劉玉梅 姚寧

關鍵詞：讀者;數(shù)據(jù)挖掘;圖書館;閱讀社群;構建

摘要：大數(shù)據(jù)時代，基于讀者數(shù)據(jù)挖掘的圖書館構建閱讀社群是非常必要的。文章分析了數(shù)據(jù)挖掘與大數(shù)據(jù)的聯(lián)系和區(qū)別，介紹了圖書館閱讀社群讀者行為數(shù)據(jù)挖掘的方法與過程，提出了基于讀者數(shù)據(jù)挖掘的圖書館閱讀社群的構建策略。

中圖分類號：G250文獻標識碼：A文章編號：1003-1588（2019）07-0136-03

近年來，大數(shù)據(jù)推動了各行各業(yè)的發(fā)展和變化，在一定程度上促進了基于數(shù)據(jù)挖掘的圖書館閱讀社群的構建，對于豐富圖書館閱讀社群的服務形式及提升其服務質(zhì)量等都起了非常重要的作用。為了更好地促進基于讀者數(shù)據(jù)挖掘的圖書館構建閱讀社群，對其展開相應的研究是非常必要的。

1數(shù)據(jù)挖掘概述

1.1數(shù)據(jù)挖掘分析

數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中自動搜索隱藏于其中的有著特殊關系性的信息的過程。具體來說，數(shù)據(jù)挖掘具有發(fā)現(xiàn)知識的重要作用，通常與計算機科學有關，并通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)和模式識別等方法實現(xiàn)上述目標。從大量數(shù)據(jù)中提取的信息一般采用特定的形式表示，如概念、規(guī)則和規(guī)律等。隨著現(xiàn)代信息技術的發(fā)展，數(shù)據(jù)挖掘的對象已不再僅限于數(shù)據(jù)庫，慢慢擴展到更多領域，如文本系統(tǒng)或其他形式的數(shù)據(jù)組合等。從數(shù)據(jù)中提取的信息以一定的形式加以表示后就形成了模式，數(shù)據(jù)挖掘的主要任務是從數(shù)據(jù)庫中找出對人們有用的數(shù)據(jù)模式，模式分為預測型模式和描述型模式兩種[1]。根據(jù)這兩種分類模式，數(shù)據(jù)挖掘的知識又可分為廣義型知識、分類型知識、關聯(lián)型知識、預測型知識和偏差型知識等五種不同類型。目前，數(shù)據(jù)挖掘被廣泛應用于金融業(yè)、銷售和零售業(yè)及科學研究等領域。

1.2大數(shù)據(jù)概述

近年來，隨著計算機技術、互聯(lián)網(wǎng)技術、存儲技術及云計算技術的快速發(fā)展，大數(shù)據(jù)逐漸成為IT行業(yè)中的熱門詞匯。2008年，Nature最早提出了大數(shù)據(jù)的概念。2011年，美國的麥肯錫咨詢公司最早發(fā)布了關于大數(shù)據(jù)的調(diào)查報告。自此之后，在商業(yè)和IT行業(yè)領域掀起了大數(shù)據(jù)熱[2]，很多知名企業(yè)也加大了對大數(shù)據(jù)的研究力度，促進了大數(shù)據(jù)的快速發(fā)展。2012年，美國政府公開支持關于大數(shù)據(jù)的研究，并宣布了大數(shù)據(jù)時代的來臨，這為大數(shù)據(jù)的快速發(fā)展提供了非常重要的政策支持。

目前，關于大數(shù)據(jù)的定義在學術界還沒有形成定論，學者從不同角度出發(fā)得出不同的定義。關于大數(shù)據(jù)的代表觀點主要有以下幾個：麥肯錫咨詢公司從大體量的角度對大數(shù)據(jù)進行定義，認為大數(shù)據(jù)就是指擁有較大規(guī)模的數(shù)據(jù)，對這些數(shù)據(jù)無法利用計算機工具展開相應的整合分析;維基百科也從大體量的角度對大數(shù)據(jù)進行定義，且建立在麥肯錫關于大數(shù)據(jù)定義的基礎上，認為大數(shù)據(jù)不僅具有較大規(guī)模，還是異常復雜的，以至于無法被計算機軟件所整理分析。此外，還有一些學者從價值大、體量大、復雜程度高等方面對大數(shù)據(jù)展開了相應的分析。

1.3大數(shù)據(jù)與數(shù)據(jù)挖掘的關系概述

大數(shù)據(jù)與數(shù)據(jù)挖掘之間既有緊密的聯(lián)系，又存在一定的區(qū)別。從其聯(lián)系看，大數(shù)據(jù)與數(shù)據(jù)挖掘都需要以海量數(shù)據(jù)為基礎，并從中挖掘?qū)θ祟惏l(fā)展有重要價值的數(shù)據(jù)信息，無論是工作過程還是使用的方式方法都存在一定的相似性。從其區(qū)別看，數(shù)據(jù)挖掘所依賴的數(shù)據(jù)量較少，主要以數(shù)據(jù)庫為基礎，并且數(shù)據(jù)以結(jié)構化的形式呈現(xiàn)，數(shù)據(jù)的種類較為單一，以MB為數(shù)據(jù)單位;而大數(shù)據(jù)所需要的數(shù)據(jù)規(guī)模較大，其需要借助多種類型的數(shù)據(jù)，數(shù)據(jù)的單位以GB、TB為主。大數(shù)據(jù)所依賴的數(shù)據(jù)不僅包括結(jié)構化數(shù)據(jù)，還包括各種類型的半結(jié)構化數(shù)據(jù)及非結(jié)構化數(shù)據(jù)。對于大數(shù)據(jù)來說，由于不同類型數(shù)據(jù)的作用不同，數(shù)據(jù)的應用模式也存在較大區(qū)別，并在應用過程中其模式會隨之發(fā)生相應的變化。由于大數(shù)據(jù)所需要處理的數(shù)據(jù)規(guī)模較大，圖書館在具體應用的過程中需要考慮其存儲問題。

2圖書館閱讀社群讀者行為數(shù)據(jù)挖掘的方法與過程

2.1讀者行為的數(shù)據(jù)采集

為了給讀者提供專業(yè)的數(shù)據(jù)服務，圖書館需要有針對性地對讀者行為進行相應的數(shù)據(jù)采集。數(shù)據(jù)采集方式主要有網(wǎng)絡爬蟲和開放API平臺等。在數(shù)據(jù)采集的過程中，圖書館需要對讀者的具體訪問情況展開較為詳細的分析。讀者每訪問一次圖書館的相關網(wǎng)站或多媒體平臺，圖書館的系統(tǒng)后臺都會有相應的顯示，如讀者搜索的圖書資源及輸入的關鍵詞等。圖書館通過對讀者搜索行為蹤跡的記錄，可分析出讀者的一般閱讀需求，從而為讀者提供更好的閱讀服務[3]。在數(shù)據(jù)采集的過程中，圖書館還需要詳細記錄讀者搜索數(shù)據(jù)信息的具體時間及下載的具體內(nèi)容等。

2.2數(shù)據(jù)的預處理

記錄讀者行為日志的相關數(shù)據(jù)屬于非結(jié)構化數(shù)據(jù)，且規(guī)模較大。因此，圖書館在對這些數(shù)據(jù)進行處理前，做好相應的預處理是非常必要的。事實上，預處理就是將非結(jié)構化數(shù)據(jù)轉(zhuǎn)化為結(jié)構化數(shù)據(jù)的過程，可大大減少圖書館處理復雜數(shù)據(jù)的工作量，并能有效提升數(shù)據(jù)挖掘的工作效率。在數(shù)據(jù)的預處理過程中，圖書館需要結(jié)合數(shù)據(jù)挖掘的具體目的，對讀者行為的相關數(shù)據(jù)展開相應的整理及分析處理，進而為讀者挖掘有價值的數(shù)據(jù)信息。

2.3數(shù)據(jù)的聚類分析

所謂Web數(shù)據(jù)挖掘，就是對讀者訪問網(wǎng)站時的相關行為數(shù)據(jù)展開有價值的分析。具體來說，Web數(shù)據(jù)挖掘可分為分類、聚類、關聯(lián)規(guī)則及序列等數(shù)據(jù)算法。聚類算法是將數(shù)據(jù)以類的形式劃分，把同類型的數(shù)據(jù)劃分到一個組內(nèi)，相同組的數(shù)據(jù)具有相似的特征，而不同組的數(shù)據(jù)自然具有不同的特征。圖書館利用聚類算法對讀者的行為數(shù)據(jù)展開相應的分析，能對讀者的行為喜好進行歸類，獲取讀者的閱讀需求，進而為讀者推送其感興趣的內(nèi)容，提供個性化的信息服務。

3基于讀者數(shù)據(jù)挖掘的圖書館閱讀社群應用分析

3.1應用于讀者的個性化服務

大數(shù)據(jù)時代，商家為了能夠在市場中占有一席之地，不僅需要保證商品的質(zhì)量，還需要做好相應的服務工作，有針對性地了解消費者的喜好。因此，圖書館需要在注重圖書質(zhì)量的基礎上不斷創(chuàng)新服務模式，利用數(shù)據(jù)挖掘技術分析用戶的閱讀喜好，提升服務質(zhì)量，為他們提供良好的服務體驗，滿足他們的個性化需求。圖書館也需要有效利用各種大數(shù)據(jù)，從中提取對服務創(chuàng)新有價值的信息。圖書館還需要加強用戶研究，充分利用各種類型的交互數(shù)據(jù)，對已經(jīng)存在或潛在的各種用戶開展跟蹤服務、知識關聯(lián)服務、精準服務和宣傳推廣服務，如圖1所示。

3.2應用于信息資源體系的優(yōu)化

大數(shù)據(jù)時代，圖書館應利用物聯(lián)網(wǎng)、云計算技術、傳感網(wǎng)、信息物理融合系統(tǒng)等，有針對性地向讀者推送相關信息，提高館藏資源利用率。圖書館還應對館藏資源進行相應的整合處理，發(fā)揮自身的技術和人才優(yōu)勢，構建跨領域、跨行業(yè)的多學科智能知識庫，為用戶提供一站式、個性化的信息服務。

3.3應用于讀者的分類研究

圖書館應利用數(shù)據(jù)挖掘技術，獲取讀者的閱讀興趣及需求，將興趣相似的讀者劃為一個群體[4]。通常來說，圖書館應根據(jù)讀者的興趣及需求進行分類，并應用分類模型根據(jù)不同的類別建立不同的類別模式。如：高校圖書館可先按照讀者的年齡、專業(yè)、學歷等進行分類，再根據(jù)讀者的具體特征及其屬性進行細分，了解用戶的閱讀喜好，進而為他們提供有針對性的信息服務。在數(shù)據(jù)挖掘過程中，圖書館還可利用聚類算法對相關數(shù)據(jù)進行整理與分析，為分類研究提供支撐。

4基于讀者數(shù)據(jù)挖掘的圖書館閱讀社群的構建策略

4.1以戰(zhàn)略規(guī)劃為基礎，營造服務氛圍

圖書館基于讀者數(shù)據(jù)挖掘構建閱讀社群，需要做好相應的戰(zhàn)略規(guī)劃，進而為閱讀社群服務工作的順利開展提供支撐。具體來說，圖書館可成立專門的規(guī)劃小組，確保每項工作都有專人負責，保證各項工作都能有序開展。圖書館也應重點分析以往在數(shù)據(jù)挖掘中存在的主要問題，在制訂規(guī)劃的過程中有針對性地解決這些問題。圖書館還應細化戰(zhàn)略規(guī)劃，既要制訂年度規(guī)劃，又要制訂季度規(guī)劃及月規(guī)劃。

4.2以學科團隊為基礎，順利開展服務

為了保證基于讀者數(shù)據(jù)挖掘的圖書館閱讀社群構建的科學性與專業(yè)性，圖書館必須組建專業(yè)的學科團隊，保證服務工作的順利開展[5]。具體來說，學科團隊應對所要做的工作有較為詳細的了解，進而制定相應的發(fā)展戰(zhàn)略。學科團隊也要注重選擇適當?shù)姆掌鯔C，保證服務策略得以有效實施，提高服務質(zhì)量。學科團隊成員之間還應相互交流經(jīng)驗，使服務策略在短時間得到有效推廣。

4.3以教育培訓為基礎，努力搭建服務橋梁

大數(shù)據(jù)時代，館員不僅要掌握專業(yè)的學科知識，對學科內(nèi)的專業(yè)名詞概念有較為詳細的了解，對學科發(fā)展趨勢有清晰的把握，還要具備一定的數(shù)據(jù)挖掘能力，以及能熟練運用信息軟件。由于學科專有名詞的概念、學科發(fā)展趨勢、數(shù)據(jù)挖掘技術等都會隨著時代的發(fā)展不斷更新，因此，為了提高智慧館員的服務水平、服務質(zhì)量，滿足現(xiàn)代化智慧圖書館建設的需要，圖書館應加強館員培訓。圖書館可邀請學科領域內(nèi)的專家定期舉辦講座，對館員進行短期培訓，促使他們不斷更新知識體系，提升他們的業(yè)務能力。圖書館也可組織館員到其他圖書館參觀學習，汲取有價值的實踐經(jīng)驗。圖書館還可為館員提供學習交流的機會，如參加智慧圖書館建設方面的學術會議、研討會等，提升他們的服務能力。

5結(jié)語

大數(shù)據(jù)時代，基于讀者數(shù)據(jù)挖掘的圖書館構建閱讀社群是非常必要的。數(shù)據(jù)挖掘與大數(shù)據(jù)之間既存在著緊密的聯(lián)系，又有一定的區(qū)別。因此，圖書館在將數(shù)據(jù)挖掘應用于社群服務的過程中應注重其與大數(shù)據(jù)之間的聯(lián)系與區(qū)別，進而推動閱讀社群工作的順利開展，滿足讀者的個性化閱讀需求。

參考文獻：

[1]王偉.基于數(shù)據(jù)挖掘的圖書館用戶行為分析與偏好研究[J].情報科學，2012（3）：391-394，418.

[2]陳臣.基于大數(shù)據(jù)的圖書館個性化服務用戶行為分析研究[J].圖書館工作與研究，2015（2）：28-31.

[3]姚飛，竇天芳，武麗娜，等.基于社會網(wǎng)絡理念打造泛在圖書館服務：以清華大學圖書館為例[J].大學圖書館學報，2013（5）：74-76.

[4]周偉，汪少華，楊云.基于數(shù)據(jù)挖掘和讀者行為分析的圖書館薦書系統(tǒng)的研究與設計[J].圖書情報研究，2014（4）：38-44.

[5]張立春.基于數(shù)據(jù)挖掘技術的圖書館服務平臺研究[J].圖書館理論與實踐，2012（12）：35-37.

（編校：孫新梅）