基于数据挖掘的高校图书馆读者服务优化.docVIP

基于数据挖掘的高校图书馆读者服务优化 吴晅威 （华南农业大学珠江学院，广东 广州 510900） 摘要：高校图书馆管理系统的普遍应用，积累了大量的读者借阅数据。利用数据挖掘技术可以从这些数据中发现读者的借阅行为规律、读者的分类特征等重要知识。依据这些知识高校图书馆能够优化读者服务，更好的满足读者的信息需求。 关键词：数据挖掘，高校图书馆，读者服务 中图法分类号：G250 文献标识码： Abstract: With the general application of management system , there aced the massive readers lending data ,By using data mining technology from these data can be found in the readers lending behavior rules, the readers classification feature, and other important knowledge. Based on the knowledge, university library can improve personalized information service and meet readers?needs about information. Key words: data mining; university library; personalized information service. 高校图书馆是高等学校的信息资源中心，是为高等学校教学、科研活动提供信息保障的学术性机构。读者服务就是图书馆在适当的时间、适当的地点、以适当的方式为读者提供其所需要的信息的活动，是实现图书馆职能的基本工作。传统的高校图书馆读者服务主要是通过读者借阅、阅览、联机检索、参考咨询、访问数字图书馆等方式来实现，图书馆在读者服务过程中更多的处于响应读者请求的被动状态，所提供的服务也往往缺乏针对性。这样的读者服务不能够充分满足图书馆“从读者的需求出发”为读者提供个性化读者服务的要求。 随着高校图书馆管理系统的普遍应用，积累了大量的读者基本信息、读者借阅记录、读者访问数字图书馆的日志等数据。在这些数据当中隐藏着特征读者分类、读者信息需求偏好、读者借阅行为规律等重要知识。运用数据挖掘技术对高校图书馆读者服务工作中积累的数据进行深入研究，从中发现读者个性化的信息需求规律，从而为不同读者主动提供满足其需求的信息服务，已经成为优化高校图书馆读者服务的重要途径。 1数据挖掘技术概述 数据挖掘(Data Mining)也被称为知识发现，是指从大量数据组成的集合中发现其中隐藏规律的技术，主要包括分类、估计、预测、关联规则、聚类等分析方法，还包括对数据挖掘结果进行描述和可视化、对复杂数据类型的数据进行挖掘等功能，大致可以分为数据准备、规律寻找、结果表述三个基本步骤。 数据挖掘起源于从数据库中发现知识(Knowledge Discovery in Database，KDD)，于1989年8月首次出现在美国底特律市举行的第11届国际联合人工智能学术会议上。[1]数据挖掘技术利用了来自统计分析、人工智能、模式识别、神经网络、模糊数学、遗传算法等多个学科领域的思想，并借助于数据库系统所提供的有效存储、索引和查询处理支持，以及高性能并行计算、分布式数据处理、可视化等技术而得以实现。随着计算机的性能不断提高，以及各种专业化数据挖掘软件的出现，人们不需要自己直接掌握这些高深复杂的技术，只需要运用数据挖掘工具，采用相对简单的方法对数据进行分析，就能够实现数据挖掘的功能。 数据挖掘技术能够从数据仓库中发现有价值的知识和信息，已经被广泛应用于商业智能、市场分析、客户关系管理、生产控制、工程设计、科学研究等多个领域。例如，美国沃尔玛连锁超市通过对顾客消费记录的数据挖掘发现了美国的年轻父亲有同时购买“尿布与啤酒”的消费行为规律，这就是数据挖掘当中关联规则的一个经典应用。 2高校图书馆数据挖掘的基本流程 根据数据挖掘技术的一般规律，和高校图书馆读者服务的数据特征，高校图书馆数据挖掘的基本流程可以归纳如下： (1)设定目标。明确数据挖掘的目标是数据挖掘工作的第一步。数据挖掘的结果虽然是不可预见的，但是数据挖掘所针对的业务方向必须是明确的。盲目的数据挖掘难以产生有价值的成果。对于高校图书馆的读者服务来说，数据挖掘的主要目标主要有以下几个方面：发现不同专业、不同层次读者与不同类型图书之间借阅行为的关联关系；发现不同类型图书借阅之间的关联关系；通过对图书进行聚类分析判断图书对读者的价值；通过对读者的聚类分析判断不同类型读者的借阅行为等。 (2)数