王艷麗 張素華 商丘工學(xué)院

1 數(shù)據(jù)挖掘概述

簡單來說，數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取或者“挖掘”知識，但這些數(shù)據(jù)是不完全的、模糊的、含噪聲的和隨機(jī)的，而數(shù)據(jù)挖掘就是要在這些數(shù)據(jù)中挖掘出那些隱含的、人工難以識別的和有作用的潛在的信息。這種方法通過對各組織的海量數(shù)據(jù)進(jìn)行分析，通過各種挖掘算法推理并從中挖掘出有用的信息，其結(jié)果將可為管理層的決策提供支持。隨著海量信息時代的來臨，數(shù)據(jù)挖掘技術(shù)在很多領(lǐng)域都得到了廣泛的應(yīng)用和發(fā)展，越來越顯示出其強(qiáng)大的生命力。

數(shù)據(jù)挖掘的過程實際上就是一個知識發(fā)現(xiàn)的過程，通過運(yùn)用各種數(shù)據(jù)處理技術(shù)從大量事實數(shù)據(jù)和觀察數(shù)據(jù)的集合中挖掘出潛在的模式或規(guī)則，幫助我們真正理解這些數(shù)據(jù)的含義，并對數(shù)據(jù)之間所存在的關(guān)系產(chǎn)生更好的理解。通過數(shù)據(jù)挖掘，可以從大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中的相關(guān)數(shù)據(jù)集中抽取出潛在的、有效的、新穎的、有價值的、最終可理解的知識信息，并從不同的角度顯示，從而使存放有大量豐富可靠資源的大型數(shù)據(jù)庫為知識歸納服務(wù)。因此，數(shù)據(jù)挖掘被認(rèn)為是解決目前“數(shù)據(jù)豐富，但信息貧乏”問題的一種有效方法。

2 數(shù)據(jù)挖掘技術(shù)在高校圖書館建設(shè)中的意義

利用數(shù)據(jù)挖掘的圖書館個性化服務(wù)合時宜地運(yùn)用到圖書管理系統(tǒng)，使推薦功能為本系統(tǒng)提供增值服務(wù)，利用推薦系統(tǒng)這種最優(yōu)方法幫助讀者找出最想找的信息，讓信息主動去尋找跟隨讀者。文獻(xiàn)同時從本質(zhì)上挖掘讀者的內(nèi)在個性化需求，針對不同讀者的不同需求，向其推薦有針對性地個性化信息資源。通過這種方式，圖書館服務(wù)可向讀者推薦剛好需要的圖書資源，為所有讀者提供剛需服務(wù)。

基于數(shù)據(jù)挖掘的個性化信息推薦服務(wù)系統(tǒng)主要實現(xiàn)兩方面功能：一是挖掘功能，這里首先對圖書館讀者根據(jù)其所借閱數(shù)據(jù)進(jìn)行聚類群分，然后針對每個聚類群體中讀者的借閱數(shù)據(jù)實現(xiàn)關(guān)聯(lián)規(guī)則挖掘，尋找讀者在借閱圖書時潛在的借閱模式；二是個性化推薦功能，這里將挖掘出的關(guān)聯(lián)規(guī)則應(yīng)用到圖書館個性化推薦服務(wù)中。

圖1 數(shù)據(jù)挖掘系統(tǒng)體系結(jié)構(gòu)圖

數(shù)據(jù)挖掘系統(tǒng)由各類數(shù)據(jù)庫、挖掘前處理模塊、挖掘操作模塊、模式評估模塊、知識輸出模塊組成。系統(tǒng)處數(shù)據(jù)庫中原始數(shù)據(jù)存在如不一致、重復(fù)、含噪聲、維度高等諸多問題，所以挖掘前需要對數(shù)據(jù)先進(jìn)行處理，將未加工數(shù)據(jù)轉(zhuǎn)換成適合分析的形式。預(yù)處理過的數(shù)據(jù)分類存放在各種數(shù)據(jù)庫中，就可以運(yùn)用各種算法進(jìn)行數(shù)據(jù)挖掘，這是一個復(fù)雜的過程，并要進(jìn)行數(shù)據(jù)挖掘模式評估，并將最終的挖掘結(jié)果推薦給用戶。

3 挖掘技術(shù)在圖書館個性化服務(wù)中的應(yīng)用

基于數(shù)據(jù)挖掘的個性化推薦技術(shù)，利用數(shù)據(jù)挖掘的算法，探究讀者的讀書傾向，從大量的圖書館信息庫中運(yùn)用各種挖掘方法，找到讀者最感興趣的信息，并推薦給他，并為管理員提供非常重要的業(yè)務(wù)信息。

數(shù)據(jù)挖掘的分析方法是利用數(shù)據(jù)來建立一些模仿真實世界的模型，利用這些模型來描述數(shù)據(jù)中的模式以及關(guān)系。數(shù)據(jù)挖掘可以建立六種模型：分類、回歸、時間序列、聚類、關(guān)聯(lián)規(guī)則以及順序規(guī)則。

聚類分析：聚類分析(clusteranalysis)是一種探查數(shù)據(jù)結(jié)構(gòu)的工具。聚類分析的核心是聚類，也就是將數(shù)據(jù)對象首先劃分為簇 ，最后得到同一個簇內(nèi)的所有的對象都相似，而不同簇的對象都是相異的。通過某些度量或與其他對象的關(guān)系都可以來描述所有對象。聚類不需要以先驗標(biāo)識符來標(biāo)定數(shù)據(jù)類別的假定。

關(guān)聯(lián)規(guī)則：關(guān)聯(lián)規(guī)則挖掘是找出既定事件或數(shù)據(jù)中能同時出現(xiàn)的頻繁數(shù)據(jù)（即高頻項目組）的一種方法。本文所介紹的個性化圖書推薦功能主要利用聚類和關(guān)聯(lián)規(guī)則算法實現(xiàn)。

圖2 個性化圖書推薦流程

當(dāng)用戶成功登錄系統(tǒng)后，系統(tǒng)將從用戶聚類推薦和用戶關(guān)聯(lián)推薦兩個方面開始進(jìn)行個性化推薦處理。

（1）用戶聚類個性化圖書推薦

首先利用聚類算法對系統(tǒng)所有用戶進(jìn)行聚類處理，接著得到當(dāng)前用戶所屬分類里的所有用戶所借閱的圖書，然后根據(jù)這些圖書的借閱量對圖書進(jìn)行排序并且排除當(dāng)前用戶已經(jīng)借閱過的圖書，最終得到一個根據(jù)用戶分類的推薦圖書清單。

（2）用戶關(guān)聯(lián)個性化圖書推薦

首先判斷當(dāng)前用戶是否借閱記錄，如果沒有借閱記錄那么無法提供關(guān)聯(lián)推薦圖書，流程結(jié)束；如果有借閱記錄，那么找出所有借閱圖書并且利用關(guān)聯(lián)規(guī)則算法對所有借閱事務(wù)進(jìn)行關(guān)聯(lián)規(guī)則分析，得到當(dāng)前用戶關(guān)聯(lián)的圖書，然后根據(jù)置信度以及圖書的借閱量對圖書進(jìn)行排序并排除用戶己經(jīng)借閱過的圖書，最終得到一個基于關(guān)聯(lián)規(guī)則的興趣推薦圖書清單。

4 結(jié)語

綜上所述，通過數(shù)據(jù)挖掘技術(shù)的應(yīng)用可以有效的提高高校圖書館管理工作的效率，將圖書館的作用更加充分的發(fā)揮出來。