李火苗

（商洛學院圖書館，陜西商洛 726000）

隨著我國經(jīng)濟發(fā)展的不斷進步，我國高校教育教學事業(yè)的發(fā)展越來越好。為了向高校的教學事業(yè)提供正確的指導，應利用信息挖掘技術針對個性化交互服務行為信息進行二次處理，以此實現(xiàn)教學資源的共享。但傳統(tǒng)信息挖掘系統(tǒng)存在響應速度慢的缺陷，該文針對數(shù)字圖書館進行個性化服務行為信息挖掘系統(tǒng)的設計。

1 數(shù)字圖書館信息挖掘系統(tǒng)架構

1.1 云服務平臺基本框架設計

針對個性化服務行為信息挖掘系統(tǒng)中的云服務平臺框架進行設計時，應充分結合圖書館的實際情況，將圖書館內部資源進行整合，并將圖書館內部資源進行合理利用。通過該方式可為系統(tǒng)提供大量數(shù)據(jù)，有利于個性化服務行為信息挖掘系統(tǒng)的穩(wěn)定運行。針對云服務平臺的框架進行設計的過程中，應將基礎功能設計作為基礎，將圖書館內部資源作為系統(tǒng)設計的主要內容，并將解決讀者需求作為系統(tǒng)云服務平臺基本框架設計的根本目標，以此設計出將成本低、擴展性高、適應能力強等特點融為一體的云服務平臺基本框架[1-2]。

1.2 信息挖掘系統(tǒng)總體架構設計

針對個性化服務行為信息挖掘系統(tǒng)的總體架構進行設計時，主要采用SSH 框架作為個性化服務行為信息挖掘系統(tǒng)的核心架構。通過對SSH 框架進行研究發(fā)現(xiàn)，該框架具有結構簡單、開發(fā)周期較短、維護方便等特點，被廣泛應用于多種領域。數(shù)字圖書館個性化服務行為信息挖掘系統(tǒng)總體架構如圖1所示[3]。

1.2.1 信息挖掘系統(tǒng)用戶層

對個性化服務行為信息挖掘系統(tǒng)架構的用戶層進行設計時，主要應用JSP技術，該技術憑借自身的高效處理優(yōu)勢，在多種領域中被廣泛應用，可用于個性化服務行為信息挖掘系統(tǒng)和用戶之間的交互邏輯處理。

1.2.2 信息挖掘系統(tǒng)業(yè)務層

為保證個性化服務行為信息挖掘系統(tǒng)的穩(wěn)定運行，對個性化服務行為信息挖掘系統(tǒng)業(yè)務層架構進行設計時，采用SSH 框架針對系統(tǒng)業(yè)務層進行開發(fā)，利用SSH 架構將系統(tǒng)業(yè)務層進行層次細化，主要包括Web 層、Service 層、DAO 層以及PO 層。通過對個性化服務行為信息挖掘系統(tǒng)業(yè)務層架構進行細化，個性化服務行為信息挖掘系統(tǒng)的維護將更加方便，且系統(tǒng)開發(fā)比較簡單，便于操作[4-5]。

1.2.3 信息挖掘系統(tǒng)數(shù)據(jù)挖掘層

對個性化服務行為信息挖掘系統(tǒng)的數(shù)據(jù)挖掘層架構進行設計時，主要利用數(shù)據(jù)挖掘工具Weka 對數(shù)據(jù)進行處理，將數(shù)據(jù)挖掘工具Weka 作為個性化服務行為信息挖掘系統(tǒng)數(shù)據(jù)挖掘層架構的核心，結合決策樹分類、神經(jīng)網(wǎng)絡、聚類等算法對個性化服務行為信息挖掘系統(tǒng)的數(shù)據(jù)進行規(guī)劃處理，提高個性化服務行為信息挖掘系統(tǒng)的穩(wěn)定性[6]。

1.2.4 信息挖掘系統(tǒng)數(shù)據(jù)層

信息挖掘系統(tǒng)數(shù)據(jù)層主要包括讀者個人信息、圖書信息、借閱信息以及讀者瀏覽信息，該層具有一定的數(shù)據(jù)存儲能力。因此，應針對圖書館內部數(shù)據(jù)進行資源整合，并利用該關系型數(shù)據(jù)庫將數(shù)據(jù)信息進行存儲。

2 數(shù)字圖書館信息挖掘系統(tǒng)硬件設計

2.1 信息挖掘系統(tǒng)控制器設計

個性化服務行為信息挖掘系統(tǒng)包含大量圖書館內部圖書信息，由于個性化服務行為信息挖掘系統(tǒng)所容納的數(shù)據(jù)過多，造成個性化服務行為信息挖掘系統(tǒng)出現(xiàn)響應速度慢等問題。需要在個性化服務行為信息挖掘系統(tǒng)的硬件端口處增加控制器，芯片部分主要采用意法半導體的超高密度芯片TQMA93RE7，而半導體部分主要采用控制器體系架構Grema-T1 內核，該部分可作為個性化服務行為信息挖掘系統(tǒng)控制器的中央處理單元[7-8]。

通過對個性化服務行為信息挖掘系統(tǒng)控制器原始半導體指令集進行研究發(fā)現(xiàn)，該指令集只包括兩種狀態(tài)，分別是32 位半導體供應狀態(tài)以及16 位代碼寬度的Thumb 狀態(tài)，而該研究中的半導體Grema-T1內核主要采用Thumb-1 指令集，通過Thumb-1 指令集的選擇，可使個性化服務行為信息挖掘系統(tǒng)硬件部分具有高效的數(shù)據(jù)處理能力以及操作簡便的優(yōu)勢。

2.2 信息挖掘系統(tǒng)數(shù)據(jù)庫設計

2.2.1 數(shù)據(jù)庫概念模型設計

個性化服務行為信息挖掘系統(tǒng)內部存在大量數(shù)據(jù)信息，可造成系統(tǒng)因數(shù)據(jù)過多而出現(xiàn)響應速度慢等問題。應在系統(tǒng)內部建立數(shù)據(jù)庫，對于系統(tǒng)的穩(wěn)定運行具有重要意義。主要采用Hadoop 技術架構，并且數(shù)據(jù)庫設計過程中，應充分結合用戶的實際需求，其中用戶的需求主要體現(xiàn)在信息的提供、保存、更新以及查詢等方面，所以應重視數(shù)據(jù)的輸入和輸出，并在此基礎上進行E-R 圖的設計，為系統(tǒng)的后續(xù)發(fā)展做鋪墊[9-10]。

2.2.2 數(shù)據(jù)庫邏輯結構設計

首先應確定數(shù)據(jù)庫的物理數(shù)據(jù)結構，以此對系統(tǒng)數(shù)據(jù)庫內部管理系統(tǒng)形成結構約束。通過研究發(fā)現(xiàn)，在數(shù)據(jù)庫的設計過程中易出現(xiàn)數(shù)據(jù)冗余，而通常情況下針對數(shù)據(jù)冗余的程度進行消除時，主要采用“范式”定義的方式進行處理。該研究主要選用最合適的第三范式，但是第三范式在一定程度上可降低系統(tǒng)的數(shù)據(jù)處理速度，對于系統(tǒng)的開發(fā)質量具有一定影響，為此，應充分考慮范式規(guī)則和用戶的使用體驗，結合E-R 模型系統(tǒng)進行數(shù)據(jù)庫邏輯結構設計，讀者檔案表結構如表1 所示，庫存信息表結構如表2 所示，借出信息表結構如表3 所示[11]。

表1 讀者檔案表結構

表2 庫存信息表結構

表3 借出信息表結構

2.2.3 數(shù)據(jù)庫E-R圖設計

數(shù)據(jù)庫設計對于個性化服務行為信息挖掘系統(tǒng)的穩(wěn)定運行具有重要意義。因此，應結合系統(tǒng)數(shù)據(jù)庫的基本結構，為個性化服務行為信息挖掘系統(tǒng)提供高性能的結構設計，個性化服務行為信息挖掘系統(tǒng)數(shù)據(jù)庫E-R 結構如圖2 所示[12-13]。

3 數(shù)字圖書館信息挖掘系統(tǒng)軟件設計

3.1 信息挖掘系統(tǒng)信息存儲流程

為實現(xiàn)個性化服務行為信息挖掘系統(tǒng)的信息存儲功能，應針對系統(tǒng)內部數(shù)據(jù)的存儲流程進行設計。該設計主要建立在模塊化程序的基礎上，針對信息存儲流程進行一次設計，該設計可在系統(tǒng)數(shù)據(jù)庫中調用多次，而針對系統(tǒng)信息存儲部分的修改功能具有一定獨立性，該功能主要通過系統(tǒng)應用程序的源代碼來實現(xiàn)，個性化服務行為信息挖掘系統(tǒng)信息存儲流程如圖3 所示。

3.2 數(shù)字圖書館信息挖掘系統(tǒng)決策樹算法

為保證個性化服務行為信息挖掘系統(tǒng)針對信息進行挖掘時，產生的數(shù)據(jù)皆為有價值信息，應根據(jù)類標號進行分類。該文針對決策樹算法進行構建，該算法中存在的每個節(jié)點皆代表一個屬性，而分支則代表測試結果的輸出情況[14-15]。R表示節(jié)點、C表示信息分組，可采用信息增益率的最高屬性來對節(jié)點R進行分裂，數(shù)據(jù)元組分類期待值為：

若此時的信息屬性A存在多個信息分組的值，則期待值為：

通過將數(shù)據(jù)信息存放至系統(tǒng)數(shù)據(jù)庫中進行信息存儲過程設計，并充分結合決策樹算法，即可完成個性化服務行為信息挖掘的全過程，實現(xiàn)個性化服務行為信息挖掘系統(tǒng)的軟件設計。

4 數(shù)字圖書館信息挖掘系統(tǒng)測試

4.1 信息挖掘系統(tǒng)運行環(huán)境

個性化服務行為信息挖掘系統(tǒng)運行環(huán)境如表4所示。

表4 個性化服務行為信息挖掘系統(tǒng)運行環(huán)境

4.2 信息挖掘系統(tǒng)測試流程

對該系統(tǒng)進行測試時，應充分了解系統(tǒng)內部協(xié)調能力以及數(shù)據(jù)的流向情況，并結合上述運行環(huán)境針對系統(tǒng)進行測試，為保證測試結果的準確性，將測試次數(shù)設置為50 次，系統(tǒng)頁面響應時間對比如表5所示。

表5 系統(tǒng)頁面響應時間對比表

通過對測試結果進行分析可知，個性化服務行為信息挖掘系統(tǒng)在不同界面的響應時間具有明顯的差異性，其中傳統(tǒng)信息挖掘系統(tǒng)平均響應時間為3.23 s，而該文信息挖掘系統(tǒng)平均響應時間為0.8 s，由此可證明，該研究具有一定可行性[16]。

5 結束語

綜上所述，由于圖書館內部信息過多，可造成個性化服務行為信息挖掘系統(tǒng)針對信息進行挖掘時，出現(xiàn)響應速度慢等問題。為解決該問題，該文針對個性化服務行為信息挖掘系統(tǒng)進行設計，并針對該系統(tǒng)進行測試，測試結果表明，該文信息挖掘系統(tǒng)平均響應時間更快，相對于傳統(tǒng)信息挖掘系統(tǒng)平均響應時間而言，該研究更具優(yōu)勢。