高校图书馆数据智能分析系统的研究与应用.docxVIP

高校图书馆数据智能分析系统的研究与应用

中图分类号：G258.6文献标识码：A文章编号：1003-1588（2025）04-0071-03

高校图书馆作为高校重要的资源中心，肩负着为学术研究和教育教学提供保障的重任。随着高校图书馆馆藏资源数量的不断增多，用户对图书馆智能化的要求越来越高，高校图书馆亟须在图书借阅、馆藏管理、期刊订阅、数据统计等方面开拓创新，尽可能满足用户的需求[1，2]。近年来，高校图书馆积极尝试应用人工智能和大模型技术，但实际效果不佳，难以达到用户的要求，部分关键业务仍依赖人工操作，严重影响了智慧图书馆建设进程[3.4]。

的数据分布于不同的系统，数据量大，分布范围广，数据格式和标准不统一，仅靠馆员开展数据统计分析工作，不仅成本较高，准确性也难以保障，且无法做到对馆内各项运行指标的实时监控。因此，笔者基于人工智能和大模型技术设计开发了一套高校图书馆数据智能分析系统，利用信息化等技术手段整合不同系统中的数据，细化业务需求和相关场景，建立不同维度的数据分析报表模版，以提高图书馆数据分析能力。该系统能够实现图书馆各类报表数据的实时自动生成及可视化展示，为高校图书馆节省大量人力成本，减轻馆员的工作压力。此外，该系统还能自动生成分析报告，支持多种数据格式的导入，且具有分权分域功能，有助于高校图书馆优化资源配置及管理决策[5，6]。

2高校图书馆数据智能分析系统设计

2.1系统总体架构

高校图书馆数据智能分析系统是基于JavaEE的分布式微服务架构平台[7]，系统架构包含数据采集层、分析处理层和应用展示层，系统总体架构如下页图1所示。数据采集层可实现对日志信息、借阅和新增图书信息、学科服务数据、电子书使用量、数据库访问信息等数据的实时、批量采集。笔者选用MyBatis为数据库操作的主要框架，其支持动态SQL生成，且具有灵活的SQL查询功能，可提高系统与数据库的交互效率。为优化数据库的访问性能，笔者在系统内集成了Druid数据库连接池，此举有效减少了数据库连接的创建和销毁成本，加快了数据库访问速度。该系统会对采集到的数据进行清洗、去重、缺失值填补、异常值检测和归一化等处理，以消除数据中的噪声和错误。分析处理层基于分布式计算Apache框架，支持大规模数据的并行处理。笔者选用SpringBoot作为分析处理层的核心架构[8，9]，该架构具有简化配置、智能化依赖管理和快速开发部署能力，能够迅速处理大量并发请求，其模块化的设计允许管理员根据实际需求添加或删除组件，确保系统各部分的无缝协作。应用展示层可利用可视化工具将数据分析结果转化为直观的图表，支持自定义的分析结果查询。笔者选用Thymeleaf模板引擎实现数据展示和用户交互功能[10]，可实现动态页面的生成，根据用户请求实时生成数据分析结果，将其与SpringBoot无缝集成，可提高前后端数据传递速率。

该系统总体架构的创新点如下：一是实现了基于时间序列的高校图书馆数据挖掘算法，可按照时间序列挖掘不同数据之间的关系，产生更多有价值的信息，从算法和软件层面保障了系统的创新性。二是整合借阅、空间、属性等图书馆数据，构建了16种高校图书馆使用频率较高的、基于空间和属性特征的场景报表模型库，包括研讨间使用次数、各时段研讨间使用个数、各部门典藏百分比、到馆人数、每日借阅量、各学院借阅次数、各学院借阅人数、书籍借阅次数、书籍续借次数等模型库。三是利用了基于Thymeleaf引擎的可视化展示技术，可将数据分析结果转化为直观的图表，方便馆员操作和使用系统。

2.2系统功能

高校图书馆数据智能分析系统具有以下四类功能：一是数据管理功能，支持导人CSV、JSON等格式的数据，根据不同的数据格式生成不同的图表，并对生成的图表进行动态调配。二是系统管理功能，管理员可对系统的账户登录、角色授权、组织机构增减等项目进行管理，并合理分配操作权限和设备管理范围。三是统计分析功能，该系统配备了便捷的数据分析插件和工具，支持图表全景缩放、图例点击显示、图表形式转换等，可在单张图表中查看各项数据的分析结果，解决统计分析场景中濒繁切换显示的问题。四是实例演示功能，可为用户提供多种个性化的统计分析模型，且支持多种图表展示样式，满足不同用户的多元化数据分析需求。

3典型的系统应用场景

3.1到馆流量分析

高校图书馆数据智能分析系统可帮助图书馆从不同维度对到馆流量信息进行统计，挖掘用户的潜在需求和行为模式，并将其与馆内空间资源信息相匹配，以优化馆藏资源配置，提升服务质量和用户体验。到馆流量分析的数据源包括高校图书馆的门禁系统、借阅系统、自助服务终端和智能监控系统等，不同数据源的数据可相互稽核，以提升数据的使用价值，如：将门禁系统的数据与借阅系统的数据进行比对，确定用户使用图书馆的高峰时段及用户活动的热点区域[