云環(huán)境下館際協(xié)同數(shù)據(jù)挖掘研究*

唐　維田瑞雪

（1.遼寧大學(xué)圖書館；2.遼寧大學(xué)歷史學(xué)院，遼寧 沈陽 110036）

云環(huán)境下館際協(xié)同數(shù)據(jù)挖掘研究*

唐維1田瑞雪2

（1.遼寧大學(xué)圖書館；2.遼寧大學(xué)歷史學(xué)院，遼寧 沈陽 110036）

［摘要］云計算、大數(shù)據(jù)環(huán)境下，圖書館間的協(xié)同發(fā)展已不滿足基于館藏資源的基礎(chǔ)業(yè)務(wù)合作，正主動尋求在知識化、智能化、個性化等方面服務(wù)的拓展。鑒于云計算環(huán)境下圖書館大數(shù)據(jù)的采集、存儲、處理等優(yōu)勢和現(xiàn)有館際間協(xié)同數(shù)據(jù)挖掘應(yīng)用研究的現(xiàn)狀，分析了館際聯(lián)盟內(nèi)在業(yè)務(wù)數(shù)據(jù)、用戶行為數(shù)據(jù)、科研數(shù)據(jù)等方面協(xié)同數(shù)據(jù)挖掘的發(fā)展趨勢，并提出館際間協(xié)同數(shù)據(jù)挖掘的體系架構(gòu)，以期提升館際聯(lián)盟的核心競爭力。

［關(guān)鍵詞］云計算數(shù)據(jù)挖掘大數(shù)據(jù)館際聯(lián)盟

1　引言

隨著資源建設(shè)和服務(wù)創(chuàng)新的愈演愈烈，云計算、大數(shù)據(jù)等新興技術(shù)早已經(jīng)從理念引進(jìn)深入到圖書館領(lǐng)域的實際應(yīng)用。而用戶日益增長的多元化需求、業(yè)務(wù)數(shù)據(jù)的快速增長等因素促使著圖書館界努力突破傳統(tǒng)管理與服務(wù)的模式局限，由館藏為核心的業(yè)務(wù)管理模式升級為以用戶為核心的決策與服務(wù)。越來越多的圖書館意識到繁雜數(shù)據(jù)中所蘊(yùn)含的知識將成為未來發(fā)展的核心資產(chǎn)，開始注重業(yè)務(wù)數(shù)據(jù)的整理與分析，在數(shù)據(jù)資源利用方面尋求聯(lián)盟化的合作化發(fā)展路徑，逐漸有更多的應(yīng)用服務(wù)通過館際間合作方式來實現(xiàn)。同時，云計算技術(shù)的成熟應(yīng)用也為館際聯(lián)盟內(nèi)部數(shù)據(jù)資源的共享與協(xié)作帶來新的合作契機(jī)，云計算環(huán)境下如何充分運(yùn)用數(shù)據(jù)挖掘技術(shù)開展服務(wù)和管理創(chuàng)新，將是大數(shù)據(jù)時代下館際聯(lián)盟所面臨的嶄新課題。

云計算技術(shù)的普及運(yùn)用、大數(shù)據(jù)分析技術(shù)與工具的成熟共同為圖書館的智能化發(fā)展提供了新的方法和思路。由于云計算環(huán)境從本質(zhì)上是通過動態(tài)可伸縮的虛擬化資源池提供存儲和計算服務(wù)的一種互聯(lián)網(wǎng)絡(luò)環(huán)境，所以云環(huán)境下館際間進(jìn)行協(xié)同數(shù)據(jù)挖掘的優(yōu)勢在于：①云計算環(huán)境是采用數(shù)據(jù)冗余的方式來對數(shù)據(jù)進(jìn)行管理和分析服務(wù)，有利于整合管理館際聯(lián)盟內(nèi)部分布式、異構(gòu)性的復(fù)雜數(shù)據(jù)；②云計算環(huán)境相對于傳統(tǒng)IT環(huán)境具有更高的可用性，有利于館際間數(shù)據(jù)的高效流通和實時分析，進(jìn)而達(dá)到精準(zhǔn)把握用戶需求的效果；③云計算技術(shù)與數(shù)據(jù)挖掘技術(shù)的融合運(yùn)用可為圖書館服務(wù)的個性化、虛擬化和智能化提供良好的技術(shù)支持，有利于提高館際間的協(xié)同服務(wù)深度和廣度；④云計算平臺的搭建可有效降低館際聯(lián)盟投入的經(jīng)費成本和能耗，有利于實現(xiàn)成本可控、技術(shù)可控的目標(biāo)，擁有更好的經(jīng)濟(jì)性。

2　國內(nèi)外相關(guān)研究和實踐

國外圖書館界首先對基于云計算的數(shù)據(jù)挖掘工作進(jìn)行了拓展性的探索，并將云環(huán)境下的數(shù)據(jù)挖掘應(yīng)用視為一種網(wǎng)絡(luò)IT資源的服務(wù)模式。學(xué)者R.Roussean［1］和S.Corral［2］等提出，圖書館可以也應(yīng)當(dāng)在數(shù)據(jù)管理、數(shù)據(jù)挖掘、知識發(fā)現(xiàn)等大數(shù)據(jù)相關(guān)領(lǐng)域承擔(dān)責(zé)任并發(fā)揮作用，致力于對數(shù)據(jù)挖掘算法的改善、數(shù)據(jù)挖掘的體系架構(gòu)和解決方案等方面進(jìn)行研究實踐。

早在2009年OCLC（聯(lián)機(jī)計算機(jī)圖書館中心）就在原始的Worldcat上應(yīng)用云計算技術(shù)實施數(shù)字圖書館，開始推出WorldCat Discovery［3］服務(wù)——全新的基于云環(huán)境的應(yīng)用程序，集成其所有成員圖書館的數(shù)字館藏供用戶檢索，并與美國國會圖書館、康奈爾大學(xué)圖書館等7所知名圖書館展開基于用戶身份信息的關(guān)聯(lián)數(shù)據(jù)方面的合作，探討關(guān)聯(lián)數(shù)據(jù)對圖書館業(yè)務(wù)流程的影響，研究基于用戶需求和興趣的圖書推薦系統(tǒng)［4］。哈弗大學(xué)圖書館的各個分館統(tǒng)一在開發(fā)利用書目大數(shù)據(jù)的基礎(chǔ)上聯(lián)合研發(fā)新型應(yīng)用性產(chǎn)品，包括云計算支持下的數(shù)據(jù)共享、用戶數(shù)據(jù)分析、書目推薦等實踐［5］。美國加州的Hiptype公司利用數(shù)據(jù)挖掘技術(shù)來分析電子書用戶的閱讀喜好，構(gòu)建了一種知識服務(wù)社區(qū)的Web智能分析引擎［6］。

國內(nèi)圖書館界基于云計算的數(shù)據(jù)挖掘應(yīng)用研究也正方興未艾。同OCLC的做法類似，CALIS（中國高等教育文獻(xiàn)保障系統(tǒng)）也采取了聯(lián)合高等學(xué)校圖書館資源來構(gòu)建云計算體系的運(yùn)行模式，倡導(dǎo)透明的館際協(xié)作與服務(wù)獲取，支持各館用戶的聚合參與，構(gòu)建館際間緊密協(xié)作的社會化網(wǎng)絡(luò)，實現(xiàn)館際聯(lián)盟內(nèi)資源的共建與共享。上海地區(qū)圖書館聯(lián)合體建設(shè)中，利用數(shù)據(jù)可視化方法展現(xiàn)圖書館聯(lián)合體的大數(shù)據(jù)資源，藉此進(jìn)行智慧型數(shù)據(jù)創(chuàng)新服務(wù)實踐，并幫助圖書館洞察運(yùn)營情況和未來發(fā)展趨勢［7］。清華大學(xué)圖書館門戶在“水木搜索”上綜合運(yùn)用多種來源數(shù)據(jù)，從數(shù)據(jù)集成和挖掘數(shù)據(jù)價值等方面進(jìn)行了嘗試，從元數(shù)據(jù)倉儲中提取關(guān)鍵詞走向，分析作者與合作者的關(guān)系，建立以人為中心的知識關(guān)聯(lián)網(wǎng)絡(luò)［8］。

綜上，國內(nèi)外圖書館界對于云計算和數(shù)據(jù)挖掘的應(yīng)用研究均取得了一定進(jìn)展，但對云計算環(huán)境下館際間數(shù)據(jù)挖掘的發(fā)展趨勢、體系架構(gòu)方面的研究尚未系統(tǒng)。

3　館際間數(shù)據(jù)協(xié)同挖掘趨勢分析

云計算、大數(shù)據(jù)、互聯(lián)網(wǎng)等技術(shù)成為圖書館界最近10年發(fā)展的重要驅(qū)動力量?，F(xiàn)今環(huán)境下，基于互動性、共享性、開放性的新媒體圖書館協(xié)同服務(wù)模式將徹底轉(zhuǎn)變用戶獲取知識和利用資源的方式，各圖書館面對資源優(yōu)勢被弱化的現(xiàn)實，努力從傳統(tǒng)知識服務(wù)向數(shù)據(jù)發(fā)現(xiàn)、數(shù)據(jù)挖掘方向轉(zhuǎn)型。而館際間的合作也不僅局限于館藏資源，快速增長的業(yè)務(wù)數(shù)據(jù)、用戶行為數(shù)據(jù)、科研數(shù)據(jù)等都將為圖書館間協(xié)同合作提供有利契機(jī)。圖書館界也正努力尋找新的突破點，由單體館的數(shù)據(jù)分析轉(zhuǎn)向跨館際的聯(lián)盟體系下的協(xié)同數(shù)據(jù)挖掘，以把握大數(shù)據(jù)帶來的發(fā)展機(jī)遇，越來越多的業(yè)務(wù)將依托于館際間的協(xié)同數(shù)據(jù)挖掘分析來實現(xiàn)。

3.1基于業(yè)務(wù)數(shù)據(jù)的挖掘趨勢

圖書館的業(yè)務(wù)數(shù)據(jù)涵蓋了各類資源的采訪、編目、典藏、流通、傳遞、咨詢、管理等數(shù)據(jù)，這些繁雜的業(yè)務(wù)數(shù)據(jù)中所蘊(yùn)藏的規(guī)律在理論上可反映出一個圖書館自身的業(yè)務(wù)流程和管理決策方面的特征。例如，通過對各類資源采訪、典藏數(shù)據(jù)的挖掘分析，可獲知當(dāng)前圖書館在資源建設(shè)過程中的側(cè)重方向；通過對各類資源流通等數(shù)據(jù)的挖掘分析，可評價當(dāng)前各類資源的利用效率；通過對傳遞、咨詢等數(shù)據(jù)的挖掘分析，可了解圖書館當(dāng)前亟需補(bǔ)充的資源；通過各類資源的管理數(shù)據(jù)，可明確各圖書館當(dāng)前的工作重點和發(fā)展規(guī)劃。

圖書館際間進(jìn)行協(xié)同業(yè)務(wù)數(shù)據(jù)挖掘，顯著的優(yōu)勢是能夠集合更豐富、更全面的業(yè)務(wù)數(shù)據(jù)，并節(jié)約各圖書館的IT資源投入成本。所獲得的知識，不僅可以優(yōu)化、指導(dǎo)各圖書館的資源建設(shè)和業(yè)務(wù)工作，還能夠展示各圖書館的業(yè)務(wù)特色，為各圖書館的統(tǒng)籌規(guī)劃和發(fā)展決策提供數(shù)據(jù)依據(jù)。

3.2基于用戶行為數(shù)據(jù)的挖掘趨勢

圖書館的用戶行為數(shù)據(jù)通常包括借閱歷史數(shù)據(jù)、檢索瀏覽數(shù)據(jù)、資源下載數(shù)據(jù)、評論與反饋數(shù)據(jù)等。隨著互聯(lián)網(wǎng)和新媒體技術(shù)的發(fā)展，各圖書館所擁有的用戶同時持續(xù)地生產(chǎn)、消費和傳播著海量且多樣化的異構(gòu)數(shù)據(jù)。如能及時有效地跟蹤、分析和洞察用戶行為數(shù)據(jù)中所蘊(yùn)藏的知識，即可把握用戶的借閱規(guī)律、研究興趣，精準(zhǔn)定位用戶個性化需求，有針對性地提升用戶體驗。

云計算環(huán)境下用戶行為數(shù)據(jù)的極大豐富以及大數(shù)據(jù)處理技術(shù)的成熟發(fā)展，以用戶為中心的個性化服務(wù)不斷推進(jìn)，基于各圖書館間用戶行為數(shù)據(jù)的統(tǒng)籌分析挖掘，使得向用戶推送富有個性化的借閱推薦或相似資源成為可能，用戶不僅可以享受“淘寶式”的閱讀體驗，還能夠?qū)崟r發(fā)現(xiàn)自身潛在的知識需求。例如，基于用戶借閱行為特征可以進(jìn)行用戶群體的聚類分析，為具有不同需求的用戶群體提供差異化服務(wù)；通過對具有類似閱讀興趣或偏好的用戶推送相似用戶信息，擴(kuò)展用戶的興趣圈和學(xué)習(xí)圈；甚至構(gòu)建“資源-用戶”或“用戶-資源”數(shù)據(jù)挖掘模型，從用戶角度為其推薦最適合的資源，同時也從資源利用的角度為其尋找可能的用戶，使各圖書館的資源得到最充分的利用。

3.3基于科研數(shù)據(jù)的挖掘趨勢

伴隨著科學(xué)研究和學(xué)術(shù)交流環(huán)境的變化，更多的科研活動需要通過相互間協(xié)作來完成，并且國際化合作逐漸成為當(dāng)前科學(xué)研究的主要發(fā)展趨勢。圖書館歷來都是海量科研數(shù)據(jù)的擁有者和保存者，針對論文數(shù)據(jù)、專利數(shù)據(jù)、科學(xué)數(shù)據(jù)等的挖掘協(xié)作，既可迎合科研用戶個人分析評價的外在需求，也成為各圖書館為決策機(jī)構(gòu)提供科學(xué)參考的自身發(fā)展需求。國內(nèi)外的圖書館在此趨勢下已經(jīng)進(jìn)行了一些有益嘗試。比如由康奈爾大學(xué)圖書館聯(lián)合美國7所大學(xué)圖書館協(xié)作建設(shè)的全美科學(xué)家網(wǎng)絡(luò)（VIVO web［9］），從各機(jī)構(gòu)的管理系統(tǒng)中挖掘課程設(shè)置、學(xué)術(shù)出版、基金項目、實驗與研究條件等科研信息，并利用科學(xué)地圖（Map of Science）、合作者網(wǎng)絡(luò)（Co-Author Network）等欄目為用戶創(chuàng)造了在線交流和創(chuàng)建更新個人簡歷等便利條件，為科學(xué)家的合作研究提供支持。國內(nèi)的清華大學(xué)圖書館已率先基于大數(shù)據(jù)環(huán)境開展科研數(shù)據(jù)挖掘的創(chuàng)新實踐，通過“微數(shù)據(jù)”挖掘，精確分析個人科研數(shù)據(jù)，圍繞學(xué)者建立知識關(guān)聯(lián)網(wǎng)絡(luò)數(shù)據(jù)庫——清華大學(xué)學(xué)者庫［10］。

4　云環(huán)境下館際協(xié)同數(shù)據(jù)挖掘體系架構(gòu)

云環(huán)境下館際聯(lián)盟內(nèi)數(shù)據(jù)增長迅速、類型復(fù)雜多樣，非結(jié)構(gòu)化數(shù)據(jù)大量涌現(xiàn)，傳統(tǒng)的圖書館自動化管理系統(tǒng)在數(shù)據(jù)存儲方式和處理技術(shù)方面難以滿足大數(shù)據(jù)處理和應(yīng)用的需求。為了使館際聯(lián)盟內(nèi)的協(xié)同數(shù)據(jù)挖掘成為可能，筆者基于云計算環(huán)境角度提出館際間協(xié)同數(shù)據(jù)挖掘體系架構(gòu)，如圖1所示。

4.1基礎(chǔ)設(shè)施層

基礎(chǔ)設(shè)施層是將各種物理資源接入到網(wǎng)絡(luò)，利用虛擬化技術(shù)，實現(xiàn)物理資源的互聯(lián)和共享，不僅需要整合數(shù)據(jù)挖掘服務(wù)所需的計算資源，并且還應(yīng)提供具有可靠安全、低成本、易擴(kuò)展等優(yōu)勢的分布式云存儲。

圖1　云環(huán)境下館際間協(xié)同數(shù)據(jù)挖掘體系架構(gòu)

4.2數(shù)據(jù)處理層

鑒于云環(huán)境下圖書館間數(shù)據(jù)協(xié)同處理過程的復(fù)雜程度，同時對于數(shù)據(jù)處理的時效性要求，利用分布式計算編程開發(fā)框架進(jìn)行大數(shù)據(jù)處理成為最佳選擇。例如，可運(yùn)用MapReduce編程技術(shù)將傳統(tǒng)的數(shù)據(jù)查詢、數(shù)據(jù)管理及數(shù)據(jù)分析等任務(wù)進(jìn)行分布式處理，可以將數(shù)據(jù)處理任務(wù)調(diào)配到最優(yōu)的處理節(jié)點，并能在不同處理節(jié)點之間靈活地調(diào)度處理任務(wù)以及參與處理的數(shù)據(jù)，同時擁有較強(qiáng)的并行處理能力，實現(xiàn)計算資源和存儲資源配置的最優(yōu)化，能有效提高館際間數(shù)據(jù)處理速度。

4.3數(shù)據(jù)分析層

有效解決館際間大數(shù)據(jù)存儲和處理問題之后，獲取海量數(shù)據(jù)中隱藏的知識是大數(shù)據(jù)處理、分析和服務(wù)的終極目標(biāo)。面對館際間實時、動態(tài)和非結(jié)構(gòu)化等特征的大規(guī)模數(shù)據(jù)，云計算的彈性擴(kuò)展優(yōu)勢成為大數(shù)據(jù)分析的理想環(huán)境。而Hadoop是目前較為成熟的大數(shù)據(jù)處理及分析平臺，被定位成一個能夠?qū)Ａ繑?shù)據(jù)進(jìn)行分布式存儲與計算的軟件框架，可應(yīng)對關(guān)聯(lián)數(shù)據(jù)、Web瀏覽數(shù)據(jù)、社交網(wǎng)絡(luò)數(shù)據(jù)等結(jié)構(gòu)或非結(jié)構(gòu)化數(shù)據(jù)的分析處理，借助Hadoop平臺及相應(yīng)的數(shù)據(jù)挖掘算法模型可實現(xiàn)圖書館際間大規(guī)模的結(jié)構(gòu)或非結(jié)構(gòu)化的數(shù)據(jù)挖掘分析。

4.4應(yīng)用服務(wù)層

應(yīng)用服務(wù)層通常包括應(yīng)用接口和應(yīng)用服務(wù)兩部分功能。應(yīng)用接口負(fù)責(zé)面向用戶的認(rèn)證、管理、任務(wù)提交以及任務(wù)結(jié)果的返回等服務(wù)。應(yīng)用服務(wù)為不同的訪問介質(zhì)提供了不同的訪問接口，使用戶可以通過門戶網(wǎng)站、移動終端或其他專用終端等，訪問和利用云數(shù)據(jù)挖掘服務(wù)。

5　結(jié)語

云計算環(huán)境下，館際聯(lián)盟內(nèi)的合作內(nèi)容已不再滿足基于館藏資源的基礎(chǔ)業(yè)務(wù)，正主動尋求在知識化、智能化、個性化等方面服務(wù)功能的拓展協(xié)作。筆者鑒于現(xiàn)有館際間協(xié)同數(shù)據(jù)挖掘應(yīng)用研究的現(xiàn)狀和云計算環(huán)境下圖書館大數(shù)據(jù)的采集、存儲、處理等優(yōu)勢，分析了館際聯(lián)盟內(nèi)協(xié)同數(shù)據(jù)挖掘的主要發(fā)展趨勢，提出館際間協(xié)同數(shù)據(jù)挖掘的體系結(jié)構(gòu)，以加強(qiáng)館際聯(lián)盟內(nèi)業(yè)務(wù)數(shù)據(jù)、用戶行為數(shù)據(jù)、科研數(shù)據(jù)等方面挖掘協(xié)作，積極創(chuàng)新館際聯(lián)盟的協(xié)同發(fā)展模式，從而提升館際聯(lián)盟的核心競爭力。

參考文獻(xiàn)：

［1］Roussean R.A view on big data and its relation to informetrics［J］.chinese Journal of Library and Information Science，2012（3）：12-26.

［2］Corral S.Roles and responsibilities：Libraries，librarians and data［M］//Pryorg.Managing Research Data.London：Facet Publishing，2012.

［3］OCLC WorldCat? Discovery Services support［EB/OL］．［2016-02-14］.http：//www.oclc.org/support/services/discovery.en.html.

［4］OCLC to launch linked data linked data pilot with seven leading libraries［EB/OL］.［2016-01-20］.http：// www.oclc.org/en-US/news/realeases/2015/201526dublin. html.

［5］曾建勛，魏來.大數(shù)據(jù)時代的情報學(xué)變革［J］.情報學(xué)報，2015（1）：37-44.

［6］Digital Book World．New start-up aims to be google analytics for e-books［EB/OL］.［2014-05-20］.http：//www.digitalbookworld.com/2012/new-start-up-aims-to-begoogle-analytics-for-e-books/.

［7］徐強(qiáng)，楊佳.閱讀大數(shù)據(jù)——圖書館聯(lián)合體的創(chuàng)新型數(shù)據(jù)服務(wù)探索［J］.圖書館理論與實踐.2015（5）：1-25.

［8］鄧景康.大數(shù)據(jù)環(huán)境下清華大學(xué)圖書館的實踐［N］.中國新聞出版報，2013-08-29：5.

［9］VIVOWEB［EB/OL］.http：//vivoweb.org/，2016-02-10.

［10］清華大學(xué)學(xué)者庫［EB/OL］.http：//rid.lib.tsinghua.edu. cn/，2016-02-09.

唐維男，1981年生。碩士，副研究館員。研究方向：數(shù)字圖書館云計算。

田瑞雪女，1981年生。碩士，館員。研究方向：圖書館管理。

［分類號］G250.7

收稿日期：（2016-04-20；責(zé)編：徐向東。）

*本文系2016年度遼寧經(jīng)濟(jì)社會發(fā)展立項課題“基于數(shù)據(jù)挖掘技術(shù)的圖書館管理系統(tǒng)功能改善研究”（編號：20161s1ktzitsg-03）；2015年度遼寧省社會科學(xué)規(guī)劃基金重點項目“云計算環(huán)境下高校數(shù)字圖書館聯(lián)盟發(fā)展戰(zhàn)略研究”（編號：L15ATQ001）；2014年度遼寧省社會科學(xué)規(guī)劃基金青年項目“虛擬化技術(shù)在圖書館自動化管理中的應(yīng)用研究”（編號：L14CTQ006）；2015年度遼寧省圖書情報工作委員會基金項目“網(wǎng)絡(luò)環(huán)境下館際間協(xié)同服務(wù)研究”（編號：L2015002）成果。