陳+左珊

作者簡(jiǎn)介：陳（１９７２－），男，教授，研究方向：圖書情報(bào)。·理論探索·

〔摘要〕鑒于圖書館信息資源評(píng)價(jià)的重要性，考慮到現(xiàn)有圖書館信息資源評(píng)價(jià)多依賴于專家先驗(yàn)知識(shí)的問題，特引入粗糙集理論建立了圖書館信息資源智能評(píng)價(jià)模型，該模型利用粗糙集方法基于信息熵觀點(diǎn)獲得客觀權(quán)重值結(jié)果，為圖書館信息資源評(píng)價(jià)提供了一個(gè)新的解決方案，且根據(jù)指標(biāo)權(quán)重值結(jié)果，提出了豐富圖書館信息資源內(nèi)容的相應(yīng)對(duì)策。算例分析和實(shí)驗(yàn)比較，驗(yàn)證了該粗糙集智能評(píng)價(jià)模型的有效性與優(yōu)越性。

〔關(guān)鍵詞〕圖書館信息資源；粗糙集；信息熵；權(quán)重

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０１４．０３．０１１

〔中圖分類號(hào)〕Ｇ２５０；ＴＰ１８〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ〔文章編號(hào)〕１００８－０８２１（２０１４）０３－００４７－０４

Library Information Resources Evaluation Based on

Rough Set Conditional Information EntropyChen Yang１，２Zuo Shan２

（１．PEDepartment of Xiangtan University，Xiangtan 411105，China；

２．School of Public Administration，Xiangtan University，Xiangtan 411005，China）

〔Ａｂｓｔｒａｃｔ〕Given the importance of the library information resource evaluation,considering the current library information resource evaluation relies on the experts more prior knowledge,in order to reach reasonable and objective analysis result,a rough set conditional information entropy based intelligent evaluation model was constructed.according to the results of the index weights,enriching the content of library information resources was put forward the corresponding countermeasures.example analysis and experiment comparison proved that the rough set conditional information entropy of intelligent evaluation model takes on effectiveness and superiority.

〔Ｋｅｙｗｏｒｄｓ〕library information resources;rough set;information entropy;index weight

圖書館信息資源是指圖書館中與信息采集能力、信息處理能力、信息利用能力及信息交流能力有關(guān)的一切資源，包括人員、設(shè)備、資金、信息及技術(shù)，在推進(jìn)社會(huì)主義先進(jìn)文化和滿足公眾信息文化需求等方面都發(fā)揮著重要的作用。21世紀(jì)，隨著電子計(jì)算機(jī)技術(shù)的高速發(fā)展，各種尖端的信息技術(shù)形成對(duì)圖書館的強(qiáng)大技術(shù)支持，使圖書館從自動(dòng)化走向網(wǎng)絡(luò)化、數(shù)字化、虛擬化。各種電子資源如雨后春筍般層出不窮，其發(fā)展?fàn)顩r可謂日新月異，圖書館面臨著新技術(shù)和新型文獻(xiàn)載體的沖擊。圖書館信息資源作為社會(huì)的一種精神文化產(chǎn)品，其資源配置的科學(xué)性和有效性對(duì)于滿足用戶的精神文化需要、帶動(dòng)經(jīng)濟(jì)社會(huì)的發(fā)展具有明顯的促進(jìn)作用。那么對(duì)圖書館信息資源進(jìn)行合理評(píng)價(jià)，尋求一種最有效的評(píng)價(jià)方法，使有限的圖書館信息資源發(fā)揮最大的作用，必須建立具有科學(xué)性與客觀性的評(píng)價(jià)模型。

鑒于圖書館信息資源評(píng)價(jià)的重要性，目前越來越受到學(xué)者們的廣泛關(guān)注。趙良英，李立華等建立了基于多層次模糊綜合評(píng)價(jià)模型的復(fù)合圖書館資源評(píng)價(jià)指標(biāo)體系，并利用專家調(diào)查法與層次分析法相結(jié)合的方式確定了各項(xiàng)指標(biāo)的權(quán)重值［１］；管計(jì)鎖，畢杰通過比較網(wǎng)絡(luò)信息資源評(píng)價(jià)與傳統(tǒng)館藏評(píng)價(jià)的區(qū)別與聯(lián)系，著重指出在圖書館信息資源建設(shè)中，圖書館信息資源綜合評(píng)價(jià)的重要性［２］；曹作華在分析圖書館信息資源總體服務(wù)效益影響因素的基礎(chǔ)上，構(gòu)建了圖書館信息資源服務(wù)效益的多層次模糊綜合評(píng)價(jià)體系［３］?；趪?guó)內(nèi)外學(xué)者關(guān)于圖書館信息資源方面大量研究的基礎(chǔ)上，本文擬將粗糙集理論［４］引入到圖書館信息資源評(píng)價(jià)中，嘗試構(gòu)建一種不完全依賴先驗(yàn)信息基于粗糙集條件信息熵的圖書館信息資源智能評(píng)價(jià)模型，為圖書館信息資源評(píng)價(jià)提供更為科學(xué)有效的評(píng)價(jià)分析結(jié)論。

１粗糙集基本理論

定義１［５］：稱Ｓ＝（Ｕ，Ａ，Ｖ，ｆ）是一個(gè)決策表，其中Ｕ＝｛ｕ１，ｕ２，…，ｕｎ｝是一個(gè)非空、有窮、被稱為全域的個(gè)體的集合；Ａ是非空、有窮的屬性集合，Ｃ∪Ｄ＝Ａ，Ｃ為條件屬性集，Ｄ為決策屬性集，ｆ∶Ｕ×Ａ→Ｖ稱為映射函數(shù)，對(duì)于屬性ａ∈Ａ，有ａ∶Ｕ→Ｖａ，Ｖａ為屬性ａ的值集，集合Ｖ＝∪ａ∈ＡＶａ為屬性集Ａ的值域。

定義２［６］：給定決策表Ｓ，若有ＢＡ，則定義屬性集Ｂ上的不可分辨關(guān)系ＩＮＤ（Ｂ）為：ＩＮＤ（Ｂ）＝｛（ｕｉ，ｕｊ）∈Ｕ２ｂ∈Ｂ，ｆ（ｕｉ，ｂ）＝ｆ（ｕｊ，ｂ）｝。

定義３［７］：在決策表Ｓ中，ＸＵ且Ｘ≠，則定義集合Ｘ在屬性集ＢＡ上的下近似劃分集Ｂ（Ｘ）和上近似劃分集（Ｘ）為：

Ｂ（Ｘ）＝｛ｕ１∈Ｕ［ｕｉ］ＢＸ｝；

（Ｘ）＝｛ｕｉ∈Ｕ［ｕｉ］Ｂ∩Ｘ≠｝；

其中［ｕｉ］Ｂ＝｛ｕｊ（ｕｉ，ｕｊ）∈ＩＮＤ（Ｂ）｝，Ｂ（Ｘ）也稱為Ｘ的Ｂ正域，記作：ＰｏｓＢ（Ｘ）。

定義４［６］：在決策表Ｓ中，若有ＢＣ，Ｙ∈Ｕ／ＩＮＤ（Ｄ），則決策屬性Ｄ的Ｂ正域ＰｏｓＢ（Ｄ）定義為：

ＰｏｓＢ（Ｄ）＝∪Ｙ∈Ｕ／ＩＮＤ（Ｄ）Ｂ（Ｙ）

定義５［８］：在決策表Ｓ中，若Ｕ／ＩＮＤ（Ｃ）＝｛Ｘ１，Ｘ２，…，Ｘｑ｝，Ｕ／ＩＮＤ（Ｄ）＝｛Ｙ１，Ｙ２，…，Ｙｐ｝，則對(duì)象集Ｕ在條件屬性集Ｃ下相對(duì)于決策屬性Ｄ劃分的信息熵定義為：

Ｉ（ＤＣ）＝－∑ｑｓ＝１Ｃａｒｄ（Ｘｓ）Ｃａｒｄ（Ｕ）×∑ｐｋ＝１Ｃａｒｄ（Ｙｋ∩Ｘｓ）Ｃａｒｄ（Ｘｓ）×ｌｏｇ１０Ｃａｒｄ（Ｙｋ∩Ｘｓ）Ｃａｒｄ（Ｘｓ）

其中Ｃａｒｄ（）表示集合的基數(shù)。

定義６：在決策表Ｓ中，定義屬性ｃ∈Ｃ粗糙集信息熵意義下的重要度為［８］：

ＳＧＦ（ｃ）＝Ｉ（ＤＣ）－Ｉ（ＤＣ－｛ｃ｝）

２圖書館信息資源評(píng)價(jià)決策分析算法

２１數(shù)據(jù)采集和預(yù)處理

在圖書館信息資源評(píng)價(jià)指標(biāo)體系中，有些指標(biāo)是可以量化的，有些指標(biāo)是不能夠量化的。對(duì)于不能量化的指標(biāo)，可以采取專家打分的形式確定；對(duì)于可以量化的指標(biāo)，則應(yīng)根據(jù)實(shí)際值的大小予以評(píng)分。由于不同的指標(biāo)在數(shù)量級(jí)和量綱上有差異，因此，評(píng)分法則應(yīng)消除屬性間的不可公度性，以保證決策表中的數(shù)據(jù)關(guān)系一致性。那么，把條件屬性集（指標(biāo)集）描述為Ｃ＝｛ｃ１，ｃ２，…，ｃｚ｝，ｘ＝１，２，…，ｚ，對(duì)各個(gè)條件屬性的評(píng)分值ｌｉｘ具體的計(jì)算方法［９］為：

endprint

（1）如果評(píng)價(jià)指標(biāo)屬性為成本型屬性，則對(duì)屬性值ｌｉｘ的一致化處理描述為：

ｌｉｘ＝１００×（ｍａｘ（ｌｘ）－ｌｉｘ）／（ｍａｘ（ｌｘ）－ｍｉｎ（ｌｘ））（1）

（2）如果評(píng)價(jià)指標(biāo)屬性為效益型屬性，則對(duì)屬性值ｌｉｘ的一致化處理描述為：

ｌｉｘ＝１００×（ｌｉｘ－ｍｉｎ（ｌｘ））／（ｍａｘ（ｌｘ）－ｍｉｎ（ｌｘ））（2）

（3）如果評(píng)價(jià)指標(biāo)屬性為特定最優(yōu)值取值屬性，則對(duì)屬性值ｌｉｘ的一致化處理描述為：

ｌｉｘ＝１００×［１－（ｌｉｘ－ｌｉｘ）／（ｌｉｘ－ｌ′ｉｘ）］，ｌｉｘ＞ｌｉｘ＞ｌ′ｉｘ

１００，ｌｉｘ＝ｌｉｘ

１００×［１－（ｌｉｘ－ｌｉｘ）／（ｌ″ｉｘ－ｌｉｘ）］，ｌｉｘ＜ｌｉｘ＜ｌ″ｉｘ

０，其他（3）

其中，ｍａｘ（ｌｘ）為原始數(shù)據(jù)集中，在屬性ｃｘ下的最大數(shù)據(jù)取值；ｍｉｎ（ｌｘ）為原始數(shù)據(jù)集中，在屬性ｃｘ下的最小數(shù)據(jù)取值，ｌｉｘ為屬性ｃｘ下的最優(yōu)值，ｌ′ｉｘ為屬性ｃｘ下無法接受下限，ｌ″ｉｘ為屬性ｃｘ下無法接受上限。

２２連續(xù)型數(shù)據(jù)離散化

由于粗糙集只能處理離散化的數(shù)據(jù)，因此，需要對(duì)連續(xù)型數(shù)據(jù)進(jìn)行離散化處理，本文采取的是等距離法［８］。具體步驟如下：

（1）屬性ｃｘ在離散化時(shí)的取值區(qū)間長(zhǎng)度計(jì)算為：

ｌｘ＝ｍａｘ（ｌｉｘ）－ｍｉｎ（ｌｉｘ）ｍ（4）

其中，ｌｘ為區(qū)間的長(zhǎng)度，ｍａｘ（ｌｉｘ）為屬性ｃｘ中的最大評(píng)分值，ｍｉｎ（ｌｉｘ）為屬性ｃｘ中的最小評(píng)分值，ｍ為設(shè)定的離散化區(qū)間數(shù)目。

（2）對(duì)于對(duì)象ｕｉ，在屬性ｃｘ下的離散化結(jié)果計(jì)算為：

ｔｉｘ＝〈ｌｉｘ－ｍｉｎ（ｌｉｘ）ｌｘ〉（5）

其中ｔｉｘ為對(duì)于對(duì)象ｕｉ，在屬性ｃｘ下取值的離散化結(jié)果；〈〉表示向上取整。

２３構(gòu)建決策表

把數(shù)據(jù)離散化的結(jié)果轉(zhuǎn)化成為決策表Ｓ＝（Ｕ，Ａ，Ｖ，ｆ），Ｕ＝｛ｕ１，ｕ２，…，ｕｎ｝表示各個(gè)圖書館的集合，條件屬性評(píng)價(jià)指標(biāo)集Ｃ＝｛ｃ１，ｃ２，…，ｃｚ｝，決策屬性集Ｄ＝｛ｙ１，ｕ２，…，ｙｒ｝。

２４客觀權(quán)重確定

通過把基于信息熵觀點(diǎn)下的粗糙集計(jì)算方法引入圖書館信息資源智能評(píng)價(jià)分析中，不依賴任何的先驗(yàn)知識(shí)，獲取屬性（也即指標(biāo)）的客觀權(quán)重，為圖書館信息資源評(píng)價(jià)問題粗糙集求解提供了一個(gè)新的解決方案。

在信息熵觀點(diǎn)下，粗糙集運(yùn)算直觀性較強(qiáng)，不同屬性的重要性可以基于信息熵的運(yùn)算得到相應(yīng)的定量化數(shù)值。即通過從決策表中剔除某條件屬性，再考察在該屬性缺失的情況下整個(gè)決策分類信息熵的變化情況。如果剔除后變化較大，則說明該屬性重要性大；反之，重要性小。

算法：條件屬性權(quán)重計(jì)算及待評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)值

輸入：決策表Ｓ＝（Ｕ，Ａ，Ｖ，ｆ）

輸出：條件屬性權(quán)重值ω和待評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)值Κｉ

Step 1．獲得全體對(duì)象集Ｕ的劃分結(jié)果Ｕ／ＩＮＤ（Ｃ），在決策屬性Ｄ上的劃分結(jié)果Ｕ／ＩＮＤ（Ｄ），以及在每次剔除條件屬性ｃｘ后的劃分結(jié)果Ｕ／ＩＮＤ（Ｃ－｛ｃｘ｝）；

Step 2．計(jì)算條件屬性集Ｃ上的劃分相對(duì)決策屬性Ｄ上的劃分的信息熵Ｉ（ＤＣ）；在依次剔除條件屬性集Ｃ下的各個(gè)條件屬性ｃｘ后，計(jì)算Ｃ－｛ｃｘ｝上的劃分相對(duì)決策屬性Ｄ上的劃分的信息熵Ｉ（ＤＣ－｛ｃｘ｝）；

Step 3．對(duì)每個(gè)條件屬性ｃｘ計(jì)算粗糙集意義下的重要度：ＳＧＦ（｛ｃｘ｝）＝Ｉ（ＤＣ）－Ｉ（ＤＣ－｛ｃｘ｝）；

Step 4．計(jì)算各個(gè)條件屬性ｃｘ的權(quán)重值：

ω（ｃｘ）＝ＳＧＦ（｛ｃｘ｝）∑ｚｘ＝１ＳＧＦ（｛ｃｘ｝）

Step 5．計(jì)算評(píng)價(jià)對(duì)象的信息資源評(píng)價(jià)結(jié)果：

Ｋｉ＝∑ｚｘ＝１ω（ｃｘ）×ｌｉｘ

其中Ｋｉ為各個(gè)圖書館的評(píng)價(jià)值，ｉ＝１，２，…，ｎ；ｌｉｘ為各個(gè)屬性（指標(biāo)）的評(píng)分值。

３算例與分析

為了驗(yàn)證基于粗糙集條件信息熵的圖書館信息資源評(píng)價(jià)模型的合理有效性，本文以國(guó)內(nèi)12所高校圖書館的信息資源測(cè)算數(shù)據(jù)信息為例，對(duì)本文所提出的智能評(píng)價(jià)算法模型予以示意性闡釋與分析。

數(shù)據(jù)采集、預(yù)處理與構(gòu)建決策表。Ｕ＝｛ｕ１，ｕ２，ｕ３，ｕ４，ｕ５，ｕ６，ｕ７，ｕ８，ｕ９，ｕ１０，ｕ１１，ｕ１２｝為12個(gè)待評(píng)價(jià)圖書館，為了簡(jiǎn)化計(jì)算，本算例選用文獻(xiàn)［１］中介紹的圖書館信息資源評(píng)價(jià)指標(biāo)中的：信息資源的內(nèi)容，圖書館信息資源的復(fù)合、整合與組織加工，圖書館信息資源檢索平臺(tái)的功能，信息資源利用的經(jīng)濟(jì)性，信息資源整體滿意度等5個(gè)屬性作為條件屬性記為Ｃ＝｛ｃ１，ｃ２，ｃ３，ｃ４，ｃ５｝，將“專家、用戶的滿意度情況”作為考核圖書館信息資源的一個(gè)表征，作為決策屬性Ｄ，用戶、專家分別根據(jù)自己的客觀感受對(duì)這12個(gè)圖書館的信息資源滿意度情況進(jìn)行打分，100分表示非常滿意，0分表示非常不滿意，打分結(jié)果取平均值。由于5個(gè)條件屬性均屬于效益型屬性，利用公式（2）計(jì)算各屬性的得分，如表１所示。

連續(xù)型數(shù)據(jù)離散化。把所有指標(biāo)均分為3個(gè)等級(jí)，利用公式（4）確定各個(gè)指標(biāo)的離散區(qū)間；根據(jù)公式（5）確定各個(gè)指標(biāo)的離散化結(jié)果，如表２所示。表１12個(gè)圖書館在指標(biāo)集下的原始測(cè)算評(píng)分?jǐn)?shù)據(jù)

圖書館〖〗條件屬性集Ｃｃ１ｃ２ｃ３ｃ４ｃ５決策屬性ｕ１787065788083127ｕ２727285806572368ｕ３626562857875213ｕ４689085786581487ｕ５90686585809635ｕ６9592100786286667ｕ７9510062856574375ｕ８828580726880375ｕ９8080801006590125ｕ１０6265926510070125ｕ１１7068100728592525ｕ１２8582729010088325

表２數(shù)據(jù)離散化后的決策表

圖書館〖〗條件屬性集Ｃｃ１ｃ２ｃ３ｃ４ｃ５決策屬性ｕ１211222ｕ２112211ｕ３111221ｕ４132212ｕ５311223ｕ６333212ｕ７331211ｕ８222112ｕ９222313ｕ１０113131ｕ１１113123ｕ１２221333

客觀權(quán)重確定。由表２，根據(jù)算法可得：

ω（ｃ１）＝０３７３，ω（ｃ２）＝０１５７，ω（ｃ３）＝０１５７，

ω（ｃ４）＝０１５７，ω（ｃ５）＝０１５７。

根據(jù)以上的計(jì)算結(jié)果分析，圖書館信息資源評(píng)價(jià)指標(biāo)體系下的信息資源內(nèi)容指標(biāo)重要性最高。

最終，求得12個(gè)待評(píng)測(cè)圖書館的信息資源綜合評(píng)價(jià)值分別為：

Ｋ１＝７５０９５，Ｋ２＝７４２７０，Ｋ３＝６８６５６，〖〗Ｋ４＝７５２９０，Ｋ５＝８０３５６，Ｋ６＝８７５５９，〖〗Ｋ７＝８４４１９，Ｋ８＝７８４７１，Ｋ９＝８０８６５，〖〗Ｋ１０＝７３６８０，Ｋ１１＝７７１３５，Ｋ１２＝８５７１３。為了進(jìn)一步驗(yàn)證本文方法的合理性和優(yōu)越性，特將本文方法與文獻(xiàn)［１０］中所提出的方法基于本文的測(cè)算數(shù)據(jù)進(jìn)行對(duì)比計(jì)算分析，并對(duì)綜合評(píng)價(jià)結(jié)果進(jìn)行排序，如表３所示。

表３兩種方法計(jì)算的評(píng)價(jià)值結(jié)果及排序

得分ｕ１ｕ２ｕ３ｕ４ｕ５ｕ６ｕ７ｕ８ｕ９ｕ１０ｕ１１ｕ１２η本文方法評(píng)價(jià)值7509574276862675298035687559〖〗84419784718086573687713585713本文方法評(píng)價(jià)值排序910128513641172340526文獻(xiàn)［１０］方法評(píng)價(jià)值7454274548696447637278716866248262477814809175468781985728文獻(xiàn)［１０］方法評(píng)價(jià)值排序111012851374〖〗962259271

endprint

從所得的評(píng)價(jià)結(jié)果中可以看出，兩種方法計(jì)算得到的各個(gè)圖書館的評(píng)價(jià)值排序相差不大。為了進(jìn)一步驗(yàn)證本文模型的合理有效性，特定義評(píng)價(jià)決策方案區(qū)分度為：

η＝∑ｎｉ＝１（Ｋｉ－）２，?＝∑ｎｉ＝１Ｋｉ／ｎ（6）

其中ｎ為待評(píng)價(jià)圖書館的數(shù)目。

區(qū)分度越大意味著待評(píng)價(jià)圖書館間的優(yōu)勢(shì)可分辨性越大，也直接表明該評(píng)價(jià)方法的優(yōu)越性。通過公式（6）計(jì)算上述兩種圖書館信息資源評(píng)價(jià)方法下的方案間的區(qū)分度，如表３所示，本文方法的評(píng)價(jià)決策方案區(qū)分度更大，表明本文方法更具一定的優(yōu)越性，也表明了本文模型的合理有效。

４豐富圖書館信息資源內(nèi)容的對(duì)策

根據(jù)本文圖書館信息資源智能評(píng)價(jià)模型的權(quán)重值計(jì)算結(jié)果分析，圖書館信息資源評(píng)價(jià)指標(biāo)體系中圖書館信息資源內(nèi)容指標(biāo)重要性最高，那么豐富高校圖書館信息資源的內(nèi)容我們可以從以下幾個(gè)方面去考慮：

４１提高信息資源的保障能力

信息資源的保障是圖書館信息資源建設(shè)的基礎(chǔ)，提高圖書館信息資源的保障能力，必須分別對(duì)紙質(zhì)文獻(xiàn)與數(shù)字資源、各個(gè)學(xué)科的信息資源、自建特色數(shù)據(jù)庫(kù)和學(xué)科導(dǎo)航庫(kù)以及資料的文種結(jié)構(gòu)優(yōu)化等進(jìn)行合理的保存，提高圖書館信息資源的使用效率，加強(qiáng)圖書館信息資源內(nèi)容的建設(shè)。

４２提高信息資源的質(zhì)量

信息資源的質(zhì)量是圖書館信息資源建設(shè)的核心，提高信息資源的質(zhì)量，必須增加核心圖書館的館藏量，對(duì)零借閱圖書進(jìn)行合理的削減，提高核心刊物、同行專家評(píng)審及被索引期刊的收藏比例，合理分配學(xué)科結(jié)構(gòu)建設(shè)比例如重點(diǎn)學(xué)科、主要學(xué)科、一般學(xué)科資源、新書冊(cè)數(shù)的比例等。

４３提高信息資源的時(shí)效性

信息資源的時(shí)效性決定著圖書館信息資源建設(shè)質(zhì)量的好壞。提高高校圖書館信息資源的時(shí)效性，需要提高圖書、期刊的上架速度，對(duì)數(shù)字資源每天進(jìn)行更新，這樣可以彌補(bǔ)由于紙本資源時(shí)滯所帶來的影響，提高文獻(xiàn)傳遞的及時(shí)性，使得圖書館信息資源能夠及時(shí)滿足用戶的需求。

４４提高信息資源的共享能力

信息資源的共享能力決定著圖書館信息資源建設(shè)的高度。圖書館信息資源的共享實(shí)質(zhì)是以信息資源優(yōu)化配置為基礎(chǔ)的高效利用，在高校應(yīng)該建立從上至下的多級(jí)信息資源共享網(wǎng)絡(luò)，實(shí)行多層級(jí)信息資源的管理、宏觀控制，使圖書館信息資源能夠最大范圍的滿足用戶的需求。

５結(jié)束語(yǔ)

本文把粗糙集方法引入圖書館信息資源評(píng)價(jià)分析中，在已有的研究基礎(chǔ)上建立了基于粗糙集條件信息熵的圖書館信息資源智能評(píng)價(jià)模型，客觀獲取各評(píng)價(jià)指標(biāo)的權(quán)重值，為后續(xù)的綜合評(píng)價(jià)分析奠定基礎(chǔ)，這種求解方法具有嚴(yán)密的邏輯推理和理論依據(jù)。進(jìn)一步，根據(jù)該模型計(jì)算得到的指標(biāo)權(quán)重值結(jié)果，提出了豐富圖書館信息資源內(nèi)容的相應(yīng)對(duì)策。算例表明，該粗糙集智能評(píng)價(jià)模型是切實(shí)可行、有效的，為圖書館信息資源提供了新的智能化評(píng)價(jià)方法。

參考文獻(xiàn)

［１］趙良英,李立華.基于多層次模糊綜合評(píng)價(jià)的復(fù)合圖書館信息資源評(píng)價(jià)指標(biāo)體系研究［Ｊ］.圖書館工作與研究,2011,（3）:24-28.

［２］管計(jì)鎖,畢杰.網(wǎng)絡(luò)信息資源評(píng)價(jià)與傳統(tǒng)館藏評(píng)價(jià)的比較和綜合評(píng)價(jià)［Ｊ］.圖書情報(bào)工作,2004,48（2）:35-37.

［３］曹作華.圖書館信息資源服務(wù)效益的模糊層次綜合評(píng)價(jià)［Ｊ］.圖書情報(bào)工作,2004,48（12）:51-56.

［４］Yee Leung,Manfred M.Fischer,Wei-Zhi Wu,Ju-Sheng Mi.A rough set approach for the discovery of classification rules in interval-valued information systems［Ｊ］.International Journal of Approximate Reasoning,2008,5（2）:233-246.

［５］朱紅燦,陳能華.基于距離輔助粗糙集的政府信息公開公眾滿意度評(píng)價(jià)模型［Ｊ］．情報(bào)雜志,2010,29（8）:94-97.

［６］朱紅燦,陳能華.粗糙集條件信息熵權(quán)重確定方法的改進(jìn)［Ｊ］.統(tǒng)計(jì)與決策,2011,（8）:154-156.

［７］譚旭,唐云嵐,陳英武.基于粗糙集的區(qū)間型數(shù)據(jù)離散化算法［Ｊ］.系統(tǒng)工程理論與實(shí)踐,2009,29（6）:157-165.

［８］高維春,譚旭.決策屬性未知下的學(xué)生評(píng)教粗糙集分析［Ｊ］.計(jì)算機(jī)工程與應(yīng)用,2012,48（9）:238-241.

［９］岳超源.決策理論與方法［Ｍ］.北京:科學(xué)出版社,2006.

［１０］周志遠(yuǎn),沈固朝.粗糙集理論在情報(bào)分析指標(biāo)權(quán)重確定中的應(yīng)用［Ｊ］.情報(bào)理論與實(shí)踐,2012,35（9）:61-65.

（本文責(zé)任編輯：孫國(guó)雷）

endprint

從所得的評(píng)價(jià)結(jié)果中可以看出，兩種方法計(jì)算得到的各個(gè)圖書館的評(píng)價(jià)值排序相差不大。為了進(jìn)一步驗(yàn)證本文模型的合理有效性，特定義評(píng)價(jià)決策方案區(qū)分度為：

η＝∑ｎｉ＝１（Ｋｉ－）２，?＝∑ｎｉ＝１Ｋｉ／ｎ（6）

其中ｎ為待評(píng)價(jià)圖書館的數(shù)目。

區(qū)分度越大意味著待評(píng)價(jià)圖書館間的優(yōu)勢(shì)可分辨性越大，也直接表明該評(píng)價(jià)方法的優(yōu)越性。通過公式（6）計(jì)算上述兩種圖書館信息資源評(píng)價(jià)方法下的方案間的區(qū)分度，如表３所示，本文方法的評(píng)價(jià)決策方案區(qū)分度更大，表明本文方法更具一定的優(yōu)越性，也表明了本文模型的合理有效。

４豐富圖書館信息資源內(nèi)容的對(duì)策

根據(jù)本文圖書館信息資源智能評(píng)價(jià)模型的權(quán)重值計(jì)算結(jié)果分析，圖書館信息資源評(píng)價(jià)指標(biāo)體系中圖書館信息資源內(nèi)容指標(biāo)重要性最高，那么豐富高校圖書館信息資源的內(nèi)容我們可以從以下幾個(gè)方面去考慮：

４１提高信息資源的保障能力

信息資源的保障是圖書館信息資源建設(shè)的基礎(chǔ)，提高圖書館信息資源的保障能力，必須分別對(duì)紙質(zhì)文獻(xiàn)與數(shù)字資源、各個(gè)學(xué)科的信息資源、自建特色數(shù)據(jù)庫(kù)和學(xué)科導(dǎo)航庫(kù)以及資料的文種結(jié)構(gòu)優(yōu)化等進(jìn)行合理的保存，提高圖書館信息資源的使用效率，加強(qiáng)圖書館信息資源內(nèi)容的建設(shè)。

４２提高信息資源的質(zhì)量

信息資源的質(zhì)量是圖書館信息資源建設(shè)的核心，提高信息資源的質(zhì)量，必須增加核心圖書館的館藏量，對(duì)零借閱圖書進(jìn)行合理的削減，提高核心刊物、同行專家評(píng)審及被索引期刊的收藏比例，合理分配學(xué)科結(jié)構(gòu)建設(shè)比例如重點(diǎn)學(xué)科、主要學(xué)科、一般學(xué)科資源、新書冊(cè)數(shù)的比例等。

４３提高信息資源的時(shí)效性

信息資源的時(shí)效性決定著圖書館信息資源建設(shè)質(zhì)量的好壞。提高高校圖書館信息資源的時(shí)效性，需要提高圖書、期刊的上架速度，對(duì)數(shù)字資源每天進(jìn)行更新，這樣可以彌補(bǔ)由于紙本資源時(shí)滯所帶來的影響，提高文獻(xiàn)傳遞的及時(shí)性，使得圖書館信息資源能夠及時(shí)滿足用戶的需求。

４４提高信息資源的共享能力

信息資源的共享能力決定著圖書館信息資源建設(shè)的高度。圖書館信息資源的共享實(shí)質(zhì)是以信息資源優(yōu)化配置為基礎(chǔ)的高效利用，在高校應(yīng)該建立從上至下的多級(jí)信息資源共享網(wǎng)絡(luò)，實(shí)行多層級(jí)信息資源的管理、宏觀控制，使圖書館信息資源能夠最大范圍的滿足用戶的需求。

５結(jié)束語(yǔ)

本文把粗糙集方法引入圖書館信息資源評(píng)價(jià)分析中，在已有的研究基礎(chǔ)上建立了基于粗糙集條件信息熵的圖書館信息資源智能評(píng)價(jià)模型，客觀獲取各評(píng)價(jià)指標(biāo)的權(quán)重值，為后續(xù)的綜合評(píng)價(jià)分析奠定基礎(chǔ)，這種求解方法具有嚴(yán)密的邏輯推理和理論依據(jù)。進(jìn)一步，根據(jù)該模型計(jì)算得到的指標(biāo)權(quán)重值結(jié)果，提出了豐富圖書館信息資源內(nèi)容的相應(yīng)對(duì)策。算例表明，該粗糙集智能評(píng)價(jià)模型是切實(shí)可行、有效的，為圖書館信息資源提供了新的智能化評(píng)價(jià)方法。

參考文獻(xiàn)

［１］趙良英,李立華.基于多層次模糊綜合評(píng)價(jià)的復(fù)合圖書館信息資源評(píng)價(jià)指標(biāo)體系研究［Ｊ］.圖書館工作與研究,2011,（3）:24-28.

［２］管計(jì)鎖,畢杰.網(wǎng)絡(luò)信息資源評(píng)價(jià)與傳統(tǒng)館藏評(píng)價(jià)的比較和綜合評(píng)價(jià)［Ｊ］.圖書情報(bào)工作,2004,48（2）:35-37.

［３］曹作華.圖書館信息資源服務(wù)效益的模糊層次綜合評(píng)價(jià)［Ｊ］.圖書情報(bào)工作,2004,48（12）:51-56.

［４］Yee Leung,Manfred M.Fischer,Wei-Zhi Wu,Ju-Sheng Mi.A rough set approach for the discovery of classification rules in interval-valued information systems［Ｊ］.International Journal of Approximate Reasoning,2008,5（2）:233-246.

［５］朱紅燦,陳能華.基于距離輔助粗糙集的政府信息公開公眾滿意度評(píng)價(jià)模型［Ｊ］．情報(bào)雜志,2010,29（8）:94-97.

［６］朱紅燦,陳能華.粗糙集條件信息熵權(quán)重確定方法的改進(jìn)［Ｊ］.統(tǒng)計(jì)與決策,2011,（8）:154-156.

［７］譚旭,唐云嵐,陳英武.基于粗糙集的區(qū)間型數(shù)據(jù)離散化算法［Ｊ］.系統(tǒng)工程理論與實(shí)踐,2009,29（6）:157-165.

［８］高維春,譚旭.決策屬性未知下的學(xué)生評(píng)教粗糙集分析［Ｊ］.計(jì)算機(jī)工程與應(yīng)用,2012,48（9）:238-241.

［９］岳超源.決策理論與方法［Ｍ］.北京:科學(xué)出版社,2006.

［１０］周志遠(yuǎn),沈固朝.粗糙集理論在情報(bào)分析指標(biāo)權(quán)重確定中的應(yīng)用［Ｊ］.情報(bào)理論與實(shí)踐,2012,35（9）:61-65.

（本文責(zé)任編輯：孫國(guó)雷）

endprint

從所得的評(píng)價(jià)結(jié)果中可以看出，兩種方法計(jì)算得到的各個(gè)圖書館的評(píng)價(jià)值排序相差不大。為了進(jìn)一步驗(yàn)證本文模型的合理有效性，特定義評(píng)價(jià)決策方案區(qū)分度為：

η＝∑ｎｉ＝１（Ｋｉ－）２，?＝∑ｎｉ＝１Ｋｉ／ｎ（6）

其中ｎ為待評(píng)價(jià)圖書館的數(shù)目。

區(qū)分度越大意味著待評(píng)價(jià)圖書館間的優(yōu)勢(shì)可分辨性越大，也直接表明該評(píng)價(jià)方法的優(yōu)越性。通過公式（6）計(jì)算上述兩種圖書館信息資源評(píng)價(jià)方法下的方案間的區(qū)分度，如表３所示，本文方法的評(píng)價(jià)決策方案區(qū)分度更大，表明本文方法更具一定的優(yōu)越性，也表明了本文模型的合理有效。

４豐富圖書館信息資源內(nèi)容的對(duì)策

根據(jù)本文圖書館信息資源智能評(píng)價(jià)模型的權(quán)重值計(jì)算結(jié)果分析，圖書館信息資源評(píng)價(jià)指標(biāo)體系中圖書館信息資源內(nèi)容指標(biāo)重要性最高，那么豐富高校圖書館信息資源的內(nèi)容我們可以從以下幾個(gè)方面去考慮：

４１提高信息資源的保障能力

信息資源的保障是圖書館信息資源建設(shè)的基礎(chǔ)，提高圖書館信息資源的保障能力，必須分別對(duì)紙質(zhì)文獻(xiàn)與數(shù)字資源、各個(gè)學(xué)科的信息資源、自建特色數(shù)據(jù)庫(kù)和學(xué)科導(dǎo)航庫(kù)以及資料的文種結(jié)構(gòu)優(yōu)化等進(jìn)行合理的保存，提高圖書館信息資源的使用效率，加強(qiáng)圖書館信息資源內(nèi)容的建設(shè)。

４２提高信息資源的質(zhì)量

信息資源的質(zhì)量是圖書館信息資源建設(shè)的核心，提高信息資源的質(zhì)量，必須增加核心圖書館的館藏量，對(duì)零借閱圖書進(jìn)行合理的削減，提高核心刊物、同行專家評(píng)審及被索引期刊的收藏比例，合理分配學(xué)科結(jié)構(gòu)建設(shè)比例如重點(diǎn)學(xué)科、主要學(xué)科、一般學(xué)科資源、新書冊(cè)數(shù)的比例等。

４３提高信息資源的時(shí)效性

信息資源的時(shí)效性決定著圖書館信息資源建設(shè)質(zhì)量的好壞。提高高校圖書館信息資源的時(shí)效性，需要提高圖書、期刊的上架速度，對(duì)數(shù)字資源每天進(jìn)行更新，這樣可以彌補(bǔ)由于紙本資源時(shí)滯所帶來的影響，提高文獻(xiàn)傳遞的及時(shí)性，使得圖書館信息資源能夠及時(shí)滿足用戶的需求。

４４提高信息資源的共享能力

信息資源的共享能力決定著圖書館信息資源建設(shè)的高度。圖書館信息資源的共享實(shí)質(zhì)是以信息資源優(yōu)化配置為基礎(chǔ)的高效利用，在高校應(yīng)該建立從上至下的多級(jí)信息資源共享網(wǎng)絡(luò)，實(shí)行多層級(jí)信息資源的管理、宏觀控制，使圖書館信息資源能夠最大范圍的滿足用戶的需求。

５結(jié)束語(yǔ)

本文把粗糙集方法引入圖書館信息資源評(píng)價(jià)分析中，在已有的研究基礎(chǔ)上建立了基于粗糙集條件信息熵的圖書館信息資源智能評(píng)價(jià)模型，客觀獲取各評(píng)價(jià)指標(biāo)的權(quán)重值，為后續(xù)的綜合評(píng)價(jià)分析奠定基礎(chǔ)，這種求解方法具有嚴(yán)密的邏輯推理和理論依據(jù)。進(jìn)一步，根據(jù)該模型計(jì)算得到的指標(biāo)權(quán)重值結(jié)果，提出了豐富圖書館信息資源內(nèi)容的相應(yīng)對(duì)策。算例表明，該粗糙集智能評(píng)價(jià)模型是切實(shí)可行、有效的，為圖書館信息資源提供了新的智能化評(píng)價(jià)方法。

參考文獻(xiàn)

［１］趙良英,李立華.基于多層次模糊綜合評(píng)價(jià)的復(fù)合圖書館信息資源評(píng)價(jià)指標(biāo)體系研究［Ｊ］.圖書館工作與研究,2011,（3）:24-28.

［２］管計(jì)鎖,畢杰.網(wǎng)絡(luò)信息資源評(píng)價(jià)與傳統(tǒng)館藏評(píng)價(jià)的比較和綜合評(píng)價(jià)［Ｊ］.圖書情報(bào)工作,2004,48（2）:35-37.

［３］曹作華.圖書館信息資源服務(wù)效益的模糊層次綜合評(píng)價(jià)［Ｊ］.圖書情報(bào)工作,2004,48（12）:51-56.

［４］Yee Leung,Manfred M.Fischer,Wei-Zhi Wu,Ju-Sheng Mi.A rough set approach for the discovery of classification rules in interval-valued information systems［Ｊ］.International Journal of Approximate Reasoning,2008,5（2）:233-246.

［５］朱紅燦,陳能華.基于距離輔助粗糙集的政府信息公開公眾滿意度評(píng)價(jià)模型［Ｊ］．情報(bào)雜志,2010,29（8）:94-97.

［６］朱紅燦,陳能華.粗糙集條件信息熵權(quán)重確定方法的改進(jìn)［Ｊ］.統(tǒng)計(jì)與決策,2011,（8）:154-156.

［７］譚旭,唐云嵐,陳英武.基于粗糙集的區(qū)間型數(shù)據(jù)離散化算法［Ｊ］.系統(tǒng)工程理論與實(shí)踐,2009,29（6）:157-165.

［８］高維春,譚旭.決策屬性未知下的學(xué)生評(píng)教粗糙集分析［Ｊ］.計(jì)算機(jī)工程與應(yīng)用,2012,48（9）:238-241.

［９］岳超源.決策理論與方法［Ｍ］.北京:科學(xué)出版社,2006.

［１０］周志遠(yuǎn),沈固朝.粗糙集理論在情報(bào)分析指標(biāo)權(quán)重確定中的應(yīng)用［Ｊ］.情報(bào)理論與實(shí)踐,2012,35（9）:61-65.

（本文責(zé)任編輯：孫國(guó)雷）

endprint