李華群

（河南理工大學(xué)圖書館 河南 焦作 454003）

1 引言

隨著智慧圖書館的發(fā)展和建設(shè)，用戶的知識需求和服務(wù)需求不斷提高，如何提高圖書館的服務(wù)質(zhì)量，是圖書館行業(yè)需要認真思考和研究的問題。圖書館讀者數(shù)據(jù)日益增加，面對龐大、不完全、冗余的數(shù)據(jù)，應(yīng)從中挖掘找出隱藏的規(guī)律，來指導(dǎo)圖書館業(yè)務(wù)發(fā)展。近年來，眾多學(xué)者將數(shù)據(jù)挖掘技術(shù)應(yīng)用于圖書館中，尤其是關(guān)聯(lián)規(guī)則挖掘技術(shù)，通過對流通借閱數(shù)據(jù)進行關(guān)聯(lián)規(guī)則分析，發(fā)現(xiàn)可以從中找出不同讀者的個性化借閱特征，有助于我們了解讀者的閱讀習(xí)慣和知識興趣需求，不僅可以為圖書館的館藏建設(shè)、采訪決策、學(xué)科建設(shè)提供參考依據(jù)，還可以有針對性地對讀者提供個性化的圖書資源推薦，提高圖書館整體服務(wù)水平。因此有必要對關(guān)聯(lián)規(guī)則在圖書館的應(yīng)用進行進一步的研究和探析，本文將利用文獻計量學(xué)方法，借助VOSviewer可視化分析工具，將現(xiàn)有的國內(nèi)有關(guān)關(guān)聯(lián)規(guī)則在圖書館應(yīng)用的文獻進行梳理分析，厘清并總結(jié)出目前研究主題、研究方向，得出未來研究方向的啟示，為后續(xù)的關(guān)聯(lián)規(guī)則應(yīng)用于圖書館相關(guān)研究提供參考。

2 數(shù)據(jù)來源和研究方法

本次研究以中國知網(wǎng)（CNKI）為數(shù)據(jù)源分兩次檢索，分別是主題=圖書館And主題=關(guān)聯(lián)規(guī)則，和主題=圖書館 And 主題=Apriori，共檢索出568篇期刊文章（檢索日期為2021/4/15），通過手工篩選，剔除168篇關(guān)聯(lián)性不大的文章，共保留400篇有效期刊文章進行分析。由于VOSviewer在聚類技術(shù)、圖譜繪制等方面有獨特的優(yōu)勢，本文使用該工具對400篇文章從發(fā)表時間和關(guān)鍵詞分布上進行著重分析，通過目前已研究的態(tài)勢來分析得出未來研究的方向和趨勢，為今后的研究提供參考。

3 研究態(tài)勢分析

3.1 發(fā)文時間分析

將關(guān)聯(lián)規(guī)則在圖書館中的應(yīng)用研究文獻發(fā)文量依照時間分析見圖1，從下圖可知相關(guān)研究從2003年開始，第1年只有1篇，2005年上升至8篇，關(guān)聯(lián)規(guī)則應(yīng)用到圖書館領(lǐng)域被更多的學(xué)者認可和關(guān)注，2006年開始急劇上升，到2012年發(fā)表了48篇，經(jīng)過近10年的研究對關(guān)聯(lián)規(guī)則在圖書館的應(yīng)用研究熱度達到頂峰，研究更加深入和廣泛，并一直持續(xù)到現(xiàn)在。雖然最近這10年整體相關(guān)發(fā)文量有下降趨勢，但一直保持20篇左右的發(fā)文量，熱度依然不減，說明此相關(guān)研究對圖書館工作仍具有積極的實踐意義。

圖1 歷年來關(guān)聯(lián)規(guī)則在圖書館中應(yīng)用研究文獻時間分布

3.2 關(guān)鍵詞分析

關(guān)鍵詞是作者從論文中提取出反映文章主要內(nèi)容的詞，在較大程度上代表了文章的研究熱點，將通過可視化軟件工具來分析得出集中的研究主題。從CNKI中導(dǎo)出文獻信息選擇Refworks格式導(dǎo)出txt文件，由于不同作者對意思相同或相近的關(guān)鍵詞表述不一致，先將同義詞進行手動合并處理，如數(shù)據(jù)挖掘、數(shù)據(jù)挖掘技術(shù)合并為數(shù)據(jù)挖掘，個性化服務(wù)、個性化信息服務(wù)、個性化合并為個性化服務(wù)，Apriori、Apriori算法合并為Apriori算法。

再打開可視化分析軟件Vosviewer，將處理后txt文件直接導(dǎo)入到該軟件，選擇關(guān)鍵詞的共詞聚類分析，將出現(xiàn)頻次3次以上（含3次）的關(guān)鍵詞生成聚類標簽圖譜，以Network Visualization視圖表示出來見圖2。節(jié)點與字體的大小取決于該節(jié)點的權(quán)重，節(jié)點間的連線表示節(jié)點之間的共現(xiàn)關(guān)系。從圖2可知，“數(shù)據(jù)挖掘”“圖書館”“關(guān)聯(lián)規(guī)則”“Apriori算法”“個性化服務(wù)”等關(guān)鍵詞出現(xiàn)次數(shù)較多，完全是與關(guān)聯(lián)規(guī)則應(yīng)用到圖書館中相關(guān)研究內(nèi)容相符。該圖中依照節(jié)點不同顏色、節(jié)點連線不同顏色將整個知識圖譜分成10個聚類，每個顏色代表一個類別。通過整理、去除一些邊緣數(shù)據(jù)，研究主題主要列為5大類，見表1。

圖2 關(guān)聯(lián)規(guī)則相關(guān)研究關(guān)鍵詞聚類可視化圖譜

表1 研究主題及對應(yīng)的關(guān)鍵詞

4 研究主題分析

4.1 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘，又稱為數(shù)據(jù)庫中知識發(fā)現(xiàn)，它是從隨機的、有噪聲的、模糊的大規(guī)模數(shù)據(jù)集合中抽取出潛在的、有價值的、新穎的知識。整個數(shù)據(jù)挖掘過程包括數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘等主要步驟，數(shù)據(jù)挖掘技術(shù)包含關(guān)聯(lián)規(guī)則、聚類分析、分類分析、預(yù)測、時序模式等技術(shù)。圖書館中存在著大量的讀者借閱書籍信息及讀者行為數(shù)據(jù)，但這些數(shù)據(jù)本身不能反映出讀者的借閱傾向，而這些數(shù)據(jù)挖掘技術(shù)可以對圖書館的讀者借閱信息數(shù)據(jù)給出相應(yīng)的分析模式，可以挖掘出有用的、有意義的、潛在的隱藏數(shù)據(jù)來指導(dǎo)圖書館的工作。

劉軍[1]對圖書館文獻系統(tǒng)中相關(guān)的流通信息表、讀者信息表、文獻信息表進行數(shù)據(jù)預(yù)處理，利用數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則和決策樹分類方法量化、挖掘、識別讀者需求，為個性化的讀者決策采購提供了科學(xué)化過程。張鈺莎[2]對圖書館借閱信息進行數(shù)據(jù)清理、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)集成等預(yù)處理后，應(yīng)用關(guān)聯(lián)規(guī)則和序列模式進行數(shù)據(jù)挖掘，得出優(yōu)化圖書館人力資源配置的方法，且給出了圖書布局和新書購買的參考意見。王蕾[3]利用K-means算法對流通數(shù)據(jù)進行聚類分析，依照借閱圖書類別進行聚類成九類，并對聚類結(jié)果進行行為分析，不僅提供了館藏空間改造的建議，為讀者提供差異化、多樣化服務(wù)，還為決策者提供情報信息。

4.2 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則作為數(shù)據(jù)挖掘領(lǐng)域里的一個重要組成部分，就是根據(jù)已經(jīng)發(fā)生的事務(wù)數(shù)據(jù)庫去尋找數(shù)據(jù)項A和數(shù)據(jù)項B同時發(fā)生的概率，從而判斷數(shù)據(jù)項A和數(shù)據(jù)項B之間的關(guān)聯(lián)關(guān)系，獲取他們之間潛在的聯(lián)系。在數(shù)據(jù)挖掘中，通常依據(jù)兩個技術(shù)指標對滿足要求的關(guān)聯(lián)規(guī)則進行篩選：一是支持度Support（X），表示數(shù)據(jù)項X在所有事務(wù)中包含的比例；二是置信度Confidence（X=>Y），表示數(shù)據(jù)項X和Y同時出現(xiàn)的比例與數(shù)據(jù)項X單獨出現(xiàn)的比例之比。

關(guān)聯(lián)規(guī)則對圖書館的應(yīng)用就是對圖書館中讀者的借閱行為數(shù)據(jù)進行關(guān)聯(lián)規(guī)則分析。通常分析步驟就是先將讀者流通記錄數(shù)據(jù)庫、讀者個人信息數(shù)據(jù)庫、館藏書籍?dāng)?shù)據(jù)庫進行信息整合成含有讀者號、讀者屬性、書籍分類號等重要信息的事務(wù)數(shù)據(jù)庫，再刪除一些無用的、殘缺的、空值的數(shù)據(jù)進行數(shù)據(jù)清洗，將事務(wù)數(shù)據(jù)庫轉(zhuǎn)換成各數(shù)據(jù)挖掘軟件可識別的格式進行關(guān)聯(lián)規(guī)則分析，常用的軟件工具有Weka、SPSS Clementine、SPSS Modeler、Microsoft SQL Server2012中的分析服務(wù)工具（SSAS）、Con Exp1.3工具概念格、R語言等，然后在軟件工具里設(shè)置參數(shù)閾值，包括最小支持度、最小置信度，再運行軟件程序，得出讀者屬性和圖書之間、圖書和圖書之間的強關(guān)聯(lián)規(guī)則，最后對此進行結(jié)果分析。如讀者借閱了計算機類、文學(xué)類書籍，所借閱的不同的書籍即為事務(wù)項，支持度就是借閱了計算機類書占總借閱量的比例，置信度就是借閱了計算機類書同時也借閱了文學(xué)類書的比例。關(guān)聯(lián)規(guī)則就是從這些書籍中找出兩本書之間關(guān)系或者三本書之間的關(guān)系，直到不能生成滿足最小支持度的書籍之間關(guān)系為止，然后再依據(jù)滿足最小置信度條件提取出強關(guān)聯(lián)規(guī)則[4]。可以根據(jù)此關(guān)聯(lián)關(guān)系分析結(jié)果確定讀者的閱讀偏好、借閱習(xí)慣和閱讀傾向，來幫助圖書館進行館藏布局的優(yōu)化、圖書剔舊工作的開展、采購圖書的選擇和學(xué)科建設(shè)的指導(dǎo)，不僅可以提供圖書館的業(yè)務(wù)優(yōu)化建議，更重要的是利于對讀者開展個性化資源推薦服務(wù)工作。

4.3 Apriori算法

Apriori算法是關(guān)聯(lián)規(guī)則最經(jīng)典的算法，是由R.Agrawal和R.Srikan于1994年提出的。Apriori算法的主要步驟是先掃描一次事務(wù)數(shù)據(jù)庫，生成候選1-項集，計算支持度，保留滿足最小支持度的項集，再自連接生成候選2-項集，再次掃描事務(wù)數(shù)據(jù)庫計算支持度，如此重復(fù)自連接、掃描，直到無法再生成頻繁項集滿足最小支持度為止。此算法是逐層迭代算法，所以存在許多不足，如多次掃描數(shù)據(jù)庫、中間產(chǎn)生大量的候選項集、每層都需要自連接操作，不論對時間還是對內(nèi)存空間都是不少的挑戰(zhàn)。因此許多學(xué)者提出了大量的改進算法，例如劃分技術(shù)、Hash方法、矩陣方法、事務(wù)壓縮技術(shù)、頻繁增長樹等方法減少掃描數(shù)據(jù)庫的次數(shù)、減少候選集的產(chǎn)生。

林郎碟[5]等利用分割-整合思想，依照中圖法對圖書進行分類；周玲元[6]等依照學(xué)生層次、專業(yè)劃分為各個子數(shù)據(jù)庫；唐吉深[7]對每個圖書類別借閱數(shù)據(jù)集進行拆分，采用Microsoft聚類分析算法聚成2個簇，將圖書分類拆分為高頻圖書和低頻圖書，都是先依照各自分類對子數(shù)據(jù)庫進行分析，再進行整合以實現(xiàn)對整個數(shù)據(jù)庫進行關(guān)聯(lián)挖掘的目的。楊韻芳[8]提出了MDLG算法，將事務(wù)數(shù)據(jù)庫轉(zhuǎn)換為布爾矩陣，只需掃描一次事務(wù)數(shù)據(jù)庫，在生成候選項集之前提前壓縮減少頻繁項集的產(chǎn)生。頻繁模式增長算法（FP-tree），是不產(chǎn)生候選集而直接生成頻繁集的頻繁增長算法，文芳[9]通過把大型圖書事務(wù)數(shù)據(jù)庫根據(jù)首項的事務(wù)，劃分為若干子數(shù)據(jù)庫，并構(gòu)建相應(yīng)的子 FP-tree 結(jié)構(gòu)，直接生成頻繁項集，同時采用實時過濾掉層次樹中不是頻繁項的父項步驟來縮小掃描數(shù)據(jù)庫空間。

4.4 個性化服務(wù)

關(guān)聯(lián)規(guī)則對圖書館的借閱歷史數(shù)據(jù)分析，其分析結(jié)果不僅可以幫助圖書館優(yōu)化館藏結(jié)構(gòu)、給出采購決策方案，還可以得出讀者與圖書之間的關(guān)系主動為讀者提供個性化的圖書推薦服務(wù)。因此，一些學(xué)者會重點研究如何應(yīng)用關(guān)聯(lián)規(guī)則建立推薦模型增加推薦準確率。

高晟[10]通過關(guān)聯(lián)規(guī)則與貝葉斯網(wǎng)絡(luò)的算法對借閱日志進行數(shù)據(jù)挖掘，先通過關(guān)聯(lián)規(guī)則算法對數(shù)據(jù)挖掘，并利用貝葉斯網(wǎng)絡(luò)對關(guān)聯(lián)規(guī)則挖掘結(jié)果進行語義校驗，提高推薦結(jié)果的準確性與可靠度。李文華[11]是將關(guān)聯(lián)規(guī)則結(jié)果來構(gòu)建圖書之間的相似性矩陣構(gòu)成基于關(guān)聯(lián)分析的協(xié)同過濾推薦算法，將讀者年級、專業(yè)、學(xué)院等讀者屬性信息嵌入到計算相似性矩陣中去，推薦準確率有了較為顯著的提高。張戈一[12]將讀者與書籍的關(guān)系融入現(xiàn)有的協(xié)同過濾算法中，用來豐富單個讀者與書籍的相關(guān)信息，將協(xié)同過濾算法產(chǎn)生的推薦評分與關(guān)聯(lián)規(guī)則產(chǎn)生的結(jié)果通過耦合公式計算出最終的書籍評分，提高算法的精度。鄺耿力[13]是將基于用戶偏好的協(xié)同過濾和利用TF-IDF算法來進行基于內(nèi)容的過濾的結(jié)果應(yīng)用挖掘技術(shù)進行關(guān)聯(lián)規(guī)則的推薦，來完成混合過濾達到提高圖書推薦率的目的。

4.5 聚類分析

聚類分析是數(shù)據(jù)挖掘技術(shù)中相對成熟和活躍的方法，是在無監(jiān)督學(xué)習(xí)根據(jù)聚類算法將數(shù)據(jù)分類到不同的類或者簇這樣的一個過程，同一個簇的對象相似性較高，不同簇之間區(qū)別較大。聚類分析通常與關(guān)聯(lián)規(guī)則結(jié)合使用，對圖書館讀者群特征進行細分，得出不同讀者群的借閱特征和閱讀傾向，為讀者提供個性化的精準服務(wù)提供依據(jù)。

曲佳彬[14]是以讀者的借閱數(shù)量、讀者類型、所在院系、借書類型為屬性進行k-means聚類分析，將讀者劃分為若干個屬性相似的群組，再對聚類后的群組進行關(guān)聯(lián)規(guī)則挖掘，進一步挖掘圖書間的關(guān)聯(lián)性。趙雨薇[15]利用關(guān)聯(lián)分析挖掘出讀者的群體特征，并通過聚類算法將群體特征與讀者個人屬性有機結(jié)合起來，即找出類概念以及這些類概念與讀者屬性的對應(yīng)關(guān)系，從而提出具有針對性的差異化服務(wù)策略?？的萚16]對K-means算法進行改進提出K－modes算法，先采用K-modes算法分別對讀者的借閱數(shù)量、讀者類型、所在院系和借書類型等進行聚類，迭代分析得出聚類模型，將借閱讀者劃分為若干具有相同屬性的群組，再采用Apriori算法對讀者聚類后的借閱數(shù)據(jù)進行關(guān)聯(lián)分析，發(fā)現(xiàn)圖書類目之間的強關(guān)聯(lián)規(guī)則，以此給讀者提供精準化的圖書推薦。

5 研究啟示和未來方向

5.1 算法改進

Apriori算法主要的步驟就是對事務(wù)數(shù)據(jù)庫掃描獲取候選項集、自連接生成N-項候選項集和計算支持度，現(xiàn)有的算法對其改進主要是對事物數(shù)據(jù)庫轉(zhuǎn)換成布爾矩陣、建立hash表、生成頻繁樹等方式，減少掃描龐大事務(wù)數(shù)據(jù)庫，再通過計算支持度的方法提前刪除一些已知的非頻繁項集數(shù)據(jù)項來減少候選項集的生成。雖然通過以上改進在一定程度上效率和時間都有改善，但還需要進一步深入分析如何從修改庫結(jié)構(gòu)、修建頻繁集策略、優(yōu)化連接策略3個主要步驟來改進基于矩陣、基于FP-Growth、基于粒子群等方面的Apriori算法。

現(xiàn)有的研究大多集中在單層單維的關(guān)聯(lián)規(guī)則中，即僅僅得出讀者-圖書之間和圖書-圖書之間的關(guān)聯(lián)關(guān)系，事務(wù)數(shù)據(jù)庫中僅有讀者號和單一層次圖書分類號，缺乏讀者多種屬性的添加和圖書多層次的區(qū)分，以使得讀者群不能得到很好的細分，而且推薦的圖書大多是中圖分類號中的某一大類，如文學(xué)I類，影響推薦精確度。陳淑英[17]雖然從專業(yè)、年級多維讀者屬性角度分析出相應(yīng)的關(guān)聯(lián)規(guī)則結(jié)果，但是對分割成若干個不同專業(yè)和不同年級子數(shù)據(jù)庫多次進行了運行，算法效率較低。以后研究重點在建立多維數(shù)據(jù)模型上，如加入模糊算法、自適應(yīng)的遺傳算法、構(gòu)造數(shù)據(jù)立方體等方法來提高算法效率。

5.2 最小支持度改進

關(guān)聯(lián)規(guī)則最重要的兩個參數(shù)是支持度和置信度，通常這兩個參數(shù)都是依照經(jīng)驗人為設(shè)置的，缺乏理論依據(jù)，另外實際使用中，整個事務(wù)數(shù)據(jù)庫一律采用同一個支持度，一些小于最小支持度但很重要的數(shù)據(jù)會丟失，如新進的書籍因加入館藏的時間較短，雖然相對來說借閱量高些，但遠遠不及“老”書的高借閱量，若對事務(wù)數(shù)據(jù)庫不進行區(qū)分，使用相同的最小支持度，此部分事務(wù)項極易被剪枝刪除，更不會出現(xiàn)在強關(guān)聯(lián)規(guī)則里，無法生成推薦信息。同樣對于年限太久的圖書，也會存在同樣的問題，但不會被剪枝，反而會保留下來出現(xiàn)在強關(guān)聯(lián)規(guī)則里，但實際上讀者對太“老”的圖書反而興趣度不大，影響了推薦的效果。因此以后在實際運用過程中，我們要將更多的實際因素考慮進去，依照各自影響因子加入設(shè)置不同的支持度，或者通過對項目加權(quán)的方式也可以調(diào)整相應(yīng)的支持度以模擬出實際情況，更好地構(gòu)建出個性化推薦模型實現(xiàn)個性化推薦工作。

4.3 與其他技術(shù)的結(jié)合

單一的關(guān)聯(lián)規(guī)則算法實現(xiàn)的效率和質(zhì)量都是有限的，往往需要結(jié)合其他算法的優(yōu)點，進行算法的組合操作，才能達到更優(yōu)的效果?，F(xiàn)有的研究是關(guān)聯(lián)規(guī)則與貝葉斯網(wǎng)絡(luò)、協(xié)同過濾算法、聚類分析、決策樹、遺傳算法等方法的結(jié)合使用，在后續(xù)的研究中，不僅可以在原有混合算法的基礎(chǔ)上進行改進，還可以融入更多的技術(shù)，如時間序列、神經(jīng)網(wǎng)絡(luò)、粗糙集、粒子群、蟻群算法等方法。因大數(shù)據(jù)時代的到來，海量數(shù)據(jù)處理往往制約著算法的運算效率，我們還需將hadoop技術(shù)運用到關(guān)聯(lián)規(guī)則算法中來，利用MapReduce并行處理計算模型來加快算法的運行，提高運算的速度。

5 結(jié)語

通過對關(guān)聯(lián)規(guī)則在圖書館中的應(yīng)用相關(guān)研究進行可視化分析，發(fā)現(xiàn)研究主題主要集中在數(shù)據(jù)挖掘、關(guān)聯(lián)規(guī)則、Apriori算法、個性化服務(wù)和聚類分析5個方面?？偟膩碚f，大多研究集中在如何將關(guān)聯(lián)規(guī)則算法及其改進應(yīng)用到圖書館管理工作和個性化服務(wù)中，較少涉及多維多層關(guān)聯(lián)規(guī)則和考慮最小支持度的更復(fù)雜化的情況，和其他數(shù)據(jù)挖掘技術(shù)和推薦技術(shù)相結(jié)合的應(yīng)用相對較少。在后續(xù)研究中應(yīng)該考慮加入更多的實際工作中出現(xiàn)的一些影響因素進去，結(jié)合其他技術(shù)的優(yōu)點，將系統(tǒng)設(shè)計貼近實際應(yīng)用，了解讀者的最新動向，從而更好地實現(xiàn)圖書館個性化資源推薦工作和提升圖書館的服務(wù)水平。