◆龍懿　田馨　代倩

基于數(shù)據(jù)挖掘的中小學(xué)圖書館管理分析

◆龍懿田馨代倩

近年來，各地中小學(xué)圖書館信息化管理發(fā)展迅速?；诮逃畔⒒尘埃褂脭?shù)據(jù)挖掘方法，采用聚類分析、關(guān)聯(lián)規(guī)則兩種算法對(duì)真實(shí)數(shù)據(jù)進(jìn)行探索，從而為圖書館管理提供科學(xué)依據(jù)、為資源的有效配置提供借鑒。

數(shù)據(jù)挖掘；中小學(xué)圖書館；圖書館信息化

10.3969/j.issn.1671-489X.2016.13.076

1　前言

數(shù)據(jù)挖掘也稱數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)（KDD，Knowledge Discovery in Database）［1］，于1989年被正式提出，之后伴隨著信息化的迅速發(fā)展，數(shù)據(jù)挖掘作為一門綜合學(xué)科的技術(shù)知識(shí)，也獲得快速發(fā)展。簡單地說，數(shù)據(jù)挖掘就是通過對(duì)數(shù)據(jù)的各種分析，得出有用的信息。然而它又不同于傳統(tǒng)的統(tǒng)計(jì)分析。傳統(tǒng)的統(tǒng)計(jì)分析是對(duì)數(shù)據(jù)進(jìn)行帶有某種目的的處理分析，數(shù)據(jù)挖掘是對(duì)數(shù)據(jù)進(jìn)行綜合處理，發(fā)現(xiàn)其中未知的、隱含的知識(shí)。這是一種新的分析處理手段，也是目前大數(shù)據(jù)處理中流行的分析方法，結(jié)果往往會(huì)超出傳統(tǒng)認(rèn)知，從而發(fā)現(xiàn)新的知識(shí)。其經(jīng)典案例有通過對(duì)美國超市銷售數(shù)據(jù)的分析，發(fā)現(xiàn)每周五晚上買啤酒的男士通常會(huì)購買尿不濕這一現(xiàn)象，之后營銷學(xué)和市場(chǎng)學(xué)再對(duì)這一結(jié)果進(jìn)行原因分析和營銷戰(zhàn)略分析。這種分析方式在信息化迅速發(fā)展的背景下，應(yīng)用領(lǐng)域廣泛，零售業(yè)、金融業(yè)、醫(yī)療教育行業(yè)等。

目前，國內(nèi)外已經(jīng)有大量的文獻(xiàn)研究將數(shù)據(jù)挖掘技術(shù)應(yīng)用于圖書管理，其中大多數(shù)以某個(gè)學(xué)校、某個(gè)圖書館或者某個(gè)連鎖書店為分析對(duì)象，還有一些研究立足于圖書閱讀與學(xué)生綜合素質(zhì)之間的關(guān)聯(lián)分析。本文以一個(gè)省級(jí)圖書管理平臺(tái)為分析對(duì)象，采用數(shù)據(jù)挖掘中的聚類分析和關(guān)聯(lián)規(guī)則兩種算法對(duì)平臺(tái)數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)其中未知的隱含信息，力求從更好地服務(wù)讀者、更方便地管理圖書、更有效地配置資源幾個(gè)方面提供可用信息。

2　數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)平臺(tái)我國教育部在2010年《國家中長期教育改革和發(fā)展規(guī)劃綱要（2010—2020年）》和2012年《教育信息化十年發(fā)展規(guī)劃（2010—2020年）》中均提到了中小學(xué)圖書館管理信息化問題，各省中小學(xué)圖書館管理信息化快速發(fā)展。圖書館信息化帶來龐大的數(shù)據(jù)，要想利用好這些數(shù)據(jù)來為中小學(xué)讀者、管理人員帶來更加有效的信息，就會(huì)面對(duì)幾個(gè)實(shí)際的問題：1）由于各地經(jīng)濟(jì)發(fā)展?fàn)顩r等不完全一致，客觀表現(xiàn)不一，中小學(xué)圖書館建設(shè)情況各不相同；2）中小學(xué)圖書館各自歸屬不一樣，數(shù)據(jù)庫建設(shè)標(biāo)準(zhǔn)各有不同；3）部分學(xué)校圖書館信息化建設(shè)平臺(tái)已經(jīng)完成，但錯(cuò)誤信息較多、使用較少；4）對(duì)已經(jīng)運(yùn)行較好的圖書館信息化系統(tǒng)積累的大量數(shù)據(jù)的利用不足。

四川省教育廳于2012年結(jié)合全省實(shí)際情況，在相關(guān)政策的指導(dǎo)下，開始建立省級(jí)圖書管理平臺(tái)，涵蓋全省所有中小學(xué)圖書館的館藏?cái)?shù)據(jù)和流通數(shù)據(jù)。該平臺(tái)幫助全省各中小學(xué)圖書館信息化工作的開展，通過建設(shè)管理平臺(tái)，全省各中小學(xué)圖書館一方面統(tǒng)一建設(shè)標(biāo)準(zhǔn)，另一方面發(fā)現(xiàn)糾正數(shù)據(jù)庫錯(cuò)誤，形成真實(shí)有效的圖書館數(shù)據(jù)信息。

數(shù)據(jù)選取本研究數(shù)據(jù)均采集于四川省省級(jí)圖書管理平臺(tái)，時(shí)間窗口定于2012年9月到2014年12月。通過對(duì)全省圖書信息化的調(diào)研分析，決定采用圖書信息化實(shí)際發(fā)展差距不大的區(qū)域進(jìn)行分析挖掘。以省會(huì)城市的數(shù)據(jù)為例采集數(shù)據(jù)，同時(shí)將其按照主城區(qū)和周邊城區(qū)兩個(gè)部分進(jìn)行拆分，對(duì)兩個(gè)部分的數(shù)據(jù)采用相同的數(shù)據(jù)挖掘算法進(jìn)行分析，挖掘不同區(qū)域的信息，同時(shí)可以結(jié)合數(shù)據(jù)挖掘的結(jié)果進(jìn)行對(duì)比分析。

本研究將選用圖書館代碼、圖書館所屬城市、圖書分類號(hào)、書名、作者、借閱人姓名、借閱人性別、借閱時(shí)間、歸還時(shí)間等19個(gè)維度進(jìn)行挖掘分析，詳見表1數(shù)據(jù)挖掘字段。

圖書分類方法采用中圖法基本分類：A—馬克思主義、列寧主義、毛澤東思想、鄧小平理論；N—自然科學(xué)總論；B—哲學(xué)、宗教；O—數(shù)理科學(xué)和化學(xué)；C—社會(huì)科學(xué)總論；P—天文學(xué)、地球科學(xué)；D—政治、法律；Q—生物科學(xué)；E—軍事；R—醫(yī)藥、衛(wèi)生；F—經(jīng)濟(jì)；S—農(nóng)業(yè)科學(xué)；G—文化、科學(xué)、教育、體育；T—工業(yè)技術(shù)；H—語言、文字；U—交通運(yùn)輸；I—文學(xué)；V—航空、航天；J—藝術(shù)；X—環(huán)境科學(xué)、安全科學(xué)；K—?dú)v史、地理；Z—綜合性圖書。

3　數(shù)據(jù)挖掘分析

數(shù)據(jù)挖掘主要包括兩個(gè)方面，一是挖掘結(jié)構(gòu)，一個(gè)是挖掘算法。需要從挖掘結(jié)構(gòu)中獲得相應(yīng)數(shù)據(jù)，然后再使用算法進(jìn)行分析。數(shù)據(jù)挖掘的算法很多，如決策樹算法、聚類分析算法、關(guān)聯(lián)算法、時(shí)序算法和線性回歸算法等，大多數(shù)算法都能達(dá)到幾種不同的功能，在實(shí)際運(yùn)用中，根據(jù)不同需要，采用不同的數(shù)據(jù)挖掘方法，比如人工神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)分析、遺傳算法、聚類分析等。本文主要采用聚類分析和關(guān)聯(lián)分析兩種方法，針對(duì)以上選取數(shù)據(jù)進(jìn)行分析。

聚類分析聚類分析（Clustering Analysis）是一組將研究對(duì)象分為相對(duì)同質(zhì)的群組的統(tǒng)計(jì)分析技術(shù)，按照它們的屬性上的親疏遠(yuǎn)近進(jìn)行分類，也可以說聚類分析是將物理或抽象對(duì)象的集合分組成為由類似的對(duì)象組成的多個(gè)類別的分析過程。

聚類分析在圖書館文獻(xiàn)研究中，通常選用年齡、學(xué)歷、收入等量化指標(biāo)進(jìn)行聚類情況，本文將從圖書類別、性別和借閱時(shí)間（月）三個(gè)維度進(jìn)行聚類，嘗試發(fā)掘新的知識(shí)點(diǎn)。

主城區(qū)聚類分析根據(jù)主城區(qū)數(shù)據(jù)中性別、借閱時(shí)間和圖書類別進(jìn)行聚類，自動(dòng)分成了10類，從聚類結(jié)果的分類剖面圖可以看到各個(gè)變量的整體情況，比如從性別來看，中小學(xué)圖書館的借閱情況中，幾乎男女借閱比例是五五比例，全年來看，借書月份按照從多到少排列，依次是12、11、10、3這幾個(gè)月，12月是借書最多的月份。借書類別按照從多到少，依次是I、J、H、G類，其中最大的則為I類——文學(xué)類圖書，但是分別看各類的情況，則差異較大，具體如圖1所示。

表1　數(shù)據(jù)挖掘字段

圖1　主城區(qū)聚類分析分類剖面圖

分類1：借閱人性別幾乎都為男生，主要集中在10月和12月借書，借閱I類圖書最多。

分類2：借閱人性別都是女生，主要集中在11月份借書，借閱書籍I類最多。

分類3：借閱人性別均為女生，主要集中在12月份借書，借閱類型I類最多。

分類4：借閱人性別幾乎都為男生，借閱時(shí)間幾乎都是11月，借閱類型I類最多。

分類5：借閱人性別均為女生，借閱時(shí)間主要都為10月，借閱類型I類最多。

分類6：借閱人性別幾乎都為男生，但是沒有在最集中借閱的3、10、11、12幾個(gè)月中借閱，借閱類別最多的I類。

分類7：借閱人性別幾乎都為男生，但是沒有在最集中借閱的3、10、11、12幾個(gè)月中借閱，借閱類別最多的I類。

分類8：借閱人性別上女生稍微多一些，但是沒有在最集中借閱的3、10、11、12幾個(gè)月中借閱，借閱類別最多的I類。

分類9：借閱人90%為男生，主要集中在3月進(jìn)行借書，借書類型主要為I類。

分類10：借閱人性別基本為女生，都集中在3月份借書，其I類圖書借閱比例也是最高的。

非主城區(qū)聚類分析對(duì)非主城區(qū)進(jìn)行聚類，根據(jù)性別、借閱時(shí)間和圖書類別聚類結(jié)果，也自動(dòng)聚類成為了10類。從聚類結(jié)果的分類剖面圖我們可以看到各個(gè)變量的整體情況，比如從性別來看，中小學(xué)圖書館的借閱情況中，幾乎男女借閱比例是均衡的，全年來看，借書月份按照從多到少排列，依次是12、6、11、10幾個(gè)月，12月是借書最多的月份。借書類別按照從多到少，依次是I、P、H、G類，其中最大的則為I類——文學(xué)類圖書，但是分別看到各類的情況，則差異較大，具體如圖2所示。

圖2　非主城區(qū)聚類分析分類剖面圖

分類1：借閱人性別都為女生，主要集中在12月借書，借閱I類圖書最多。

分類2：借閱人性別都是男生，主要集中在12月份借書，借閱書籍I類最多。

分類3：借閱人性別均為女生，主要集中在11月份借書，借閱類型I類最多。

分類4：借閱人性別都為男生，借閱時(shí)間以10月為主，借閱類型I類最多。

分類5：借閱人性別都為女生，但是沒有在最集中借閱的6、10、11、12幾個(gè)月中借閱，借閱類別最多的I類。

分類6：借閱人性別都是女生，主要集中在10月份借書，借閱書籍I類最多。

分類7：借閱人性別均為男生，但是沒有在最集中借閱的6、10、11、12幾個(gè)月中借閱，借閱類別最多的I類。

分類8：借閱人性別都為男生，大部分借閱時(shí)間以11月為主，借閱類型I類最多。

分類9：借閱人性別都是女生，主要集中在6月份借書，借閱書籍P類最多。

分類10：借閱人性別都為男生，大部分借閱時(shí)間以6月為主，借閱類型P類最多。

聚類結(jié)果分析總體上看，主城區(qū)借書的男女總體比例基本均衡，借書的時(shí)間集中月份分別是12、11、10、3幾個(gè)月，12月是借書最多的月份。借書類別主要集中在I、J、H、G類，其中最大的則為I類——文學(xué)類圖書。非主城區(qū)男女借書比例基本均衡，借閱時(shí)間和圖書種類兩個(gè)維度不同，如表2所示。

表2　主城區(qū)和非主城區(qū)聚類分析結(jié)果總體對(duì)照表

針對(duì)他們從總體上展現(xiàn)出來的不一樣，尤其是讀書的時(shí)間，雖然大體上都集中在12、11、10三個(gè)月，但是主城區(qū)3月借書的集中度排在第四，非主城區(qū)10月借書的集中度排在第二。

結(jié)合實(shí)際抽查訪問，學(xué)生集中年末借書，跟氣候、新的學(xué)期都很大關(guān)系，而3月和6月這兩個(gè)數(shù)字，分別說明兩個(gè)問題，主城區(qū)3月讀書，是因?yàn)樾聦W(xué)期開學(xué)和春天氣候適合閱讀，而非主城區(qū)6月借閱很多，卻主要是因?yàn)槭罴贂r(shí)間長，放假前學(xué)生假期閱讀計(jì)劃較多。

從兩個(gè)結(jié)果來看，大致可以推斷寒暑假對(duì)于主城區(qū)學(xué)生讀書影響不大，但是這個(gè)也體現(xiàn)了另外一個(gè)問題，寒暑假期間圖書館不對(duì)學(xué)生開放非常影響學(xué)生閱讀，也許寒暑假圖書館能夠繼續(xù)開放，我們能夠得到完全不一樣的結(jié)果。

我們?cè)賮砜纯唇栝唸D書的類別情況，其實(shí)也很有意思。雖然都是一個(gè)城市，但是主城區(qū)和非主城區(qū)竟然在借閱種類集中度排名第二的類別上發(fā)生了不一樣，主城區(qū)主要借閱類別集中度排名第二是J文藝，而非主城區(qū)借閱類別集中度排名第二是P天文、地球、科學(xué)。其他都一樣，第一名是I文學(xué)類，第三名是H語言文學(xué)類，第四名是文化科學(xué)、教育、體育類。

主城區(qū)中小學(xué)生對(duì)于藝術(shù)的愛好相對(duì)較高，可能跟城市氛圍有關(guān)，相對(duì)主城區(qū)的經(jīng)濟(jì)會(huì)較好，受到城市的藝術(shù)熏陶較多，畢竟通常主城區(qū)的藝術(shù)展會(huì)多于非主城區(qū)，而非主城區(qū)的孩子卻對(duì)天文、地球、科學(xué)產(chǎn)生濃厚興趣，也許跟他們相對(duì)主城區(qū)孩子，離自然更近的原因。

圖3　頻繁項(xiàng)集的樣例圖

圖4　主城區(qū)關(guān)聯(lián)規(guī)則圖（1）

關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則主要是挖掘?qū)ふ医o定數(shù)據(jù)集中，項(xiàng)之間的關(guān)聯(lián)或相關(guān)度，揭示某種數(shù)據(jù)項(xiàng)間的未知依賴關(guān)系，運(yùn)用關(guān)聯(lián)規(guī)則可以從一個(gè)對(duì)象推斷另一個(gè)對(duì)象。比如之前提到的尿布和啤酒的故事，超市通過這個(gè)算法發(fā)現(xiàn)買尿布的也會(huì)買啤酒，這種情況不是事先能夠想到然后進(jìn)行驗(yàn)證，產(chǎn)生關(guān)聯(lián)規(guī)則的方法是找出數(shù)據(jù)庫中的頻繁項(xiàng)集，然后由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則，為了判斷關(guān)聯(lián)規(guī)則的有效性。這種情況不是事先能夠想到然后進(jìn)行驗(yàn)證，產(chǎn)生關(guān)聯(lián)規(guī)則的方法是找出數(shù)據(jù)庫中的頻繁項(xiàng)集，然后由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則，為了判斷關(guān)聯(lián)規(guī)則的有效性，通常采用三個(gè)指標(biāo)進(jìn)行評(píng)價(jià)，分別是支持度（Support）、可信度（Confidence）和提升度（Lift）。其三個(gè)指標(biāo)的含義分別是，支持度（Support）指的是對(duì)象包含的產(chǎn)品同時(shí)出現(xiàn)的概念；可信度（Confidence）指的是一個(gè)產(chǎn)品出現(xiàn)的同時(shí)，另一個(gè)產(chǎn)品出現(xiàn)的幾率；提升度（Lift）是兩種可能性的比較，也就是已知一個(gè)產(chǎn)品出現(xiàn)的同時(shí)，另外一種產(chǎn)品也出現(xiàn)的可能性，與任意情況下，這兩個(gè)產(chǎn)品出現(xiàn)的可能性的概率比值或者差值。

圖5　主城區(qū)關(guān)聯(lián)規(guī)則圖（2）

圖6　非主城區(qū)關(guān)聯(lián)規(guī)則項(xiàng)集圖

本研究將從以上三個(gè)指標(biāo)挖掘主城區(qū)和非主城區(qū)圖書類別借閱之間的關(guān)聯(lián)關(guān)系。

主城區(qū)關(guān)聯(lián)分析基于關(guān)聯(lián)規(guī)則挖掘模型對(duì)主城區(qū)的數(shù)據(jù)分析處理，可以獲得復(fù)雜的項(xiàng)集及其依賴關(guān)系網(wǎng)絡(luò)，如圖3所示。

圖3是頻繁項(xiàng)集的樣例圖，顯示了關(guān)聯(lián)規(guī)則算法所挖掘出來的頻繁項(xiàng)集，即是哪些類別的書出現(xiàn)的情況頻繁支持度?？梢钥吹剑琂、G、I類的支持度最大，為3862。根據(jù)其支持度從大到小排名，組合前十的為JGI、HGI、HJI、ZGI、KGI、ZJI、KJI、BGI、ZHZ、KHZ。

對(duì)于主城區(qū)的關(guān)聯(lián)規(guī)則圖，圖4是按照重要性從重到輕進(jìn)行了排序的，“重要性”指的是其后顯示的預(yù)測(cè)規(guī)則可能的重要性。而圖5是按照“概率”由大到小進(jìn)行了排序的，“概率”就是指一個(gè)規(guī)則為真實(shí)的可能性。綜合來看，主城區(qū)圖書借閱不存在明顯的關(guān)聯(lián)規(guī)則。

非主城區(qū)關(guān)聯(lián)分析基于關(guān)聯(lián)規(guī)則挖掘模型對(duì)主城區(qū)的數(shù)據(jù)分析處理，可以獲得復(fù)雜的項(xiàng)集及其依賴關(guān)系網(wǎng)絡(luò)，如圖6所示。

這幅圖是頻繁項(xiàng)集的樣例圖，顯示了關(guān)聯(lián)規(guī)則算法所挖掘出來的頻繁項(xiàng)集，即是非主城區(qū)哪些類別的書出現(xiàn)的情況頻繁支持度?？梢钥吹絀類一直獨(dú)秀，支持度最大，為10274。

圖7　非主城區(qū)關(guān)聯(lián)規(guī)則圖（1）

圖8　非主城區(qū)關(guān)聯(lián)規(guī)則圖（2）

從非主城區(qū)常關(guān)聯(lián)規(guī)則中置信度展示圖分析，就是圖7中的重要性指標(biāo)，按照從大到小的順序進(jìn)行排序，可以清楚地看到每一種置信度的大?。▓D8）。從數(shù)據(jù)來看，借閱I類和H類后再去借閱F類圖書的置信度是最大的。

關(guān)聯(lián)結(jié)果分析關(guān)聯(lián)規(guī)則分析需要結(jié)合多個(gè)指標(biāo)，對(duì)產(chǎn)生的關(guān)聯(lián)規(guī)則進(jìn)行實(shí)際分析。我們?cè)诟拍畎l(fā)生為100%里面重要性最高的規(guī)則進(jìn)行實(shí)際分析。

主城區(qū)的關(guān)聯(lián)結(jié)果顯示借了Z綜合類圖書和F經(jīng)濟(jì)類圖書的最容易再借G文化科學(xué)、教育、體育類圖書；非主城區(qū)結(jié)果顯示借了I類文學(xué)和H類語言文學(xué)類最可能借閱P天文、地球、科學(xué)類圖書。

從這兩個(gè)結(jié)果來看，非主城區(qū)的結(jié)果容易與聚類分析結(jié)果相聯(lián)系，因?yàn)樵诜侵鞒菂^(qū)在聚類分析時(shí)也顯示出一個(gè)特點(diǎn)就是：中小學(xué)生閱讀傾向明顯在I、H、P這三類，再結(jié)合產(chǎn)生的這個(gè)關(guān)聯(lián)規(guī)則，說明非主城區(qū)中小學(xué)的圖書借閱類型比較固定，我們可以更加廣泛的增加他們的興趣愛好度。

再看看主城區(qū)的結(jié)果，Z類綜合圖書和F類經(jīng)濟(jì)圖書都不在聚類分析的最受歡迎的幾種類型圖書里面，雖然G類文化、教育、體育圖書進(jìn)入了閱讀類型集中度前四，但是也排在第四名，由此可以粗略的得出一個(gè)結(jié)論，主城區(qū)中小學(xué)學(xué)生圖書類別借閱關(guān)聯(lián)并不明顯。再次回到主城區(qū)關(guān)聯(lián)規(guī)則分析圖進(jìn)行分析，從重要性的從大到小到概率的從大到小，均沒有出現(xiàn)像非主城區(qū)那樣與聚類分析的類別集中度重合的類別出現(xiàn)。因此，大概可以得出一個(gè)結(jié)論，主城區(qū)中小學(xué)學(xué)生借閱圖書相對(duì)沒有太大的關(guān)聯(lián)性，個(gè)人閱讀集中度不高。

4　結(jié)論

數(shù)據(jù)挖掘技術(shù)在國際國內(nèi)發(fā)展都非常迅速，目前在我們國家教育信息化方面的實(shí)際應(yīng)用仍處于起步階段，本文首次采用這樣的方法分析基于一個(gè)省級(jí)圖書平臺(tái)的真實(shí)數(shù)據(jù)，分析維度不夠全面，望能起到拋磚引玉的作用。相信在數(shù)據(jù)挖掘應(yīng)用越來越廣泛的背景之下，對(duì)我國圖書教育資源的有效配置和管理，提高學(xué)生綜合素質(zhì)，減少工作人員工作強(qiáng)度，加強(qiáng)教育相關(guān)部門的管理控制都有重大意義。

［1］陳國青，衛(wèi)強(qiáng)，商務(wù)智能原理與方法［M］.北京：電子工業(yè)出版社，2009.9.

［2］Mark Levene， George Loizou. Why is the Snowfl ake Schema a good Data Warehouse Design［J］.Information System，2003（3）：225-240.

［3］徐瀾.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘在成人高校決策中的應(yīng)用［D］.上海交通大學(xué)碩士論文，2007：5-6.

［4］王清明.SQL Server 2005數(shù)據(jù)倉庫與Analysis Services ［M］.北京：清華大學(xué)出版社，2008.

［2］郭麗.SQL Server 2005構(gòu)建數(shù)據(jù)挖掘解決方案［J］.計(jì)算機(jī)與現(xiàn)代化，2007（5）：1.

G258.69

B

1671-489X（2016）13-0076-07

作者：龍懿、田馨、代倩，四川省教育廳技術(shù)物資裝備管理指導(dǎo)中心（610213）。