摘 要：隨著學(xué)生和圖書館里文獻資料的數(shù)量增漲，圖書館管理系統(tǒng)的數(shù)據(jù)正呈指數(shù)增長。使用傳統(tǒng)的人工統(tǒng)計方法不可能進行完整的、如此大量的數(shù)據(jù)分析，如何巧妙的提取需求的信息然后進行充分的利用成為了一個讓人頭疼的問題。而利用數(shù)據(jù)挖掘技術(shù)可以很輕松的解決上述問題。文章通過使用k-means算法進行聚類挖掘得到了一個完整高效的統(tǒng)計結(jié)果，進而根據(jù)統(tǒng)計結(jié)果對圖書館的管理進行改善，可以提供更好、更人性化的服務(wù)。最后，文章對未來數(shù)據(jù)挖掘技術(shù)在圖書館的數(shù)據(jù)管理方面的應(yīng)用進行了展望和暢想。

關(guān)鍵詞：數(shù)據(jù)挖掘；圖書館管理；個性化服務(wù)

隨著科學(xué)技術(shù)和文化水平的飛速發(fā)展，人們對知識的需求也越來越強烈，想要更好的工作環(huán)境和生活水平，與自身的知識水平是密不可分的。因此，越來越多的人選擇不斷汲取知識來武裝自己，而圖書館是汲取各種知識、了解國內(nèi)外最新動態(tài)的最快捷、方便、省時省力的地方。由于越來越多的人選擇了圖書館，圖書館中的資料、讀者信息、借閱信息等等也越來越繁多和復(fù)雜，如何更好的處理與充分利用這些信息，成為了圖書館管理與發(fā)展的重大轉(zhuǎn)折點。

所謂數(shù)據(jù)挖掘是指從數(shù)據(jù)庫的大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價值的信息的非平凡過程。非常適合進行圖書館數(shù)據(jù)的挖掘、管理和應(yīng)用。例如我們可以采用數(shù)據(jù)挖掘的方法分析讀者的行為，總結(jié)其一般的借閱規(guī)律，從而采取相應(yīng)的措施，為讀者創(chuàng)造方便的環(huán)境和提供不同的個性化的服務(wù)。

實例分析：分析讀者行為，獲取讀者需求

聚類分析是將數(shù)據(jù)分類到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。我們可以采用聚類分析的方法把不同的讀者進行分類，然后對不同類型的讀者提供不同的服務(wù)，這樣可以更好的管理讀者的借閱情況，也可以給有特殊需求的讀者提供特殊的服務(wù)。下面根據(jù)一些讀者的借閱數(shù)據(jù)進行了具體的挖掘?qū)嶒?，實現(xiàn)了聚類分析在圖書館數(shù)據(jù)管理方面的應(yīng)用。

第1步：數(shù)據(jù)準(zhǔn)備

我們這里只是做一個比較簡單的挖掘分析，所以我們只考慮近兩年讀者的借閱情況，因此我們要先做一下數(shù)據(jù)的預(yù)處理，把兩年之前的借閱信息棄掉不用，這兩年每年的借閱數(shù)量和總借閱數(shù)量留待下一步聚類分析使用。由于讀者的情況變化可能會很大，因此近兩年的數(shù)據(jù)更具代表性，用來進行分析也會更加貼近讀者的真實需求。

第2步：對數(shù)據(jù)進行聚類

在這里我們使用k-means算法對第一步中清理出來的數(shù)據(jù)進行聚類挖掘，設(shè)置聚類個數(shù)為3.代表把讀者一共分成3個大類，一類為頻繁借閱者，一類為普通借閱者，一類為偶爾借閱者.分好類之后我們就可以針對不同的讀者提供不同的、更加符合讀者需求的、個性化的服務(wù)了。

按照以下幾個步驟對收集的數(shù)據(jù)進行聚類分析：（1）把目標(biāo)對象劃分成n個非空子集（聚類）；（2）計算每個聚類中所有點的坐標(biāo)平均值，并將這個平均值作為每個聚類的中心；（3）計算每個點到聚類中心的距離，將每個點聚類到離該點最近的聚類中心的聚類中去反復(fù)執(zhí)行（2）、（3），直到聚類中心不再進行大范圍移動或者聚類次數(shù)達到要求為止下面是虛擬的聚類結(jié)果（見表1、表2）：

第3步：挖掘統(tǒng)計結(jié)果分析

上文介紹的挖掘方法比較簡單，僅僅是從借閱數(shù)量方面衡量了讀者的需求情況。但是在實際應(yīng)用中也有很大的可應(yīng)用、可擴展?jié)撃?。對于挖掘出來的第一類頻繁借閱者，我們可以適當(dāng)?shù)脑黾悠浣栝啍?shù)量的上限，這樣可以更好的滿足他們的需求；對于第三類偶爾借閱者，我們可以繼續(xù)采用其他的挖掘方法挖掘他們的興趣范圍和較少借閱的原因，從而相應(yīng)地改善圖書館的服務(wù)，為讀者們創(chuàng)造更好的閱讀條件。這樣把讀者分類之后再進行數(shù)據(jù)分析，可以更加精確地挖掘出不同讀者的不同需求，可以給不同需求的讀者提供更加個性化的服務(wù)。

數(shù)據(jù)挖掘在圖書館中的應(yīng)用是多種多樣的，例如利用關(guān)聯(lián)規(guī)則分析圖書借閱種類方面的聯(lián)系，從而改善圖書館的布局；利用決策樹的方法來對讀者的閱讀方向進行分類。從而提供個性化的推薦服務(wù)等等。本文僅從一個方面對于數(shù)據(jù)挖掘在圖書館的應(yīng)用進行了分析，窺一斑而知全豹，數(shù)據(jù)挖掘在圖書館數(shù)據(jù)處理方面的應(yīng)用是廣泛而有效的，可以進行更深一步的研究與開發(fā)。在現(xiàn)如今這個知識大爆炸的年代，各方面的知識和數(shù)據(jù)都應(yīng)該受到廣泛的重視與深入的研究，然而，這些信息魚龍混雜，如何取其精華棄其糟粕就成為了當(dāng)務(wù)之急，通過一些現(xiàn)代化信息技術(shù)的使用，我們可以提升獲取信息的速度、分離出有價值的信息、根據(jù)這些信息改善服務(wù)水平。隨著技術(shù)的不斷發(fā)展，圖書館的服務(wù)也正在從被動化服務(wù)轉(zhuǎn)向主動化服務(wù)，從簡單的信息接收轉(zhuǎn)向為信息檢索、信息利用?？偠灾?，數(shù)據(jù)挖掘技術(shù)在圖書館數(shù)據(jù)管理與應(yīng)用方面的應(yīng)用前景非常的廣闊，隨著科學(xué)技術(shù)和圖書館硬件設(shè)備的快速發(fā)展，數(shù)據(jù)挖掘技術(shù)在圖書館的應(yīng)用將實現(xiàn)巨大的發(fā)展和長足的進步。

參考文獻

[1]廖志平.數(shù)據(jù)挖掘在學(xué)校圖書館的應(yīng)用[J].科技創(chuàng)新導(dǎo)報，2012，（12）：211-213.

[2]Randall Matignon. Data Mining Using SAS Enterprise Miner[M]. Wiley-Blackwell （an imprint of John Wiley & Sons Ltd， 2007，（8）：91-105.

[3]劉軍.數(shù)據(jù)挖掘在讀者閱讀需求偏好研究中的應(yīng)用[J].圖書館論壇，2012（5）：89-93

[4]M.Goebel and L Grucnwald.A survey of data mining and knowledge discovery software tools [J].SIKDD Explorations.1999；1（1）：22-33.

[5]J.Quinlan，C4.5 Programs for Machine Learning[M].Morgan Kaufmann Publishers，1993.

[6]牛根義.國內(nèi)圖書館數(shù)據(jù)挖掘研究[J].現(xiàn)代情報.2009，29（1）：128-133.

作者簡介：宋麗軍（1988-），女，山東省嘉祥縣，現(xiàn)同濟大學(xué)軟件學(xué)院研究生，碩士學(xué)位，研究方向：信息系統(tǒng)，分布式系統(tǒng)。