面向科研的高校圖書館電子資源使用統計模式研究

武群輝+何勝+馮新翎+柳益君+周兵

摘 要 高校圖書館電子資源使用統計對于科研個性化服務、統計數據共享以及科研決策具有重要意義，圖書館基于“實名認證”和“IP映射”并結合旁路鏡像方法采集用戶訪問電子資源的行為數據、在Hadoop云平臺上進行挖掘和分析，為科研用戶提供大數據環境下的個性化服務，為科研團體和管理部門提供宏觀層面的數據分析結果。

關鍵詞 高校圖書館 電子資源 科研服務

分類號 G250.73

DOI 10.16810/j.cnki.1672-514X.2017.11.011

Research on the Scientific Research Oriented Usage Statistic Pattern of Electronic Resource in University Libraries

Wu Qunhui， He Sheng， Feng Xinling， Liu Yijun， Zhou Bing

Abstract The usage statistic of university librarys electronic resource has important significance in personalized service of scientific research， statistical data sharing and scientific research decision. The library collects the users behavior data of accessing to electronic resource， analyzes and mines the data on the Hadoop cloud platform based on real-name authentication， IP mapping and bypass mirror to offer personalized service for researchers in the big data environment and the macro level results of data analysis to the scientific groups and administrators.Keywords University library. Electronic resource. Scientific service.

隨著教育部有關建設“雙一流”大學綱領性文件的發布，為科研人員和管理機構提供科研資源服務的圖書館已然成為支撐高校科研的關鍵部門之一[1]。

大數據環境下，高校圖書館的電子資源無疑發揮了巨大的作用和價值。同時，電子資源使用設計數據也不容小覷，其價值也將對高校科研產生了影響和價值[2]，然而來自于不同客戶端的用戶日志以及各類以數據庫為主的電子資源的數據呈現來源分散、格式多樣、增長迅速和體量龐大的特征，給數據采集、分析統計和科研決策帶來諸多困難；另外，當前以數據商統一提供的基于Counter標準[3]（Counting Online Usage of Networked Electronic Resources，在線網絡電子資源使用統計） 的電子資源統計數據的方式也存在諸多缺陷[4]，無法滿足新形勢下科研服務的要求。本文擬針對國內外相關領域的研究現狀，密切結合大數據環境下高校科研需求，提出一種電子資源使用統計新模式。

1.1 圖書館電子資源使用統計研究現狀

國內外專家學者對圖書館電子資源使用統計進行了多角度的研究和應用嘗試。當前國外基于Counter標準的電子資源使用統計數據獲取主要依賴于數據庫商，如ScholarlyStas、360 Counter等系統都是基于數據庫商的數據進行分析統計[5-6]；A. Coyners認為基于電子資源統計數據的分析能夠幫助提升用戶服務質量和水平[7]；通過對電子資源統計指標的分析，J.C.Bertot著重探討了電子資源的質量、被訪問的次數與用戶科研領域和偏好等個性特征之間的關系[8]。國內學者的研究主要集中在應用領域。鐘克吟利用ASP技術開發圖書館電子資源讀者訪問流量統計分析系統來提高數字資源服務效益[9]；王政軍等人提出基于旁路監聽技術的圖書館數字資源績效分析的設計思路和方案，通過記錄用戶對電子資源的訪問下載情況而實施資源訪問監控 [10]；周欣等提出基于用戶日志進行數據采集和數據挖掘的方法，構建用戶行為分析系統模型[11]。

總體看來，國內外學界的研究主要集中在兩個方面：一是從理論上探討基于Counter標準的統計報告提供用戶服務的方式和方法，尤其偏重從宏觀上分析圖書館使用電子資源的績效及其評價問題；二是從實踐角度探討如何從基于Counter標準的統計數據（如電子資源的訪問、點擊和下載次數等） 中分析用戶訪問行為并設計相關技術方案，但是鮮見以高校科研需求為立足點，并結合大數據復雜環境，提出針對當前科研服務問題的電子資源使用統計的綜合性方案。

1.2 高校科研的電子資源使用統計需求

一般而言，與高校科研密切相關的用戶有三種，一是科研用戶，即科研一線的研究人員，往往面臨著繁重的科研任務，長期從事撰寫論文和完成研究課題等科研活動，需要及時、精準查詢和下載科研相關電子資源；二是與科研相關的團體，如科研人員所在的團隊（院系） 和提供科研服務的圖書館，科研團隊領導需要及時了解各成員的研究進展、研究狀態以及某領域的科研前沿等，因此經常需要共享能反映團隊科研狀況的統計信息。圖書館的學科館員希望能通過技術手段依據科研用戶的日志分析科研人員動態、多變的科研需求，及時為用戶提供滿意的個性化信息服務；三是科研管理部門，需要及時了解電子資源的使用動態和使用效率，對電子資源的采購提出建議并進行決策。endprint

2.1 電子資源使用統計模式總體框架

當前，圖書館擁有的電子資源主要包括數據商的專業數據資源、互聯網免費資源以及圖書館自建資源，呈現數據異構、多類型和體量龐大的大數據特征，圖書館如何從海量數據中采集日志數據，并進行挖掘和分析以支持科研用戶的個性化服務，以及為相關科研團體和管理部門提供知識共享和高效決策支持是高校圖書館電子資源統計服務面臨的重大任務。為了能全面服務高校科研，本文提出一種面向科研用戶、科研團體和科研管理部門的電子資源使用統計模式。模式框架如圖1所示，（1） 圖書館基于“實名認證”和“IP映射”并結合旁路鏡像方法，自主采集用戶訪問電子資源的行為日志，采用大數據技術挖掘和分析后，為科研用戶提供個性化服務；（2） 對來源于數據商的基于Counter標準的電子資源統計報告進行融合和匯總分析，為科研團體和管理部門提供宏觀層面的數據服務和決策支撐。

3 電子資源使用數據采集模式

電子資源使用數據的采集模式包括兩種方式，即由圖書館自主采集科研用戶的使用日志和數據庫商統一提供的電子資源使用統計報告，以滿足不同用戶的需求。

3.1 基于實名認證和IP綁定并結合旁路鏡像監聽采集用戶行為日志

如圖2所示，電子資源訪問包括遠程和本地兩種形式，而用戶類型有校內、校外和手機用戶三種。除了校內用戶訪問本地電子資源是通過IP授權方式以外，其他各類訪問都是采用實名認證的方式。因此，對于實名認證方式，可以針對科研用戶的實名帳號從校園網絡出口（用于遠程電子資源） 和校內交換機（用于本地資源） 的網絡流量中精準抓取用戶訪問日志[12]；對于IP授權方式，需要將科研用戶的帳號和IP映射后綁定，以獲取科研用戶個體的日志數據。

采集技術主要應用旁路鏡像監聽方法，如圖3所示，利用校園網出口或校園網內交換機端口的鏡像功能，將采集設備以旁路方式連接加以采集：依據相關采集參數（數據庫名、資源URL和IP地址、科研用戶帳號等） 過濾網絡鏡像數據流，將結果傳輸到數據統計服務器上。這種旁路方式的優點是在不改變校園網的原始架構和不影響校園網絡速度和性能的基礎上，得到真實有效的用戶日志數據。由于各數據庫的多源、異構以及采集過程中難以避免的錯誤，這些日志數據一定程度上含有噪音，需要進行清洗，即使用相關工具（如Extraction Transformation and Loading，抽取、轉化和裝載工具） 檢查數據并除去數據中所有明顯的重復、錯誤和不一致[13]。

3.2 基于Counter規范由各數據庫商統一提供遠程電子資源使用的統計報告

為幫助圖書館獲取可靠、一致和兼容的電子資源統計標準，Counter項目組自2002年以來發布了《Counter期刊和數據庫實施規范》，目前已經升級到第四版（Counter R4），該規范明確定義了包含在線期刊、數據庫、在線圖書及多媒體等電子資源使用的統計規范，例如規定統計的關鍵指標應包含“登陸次數、檢索次數、全文下載量和拒絕訪問量”等[14]。Counter規范目前獲得了大部分國際著名數據庫商的支持，圖書館在使用這些外文數據庫時，可以通過標準的收割接口SUSHI（Standardized Usage Statistics Harvesting Initiative） 獲取統計報告。

Counter采用統一的指標和規范提供面向宏觀層面的統計報告，如某用戶（指購買該資源的圖書館所在高校的所有用戶集合） 在某一時間段訪問該數據庫的請求量、全文下載（被拒） 量等，有利于科研團體或管理部門掌握宏觀統計數據。但Counter也存在缺點，主要在于：①只能獲取各數據庫商提供的統計報告，而對各圖書館的館藏資源和免費資源的使用情況無能為力；②Counter報告只能從宏觀上給出所有用戶訪問該數據商資源的統計數據，無法提交面向科研個體的細致的“內容級/用戶級”的報告，用于滿足用戶個性化的要求；③另外國內的數據庫商基本不支持Counter 計量標準[4]。

由于采用“實名認證”和“IP綁定”方法，圖書館能夠方便地采集包含國內外各種類型資源以及面向用戶個體的用戶日志，能夠彌補Counter規范的上述缺點，因此將上述兩種方法結合起來，即以圖書館自行采集數據服務于科研用戶，以數據庫商的統計報告服務于科研團體的共享需要和管理部門的宏觀決策，可以全面滿足各級科研用戶的需求。

4 數據分析和統計模式

4.1 設計關鍵數據表

為方便對用戶日志挖掘、分析和統計，需要設計結構化的數據表格，如表1所示。其中“科研用戶身份信息表”描述各類科研用戶實名認證信息；“科研用戶訪問電子資源日志表”描述科研用戶訪問電子資源的個性化行為，存放清洗后的用戶日志用于“內容級/用戶級”的分析和挖掘；“電子資源訪問日志匯總表”來源于各數據庫商的統計數據，存放融合和集成后的宏觀統計信息。

4.2 用戶使用行為日志數據的統計和分析

對上述表格以設定的鍵值關聯連接后的海量日志數據，應用Hadoop云平臺和MapReduce分析框架進行統計分析，形成“內容級/用戶級”的分析結果，主要包括：用戶單位時間內（按年、月、日或自定義時間）訪問的數據庫（電子資源）的名稱；自定義時間段內訪問電子資源的排名；各電子資源的訪問次數排名，訪問頻度分析，數據全文下載量（被拒率）；檢索詞類型，檢索詞學科分布情況，檢索的命中率；以及按用戶部門、職稱、身份類型等條件分組的用戶群使用電子資源的統計數據等。通過聚類算法和關聯規則算法（如Apriori和FP-Tree算法等） 發現潛在的科研團隊群體、新的科研熱點以及某一學科的科研主題的演化路徑和規律等。

4.3 來自于數據商的電子資源訪問日志統計和分析

應用SUSHI接口從各數據商收割到的Counter R4規范的統計數據一般以XML文件和報表的形式存在，由于數據商來源不同，這些數據需要基于XML和元數據技術融合和匯總，以服務于科研團體和管理部門。主要表現在統計電子資源的利用方面，如各數據庫單位時間內（或自定義時間）被訪問次數，被下載全文的篇數以及按數據庫利用率排序（檢索次數、下載全文篇數）以及購置經費排名等，以圖、表等數據可視化形式展現。endprint

5 電子資源使用統計系統服務平臺功能

建構于數據分析和統計基礎之上的系統服務平臺是科研用戶進行數據消費的主要接口，提供以下功能。

（1） 科研用戶個性化服務。基于用戶行為分析的個性化服務是當前大數據環境下緩解“信息過載”的有效手段。科研用戶可以主動獲取個性化的信息檢索和資源推送信息，查看本人電子資源使用記錄、相關的檢索詞、下載量等統計數據；另外，系統通過對科研用戶使用電子資源的數據進行跟蹤、比對、分析和預測，結合每位科研用戶個性化特征和科研需求，實施學科知識和資源信息的主動推送，提供個性化和人性化的科研信息服務[15]，達到提高科研效益的目的。

（2）統計數據共享和科研決策服務。高校圖書館、各科研團體和管理部門是科研活動的深度參與者，在科研支持、組織和決策等方面發揮著主要作用。因此在系統中設定包括圖書館、各科研團體、科研管理多部門和多級別（用戶/管理員）的數據共享權限，最大程度發揮電子資源使用統計的作用。具體表現在：圖書館利用統計系統的數據共享功能，掌握電子資源采集、分析、統計、推送等統計數據，并對各數據庫進行評估，結合學校學科發展的特點和趨勢，優化電子資源建設；科研團體和管理部門可以實時獲取分析各部門、各學科、各級職稱人員使用電子資源的對比數據，以此為基礎調整科研資源分配、制定相關科研政策，從而達到優化高校科研環境，提升高校的科研水平的目的。

參考文獻：

1黃紅華，韓秋明.澳大利亞大學圖書館科研支持服務研究[J].圖書館建設，2016（3）：55-60.

2曾爾雷.電子資源使用統計的應用實例研究[J].圖書館雜志，2007（6）：26-29. Counter. Release 1 of the counter code of practice for books and reference works[EB/OL].[2014-08-29].http：//www.projectCounter.org/cop/books/cop_books_ref.pdf.

3朱玲，崔海媛.高校圖書館電子資源使用監控與統計系統數據獲取質量評估方法探討[J].圖書情報工作，2016（5）：51-57.Counter code of practice[EB/OL].[2012-02-05].http：//www.projectcounter.org/.

About ScholarlyStats[EB/OL].[2012-03-15].http：//www.Scholarlystats.com/sstats/default.htm.

CONYERS A. Building on sand：using statistical measures to assess the impact of electronic services[J].Performance Measurement and Metrics，2006，7（1）：37-44.

BERTOT J C. E-metrics and performance、 indicators： availability and use[M]//Planning and Evaluating Library Networked Services and Resources. Westport： Libraries Unlimited Inc， 2004： 94-126.

4鐘克吟.圖書館數字資源訪問流量統計分析系統的設計與實現[J].現代圖書情報技術， 2008（1）：91-94.

5王政軍，董曉梅，俞小怡.基于旁路監聽的數字資源評估系統的設計與實現[J].圖書情報工作，2015（9）：52-57.

6周欣，陸康.基于圖書館數字資源訪問系統的讀者行為數據挖掘研究[J].現代情報，2016（1）：51-56.

7韓佳.基于用戶使用行為分析的數字資源管理評估系統[J].圖書館學研究，2016（3）：19-23.

8王元卓，靳小龍，程學旗.網絡大數據：現狀與展望[J].計算機學報，2013（6）：1125-1138.

Counter.Release 4 of the counter code of practice for e-resources[EB/OL].[2014-08-29].http：//www.projectCounter.org/r4/COPR4.pdf.

9袁紅軍.學科服務中學科館員的知識流動模型構建[J].圖書館學研究，2016（10）：66-70.endprint