基于用戶數據挖掘的圖書館應用綜述

摘 要：數據挖掘技術作為一種數據統計分析技術，可以為圖書館提供更加優質和富有個性化的服務。文章概括了常用的數據挖掘技術，同時分析了數據挖掘技術在圖書館的應用情況。

關鍵詞：用戶數據;數據挖掘;圖書館應用

一、引言

伴隨著互聯網技術和云計算技術進一步深入到人們的生活中，傳統的圖書館模式顯然已經不能完全滿足讀者的需求，因此，改革和探索已經逐漸成為圖書館的主流。目前很多圖書館已經從館藏圖書借閱的模式轉變為館藏借閱和數字資源利用并存的局面，同時也更加注重數據分析和圖書館自動化集成管理的工作。數據挖掘技術作為一種數據統計分析技術，將之引入到高校圖書館服務中，可以為讀者提供更加優質、高效的服務。

二、數據挖掘常用技術

數據挖掘指通過分析、統計數據，揭示數據之間真實而還未發現的聯系，進而提煉出容易理解、新穎而有用的數據。數據挖掘能從數據中獲取隱藏而未知、潛在的有用信息[1]。利用數據挖掘，我們可對數據進行模式化的提煉和總結，并且找出數據之間的內在聯系，幫助技術人員全面分析所有數據，挖掘隱藏的關系和模式[2]，并且對未來的趨勢進行精準的預測，為使用者提供全面的決策支持。目前常用的數據挖掘技術主要有下面幾種。

1.自動預測趨勢和行為。傳統的數據挖掘，需要使用者手動進行大量的數據分析[3]，而利用數據挖掘技術的自動預測能力，可以在海量數據中尋找內在聯系和預測性的信息，快速地做出結果預報。

2.統計分析技術。數據挖掘的統計分析技術，可以對特定的數據集合建立一個分部或者概率模型，然后依據模型進行統計分析，進而得出數據的各種統計分析結果。

3.決策樹算法。決策樹算法是指對海量數據進行有目的地分類，挖掘出具有潛在價值的信息的算法，常用于大規模數據的預測模型。

4.聚類分析。聚類分析是對大量的數據進行群組分類的數據挖掘方法，群組并沒有確定具體的分組規則，主要是依據自身特征而劃分。

5.關聯分析。數據關聯是數據庫中存在的一類關鍵的能否被挖掘的知識，如果兩個以上的變量取值之間包含著一種規律性，就是關聯關系[4]。關聯分析包括簡單關聯、時序關聯和因果關聯。關聯分析的目的是找出數據庫中隱藏的關聯網。

6.神經元網絡。Internet由網絡上的無數個服務器互聯互通而成，而神經元網絡原理跟Internet較為相似，其是由很多神經元互聯互通而成，技術人員可以根據組織的特征或者神經元互聯進而組成神經元網絡。

7.遺傳算法?；谶z傳機理的隨機搜索與生物自然選擇形成的一種仿生全局優化方法叫遺傳算法，因其容易跟其他模型結合、并且隱含并行性等特診，因此常常用在數據挖掘中[5]。

三、數據挖掘在圖書館的應用

1.優化館藏的結構

受制于經費限制，圖書館的購書經費需要有一個合理的分配機制，例如專業圖書分配、不同載體分配都需要做到合理、科學，方能最大程度優化館藏結構。采訪館員可以收集借閱數據、檢索數據和館藏書目數據，進而利用數據挖掘技術進行分析，分析得出館藏文獻的借閱率和拒借率，挖掘館藏圖書的關聯規則，為館藏文獻的采訪工作提供更為準確、科學的建議和預測。此外，通過分析讀者的檢索數據，電子閱讀數據，挖掘讀者的興趣和閱讀傾向，將結論應用于館藏采訪工作中，使得圖書館的館藏結構更加科學。

2.讀者個性化服務

利用數據挖掘技術，圖書館可以在讀者使用數字資源或者檢索館藏紙質圖書的時候，即時推送相關聯的館藏資源，為讀者提供個性化的資源推薦服務，這在一定程度上減少了讀者獲取資源的時間，為讀者拓寬了閱讀范圍，同時更加有效地提升了文獻利用率。

3.咨詢服務

主要體現在智能參考咨詢方面，利用網絡上的大數據和本館的知識資源庫，結合用戶的行為習慣，深度挖掘用戶的需求和歷史咨詢，可以在一定程度上實現無人虛擬參考咨詢，引導讀者完成自主查找服務。

4.滿足用戶的信息服務需求

借助數據挖掘技術，可以深度挖掘現有的專業和學科，獲取具有價值的資源，從而進一步拓寬用戶的研究領域，為用戶提供更加前沿的動態信息。隨著移動互聯網的普及，人們開始越來越接納碎片化的數字閱讀。圖書館可以利用數據挖掘技術，將信息服務項目進一步延伸，同時將紙質圖書進行可視化處理，為讀者提供更優質的服務。

5.提高信息資源利用率

傳統的圖書館信息收集一般是靠人工方式完成，但是因為知識背景和人員素質等差異，信息采集的科學性、準確性和全面性均會受到一定的影響。如果利用數據挖掘技術，可以將圖書館的所有信息資源進行全面深入地挖掘、統計和分析，可以根據結果采用更為科學的管理策略，進一步為用戶提供高效快捷的服務，同時進一步提高圖書館的資源利用率，進一步優化用戶的閱讀體驗。

6.閱讀推廣服務

大多數圖書館都會開展各種類型的閱讀推廣活動，將數據挖掘技術引入到活動中，可以更有力地推動活動的開展。例如對用戶的借閱數據和使用電子資源數據進行分析，同時結合圖書館現有的全部資源，發現用戶感興趣的資源，同步推送給用戶;同時，通過挖掘讀者在圖書館網絡資源上的搜索記錄數據，將館內資源與用戶的需求數據進行匹配，將相關度最高、最熱門的資源推送給讀者;此外，利用數據挖掘技術，發現相關的規律，如世界讀書日等熱門節日，這些都可以為閱讀推廣工作提供幫助。

7.優化書庫排架工作

圖書館是一個地區或者高校的文獻信息中心，高校圖書館應該優化基礎的館藏外借服務[6]。隨著圖書館規模不斷擴大，館藏書目日漸增多，因此，科學、合理的排架結構對于館藏建設來說至關重要。利用數據挖掘的預測功能，挖掘未來館藏資源的變化趨勢，圖書館在排列上架的過程中，應該高瞻遠矚，為未來的館藏提供空間，同時及時做好剔舊上新的工作。

8.信息采集

信息采集對于圖書館管理和服務工作來說是至關重要的，通過數據挖掘技術，圖書館可以對所收集的信息進行聚類、統計和分析。例如圖書館經年累月保存的數據，包括資源的種類、各類資源的借閱數據;此外，數據挖掘能夠對信息進行主次排序，發現并保留關鍵、有用的信息，依據關鍵信息指導圖書館館藏規劃;最后，數據挖掘技術還能夠搜集并處理互聯網上雜亂無章的數據，以進一步充實圖書館的信息資源。

9.優化人員結構

利用數據挖掘的關聯和聚類分析技術，圖書館可以掌握每個閱覽室的人流情況和日常借閱數量[7]，決策者可以依據相關信息，合理優化人員結構，科學安排不同時段、不同閱覽室的工作人員，此舉不僅可以顯著提供工作效率，優化人員配置，同時能夠為讀者提供更加周到、優質的服務。

10.處理文本數據

目前圖書館的很多工作都實現了自動化管理，在此基礎上，利用數據挖掘的統計分析功能，實現對文本數據的自動分析處理。統計分析功能可以自動識別全文的重點，并且智能地生成文本摘要，其為讀者快速查找信息提供了便利。面對海量的館藏資源，利用數據挖掘技術可以對文本數據進行相關分類，快速實現文本的歸納總結，相比人工處理，數據挖掘技術可以具有顯著的優勢和實用性。其不僅能夠極大程度地節約人力、物力和財力，顯著提高圖書館的整體服務水平。

數據挖掘技術目前正方興未艾，在社會經濟和人們生活中應用越來越廣，并且廣受好評。圖書館也緊跟時代節奏，緊跟技術進步方向，不斷開拓改革，將數據挖掘技術廣泛、深入地跟圖書館工作結合。在日常圖書館工作中，做好數據挖掘技術與圖書館結合的研究工作，借助現代化的信息手段，提高圖書館各項數據統計分析工作，同時不斷地進行頭腦風暴，保持與時俱進的開放心態，為用戶提供更科學和個性化的服務。

參考文獻：

[1]廖宇峰.基于用戶數據挖掘的圖書館圖書采購模式研究[J].情報探索，2017（04）：31-34

[2]蔡瓊.議數據挖掘[J].辦公自動化，2010（24）：14+25

[3]李雷、申筱彤.數據挖掘在高校圖書館圖書采購計劃中的應用[J].醫學信息（上旬刊），2011.24（04）：1910-1912

[4]王志飛.論電力系統穩定分析探討[J].數字技術與應用，2010（11）：132

[5]李昉.淺析數據挖掘[J].科技風，2010（22）：259+270

[6]蘇日娜.試析書標在圖書管理中的用途及維護[J].南昌教育學院學報，2012.27（09）：191+193

[7]駱興國、葉磊.數據挖掘在圖書館中的應用研究[J].電腦知識與技術，2010.6（34）：9688-9689+9697

作者簡介：

廖宇峰，男，碩士，廣東食品藥品職業學院圖書館館員。