倪偉燕

（菏澤學(xué)院，山東 菏澤 274000）

基于數(shù)據(jù)挖掘技術(shù)為主的數(shù)字圖書館是在互聯(lián)網(wǎng)環(huán)境下建立的，可使讀者擺脫空間和時間的限制，將傳統(tǒng)圖書館轉(zhuǎn)移到了某種介質(zhì)上，讀者可以通過移動設(shè)備，獲取圖書館的各種資源。數(shù)字圖書館能滿足讀者隨時隨地進(jìn)行信息檢索和圖書閱讀的要求，下面針對基于數(shù)據(jù)挖掘技術(shù)的數(shù)字圖書館建設(shè)進(jìn)行具體論述。

1 數(shù)據(jù)挖掘相關(guān)概念和現(xiàn)狀

1.1 數(shù)據(jù)挖掘概念

數(shù)據(jù)挖掘技術(shù)就是使用算法在大量的數(shù)據(jù)中搜索隱藏的信息。數(shù)據(jù)挖掘也是發(fā)現(xiàn)知識的過程，是通過科技，從繁雜冗長的數(shù)據(jù)中找到潛在的信息，再通過轉(zhuǎn)換分析，進(jìn)行模型化處理，從而獲得自己需要的數(shù)據(jù)，最終為數(shù)據(jù)管理決策提供依據(jù)。同時該技術(shù)也可以和人工智能、數(shù)據(jù)統(tǒng)計、數(shù)據(jù)庫等技術(shù)相結(jié)合進(jìn)一步深入挖掘下去。

1.2 數(shù)字圖書館的國內(nèi)外現(xiàn)狀

美國加州大學(xué)的Michael Cooper教授通過數(shù)據(jù)挖掘技術(shù)對大學(xué)圖書館日志數(shù)據(jù)進(jìn)行分析，對不同類型的讀者在圖書館逗留的時間和規(guī)律，建立了一個數(shù)學(xué)模型，通過聚類對讀者的行為規(guī)律進(jìn)行分析，同時預(yù)測未來的發(fā)展情況。芝加哥大學(xué)的Swansan開發(fā)了Arrowsminth軟件系統(tǒng)，可對每種文獻(xiàn)之間存在的關(guān)系進(jìn)行分析，從而為讀者提供更有價值的信息知識。Papatheodorou等人將數(shù)據(jù)挖掘技術(shù)使用到圖書館信息管理中，為圖書館建立數(shù)據(jù)管理對策和進(jìn)行館藏提供了更多的科學(xué)依據(jù)。

隨后出現(xiàn)的關(guān)聯(lián)挖掘理論技術(shù)，實(shí)現(xiàn)了圖書館信息個性化推送服務(wù)。之后2011年，有學(xué)者提出使用數(shù)據(jù)挖掘技術(shù)建立針對性的推薦系統(tǒng)，對讀者訪問圖書館網(wǎng)站的時間、偏好、瀏覽情況等進(jìn)行分析，總結(jié)讀者選擇信息的關(guān)聯(lián)性和規(guī)律性，從而在網(wǎng)頁上實(shí)現(xiàn)信息推薦。2012年，有學(xué)者在云計算基礎(chǔ)上建立圖書館數(shù)據(jù)挖掘系統(tǒng)，為用戶提供平臺數(shù)據(jù)共享集和算法，從而實(shí)現(xiàn)開放性的圖書館數(shù)據(jù)共享系統(tǒng)[1]。同時也有人對圖書館讀者的行為進(jìn)行分析，建立根據(jù)讀者的行為和偏好建立數(shù)據(jù)挖掘技術(shù)模型。2014年逐漸實(shí)現(xiàn)移動性的數(shù)據(jù)挖掘技術(shù)數(shù)字圖書館[2]。

2 數(shù)據(jù)挖掘技術(shù)分析

2.1 數(shù)據(jù)采集

數(shù)據(jù)包括了：讀者的行為數(shù)據(jù)，也就是讀者在高校圖書館訪問OPAC時生成的日志，其中涵蓋了讀者檢索詞、電子書下載、鏈接點(diǎn)擊、電子資源訪問等信息；讀者借還數(shù)據(jù)，即讀者借閱的各類書籍名、次數(shù)、欠費(fèi)時間、類別、索書號等相關(guān)性的流通日志數(shù)據(jù)。

2.2 數(shù)據(jù)預(yù)處理

日志文件屬于非結(jié)構(gòu)式的文本文件，數(shù)量比較多，而且沒有統(tǒng)一性。在分析數(shù)據(jù)之前需要從非結(jié)構(gòu)數(shù)據(jù)中收集結(jié)構(gòu)化數(shù)據(jù)，再完成預(yù)處理。先要進(jìn)行數(shù)據(jù)清洗，即去除冗余數(shù)據(jù)、缺失數(shù)據(jù)、噪聲過濾等。再進(jìn)行數(shù)據(jù)轉(zhuǎn)換，就是縮短數(shù)據(jù)的維度，降低數(shù)據(jù)挖掘時需要分析的變量數(shù)和特征[3]。

2.3 數(shù)據(jù)挖掘膜性

根據(jù)讀者聚類和分類分析，總結(jié)出讀者的個性化需求，從而建立關(guān)聯(lián)性規(guī)則模型。先要進(jìn)行分類和預(yù)測，尋找具有預(yù)測性的信息，建立重要數(shù)據(jù)模型，或是預(yù)測數(shù)據(jù)模型。再進(jìn)行關(guān)聯(lián)規(guī)則分析，分析讀者借閱特征和圖書間的關(guān)聯(lián)性。

3 數(shù)據(jù)挖掘技術(shù)在圖書館信息服務(wù)中的應(yīng)用

3.1 在館藏資源優(yōu)化方面的應(yīng)用

讀書館每年采購文獻(xiàn)的經(jīng)費(fèi)有限，如果能在數(shù)字圖書館基礎(chǔ)上對流通日志、館藏書目數(shù)據(jù)和檢索請求等信息進(jìn)行分析，分析文獻(xiàn)信息的使用率、讀者感興趣的模式，同時預(yù)測未來讀者的興趣變化，以及未來圖書館文獻(xiàn)采購趨勢，這樣就能合理訂購文獻(xiàn)資源。筆者所在的圖書館設(shè)立了技術(shù)部，主要負(fù)責(zé)圖書館計算機(jī)管理系統(tǒng)的研究、管理以及應(yīng)用開發(fā)等工作，同時在資源采集方面，配合采編部做好資源購置工作。為了保證有限的資金能最大限度地得到合理利用，就需要運(yùn)用數(shù)據(jù)挖掘技術(shù)，對圖書館的流通日志、館藏數(shù)據(jù)、檢索信息等進(jìn)行分析，找出流通量比較大的書籍?dāng)?shù)據(jù)信息，并依次分析出讀者感興趣的信息數(shù)據(jù)，然后根據(jù)這些數(shù)據(jù)調(diào)整圖書采購計劃，訂購讀者喜歡的、熱門的、實(shí)用的圖書資源，減少購書的盲目性，進(jìn)而改進(jìn)圖書館的資源配置[4]。

筆者曾對所在圖書館2015、2016、2017三個年度的館藏紙質(zhì)資源流通情況進(jìn)行統(tǒng)計分析，結(jié)果發(fā)現(xiàn)，圖書館的紙質(zhì)資源利用率較低，且呈每年繼續(xù)向下的趨勢。這是因?yàn)榫W(wǎng)絡(luò)環(huán)境下，讀者獲取信息資源的渠道已更為便捷而多元化。圖書館館藏資源的利用情況，反映的不僅是其資源是否滿足讀者的需求，而且也是衡量其文獻(xiàn)資源建設(shè)質(zhì)量的重要指標(biāo)。因此，圖書管理者有必要找出差距，分析原因，有針對性地采取提高資源利用率的具體措施，比如加大對紙質(zhì)資源的宣傳力度，建立好書、新書推薦欄，提高管理人員的專業(yè)素養(yǎng)等。

而對圖書館館藏圖書借閱情況的調(diào)查分析表明，讀者借閱最多的是文學(xué)藝術(shù)書籍，有14.2萬冊，占全年總借閱量的53%，說明文學(xué)和藝術(shù)類書籍是最受歡迎的。其次是語言類書籍，再次是政治經(jīng)濟(jì)類書籍，占全年借閱總量的13%。這是因?yàn)榻?jīng)濟(jì)專業(yè)在筆者學(xué)校屬于大專業(yè)，學(xué)生人數(shù)多，對專業(yè)有追求。因此，圖書館在下一步的文獻(xiàn)資源建設(shè)中，必須考慮學(xué)生的興趣和閱讀傾向，調(diào)整文獻(xiàn)文種結(jié)構(gòu)和文獻(xiàn)學(xué)科結(jié)構(gòu)，以及新書年代結(jié)構(gòu)，準(zhǔn)確文獻(xiàn)復(fù)本校對，剔除呆滯文獻(xiàn)，建立更加科學(xué)完善的館藏資源體系，保證圖書館資源的最大利用率，進(jìn)一步提高服務(wù)水平，建立圖書館全面質(zhì)量管理體系[5]。

3.2 信息查詢的使用

傳統(tǒng)的圖書館形式無法滿足讀者及時查詢的需求，要快速獲取信息就需進(jìn)行加深擴(kuò)展。而數(shù)據(jù)挖掘技術(shù)的使用可以對這些繁雜的數(shù)據(jù)進(jìn)行詳細(xì)分析。該技術(shù)可以利用讀者的專業(yè)背景、學(xué)科等信息，根據(jù)讀者借閱的規(guī)律，進(jìn)行借閱興趣、習(xí)慣和趨勢的分析，為讀者提供針對性文獻(xiàn)資料，從而實(shí)現(xiàn)不斷更新的推送服務(wù)，提高圖書館資源使用的效率。

3.3 Web科學(xué)導(dǎo)航系統(tǒng)的使用

數(shù)字讀書館儲存的不僅有本館的電子文獻(xiàn)，同時也收集了很多來自Internet網(wǎng)絡(luò)上的資源信息。Internet上的數(shù)據(jù)是非結(jié)構(gòu)的、多樣的、動態(tài)的，而挖掘技術(shù)可以對Web系統(tǒng)中大量的文檔進(jìn)行分類、摘要、關(guān)聯(lián)分析，從中提取出自己想要的信息，并可以根據(jù)已經(jīng)定義好的主題類型，對每個網(wǎng)頁文檔科學(xué)分類和標(biāo)引，從而建立學(xué)科導(dǎo)航系統(tǒng)，為數(shù)字圖書館提供更加豐富的信息資源。現(xiàn)在的圖書館除了購買電子圖書外，還會購進(jìn)各種數(shù)據(jù)庫，圖書管理人員可以利用這些數(shù)據(jù)庫，對有效的信息資源進(jìn)行開發(fā)和利用，繼而挖掘出信息資源的使用價值，而讀者則可利用這些資源，收集資料和數(shù)據(jù)，用于滿足自己的使用需求。根據(jù)筆者對所在學(xué)校圖書館電子資源的使用情況調(diào)查統(tǒng)計發(fā)現(xiàn)，雖然電子資源每年的登錄量逐年增加，但整體利用率仍舊偏低，可見電子資源的綜合利用情況很不理想。要提高電子資源的使用效能，竊以為，可以從以下幾方面入手。

一是要堅(jiān)持“讀者第一，服務(wù)至上”的宗旨，以敏銳的觀察判斷力和選擇信息的能力，以及熟練的資源檢索能力，為讀者提供高效、優(yōu)質(zhì)、多元化的信息技術(shù)服務(wù)。并加大宣傳力度，展開引導(dǎo)工作，使更多讀者了解圖書館的電子資源，擴(kuò)大電子資源的影響力。

二是要建立咨詢服務(wù)平臺，全方位服務(wù)讀者。可專門組織人員負(fù)責(zé)各個學(xué)科領(lǐng)域的科研需求分析、信息資源檢索分析和報道、課題跟蹤服務(wù)等咨詢服務(wù)工作，從而推進(jìn)咨詢服務(wù)工作的進(jìn)展。

三是要做好網(wǎng)絡(luò)環(huán)境下的數(shù)字圖書館知識信息導(dǎo)航。幫助用戶在網(wǎng)絡(luò)海量信息中識別、找到他們需要的知識信息是圖書館員的重要職責(zé)，也是數(shù)字圖書館用戶教育的重要內(nèi)容。數(shù)字圖書館可建立專業(yè)網(wǎng)站，定期動態(tài)報道某一專業(yè)信息資源的更新情況，以及專業(yè)領(lǐng)域的學(xué)術(shù)動態(tài)，為專業(yè)用戶提供及時的專業(yè)知識獲取窗口等方式，建立專業(yè)化的知識信息導(dǎo)航系統(tǒng)。

四是要完善網(wǎng)絡(luò)環(huán)境，提高讀者檢索能力。圖書館管理員應(yīng)在保證檢索工具的正常運(yùn)轉(zhuǎn)、擴(kuò)大網(wǎng)絡(luò)覆蓋面、設(shè)置合法用戶訪問權(quán)限、培訓(xùn)讀者、提供操作指南等方面，開展全方位、多層次的高水平服務(wù)。

3.4 建立好書推薦欄

每個學(xué)科都有其經(jīng)典書籍，可將它們設(shè)為好書推薦欄，并在網(wǎng)頁上進(jìn)行相關(guān)設(shè)置，讀者一輸入關(guān)鍵字，檢索系統(tǒng)就可以自動為讀者推薦與關(guān)鍵字相關(guān)的、閱讀量較高的圖書，從而有效滿足讀者的借閱需求。另外，數(shù)字圖書館可以根據(jù)讀者的專業(yè)進(jìn)行分析，快速準(zhǔn)確地搜索出讀者需要的圖書。該系統(tǒng)的建立可以節(jié)省讀者尋找信息的時間，同時為讀者提供更多有價值的圖書。

綜上，建立數(shù)字圖書館，就是利用挖掘技術(shù)，對各種潛在的信息數(shù)據(jù)進(jìn)行搜索和分析，并推送給讀者，從而滿足更多讀者的個性化需求。這樣不僅減少了讀者搜索圖書的時間，同時也提高了讀者對圖書館資源的使用率，實(shí)現(xiàn)讀書館管理服務(wù)水平的提高。