)陽等.基于數(shù)據(jù)挖掘的復雜設備故障診斷方法研究[J].振動工程學報，2000， 13(5): 48-51

[17] 高毅龍. 數(shù)據(jù)挖掘及其在工程診斷中的應用[D]. 西安交通大學， 2000.

[18] 程乾生.屬性識別理論模型及應用[J].北京大學學報(自然科學版)，1997，33(1):23-30.

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文