朱靜薇　李紅艷

〔摘要〕文章首先闡述了大數(shù)據(jù)的特征與內(nèi)涵，指出了大數(shù)據(jù)在圖書館工作中的重要性及兩者之間的關(guān)系，分析了大數(shù)據(jù)所帶來的數(shù)據(jù)管理、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)挖掘等方面的挑戰(zhàn)。然后研究了圖書館應(yīng)從數(shù)據(jù)管理、數(shù)據(jù)技術(shù)及數(shù)據(jù)隊(duì)伍建設(shè)上所采取的策略。最后探討了大數(shù)據(jù)驅(qū)動(dòng)下的圖書館服務(wù)新模式，如基于數(shù)據(jù)整合的一站式資源服務(wù)，基于數(shù)據(jù)處理的學(xué)科知識服務(wù)、信息可視化服務(wù)及基于數(shù)據(jù)挖掘的個(gè)性化智慧服務(wù)。

〔關(guān)鍵詞〕大數(shù)據(jù)；數(shù)據(jù)處理；數(shù)據(jù)挖掘；數(shù)據(jù)服務(wù)；圖書館

DOI：10.3969/j.issn.1008-0821.2013.05.003

〔中圖分類號〕G250〔文獻(xiàn)標(biāo)識碼〕A〔文章編號〕1008-0821（2013）05-0009-05

隨著社會(huì)高速的發(fā)展，泛互聯(lián)網(wǎng)的進(jìn)程加快，數(shù)據(jù)量的增加已經(jīng)到達(dá)了前所未有的速度。Facebook每天生成300TB（注：1024GB=1TB；1024TB=1PB；1024PB=1EB；1024 EB=1ZB）以上的日志數(shù)據(jù)，Google公司每個(gè)月處理的數(shù)據(jù)量超過400PB，百度每天約處理幾十PB數(shù)據(jù)，淘寶網(wǎng)每天交易能產(chǎn)生約20TB數(shù)據(jù)[1]。根據(jù)國際數(shù)據(jù)公司IDC 2011年發(fā)布的Digital Universe Study，全球信息總量每過2年，就會(huì)增長1倍。僅在2011年，全球被創(chuàng)建和被復(fù)制的數(shù)據(jù)總量為18ZB，且每年以60%增加，2020年全球每年產(chǎn)生的數(shù)字信息將達(dá)到35ZB[2]。數(shù)據(jù)的爆炸式增長超出人們的想象，“大數(shù)據(jù)”（Big Data）時(shí)代已經(jīng)來臨。大數(shù)據(jù)是繼云計(jì)算、物聯(lián)網(wǎng)以后，信息科技等行業(yè)又一次大的技術(shù)變革。

最早提出“大數(shù)據(jù)”概念是麥肯錫公司（Mckinsey and Company）。2011年5月，麥肯錫公司在大數(shù)據(jù)的報(bào)告中指出[3]：數(shù)據(jù)已經(jīng)滲透到每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，逐漸成為重要的生產(chǎn)因素。其后，大數(shù)據(jù)迅速成為政府及信息科技等行業(yè)關(guān)注的熱點(diǎn)。2012年3月，美國政府啟動(dòng)“大數(shù)據(jù)研究和發(fā)展計(jì)劃”，將“大數(shù)據(jù)研究”上升為國家戰(zhàn)略高度[4]；一些著名企業(yè)如IBM、EMC、Microsoft開始對大數(shù)據(jù)進(jìn)行研究。大數(shù)據(jù)最典型的應(yīng)用是在沃爾瑪公司利用大數(shù)據(jù)技術(shù)創(chuàng)造的“啤酒與尿布”的經(jīng)典商業(yè)案例[5]?；ヂ?lián)網(wǎng)企業(yè)Google及Facebook之所以取得令人矚目的成績，其核心的本質(zhì)就是其公司記錄和分析了用戶網(wǎng)絡(luò)操作的大數(shù)據(jù)，從而精確掌握用戶行為、形成預(yù)判。圖書館是信息搜集、存儲(chǔ)和進(jìn)行知識服務(wù)的機(jī)構(gòu)。在大數(shù)據(jù)時(shí)代下，如何進(jìn)行數(shù)據(jù)管理；如何以“大數(shù)據(jù)”為基礎(chǔ)，幫助用戶從海量的數(shù)據(jù)中快捷發(fā)現(xiàn)與獲取信息資源；如何挖掘用戶行為特征，實(shí)現(xiàn)個(gè)性化、定制化的智慧服務(wù)等等都是圖書館面臨的新的挑戰(zhàn)與機(jī)遇。本文對此進(jìn)行了深入的分析與研究，主要闡述了大數(shù)據(jù)帶給圖書館的影響與挑戰(zhàn)，分析了大數(shù)據(jù)對圖書館的重要性，重點(diǎn)探討了圖書館的大數(shù)據(jù)建設(shè)若干策略及圖書館的大數(shù)據(jù)服務(wù)模式。

1大數(shù)據(jù)的特征與內(nèi)涵

什么是大數(shù)據(jù)？目前，還沒有一個(gè)統(tǒng)一的定義，簡單一點(diǎn)可以理解為超出傳統(tǒng)數(shù)據(jù)管理工具處理能力的大規(guī)模、復(fù)雜的數(shù)據(jù)集合。IBM公司認(rèn)為大數(shù)據(jù)具有“3V”特點(diǎn)，即種類（Variety）多、速度（Velocity），快、容量（Volume）大[6]。但以IDC為代表的業(yè)界將其歸納為具有“4V”特征——海量（Volume）、多樣性（Variety）、高速（Velocity）和易變性（Variability）。不管是“3V”，還是“4V”，其內(nèi)涵包含了以下這些特性。第一，數(shù)據(jù)體量巨大?！按蟆笔侵笖?shù)據(jù)規(guī)模，一般指在10TB規(guī)模以上的數(shù)據(jù)量。一部《史記》，共526 500字，約1MB數(shù)據(jù)，一組用于基因研究的染色體照片數(shù)據(jù)量超過2TB。第二，數(shù)據(jù)類型繁多。這種類型的多樣性也讓數(shù)據(jù)被分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)?；ヂ?lián)網(wǎng)的迅猛發(fā)展，現(xiàn)在的數(shù)據(jù)類型早已不是單一的文本形式，還包含了大量的網(wǎng)絡(luò)日志、微博、視頻、圖片、郵件等大量的半結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)。第三，價(jià)值密度低。價(jià)值密度的高低與數(shù)據(jù)總量的大小成反比。大數(shù)據(jù)中有很多垃圾，有很多不相關(guān)的信息，只有一些有用的信息隱藏在大數(shù)據(jù)信息里面。以視頻為例，一部一小時(shí)的視頻監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅只有一兩秒。第四，處理速度快。大數(shù)據(jù)里面很多是實(shí)時(shí)數(shù)據(jù)，像微博、社會(huì)網(wǎng)絡(luò)、SNS這些，要求它進(jìn)行立竿見影的分析和處理，而不是事后追訴。

隨著信息化建設(shè)的發(fā)展，圖書館除了本身包含的大量數(shù)字資源外，日益增長的電子資源，高速網(wǎng)絡(luò)及移動(dòng)圖書館的普及，云計(jì)算、RFID、語義網(wǎng)、社交網(wǎng)絡(luò)等新技術(shù)的發(fā)展提供了廣泛的數(shù)據(jù)來源，圖書館正在迎接大數(shù)據(jù)時(shí)代的到來。

21各種電子資源（電子書刊，多媒體資源等）的積累，給圖書館提供了海量數(shù)據(jù)信息技術(shù)的發(fā)展極大地促進(jìn)了圖書館數(shù)字資源的生產(chǎn)，形成了包括電子圖書、電子期刊、數(shù)據(jù)庫、音視頻資源、網(wǎng)絡(luò)資源在內(nèi)的海量數(shù)字資源，電子資源種類和數(shù)量正在超越紙本資源。據(jù)調(diào)查，全球新產(chǎn)出的信息量每3年翻一番，大約90%的信息都是以數(shù)據(jù)形式儲(chǔ)存。截至2011年底，中文網(wǎng)頁數(shù)量達(dá)866億個(gè)，年增長率達(dá)443%。文獻(xiàn)的出版方式發(fā)生巨大的變化，數(shù)字出版日益普及，截至2010年底，中國電子書總量已達(dá)115萬種，年新增18萬種。單獨(dú)出版的數(shù)字報(bào)已達(dá)700份以上，電子期刊已近萬種。2010年底，清華圖書館機(jī)房有110臺服務(wù)器，集中存儲(chǔ)170TB，國家圖書館資源總量達(dá)到470TB。這些資源分布在不同的系統(tǒng)中，形態(tài)不同，組織方式各異，既包括傳統(tǒng)文獻(xiàn)的數(shù)字化，也包括各種類型的原生數(shù)字資源，還包括其它虛擬館藏等各種多媒體資源。各種電子資源的積累，給圖書館提供了海量數(shù)據(jù)。

22智能手機(jī)、高速網(wǎng)絡(luò)及移動(dòng)圖書館的普及， 使數(shù)據(jù)量呈現(xiàn)指數(shù)上升的趨勢信息技術(shù)、網(wǎng)絡(luò)技術(shù)迅猛發(fā)展，手機(jī)上網(wǎng)、數(shù)字電視等跨網(wǎng)絡(luò)等業(yè)務(wù)發(fā)展迅速。截至2011年底，我國網(wǎng)民人數(shù)達(dá)513億，互聯(lián)網(wǎng)普及率達(dá)383%，手機(jī)用戶已突破9億人，其中手機(jī)上網(wǎng)達(dá)356億，數(shù)字電視用戶超過1 000萬戶，以上為數(shù)字圖書館提供了基于多網(wǎng)絡(luò)平臺的信息傳輸途徑和服務(wù)渠道。近幾年，移動(dòng)設(shè)備如雨后春筍，智能手機(jī)、平板電腦為學(xué)習(xí)者提供了新的學(xué)習(xí)途徑，并以其它設(shè)備無法比擬的優(yōu)勢提高學(xué)習(xí)體驗(yàn)并與人產(chǎn)生更多的交互，使得數(shù)據(jù)快速增加。自2003年以來，移動(dòng)圖書館越來越普及，移動(dòng)閱讀，移動(dòng)搜索等服務(wù)類型也不斷增加。未來3年內(nèi)，移動(dòng)設(shè)備所產(chǎn)生的數(shù)據(jù)量呈現(xiàn)翻倍的趨勢。

23云計(jì)算、RFID、語義網(wǎng)、社交網(wǎng)絡(luò)等新技術(shù)的發(fā)展，為大數(shù)據(jù)提供了廣泛的數(shù)據(jù)來源云計(jì)算的到來，突破了傳統(tǒng)圖書館發(fā)展局限，超強(qiáng)的數(shù)據(jù)處理能力，信息資源的整合，動(dòng)態(tài)資源分配，簡化的IT結(jié)構(gòu)，云計(jì)算為大數(shù)據(jù)的誕生創(chuàng)造了物質(zhì)基礎(chǔ)。利用RFID技術(shù)，可實(shí)現(xiàn)圖書自動(dòng)借還，智能盤點(diǎn)，自動(dòng)分揀，圖書位置與信息的實(shí)時(shí)跟蹤導(dǎo)航。以Facebook、Twitter/微博為代表的社會(huì)網(wǎng)絡(luò)因?yàn)轶w現(xiàn)了開放、共享、參與、個(gè)性化、用戶驅(qū)動(dòng)等Web20特性而深入人心。語義網(wǎng)是人們經(jīng)過研究，期待已久，能夠使信息發(fā)生“革命”，從而上升到“知識”的技術(shù)。2009年，美國康奈爾大學(xué)和六家機(jī)構(gòu)籌建一個(gè)Facebook風(fēng)格的專業(yè)社交網(wǎng)絡(luò)——VIVO網(wǎng)，其宗旨是建立一個(gè)連接開發(fā)數(shù)據(jù)的語義Web?？茖W(xué)家通過VIVO網(wǎng)可以看到網(wǎng)絡(luò)中的研究人員正在進(jìn)行的其它科學(xué)研究，便于快捷地找到同行并建立聯(lián)系，致力于新的發(fā)現(xiàn)和創(chuàng)新。

由此可知，信息時(shí)代的發(fā)展使得圖書館具備大數(shù)據(jù)的特征?？茖W(xué)研究和科技創(chuàng)新越來越依賴于對數(shù)據(jù)的管理和利用，學(xué)科知識服務(wù)依賴于大數(shù)據(jù)的分析與挖掘。但是，要面臨的數(shù)據(jù)非常復(fù)雜，圖書館將遇到很多挑戰(zhàn)。

3大數(shù)據(jù)時(shí)代下圖書館的挑戰(zhàn)與建設(shè)策略

大數(shù)據(jù)不僅挑戰(zhàn)圖書館傳統(tǒng)的IT架構(gòu)與數(shù)據(jù)獲取、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理的模式，而且來自數(shù)據(jù)管理及數(shù)據(jù)應(yīng)用、數(shù)據(jù)服務(wù)對圖書館的挑戰(zhàn)將更為突出。但從潛在的機(jī)會(huì)看，數(shù)據(jù)量的增加為圖書館提供了精確把握用戶群體和個(gè)體網(wǎng)絡(luò)行為模式的基礎(chǔ)，如果能夠充分利用，就可以探索個(gè)性化，精確化和智能化地進(jìn)行推送和服務(wù)，幫助用戶從海量的信息中迅速找到所需要的信息，提升圖書館的數(shù)字知識服務(wù)水平，促進(jìn)數(shù)字圖書館領(lǐng)域的發(fā)展。當(dāng)前，圖書館的大數(shù)據(jù)挑戰(zhàn)主要集中在以下3個(gè)方面：

問題一：傳統(tǒng)的網(wǎng)絡(luò)架構(gòu)不適應(yīng)“大數(shù)據(jù)”時(shí)代

傳統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)是以用戶端向服務(wù)器發(fā)出請求，由服務(wù)器應(yīng)答返回結(jié)果給客戶的垂直結(jié)構(gòu)。而在大數(shù)據(jù)時(shí)代，這種垂直結(jié)構(gòu)的服務(wù)請求將變得越來越少，取而代之的是水平結(jié)構(gòu)的橫向請求服務(wù)?！按髷?shù)據(jù)”時(shí)代，大量的數(shù)據(jù)都存儲(chǔ)在分布廣泛、不同地域、各種類型的服務(wù)器中。當(dāng)用戶發(fā)出一個(gè)搜索或查詢請求時(shí)，最多的運(yùn)算是服務(wù)器之間的信息交換，最后將結(jié)果返回給用戶。傳統(tǒng)的網(wǎng)絡(luò)架構(gòu)已經(jīng)不能滿足大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)應(yīng)用需求。新一代網(wǎng)絡(luò)架構(gòu)要適應(yīng)Web20時(shí)代的水平服務(wù)應(yīng)用[7]。

問題二：數(shù)據(jù)中心將面臨巨大壓力

傳統(tǒng)的數(shù)據(jù)倉庫是通過ETL工具將數(shù)字資源中的數(shù)據(jù)抽取到數(shù)據(jù)倉庫進(jìn)行集中存儲(chǔ)和管理，然后組織數(shù)據(jù)進(jìn)一步從數(shù)據(jù)倉庫中讀取及訪問數(shù)據(jù)，并進(jìn)行數(shù)據(jù)分析。但在大數(shù)據(jù)時(shí)代，圖書館數(shù)據(jù)庫里的內(nèi)容不僅僅是多，而且結(jié)構(gòu)已發(fā)生了極大改變，不是以二維表的規(guī)范結(jié)構(gòu)存儲(chǔ)。大量的數(shù)據(jù)是非結(jié)構(gòu)化的辦公文檔、文本、圖片、XML、HTML、各類報(bào)表、圖片和音頻/視頻等，面臨如此大量的非結(jié)構(gòu)化數(shù)據(jù)，其移動(dòng)和修改將耗費(fèi)大量的人力物力，數(shù)據(jù)移動(dòng)代價(jià)太高，讀取效率也將越來越低。更多的網(wǎng)絡(luò)設(shè)備將同時(shí)訪問數(shù)據(jù)中心，傳統(tǒng)數(shù)據(jù)中心難以適應(yīng)快速變化，面臨巨大壓力[7]。

問題三：如何快速找到自已的資源，如何獲取、管理和分析這些用戶信息行為數(shù)據(jù)并加以利用及服務(wù)。

在大數(shù)據(jù)時(shí)代，用戶面對眾多圖書館的數(shù)據(jù)資源，深受大數(shù)據(jù)所帶來的困擾，很難方便、快捷、準(zhǔn)確地檢索到所需數(shù)據(jù)資料。2011年麥肯錫公司在報(bào)告中指出全球新的數(shù)據(jù)不斷增長，但是卻有875%的數(shù)據(jù)，并沒有形成真正的知識源以供研究人員利用[3]。

大數(shù)據(jù)時(shí)代，圖書館面臨大數(shù)據(jù)管理、技術(shù)和應(yīng)用等方面存在的問題和挑戰(zhàn)，對這些問題的思考，未來圖書館，是以數(shù)據(jù)為紐帶，其形態(tài)將從物理圖書館逐漸轉(zhuǎn)變?yōu)椤皵?shù)據(jù)圖書館”及“智慧圖書館”。由此，圖書館應(yīng)采取以下應(yīng)對策略：

31管理層次上：成立數(shù)據(jù)管理部門與機(jī)構(gòu)，制定數(shù)據(jù)管理政策、統(tǒng)一的標(biāo)準(zhǔn)及共享平臺大數(shù)據(jù)建設(shè)是一項(xiàng)有序的、動(dòng)態(tài)的、可持續(xù)發(fā)展的系統(tǒng)工程，必須建立良好的運(yùn)行機(jī)制，以促進(jìn)建設(shè)過程中各個(gè)環(huán)節(jié)的正規(guī)有序，實(shí)現(xiàn)統(tǒng)合，搞好頂層設(shè)計(jì)。為此，圖書館應(yīng)成立新的數(shù)據(jù)管理部門，負(fù)責(zé)數(shù)據(jù)管理，建立統(tǒng)一的數(shù)據(jù)獲取、使用、管理、分享的政策，加強(qiáng)校內(nèi)，外各部門的數(shù)據(jù)協(xié)調(diào)工作。如在美國高校中，現(xiàn)在有些學(xué)校如MIT、弗吉尼亞大學(xué)及康奈爾大學(xué)圖書館成立了專門的“研究數(shù)據(jù)管理服務(wù)工作組（RDMSG）”，負(fù)責(zé)有關(guān)數(shù)據(jù)管理中所涉及的問題：如元數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)共享和重用、數(shù)據(jù)管理計(jì)劃、處理數(shù)據(jù)版權(quán)和合理使用數(shù)據(jù)問題、舉辦知識產(chǎn)權(quán)、開放數(shù)據(jù)、開放科研等主題的培訓(xùn)和講座、研究數(shù)據(jù)知識庫的評估、管理、推介、導(dǎo)航服務(wù)等[8]。

32技術(shù)層次上：構(gòu)建圖書館大數(shù)據(jù)架構(gòu)，研究解決大數(shù)據(jù)采集、存儲(chǔ)，處理及分析相關(guān)技術(shù)問題大數(shù)據(jù)技術(shù)是指從各種各樣類型的巨量數(shù)據(jù)中，快速獲得有價(jià)值信息的技術(shù)。解決大數(shù)據(jù)問題的核心是大數(shù)據(jù)技術(shù)。迎戰(zhàn)大數(shù)據(jù)，進(jìn)行技術(shù)前傾是關(guān)鍵。要把大數(shù)據(jù)作為一系統(tǒng)工程來考慮，從數(shù)據(jù)采集，數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)處理，數(shù)據(jù)分析及數(shù)據(jù)應(yīng)用等方面考慮，構(gòu)成圖書館大數(shù)據(jù)架構(gòu)圖，見圖1。

在大數(shù)據(jù)技術(shù)中，從圖書館系統(tǒng)角度，主要解決下面幾方面的關(guān)鍵技術(shù)：

321大數(shù)據(jù)的統(tǒng)一表示及融合

圖書館大數(shù)據(jù)中包括越來越多不同格式的數(shù)據(jù)，從電子資源，到簡單的電子郵件、數(shù)據(jù)日志和閱讀記錄，社交網(wǎng)絡(luò)，再到實(shí)驗(yàn)等科研中收集到的科學(xué)研究數(shù)據(jù)以及豐富的媒體數(shù)據(jù)（包括課件，照片、音樂、視頻資源等），這些不同格式的數(shù)據(jù)也需要不同的處理方法，給我們處理數(shù)據(jù)帶來了一定麻煩。從某種意義上來說，目前表示數(shù)據(jù)的方法，不一定能直觀地展現(xiàn)出數(shù)據(jù)本身的意義。數(shù)據(jù)不整合就發(fā)揮不出大數(shù)據(jù)的重大價(jià)值。大數(shù)據(jù)面臨的一個(gè)基本問題是各種數(shù)據(jù)和信息能否規(guī)范、統(tǒng)一的表示及方便地融合，構(gòu)建文獻(xiàn)與數(shù)字資源體系。因此，要研究通過對海量的，來自異構(gòu)資源的數(shù)據(jù)和各種對象數(shù)據(jù)進(jìn)行抽取、映射、收割、導(dǎo)入等手段進(jìn)行預(yù)收集，歸并映射到一個(gè)標(biāo)準(zhǔn)表達(dá)式，進(jìn)行預(yù)聚合及融合，形成格式統(tǒng)一，內(nèi)容豐富、結(jié)構(gòu)清晰的數(shù)據(jù)，靈活構(gòu)建各種分類和界面，按照知識本體進(jìn)行組織和揭示，進(jìn)而保障強(qiáng)大高效的檢索能力和良好的結(jié)果相關(guān)度排序。

322解決大數(shù)據(jù)量存儲(chǔ)的問題

在大數(shù)據(jù)的挑戰(zhàn)問題中，大數(shù)據(jù)的第一個(gè)關(guān)鍵技術(shù)問題：就是對大數(shù)據(jù)的高效率存儲(chǔ)和訪問需求，對數(shù)據(jù)庫高可擴(kuò)展性和高可用性的需求，隨著數(shù)據(jù)庫技術(shù)以及云計(jì)算技術(shù)的迅猛發(fā)展，大規(guī)模數(shù)據(jù)存儲(chǔ)要借助非關(guān)系型的數(shù)據(jù)庫分析技術(shù)——NoSQL、MapReduce和Hadoop。它們的優(yōu)勢具有大規(guī)模并行處理、簡單易用等特點(diǎn)，非常適合非結(jié)構(gòu)數(shù)據(jù)處理，也成為大數(shù)據(jù)分析領(lǐng)域的主流技術(shù)。大數(shù)據(jù)存儲(chǔ)也可采用基于云計(jì)算的分布式存儲(chǔ)技術(shù)，利用分布式的數(shù)據(jù)云存儲(chǔ)技術(shù)和與之相關(guān)的虛擬技術(shù)使得整合后的圖書館海量數(shù)據(jù)更加統(tǒng)一有序，能夠方便快捷地通過網(wǎng)絡(luò)，根據(jù)需求訪問計(jì)算與存儲(chǔ)等服務(wù)。

323解決非結(jié)構(gòu)化數(shù)據(jù)的分析和挖掘的問題

大數(shù)據(jù)中包含數(shù)據(jù)信息量大且復(fù)雜多樣，因此數(shù)據(jù)分析和挖掘工作具有重要作用。傳統(tǒng)的數(shù)據(jù)挖掘?qū)﹃P(guān)系型數(shù)據(jù)，非結(jié)構(gòu)化的、半結(jié)構(gòu)化的數(shù)據(jù)顯得力不從心。對于圖書館大數(shù)據(jù)中，待處理的非結(jié)構(gòu)化數(shù)據(jù)與讀者興趣密切相關(guān)，通過分析讀者顯性行為和挖掘隱性行為，為讀者提供個(gè)性化服務(wù)。目前使用的推薦方法是基于內(nèi)容的推薦方法和協(xié)同過濾的推薦方法。協(xié)同過濾算法是目前最為成功的算法，但依然存在讀者興趣變化、數(shù)據(jù)稀疏性、讀者評分的真實(shí)性及差異性等問題，根據(jù)讀者信息數(shù)據(jù)構(gòu)建個(gè)性化讀者行為模型，結(jié)合基于讀者行為的協(xié)同過濾算法，挖掘模型中存在的規(guī)則，從而產(chǎn)生個(gè)性化服務(wù)值得研究。

33隊(duì)伍建設(shè)上：培養(yǎng)一支高素質(zhì)的數(shù)據(jù)管理的館員隊(duì)伍大數(shù)據(jù)環(huán)境下，圖書館傳統(tǒng)的管理模式、工作內(nèi)容、工作方式發(fā)生了本質(zhì)的變化。而目前不斷增長的數(shù)據(jù)共享和數(shù)據(jù)管理需求為圖書館服務(wù)開辟了新的領(lǐng)域，圖書館需要抓住這個(gè)機(jī)遇，盡快開展數(shù)據(jù)管理服務(wù)，拓展支持研究的服務(wù)內(nèi)容和能力，使圖書館員成為數(shù)據(jù)管理服務(wù)的提供者。美國國家科學(xué)委員會(huì)（NSB）提出的以數(shù)據(jù)獲取、處理、保存、分析、利用和可視化為職業(yè)的"數(shù)據(jù)科學(xué)家（Data Scientist）中，其中含信息與計(jì)算機(jī)科學(xué)家，學(xué)科專家、數(shù)據(jù)處理員及圖書館員等。美國研究圖書館協(xié)會(huì)也已提出，研究數(shù)據(jù)管理將成為下一代圖書館員的能力之一[9-10]。因此必須培養(yǎng)和造就一支懂技術(shù)、懂管理的大數(shù)據(jù)建設(shè)專業(yè)隊(duì)伍。當(dāng)前的任務(wù)是如何在現(xiàn)有基礎(chǔ)上，拓寬館員知識面，增強(qiáng)業(yè)務(wù)能力，培養(yǎng)出能滿足圖書館數(shù)據(jù)服務(wù)需求的高素質(zhì)的“數(shù)據(jù)館員”，并使之成為學(xué)科信息資源的組織者、傳播者、導(dǎo)航者、教育者，促進(jìn)圖書館事業(yè)更好的發(fā)展。

4基于大數(shù)據(jù)的圖書館的服務(wù)模式研究

大數(shù)據(jù)時(shí)代下的圖書館將從“物理圖書館”轉(zhuǎn)變?yōu)椤皵?shù)據(jù)圖書館”。圖書館服務(wù)不管是服務(wù)的方式、途徑、模式等也都將發(fā)生改變。從服務(wù)的理念上轉(zhuǎn)變?yōu)榛跀?shù)據(jù)的服務(wù)。以“大數(shù)據(jù)”為基礎(chǔ)，圍繞從數(shù)據(jù)匯聚到信息加工，知識服務(wù)，智慧服務(wù)的四個(gè)層次展開服務(wù)，見圖2。下面具體對數(shù)據(jù)驅(qū)動(dòng)下的圖書館的服務(wù)模式進(jìn)行分析研究。

41基于數(shù)據(jù)整合的一站式資源服務(wù)

大數(shù)據(jù)時(shí)代下，數(shù)據(jù)資源是海量的，理論上一個(gè)圖書館可以收集所有的數(shù)據(jù)資源，如各類文獻(xiàn)資源，科研成果，學(xué)術(shù)交流，甚至包括各種訪問，社交等日志信息等各種網(wǎng)絡(luò)資源等。但是，這些數(shù)據(jù)來源于不同的機(jī)構(gòu)知識庫或讀者個(gè)人，圖書館可以充分利用機(jī)構(gòu)優(yōu)勢有組織地通過對各類數(shù)據(jù)源的定位和連接，實(shí)現(xiàn)數(shù)據(jù)的采集、傳輸和匯聚。鼓勵(lì)讀者開放存取各種數(shù)字資源，使用戶不僅是資源的接受者和學(xué)習(xí)者，而且是資源的的發(fā)布者和貢獻(xiàn)者[11]。由于數(shù)據(jù)資源具有數(shù)量巨大、類型多樣、變化快、無序等特點(diǎn)，因此很有必要建立數(shù)據(jù)的統(tǒng)一標(biāo)準(zhǔn)，迎合對于飛速增長的異構(gòu)系統(tǒng)進(jìn)行有效整合的需求。提供資源之間的無縫鏈接，提供各種數(shù)據(jù)管理服務(wù)，包括存儲(chǔ)備份、元數(shù)據(jù)加工、數(shù)據(jù)發(fā)布，數(shù)據(jù)共享等。在數(shù)據(jù)的洪流中，異構(gòu)、分布和海量的各種數(shù)據(jù)資源得以匯聚及融合，形成中心知識庫，通過預(yù)索引的方式，為用戶提供快速，簡單，易用的資源發(fā)現(xiàn)及獲取服務(wù)，建立一站式數(shù)據(jù)資源服務(wù)平臺[8]。

42基于數(shù)據(jù)分析的學(xué)科知識服務(wù)

圖書館作為知識服務(wù)平臺，通過對匯集數(shù)據(jù)的加工整理，數(shù)據(jù)建模，提高數(shù)據(jù)的價(jià)值密度。探索以數(shù)據(jù)為基礎(chǔ)的知識發(fā)現(xiàn)分析，通過基于數(shù)據(jù)的增值服務(wù)，面向用戶、滿足用戶的學(xué)科知識需求，開展知識服務(wù)。如以學(xué)科為基礎(chǔ)，將不同學(xué)科用戶的檢索瀏覽下載的信息行為數(shù)據(jù)進(jìn)行分類；分析用戶檢索瀏覽下載的文獻(xiàn)（全文、摘要、關(guān)鍵詞）特征，加入時(shí)間緯度，歸納出某個(gè)學(xué)科某一時(shí)期的用戶感興趣的主題；利用數(shù)據(jù)挖掘、數(shù)據(jù)檢驗(yàn)、相關(guān)性分析、回歸分析、聚類分析、社會(huì)網(wǎng)絡(luò)分析等進(jìn)行學(xué)科熱點(diǎn)預(yù)測和交叉學(xué)科分析研究。構(gòu)建基于圖書館流通日志的圖書借閱數(shù)據(jù)倉庫維度模型，構(gòu)建基于OPAC日志點(diǎn)擊流數(shù)據(jù)倉庫，基于大數(shù)據(jù)的關(guān)聯(lián)關(guān)系分析，發(fā)現(xiàn)及展示學(xué)者、合作者、期刊、會(huì)議、文章之間的知識網(wǎng)絡(luò)；基于大數(shù)據(jù)的學(xué)科趨勢分析，通過對大數(shù)據(jù)的有序處理來提升圖書館服務(wù)的品質(zhì)。

43基于數(shù)據(jù)應(yīng)用的信息可視化服務(wù)

大數(shù)據(jù)中包含大量重要信息，人們期待進(jìn)行深層次分析，以便更好的從數(shù)據(jù)中發(fā)現(xiàn)知識。信息可視化作為一種關(guān)鍵服務(wù)理念與技術(shù)手段，在處理復(fù)雜異構(gòu)的圖書館大數(shù)據(jù)方面有很大的優(yōu)勢，能為用戶提供了一個(gè)方便易用的知識環(huán)境。如從檢索過程、檢索結(jié)果以及結(jié)果之間關(guān)系的角度實(shí)現(xiàn)主題可視化，到數(shù)據(jù)庫分布可視化、時(shí)間分布可視化和作者合著關(guān)系可視化。也可將信息可視化技術(shù)與科學(xué)計(jì)量學(xué)方法等相結(jié)合，生成具有各種屬性的科學(xué)地圖，表達(dá)學(xué)科、領(lǐng)域、專業(yè)、文獻(xiàn)、著者之間的關(guān)系，解釋知識領(lǐng)域的結(jié)構(gòu)、映射知識領(lǐng)域的發(fā)展趨勢，促進(jìn)信息獲取、使知識結(jié)構(gòu)更加明顯，將數(shù)據(jù)集中看不見的抽象數(shù)據(jù)和數(shù)據(jù)之間的語義關(guān)系以一種可視化的方式呈現(xiàn)在用戶場景中。讓用戶充分發(fā)掘信息資源中潛在的價(jià)值資源，幫助用戶更好地組織、分析與利用信息。信息可視化作為將信息有效組織、分析、揭示的一種新技術(shù)，為大數(shù)據(jù)提供了一種新的服務(wù)模式。

44基于數(shù)據(jù)挖掘的智慧服務(wù)

隨著讀者對知識需求的轉(zhuǎn)變，知識服務(wù)正在朝個(gè)性化，智慧化的方向發(fā)展。個(gè)性化服務(wù)是基于讀者對信息使用行為習(xí)慣及對信息的特定需求，是一種在分析預(yù)測用戶個(gè)體信息需求基礎(chǔ)上向用戶主動(dòng)提供其可能需求但又無法獲取的信息資源的服務(wù)方式，是解決海量信息困惑問題的重要方法。智慧服務(wù)是知識服務(wù)的升華。智慧服務(wù)則是建在知識服務(wù)基礎(chǔ)上的的創(chuàng)造性服務(wù)模式，是圖書館知識服務(wù)的核心。圖書館大數(shù)據(jù)存在大量的用戶信息行為產(chǎn)生的數(shù)據(jù)，如用戶查詢書目產(chǎn)生的OPAC日志，用戶借還書產(chǎn)生的流通日志數(shù)據(jù)，用戶檢索瀏覽下載電子資源產(chǎn)生的日志數(shù)據(jù)，用戶訪問產(chǎn)生的流量數(shù)據(jù)及各種社交網(wǎng)絡(luò)等。這些數(shù)據(jù)中除了用于記錄讀者的個(gè)人信息外，還隱藏著許多重要的信息，因此可通過對這些數(shù)據(jù)進(jìn)行挖掘分析，知識發(fā)現(xiàn)、智能代理等技術(shù)，描述用戶的行為，準(zhǔn)確定位讀者需求，向讀者提供主動(dòng)式推送服務(wù)，滿足其個(gè)性化的智能服務(wù)。

5結(jié)語

數(shù)字信息的爆炸式增長催生出“大數(shù)據(jù)”概念，正席卷整個(gè)IT相關(guān)行業(yè)，大數(shù)據(jù)已經(jīng)漸漸的滲入到了圖書情報(bào)工作中，挑戰(zhàn)與機(jī)遇同在。展望未來，大數(shù)據(jù)服務(wù)技術(shù)等熱點(diǎn)將不斷涌現(xiàn)，將對圖書館知識服務(wù)的拓展和深化帶來重大影響，未來的工作將是“數(shù)據(jù)驅(qū)動(dòng)”的圖書情報(bào)工作。本文重點(diǎn)探討了在大數(shù)據(jù)時(shí)代下圖書館的建設(shè)策略及基于大數(shù)據(jù)的一站式服務(wù)，學(xué)科知識及個(gè)性化智慧服務(wù)等服務(wù)模式。但是圖書館的大數(shù)據(jù)技術(shù)及服務(wù)是一項(xiàng)復(fù)雜的系統(tǒng)工程，涉及到數(shù)據(jù)管理的水平，數(shù)據(jù)處理的技術(shù)及數(shù)據(jù)服務(wù)的創(chuàng)新等等，均需要圖書館員的共同努力。

參考文獻(xiàn)

[1]李國杰.大數(shù)據(jù)研究的科學(xué)價(jià)值[J].中國計(jì)算機(jī)學(xué)會(huì)通訊，2012，（9）：8-15.

[2]海量數(shù)據(jù)爆發(fā)大數(shù)據(jù)時(shí)代來臨的五個(gè)轉(zhuǎn)變[EB/OL].http：∥labs.chinamobile.com/news/76217，2012-08-01.

[3]Big data：The next frontier for innovation，competition，and productivity[EB/OL].http∥www.mckinsey.com/Insights/MGI/Research/TechnologyandInnovation/BigdataThenextfrontierforinnovation，2011-05.

[4]Big Data is a Big Deal[EB/OL].http：∥www.whitehouse.gov/blog/2012/03/29/big-data-big-deal，2012-03-29.

[5]高勇.啤酒與尿布：神奇的購物籃分析[M].北京：清華大學(xué)出版社，2008.

[6]MapR and Informatica Combine to Conquer Volume，Variety and Velocity of Big Data[EB/OL].http：∥www.dbta.com/Articles/Editorial/News -Flashes/-MapR-and-Informatica-Join-Forces-to-Tackle-Volume-Variety-and-Velocity-of-Big-Data-81231.aspx，2012-07-21.

[7]王珊，王會(huì)舉，覃雄派，等.架構(gòu)大數(shù)據(jù)：挑戰(zhàn)、現(xiàn)狀與展望[J].計(jì)算機(jī)學(xué)報(bào)，2011，（10）：1741-1752.

[8]馬建玲，祝忠明，王楠，等.美國高校圖書館參與研究數(shù)據(jù)管理服務(wù)研究[J].圖書情報(bào)工作，2012，（21）：77-82.

[9]Geoffrey Little.MANAGING TECHNOLOGY·Managing the Data Deluge[J].The Journal of Academic Librarianship，2012，（5）：263-264.

[10]王學(xué)勤，Amy Stout，Howard Silver.建立數(shù)據(jù)驅(qū)動(dòng)的e-Science圖書館服務(wù)：機(jī)遇和挑戰(zhàn)[J].圖書情報(bào)工作，2011，（13）：80-83.

[11]張曉林，李麟，劉細(xì)文，等.開放獲取學(xué)術(shù)信息資源：逼近“主流化”轉(zhuǎn)折點(diǎn)[J].圖書情報(bào)工作，2012，（9）：42-47.

（本文責(zé)任編輯：馬卓）