基于大數據挖掘的圖書館服務質量動態感知模型研究

亓北林

（中國石油大學（華東）圖書館，山東青島 266555）

隨著圖書館信息化管理水平的不斷提升，對圖書館的服務質量監控和管理提出了更高的要求。對圖書館服務質量動態感知模型的研究，建立在對圖書館服務質量態勢動態大數據采集和信息融合的基礎上，傳統方法中，對圖書館服務質量的態勢動態信息智能感知方法主要有分塊特征匹配的圖書館服務質量態勢感知方法、基于模糊C 均值的圖書館服務質量態勢聚類感知分析方法等[1]，建立圖書館服務質量態勢動態信息智能感知算法，采用相似度特征分析方法，進行圖書館服務質量態勢動態信息智能感知。但傳統方法進行圖書館服務質量態勢動態信息智能感知的智能性不好，特征辨識能力不強[2]，對此，該文提出基于大數據挖掘的圖書館服務質量態勢動態信息智能感知方法。采用基于多樣本特征信息的采樣方法構建圖書館服務質量態勢動態大數據采集模型，采用局部信息擬合方法，進行圖書館服務質量態勢動態大數據狀態融合和特征匹配[3-5]，結合大數據挖掘模型實現圖書館服務質量動態感知模型設計，最后進行仿真測試分析，其展示了該文方法在提高圖書館服務質量動態感知能力方面的優越性能。

1 圖書館服務質量動態信息采集和特征分析

1.1 圖書館服務質量動態信息采集

為了實現基于大數據平臺的圖書館服務質量態勢動態信息智能感知，采用基于多樣本特征信息的采樣方法構建圖書館服務質量態勢動態大數據采集模型，結合圖書館服務質量態勢動態大數據的特征分布，進行圖書館服務質量態勢動態大數據的綜合信息采樣和特征分析[6]，采用模糊信息演化聚類分析方法，進行圖書館服務質量態勢動態信息智能感知，結合模式識別方法，建立圖書館服務質量態勢動態信息智能感知模型[7]，以提高圖書館服務質量態勢動態信息智能感知和信息管理能力，采用聚類分析法對圖書館服務質量動態信息進行采集以及動態篩選，實現結構圖如圖1 所示。

圖1 圖書館服務質量動態信息采集示意圖

采用模糊信息融合方法，進行圖書館服務質量態勢輔助決策[8]，圖書館服務質量動態感知的特征量為將圖書館服務質量動態感知問題轉化為凸優化問題，如式（1）：

結合空間模糊度特征檢測方法，進行圖書館服務質量動態感知過程中的運維參數分析[9]，提取圖書館服務質量動態感知的模糊信息參數集，得到最優尋優參數，結合模糊信息特征提取方法，進行圖書館服務質量動態感知，得到圖書館服務質量態勢分布特征量滿足且存在，使得圖書館服務質量態勢動態解分別用代替P1和P2的最優解[10]，記為圖書館服務質量動態感知的模糊度滿足

圖書館服務質量動態感知的最優解記為，滿足根據上述分析，進行圖書館服務質量態勢動態信息智能采集，根據信息采集結果進行動態信息融合和檢測[11]。

1.2 圖書館服務質量動態大數據聚類特征分析

采用網格分塊聚類方法進行圖書館服務質量態勢動態大數據聚類分析，對采集的圖書館服務質量態勢動態大數據進行模糊信息分類識別和特征分布式融合處理[12]，采用模糊參數尋優方法，進行圖書館服務質量動態感知控制，得到圖書館服務質量動態感知輸出的穩定條件：且不存在，此時，圖書館服務質量態勢解可以等價轉換為的有限集函數，從而代替P1和P2的最優解，記為圖書館服務質量動態感知問題具有特征解集，且其特征解集應該滿足

對圖書館服務質量動態感知的特征解{W1,W2}和{Tr1,Tr2}的優化問題進行線性規劃設計，在最優解約束下，得到圖書館服務質量動態感知的特征解問題為{W1,W2}和{Tr1,Tr2}，根據線性規劃模型，進行圖書館服務質量態勢動態大數據聚類分析[13]，得到聚類函數為：

其中，F表示聚類函數，H 表示矩陣耦合，根據式（2）給出的信息聚類結果，進行圖書館服務質量動態感知和深度學習，篩選出對圖書館服務質量影響較大的核心因素，為構建圖書館服務質量個性化評價機制提供數據支撐。

1.3 圖書館服務質量個性化評價機制構建

基于上文構建的圖書館服務質量動態大數據聚類特征分析模型，同時考慮圖書館用戶量較大且用戶類型差異性較大，立足新媒體時代下圖書館服務需求呈現的若干新特征，構建了一種新的圖書館服務質量個性化評價機制。為了較好地量化圖書館服務質量，把圖書館服務質量個性化評價問題視為多因素約束下的最優策略選擇問題，形成閉合的良性循環反饋機制，為圖書館服務質量的穩定提升提供評價支撐。該機制聚焦圖書館新媒體資源與大數據挖掘背后的服務質量提升之間的邏輯對應關系，理清了圖書館服務質量提升與核心影響因素之間的隱性關聯[14]，為圖書館服務質量動態感知及評價提供了一種定量化途徑。圖書館服務質量個性化評價機制涵蓋新媒體背景下的新媒體資源與新興讀者受眾服務的提升之間的對應關系、圖書館新媒體服務從業人員的專業知識及自身素質與提升圖書館整體服務質量之間的邏輯對應關系等，為構建個性化及定量化的圖書館服務質量評價體系提供了重要補充。

2 圖書館服務質量動態感知算法優化

2.1 圖書館服務質量動態感知的大數據挖掘構建

通過精準收集讀者興趣的數據，分析讀者的潛在服務需求，構建具有多源異構屬性的圖書館服務質量大數據池，為圖書館服務質量的提升提供前置數據支撐。構建圖書館服務質量態勢動態信息統計分析數據庫，提取圖書館服務質量態勢動態大數據的信息熵，采用自適應參數融合方法[15]，得到圖書館服務質量動態感知的深度學習函數為：

該問題的最優解具有閉合形式，圖書館服務質量動態感知的最優特征量為Trj，采用演化學習方法進行圖書館服務質量動態感知求解，且有：

其中，當i=1時，μi滿足最優聚類約束條件，圖書館服務質量動態感知大數據融合聚類問題描述為：

根據離散度分布思想構建服務質量大數據挖掘機制，求得prj(k)與pri(k)的最優值，根據大數據挖掘的重構關系，進行圖書館服務質量動態感知。

2.2 圖書館服務質量動態感知

根據提取的圖書館服務質量態勢動態信息熵分布特征解進行大數據挖掘模型的構造，首先對所有的特征解進行歸一化改造，保證滿足，圖書館服務質量動態感知的特征變量定義為μ1、μ2和μm，其中，μ1、μ2表示常規控制變量，μm表示模糊控制變量，則圖書館服務質量動態感知尋優問題滿足如下公式：

提取圖書館服務質量態勢動態信息熵分布特征解，然后對其進行大數據挖掘模型構造[16]，圖書館服務質量動態感知的空間演化模型可以用封閉公式表示，則有：圖書館服務質量動態感知的最優策略滿足：

基于式（7）并且使用自適應加權的強化學習方法，得到圖書館服務質量動態感知的過程控制函數，如式（8）：

其中，μm滿足收斂解。采用空間分布式融合方法，實現圖書館服務質量態勢動態大數據信息感知，優化分量管理。

3 仿真實驗與結果分析

為了多維度驗證該文所提方法在實現圖書館服務質量動態感知中的應用性能，對模型進行仿真實驗分析，仿真分析基于Matlab 7 環境設計，圖書館服務質量態勢動態大數據的采樣樣本數為1 200，模糊相似度系數為0.25，特征匹配系數為0.82，對服務質量態勢數據融合聚類的迭代次數為200，根據上述參數設定，進行圖書館服務質量動態感知[17]，構建面向圖書館服務質量態勢感知的動態大數據挖掘機制，基于圖書館讀者滿意度歷史運維數據，構建具有大數據屬性特征的圖書館服務質量動態感知數據池，進而得到圖書館服務質量動態感知大數據采樣結果，具體如圖2 所示。

圖2 圖書館服務質量動態感知大數據

以圖2 中的數據為研究對象，進行圖書館服務質量動態感知，對采集的圖書館服務質量態勢動態大數據進行模糊信息分類識別和特征分布式融合處理[18]，提取圖書館服務質量態勢動態大數據的信息熵，得到信息感知結果，如圖3 所示。

圖3 圖書館服務質量動態感知結果

分析圖3 可知，采用該文方法進行圖書館服務質量動態感知的融合度水平較高，抗干擾性較好。測試圖書館服務質量動態感知的準確性，對比結果如表1 所示，分析表1 可知，采用該文方法進行圖書館服務質量動態感知的準確性較高，信息分類管理能力較好，其提高了圖書館服務質量動態管理水平。

表1 圖書館服務質量動態感知準確性對比

4 結論

為了提高服務質量態勢分析和動態監測水平，該文提出基于大數據挖掘的圖書館服務質量動態感知模型。采用模糊信息融合方法，進行圖書館服務質量態勢輔助決策，采用模糊參數尋優方法，進行圖書館服務質量動態感知控制，提取圖書館服務質量態勢動態大數據的信息熵，根據提取的圖書館服務質量態勢動態信息熵分布特征量進行大數據挖掘模型的構造，采用空間分布式融合方法，實現圖書館服務質量態勢動態大數據信息感知，優化分量管理。研究表明，采用該文方法進行圖書館服務質量動態感知的準確性較高，信息分類管理能力較強，其在圖書館服務質量動態管理中具有很好的應用價值。