數據挖掘技術在圖書管理中的應用

　　摘要：大學圖書館在日常的圖書流通中會產生大量的讀者服務數據，這些流通數據能夠客觀反映不同讀者閱讀習慣、讀書興趣等方面的規律和特點。數據挖掘技術中的關聯規則、聚類分析、分類和預測分析等方法對發現和挖掘這些規律和模式有著獨特的優勢。把這些技術應用在圖書管理中，可以發現圖書流通環節隱藏的潛在規律，提高圖書流通效率。同時為領導決策、館藏圖書配置以及文獻結構體系建設提供科學的指導。
　　關鍵詞：數據挖掘技術 圖書管理 技術分析方法
　　中圖分類號：G251文獻標識碼：A文章編號：1672-3791（2012）09（b）-0254-02
　　1 數據挖掘
　　隨著各行業事務處理的計算機化，我們產生和收集數據的能力正在迅速提高。我們已經被各種數據所淹沒，如科研數據、商業數據、氣象數據、居民日常消費數據、圖書借還歷史數據……我們沒有時間和精力把這些數據逐個查看。用什么手段來處理和應付這些數據已經成為我們當前的興趣所在，因此我們就必須找到一套行之有效的辦法，來對這些數據實現自動分類、分析和匯總，自動地發現和描述數據中的規律和趨勢，并發現和標記數據的異常情況。數據挖掘技術的出現和發展，為我們提供了解決這一問題的有效方法。
　　數據挖掘是將隱含的、尚不為人所知的、同時又是潛在的信息從數據中提取出來，建立計算機程序，自動在數據庫中掃描，以發現規律或者模式，即找出數據中的模式或規律的過程。這個過程是自動的或半自動的，數據的總量通常是相當可觀的，同時從中發現的模式或規律需要是有意義的，并且能產生一定的效益。
　　數據挖掘通常又稱為數據中的知識發現，是方便地提取代表知識的模式或規律；這些模式或規律通常隱含或記錄在各種數據庫、數據庫集、網頁日志、應用軟件或通信數據流中。不能把數據挖掘看作是簡單的數據庫查詢技術。數據挖掘要求在海量數據中，挖掘出的信息是新穎的、潛在實用的、正確的和最終是可理解的、并且是非平凡性的；它不同于在電話本上查找電話號碼和在搜索引擎上查找特定的網頁內容。數據挖掘技術可以通過分類和預測分析的方法對海量數據進行直接數據挖掘；也可以通過關聯分析、聚類分析、描述和可視化分析，以及復雜數據類型，如信息網絡、web、圖形圖像和音頻視頻等的分析來進行間接數據挖掘。如在對美國沃爾瑪的購物籃分析，發現的啤酒和紙尿布之間存在的讓人忍俊不禁的聯系。
　　2 圖書館
　　功能強大的數據挖掘技術為每天面對數量龐大、分類眾多的高校圖書和不同口味、需求各異的服務對象的高校圖書管理者提供了一個化腐朽為神奇的法寶。圖書管理者在工作中充分發揮數據挖掘技術在圖書管理、讀者服務等方面的作用，不斷實踐廣泛應用，必將實現圖書管理工作的大變革和跨越式發展。就現在筆者所在學校的圖書館而言，與大部分圖書館構成大體一樣。我們學校的圖書館包括職能部門：采編部、流通部、技術部、期刊部和參考咨詢部；教學研究部門：信息檢索教研室、信息檢索研究所；行政部門：辦公室及館長。簡稱“五部一室一所”，部門各自的作用僅從它們各自的名字便可粗略得知。這里只就兩個主要部門做簡單介紹。采編部主要負責圖書館新進圖書的前期采訪、采購和后期加工，如分類、編目、錄入、分庫、入庫等工作。流通部主要負責文學書庫、藝術書庫、外文書庫、中文工具書庫、自然科學書庫、社會科學書庫及樣本書庫等書庫的日常管理和圖書流通工作。
　　3 數據挖掘技術的應用
　　3.1 圖書流通中的應用
　　頻繁模式是頻繁出現在數據集中的模式。關聯規則是從頻繁模式產生的最常見的一類規則。用關聯規則對不同讀者的日常借閱歷史目錄進行跟蹤分析，從這些海量借閱歷史目錄信息中挖掘，發現各類圖書間存在的關聯，總結不同讀者的興趣。通過各類圖書這種關聯關系的支持度和置信度正確計算分析，可以得出異類圖書間的關聯規則。通過深入研究各專業讀者的讀書學習習慣，可以為圖書館領導科學決策、高效管理提供現實依據，為圖書管理員日常管理工作中的新書分庫和圖書的異類排架等方面提供科學有效的參考，從而提高圖書館圖書借閱效率，為高校廣大師生提供更加科學、高效、人性化的服務，最終達到讀者面對圖書和圖書面向讀者的目的，實現讀者和圖書間的和諧。
　　具體而言，如用數據挖掘軟件對讀者借閱歷史的數據挖掘發現，近年來出現的一個出乎大家意料的現象，很多理工科的學生在大三時期，頻繁的借閱經濟類的書籍，特別是與考研相關的經濟專業圖書。后來通過軟件分析和實踐調研得知，由于近年來大學生畢業人數不斷攀升，就業壓力逐年加大。很多大學生為逃避就業選擇了考研，而高等數學、概率統計在而經濟類研究生入學考試中占有很重要的作用，理工類比經濟專業學生在數學科目考試中占有明顯優勢，容易考取。因此，就有很多理工類學生在大三時期，選擇了報考經濟類研究生。于是在學過本專業，確保順利畢業的同時，擠出大量課余時間通過自學或者旁聽等方式加補經濟類專業課程。從而導致了上述不尋常借閱現象的發生。
　　圖書管理人員在新書分庫和圖書排架方面，就可以利用這個發現，大膽打破理工類圖書和經濟類圖書分別分庫存放的限制，進行個性化和人性化的分庫排架方案?？茖W的將把部分副本量的經濟考研類圖書，與高年級理工類專業書進行跨學科合庫且就近上架擺放，以提高圖書資源流通和利用效率。依次類推，新書分庫和圖書排架也完全可以根據，年級、專業、讀者類型，如?？粕⒈究粕⒀芯可蛘哒n堂教學教師、實驗類教師等讀者類型的需求等，作為科學的參考。當然這種參考需要以事先對圖書資源利用率和讀者借閱目錄做正確的數據分析和知識挖掘為前提。而這種個性分類法，可以在部分書庫做試點，特別是在院專資料室的圖書分類中可以廣泛采用大膽探索。在實踐中查找利弊反復檢驗，加以時日并實時做出必要的修正和改進。待時機成熟，這種個性化的圖書分類排架法可在全館推行。再經過長期的跟蹤調查、科學統計結合數據挖掘技術的數學計算等研究，這種根據學校自身特點，針對性的強具有本校特色的科學又新穎圖書分類排架法，必將大大方便不同類型的讀者群體，從而大幅度的圖書資源流通和利用效率。
　　聚類是將物理或抽象對象的集合分成相似的對象類的過程。通過自動的聚類能夠識別對象空間中稠密和稀疏區域，從而發現全局分布模式和數據屬性之間有趣的相關。聚類分析已經廣泛應用于數據分析等領域中。同樣利用數據挖掘的聚類分析技術分析、挖掘讀者在不同時段的借閱特點和規律。如學生不同年級、各個學期，甚至每個月份，每天的圖書借閱規律，找出不同時間段的圖書借閱高峰。以合理配置圖書管理人員的數量，靈活安排圖書館老師的上班時間。同時為圖書館領導科學決策，提高圖書館員的效率提供現實的數據支持。這樣可以大大提高圖書流通率，減少讀者借閱圖書時間，從根本上提高圖書管理員的工作效率。
　　3.2 圖書采編中的應用
　　數據挖掘技術中的關聯分析、聚類分析在圖書采購和編目中也有著廣泛的應用。比如，可以通過對各類讀者的借閱偏好和各種圖書的借閱率的關聯性分析，找到不同讀者和相關類圖書的關聯度。為制訂采購圖書的種類、副本量以及新書推薦和圖書導讀提供科學建議，從而達到減少圖書資料浪費，提高圖書利用率的目的。通過對不同年級專業類型的讀者進行聚類分析，找出不同類讀者的閱讀傾向，同樣可以為圖書采購人員正確制訂采購圖書計劃和結構提供科學依據，為采編人員提供全方位的現實的指導，為建設全面科學合理的圖書館圖書文獻構成體系保駕護航。
　　分類是找出描述和區分數據類或概念的模型的過程，以便能夠使用模型預測類標號未知的對象。同分類一樣，預測也是一種數據分析形式，不同于分類可以用于提取描述重要數據類，預測可以用于預測未來的數據趨勢的模型。這兩種分析有利于我們更好地全面理解數據。數據挖掘中的分類和預測分析在采編中的應用也是相當廣泛的。通過圖書管理系統，對讀者每天的圖書借閱歸還等的服務所產生的大量數據，通過數據挖掘系統做出分類和預測分析，為圖書采購、新書分庫以及舊書調撥提供科學指導。特別是彌補圖書采購人員，在現實采購方面存在的憑經驗和專家推薦等采購方法上的不足。通過數據挖掘在分類和預測分析中提供的各類圖書文獻利用率和不同讀者的閱讀傾向等預測信息和評估報告，為及時補充稀少短缺圖書和適時剔除過時圖書資源提供多維度的、全方位的科學合理性建議。
　　4 結論
　　總之，數據挖掘技術關聯規則分析、聚類分析、分類分析和預測分析等方法在圖書館的流通和采編過程中都有相當廣泛的應用。通過應用這些技術，可以發現圖書流通環節隱藏的潛在規律。這些規律的發現，在提高圖書流通效率、合理排架、科學配置圖書管理人員、科學制定值班時間以及為讀者有針對性的提供新書推薦和導讀等方面，都起到不可估量的作用。它也為領導決策、館藏圖書配置及文獻結構體系建設，提供科學的指導。
　　參考文獻
　　[1] JiaweiHan，MiehelineKamber[著]，范明，孟小峰[譯].數據挖掘——概念與技術[M].北京：機械工業出版社，2005.
　　[2] （美）Jamie MacLennan，（美）ZhaoHui Tang，（美）Bogdan Crivatr[著]，董艷，程文俊[譯].數據挖掘原理與應用—— SQL Server 2008[M].北京：清華大學出版社，2010.
　　[3] 李朝葵，凌云.數據挖掘及其在圖書館中的應用[J].情報雜志，2002（6）：33-34
　　[4] 劉曉東.數據挖掘在圖書館工作中的應用[J].情報雜志，2005（8）：63-65.
　　[5] 鮑翠梅，王尊新，白如江.數據挖掘技術及其在圖書館中的應用[J].情報雜志，2004（9）：49-5