聚類分析算法在圖書管理系統(tǒng)中的應(yīng)用分析

彭燕

摘 要：文章首先對聚類分析算法的含義進(jìn)行了簡明扼要的概括，并對“聚類”、“簇”等聚類分析算法涉及的重點(diǎn)詞匯進(jìn)行了說明，然后又介紹了聚類分析算法——K-均值算法，和以該算法為基礎(chǔ)所延伸出的改進(jìn)算法，最后通過理論與實(shí)際相結(jié)合的方式，以圖書、讀者這兩個(gè)圖書管理工作主體為切入點(diǎn)，對圖書管理系統(tǒng)中聚類分析算法的實(shí)際應(yīng)用進(jìn)行了分析，希望本文所討論的內(nèi)容能夠在某些方面為圖書管理工作的開展提供參考或幫助。

關(guān)鍵詞：圖書館；聚類分析算法；圖書管理系統(tǒng)

隨著科學(xué)技術(shù)的進(jìn)步，各圖書館在對圖書進(jìn)行管理時(shí)應(yīng)用的系統(tǒng)與之前相比也出現(xiàn)了相應(yīng)的變化，將聚類分析算法應(yīng)用其中已成為大勢所趨。通過實(shí)踐能夠發(fā)現(xiàn)，在圖書管理系統(tǒng)中對聚類分析算法進(jìn)行合理應(yīng)用，不僅能夠?qū)ψx者前往圖書館的主要目的加以了解，還能夠以讀者需求為導(dǎo)向，對服務(wù)工作進(jìn)行相應(yīng)的優(yōu)化，除此之外，在采購圖書資源時(shí)，工作人員也具有了更加科學(xué)、系統(tǒng)的參考依據(jù)。由此可以看出，本文所研究課題具有一定的現(xiàn)實(shí)意義。

1 聚類分析算法的概述

作為數(shù)據(jù)挖掘領(lǐng)域應(yīng)用頻率極高的技術(shù)之一，聚類分析計(jì)算的關(guān)鍵在于“聚類”。聚類指的是將抽象或是物理對象集合轉(zhuǎn)化為由類似對象組成的簇的全過程；對作為數(shù)據(jù)對象集合而存在的簇而言，同一簇所包含的對象往往存在高度的一致性，不同簇所包含的對象則具有高度相異性，這是需要人們準(zhǔn)確掌握的內(nèi)容[1]。只有對上文所提及的內(nèi)容進(jìn)行了解和掌握，才能準(zhǔn)確、科學(xué)的應(yīng)用聚類分析算法，也才能保證對數(shù)據(jù)分布特征進(jìn)行深入的挖掘和掌握。

現(xiàn)階段，聚類分析算法已經(jīng)被廣泛應(yīng)用在諸多領(lǐng)域中，例如，模式識別、圖像分割、數(shù)據(jù)挖掘等。在商務(wù)領(lǐng)域，聚類分析法主要被用于對客戶信息進(jìn)行分析，保證人們能夠發(fā)現(xiàn)潛在客戶群體，并在購買模式的輔助下對客戶群體具有的特征進(jìn)行刻畫。除此之外，聚類分析算法還能夠被應(yīng)用在對挖掘算法進(jìn)行預(yù)處理的過程中，例如，人們可以應(yīng)用該法對某些數(shù)據(jù)進(jìn)行聚類，然后再以所得出結(jié)果為基礎(chǔ)，開展相應(yīng)的研究或是處理工作，保證工作質(zhì)量和效率均能夠得到應(yīng)有的提升。

2 聚類分析算法——K-均值算法的概述

2.1 K-均值算法

作為聚類分析法中相對典型的劃分方法，K-均值算法的本質(zhì)為迭代聚類算法，通過在迭代過程中對簇集成員進(jìn)行不斷移動的方式，保證理想簇集的得出。通過實(shí)踐能夠發(fā)現(xiàn)，K-均值算法具有的優(yōu)勢主要體現(xiàn)在簡單和快速這兩個(gè)方面。在應(yīng)用該法展開計(jì)算時(shí)，需要將對象劃分為n個(gè)簇，并保證每個(gè)簇所包含對象具有高度相似性，另外，不同簇所包含的對象應(yīng)當(dāng)具有高度相異性。但是通過實(shí)踐發(fā)現(xiàn)，K-均值算法受初始值影響較大，也就是說，如果初始值不同，運(yùn)行效率也會隨之發(fā)生變化。因此，想要保證運(yùn)行效率的有效提升，相關(guān)人員以K-均值算法為基礎(chǔ)提出了相應(yīng)的改進(jìn)算法。

2.2改進(jìn)算法

通過對K-均值算法的應(yīng)用過程進(jìn)行分析能夠發(fā)現(xiàn)，如果能夠在數(shù)據(jù)分布相對密集的區(qū)域中心處對初始聚類中心進(jìn)行選擇，那么，位于該中心周圍的數(shù)據(jù)，便能夠被劃分至最近類當(dāng)中，聚類收斂的速度自然能夠得到提升，迭代次數(shù)也會因此而減少。也就是說，以數(shù)據(jù)分布特點(diǎn)為主要依據(jù)，對初代聚類中心進(jìn)行選取是十分重要的。想要保證針對數(shù)據(jù)分布情況所開展分析工作的全面性和科學(xué)性，必然需要花費(fèi)更多的時(shí)間。根據(jù)數(shù)據(jù)具有的隨機(jī)分布這一特點(diǎn)可以看出，聚類數(shù)據(jù)應(yīng)當(dāng)位于數(shù)據(jù)均值周圍，除此之外，對數(shù)據(jù)分布進(jìn)行評價(jià)需要應(yīng)用到的指標(biāo)還包括標(biāo)準(zhǔn)差，因此，改進(jìn)算法和K-均值算法最大的區(qū)別體現(xiàn)在對初始聚類中心進(jìn)行選取的方面，改進(jìn)算法在選取初始聚類中心時(shí)，需要應(yīng)用到的數(shù)據(jù)包括均值和標(biāo)準(zhǔn)差。

可根據(jù)實(shí)際情況在1……n的范圍內(nèi)進(jìn)行選取[2]。通過實(shí)踐能夠發(fā)現(xiàn)，與K-均值算法相比，改進(jìn)算法在準(zhǔn)確率和計(jì)算效率方面都具有十分明顯的提升，因此，下文所開展研究工作應(yīng)用的均為改進(jìn)后的聚類分析法。

3 圖書管理系統(tǒng)中，聚類分析算法的實(shí)際應(yīng)用

3.1 圖書數(shù)據(jù)的聚類分析

在應(yīng)用聚類分析算法對圖書進(jìn)行聚類分析時(shí)，需要應(yīng)用到的數(shù)據(jù)包括圖書流通總次數(shù)以及圖書當(dāng)年流通次數(shù)，也就是說在開展相關(guān)分析工作前，工作人員首先需要對上述數(shù)據(jù)進(jìn)行調(diào)查。圖書聚類分析的結(jié)果能夠?qū)D書借閱頻率的高低進(jìn)行準(zhǔn)確、直觀的呈現(xiàn)，工作人員便可以在此基礎(chǔ)上對符合圖書利用情況、讀者需求情況的決策進(jìn)行制定，并對館藏資源以及布局加以優(yōu)化。圖書聚類分析步驟具體如下：

3.1.1對數(shù)據(jù)進(jìn)行預(yù)處理

通過實(shí)踐能夠發(fā)現(xiàn)，對數(shù)據(jù)進(jìn)行預(yù)處理時(shí)需要花費(fèi)挖掘全過程約70%的成本和時(shí)間，由此可以看出，想要保證數(shù)據(jù)挖掘工作的高效開展，關(guān)鍵在于對數(shù)據(jù)預(yù)處理工作的質(zhì)量和效率進(jìn)行提升。完整的數(shù)據(jù)預(yù)處理工作分為四個(gè)步驟，分別是數(shù)據(jù)的清洗、集成、轉(zhuǎn)換和消減。

在應(yīng)用聚類分析法對數(shù)據(jù)進(jìn)行預(yù)處理時(shí)，需要工作人員對數(shù)據(jù)主要屬性進(jìn)行重點(diǎn)關(guān)注，正常情況下，主要屬性不應(yīng)當(dāng)出現(xiàn)空值的情況，若在實(shí)踐過程中發(fā)現(xiàn)有某些屬性出現(xiàn)空值，則需要參考挖掘內(nèi)容和表的屬性，及時(shí)對空值進(jìn)行相應(yīng)的填充。具體來說，在對圖書數(shù)據(jù)進(jìn)行聚類分析時(shí)，需要應(yīng)用到的分析屬性包括圖書流通總次數(shù)以及圖書當(dāng)年流通次數(shù)，如果圖書館中存在某些從未被讀者借閱過的圖書，那么這兩個(gè)字段就為空值，在實(shí)際處理的過程中，工作人員應(yīng)當(dāng)用0對空值處進(jìn)行填充，保證工作的順利進(jìn)行[3]。除此之外，如果需要挖掘的數(shù)據(jù)分散于數(shù)據(jù)庫的不同表內(nèi)，工作人員還需要對數(shù)據(jù)庫字段進(jìn)行整合，并形成完整的表，這樣做的目的在于保證運(yùn)行效率能夠得到一定程度的提高。

3.1.2應(yīng)用聚類分析算法對圖書數(shù)據(jù)加以分析

在對圖書數(shù)據(jù)進(jìn)行聚類分析前，工作人員首先需要對聚類個(gè)數(shù)進(jìn)行設(shè)置，在本文中，聚類個(gè)數(shù)被設(shè)置為3，分別代表具有較高利用率、中等利用率和較低利用率的圖書，然后再應(yīng)用上文所介紹的改進(jìn)算法，針對圖書借閱次數(shù)展開聚類挖掘工作，得出相應(yīng)的聚類情況和統(tǒng)計(jì)結(jié)果。此時(shí)，工作人員便可以將聚類分析結(jié)果作為主要依據(jù)，從3個(gè)聚類中對圖書群體存在的共性特征進(jìn)行分析，明確對圖書利用率產(chǎn)生影響的主要因素，為后續(xù)關(guān)聯(lián)規(guī)則的挖掘工作奠定良好基礎(chǔ)。endprint

3.2 讀者數(shù)據(jù)的聚類分析

在應(yīng)用聚類分析算法對讀者進(jìn)行聚類分析時(shí)，需要應(yīng)用到的數(shù)據(jù)為讀者對圖書進(jìn)行借閱的次數(shù)，也就是說，工作人員在掌握讀者借閱次數(shù)后，便可以開展相應(yīng)的聚類分析工作。

3.2.1對數(shù)據(jù)進(jìn)行預(yù)處理

應(yīng)用聚類分析法對讀者數(shù)據(jù)進(jìn)行聚類分析的步驟與圖書數(shù)據(jù)分析相同，本文不再贅述，具體參考上文。

3.2.2應(yīng)用聚類分析算法對讀者數(shù)據(jù)加以分析

在對讀者數(shù)據(jù)進(jìn)行聚類分析前，工作人員同樣需要對聚類個(gè)數(shù)進(jìn)行設(shè)置，本文將聚類個(gè)數(shù)設(shè)置為3個(gè)，分別代表了活躍讀者、一般讀者以及不活躍讀者，然后再通過對改進(jìn)算法加以應(yīng)用的方式，針對讀者所借閱圖書的數(shù)量展開聚類挖掘工作，得出相應(yīng)的聚類情況和統(tǒng)計(jì)結(jié)果。通過對計(jì)算結(jié)果進(jìn)行分析能夠發(fā)現(xiàn)，不同類型讀者的圖書利用情況存在著十分明顯的差別，此時(shí)，工作人員便可以對原有的借閱標(biāo)準(zhǔn)進(jìn)行改進(jìn)，增加活躍讀者能夠借閱的圖書數(shù)量，減少不活躍讀者能夠借閱的圖書數(shù)量，這樣做不僅能夠?qū)Σ煌x者具有的需求進(jìn)行最大限度的滿足，還可以在一定程度上使圖書利用率得到提升。

除此之外，工作人員還可以將統(tǒng)計(jì)結(jié)果作為主要依據(jù)，針對不同讀者制定相應(yīng)的服務(wù)計(jì)劃，對活躍讀者具有的借閱習(xí)慣進(jìn)行分析，并推薦符合活躍讀者需求的圖書；對不活躍讀者則可以進(jìn)行相應(yīng)的問卷調(diào)查，了解導(dǎo)致他們較少借閱圖書的原因和需求，在此基礎(chǔ)上對館藏資源進(jìn)行優(yōu)化，這樣做能夠使不活躍讀者的借閱次數(shù)得到相應(yīng)的增加。

4 結(jié)論

通過對上文所敘述的內(nèi)容進(jìn)行分析能夠看出，文中所應(yīng)用聚類分析算法是以K-均值算法為基礎(chǔ)所延伸出的改進(jìn)算法。將改進(jìn)后的算法應(yīng)用在對圖書進(jìn)行管理的系統(tǒng)中，能夠?qū)D書數(shù)據(jù)以及讀者數(shù)據(jù)進(jìn)行準(zhǔn)確、高效的聚類分析，工作人員則可以通過對統(tǒng)計(jì)結(jié)果進(jìn)行分析的方式，了解圖書館內(nèi)現(xiàn)有圖書的利用率以及讀者的需求和愛好，再以此為基礎(chǔ)開展相應(yīng)的圖書管理工作，則可以取得事半功倍的效果。

參考文獻(xiàn)

[1]丁麗，詹林，孫高峰，馬健.數(shù)據(jù)挖掘技術(shù)在高職院校圖書管理中的應(yīng)用[J].綏化學(xué)院學(xué)報(bào)，2013，3306：121-125.

[2]肖健，刁洪祥.聚類分析算法在數(shù)字圖書館中的應(yīng)用研究[J].當(dāng)代圖書館，2013，03：14-17.

[3]張衛(wèi)東.基于多維度屬性權(quán)重優(yōu)化的FCM聚類算法的圖書管理數(shù)據(jù)聚類研究[J].農(nóng)業(yè)圖書情報(bào)學(xué)刊，2016，2806：50-57.endprint