新技術環境下大數據在圖書館服務中的應用研究

文/饒麗瓊（羅定職業技術學院 廣東羅定 527200）

隨著網絡和數據庫技術的發展，大型數據存儲庫中數據收集和存儲量的迅速增加需要理解和處理。目前，這些數據是依據常規數據分析技術分析的，但目前PB層面大量數據積累、信息稀缺的局面顯然不能滿足日益增長的社會需求。為了更好地了解和處理這些豐富的數據，并確定指導決策的潛在規則和鏈接，成為讀者改進學校發展的知識庫，除了傳統的讀者服務，只要是方便借閱者的都是研究的方向。

一、高校圖書館服務對數據挖掘的需求

目前，高校圖書館注重借閱者的需求，實施圖書館服務，滿足讀者的真實需求，實現盡可能低的教學、科研和扎實的支持。高校圖書館根據讀者對圖書館服務過程的需要，首先通過多種方式收集讀者信息數據，實現讀者的有效識別。其次大學圖書館根據信息數據對讀者進行排名，以確保完全反映不同用戶組之間的差異。第三，大學圖書館分析每個用戶組，并揭示每個用戶組的特點和需求。最后，高校圖書館結合讀者需求，合理利用大數據資源，針對讀者提供電子信息供給和目標服務的特點。作為圖書館書籍采購的一部分，用于形成記錄業績信息和最終數據的服務流程，以及上述用戶標識、用戶分類和其他鏈接。[1]

與流程整理結合使用時，每個流程都需要大量數據需求分析才能開始，許多有價值的分析結果都隱藏在需要專家和相關技術才能實現此流程的數據中。然而，結合高校圖書館目前的人員配置結構，很難有條不紊地完成大部分信息數據分析任務。因此，您需要找到一種有效的方法，以便對這些信息數據進行有效的分析。

二、數據挖掘技術的背景與定義

1.數據挖掘的背景

（1）數據挖掘的商業背景。數據挖掘主要是在業務環境中收集大量數據，并且需要知識挖掘。在業務中，數據挖掘用作四種工具：數據挖掘作為搜索工具，數據挖掘作為過程控制，數據挖掘作為營銷工具，數據挖掘作為獲取知識的渠道。

（2）數據挖掘的社會背景。如果沒有數據挖掘的結果，一個人的想象力可能并不完全正確。由于客戶的行為與社會環境有關，因此數據挖掘本身受社會環境的影響。

2.數據挖掘的定義

根據相關研究表明：數據挖掘是一個新興、交叉學科領域，數據挖掘即為從大量的、不完全的，有噪聲的、隨機的數據中提取含在其中的、人們事先不知道的、有用的信息和知識的過程。

三、大數據時代圖書館面臨的機遇和挑戰

1.擴大圖書館的服務內容和提高服務質量需要大數據提供支持

目前圖書館行業競爭的關鍵：圖書館資源、使用空間、大數據所有權、分析各種重要復雜數據的能力、預測和價值發展，圖書館未來的發展戰略也基于大數據分析和預測。

2.大數據將是圖書館的主要資源與核心資產

隨著人們對大數據技術的理解不斷提高，大數據分析技術變得更加成熟，使大家對大數據的價值進行了更深入地探索。

3.大數據時代為圖書館帶來了發展機遇和挑戰

就目前情況來看，圖書館不僅可以使用結構化數據來理解和控制現有讀者接受的服務類型，還可以通過巨大的非結構化或半結構化數據找到更好的服務模型，以應對未來的競爭挑戰，并且你必須預測和分析未來。

四、大數據時代圖書館服務創新和發展方向

1.關注和重視大量的圖書館用戶的數據和信息

在大數據時代，除了文獻數據信息外，其他數據挖掘和利用也是圖書館產業競爭力的重要因素，增加信息資源的收集是大數據時代圖書館資源建設的內容之一。大數據庫時代需要大量數據，包括當前正在構建的文獻和網絡資源，以及無法運行或當前無法運行的非結構數據。

2.著力提升圖書館服務的智能化程度

現代圖書館服務需要高技術要求和先進的智能服務。 首先，圖書館需要使用一定程度的智能技術來自動執行復雜的高級數據收集和處理任務，以節省人力和物力資源來解決手動任務。第二個是查看讀者的服務內容。智能化手段水平也為圖書館智能決策、改進、社會信息、生活數據等服務工作提供了必要資料的上下文和信息。[2]第三，智能圖書館服務水平不僅影響知識從單一學科向多學科的傳播，而且影響知識的變革，成為知識發現、挖掘和知識組織的基礎。

3.深度的參考咨詢服務

傳統的參考咨詢服務主要是利用現有的圖書館參考圖書和研究工具書。室外和自建數據庫由具有一定專業知識和對大數據時代研究工具熟悉的專業知識的專用參考圖書館員組織，這可以減少咨詢圖書館員資源的時間，擴大咨詢館員對資源的獲取，大幅度地提高讀者滿意度，提高閱讀者咨詢的效率。[3]

4.充分利用大量的復雜的數據分析技術與工具

圖書館將來對工具應用的需求將更為迫切，這也突出了對提高圖書館技術應用水平的更高要求。

5.數據挖掘相關技術

（1）頻繁模式挖掘。頻繁模式提取是事務數據庫中不同貨物之間的連接規則，即數據中頻繁發生的模式，包括項目子集、設備和技巧。

（2）聚類。聚類使用多種特征組合將樣本分類為組，將個人組分類為組或聚類，特別是基于相似性。因為同一群集中的對象之間的高度相似性以及不同群集中的對象之間具有較大差異。

（3）時間序列分析。時間序列分析是時間序列中發生的一系列事件，研究人員按每個固定間隔的順序記錄事件結果。時間序列數據的最大特征是，每個事件在數據后立即以相同的間隔記錄。按時間順序排列的數據，如圖書館讀者的年齡分布、自由閱讀時間的波動、每月進出圖書館的人流量和借閱圖書的人流量在每個時間段的分布 情況。[4]

五、數據挖掘技術在圖書館中的應用

數據挖掘技術在大學圖書館中的應用包括個性服務的優化、內容評估、閱讀區的建設、每月借閱量的評估、采購書籍數目的優化（書籍名文檔資源構建）、圖書館管理人員工作流程優化、借閱者愛好分析、借閱者對于閱讀體驗的評價、數據挖掘技術的發現和使用。

1.個性化服務

首先，分析相關規律，找出讀者從借閱記錄庫借閱的圖書的相同點，向讀者推薦相關圖書。其次，當我們做時間序列分析，讀者借還一本書籍所需要的時間，我們可以先借一本書給讀者，然后深入調查，當我們找出這些借出，還入順序的特點，我們積極推薦給讀者，他們下次借閱 方便。

長期以來，圖書館提供的服務主要由圖書館工作人員滿足用戶需求，在服務期間，服務始終以用戶為中心，圖書館不能被動地提供服務。大學圖書館利用數據挖掘技術改進日常管理任務的用戶借閱文件的收集和分析，使圖書館管理員能夠結合互聯網上不同用戶的實際特征，將及時有效的信息資源與個性化建議相結合，結合用戶的興趣偏好。它為用戶提供有關他們免費需求的信息，并逐漸將其轉換為穩定的用戶。[5]

2.館藏維護與采訪

您可以使用分組分析來發現不同組之間的不同借閱行為，深入了解每個組之間的常見圖書類型，以此作為采購圖書的參考。根據當下時間，溫度等不同，有不同的借還習慣，取決于一些書籍在領先位置的期限，取決于閱讀者的行為習慣，例如到期末考試，你會明顯發現這樣的規則。

3.離線數據分析中心

進行數據趨勢分析：期刊數據，包括在線情況、持續時間分析、關鍵詞分析、在線分析。各種服務系統，定量統計、時間序列分析、系統特征、用戶用法、數據對象探索、事實數據、收集分布、人員、資金使用、設備配置等趨勢分析。

4.讀者數據信息的質量問題

準確收集相關讀者數據也是收集讀者信息數量時的一個重要問題，例如如何用圖片庫全臉進行搜索。如果結果不是一個很好的收集對讀者的相關數據，那么對讀者的需要性服務就不能更好的開展，這項工作是要求圖書館收集讀者的信息準確，做各方面的收集準備。我們盡最大努力減少相關數據庫設置中的缺陷數量。

六、結語

總體上看，數據挖掘技術作為一種新技術，近年來在許多行業得到了廣泛的推廣，高校圖書館目前正加快改革步伐，可以大大支持高校圖書館的改革和發展。因此，高校圖書館管理者應創新思路，有效了解高校圖書館部門對數據挖掘的需求，收集資源，建設數據挖掘技術，改進信息資源利用，提高數據挖掘技術水平，提供個性化服務， 積極推進高校圖書館健康穩定發展。在研究大量數據和來源之前，很難可靠地預測將形成哪些挖掘結果。首先，根據挖掘要搜索的物理目的可以確認數據，在根據本身數據進行挖掘的過程中，可以在適當的時候在檢查部分檢查已到達挖掘目標數量作動態狀態調整。