基于K-Means與Apriori算法的資源利用率研究

[摘 要]K-Means是一種將相似的數據點劃分到一個集群、不同的數據點劃分到不同集群的聚類算法，Apriori算法則是一種頻繁項集挖掘算法。高校圖書館為人才培養和科研服務提供重要助力。以高校圖書館為例，通過數據調查、問卷調查和訪談調查3種方式了解其借閱情況，利用K-Means與Apriori算法分別對借閱數據進行聚類與關聯性分析。根據分析結果，提出通過調整采購方案、吸引讀者興趣、優化圖書館館藏等途徑提高高校圖書館資源利用率，實現圖書館投入費用的效用最大化。

[關鍵詞]資源利用率 數據挖掘 K-Means算法 Apriori算法 高校圖書館

[分類號]G258.6；G253

1 引言

習近平總書記在黨的二十大報告中指出：“教育、科技、人才是全面建設社會主義現代化國家的基礎性、戰略性支撐”，并在黨的十九屆六中全會上強調要深入推進世界一流大學和一流學科建設[1-2]。黨和國家領導人始終關注高等教育，在高等教育經費投入越來越高的趨勢下，高校為圖書館撥付的經費數額越來越大，然而高校學生對于圖書館館藏資源的利用率卻沒有顯著提高。

高校圖書館是學校的文獻信息資源中心，是為人才培養和科學研究服務的學術性機構。其主要職能是教育和信息服務，主要任務是建設全校的文獻信息資源體系及文獻信息服務體系，為教學、科研和學科建設提供文獻信息保障，方便全校師生獲取各類信息，不斷拓展和深化服務，積極參與學校人才培養、信息化建設和校園文化建設，發揮信息資源和專業服務優勢，為社會服務。部分高校圖書館在預算資金一定的情況下，會大量購買價格較高的圖書，或者減少購買傳播科學文化知識的學術著作，增加購買武俠或言情文學作品，以降低資源量，進而提高資源利用率[3]。然而，以上片面追求高資源利用率的做法是不可取的，不利于高等教育人才培養。高校圖書館應該以高等教育人才培養目標作為約束條件來研究如何提升資源利用率。

運用K-Means與Apriori算法進行數據挖掘和分析有助于高校圖書館有效利用資源，合理分配投入資金，在一定程度上避免資源的浪費，促進高校圖書館從數量型向質量型轉變[4]。筆者采用K-Means與Apriori算法，對遼寧某高校圖書館的借閱情況數據進行聚類分析與關聯規則挖掘分析，根據聚類結果與關聯規則結果得出圖書資源建設及推薦對策建議，為高校圖書館提高資源利用率提供參考。

2 文獻綜述

現有對于圖書館資源利用率的研究文獻中，部分學者直接提出改進意見，如王琦、陳文勇[5]從尊重用戶信息行為規律、圖書館信息推送、技術支持3個方面提出了提高圖書館資源利用率的應對策略；吳雪映[6]對公共圖書館資源利用率的提升作出了思考；雷三丫[7]針對軍校圖書館提高資源利用率提出建議。

有的學者基于統計數據，提出了建議。陳文華[8]從高校圖書館、讀者及社會環境等方面入手，對現階段影響我國高校圖書館利用率的不利因素進行分析，同時就如何提高利用率提出相應的建議和措施；劉佳音[9]根據IEL數據庫使用數據的后臺統計研究了高校圖書館資源利用率問題；孫維佳、顧建新[10]針對李文正圖書館資源利用率逐年下降的趨勢，統計分析了影響高校圖書館資源利用率的主要因素并探討了提高資源利用率的措施。

國外與國內均有學者利用不同的分析方法處理統計數據，并根據分析結果給出相關對策建議。Isibika和Kavishe[11]采用定量和定性相結合的方法分析了Mzumbe圖書館的資源利用率；Ikenwe等[12]利用Pearson積矩相關系數澄清了信息素養的某些要素與尼日利亞圖書館資源使用之間的聯系中存在不確定性和模糊性的問題；Noh[13]基于DEA-CCR模型和DEA-BCC模型確定了技術效率（CCR*BCC），認為大學圖書館的資源利用率因是否將電子資源納入評估而呈現顯著差異；Iqbal等[14]通過隨機抽樣，在科欽科技大學（CUSAT）和本地治里大學（PU）的圖書館發放了250份問卷，調查兩所高等院校的圖書館OA機構知識庫的使用情況，并對提高資源利用率提出了建議；李曉童[15]應用TAM與TTF模型對高校圖書館資源利用率展開了研究；徐夢宇等[16]從借閱人群、借閱時間、利用率3個方面進行數據處理，提取7個維度特征值，基于機器學習、模型訓練探究高校圖書館高利用率資源的識別方法。

綜上所述，直接對圖書館資源利用率提出意見缺乏數據支撐，沒有對圖書館數據應用相應的數據處理方法則會使研究淺嘗輒止，現有文獻鮮少將K-Means與Apriori算法應用于提高圖書館資源利用率的研究。因此，筆者應用K-Means與Apriori算法進行數據分析與挖掘，有助于豐富其應用方面的研究，同時為高校圖書館提高資源利用率提供了借鑒與參考。

3 數據來源與研究內容

3.1 數據來源

研究數據主要為遼寧某高校讀者的書籍借閱情況，數據來自該校圖書館數據庫信息和問卷調查結果，確保了樣本的完整性與準確性。研究的時間范圍為2020年9月至2021年7月一個學年度，反映該學年兩個學期的情況。數據庫信息主要包括讀者所在學院、專業、每月（剔除完全處于假期的2月份和8月份）借閱圖書的種類與借閱數量，問卷調查對象為該校區大一到研三的在校學生。另外，訪談了41名學生，充分了解其借閱習慣及形成原因、薦購書單等。通過數據調查、問卷調查和訪談調查3種方式相結合為后續研究的可信度提供了合理保證。該校圖書館圖書分類采用的是我國通用的《中國圖書館分類法》，按照從總到分、從一般到具體的編制原則組成22個大類，由于沒有相關專業且借閱量遠遠低于其他大類，該校剔除軍事（E），天文學、地球科學（P），生物科學（Q），醫藥衛生（R），農業科學（S），航工航天（V）6個大類，剩余16個大類如表1所示。

3.2 研究內容

研究以該高校圖書館為例，使用IBM SPSS Modeler工具對圖書館數據庫進行整理，得出該校學生的圖書借閱數據，通過數據挖掘對其進行聚類分析和關聯規則分析，掌握高校在校學生的閱讀興趣濃厚程度以及圖書借閱的規律與趨勢，為圖書館館藏結構的動態調整、圖書采購與書籍推薦提供參考依據，從而提升高校圖書館資源利用率。研究思路如圖1所示。

4 聚類分析

4.1 算法選擇

聚類是通過某個標準將數據集劃分為不同標準類別，聚類相同類別數據，并最大程度分離不同類別的數據。聚類分析是一種探索性分析，因此在分析過程中無需給出特定的分類標準。現有的聚類算法有層次聚類、K-Means算法、EM算法、Optics算法等，筆者選擇可以直接給定樣本點類別和個數的K-Means算法。

4.2 K-Means算法流程

K-Means算法流程分為以下6個步驟，如圖2所示。

（1）進行數據準備，在數據集合中確定若干分類個數。

（2）確定初始聚類中心點。

（4）通過計算各對象平均值，重新確定新的聚類中心。

（5）通過中心點匯總時是否產生新的中心點或聚類劃分時各對象是否進入上一次不同聚類中，來判斷是否滿足收斂。

（6）若滿足收斂，則可以得出結論；若不滿足收斂，則重新計算并確定新的聚類中心，直到中心點匯總時沒有新的中心點產生或聚類劃分時各對象均不進入上一次不同聚類中為止。

4.3 基于K-Means算法的聚類實施分析

從高校學生讀者的角度對圖書館借閱情況數據實施聚類分析，旨在通過分析讀者閱讀興趣，為高校圖書館圖書采購提出建議。

每位讀者的閱讀興趣不盡相同，閱讀興趣濃厚的讀者圖書借閱數量比較大；反之，閱讀興趣有待提高的讀者，前往圖書館借閱圖書的概率就比較小。依據讀者的圖書借閱數量進行相似劃分，得到借閱圖書數量柱形圖，如圖3所示。

使用IBM SPSS Modeler工具的K-Means算法進行聚類分析時需要手動輸入聚類分類數，為保證參數設置具有科學依據，經過SPSS 22.0進行數據分析得出聚類系數，如表2所示。

根據聚類表繪制聚合系數折線圖（見圖4）。可知，當類別數為4時，折線的下降趨勢趨緩，因此確定該數值為4時聚類效果優于其他數值，聚類效果如表3所示。

通過上述聚類分析可以大體把握高校學生讀者的借閱情況，K-Means算法將938名讀者分為4類，其中聚類1占比最高，達到了56.7164%，有532名高校學生讀者，平均圖書借閱數量為5.1767本。聚類2占比為20.7889%，平均圖書借閱數量最少，僅為1.6256本。聚類4占比數量最少，但是平均借閱圖書數量最多。

4.4 聚類實施結果分析

聚類分析結果將高校學生讀者分為4個大類，這四類人群在圖書借閱數量上存在著明顯的差距。

在聚類4中，讀者的平均圖書借閱數量遠遠高于其他類別，達到了兩位數，該類讀者閱讀興趣十分濃厚。通過對數據的進一步分析發現，該類讀者主要來自工商管理學院與營銷管理學院，屬于文科相關專業，由于實驗較少且平時需要閱讀梳理大量的文獻資料，圖書借閱數量多。高校圖書館可以通過問卷調查結果，掌握其感興趣的圖書，結合現有館藏，適當調整采購偏好。

在聚類3中，可以發現該類讀者平均借閱量為8.1852本，閱讀興趣較為濃厚，占比接近1/5。高校圖書館一方面可以酌情采納該類讀者推薦書籍的建議，另一方面可以舉辦圖書館志愿者招募等活動，以進一步提升其閱讀興趣。

聚類1的讀者占比最大，平均每兩月借一本書。針對該類讀者可以組建QQ群或微信群，在群中發送薦讀書目并說明書籍的特色以及推薦理由，以提高該類讀者的閱讀興趣，幫助其尋找到適合自己的書籍。

聚類2中的讀者占總數的五分之一，平均圖書借閱量僅為1.6256本，其中不乏借閱量為零的讀者，之所以存在這種情況，并不是他們沒有任何閱讀興趣，可能是由于隨著互聯網圖書館、知網的普及，網絡在線閱讀方便快捷，部分讀者更傾向于網絡閱讀。當然，其中亦有閱讀興趣十分匱乏的讀者，高校圖書館應加強微信公眾號的建設，通過多種方式宣傳圖書館資源[17]。同時，可以舉辦有關讀書的活動或比賽，如“我是演講家”、知識競答等吸引學生參與，培養其閱讀興趣。還可以對圖書館空間布局進行優化，打造網紅圖書館以吸引讀者[18]。

高校圖書館通過書目推薦、舉辦活動等方式提高自身資源的利用率，推薦哪些種類的書籍、何時推薦是亟須思考的問題，筆者為此進行關聯規則分析，以期解決該問題。

5 關聯規則分析

5.1 算法選擇

關聯規則是一種需要確定支持度，基于某種特定規則，并從數據集中探索隱含關系進而尋找數據與數據關系的方法。支持度公式為：

在確定支持度后要確定置信度，其代表著規則的可靠性，即關聯性的強弱。然后尋找關聯規則支持度閾值，將其與提前確定的置信度閾值進行比較，若大于或等于閾值則獲得關聯規則挖掘結果。置信度公式為：

筆者選擇已經廣泛應用的Apriori算法，該算法通過生成候選集和向下封閉檢測挖掘關聯規則的頻繁項集[19]。

5.2 Apriori算法流程

Apriori算法流程分為以下6個步驟，如圖5所示。

（1）進行數據準備，設置最小支持度。

（2）確定最小置信度。

（3）根據步驟一設置的最小支持度，尋找頻繁項集。

（4）利用頻繁1項集，發現并判定候選集，嘗試尋找頻繁2項集。

（5）重復步驟三，尋找頻繁k項集，直到無法尋找到新的頻繁k項集。

（6）將符合的規則（即出現大于或等于最小置信度的規則）寫入規則庫。

5.3 基于Apriori算法的關聯規則分析

利用Apriori算法流程對借閱圖書的月份與借閱圖書的種類進行關聯規則分析，可以得出讀者在不同學期階段對不同圖書的興趣情況，為高校圖書館在不同階段的圖書推薦提供參考。

高校學生讀者在整個學年中經歷兩個學期，每學期的不同月份所需閱讀的書籍有所不同，比如5、6、11、12月份臨近期末，讀者對專業書籍的借閱量有所增加。通過對借閱書籍的種類與借閱時間之間的關聯規則挖掘分析，可以探尋其中的書籍借閱規律。

將借閱時間設置為前項，借閱圖書種類設置為后項。在Apriori算法應用過程中，最小支持度的值均是根據人的經驗初始設定。如果離開人為設定的最小支持度，則Apriori算法無法使用。設定合適的最小支持度初始值才能進行有效數據挖掘。如果支持度、置信度閾值設置太低，關聯規則會過多，得到的結果沒有價值；如果支持度、置信度閾值設置太高，關聯規則會過少，得到的結果同樣沒有價值[20]。經過多次測試，最終確定最小支持度為10%，最小置信度為5%。通過Apriori算法，共尋找到28條關聯規則，關聯規則挖掘結果如表4所示。

關聯規則挖掘結果顯示，O類圖書在12月份被高校學生讀者借閱的置信度最高，達到了17.7139%，I類圖書在10月份被高校學生讀者借閱的置信度稍高于最小置信度。通過關聯挖掘分析，圖書館可以有計劃地在不同月份推薦不同種類的圖書，以提高書籍的借閱率，進而有效提升圖書館資源利用率。

5.4 關聯規則挖掘結果分析

對高校學生讀者的借閱時間與借閱圖書種類的關聯規則進行進一步數據挖掘與分析，可以看出各類圖書在什么時間段比較受歡迎，方便全面了解高校學生讀者的閱讀趨勢。

O類圖書在每學期的學期初與期末，尤其是學期期末備受青睞。每學期初，在收到本學期的課程安排后，部分學生會有計劃地對數理科學和化學類新知識進行預習，以便在課堂上能夠更快地理解和吸收，因此此類圖書在學期初借閱量較大。每學期末，數理相關課程接近尾聲或已經結課，學生需要準備高等數學、線性代數、概率論與數理統計、數值分析、矩陣論等課程的期末考試，因此相關習題與解析等大學教輔類書籍的借閱量比較大。另外，數理科學難度相比其他學科較高，因此其參考資料也在這段時間被大量借閱。高校圖書館應根據讀者借閱特點，堅持通識教育協同發展理念，搭建協同教育發展平臺，營造濃厚的學術氛圍[21]。

T類圖書即工業技術類圖書，在全年的借閱量比較集中，一直較受歡迎。隨著信息技術的高速發展，無論在任何時間段，高校學生讀者都愿意去借閱信息技術類圖書，如《Python快樂編程》《Web前端開發》等關于可以讓讀者更加高效地進行學習和科研的集成系統Python的圖書會被反復大量借閱。高校圖書館應緊跟時代的步伐，增加對該類圖書的采購，并盡量選擇近年出版的版本，以保證圖書內容與軟件版本的一致性。

語言、文字，文學、藝術類圖書在學期初期、中期，尤其是4、5、10、11月份比較受高校學生讀者的歡迎，這段時間學生壓力較小，課余時間較多。由于該校區沒有馬克思主義學院，且理工科學院居多，哲學和歷史、地理學類圖書的需求量不是很大，圖書館可以優化校區之間的館藏結構，將該類圖書轉移至其他需求量比較大的校區，使其得到充分的利用。

總而言之，高校圖書館可以通過調研所在高校學生的閱讀趨勢與習慣，把握學生的閱讀規律并加以利用，在適當的時間推送適當種類的圖書，以達到最大化的宣傳效果。如在每學期初推送語言、文字，文學、藝術類等圖書，期末推送關于數理科學的教輔資料和計算機相關書籍等，利用圖書館微信公眾號等平臺每月進行推薦和宣傳。

6 結語

筆者采用K-Means與Apriori算法對高校圖書館借閱數據進行數據挖掘和聚類分析，探究借閱圖書的月份與種類間的關聯規則。通過聚類分析，可以找出某類圖書閱讀興趣濃厚的讀者，為圖書館采購書籍征詢建議提供參考人選。通過關聯規則分析，可以掌握在校學生的閱讀規律，為圖書館閱讀推薦提供方向指引。

同時，本研究的數據樣本廣度存在一定的不足。首先，研究的樣本量不夠充足，只調研了遼寧某高校其中一個校區學生的圖書館借閱數據，并未與高校教師的圖書借閱情況相結合。其次，調查訪談中僅簡單詢問了被調查者的圖書借閱情況，受訪者群體較為局限，訪談內容不夠深入。最后，應創新數據挖掘方法，從而對提升高校圖書館資源利用率提出更加科學合理的建議對策。

參考文獻：

[1] 習近平.高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告[M].北京：人民出版社，2022.

[2] 楊河，楊伊佳.中國道路與中國方案研究[M].北京：人民出版社，2022.

[3] 王倩，湯二子.高校圖書館資源利用率提升研究：算法、理論與實踐[J].新世紀圖書館，2021（1）：62-68.

[4] 張鈺，王宏新.高校圖書館經濟價值評估影響因素研究——以遼寧某高校圖書館為例[J].情報探索，2021（8）：76-80.

[5] 王琦，陳文勇.高校圖書館移動閱讀服務利用率的影響因素與應對策略[J].圖書館學研究，2014（18）：59-63，43.

[6] 吳雪映.關于提升公共圖書館報刊利用率的思考[J].圖書館理論與實踐，2015（10）：111-112.

[7] 雷三丫.軍校圖書館提高資源利用率的幾點建議[J].圖書館工作與研究，2017（S1）：54-56.

[8] 陳文華.現階段我國高校圖書館利用率的影響因素分析[J].圖書情報工作，2012（S1）：179-182，203.

[9] 劉佳音.基于IEL數據庫的圖書館電子資源利用率研究[J].圖書館理論與實踐，2013（6）：46-49.

[10] 孫維佳，顧建新.高校圖書館到館率和紙質圖書利用率的分析與思考——以東南大學李文正圖書館為例[J].新世紀圖書館，2017（5）：25-30.

[11] Isibika I S，Kavishe G F.Utilisation of subscribed electronic resources by library users in Mzumbe university library， Tanzania.[J].GLOBAL KNOWLEDGE，MEMORY AND COMMUNICATION，2018（1-2）：109-125.

[12] Ikenwe J I，Anaehobi S E.Ability to identify extent of information need and access information as correlates of utilization of digital library resources by lecturers.[J].Digital Library Perspectives，2020（3）：265-279.

[13] Noh Y.Evaluation of the Resource Utilization Efficiency of University Libraries using DEA Techniques and a Proposal of Alternative Evaluation Variables[J].Library Hi Tech，2011（4）：697-724.

[14] Iqbal J，Naushad A P M.Familiarity and utilization of open access resources： A study of Library users of Cochin University of Science and Technology（CUSAT） and Pondicherry University （PU）[J].Information and Learning Science，2017（3-4）：141-151.

[15] 李曉童.基于TAM與TTF模型的高校圖書館電子資源利用效率研究[D].天津：天津工業大學，2019.

[16] 徐夢宇，成偉華，張計龍.基于機器學習的高校圖書館高利用率教參書識別研究[J].圖書館雜志，2020（11）：44-52.

[17] 任海芝，潘英杰.基于Logit模型的圖書出版企業官微傳播力影響因素研究[J].情報探索，2022（6）：62-70.

[18] 孔丹，任黨利，邊淑莉.國內高校圖書館空間再造模型構建[J].新世紀圖書館，2021（10）：37-42，49.

[19] 黃志良.數據挖掘技術在高校圖書館資源利用中的應用研究[D].南昌：南昌大學，2020.

[20] 牛麗敏.Apriori算法分析與改進綜述[J].桂林電子科技大學學報，2007（1）：27-30.

[21] 龍曉虹.高校圖書館嵌入通識教育協同發展策略研究[J].圖書館工作與研究，2022（3）：38-43.

金國峰 男，1981年生。博士，教授，博士生導師。研究方向：科技與教育創新管理、組織行為學。

潘英杰 男，1997年生。博士研究生在讀。研究方向：科技與教育創新管理、信息管理與智能決策。系本文通訊作者。

（收稿日期：2023-03-23；責編：劉清揚。）

本文系2020年度國家社科基金一般項目“網絡空間意識形態治理體系研究”（項目編號：20BKS201）、中國高等教育學會2022年度高等教育科學研究規劃課題“新時代高校數字思政教育研究”（項目編號：22FD0202）的研究成果之一。