基于读者利用挖掘图书馆决策与应用分析.docVIP

基于读者利用挖掘图书馆决策与应用分析 　　〔摘 要〕本文介绍了数据挖掘技术、挖掘过程和数据挖掘体系结构,针对我馆信息管理系统中书目、读者和借阅信息、OPAC检索记录以及WEB问卷调查数据,分析如何应用数据挖掘技术发现读者利用及需求的规律和模式,并探讨了读者利用挖掘在图书馆服务和管理上的应用。 　　〔关键词〕数据挖掘;读者需求;图书馆决策;个性化服务 　　〔中图分类号〕G250.7 〔文献标识码〕B 〔文章编号〕1008-0821(2009)07-0047-04 　　 　　Data Mining for Library Decision-making and 　　Application Analysis Based on Reader UsingZhang Wei1 Hong Xia2 　　(1.Library,Yangzhou University,Yangzhou 225009,China; 　　2.Laboratory and Equipment Manage Department,Yangzhou University,Yangzhou 225009,China) 　　〔Abstract〕This article introduced the technology,process and architecture of data mining,according to the booklist,the reader and the borrowing information in library information management system,OPAC searching records as well as the WEB questionnaire data,analyzed how to apply the data mining technology to discover the rule and pattern of reader using and demand,and discussed the reader using excavation in the library service and management application. 　　〔Key words〕data mining;reader demand;library decision-making;individuation service 　　 　　图书馆作为学校信息资源的汇集中心,是以满足学校全体师生员工的教学、科研和学习的需求为目标。馆藏资源的实用性,只有通过读者的利用才能得到检验,同时利用也是读者对资源实际需求的体现,只有多渠道深层次地挖掘不同读者群的兴趣、借阅习惯、借阅倾向和借阅需求,分析并发现文献结构与读者知识结构的关系,才能预测出读者未来的借阅行为,从而为决策管理提供数据支撑,并快捷、智能化地为读者提供个性化主动服务。因此,面对“被数据淹没,却饥饿于知识”的数字化时代的挑战,如何充分利用数据挖掘技术发现有价值的隐性信息为图书馆管理服务,已成为目前图书馆领域一项非常有意义的研究内容。 　　本文针对我馆信息管理系统中书目、读者和借阅信息及OPAC检索记录、WEB问卷调查中的能反映不同读者群对不同资源的需求、阅读习惯、阅读倾向等大量的宝贵数据,探讨如何应用数据挖掘技术,找出隐藏在其中的读者需求规律和模式,为图书馆的决策提供数据支撑和参考,以便将其应用到对读者的主动推荐服务上,从而更好地提供智能化的个性服务。 　　 　　1 数据挖掘概述 　　 　　数据挖掘根据其主要研究对象的数据结构形式的不同,一般分为数据挖掘、web数据挖掘、文本数据挖掘3种类别。其中面向数值数据的挖掘,通常称数据挖掘。数据挖掘(Data Mining)就是指从大量的数据(结构化和非结构化)中提取有用的信息和知识的过程[1]。 　　1.1 数据挖掘技术 　　目前数据挖掘技术很多,同一个挖掘方法存在多个不同的挖掘算法。从挖掘功能上主要有分类分析、聚类模式分析、关联规则分析、序列模式分析、时间序列分析等方法。 　　1.1.1 分类分析 　　分类分析是根据数据对象寻找相应的分类规则,再根据规则对数据对象进行归纳分类,找出各类的特征属性。 　　1.1.2 聚类分析 　　聚类分析是根据数据对象间的相似性条件的满足与否进行数据的划分。把物理或抽象对象的集合组成由类似的对象组成的多个类或簇的过程。由聚类生成的簇是一组数据对象的集合,同一簇中的对象尽可能相似[2]。使得组间的差别尽可能大,组内的差别尽可能小,按照给定的聚类参数(如距离等)进行分解、合并。可应用到读者群体的聚类、图书文献的聚类、读者集群特性和借阅倾向分析