數字圖書館個性化服務行為信息挖掘系統設計與實現

李火苗

（商洛學院圖書館，陜西商洛 726000）

隨著我國經濟發展的不斷進步，我國高校教育教學事業的發展越來越好。為了向高校的教學事業提供正確的指導，應利用信息挖掘技術針對個性化交互服務行為信息進行二次處理，以此實現教學資源的共享。但傳統信息挖掘系統存在響應速度慢的缺陷，該文針對數字圖書館進行個性化服務行為信息挖掘系統的設計。

1 數字圖書館信息挖掘系統架構

1.1 云服務平臺基本框架設計

針對個性化服務行為信息挖掘系統中的云服務平臺框架進行設計時，應充分結合圖書館的實際情況，將圖書館內部資源進行整合，并將圖書館內部資源進行合理利用。通過該方式可為系統提供大量數據，有利于個性化服務行為信息挖掘系統的穩定運行。針對云服務平臺的框架進行設計的過程中，應將基礎功能設計作為基礎，將圖書館內部資源作為系統設計的主要內容，并將解決讀者需求作為系統云服務平臺基本框架設計的根本目標，以此設計出將成本低、擴展性高、適應能力強等特點融為一體的云服務平臺基本框架[1-2]。

1.2 信息挖掘系統總體架構設計

針對個性化服務行為信息挖掘系統的總體架構進行設計時，主要采用SSH 框架作為個性化服務行為信息挖掘系統的核心架構。通過對SSH 框架進行研究發現，該框架具有結構簡單、開發周期較短、維護方便等特點，被廣泛應用于多種領域。數字圖書館個性化服務行為信息挖掘系統總體架構如圖1所示[3]。

1.2.1 信息挖掘系統用戶層

對個性化服務行為信息挖掘系統架構的用戶層進行設計時，主要應用JSP技術，該技術憑借自身的高效處理優勢，在多種領域中被廣泛應用，可用于個性化服務行為信息挖掘系統和用戶之間的交互邏輯處理。

1.2.2 信息挖掘系統業務層

為保證個性化服務行為信息挖掘系統的穩定運行，對個性化服務行為信息挖掘系統業務層架構進行設計時，采用SSH 框架針對系統業務層進行開發，利用SSH 架構將系統業務層進行層次細化，主要包括Web 層、Service 層、DAO 層以及PO 層。通過對個性化服務行為信息挖掘系統業務層架構進行細化，個性化服務行為信息挖掘系統的維護將更加方便，且系統開發比較簡單，便于操作[4-5]。

1.2.3 信息挖掘系統數據挖掘層

對個性化服務行為信息挖掘系統的數據挖掘層架構進行設計時，主要利用數據挖掘工具Weka 對數據進行處理，將數據挖掘工具Weka 作為個性化服務行為信息挖掘系統數據挖掘層架構的核心，結合決策樹分類、神經網絡、聚類等算法對個性化服務行為信息挖掘系統的數據進行規劃處理，提高個性化服務行為信息挖掘系統的穩定性[6]。

1.2.4 信息挖掘系統數據層

信息挖掘系統數據層主要包括讀者個人信息、圖書信息、借閱信息以及讀者瀏覽信息，該層具有一定的數據存儲能力。因此，應針對圖書館內部數據進行資源整合，并利用該關系型數據庫將數據信息進行存儲。

2 數字圖書館信息挖掘系統硬件設計

2.1 信息挖掘系統控制器設計

個性化服務行為信息挖掘系統包含大量圖書館內部圖書信息，由于個性化服務行為信息挖掘系統所容納的數據過多，造成個性化服務行為信息挖掘系統出現響應速度慢等問題。需要在個性化服務行為信息挖掘系統的硬件端口處增加控制器，芯片部分主要采用意法半導體的超高密度芯片TQMA93RE7，而半導體部分主要采用控制器體系架構Grema-T1 內核，該部分可作為個性化服務行為信息挖掘系統控制器的中央處理單元[7-8]。

通過對個性化服務行為信息挖掘系統控制器原始半導體指令集進行研究發現，該指令集只包括兩種狀態，分別是32 位半導體供應狀態以及16 位代碼寬度的Thumb 狀態，而該研究中的半導體Grema-T1內核主要采用Thumb-1 指令集，通過Thumb-1 指令集的選擇，可使個性化服務行為信息挖掘系統硬件部分具有高效的數據處理能力以及操作簡便的優勢。

2.2 信息挖掘系統數據庫設計

2.2.1 數據庫概念模型設計

個性化服務行為信息挖掘系統內部存在大量數據信息，可造成系統因數據過多而出現響應速度慢等問題。應在系統內部建立數據庫，對于系統的穩定運行具有重要意義。主要采用Hadoop 技術架構，并且數據庫設計過程中，應充分結合用戶的實際需求，其中用戶的需求主要體現在信息的提供、保存、更新以及查詢等方面，所以應重視數據的輸入和輸出，并在此基礎上進行E-R 圖的設計，為系統的后續發展做鋪墊[9-10]。

2.2.2 數據庫邏輯結構設計

首先應確定數據庫的物理數據結構，以此對系統數據庫內部管理系統形成結構約束。通過研究發現，在數據庫的設計過程中易出現數據冗余，而通常情況下針對數據冗余的程度進行消除時，主要采用“范式”定義的方式進行處理。該研究主要選用最合適的第三范式，但是第三范式在一定程度上可降低系統的數據處理速度，對于系統的開發質量具有一定影響，為此，應充分考慮范式規則和用戶的使用體驗，結合E-R 模型系統進行數據庫邏輯結構設計，讀者檔案表結構如表1 所示，庫存信息表結構如表2 所示，借出信息表結構如表3 所示[11]。

表1 讀者檔案表結構

表2 庫存信息表結構

表3 借出信息表結構

2.2.3 數據庫E-R圖設計

數據庫設計對于個性化服務行為信息挖掘系統的穩定運行具有重要意義。因此，應結合系統數據庫的基本結構，為個性化服務行為信息挖掘系統提供高性能的結構設計，個性化服務行為信息挖掘系統數據庫E-R 結構如圖2 所示[12-13]。

3 數字圖書館信息挖掘系統軟件設計

3.1 信息挖掘系統信息存儲流程

為實現個性化服務行為信息挖掘系統的信息存儲功能，應針對系統內部數據的存儲流程進行設計。該設計主要建立在模塊化程序的基礎上，針對信息存儲流程進行一次設計，該設計可在系統數據庫中調用多次，而針對系統信息存儲部分的修改功能具有一定獨立性，該功能主要通過系統應用程序的源代碼來實現，個性化服務行為信息挖掘系統信息存儲流程如圖3 所示。

3.2 數字圖書館信息挖掘系統決策樹算法

為保證個性化服務行為信息挖掘系統針對信息進行挖掘時，產生的數據皆為有價值信息，應根據類標號進行分類。該文針對決策樹算法進行構建，該算法中存在的每個節點皆代表一個屬性，而分支則代表測試結果的輸出情況[14-15]。R表示節點、C表示信息分組，可采用信息增益率的最高屬性來對節點R進行分裂，數據元組分類期待值為：

若此時的信息屬性A存在多個信息分組的值，則期待值為：

通過將數據信息存放至系統數據庫中進行信息存儲過程設計，并充分結合決策樹算法，即可完成個性化服務行為信息挖掘的全過程，實現個性化服務行為信息挖掘系統的軟件設計。

4 數字圖書館信息挖掘系統測試

4.1 信息挖掘系統運行環境

個性化服務行為信息挖掘系統運行環境如表4所示。

表4 個性化服務行為信息挖掘系統運行環境

4.2 信息挖掘系統測試流程

對該系統進行測試時，應充分了解系統內部協調能力以及數據的流向情況，并結合上述運行環境針對系統進行測試，為保證測試結果的準確性，將測試次數設置為50 次，系統頁面響應時間對比如表5所示。

表5 系統頁面響應時間對比表

通過對測試結果進行分析可知，個性化服務行為信息挖掘系統在不同界面的響應時間具有明顯的差異性，其中傳統信息挖掘系統平均響應時間為3.23 s，而該文信息挖掘系統平均響應時間為0.8 s，由此可證明，該研究具有一定可行性[16]。

5 結束語

綜上所述，由于圖書館內部信息過多，可造成個性化服務行為信息挖掘系統針對信息進行挖掘時，出現響應速度慢等問題。為解決該問題，該文針對個性化服務行為信息挖掘系統進行設計，并針對該系統進行測試，測試結果表明，該文信息挖掘系統平均響應時間更快，相對于傳統信息挖掘系統平均響應時間而言，該研究更具優勢。