數據挖掘技術及其在圖書館2.0建設中的應用

柴艷玲

（昆明學院圖書館，云南 昆明 650214）

隨著Web2.0技術的日益成熟，圖書館界利用Web2.0技術構建新型的圖書館服務模式，圖書館2.0隨之出現。構建圖書館2.0不僅需要利用簡易信息聚合（RSS）、博客（Blog）、維客（Wiki）、即時通信 （IM）、 社會性網絡服務 （SNS） 標簽 （Tag）等Web2.0技術，而且需要眾多讀者的參與和大量信息資源的支撐。應用數據挖掘技術從海量的數據中提取有用的知識，從讀者需求信息中分析讀者需求傾向，可完善圖書館2.0結構化數據庫的建設，及時發現、掌握讀者的閱讀規律和信息需求，從而提高圖書館2.0的服務水平。

1 圖書館2.0概述

自從2005年鮑爾·米勒（Paul Miller）博士提出圖書館2.0概念以來，國內外學者紛紛開展圖書館2.0研究，一些大學圖書館也在利用Web2.0技術構建圖書館2.0。對于圖書館2.0的含義，目前沒有統一的說法。范并思、胡小菁指出圖書館2.0是Web2.0技術或服務在圖書館信息服務中的應用。劉煒、葛秋妍指出，圖書館2.0不僅僅是一些技術的組合，更是一種新的服務模式和管理理念。從這些學者的論述中，可以看出圖書館2.0注重用戶參與，是以用戶為中心的圖書館服務模式，是以Web2.0技術應用為主的一種新型服務模式。在圖書館2.0環境下，用戶可以參與圖書館的資源建設、資源組織、門戶網站建設。隨著圖書館2.0理論研究的不斷深入，北京大學圖書館、廈門大學圖書館、南開大學圖書館、上海大學圖書館、重慶大學圖書館、上海交通大學圖書館、武漢大學圖書館等積極探索圖書館2.0的建設和應用，推出了圖書館2.0構建方案，在資源建設、信息服務等方面構建了以用戶為中心的服務模式，成為國內大學圖書館推行圖書館2.0服務的先行者。總之，參與、合作、創新、共享是圖書館2.0的核心理念。圖書館2.0支持用戶創造或貢獻資源、支持用戶編輯與標引資源、支持圖書館為用戶推送與定制資源，是現代網絡環境下圖書館的發展方向。

2 數據挖掘技術

數據挖掘是從大量的、不完全的、有噪聲的數據中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘以人工智能為基礎，運用了數據庫技術、統計學和進化計算等理論和算法。數據挖掘的任務是對數據進行關聯分析、聚類分析、分類分析、異常分析、特異群組分析和演變分析等，從而找出潛在的有用的信息。目前，數據挖掘有十大經典算法，其中決策樹方法、關聯分析、聚類分析、遺傳算法、粗糙集方法、支持向量機方法是應用較為廣泛的數據挖掘方法。數據挖掘是通過分析每個數據，從大量數據中尋找其規律的技術，主要分為數據準備、規律尋找和規律表示三個步驟：1）數據準備。收集、整理原始數據，為數據挖掘提供充足的材料。對數據進行預處理，將數據變換為適合挖掘的形式，如匯總或聚集操作、屬性量化或數據降維等。2）數據挖掘。確定挖掘的目的和挖掘方法，對數據進行分析。3）結果表達與解釋。數據挖掘系統具有產生數以千計、甚至上萬的模式或規則的潛在能力。依據用戶對模式的興趣度進行評估，把能夠表示知識的有趣模式提交給用戶。

數據挖掘工具種類繁多，通常分為三種：通用型工具、綜合數據挖掘工具、快速發展的面向特定應用的工具。通用型工具占有較多的市場份額。通用的數據挖掘工具采用通用的挖掘算法，處理常見的數據類型。如IBM公司的QUEST系統、SGI公司的MineSet系統等。QUEST是一種多任務數據挖掘系統，提供了專門在大型數據庫上進行各種開采的功能：關聯規則發現、序列模式發現、時間序列聚類、決策樹分類、遞增式主動開采等。MineSet集成多種數據挖掘算法和可視化工具，幫助用戶直觀地、實時地發掘、理解大量數據背后的知識。MineSet以先進的可視化顯示方法、提供多種數據挖掘模式、支持多種關系數據庫、具有多種數據轉換功能、操作簡單、支持國際字符、可以直接發布到Web等優勢成為數據挖掘工具應用的佼佼者

3 基于數據挖掘技術的圖書館2.0構建

圖書館2.0的建設首先要做好圖書館2.0網站建設，在此基礎上建立資源系統和服務系統。1932年我國著名圖書館學家杜定友提出 “書”(包括圖書等一切文化記載)、“人”(即閱覽者)、 法”(包括圖書館的設備、管理方法、管理人才等)是圖書館構成的三要素。1957年，劉國均先生在《什么是圖書館學》一文中提出圖書、讀者、領導和干部、建筑與設備、工作方法是圖書館的構成要素。從這些學者對圖書館構成要素的不同表達中，我們可以看出，圖書和讀者是圖書館構成的基本要素。筆者從這兩方面探討應用數據挖掘技術構建圖書館2.0的資源體系和用戶服務內容。

3.1 圖書館2.0的資源建設

圖書館2.0的資源建設因用戶的參與變得更為多樣化，圖書館要對用戶創造和分享的信息進行有效的收集、整理組織并長期保存，以豐富圖書館2.0信息資源。一是利用數據挖掘技術對大量網絡信息資源尤其是用戶創造的網絡信息資源進行挖掘、整理，建立各種數據庫。網絡數據挖掘是從Web文檔、Web活動中抽取出用戶感興趣的、潛在有價值的隱藏信息。網絡資源增長迅速、內容豐富、形式多樣、結構復雜、分布廣泛，圖書館可按專題挖掘信息、整理信息，構建專題數據庫。如高校圖書館可針對學校學科特色，構建學科信息庫；挖掘高校師生個人收藏夾，找到隱藏在個人收藏夾中的Web站點的隱性信息，發掘網站中的所隱含的信息；挖掘教師教學課件、備課講義以及論文資料等原生數字資源進行收集、整理、加工，建立知識庫。二是挖掘用戶信息需求特點，建立適合用戶需求的資源體系。對用戶訪問圖書館的歷史記錄、用參考咨詢問題記錄、用戶文獻借閱記錄、用戶參與圖書館活動記錄等進行挖掘，發現用戶信息需求特點，構建知識庫?？梢苑治鲇脩舨┛汀⒕S客等內容，提煉用戶需求內容。廈門大學圖書館基于維客建立的知識庫主要內容包括部門規章制度、業務標準規范、日常通知告示等，這一知識庫成為用戶了解圖書館的重要參考源。采用數據挖掘工具，對用戶借閱數據進行聚類分析，找出用戶文獻借閱的一般規律，從而針對性的加強文獻采購工作，使所采購的文獻既符合本館館藏建設要求，又能最大限度地滿足用戶的需求。從館員與讀者的QQ交談中、RSS資源推送中、用戶利用SNS網站的過程中挖掘用戶信息需求內容，預測用戶未來信息需求傾向，從而建立具有前瞻性的信息資源體系。三是應用數據挖掘技術，可以協助采購人員確定購買各學科圖書的數量和復本量，協助數字資源管理人員對各類數據庫進行正確評價。通過對文獻借閱量的分析和挖掘，可以獲得圖書的流通指數、借閱情況、數字資源訪問情況等，以探索各類文獻間的關聯規則或比例關系，為各學科文獻的采訪工作提供科學、合理的分析和預測報告。

3.2 圖書館2.0的用戶服務

用戶是圖書館2.0的中心和基礎。通過對圖書館大量數據進行聚類分析，可得出讀者需求特征，將讀者劃分為不同的“讀者QQ群”，針對不同的讀者群提供不同內容的信息咨詢服務。QQ群是騰訊公司推出的多人聊天交流服務，群主在創建群以后，可以邀請朋友或者有共同興趣愛好的人到一個群里面聊天。在群內除了聊天，騰訊還提供了群空間服務，在群空間中，用戶可以使用群BBS、相冊、共享文件等多種方式進行交流。圖書館可利用“讀者QQ群”，選派不同特長的館員與QQ群的用戶進行交流，開展在線信息咨詢服務。如圖書館可在圖書館2.0網站建立“文學類讀者QQ群”“科普類讀者QQ群”“健康類讀者QQ群”“少兒讀者QQ群”等，從而為不同QQ群里的讀者提供其所需的信息內容，向不同的讀者QQ群利用RSS主動推送信息。

博客是以網絡作為載體，簡易迅速便捷地發布自己的心得，及時有效輕松地與他人進行交流，集豐富多彩的個性化展示于一體的綜合性平臺。在 “老槐也博客”“超平的博客”“竹帛齋博客”“編目精靈Ⅲ”等圖書館界知名人士博客不斷出現的情形下，圖書館用戶創建的個人博客大量涌現。截至2008年11月7日，中國博客數量已達到1.07億，2011年我國微博客用戶已經超過3億。利用數據挖掘技術，對用戶個人博客進行分析，根據用戶信息需求，構建圖書館博客，可將潛在讀者發展成為現實讀者，擴大圖書館服務的范圍，提升圖書館的社會影響力。如高校圖書館可在圖書館2.0網站建立學科博客，為用戶提供學科知識服務。上海交通大學圖書館建立了材料學科、機械與動力工程、化學化工、船舶海洋與建筑工程、電子信息與電氣工程、法律學科、經濟與管理、傳媒與設計等14個學科博客，介紹和鏈接學科常用資源，多角度、深層次揭示圖書館資源，為學科館員的深層次服務和科研實踐提供了一個舞臺。哈爾濱工業大學圖書館在其網站上建立了建筑學科、材料學科、管理學科、能源學科、交通學科、計算機學科、人文社會學科博客，用戶通過點擊各個學科博客網址，便可瀏覽內容豐富、圖文并茂的學科博客內容。

總之，利用數據挖掘技術對用戶的網址瀏覽記錄進行挖掘，發現用戶的使用模式，根據用戶的興趣提供主動的個性化服務，是圖書館2.0服務的基本理念。

4 結束語

圖書館2.0是圖書館未來發展的一個方向，利用數據挖掘技術，建立圖書館2.0的信息資源體系，提供個性化的服務內容，可激發廣大用戶利用圖書館2.0獲取信息的興趣，使Web2.0技術真正成為推動圖書館科學發展的助推器。當然，在構建圖書館2.0的過程中，圖書館界還需利用其他信息技術，使圖書館2.0的資源更豐富、服務更便捷。

[1]曹薇.圖書館 2.0建設研究[J].情報探索,2009(9):113-115.

[2]劉曉忠.數據挖掘技術在圖書館建設中的應用[J].硅谷,2012(6):158.

[3]倪鳳霞.以圖書館 2.0為背景的高校圖書館服務[J].圖書館學刊,2011(4):86.

[4]潘旭武,陳玲洪.數據挖掘在數字圖書館中的應用研究[J].浙江高校圖書情報工作,2007(1):36-39.