數(shù)據(jù)挖掘技術(shù)在數(shù)字化圖書館中的應(yīng)用

【摘要】數(shù)據(jù)挖掘技術(shù)是一種基于人工智能的技術(shù)，數(shù)據(jù)挖掘技術(shù)在數(shù)字化圖書館中的應(yīng)用提高了數(shù)字化圖書館的服務(wù)質(zhì)量。文章介紹了數(shù)據(jù)挖掘技術(shù)的概念、分類和分析方法，從提高圖書館建設(shè)決策和提高信息的獲取速度等方面分析了數(shù)據(jù)挖掘技術(shù)在數(shù)字化圖書館中的應(yīng)用，并給出了數(shù)據(jù)挖掘技術(shù)當(dāng)前面臨的問題。

【關(guān)鍵詞】數(shù)字圖書館;數(shù)據(jù)挖掘;個(gè)性化服務(wù)

數(shù)據(jù)挖掘技術(shù)在數(shù)字圖書館（Digiatl Libray）[1]個(gè)性化服務(wù)中的研究和實(shí)踐是IT行業(yè)新起的一個(gè)交叉領(lǐng)域的研究。數(shù)據(jù)挖掘技術(shù)主要是依賴人工智能、模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫、統(tǒng)計(jì)學(xué)、可視化技術(shù)從大量的、不完全的、模糊的、有噪聲的、隨機(jī)的數(shù)據(jù)中，提取不易為人知的但是有巨大價(jià)值的關(guān)聯(lián)信息，是數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)的核心。數(shù)據(jù)挖掘技術(shù)主要分為數(shù)據(jù)整理、數(shù)據(jù)集成、數(shù)據(jù)篩選、數(shù)據(jù)轉(zhuǎn)化、數(shù)據(jù)挖掘、模式評(píng)估和知識(shí)表達(dá)幾個(gè)步驟。該技術(shù)的目的是從大量的雜亂無序的數(shù)據(jù)中自動(dòng)分析數(shù)據(jù)，做出歸納統(tǒng)計(jì)，從中挖掘出潛在的模式，為用戶提供價(jià)值信息。數(shù)據(jù)挖掘技術(shù)在數(shù)字化圖書館中的應(yīng)用可以優(yōu)化圖書館期刊的布局，提高效率節(jié)省資源。也可以為讀者提供個(gè)性化服務(wù)，通過對(duì)讀者借閱量的統(tǒng)計(jì)分析讀者的周期借閱習(xí)慣，結(jié)合現(xiàn)有資源向讀者推薦其喜好的圖書，提高圖書館的服務(wù)質(zhì)量。

1.數(shù)據(jù)挖掘技術(shù)及其分類

1.1 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘是指從大量的表面上沒有關(guān)系的數(shù)據(jù)中通過關(guān)鍵算法發(fā)掘隱藏在其中的關(guān)聯(lián)信息的過程。為了能找到數(shù)據(jù)的變化規(guī)律以及數(shù)據(jù)之間的相互關(guān)系，從海量的數(shù)據(jù)存儲(chǔ)中抽取模式、充分挖掘數(shù)據(jù)以及指導(dǎo)決策等各項(xiàng)工作，人們?cè)絹碓狡惹械南氚褦?shù)據(jù)分析轉(zhuǎn)化為易于理解的知識(shí)。知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘技術(shù)正好可以滿足我們的需要，為自動(dòng)并智能地把海量數(shù)據(jù)轉(zhuǎn)化成可用信息提供了堅(jiān)強(qiáng)有力的手段，同時(shí)也在數(shù)據(jù)和知識(shí)之間的架起了橋梁[2]。

1.2 數(shù)據(jù)挖掘?qū)ο蠓诸?/p>

數(shù)據(jù)挖掘技術(shù)按照挖掘的對(duì)象可以分為web數(shù)據(jù)挖掘、文本數(shù)據(jù)挖掘[3]和多媒體數(shù)據(jù)挖掘。

web數(shù)據(jù)挖掘可以分為：內(nèi)容挖掘，是從web頁面內(nèi)容和后臺(tái)數(shù)據(jù)庫進(jìn)行挖掘，從www相關(guān)的資源和行為中抽取感興趣的、有用的模式和隱含信息;web使用記錄挖掘，通過挖掘網(wǎng)站上的日志信息和數(shù)據(jù)挖掘用戶的偏好和行為模式，獲取價(jià)值信息[5]。

文本數(shù)據(jù)挖掘是指當(dāng)數(shù)據(jù)挖掘的對(duì)象完全由文本類型組成時(shí)，結(jié)合使用數(shù)據(jù)挖掘算法與信息檢索算法對(duì)巨量文本信息進(jìn)行自動(dòng)化信息處理與分析的過程叫文本數(shù)據(jù)挖掘。

多媒體數(shù)據(jù)挖掘是基于多媒體數(shù)據(jù)的內(nèi)容特征，以及這些特征的相關(guān)語義，從大型多媒體數(shù)據(jù)庫集中、發(fā)現(xiàn)和分析出隱含的、有效的、有價(jià)值的、可理解的模式。它不同于web和文本數(shù)據(jù)挖掘，多媒體的數(shù)據(jù)是非線性結(jié)構(gòu)的且特征向量維數(shù)不僅僅局限在二維空間。

2.數(shù)據(jù)挖掘分析方法

2.1 關(guān)聯(lián)分析（association analysis）

關(guān)聯(lián)是指兩個(gè)以上變量之間的取值存在的規(guī)律性。關(guān)聯(lián)分析法主要是挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。隨著大量數(shù)據(jù)不停地收集和存儲(chǔ)，許多業(yè)界人士對(duì)于從他們的數(shù)據(jù)庫中挖掘關(guān)聯(lián)規(guī)則越來越感興趣。從大量商務(wù)事務(wù)記錄中發(fā)現(xiàn)有趣的關(guān)聯(lián)關(guān)系A(chǔ)priori使用一種稱作逐層搜索的迭代方法，k-項(xiàng)集用于探索（k+1）-項(xiàng)集。

2.2 聚類分析（clustering）

聚類分析指將物理或抽象對(duì)象的集合分組成為由類似的對(duì)象組成的多個(gè)類的分析過程，聚類分析用于分析數(shù)據(jù)的數(shù)據(jù)屬性和分布模式及之間存在可能的相互關(guān)系。

2.3 分類（classification）

分類是一個(gè)類的概念，是類別的內(nèi)在描述，把一個(gè)群按一定的原則劃分為不同的類別。分類通常是用規(guī)則或決策樹模式來表示的，它代表這類數(shù)據(jù)的整體信息，并通過描述來構(gòu)造模型。分類可被用于規(guī)則描述和預(yù)測，它通過一定的算法利用訓(xùn)練數(shù)據(jù)集的方法得到分類規(guī)則。

2.4 預(yù)測（predication）

預(yù)測是指從大量的歷史數(shù)據(jù)中找出變化規(guī)律并按照一定的算法建立數(shù)學(xué)模型，根據(jù)建立的數(shù)學(xué)模型來預(yù)測未來的數(shù)據(jù)的走勢(shì)或者特征。預(yù)測的目的是對(duì)未知對(duì)象做預(yù)測，預(yù)測的結(jié)果有極大的不確定性，要通過一段時(shí)間的檢驗(yàn)才能估算其準(zhǔn)確性。

2.5 時(shí)序模式（time-series pattern）

時(shí)序模式方法也是依據(jù)現(xiàn)有的知識(shí)來對(duì)未來的對(duì)象進(jìn)行預(yù)測，它是通過對(duì)時(shí)間序列分析找出的重復(fù)率較高的模式來進(jìn)行預(yù)測。

2.6 偏差分析（deviation）

偏差中發(fā)現(xiàn)數(shù)據(jù)存在的異常是極為重要的，數(shù)據(jù)倉庫中的數(shù)據(jù)存在很多異常情況，包括很多有價(jià)值的知識(shí)。找到觀察結(jié)果與參照結(jié)果二者的差別是檢驗(yàn)偏差的基本方法。

3.數(shù)據(jù)挖掘技術(shù)在數(shù)字化圖書館中的應(yīng)用

3.1 提高圖書館建設(shè)的決策

資源采集和信息資源的采集數(shù)字化圖書館建設(shè)發(fā)展的基礎(chǔ)，通過分析歷史采購信息、資源訪問信息、讀者信息、讀者反饋信息以及各個(gè)學(xué)科前沿發(fā)展和讀者的需求，幫助采購人員確定采購重點(diǎn)。比如說為了更多的購進(jìn)讀者需要的書籍，給借閱需求高的用戶更多的借閱機(jī)會(huì)。這樣可以保障圖書館信息的合理性和科學(xué)性，以及采購資金的合理分布。

3.2 提高信息的獲取速度

為了提高用戶在使用時(shí)能快速獲取價(jià)值信息的服務(wù)速度，可以用關(guān)聯(lián)規(guī)則挖掘算法按照給定閾值匹配相似模式的信息，把其存在服務(wù)器的知識(shí)庫上，當(dāng)用戶瀏覽某頁時(shí)，網(wǎng)絡(luò)代理根據(jù)規(guī)則預(yù)先連接其關(guān)聯(lián)頁，從而提高響應(yīng)速度。

3.3 提供個(gè)性化服務(wù)

我們可以通過了解用戶的特點(diǎn)和需求，采用數(shù)據(jù)挖掘技術(shù)，挖掘出來一些潛在的服務(wù)[4]來吸引用戶，提高用戶的使用滿意度。并對(duì)一些特殊的用戶進(jìn)行特殊的服務(wù)。我們還可以通過挖掘用戶的興趣愛好，主動(dòng)提供服務(wù)，使數(shù)字圖書館成為一個(gè)智能型、主動(dòng)性的信息平臺(tái)。

3.4 拓展服務(wù)形式

數(shù)據(jù)挖掘可實(shí)現(xiàn)信息服務(wù)質(zhì)量的提升和業(yè)務(wù)的拓展。數(shù)字圖書館借助現(xiàn)代信息技術(shù)，不僅在于服務(wù)媒體和時(shí)空的轉(zhuǎn)變，更重要的能夠借助數(shù)據(jù)挖掘技術(shù)，完善其服務(wù)結(jié)構(gòu)和提升服務(wù)水平。擴(kuò)展的服務(wù)形式可以分為如下幾種：

（1）通過用戶按照自己的個(gè)人興趣愛好設(shè)定信息類型和表現(xiàn)形式選取特定的系統(tǒng)服務(wù)。

（2）給用戶提供信息推送服務(wù)，為用戶提供實(shí)時(shí)的關(guān)注信息，運(yùn)用推送技術(shù)來實(shí)現(xiàn)的一種個(gè)性化主動(dòng)信息服務(wù)方式，推送技術(shù)又稱“WEB廣播”，它是通過一定的標(biāo)準(zhǔn)和協(xié)議，在Inetrnet上按照用戶的需求，主動(dòng)傳送用戶感興趣的信息的一項(xiàng)計(jì)算機(jī)技術(shù)。

（3）通過信息智能代理服務(wù)方式自動(dòng)捕捉用戶的興趣愛好，主動(dòng)搜索可能引起用戶興趣的信息并提供給用戶。

（4）為用戶提供虛擬咨詢服務(wù)，可以通過電子郵件、留言版和實(shí)時(shí)聊天等形式向用戶提供全方位的咨詢服務(wù)，為用戶提供專業(yè)的解答。

3.5 挖掘不同讀者群的需求

通過數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則挖掘出讀者間的關(guān)系與特征?？梢园炎x者按照性別、年齡、職業(yè)、愛好、地域等因素進(jìn)行分類[6]。也可以通過聚類的方式對(duì)用戶進(jìn)行分類，通過對(duì)用戶的分類以，可以更加容易地了解用戶，掌握不同用戶之間的需求，為不同群體提供不同的服務(wù)。

3.6 提高圖書館的服務(wù)水平

通過對(duì)關(guān)聯(lián)規(guī)則和數(shù)據(jù)挖掘的方法的運(yùn)用，我們更加清楚的了解了圖書館的服務(wù)流程，提高了決策水平，然后根據(jù)不足改進(jìn)了服務(wù)流程，增強(qiáng)了圖書館的服務(wù)水平。

4.面臨的問題

數(shù)據(jù)挖掘技術(shù)、方法、用戶交互、系統(tǒng)性能和數(shù)據(jù)的多樣性給數(shù)據(jù)挖掘技術(shù)的廣泛使用帶來了嚴(yán)峻的挑戰(zhàn)，高效的數(shù)據(jù)挖掘方法、高集成的數(shù)據(jù)挖掘環(huán)境的建立、數(shù)據(jù)挖掘語言的標(biāo)準(zhǔn)化和數(shù)據(jù)的可視化等，都是當(dāng)前面臨的技術(shù)性問題。數(shù)據(jù)挖掘有關(guān)的，還牽扯到隱私問題，可以通過數(shù)據(jù)挖掘技術(shù)關(guān)聯(lián)查到用戶的一些個(gè)人隱私甚至是商業(yè)機(jī)密信息，所以必須要有相關(guān)的法律法規(guī)來規(guī)范其行為，否則一旦被某些不法分子使用，那么就會(huì)出現(xiàn)一些涉及保密、法律和倫理的問題。

5.結(jié)束語

數(shù)據(jù)挖掘作為一門前沿技術(shù)，盡管自身還在不斷發(fā)展完善，還面臨著許多問題， 但鑒于它在數(shù)據(jù)的組織、分析和知識(shí)發(fā)現(xiàn)等方面的巨大優(yōu)勢(shì)和潛力， 同時(shí)隨著數(shù)據(jù)挖掘這一新興智能信息處理技術(shù)的進(jìn)一步完善和發(fā)展，深入研究數(shù)據(jù)挖掘與圖書館系統(tǒng)的有效結(jié)合可以使它在圖書館信息管理中發(fā)揮更大作用，而且我們有理由堅(jiān)信數(shù)據(jù)挖掘技術(shù)必將在高校數(shù)字圖書館建設(shè)中發(fā)揮關(guān)鍵性的作用。

參考文獻(xiàn)

[1]戰(zhàn)春光.數(shù)字圖書館發(fā)展概述[J].晉圖學(xué)刊，2003（2）：19-20.

[2]王艷.數(shù)據(jù)挖掘在數(shù)字圖書館中的應(yīng)用[J].情報(bào)科學(xué)，2003（2）：211-214.

[3]馮研，王馨.國內(nèi)圖書館數(shù)據(jù)挖掘技術(shù)實(shí)踐應(yīng)用進(jìn)展分析[J].圖書館學(xué)研究，2011，10：2-4.

[4]夏南強(qiáng)，張紅梅.基于數(shù)據(jù)挖掘的數(shù)字圖書館個(gè)性化服務(wù)[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2006（6）：11-13.

[5]林彬煌.數(shù)字圖書館服務(wù)中的Web數(shù)據(jù)挖掘[J].科技創(chuàng)新與應(yīng)用，2012，10：46-47.

[6]唐吉深.圖書館數(shù)據(jù)挖掘技術(shù)研究現(xiàn)狀述評(píng)[J].圖書館界，2011（1）：42-44.

作者簡介：厙睿（1984—），女，遼寧人，西北民族大學(xué)碩士研究生，助理館員，現(xiàn)供職于西安醫(yī)學(xué)院圖書館文獻(xiàn)建設(shè)部。