基于關聯規則的館員動態智能培訓系統

朱玉斌

［摘要］ 館員培訓，作為提高業務水平的重要途徑，歷來為各圖書館所重視。然而傳統方式多為照本宣科，本文以采編部培訓為例，探討了如何結合數據挖掘技術，察覺業務短板所在，使館員的培訓更有針對性和實時性。

［關鍵詞］ 關聯規則； 館員； 培訓

doi : 10 . 3969 / j . issn . 1673 - 0194 . 2012 . 10. 062

［中圖分類號］G251［文獻標識碼］A［文章編號］1673 - 0194（2012）10- 0109- 01

１館員培訓現狀

館員培訓，作為提高業務水平的重要途徑，歷來為各圖書館所重視。目前，常見的培訓方式有：

（１） 業務講座。通過邀請專家學者舉辦專題講座，是常見的一種業務培訓方式。專家學者高屋建瓴，業務知識淵博，能夠談到很多日常工作中不易覺察的問題，且多有新的理念和見解，很有學習價值，因此廣受各圖書館歡迎。但這種方式往往針對性不足，對于各館具體的業務問題和短板，未必能夠提供及時的幫助。

（２） 組織學習。通過參加大館、核心館的培訓班，提高業務水平。這種方式覆蓋面廣，可以有針對性地對各部門的不同業務人員進行專業培訓，也是一種常見的方式。不過，這一培訓方式多為新入館工作人員的崗前培訓，實時性往往不強，不能對工作中的具體問題進行幫助和指導。

（３） 學術會議。通過參加年會，技術研討會等主題討論的機會，學習新的知識和技術，理解動態和方向，也是一個重要的培訓方式。同樣，也是缺乏針對性。

在實際工作中，以采編部為例，在Ｍａｒｃ著錄的過程中，工作人員對于已完成的工作往往缺乏評估和察覺錯誤的方式，如拼音錄入錯誤，字段編寫不規范等業務問題，每個工作人員的情況都有不同，如何實時性地依據以往工作進行分析，提供業務報告，從而可以給具體工作人員提供業務學習的方向，能夠更有針對性和實時性地進行專項培訓，提高業務水平便成了一個很有價值的研究課題。

２數據挖掘技術

數據挖掘（Ｄａｔａ Ｍｉｎｉｎｇ），就是從海量數據中挖掘出隱含在其中的礦藏——知識。一般認為，廣義的數據挖掘又稱數據庫中的知識發現（Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ｉｎ Ｄａｔａｂａｓｅ），簡稱知識發現（ＫＤＤ）。它是從大量的、不完整的、有噪聲的、模糊的和隨機的數據中，提取隱含在其中的、人們事先不知道的、但又是可信的、潛在的和有價值的信息和知識的過程。

數據挖掘技術是一個多學科交叉的綜合研究領域。它融合了數據庫技術、人工智能、機器學習、統計分析、模式發現、可視化技術、信息檢索以及信號處理等多個學科領域的技術。

３關聯規則在館員培訓中的作用

關聯規則在數據挖掘領域中是一個重要的研究方向，這一技術主要用來揭示數據與數據之間未知的相互依賴關系。

在研究圖書Ｍａｒｃ加工數據時，數據著錄錯漏之處的相互依賴關系，恰恰體現了著錄人在圖書Ｍａｒｃ加工中的個人習慣以及潛在的業務短板所在。因此采用關聯規則算法可以很好地分析Ｍａｒｃ數據的加工過程中存在的問題以及隱含在其中的規律，為業務培訓指明方向。

為了提高培訓工作的智能性，可以將基礎培訓資料輸入數據庫，形成培訓資料庫。通過圖形化的界面，結合關聯規則分析結果，定期形成分析報告，然后依據報告推薦培訓資料，實現無人工干預的全自動培訓系統。如再結合ＲＳＳ訂閱推送，則可完全解決實時性和針對性不足的問題，切中要害，提高培訓效率。

４我館在實際應用中的嘗試

圖書加工評估工作的重點是建立評估標準，我們依據Ｍａｒｃ數據規范，使用正則表達式進行了表述，考慮到信息交互性，采用ＸＭＬ文件進行存儲。為了便于程序訪問和實施挖掘算法，在驗證規則完成后，建立錯漏代碼表，針對各條規則，相應地進行變量命名編號，以便標志錯誤類型。

準備工作完成后，對館藏數據進行抽樣，形成數據段，以我館匯文Ｏｒａｃｅｌ數據庫為例，下面是分段代碼片段：

ｓｅｌｅｃｔ

ｍａｒｃ．ｍａｒｃ＿ｒｅｃ＿ｎｏ，ｍａｒｃ．ｃａｔａ＿ｏｐｅｒ，ｍａｒｃ．ｃａｔａ＿ｄａｔｅ，ｍａｒｃ．ｍ＿ｃａｌｌ＿ｎｏ，ｍａｒｃ．ｍ＿ｔｉｔｌｅ，ｍａｒｃ．ｍ＿ａｕｔｈｏｒ，ｍａｒｃ．ｍ＿ｐｕｂｌｉｓｈｅｒ，ｍａｒｃ．ｍ＿ｐｕｂ＿ｙｅａｒ，ｍａｒｃ＿ｄａｔａ．ｍａｒｃ０１，ｍａｒｃ＿ｉｄｘ．ｍａｒｃ＿ｄａｔａ＿ｃｏｄｅ，ｍａｒｃ＿ｉｄｘ．ｍａｒｃ＿ｉｄｘ＿ｃｏｎｔ ｆｒｏｍ ｍａｒｃ ｉｎｎｅｒ ｊｏｉｎ ｍａｒｃ＿ｄａｔａ ｏｎ ｍａｒｃ．ｍａｒｃ＿ｒｅｃ＿ｎｏ＝ｍａｒｃ＿ｄａｔａ．ｍａｒｃ＿ｒｅｃ＿ｎｏ ｉｎｎｅｒ ｊｏｉｎ ｍａｒｃ＿ｉｄｘ ｏｎ ｍａｒｃ．ｍａｒｃ＿ｒｅｃ＿ｎｏ＝ｍａｒｃ＿ｉｄｘ．ｍａｒｃ＿ｒｅｃ＿ｎｏ ｗｈｅｒｅ ｍａｒｃ．ｃａｔａ＿ｄａｔｅ ｂｅｔｗｅｅｎ ＇２００４－０１－０１＇ ａｎｄ ＇２００４－１２－３１＇

對數據進行模式匹配后，生成１階頻繁項集，并在此基礎上生成多階頻繁項集。根據結果生成情況，適當調整支持度和置信度的閾值，以獲得有價值的挖掘結果。通常，這個過程會反復進行，在初次獲得有價值信息后，可將該閾值作為初始化數據，作為系統正常運行時的參數。

針對分析報告中的字段關聯信息，程序訪問錯漏字段代碼，獲得錯漏類型，然后通過訪問培訓資料數據庫中相應類型編碼的培訓數據，生成業務報告和培訓指南，從而實現培訓工作的自動化。最后，可以結合ＲＳＳ訂閱，以離線推送的方式，向館員提供培訓指南，從而更實時、便捷地進行業務培訓工作，提高圖書館的業務水平。

５結束語

文中探討了應用數據挖掘技術，如何提高館員培訓工作的針對性和實效性。從館藏數據庫中Ｍａｒｃ相關各數據表字段的結構出發，通過應用關聯規則挖掘技術，實現圖書館Ｍａｒｃ數據定期自動檢測，并通過分析產生業務報表，結合培訓資料庫和ＲＳＳ訂閱，實現動態推送針對性培訓的智能培訓系統。

主要參考文獻

［１］ 汪育健，鄒攀． 基于線性鏈表的關聯規則數據挖掘技術在數字圖書館中的應用［Ｊ］． 圖書館雜志，２００９（１２）．