大數(shù)據(jù)背景高校圖書館圖書管理信息化設(shè)計(jì)

劉淑麗

摘? 要：高校的教職工和在校學(xué)生是高校圖書館的主要服務(wù)對(duì)象，教師需要在圖書館中查尋有價(jià)值的資料，并結(jié)合實(shí)際運(yùn)用在教學(xué)中。學(xué)生通過高校圖書館查閱大量資料，拓寬自己的視野，豐富自己的知識(shí)。大數(shù)據(jù)時(shí)代的到來，帶來了許多新的變革。因此，許多行業(yè)都呈現(xiàn)了新的業(yè)態(tài)，大數(shù)據(jù)在高校圖書館的運(yùn)用，提高了管理的效率，也使得高校的圖書館里工作變得更加的方便快捷。其中高校圖書館的圖書管理更是受到了很大的影響， 由此開始由傳統(tǒng)的管理方式向信息化的方向轉(zhuǎn)變， 在管理模式上也有較大的創(chuàng)新。

關(guān)鍵詞：大數(shù)據(jù)? 圖書管理? 信息化

1? 大數(shù)據(jù)背景高校圖書館圖書管理信息化的意義

在原有的高校圖書館管理體系中，教職工和學(xué)生如果有信息資料的需求，需要用傳統(tǒng)的方法在大量的圖書資料中查找，既費(fèi)時(shí)又費(fèi)力，還不容易找到合適的資源，信息化時(shí)代信息類型多樣，具備各自的應(yīng)用價(jià)值，大數(shù)據(jù)時(shí)代的到來，高校圖書館創(chuàng)新圖書管理模式。建立專門的信息檢索渠道，提高了文獻(xiàn)資料的查找的效率[1]。

除此之外，以往的圖書館管理工作中的，對(duì)資料文獻(xiàn)的采購環(huán)節(jié)也是圖書館工作中的難題。由于信息的不對(duì)稱，采購的圖書資料一定程度上并不使用具體的需要。電影方面采購的效率也受到影響，有可能在這個(gè)過程中會(huì)發(fā)生圖書損壞現(xiàn)象。在大數(shù)據(jù)時(shí)代背景下[2]，使用大數(shù)據(jù)技術(shù)體系實(shí)現(xiàn)高校圖書館圖書管理信息化能夠深入挖掘有效信息，滿足師生的實(shí)際資源需求，不僅使服務(wù)面大大拓寬，而且學(xué)生獲取知識(shí)的渠道也更加廣泛。

2? 研究?jī)?nèi)容

2.1 數(shù)據(jù)分析

借助ETL將職工和學(xué)生借閱圖書的相關(guān)歷史數(shù)據(jù)進(jìn)行處理，將處理轉(zhuǎn)換出的數(shù)據(jù)作為數(shù)據(jù)挖掘的數(shù)據(jù)源，并對(duì)讀者借閱圖書的詳細(xì)信息和歷史記錄進(jìn)行數(shù)據(jù)分析。

2.2 數(shù)據(jù)挖掘

在數(shù)據(jù)挖掘算法的選擇上，最終選擇了聚類算法中的K-Means算法，通過對(duì)歷史數(shù)據(jù)進(jìn)行分析以期將讀者劃分為若干個(gè)相似的讀者群，在讀者群內(nèi)運(yùn)用關(guān)聯(lián)規(guī)則算法中的APRIORI算法對(duì)數(shù)據(jù)進(jìn)行挖掘，最后將挖掘結(jié)果作為個(gè)性化推薦的源數(shù)據(jù)。

2.3 圖書推薦系統(tǒng)

對(duì)職工和學(xué)生借閱圖書的相關(guān)歷史數(shù)據(jù)和對(duì)歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘產(chǎn)生的數(shù)據(jù)通過推薦算法實(shí)現(xiàn)用戶登陸圖書借閱系統(tǒng)后根據(jù)相關(guān)規(guī)則自動(dòng)化與智能化推薦書籍的功能。

3? 數(shù)據(jù)分析

3.1 數(shù)據(jù)分析概述

數(shù)據(jù)分析是指采用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)大量數(shù)據(jù)進(jìn)行分析，提取出其中有用的信息并且形成結(jié)論的過程。在現(xiàn)實(shí)生活中，數(shù)據(jù)分析可幫助人們做出判斷，以便采取適當(dāng)行動(dòng)。

3.2 數(shù)據(jù)分析劃分

對(duì)數(shù)據(jù)分析可以歸納3個(gè)類別，分別是：描述性數(shù)據(jù)分析、探索性數(shù)據(jù)分析以及驗(yàn)證性數(shù)據(jù)分析。其中描述性數(shù)據(jù)分析為初級(jí)數(shù)據(jù)分析，其他2種數(shù)據(jù)分析方法相對(duì)高級(jí)。探索性分析重點(diǎn)在于數(shù)據(jù)當(dāng)中發(fā)現(xiàn)新的特征。而驗(yàn)證性數(shù)據(jù)分析重點(diǎn)在于驗(yàn)證已有假設(shè)真?zhèn)巫C明。其中描述性數(shù)據(jù)分析為我們工作中經(jīng)常應(yīng)用到的數(shù)據(jù)分析方法。

3.3 數(shù)據(jù)分析作用

數(shù)據(jù)分析是為了最大化地開發(fā)數(shù)據(jù)和發(fā)揮數(shù)據(jù)的作用。把隱藏在其中的一大批信息集中和提煉出來，總結(jié)出內(nèi)在規(guī)律。在商業(yè)領(lǐng)域中，數(shù)據(jù)分析能夠幫助企業(yè)進(jìn)行判斷和決策。

3.4 圖書管理中的數(shù)據(jù)分析

（1）將編目信息輸入數(shù)據(jù)庫用例的時(shí)序分析。

首先對(duì)圖書進(jìn)行掃描分析，根據(jù)高校的要求將圖書進(jìn)行整理與歸類，以便完成圖書的檢索功能。通過對(duì)所有圖書的檢索數(shù)據(jù)進(jìn)行處理分析，并把這些數(shù)據(jù)關(guān)聯(lián)結(jié)合起來生成其他數(shù)據(jù)信息，有效地解決日常檢索中的常見問題，最大限度地將信息進(jìn)行歸類、整理和儲(chǔ)存。

（2）圖書卡發(fā)放回收的時(shí)序分析。

因?yàn)槊磕甓紩?huì)有高校新生的到來和畢業(yè)生的離去。圖書館的讀者信息在一個(gè)動(dòng)態(tài)變化狀態(tài)，通過對(duì)借閱數(shù)據(jù)的處理分析、可以動(dòng)態(tài)地濾除過期的讀者信息，并增加新的借閱信息。

4? 數(shù)據(jù)挖掘

4.1 數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘一般指從大量數(shù)據(jù)中自動(dòng)搜索出隱藏其中的特殊關(guān)系型信息的過程，數(shù)據(jù)挖掘在技術(shù)上的定義是指從有噪聲的、大量的、隨機(jī)的和不完全的數(shù)據(jù)中提取出隱含在其中的、事先并不知道的但又有潛在的有用信息和知識(shí)的過程。數(shù)據(jù)挖掘目前是人工智能和數(shù)據(jù)庫領(lǐng)域研究的熱點(diǎn)問題，主要基于人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫、可視化技術(shù)等。

4.2 數(shù)據(jù)挖掘過程

數(shù)據(jù)挖掘首先需要從相關(guān)的數(shù)據(jù)源中選取所需的數(shù)據(jù)并整合成用于數(shù)據(jù)挖掘的數(shù)據(jù)集，然后用某種方法從大量數(shù)據(jù)中將數(shù)據(jù)集所隱含的規(guī)律找出來，最終以用戶可以理解方式展現(xiàn)出來，比如可視化和報(bào)表[3]。

4.3 數(shù)據(jù)挖掘主要算法

數(shù)據(jù)挖掘的算法主要分為6類，分別為分類分析、聚類分析、關(guān)聯(lián)分析、時(shí)間序列分析、預(yù)測(cè)分析和偏差分析。

算法中的分類算法應(yīng)用是將事先已經(jīng)存在的數(shù)據(jù)進(jìn)行建模，然后對(duì)新的數(shù)據(jù)進(jìn)行分類，而聚類算法則并不存在已知結(jié)果，而是從大量數(shù)據(jù)中挖掘它們的共性，將大量數(shù)據(jù)聚類到集中類別。

4.4 圖書管理中的數(shù)據(jù)挖掘

4.4.1 借閱行為模式與讀者群分析

（1）孤立點(diǎn)分析。對(duì)讀者群進(jìn)行分析，分析的主要依據(jù)來源于讀者的以往借閱習(xí)慣，通過以往歷史數(shù)據(jù)的核查，從而推薦可能受歡迎的圖書。

（2）聚類統(tǒng)計(jì)。結(jié)合讀者借閱記錄以及讀者的群體性特征，通過聚類算法對(duì)數(shù)據(jù)進(jìn)行挖掘從而獲得讀者的行為規(guī)則。

4.4.2 個(gè)性化服務(wù)工作

（1）關(guān)聯(lián)規(guī)則分析。借助讀者的借閱記錄數(shù)據(jù)以及借閱圖書數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系進(jìn)行分析，從而推算讀者的具體需要以便為不同群體讀者提供各自需求的服務(wù)。

（2）時(shí)間序列分析。通過分析讀者的借閱時(shí)間數(shù)據(jù)和借閱順序數(shù)據(jù)，分析讀者的借閱習(xí)慣，以便為讀者推薦合適類型的圖書。

4.4.3 文獻(xiàn)排架管理方面

借助數(shù)據(jù)挖掘技術(shù)對(duì)所有借閱歷史記錄數(shù)據(jù)進(jìn)行處理分析，得出一個(gè)在館圖書的受歡迎程度、讀者群體的閱讀習(xí)慣和圖書借閱類型的分析結(jié)果。這有利于圖書資源的合理調(diào)配，提升了在館圖書的利用率[4]。

5? 個(gè)性化推薦系統(tǒng)

5.1 個(gè)性化推薦系統(tǒng)概述

推薦系統(tǒng)通過發(fā)掘用戶的行為數(shù)據(jù)，得到用戶潛在的個(gè)性化需求，從而將物品準(zhǔn)確推薦給需要它的用戶，幫助用戶找到他們感興趣但很難發(fā)現(xiàn)的物品。高質(zhì)量的推薦系統(tǒng)能夠使用戶對(duì)系統(tǒng)產(chǎn)生依賴，因此，推薦系統(tǒng)不僅能為用戶提供個(gè)性化服務(wù)，還能與用戶建立長(zhǎng)期穩(wěn)定的關(guān)系，提高用戶忠誠度并防止用戶流失。系統(tǒng)總體設(shè)計(jì)如圖1所示。

5.2 推薦系統(tǒng)一般構(gòu)建過程

（1）通過用戶行為數(shù)據(jù)建立用戶模型。

（2）通過物品的基本信息數(shù)據(jù)建立推薦對(duì)象模型。

（3）通過用戶興趣匹配物品的特征信息數(shù)據(jù)，再經(jīng)過推薦算法計(jì)算篩選，找到用戶可能感興趣的推薦對(duì)象，然后推薦給用戶。

5.3 推薦系統(tǒng)主要算法分類

推薦的算法可以分為兩個(gè)類別：第一個(gè)類別是基于物品的推薦算法，依靠的是基于用戶得對(duì)A較感興趣，然后推薦A以及和A相關(guān)的B物品。第二個(gè)類別是基于用戶的推薦算法。依靠的是為用戶推薦和他興趣相近的其他用戶選擇。

5.4 圖書管理中的個(gè)性化推薦

基于借閱圖書人員行為的協(xié)同過濾，首先根據(jù)搜索的關(guān)鍵詞和歷史借閱數(shù)據(jù)等做推薦，然后考察是否滿足實(shí)際用戶的需求，再對(duì)推薦列表進(jìn)行動(dòng)態(tài)更新;基于社交關(guān)系的推薦主要側(cè)重于其相同或者相似專業(yè)的讀者具有什么讀書愛好，據(jù)此對(duì)推薦列表進(jìn)行更新[5]。

6? 結(jié)語

圖書館在任何一所高校都具有非同尋常的意義，具有不可小覷的作用，最重要的是其館藏資源對(duì)于師生提供了重要的知識(shí)支撐。目前圖書館大多數(shù)仍舊處于落后的傳統(tǒng)管理系統(tǒng)，并不能有效地針對(duì)每個(gè)用戶提供個(gè)性的服務(wù)。并且，隨著圖書資源數(shù)量的急劇增加和知識(shí)更新速度的不斷加快，如何對(duì)圖書館產(chǎn)生的歷史數(shù)據(jù)進(jìn)行有效的處理分析、如何讓準(zhǔn)確高效地向讀者提供所需要的圖書，也是圖書館無法避免也應(yīng)當(dāng)積極去做的事情。

參考文獻(xiàn)

[1] 孫軍艷，張博，陳智瑞，等.基于數(shù)據(jù)挖掘的圖書管理系統(tǒng)分析與應(yīng)用[J].智庫時(shí)代，2019（22）：113-114.

[2] 張力鵬.基于用戶興趣變化的高校圖書館個(gè)性化圖書推薦技術(shù)的研究與實(shí)現(xiàn)[D].遼寧大學(xué)，2017.

[3] 管巧珍.淺談數(shù)據(jù)挖掘的圖書館個(gè)性化推薦系統(tǒng)研究及應(yīng)用[J].才智，2018（20）：225.

[4] 李娟.高校圖書館信息管理系統(tǒng)分析[J].當(dāng)代教育實(shí)踐與教學(xué)研究，2018（7）：93-94.

[5] 李會(huì)艷.數(shù)據(jù)挖掘技術(shù)在高職院校圖書管理中的應(yīng)用[J].農(nóng)業(yè)圖書情報(bào)學(xué)刊，2015，27（3）：65-68.