基于個(gè)性化服務(wù)的高效圖書館大數(shù)據(jù)挖掘與決策分析體系構(gòu)建研究

尚玉梅

摘要：為了提高圖書館管理系統(tǒng)在使用過程中的個(gè)性化和智能推薦需求，通過分析大數(shù)據(jù)挖掘?qū)嵤┓桨?，選擇合適的數(shù)據(jù)挖掘工具，對(duì)圖書信息進(jìn)行預(yù)處理，并結(jié)合支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)算法建立了個(gè)性化圖書信息推薦服務(wù)方案，然后進(jìn)行系統(tǒng)功能需求分析和系統(tǒng)整體架構(gòu)分析，最后進(jìn)行了實(shí)例展示和分析。研究發(fā)現(xiàn)：采用改進(jìn)的SVM算法來實(shí)現(xiàn)圖書館的個(gè)性化數(shù)據(jù)挖掘，支持向量機(jī)算法在使用過程中具有監(jiān)督的、可擴(kuò)展和非線性的高效特性，能夠?qū)崿F(xiàn)非線性的多核心數(shù)據(jù)聚類效果，從而提高數(shù)據(jù)挖掘的學(xué)習(xí)能力;利用BP神經(jīng)網(wǎng)絡(luò)對(duì)處理后的數(shù)據(jù)樣本進(jìn)行適應(yīng)性訓(xùn)練，用戶在使用過程中給予一定的正向反饋，該決策分析體系根據(jù)反饋結(jié)果進(jìn)行不斷的自主學(xué)習(xí)并更新和優(yōu)化樣品數(shù)據(jù)，實(shí)現(xiàn)了一個(gè)閉合的良性循環(huán);通過對(duì)設(shè)計(jì)的個(gè)性化圖書館推薦服務(wù)系統(tǒng)使用體驗(yàn)調(diào)查發(fā)現(xiàn)：選A的讀者占比為58%，選B的讀者占35%，說明在使用過程中對(duì)于該個(gè)性化推薦系統(tǒng)滿意度超過了90%，能夠?yàn)樽x者用戶提供一定的借閱便利。

關(guān)鍵詞：圖書館;大數(shù)據(jù)挖掘;決策分析;個(gè)性化

中圖分類號(hào)：TP315

文獻(xiàn)標(biāo)志碼：A

ResearchonConstructionofEfficientLibraryBigDataMiningand

DecisionAnalysisSystemBasedonPersonalizedService

SHANGYumei

（

Library，ShanxiVocationalandTechnicalCollege，Xian710038，China

）

Abstract：Inordertoimprovetheuseoflibrarymanagementsystemintheprocessofpersonalizedandintelligentrecommendedrequirements，thisarticle，throughtheanalysisoflargedataminingplan，selectstheappropriatedataminingtoolstopreprocessthebooksinformation，andcombinessupportvectormachineandneuralnetworkalgorithmtoestablishpersonalizedbookinformationrecommendationserviceplan.Thenthesystemfunctiondemandanalysisandoverallsystemarchitectureanalysisarecompleted.Finallytheinstanceanalysisiscarriedoutanddisplayed.ItisfoundthattheimprovedSVMalgorithmcanbeusedtorealizepersonalizeddatamininginthelibrary，andtheSVMalgorithmhasthecharacteristicsofsupervised，extensibleandnonlinearefficiencyintheprocessofuse，andcanachievethenonlinearmulticoredataclusteringeffect，soastoimprovethelearningabilityofdatamining.Thedecisionanalysissystemcancontinuouslyindependentlylearn，updateandoptimizethesampledataaccordingtothefeedbackresults.Thusitachievesaclosedvirtuouscircle.Throughtheinvestigationontheuserexperienceofthedesignedpersonalizedlibraryrecommendationservicesystem，itisfoundthattheproportionofreaderswhochooseAis58%，andthatofreaderswhochooseBis35%，indicatingthatthesatisfactionofthepersonalizedrecommendationsystemexceeds90%，whichcanprovidecertainborrowingconvenienceforreadersandusers.

Keywords：library;bigdatamining;decisionanalysis;personalization

0引言

移動(dòng)互聯(lián)網(wǎng)和人工智能的發(fā)展對(duì)于信息的甄別效率有的新的要求，現(xiàn)代社會(huì)迫切需要在海量信息沖擊下如何在短時(shí)間內(nèi)獲取自己感興趣或者想要的信息[1]。近年來，智慧校園概念的提出便是智能化推薦和個(gè)性化定制需求的一個(gè)實(shí)踐方向。校園活動(dòng)過程中，圖書館是學(xué)生和教師在工作和生活中必不可少的一個(gè)場景，傳統(tǒng)的圖書館管理系統(tǒng)由于信息交互機(jī)制較為傳統(tǒng)，學(xué)生在海量圖書信息中很難尋找自己感興趣的書籍，因此如何實(shí)現(xiàn)在高校圖書館的個(gè)性化推薦服務(wù)，精確獲取讀者的閱讀行為、構(gòu)建興趣點(diǎn)數(shù)據(jù)庫，并以此分析潛在用戶的閱讀需求是具有現(xiàn)實(shí)意義的[23]。研究發(fā)現(xiàn)，關(guān)于個(gè)性化服務(wù)的圖書館管理系統(tǒng)在國外的研究相對(duì)較早，并且具備了一定理論和應(yīng)用研究基礎(chǔ)，例如美國華盛頓大學(xué)的gateway系統(tǒng)[4]，康奈爾大學(xué)的library系統(tǒng)[5]，這些系統(tǒng)通常包含資源推送、定制推薦、學(xué)科導(dǎo)覽和文獻(xiàn)傳遞等模板，這些定制化的圖書館管理系統(tǒng)極大了提高了師生的學(xué)習(xí)效率并在美國高校得到迅速推廣。

然而，不少研究者指出康奈爾大學(xué)的Library系統(tǒng)還是存在一定缺陷[68]。例如缺乏主動(dòng)推薦服務(wù)，服務(wù)內(nèi)容較為單一，深度較淺，并且信息資源和服務(wù)項(xiàng)目的協(xié)同集成效用較低，主動(dòng)檢索功能缺乏等。針對(duì)這一問題，本文提出基于大數(shù)據(jù)挖掘和決策分析系統(tǒng)，用于構(gòu)件一個(gè)更加智能的個(gè)性化高效圖書館管理系統(tǒng)。

1大數(shù)據(jù)挖掘?qū)嵤┓桨?/p>

1.1數(shù)據(jù)挖掘工具選擇

數(shù)據(jù)挖掘是一種典型的面向應(yīng)用的數(shù)據(jù)處理和分析技術(shù)，是較為新穎的數(shù)據(jù)處理方式。目前國際上已經(jīng)開發(fā)出較多大型數(shù)據(jù)處理技術(shù)，從用戶使用角度看，數(shù)據(jù)挖掘技術(shù)可以快速為用戶提供有用的數(shù)據(jù)信息，現(xiàn)階段開發(fā)出的數(shù)據(jù)挖掘工具較多，例如IBM公司的DB2，SAS公司的SASETS，SPSS公司的SPSSModeler以及Oracle公司的神經(jīng)網(wǎng)絡(luò)等[9]。本文的研究中選取SPSSModer工具進(jìn)行應(yīng)用開發(fā)，該工具是較為先進(jìn)的數(shù)據(jù)挖局技術(shù)，能夠把用戶從繁雜的編程作業(yè)中解放出來。

1.2數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理包括三部分：空白數(shù)據(jù)預(yù)處理、重復(fù)數(shù)據(jù)預(yù)處理和關(guān)鍵字預(yù)處理[1015]。首先，選取圖書館一年內(nèi)的圖書借閱和查詢數(shù)據(jù)，進(jìn)行編碼和歸類，將這些原始數(shù)據(jù)導(dǎo)出為excel。然后，由于數(shù)據(jù)挖掘過程中預(yù)處理的數(shù)據(jù)會(huì)有一些空白數(shù)據(jù)，對(duì)于數(shù)據(jù)挖掘的準(zhǔn)確性造成影響，因此本文將無法充填的空白數(shù)據(jù)進(jìn)行刪除來確保數(shù)據(jù)的準(zhǔn)確性，或者對(duì)空白數(shù)據(jù)進(jìn)行逐條的補(bǔ)充書籍信息用于補(bǔ)全;對(duì)于重復(fù)借出的數(shù)據(jù)同樣保留一條信息和借出次數(shù)，用于提高數(shù)據(jù)挖掘的效率和清晰度，防止數(shù)據(jù)挖掘過程的重復(fù)識(shí)別;最后選取不同類型關(guān)鍵字段進(jìn)行數(shù)據(jù)挖掘，其中讀者用戶的關(guān)鍵挖掘字段，如表1所示。

1.3數(shù)據(jù)挖掘?qū)崿F(xiàn)

采用改進(jìn)的SVM算法來實(shí)現(xiàn)圖書館的個(gè)性化數(shù)據(jù)挖掘過程，建立面向多維度的圖書館個(gè)性化模型，然后轉(zhuǎn)化為附帶懲罰因子的無限制經(jīng)驗(yàn)最小化模型，用于改進(jìn)支持向量機(jī)的算法[1617]。支持向量機(jī)算法在使用過程中具有監(jiān)督的、可擴(kuò)展和非線性的高效特性，能夠?qū)崿F(xiàn)非線性的多核心數(shù)據(jù)聚類效果，從而提高數(shù)據(jù)挖掘的學(xué)習(xí)能力。通過分析圖書館數(shù)據(jù)挖掘的特征，本文設(shè)計(jì)高效圖書館的懲罰因子為無限制經(jīng)驗(yàn)損失最小化原則，其實(shí)現(xiàn)函數(shù)如式（1）。

f（x，y）=min

[SX（]λ2[SX）]ω2+[SX（]1m[SX）]

[DD（][DD）]l（ω，（x，y））

（1）

式中，f（x，y）代表數(shù)據(jù)挖掘結(jié)果;λ表示迭代周期;ω代表空間唯獨(dú)函數(shù)，x和y分別為數(shù)據(jù)挖掘字段。

通過公式（1）映射處理，將多維度下的附帶懲罰因子所帶來的損失降低，從而簡化為一個(gè)單一約束條件下的極值問題，然后進(jìn)一步利用向量機(jī)函數(shù)將問題平滑問不受約束的優(yōu)化機(jī)制，從而得到本文所需要的訓(xùn)練樣本。

2決策分析體系構(gòu)建

為了更進(jìn)一步獲取用戶真正感興趣的圖書信息，本文引入基于模糊綜合評(píng)價(jià)法的決策分析體制機(jī)制，其具體實(shí)施流程，如圖1所示。

實(shí)施過程中，首先利用BP神經(jīng)網(wǎng)絡(luò)對(duì)處理后的數(shù)據(jù)樣本進(jìn)行適應(yīng)性訓(xùn)練，深層次結(jié)構(gòu)上形成用戶隱形的興趣輸入層和模糊規(guī)程訓(xùn)練層，然后進(jìn)行模糊推理獲取模糊值，模糊值經(jīng)過模糊化結(jié)構(gòu)辨識(shí)后輸出實(shí)際值推送給用戶隱形決策分析機(jī)制中，用戶在使用過程中給予一定的正向反饋，該決策分析體系根據(jù)反饋結(jié)果進(jìn)行不斷的自主學(xué)習(xí)并更新和優(yōu)化樣品數(shù)據(jù)，從而獲取了不斷優(yōu)化和更加個(gè)性化的圖書推薦服務(wù)。這一決策分析評(píng)價(jià)體系通過接口輸送至支持向量機(jī)的算法中，實(shí)現(xiàn)了一個(gè)閉合的良性循環(huán)。

3個(gè)性化推薦服務(wù)系統(tǒng)設(shè)計(jì)

3.1個(gè)性化數(shù)據(jù)挖掘功能需求

通過分析和研究目前高校圖書館在圖書信息使用過程中的問題，認(rèn)為需要完善一下功能需求：

（1）讀者群體聚類分析，由于高校人數(shù)龐雜，專業(yè)分工明確，對(duì)圖書館的讀者進(jìn)行聚類分析是非常有必要并且可行的。通過對(duì)讀者的專業(yè)、興趣愛好等進(jìn)行聚類，可以將其分成若干讀者大群，便于進(jìn)行針對(duì)性的數(shù)據(jù)挖掘和個(gè)性化推薦。

（2）關(guān)聯(lián)分析，每一個(gè)讀者大群代表著一類具有相同興趣愛好或者專業(yè)背景的用戶群體，利用支持向量機(jī)的算法進(jìn)行關(guān)聯(lián)分析，當(dāng)群體中讀者對(duì)某一本圖書的借閱量較多時(shí)，推薦該圖書給群體內(nèi)的讀者具有很高的準(zhǔn)確度。

（3）中圖分類號(hào)分析，我國建立了完善的圖書分類編號(hào)，引入中圖分類號(hào)進(jìn)行圖書分類，極大提高了圖書的檢索效率，便于尋找同一類型圖書的關(guān)聯(lián)關(guān)系，同時(shí)還方便了圖書的整理和排架工作。

3.2系統(tǒng)整體架構(gòu)設(shè)計(jì)

系統(tǒng)采用B/S開發(fā)環(huán)境，能夠最大限度的降低用戶成本，作為實(shí)現(xiàn)統(tǒng)一客戶端的服務(wù)器管理模式[1820]。基于Web瀏覽器，本文根據(jù)實(shí)際圖書管理需要，開發(fā)出功能完善三層架構(gòu)模式，其基礎(chǔ)的體系架構(gòu)圖，如圖2所示。

用戶界面層：讀者通過賬戶密碼登錄系統(tǒng)后，一方面能夠更新個(gè)人基本資料，還能夠通過界面查詢圖書信息，包括歷史閱讀信息、歷史借閱信息等。同時(shí)，在使用系統(tǒng)過程中讀者能夠看到相關(guān)的圖書關(guān)聯(lián)推薦，獲取感興趣的圖書資料。

數(shù)據(jù)處理層：管理員通過后臺(tái)進(jìn)行分析，將讀者的借閱進(jìn)行進(jìn)行數(shù)據(jù)挖掘和關(guān)聯(lián)分析，分別存入不同的讀者大群，當(dāng)不同群的讀者登錄后就會(huì)根據(jù)其所在的身份進(jìn)行個(gè)性化推薦，從而滿足讀者的借閱和搜尋需求，系統(tǒng)中的讀者關(guān)聯(lián)挖掘一般1一個(gè)月進(jìn)行一次。

數(shù)據(jù)庫層：是系統(tǒng)最底層結(jié)構(gòu)，本文采用MySQL數(shù)據(jù)庫，由微軟公司研發(fā)，該數(shù)據(jù)庫在可靠性、穩(wěn)定性和安全性方面占據(jù)主要優(yōu)勢，同時(shí)能夠提供外部各類數(shù)據(jù)接口并存儲(chǔ)系統(tǒng)類的圖書數(shù)據(jù)。MySQL數(shù)據(jù)庫中的DataMinning屬于一類商務(wù)數(shù)據(jù)智能挖掘技術(shù)，能夠從當(dāng)前的圖書數(shù)據(jù)中獲取個(gè)性化推薦和展示。

3.3數(shù)據(jù)庫設(shè)計(jì)

（1）數(shù)據(jù)庫的實(shí)體描述

圖書館管理系統(tǒng)的數(shù)據(jù)庫設(shè)計(jì)中，首先分析數(shù)據(jù)字典中的數(shù)據(jù)存儲(chǔ)進(jìn)行分析，確定數(shù)據(jù)庫表，然后分析各數(shù)據(jù)存儲(chǔ)之間的關(guān)聯(lián)關(guān)系，便于建立圖書管理系統(tǒng)數(shù)據(jù)庫，通常采用E-R圖進(jìn)行數(shù)據(jù)結(jié)構(gòu)分析。圖書館管理系統(tǒng)的E-R圖，如圖3所示。

（2）數(shù)據(jù)庫表設(shè)計(jì)

本文所采用的數(shù)據(jù)庫為MySQL，其作用是存放圖書管理所需要的基本信息，包括管理員信息表、讀者信息表和書籍信息表等等，由于該系統(tǒng)是基于學(xué)校圖書館原有系統(tǒng)開發(fā)而成，因此基礎(chǔ)數(shù)據(jù)將定期從圖書館系統(tǒng)更新到推薦系統(tǒng)中。下面對(duì)其中比較主要的表結(jié)構(gòu)列舉如下。該信息表用于存放圖書館管理員的基本信息，包括ID、工號(hào)，姓名，性別，電話，住址。在已創(chuàng)建的數(shù)據(jù)庫library中，創(chuàng)建wardon表，添加字段，如表2所示。

該信息表用于存放讀者的基本信息，包括學(xué)號(hào)，姓名，性別，電話，專業(yè)，生效時(shí)間，失效時(shí)間。在已創(chuàng)建的數(shù)據(jù)庫library中，創(chuàng)建reader表，添加字段如表3所示。

該信息表用于存儲(chǔ)圖書信息，包括書號(hào)，書名，作者，出版社，出版時(shí)間，存放位置，簡介，在館狀態(tài)，是否被預(yù)約借閱。在已創(chuàng)建的數(shù)據(jù)庫library中，創(chuàng)建book表，添加字段如表4所示。

3.4實(shí)例展示與分析

為評(píng)價(jià)個(gè)性化推薦系統(tǒng)的實(shí)用效果，設(shè)定現(xiàn)在改系統(tǒng)內(nèi)借閱過圖書的讀者，利用系統(tǒng)的大數(shù)據(jù)挖掘算法查看推薦結(jié)果。從圖3中可以看到，當(dāng)用戶輸入自己想要的書籍名稱后，首先在搜索框內(nèi)便會(huì)展現(xiàn)該類圖書的歷史搜索結(jié)果。那么根據(jù)算法其推薦的圖書為《一千零一夜波斯王子與中國公

主》、《一千零一夜天國之夢(mèng)》和《一千零一夜阿拉丁神燈》等，

系統(tǒng)推薦的圖書與該讀者借閱圖書相似度較高，如圖4所示。

為驗(yàn)證該圖圖書個(gè)性化推薦系統(tǒng)的用戶群體滿意度，本文在某高校圖書館使用該系統(tǒng)后的1年后對(duì)該系統(tǒng)運(yùn)行過程中，針對(duì)圖書推薦體驗(yàn)進(jìn)行了滿意度問卷調(diào)查，問卷調(diào)查主要有以下四個(gè)選項(xiàng)：

C：系統(tǒng)推薦的圖書大部分不符合我的閱讀興趣，我很少借閱;

D：系統(tǒng)推薦的圖書不知道為什么都不是我感興趣的。

發(fā)送調(diào)查問卷150人，回收問卷132人，回收率88%，調(diào)查結(jié)果見圖4.調(diào)查發(fā)現(xiàn)選A的讀者占比為58%，選B的讀者占35%，說明在使用過程中對(duì)于該個(gè)性化推薦系統(tǒng)滿意度超過了90%，能夠?yàn)樽x者用戶提供一定的借閱便利，如圖5所示。

4總結(jié)

為解決傳統(tǒng)高效圖書館管理系統(tǒng)在查閱文獻(xiàn)和圖書信

息效率低下，缺乏智能化推薦功能的現(xiàn)象，本文通過分析現(xiàn)有的大數(shù)據(jù)挖掘工具并融入決策分析體系，建立了圖書館個(gè)性化推薦服務(wù)系統(tǒng)設(shè)計(jì)平臺(tái)，并進(jìn)行了實(shí)例展示和分析，得出以下結(jié)論：

（1）采用改進(jìn)的SVM算法來實(shí)現(xiàn)圖書館的個(gè)性化數(shù)據(jù)挖掘，支持向量機(jī)算法在使用過程中具有監(jiān)督的、可擴(kuò)展和非線性的高效特性，能夠?qū)崿F(xiàn)非線性的多核心數(shù)據(jù)聚類效果，從而提高數(shù)據(jù)挖掘的學(xué)習(xí)能力。

（2）利用BP神經(jīng)網(wǎng)絡(luò)對(duì)處理后的數(shù)據(jù)樣本進(jìn)行適應(yīng)性訓(xùn)練，用戶在使用過程中給予一定的正向反饋，該決策分析體系根據(jù)反饋結(jié)果進(jìn)行不斷的自主學(xué)習(xí)并更新和優(yōu)化樣品數(shù)據(jù)，這一決策分析評(píng)價(jià)體系通過接口輸送至支持向量機(jī)的算法中，實(shí)現(xiàn)了一個(gè)閉合的良性循環(huán)。

（3）通過對(duì)設(shè)計(jì)的個(gè)性化圖書館推薦服務(wù)系統(tǒng)使用體驗(yàn)調(diào)查發(fā)現(xiàn)：選A的讀者占比為58%，選B的讀者占35%，說明在使用過程中對(duì)于該個(gè)性化推薦系統(tǒng)滿意度超過了90%，能夠?yàn)樽x者用戶提供一定的借閱便利。

參考文獻(xiàn)

[1]

趙興華.數(shù)據(jù)挖掘在高校圖書館個(gè)性化推薦服務(wù)中的應(yīng)用[J].電腦知識(shí)與技術(shù)，2020，16（4）：56.

[2]蒲曄芬.基于動(dòng)態(tài)更新的圖書館移動(dòng)用戶行為模型研究[J].微型電腦應(yīng)用，2020，36（1）：102103.

[3]潘峻.基于雙向LSTM的圖書分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].信息技術(shù)，2020，44（1）：6770.

[4]賀海俠.基于VRML的虛擬交互圖書館信息管理系統(tǒng)研究[J].信息技術(shù)，2019，43（12）：131134.

[5]吳文臣.數(shù)據(jù)挖掘技術(shù)在圖書館推薦系統(tǒng)中的應(yīng)用研究[J].電腦知識(shí)與技術(shù)，2019，15（33）：241242.

[6]喬雅，吳琳.基于協(xié)同過濾推薦算法的圖書館智慧服務(wù)模式研究[J].微型電腦應(yīng)用，2019，35（11）：150153.

[7]張永強(qiáng).基于文本相似度比較的高校圖書館個(gè)性化圖書推薦研究與實(shí)現(xiàn)[J].青海師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，35（3）：8591.

[8]陳豪.個(gè)性化推薦方法在高校圖書館書目推薦中的應(yīng)用研究[D].貴陽：貴州財(cái)經(jīng)大學(xué)，2019.

[9]李賀，侯力鐵，祝琳琳.移動(dòng)圖書館情景感知信息推薦服務(wù)用戶接受行為研究[J].圖書情報(bào)工作，2019，63（12）：94104.

[10]王振.基于R指數(shù)的高校圖書館核心圖書推薦模型研究[D].濟(jì)南：山東大學(xué)，2019.

[11]李志.基于深度學(xué)習(xí)的學(xué)術(shù)論文推薦研究[D].南京：南京航空航天大學(xué)，2019.

[12]崔金環(huán)，解海.微信的移動(dòng)圖書館APP自動(dòng)服務(wù)系統(tǒng)設(shè)計(jì)研究[J].自動(dòng)化與儀器儀表，2020（2）：132134.

[13]王晉月.圖書館電子移動(dòng)設(shè)備借閱信息自適應(yīng)提取方法[J].自動(dòng)化與儀器儀表，2019（12）：8790.

[14]時(shí)冬梅，張藝婕.圖書館書目數(shù)據(jù)自動(dòng)采集模型構(gòu)建[J].自動(dòng)化與儀器儀表，2019（8）：9194.

[15]彭珍.我國公共圖書館智慧服務(wù)研究[D].長沙：湘潭大學(xué)，2019.

[16]張艷霞.大數(shù)據(jù)時(shí)代高職院校圖書館的服務(wù)功能研究[D].石家莊：河北師范大學(xué)，2019.

[17]喬蕊.以理工科為主的高校圖書館圖書個(gè)性化推薦方法研究[D].北京：北京工業(yè)大學(xué)，2019.

[18]廖云璐.公共數(shù)字文化工程服務(wù)質(zhì)量評(píng)價(jià)與對(duì)策研究[D].南昌：南昌大學(xué)，2019.

[19]周秋霞，楊春杰.基于物聯(lián)網(wǎng)技術(shù)的智慧圖書館監(jiān)控管理系統(tǒng)設(shè)計(jì)[J].自動(dòng)化與儀器儀表，2018（11）：8588.

[20]劉淑娟.網(wǎng)絡(luò)環(huán)境下圖書館學(xué)術(shù)信息資源數(shù)據(jù)庫的建設(shè)[J].自動(dòng)化與儀器儀表，2018（6）：3536.

（收稿日期：2020.03.27）