基于數(shù)據(jù)挖掘的中小學(xué)圖書館管理分析

◆龍懿　田馨　代倩

基于數(shù)據(jù)挖掘的中小學(xué)圖書館管理分析

◆龍懿田馨代倩

近年來，各地中小學(xué)圖書館信息化管理發(fā)展迅速?；诮逃畔⒒尘埃褂脭?shù)據(jù)挖掘方法，采用聚類分析、關(guān)聯(lián)規(guī)則兩種算法對真實(shí)數(shù)據(jù)進(jìn)行探索，從而為圖書館管理提供科學(xué)依據(jù)、為資源的有效配置提供借鑒。

數(shù)據(jù)挖掘；中小學(xué)圖書館；圖書館信息化

10.3969/j.issn.1671-489X.2016.13.076

1　前言

數(shù)據(jù)挖掘也稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)（KDD，Knowledge Discovery in Database）［1］，于1989年被正式提出，之后伴隨著信息化的迅速發(fā)展，數(shù)據(jù)挖掘作為一門綜合學(xué)科的技術(shù)知識，也獲得快速發(fā)展。簡單地說，數(shù)據(jù)挖掘就是通過對數(shù)據(jù)的各種分析，得出有用的信息。然而它又不同于傳統(tǒng)的統(tǒng)計(jì)分析。傳統(tǒng)的統(tǒng)計(jì)分析是對數(shù)據(jù)進(jìn)行帶有某種目的的處理分析，數(shù)據(jù)挖掘是對數(shù)據(jù)進(jìn)行綜合處理，發(fā)現(xiàn)其中未知的、隱含的知識。這是一種新的分析處理手段，也是目前大數(shù)據(jù)處理中流行的分析方法，結(jié)果往往會超出傳統(tǒng)認(rèn)知，從而發(fā)現(xiàn)新的知識。其經(jīng)典案例有通過對美國超市銷售數(shù)據(jù)的分析，發(fā)現(xiàn)每周五晚上買啤酒的男士通常會購買尿不濕這一現(xiàn)象，之后營銷學(xué)和市場學(xué)再對這一結(jié)果進(jìn)行原因分析和營銷戰(zhàn)略分析。這種分析方式在信息化迅速發(fā)展的背景下，應(yīng)用領(lǐng)域廣泛，零售業(yè)、金融業(yè)、醫(yī)療教育行業(yè)等。

目前，國內(nèi)外已經(jīng)有大量的文獻(xiàn)研究將數(shù)據(jù)挖掘技術(shù)應(yīng)用于圖書管理，其中大多數(shù)以某個學(xué)校、某個圖書館或者某個連鎖書店為分析對象，還有一些研究立足于圖書閱讀與學(xué)生綜合素質(zhì)之間的關(guān)聯(lián)分析。本文以一個省級圖書管理平臺為分析對象，采用數(shù)據(jù)挖掘中的聚類分析和關(guān)聯(lián)規(guī)則兩種算法對平臺數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)其中未知的隱含信息，力求從更好地服務(wù)讀者、更方便地管理圖書、更有效地配置資源幾個方面提供可用信息。

2　數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)平臺我國教育部在2010年《國家中長期教育改革和發(fā)展規(guī)劃綱要（2010—2020年）》和2012年《教育信息化十年發(fā)展規(guī)劃（2010—2020年）》中均提到了中小學(xué)圖書館管理信息化問題，各省中小學(xué)圖書館管理信息化快速發(fā)展。圖書館信息化帶來龐大的數(shù)據(jù)，要想利用好這些數(shù)據(jù)來為中小學(xué)讀者、管理人員帶來更加有效的信息，就會面對幾個實(shí)際的問題：1）由于各地經(jīng)濟(jì)發(fā)展?fàn)顩r等不完全一致，客觀表現(xiàn)不一，中小學(xué)圖書館建設(shè)情況各不相同；2）中小學(xué)圖書館各自歸屬不一樣，數(shù)據(jù)庫建設(shè)標(biāo)準(zhǔn)各有不同；3）部分學(xué)校圖書館信息化建設(shè)平臺已經(jīng)完成，但錯誤信息較多、使用較少；4）對已經(jīng)運(yùn)行較好的圖書館信息化系統(tǒng)積累的大量數(shù)據(jù)的利用不足。

四川省教育廳于2012年結(jié)合全省實(shí)際情況，在相關(guān)政策的指導(dǎo)下，開始建立省級圖書管理平臺，涵蓋全省所有中小學(xué)圖書館的館藏?cái)?shù)據(jù)和流通數(shù)據(jù)。該平臺幫助全省各中小學(xué)圖書館信息化工作的開展，通過建設(shè)管理平臺，全省各中小學(xué)圖書館一方面統(tǒng)一建設(shè)標(biāo)準(zhǔn)，另一方面發(fā)現(xiàn)糾正數(shù)據(jù)庫錯誤，形成真實(shí)有效的圖書館數(shù)據(jù)信息。

數(shù)據(jù)選取本研究數(shù)據(jù)均采集于四川省省級圖書管理平臺，時間窗口定于2012年9月到2014年12月。通過對全省圖書信息化的調(diào)研分析，決定采用圖書信息化實(shí)際發(fā)展差距不大的區(qū)域進(jìn)行分析挖掘。以省會城市的數(shù)據(jù)為例采集數(shù)據(jù)，同時將其按照主城區(qū)和周邊城區(qū)兩個部分進(jìn)行拆分，對兩個部分的數(shù)據(jù)采用相同的數(shù)據(jù)挖掘算法進(jìn)行分析，挖掘不同區(qū)域的信息，同時可以結(jié)合數(shù)據(jù)挖掘的結(jié)果進(jìn)行對比分析。

本研究將選用圖書館代碼、圖書館所屬城市、圖書分類號、書名、作者、借閱人姓名、借閱人性別、借閱時間、歸還時間等19個維度進(jìn)行挖掘分析，詳見表1數(shù)據(jù)挖掘字段。

圖書分類方法采用中圖法基本分類：A—馬克思主義、列寧主義、毛澤東思想、鄧小平理論；N—自然科學(xué)總論；B—哲學(xué)、宗教；O—數(shù)理科學(xué)和化學(xué)；C—社會科學(xué)總論；P—天文學(xué)、地球科學(xué)；D—政治、法律；Q—生物科學(xué)；E—軍事；R—醫(yī)藥、衛(wèi)生；F—經(jīng)濟(jì)；S—農(nóng)業(yè)科學(xué)；G—文化、科學(xué)、教育、體育；T—工業(yè)技術(shù)；H—語言、文字；U—交通運(yùn)輸；I—文學(xué)；V—航空、航天；J—藝術(shù)；X—環(huán)境科學(xué)、安全科學(xué)；K—?dú)v史、地理；Z—綜合性圖書。

3　數(shù)據(jù)挖掘分析

數(shù)據(jù)挖掘主要包括兩個方面，一是挖掘結(jié)構(gòu)，一個是挖掘算法。需要從挖掘結(jié)構(gòu)中獲得相應(yīng)數(shù)據(jù)，然后再使用算法進(jìn)行分析。數(shù)據(jù)挖掘的算法很多，如決策樹算法、聚類分析算法、關(guān)聯(lián)算法、時序算法和線性回歸算法等，大多數(shù)算法都能達(dá)到幾種不同的功能，在實(shí)際運(yùn)用中，根據(jù)不同需要，采用不同的數(shù)據(jù)挖掘方法，比如人工神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)分析、遺傳算法、聚類分析等。本文主要采用聚類分析和關(guān)聯(lián)分析兩種方法，針對以上選取數(shù)據(jù)進(jìn)行分析。

聚類分析聚類分析（Clustering Analysis）是一組將研究對象分為相對同質(zhì)的群組的統(tǒng)計(jì)分析技術(shù)，按照它們的屬性上的親疏遠(yuǎn)近進(jìn)行分類，也可以說聚類分析是將物理或抽象對象的集合分組成為由類似的對象組成的多個類別的分析過程。

聚類分析在圖書館文獻(xiàn)研究中，通常選用年齡、學(xué)歷、收入等量化指標(biāo)進(jìn)行聚類情況，本文將從圖書類別、性別和借閱時間（月）三個維度進(jìn)行聚類，嘗試發(fā)掘新的知識點(diǎn)。

主城區(qū)聚類分析根據(jù)主城區(qū)數(shù)據(jù)中性別、借閱時間和圖書類別進(jìn)行聚類，自動分成了10類，從聚類結(jié)果的分類剖面圖可以看到各個變量的整體情況，比如從性別來看，中小學(xué)圖書館的借閱情況中，幾乎男女借閱比例是五五比例，全年來看，借書月份按照從多到少排列，依次是12、11、10、3這幾個月，12月是借書最多的月份。借書類別按照從多到少，依次是I、J、H、G類，其中最大的則為I類——文學(xué)類圖書，但是分別看各類的情況，則差異較大，具體如圖1所示。

表1　數(shù)據(jù)挖掘字段

圖1　主城區(qū)聚類分析分類剖面圖

分類1：借閱人性別幾乎都為男生，主要集中在10月和12月借書，借閱I類圖書最多。

分類2：借閱人性別都是女生，主要集中在11月份借書，借閱書籍I類最多。

分類3：借閱人性別均為女生，主要集中在12月份借書，借閱類型I類最多。

分類4：借閱人性別幾乎都為男生，借閱時間幾乎都是11月，借閱類型I類最多。

分類5：借閱人性別均為女生，借閱時間主要都為10月，借閱類型I類最多。

分類6：借閱人性別幾乎都為男生，但是沒有在最集中借閱的3、10、11、12幾個月中借閱，借閱類別最多的I類。

分類7：借閱人性別幾乎都為男生，但是沒有在最集中借閱的3、10、11、12幾個月中借閱，借閱類別最多的I類。

分類8：借閱人性別上女生稍微多一些，但是沒有在最集中借閱的3、10、11、12幾個月中借閱，借閱類別最多的I類。

分類9：借閱人90%為男生，主要集中在3月進(jìn)行借書，借書類型主要為I類。

分類10：借閱人性別基本為女生，都集中在3月份借書，其I類圖書借閱比例也是最高的。

非主城區(qū)聚類分析對非主城區(qū)進(jìn)行聚類，根據(jù)性別、借閱時間和圖書類別聚類結(jié)果，也自動聚類成為了10類。從聚類結(jié)果的分類剖面圖我們可以看到各個變量的整體情況，比如從性別來看，中小學(xué)圖書館的借閱情況中，幾乎男女借閱比例是均衡的，全年來看，借書月份按照從多到少排列，依次是12、6、11、10幾個月，12月是借書最多的月份。借書類別按照從多到少，依次是I、P、H、G類，其中最大的則為I類——文學(xué)類圖書，但是分別看到各類的情況，則差異較大，具體如圖2所示。

圖2　非主城區(qū)聚類分析分類剖面圖

分類1：借閱人性別都為女生，主要集中在12月借書，借閱I類圖書最多。

分類2：借閱人性別都是男生，主要集中在12月份借書，借閱書籍I類最多。

分類3：借閱人性別均為女生，主要集中在11月份借書，借閱類型I類最多。

分類4：借閱人性別都為男生，借閱時間以10月為主，借閱類型I類最多。

分類5：借閱人性別都為女生，但是沒有在最集中借閱的6、10、11、12幾個月中借閱，借閱類別最多的I類。

分類6：借閱人性別都是女生，主要集中在10月份借書，借閱書籍I類最多。

分類7：借閱人性別均為男生，但是沒有在最集中借閱的6、10、11、12幾個月中借閱，借閱類別最多的I類。

分類8：借閱人性別都為男生，大部分借閱時間以11月為主，借閱類型I類最多。

分類9：借閱人性別都是女生，主要集中在6月份借書，借閱書籍P類最多。

分類10：借閱人性別都為男生，大部分借閱時間以6月為主，借閱類型P類最多。

聚類結(jié)果分析總體上看，主城區(qū)借書的男女總體比例基本均衡，借書的時間集中月份分別是12、11、10、3幾個月，12月是借書最多的月份。借書類別主要集中在I、J、H、G類，其中最大的則為I類——文學(xué)類圖書。非主城區(qū)男女借書比例基本均衡，借閱時間和圖書種類兩個維度不同，如表2所示。

表2　主城區(qū)和非主城區(qū)聚類分析結(jié)果總體對照表

針對他們從總體上展現(xiàn)出來的不一樣，尤其是讀書的時間，雖然大體上都集中在12、11、10三個月，但是主城區(qū)3月借書的集中度排在第四，非主城區(qū)10月借書的集中度排在第二。

結(jié)合實(shí)際抽查訪問，學(xué)生集中年末借書，跟氣候、新的學(xué)期都很大關(guān)系，而3月和6月這兩個數(shù)字，分別說明兩個問題，主城區(qū)3月讀書，是因?yàn)樾聦W(xué)期開學(xué)和春天氣候適合閱讀，而非主城區(qū)6月借閱很多，卻主要是因?yàn)槭罴贂r間長，放假前學(xué)生假期閱讀計(jì)劃較多。

從兩個結(jié)果來看，大致可以推斷寒暑假對于主城區(qū)學(xué)生讀書影響不大，但是這個也體現(xiàn)了另外一個問題，寒暑假期間圖書館不對學(xué)生開放非常影響學(xué)生閱讀，也許寒暑假圖書館能夠繼續(xù)開放，我們能夠得到完全不一樣的結(jié)果。

我們再來看看借閱圖書的類別情況，其實(shí)也很有意思。雖然都是一個城市，但是主城區(qū)和非主城區(qū)竟然在借閱種類集中度排名第二的類別上發(fā)生了不一樣，主城區(qū)主要借閱類別集中度排名第二是J文藝，而非主城區(qū)借閱類別集中度排名第二是P天文、地球、科學(xué)。其他都一樣，第一名是I文學(xué)類，第三名是H語言文學(xué)類，第四名是文化科學(xué)、教育、體育類。

主城區(qū)中小學(xué)生對于藝術(shù)的愛好相對較高，可能跟城市氛圍有關(guān)，相對主城區(qū)的經(jīng)濟(jì)會較好，受到城市的藝術(shù)熏陶較多，畢竟通常主城區(qū)的藝術(shù)展會多于非主城區(qū)，而非主城區(qū)的孩子卻對天文、地球、科學(xué)產(chǎn)生濃厚興趣，也許跟他們相對主城區(qū)孩子，離自然更近的原因。

圖3　頻繁項(xiàng)集的樣例圖

圖4　主城區(qū)關(guān)聯(lián)規(guī)則圖（1）

關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則主要是挖掘?qū)ふ医o定數(shù)據(jù)集中，項(xiàng)之間的關(guān)聯(lián)或相關(guān)度，揭示某種數(shù)據(jù)項(xiàng)間的未知依賴關(guān)系，運(yùn)用關(guān)聯(lián)規(guī)則可以從一個對象推斷另一個對象。比如之前提到的尿布和啤酒的故事，超市通過這個算法發(fā)現(xiàn)買尿布的也會買啤酒，這種情況不是事先能夠想到然后進(jìn)行驗(yàn)證，產(chǎn)生關(guān)聯(lián)規(guī)則的方法是找出數(shù)據(jù)庫中的頻繁項(xiàng)集，然后由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則，為了判斷關(guān)聯(lián)規(guī)則的有效性。這種情況不是事先能夠想到然后進(jìn)行驗(yàn)證，產(chǎn)生關(guān)聯(lián)規(guī)則的方法是找出數(shù)據(jù)庫中的頻繁項(xiàng)集，然后由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則，為了判斷關(guān)聯(lián)規(guī)則的有效性，通常采用三個指標(biāo)進(jìn)行評價，分別是支持度（Support）、可信度（Confidence）和提升度（Lift）。其三個指標(biāo)的含義分別是，支持度（Support）指的是對象包含的產(chǎn)品同時出現(xiàn)的概念；可信度（Confidence）指的是一個產(chǎn)品出現(xiàn)的同時，另一個產(chǎn)品出現(xiàn)的幾率；提升度（Lift）是兩種可能性的比較，也就是已知一個產(chǎn)品出現(xiàn)的同時，另外一種產(chǎn)品也出現(xiàn)的可能性，與任意情況下，這兩個產(chǎn)品出現(xiàn)的可能性的概率比值或者差值。

圖5　主城區(qū)關(guān)聯(lián)規(guī)則圖（2）

圖6　非主城區(qū)關(guān)聯(lián)規(guī)則項(xiàng)集圖

本研究將從以上三個指標(biāo)挖掘主城區(qū)和非主城區(qū)圖書類別借閱之間的關(guān)聯(lián)關(guān)系。

主城區(qū)關(guān)聯(lián)分析基于關(guān)聯(lián)規(guī)則挖掘模型對主城區(qū)的數(shù)據(jù)分析處理，可以獲得復(fù)雜的項(xiàng)集及其依賴關(guān)系網(wǎng)絡(luò)，如圖3所示。

圖3是頻繁項(xiàng)集的樣例圖，顯示了關(guān)聯(lián)規(guī)則算法所挖掘出來的頻繁項(xiàng)集，即是哪些類別的書出現(xiàn)的情況頻繁支持度?？梢钥吹?，J、G、I類的支持度最大，為3862。根據(jù)其支持度從大到小排名，組合前十的為JGI、HGI、HJI、ZGI、KGI、ZJI、KJI、BGI、ZHZ、KHZ。

對于主城區(qū)的關(guān)聯(lián)規(guī)則圖，圖4是按照重要性從重到輕進(jìn)行了排序的，“重要性”指的是其后顯示的預(yù)測規(guī)則可能的重要性。而圖5是按照“概率”由大到小進(jìn)行了排序的，“概率”就是指一個規(guī)則為真實(shí)的可能性。綜合來看，主城區(qū)圖書借閱不存在明顯的關(guān)聯(lián)規(guī)則。

非主城區(qū)關(guān)聯(lián)分析基于關(guān)聯(lián)規(guī)則挖掘模型對主城區(qū)的數(shù)據(jù)分析處理，可以獲得復(fù)雜的項(xiàng)集及其依賴關(guān)系網(wǎng)絡(luò)，如圖6所示。

這幅圖是頻繁項(xiàng)集的樣例圖，顯示了關(guān)聯(lián)規(guī)則算法所挖掘出來的頻繁項(xiàng)集，即是非主城區(qū)哪些類別的書出現(xiàn)的情況頻繁支持度。可以看到I類一直獨(dú)秀，支持度最大，為10274。

圖7　非主城區(qū)關(guān)聯(lián)規(guī)則圖（1）

圖8　非主城區(qū)關(guān)聯(lián)規(guī)則圖（2）

從非主城區(qū)常關(guān)聯(lián)規(guī)則中置信度展示圖分析，就是圖7中的重要性指標(biāo)，按照從大到小的順序進(jìn)行排序，可以清楚地看到每一種置信度的大?。▓D8）。從數(shù)據(jù)來看，借閱I類和H類后再去借閱F類圖書的置信度是最大的。

關(guān)聯(lián)結(jié)果分析關(guān)聯(lián)規(guī)則分析需要結(jié)合多個指標(biāo)，對產(chǎn)生的關(guān)聯(lián)規(guī)則進(jìn)行實(shí)際分析。我們在概念發(fā)生為100%里面重要性最高的規(guī)則進(jìn)行實(shí)際分析。

主城區(qū)的關(guān)聯(lián)結(jié)果顯示借了Z綜合類圖書和F經(jīng)濟(jì)類圖書的最容易再借G文化科學(xué)、教育、體育類圖書；非主城區(qū)結(jié)果顯示借了I類文學(xué)和H類語言文學(xué)類最可能借閱P天文、地球、科學(xué)類圖書。

從這兩個結(jié)果來看，非主城區(qū)的結(jié)果容易與聚類分析結(jié)果相聯(lián)系，因?yàn)樵诜侵鞒菂^(qū)在聚類分析時也顯示出一個特點(diǎn)就是：中小學(xué)生閱讀傾向明顯在I、H、P這三類，再結(jié)合產(chǎn)生的這個關(guān)聯(lián)規(guī)則，說明非主城區(qū)中小學(xué)的圖書借閱類型比較固定，我們可以更加廣泛的增加他們的興趣愛好度。

再看看主城區(qū)的結(jié)果，Z類綜合圖書和F類經(jīng)濟(jì)圖書都不在聚類分析的最受歡迎的幾種類型圖書里面，雖然G類文化、教育、體育圖書進(jìn)入了閱讀類型集中度前四，但是也排在第四名，由此可以粗略的得出一個結(jié)論，主城區(qū)中小學(xué)學(xué)生圖書類別借閱關(guān)聯(lián)并不明顯。再次回到主城區(qū)關(guān)聯(lián)規(guī)則分析圖進(jìn)行分析，從重要性的從大到小到概率的從大到小，均沒有出現(xiàn)像非主城區(qū)那樣與聚類分析的類別集中度重合的類別出現(xiàn)。因此，大概可以得出一個結(jié)論，主城區(qū)中小學(xué)學(xué)生借閱圖書相對沒有太大的關(guān)聯(lián)性，個人閱讀集中度不高。

4　結(jié)論

數(shù)據(jù)挖掘技術(shù)在國際國內(nèi)發(fā)展都非常迅速，目前在我們國家教育信息化方面的實(shí)際應(yīng)用仍處于起步階段，本文首次采用這樣的方法分析基于一個省級圖書平臺的真實(shí)數(shù)據(jù)，分析維度不夠全面，望能起到拋磚引玉的作用。相信在數(shù)據(jù)挖掘應(yīng)用越來越廣泛的背景之下，對我國圖書教育資源的有效配置和管理，提高學(xué)生綜合素質(zhì)，減少工作人員工作強(qiáng)度，加強(qiáng)教育相關(guān)部門的管理控制都有重大意義。

［1］陳國青，衛(wèi)強(qiáng)，商務(wù)智能原理與方法［M］.北京：電子工業(yè)出版社，2009.9.

［2］Mark Levene， George Loizou. Why is the Snowfl ake Schema a good Data Warehouse Design［J］.Information System，2003（3）：225-240.

［3］徐瀾.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘在成人高校決策中的應(yīng)用［D］.上海交通大學(xué)碩士論文，2007：5-6.

［4］王清明.SQL Server 2005數(shù)據(jù)倉庫與Analysis Services ［M］.北京：清華大學(xué)出版社，2008.

［2］郭麗.SQL Server 2005構(gòu)建數(shù)據(jù)挖掘解決方案［J］.計(jì)算機(jī)與現(xiàn)代化，2007（5）：1.

G258.69

B

1671-489X（2016）13-0076-07

作者：龍懿、田馨、代倩，四川省教育廳技術(shù)物資裝備管理指導(dǎo)中心（610213）。