基于數據挖掘技術的圖書信息化管理研究

闞秀紅

摘 要：龐雜性、關聯性和隱晦性是圖書信息化管理數據的三大特點，傳統的圖書管理系統難以從數據中有效信息實現優化圖書配置。近年來，高速發展的信息產業帶來了新的圖書信息化管理系統，圖書的借閱與查詢產生大量的圖書訪問數據，基于數據挖掘技術的圖書信息化管理，目前是研究的一大熱點。

關鍵詞：數據挖掘技術 圖書信息化管理

中圖分類號：G25文獻標識碼：A文章編號：1003-9082（2019）04-000-01

圖書檢索等信息隨著信息技術的迅速發展變得急速膨脹，傳統的圖書管理系統對于圖書館訪客的需求不能做到深度挖掘，造成圖書資源管理和相關決策的不便，同時會影響圖書館的發展[1]。近年來，國內外眾多學者從各個方面研究了數據挖掘技術下的圖書信息化管理系統的實現方案，探討了基于數據挖掘技術的圖書推薦、個性化服務等研究。數據挖掘技術在國外應用的狀況較為廣泛，其研究熱度和創新程度持續升高，但是真正應用在圖書管理系統中還沒有十分成熟。在國內，圖書館管理相繼引入數據挖掘技術，利用這一新型的高新技術分析和處理借閱信息產生的大量數據，旨在尋找數據之間的相互聯系，為圖書信息化進一步管理提供技術支持。

本文將介紹數據挖掘技術以及在圖書管理系統中應用特點等方面，概述圖書管理中數據挖掘的層次結構和數據挖掘的需求。

一、數據挖掘技術的概述

隨著物聯網和計算機技術的迅速發展，絕大多數的企業已經應用了大數據，既顛覆了傳統意義上的數據認知，也引發了數據獲取、存儲、分析、挖掘以及可視化等的革新[2]。人類生產生活方式隨著大數據及其相關技術的發展發生巨大變化。大數據的表面特征就是“巨大數據量”，這一特征使得新型數據處理模式在短時間內具備傳統工具無法實現的決策力、洞察力，這是大數據更核心的意義。但是，原始數據仍然會受到雜質和干擾信息的影響，這些大數據通常是模糊且沒有明顯規律的。用一定技術手段過濾其中的雜質和干擾信息，以便獲取有價值的數據，因此，基于大數據技術得到的科學決策，數據挖掘就是這種手段，通常通過五個步驟來實現：理解數據、準備數據、理解業務、建立模型、評估模型和模型部署。而數據挖掘技術的手段主要包括關聯規則分析、聚類分析、分類分析、預測、時序模式和偏差分析等。

從聚類分析的角度來看，將相似的事務以同一類個體的相似度歸類，不同類別的個體差異性較大。這種分組結果是一種多元化統計方法，在原有數據集合缺乏知識領域或者是領域知識完整，通過聚類分析技術，自動把無標識數據對象劃分成不同類別，因此獲得數據集合真實的原本的消息。合并法、分解法、樹狀圖、劃分聚類、譜聚類等都是常用的聚類分析方法。

早在1989年第11屆國際聯合人工智能學術會議上，挖掘數據資源的思想就被發掘，數據挖掘技術的重點也隨著社會的進步由發現方法轉移到了系統應用方面，并注重學科之間的相互滲透和技術改革的多種策略的并行使用。現階段，圖書館的主要作用是給1讀者提供學習資源，但由于多種因素的制約，有些圖書館的管理模式過時，服務流程出錯，導致圖書管理出現一定的困難。

二、圖書信息化管理的數據特征

圖書管理員和讀者是圖書管理的兩答使用者，管理員為了更好的獲知讀者對圖書的需求，必須與讀者建立足夠的聯系和互動，只有明確了讀者的需求，才能進一步實現圖書管理內書籍的種類和數量的優化，避免資源浪費，提升圖書管理的服務功能。圖書館的建立會使館藏不斷增加，隨后圖書管理規模也會不斷的擴大，圖書管理數據增大的同時會帶來以下幾種特征：

1.龐雜的數據信息

圖書管理過程中，讀者檢索、閱讀和管理員的借閱和檢查都會生成大量的數據信息，讀者的范圍是不確定的因素，每年都會出現新用戶加入和舊用戶退出的情況，就會導致管理數據變不斷增加。

2.隱晦的信息關系

數據背后真正的規律性會因大量數據的堆積而遮蓋，采用有效的算法對數據信息進行合理分析和處理，其內部隱藏的更加有價值的信息才能夠被挖掘。

3.相互關聯的信息

關聯性是指用戶本身的信息和圖書檢索信息之間的關聯，這種關聯性較為淺顯，大量數據潛在性的背后隱藏著更有價值的信息，挖掘這一信息才能發現數據之間的關聯性，足夠充分的關聯性讓圖書信息化管理工作更好的完成。

圖書管理數據信息的這幾大特征對管理員和讀者都提出了不同的要求，這種要求是傳統圖書管理系統無法實現的，基于數據挖掘技術在圖書管理系統的應用可以建立更加強烈、高效、精確你的聯系，為圖書管理提供了更大的舞臺。

三、數據挖掘技術在圖書管理中的需求

數據預處理、關聯數據挖掘和模型可視化分析是基于數據挖掘技術在圖書信息化管理中的三個層次，在這一過程中，讀者借閱行為模式分析、管理員個性化服務工作和文獻牌價管理工作的主要關注的三個方面。

1.數據挖掘技術的三個層次結構

數據預處理階段是從圖書管理系統的數據庫中轉換和集成生成的數據，然后把集成數據導為數據挖掘技術系統可以應用的格式，最后把轉換過格式的數據保存到圖書館數據庫中，這種階段也被稱作數據收集階段。基于關聯規則和合適的算法挖掘上一階段已經備好的管理數據則為關聯規則挖掘階段。在模式可視化分析階段，逐一確定數據挖掘目標作為圖書借閱行為、個性化服務和文獻排架選擇挖掘任務的參數，進一步對數據進行挖掘，最終導出可視化模式規則。

2.數據挖掘的準備和過程

目前研究表明，數據挖掘技術和數據庫中的知識發現屬于同一個領域，二者等價，重合度相當大。在數據分析和數據庫以及統計學領域中，數據挖掘技術的應用最為廣泛，相比較來說，知識發現則是強調機器學習和人工智能。數據挖掘技術要從數據中枚舉模式或者模型結構，是知識發現中的關鍵一步，與算法保持密切相關，二者各過程也要記住算法在可接受的計算范圍內進行[3]。

通過讀者的檢索記錄、借閱習慣和要求等，分析讀者群，了解書籍對于讀者的歡迎度，并結合讀者群的身份信息以及上述信息，對讀者的特征進行分析，利用聚類數據獲知讀者的檢索和借閱行為規則，這就是所謂的借閱行為模式。個性化服務工作需要我們分析讀者身份信息和檢索、借閱記錄間的關聯性，通過不同讀者的需要，創建個性化服務的數據支持，不同讀者對于不同類型書籍的借閱時間和順序是大不相同的，把讀者的閱讀習慣分析透徹，合理安排圖書的布局，這樣一來就為不同時間段內給讀者帶來適當的圖書提供了合理的數據支持。在分析借閱行為模式和個性化服務工作之后，繼續深入的對不同圖書的受歡迎度和借閱記錄進行分析，通過數據挖掘技術提供圖書館文獻排架的合理布局的技術支持，并提高圖書利用率，這一行為被稱為圖書館文獻排架分析。

四、數據挖掘技術在圖書信息化管理的應用

數據挖掘技術在數字圖書館中的應用多數是Web信息提取、圖書館Web挖掘、多媒體數據挖掘、提供智能搜索引擎服務等。很多學者已經在這一方面進行了廣泛而深入的研究探討。圖書管理員可以利用挖掘的信息的背后，為讀者提供合理且適當的建議和意見，為借閱者解答疑惑。

經過大量的研究調查表明，在圖書借閱過程中，不同的書籍之間也會有強大的關聯性，而讀者對于書籍的需求也不相同，不同的讀者之間也會有較大的變化，圖書館中的書籍的數量都是有一定的限度，因此，優化借閱頻繁書籍的挖掘對書籍館藏適量的需求是十分重要的。大量研究數據顯示，不同書籍的信任度一般會高于75%，讀者通過借閱某類型的書籍來完善自身的知識體系，充分挖掘與這些知識體系相關的試劑的借閱數據對于圖書館館藏書籍的種類和數目的完善是非常有幫助的。書籍間支持度較低的現象通常會由圖書館限制書籍的免費借閱時間所影響，因此，密切關注信任度這一指標在數據挖掘技術在圖書信息化管理中的應用也十分必要[4]。可視化在數據挖掘過程中也是不可或缺的步驟，連接整個數據挖掘的階段，從開始對分析和處理數據的初步認識和了解，通過可視化來顯示數據結果，這樣一來便于為后續工作奠定基礎。

目前我們的圖情界數據挖掘技術相對較多，但通常達到如何利用問題的水平，對實際業務有指導價值的、具有可操作性的產品較少，并且圖書館的管理系統使用自行研發的個性化等服務系統的能力有限，開發數據挖掘技術的難度較大，因此，專業化研究數據挖掘技術的企業和研發機構會大大推動基于數據挖掘技術的圖書信息化管理的使用和普及。

總結

筆者通過分析數據挖掘技術以及圖書信息化管理中的應用方面并總結圖書管理系統中數據的特征，分別闡述了數據挖掘的層次結構和數據挖掘的需要和準備兩大內容，通過研究數據展開數據挖掘技術在圖書管理應用的驗證，表明了數據挖掘的結果和實際生活中讀者的借閱書籍結果是一致的，進一步說明了目前的圖書信息化管理中數據挖掘技術的應用，能夠更準確、更高效的提供數據支持，實現對圖書館書籍的種類和數目的優化，將其服務質量進一步提升，達到讀者滿意的程度。科技的不斷發展會帶來讀者需求的進一步增多，更高效的算法計日可待，在分析和處理圖書館中讀者的借閱、歸還產生的大量信息中，新型算法可以為不同類型的讀者提供更加個性的服務，加快圖書館事業的發展。

參考文獻

[1]吳菁.數據挖掘在圖書管理中的應用研究[J].農業圖書情報學刊，2015.

[2]李會艷.數據挖掘技術在高職院校圖書管理中的應用[J].農業圖書情報學刊，2015.

[3]張晴，李琦.大數據時代的移動圖書管理系統的研究與實現[J].價值工程，2018.

[4]郭家義.個性化檢索系統中的數據挖掘技術分析.現代圖書情報技術，2003.