摘 要：大數(shù)據(jù)挖掘技術(shù)作為一項新興的信息處理技術(shù)，給圖書館信息化建設(shè)帶來了深遠的影響。本文首先分析了數(shù)字圖書館的發(fā)展現(xiàn)狀和現(xiàn)存服務(wù)系統(tǒng)中的問題等，隨后介紹了典型數(shù)據(jù)挖掘技術(shù)和方法，并且探討了大數(shù)據(jù)挖掘技術(shù)在數(shù)字圖書館服務(wù)中的應(yīng)用。

關(guān)鍵詞：大數(shù)據(jù)；挖掘技術(shù)；數(shù)字圖書館

隨著科技的發(fā)展，我們已經(jīng)逐漸開始了大數(shù)據(jù)時代，在這個社會當(dāng)中，數(shù)據(jù)挖掘技術(shù)的誕生，讓人們的生活更加便利。同時數(shù)據(jù)挖掘技術(shù)也是在新時期社會發(fā)展需求下誕生出來的一種分析類技術(shù)，這種技術(shù)能夠針對擁有不同特點的用戶需求，提供個性化的服務(wù)，并且逐漸在社會各個領(lǐng)域中普及開來，文章就此介紹了數(shù)據(jù)挖掘技術(shù)在數(shù)字圖書館中的有效應(yīng)用。

1 數(shù)字圖書館發(fā)展現(xiàn)狀

1.1 數(shù)字圖書館發(fā)展特征

數(shù)字圖書館一直是圖書館領(lǐng)域中的重點研究對象。從廣義角度來講，以網(wǎng)絡(luò)為基礎(chǔ)，同時能夠滿足人們信息需求的就可以叫做數(shù)字圖書館。從較為嚴(yán)格的定義角度來分析，數(shù)字圖書館就是收藏各種數(shù)字信息，能夠支持用戶進行采集、檢索、定位信息等服務(wù)的信息技術(shù)，突出了數(shù)字圖書館中的技術(shù)、服務(wù)與收藏等三種要素[1]。服務(wù)是數(shù)字圖書館的發(fā)展基礎(chǔ)，目前圖書館中信息服務(wù)模式屬于一種分布分散形式的傳播模式，并逐漸向用戶中心的集中式服務(wù)模式發(fā)展，數(shù)字圖書館在未來發(fā)展過程中也應(yīng)該將重點放在智能應(yīng)用、空間聚合、集成服務(wù)等領(lǐng)域中下功夫。

1.2 服務(wù)系統(tǒng)中的現(xiàn)存問題

從現(xiàn)有的服務(wù)模式實際發(fā)展?fàn)顩r來看，個性化服務(wù)系統(tǒng)目前存在以下幾方面的問題，首先是信息組織的問題，比如MyLibrary主要是以現(xiàn)有動態(tài)網(wǎng)頁技術(shù)和數(shù)據(jù)庫技術(shù)為基礎(chǔ)，但是沒有對圖書館信息組織方式進行徹底的改變。其次是沒有充分了解用戶的實際需求，用戶只能被動挑選自己想要的信息資源。圖書館所提供的服務(wù)基本也是以現(xiàn)有資源為基礎(chǔ)，而不是從用戶需求角度入手提供各種服務(wù)。最后是沒有對用戶的消費行為進行精準(zhǔn)分析，在現(xiàn)有的服務(wù)系統(tǒng)當(dāng)中，只能根據(jù)用戶所記錄的個人資料提供相應(yīng)的服務(wù)，但是卻沒有主動跟蹤和獲取用戶實際需求，更不用說對用戶信息進行整理加工，并在數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)上找到各種規(guī)律性事物，為數(shù)字圖書館的建設(shè)發(fā)展提供可靠的參考依據(jù)。

2 大數(shù)據(jù)挖掘技術(shù)在數(shù)字圖書館中的有效應(yīng)用

2.1 分類模型

分類模型是監(jiān)督式學(xué)習(xí)模型，即分類需要使用一些已知類別的樣本集去學(xué)習(xí)一個模式，用學(xué)習(xí)得到的模型來將不同種類的數(shù)據(jù)信息進行分類。數(shù)字圖書館可以分析、利用用戶特點，對用戶進行科學(xué)的分類研究，了解用戶的屬性和特征，掌握用戶對于圖書館所提供服務(wù)的滿意程度。比如數(shù)字圖書館可以根據(jù)用戶的不同需求，為其提供個性化服務(wù)，通過神經(jīng)網(wǎng)絡(luò)、規(guī)則總結(jié)、決策樹等多種常見的分類方法對用戶特征進行分析，從而了解怎樣的用戶擁有怎樣的服務(wù)需求，了解擁有哪一種共性特征的用戶會制定某一服務(wù)，而在所有的圖書館用戶中，這一群體的所占比例為多少。最終通過分類模型所得出的結(jié)論為圖書館提供服務(wù)推送，提供可靠的參考依據(jù)，挖掘潛在用戶群體，同時還可以結(jié)合用戶的職業(yè)背景和學(xué)歷特征等因素，制定合理的服務(wù)措施。比如某些群體的用戶擁有良好的經(jīng)濟收入，同時對在線數(shù)據(jù)庫擁有較強的興趣，對于知識的需求程度較高，那么就可以將其劃分到固定服務(wù)對象一類當(dāng)中，可以對其提供一定的優(yōu)惠政策，促進其購買和使用在線數(shù)據(jù)庫，并將數(shù)據(jù)庫中不斷更新的信息技術(shù)傳送給用戶，針對這一群體實施問卷調(diào)查，為后期的服務(wù)改進做好基礎(chǔ)準(zhǔn)備。

2.2 關(guān)聯(lián)模型

關(guān)聯(lián)模型主要是用來分析數(shù)據(jù)庫中各種數(shù)據(jù)信息之間關(guān)系的一種規(guī)則，也就是說在某一事物當(dāng)中，隨著某一項的出現(xiàn)，能夠引發(fā)出其它項出現(xiàn)在同一事物當(dāng)中，就是深埋在各種事物當(dāng)中的隱藏關(guān)聯(lián)[2]。比如我們可以在關(guān)聯(lián)規(guī)則的基礎(chǔ)上發(fā)現(xiàn)以下現(xiàn)象，假如某位用戶制定了圖書館中的某項服務(wù)，那么隨之而來的也會定制其它的服務(wù)，或是和某種網(wǎng)絡(luò)資源進行鏈接的用戶，也會存在極大的可能與另一網(wǎng)絡(luò)資源進行鏈接，那么數(shù)字圖書館就可以將兩種資源或是服務(wù)結(jié)合到一起提供給用戶，并挖掘具體原因，制定有效的服務(wù)措施。

2.3 序列模型

序列模型在一定程度上，十分接近關(guān)聯(lián)模型，兩者主要的不同是序列模型的服務(wù)對象是根據(jù)時域進行劃分的，即序列模型發(fā)現(xiàn)的規(guī)律按照事件發(fā)生順序進行分布。例如在以B/S模式為基礎(chǔ)的個性化服務(wù)當(dāng)中，可以通過Cookies來記錄圖書館用戶曾經(jīng)訪問過的各種資源信息，最終可能會發(fā)現(xiàn)，假如用戶閱讀A鏈接，那么就會存在百分之四十八的幾率會在三十分鐘內(nèi)訪問B鏈接，這也是序列模型中所發(fā)現(xiàn)的規(guī)則，假如獲得了這樣的結(jié)論，用戶在訪問A鏈接后，那么進入B鏈接就有百分之四十八的可能，這也是關(guān)聯(lián)規(guī)則[3]。

2.4 聚類模型

聚類分析是數(shù)據(jù)挖掘的重要研究內(nèi)容與熱點問題，它是按照某種相似性度量方法（標(biāo)準(zhǔn)）對一個數(shù)據(jù)集合進行劃分成多個類簇，使得同一個類簇之間的相似性盡可能高，不同類簇之間不相似或者相似性低。與分類模型有所不同，聚類模型屬于無監(jiān)督學(xué)習(xí)，事先并不需要知道每個對象所屬的類別，既不了解相應(yīng)的分類標(biāo)準(zhǔn)，同時也不了解會有哪些類出現(xiàn)，根據(jù)所給的聚類參數(shù)，如相似度對數(shù)據(jù)實施分解、合并。最終讓領(lǐng)域?qū)＜遗袛嗨媒Y(jié)果，假如無法滿足預(yù)期目標(biāo)，就需要進行改良，重新聚類。一旦滿足目標(biāo)需求，分類規(guī)則也可以利用聚類參數(shù)獲得。在這一過程中，可以針對某一群體用戶實施聚類，并挖掘其中的最為相似的群體，實施有效的服務(wù)策略，選擇合理的服務(wù)方式，結(jié)合用戶的體驗反饋，準(zhǔn)確判斷聚類成果，了解用戶的滿意度。

2.5 時間序列模型

時間序列模型可以在現(xiàn)有數(shù)據(jù)信息基礎(chǔ)上，對未來進行準(zhǔn)確預(yù)測，從這一角度出發(fā)我們能夠發(fā)現(xiàn)，時間序列模型和回歸模型十分接近?；貧w模型主要是通過歷史數(shù)據(jù)對未來發(fā)展趨勢進行預(yù)測，最簡單情況下，應(yīng)用標(biāo)準(zhǔn)統(tǒng)計方法即可，例如線性回歸方法。但多數(shù)情況是非線性問題，比如數(shù)據(jù)庫中的流量升降、網(wǎng)頁訪問數(shù)量變化等，在多種因素影響下，問題也變得更加復(fù)雜。在回歸模型中，并不十分看重時間發(fā)生順序，但是在時間序列模型中卻十分看重時間特性，其中最為關(guān)鍵的就是時間周期層次，例如年、月、周、日等，除此之外，有時還需要結(jié)合日歷問題進行分析，比如節(jié)假日等方面的影響。例如在線書庫中的訪問數(shù)量，隨著時間的變化會產(chǎn)生相應(yīng)的周期變化，為此數(shù)據(jù)圖書館可以根據(jù)周期變化挖掘具體發(fā)展規(guī)律，同時還可以發(fā)現(xiàn)周期變化的具體原因，比如遇到的假期或是學(xué)期發(fā)生了一定的變化，為此需要進一步調(diào)整工作計劃。其中需要注意的問題是，挖掘時間序列數(shù)據(jù)和時間數(shù)據(jù)模型分屬于兩種不同概念。在挖掘時間序列數(shù)據(jù)信息的過程中可以綜合利用各種方法或者模型。

3 結(jié)語

綜上所述，在信息技術(shù)飛速發(fā)展的時代，數(shù)字圖書館具有較為廣闊的發(fā)展前景。從長遠發(fā)展角度來看，數(shù)字圖書館想要實現(xiàn)可持續(xù)發(fā)展的目標(biāo)，就需要有效利用先進的科學(xué)技術(shù)，分析掌握不同用戶的真正需求，為用戶提供精準(zhǔn)的個性化服務(wù)。而大數(shù)據(jù)挖掘技術(shù)能夠在海量信息資源中迅速挖掘出最為有用的信息，并且不需要專家知識檢驗所得到的結(jié)論，是推進圖書館信息化進程的強有力手段，也是未來數(shù)字圖書館創(chuàng)新的重要領(lǐng)域。

參考文獻

[1]馬桂英，李會民.大數(shù)據(jù)技術(shù)在應(yīng)用型本科高校數(shù)字圖書館建設(shè)中的作用[J].北華航天工業(yè)學(xué)院學(xué)報，2017，27（04）：55-57+60.

[2]柳益君，熊太純.大數(shù)據(jù)挖掘在高校圖書館個性化服務(wù)中應(yīng)用研究[J].圖書館工作與研究，2017（05）：23-29.

[3]趙志遠，孫劍華.數(shù)據(jù)挖掘技術(shù)在高校數(shù)字圖書館個性化服務(wù)中的應(yīng)用[J].無線互聯(lián)科技，2018，15（12）：141-142.

作者簡介

許楠（1984-），女，漢族，研究生學(xué)歷，講師，研究方向：智能信息處理、圖像處理。