陳紅云

摘 要：數(shù)字圖書館技術的發(fā)展為圖書館服務質量以及服務模式的提高提供了契機，傳統(tǒng)的圖書館管理模式已經(jīng)遠遠不能滿足讀者的借閱需求，讀者不僅僅會專注于本專業(yè)所學知識、項目開發(fā)以及科研活動的研究。因此，將數(shù)據(jù)挖掘中的各種技術方法應用于圖書信息的挖掘具有非常重要的現(xiàn)實意義。

關鍵詞：數(shù)字圖書館；數(shù)據(jù)挖掘；數(shù)據(jù)挖掘技術

1 數(shù)字圖書館研究進展

80年代末和90年代初，圖書館自動化向著高度自動化、電子化、網(wǎng)絡化、虛擬化的深度和廣度進軍。進入20世紀90年代，隨著信息技術的長足進步和飛速發(fā)展，隨著Internet的建立和廣泛應用，數(shù)字圖書館成為現(xiàn)代圖書館的發(fā)展趨勢。21世紀初，數(shù)字圖書館及其相關概念，網(wǎng)絡環(huán)境下的館藏發(fā)展、采訪、分類、編目等技術服務、讀者服務以及圖書館員素質的提高和角色的轉換等均成為主要的研究問題。此外，如何對待、處理和解決數(shù)字圖書館從理論走向現(xiàn)實的技術實現(xiàn)問題也必然成為我們天天要談論的主要話題。如今很多國內外研究人員都致力于數(shù)字圖書館發(fā)展的研究過程中，在對其中各種主要技術研究一定水平之后，未來數(shù)字圖書館的發(fā)展模式主要集中在三種類型：特種館藏型模式、服務主導型模式以及商用文獻型模式。數(shù)字圖書館的特點是：收藏數(shù)字化、操作電腦化、傳遞網(wǎng)絡化、信息存貯自由化、資源共享化和結構連接化。

2 數(shù)據(jù)挖掘技術

數(shù)據(jù)挖掘技術功能以及它們可以發(fā)現(xiàn)的模式類型主要包括以下幾個部分：⑴概念/類描述：特征化和區(qū)分。用簡潔的、匯總的和精確的方式描述各個類和概念，這種描述稱為概念/類描述，而要實現(xiàn)這種描述，就需要采用數(shù)據(jù)區(qū)分和數(shù)據(jù)特征化這兩種方法。數(shù)據(jù)特征化（data characterization）是匯總目標類數(shù)據(jù)的一般特性或特征。它的輸出形式包括餅圖、條圖、曲線、多維數(shù)據(jù)立方體和多維表。數(shù)據(jù)區(qū)分是比較目標類數(shù)據(jù)對象和一個或多個對比類對象的一般特性。其輸出提供的形式類似于特征化描述；⑵挖掘頻繁模式、關聯(lián)和相關。頻繁模式是在數(shù)據(jù)中頻繁出現(xiàn)的模式，主要包括項集、子結構和子序列。對頻繁模式的挖掘可以導致發(fā)現(xiàn)數(shù)據(jù)中有趣的關聯(lián)和相關。通常，關聯(lián)規(guī)則必須同時滿足最小支持度閾值和最小置信度閾值，同時也可以發(fā)現(xiàn)相關聯(lián)的屬性-值對之間的有趣的統(tǒng)計相關；⑶分類和預測。分類是找出描述和區(qū)分數(shù)據(jù)類或概念的模型（或函數(shù)），以便能夠使用模型預測類標號未知的對象類。導出的模型可以有多種形式，如分類（IF-THEN）規(guī)則、決策樹、數(shù)學公式或神經(jīng)網(wǎng)絡。預測是建立連續(xù)值函數(shù)模型，而分類預測是用來預測不知道的或空缺的數(shù)值數(shù)據(jù)值。還有其他方法比如回歸分析是一種統(tǒng)計學中最常用的數(shù)值預測方法；⑷聚類分析。與分類和預測不同的是，聚類事先不知道劃分數(shù)據(jù)對象的類標號，在這種情況下對象可以根據(jù)類內最大化以及類間最小化的相似性原則進行分組或者聚類；⑸離群點分析。數(shù)據(jù)庫中存在著與一般行為或模型不一致的一些數(shù)據(jù)對象，這些對象叫做離群點。在大多數(shù)情況下人們都會將其視為噪聲或異常而丟棄。然而在一些具體的應用中卻比正常發(fā)生的事件更令人感興趣，比如欺詐檢測，銀行獲取信用卡使用不良記錄者等行為；⑹演變分析。演變分析是描述行為隨時間變化的對象之間的趨勢或規(guī)律，并為其建立模型。這種分析不同于先前所提及的幾種方法，它具體可包括序列或周期模式匹配、時間序列數(shù)據(jù)分析以及基于相似性的數(shù)據(jù)分析等。比如股票交易數(shù)據(jù)挖掘就可以識別整個或者特定公司股票演變規(guī)律，進而為股票投資者提供預測未來股票價格以及市場方向的決策。

3 數(shù)字圖書館中的數(shù)據(jù)挖掘

傳統(tǒng)圖書館是由專門技術人員或者專家通過以往的經(jīng)驗來安排圖書信息的采集，由于存在著各種主觀性，因此在這種情況下信息就有可能不準確。而使用數(shù)據(jù)挖據(jù)技術就會解決上述存在的問題。首先它會充分有效的利用文獻信息，去除過失數(shù)據(jù)，使圖書數(shù)據(jù)具有時效性。其次，運用數(shù)據(jù)挖掘技術，可以總結歷史用戶信息來推薦給未來讀者，滿足他們的研究方向和興趣愛好。再者，應用數(shù)據(jù)挖掘檢索技術可以摒棄部分地域、學校以及文獻類別的束縛，為用戶檢索出最全面而又具有很高使用價值的信息。最后借助數(shù)據(jù)挖掘技術可以拓寬圖書信息庫，不僅僅局限于某些大型數(shù)據(jù)庫或者數(shù)據(jù)倉庫，它會使個性化服務推廣到整個網(wǎng)絡，讓讀者獲取最豐富最全面的信息資源。將數(shù)據(jù)挖掘技術應用于數(shù)字圖書館主要從以下幾個方面進行挖掘：（1）對數(shù)字圖書館的內容進行挖掘?；跀?shù)字圖書館的內容的挖掘是通過對數(shù)字圖書館信息的模式識別和分析理解，從中發(fā)現(xiàn)有意義的知識。根據(jù)某一領域的信息需求，自動捕捉、采集和整理領域所需信息，過濾無用冗余信息，通過信息推送等方式，直接數(shù)據(jù)挖掘所發(fā)現(xiàn)的知識，提供給讀者，主動提供個性化服務。（2）對數(shù)字圖書館的用戶進行挖掘。從數(shù)字圖書館的大量訪問信息中挖掘用戶的訪問模式、訪問興趣，采用關聯(lián)性法則和聚類方法發(fā)現(xiàn)不同的用戶群體，然后對這些不同的群體提供信息定制服務。同時還可以利用web挖掘所得到的信息，動態(tài)地調整web頁面，更好地滿足讀者的需要。通過對用戶訪問信息、使用信息的挖掘，在數(shù)字對象和用戶、對象分類和主題之間進行模式匹配，采用不同挖掘技術自動提取知識，從而確定個性化服務內容，提高為用戶知識服務的自動化水平。（3）此外，收集整理圖書館網(wǎng)上咨詢、薦購書刊等欄目中的數(shù)據(jù)，利用數(shù)據(jù)挖掘技術，可以預先發(fā)現(xiàn)讀者群體的興趣，調整館藏方向，提升館藏資源的針對性。

[參考文獻]

[1]王艷.數(shù)據(jù)挖掘在數(shù)字圖書館中的應用[J].情報科學.2003（02）.

[2]馮進.利用數(shù)據(jù)挖掘技術 深入挖掘圖書館工作[J].現(xiàn)代情報.2005（03）.

[3]高巨山.數(shù)字圖書館構建中的數(shù)據(jù)挖掘應用研究[J].圖書館工作與研究. 2009（04）.

[4]唐吉深.圖書館數(shù)據(jù)挖掘技術研究現(xiàn)狀述評[J].圖書館界.2011（01）.