大數(shù)據(jù)背景下讀者借閱行為的數(shù)據(jù)挖掘研究課件

1、大數(shù)據(jù)背景下讀者借閱行為的數(shù)據(jù)挖掘研究研究目的 ： 在圖書館現(xiàn)有的數(shù)字化系統(tǒng)中，每時每刻都在產(chǎn)生著大量的統(tǒng)計數(shù)據(jù)和表單，如何以“大數(shù)據(jù)”為基礎(chǔ)，把這些統(tǒng)計數(shù)據(jù)和表單在進行分析和處理后，其內(nèi)在的信息量可以對圖書館的各種業(yè)務(wù)，尤其是采購、館藏、咨詢業(yè)務(wù)，起著很強的指導(dǎo)作用。 在圖書館數(shù)字化系統(tǒng)中采用各種數(shù)據(jù)挖掘技術(shù)，可以分析讀者借閱行為信息資源的各項指標(biāo)，例如圖書館藏資源的利用率、圖書館藏資源的有效率、圖書館藏資源的拒借率等指標(biāo)，幫助圖書館加強采購、館藏以及咨詢等服務(wù)業(yè)務(wù)，能將被動的為讀者提供圖書資料，轉(zhuǎn)變成主動地為讀者提供可能感興趣的信息資源，更好地為讀者提供個性化的推薦服務(wù)。研究過程：1、數(shù)據(jù)

2、挖掘應(yīng)用于圖書館數(shù)字化系統(tǒng)的技術(shù)分析。2、收集本校圖書館管理系統(tǒng)的后臺數(shù)據(jù)，建立數(shù)據(jù)倉庫，選取合適的數(shù)據(jù)挖掘分析工具。3、運用數(shù)據(jù)挖掘技術(shù)，對讀者借閱數(shù)據(jù)進行挖掘，分析讀者行為習(xí)慣及特點，發(fā)現(xiàn)借閱行為中隱含的學(xué)科關(guān)聯(lián)、借閱圖書特點等。4、數(shù)據(jù)挖掘技術(shù)在圖書館的讀者借閱行為分析中的具體應(yīng)用。研究內(nèi)容 ： 隨著圖書館讀者的信息水平和信息要求的提高，也客觀上要求圖書館能夠為讀者提供的信息服務(wù)能夠更加主動和富于個性化，因此，圖書館要進一步加強對讀者的借閱行為信息的處理和分析能力，并能夠?qū)ψx者借閱行為信息資源進行進一步組織和整合，從海量的表面上龐雜無序的讀者借閱行為信息中提取有價值的內(nèi)在聯(lián)系供圖書館使用

3、，滿足讀者新的更復(fù)雜的借閱需求。 數(shù)據(jù)挖掘（Data mining。DM），就是從大量的，不完全的，有噪聲的，模糊的，隨機的數(shù)據(jù)中，提取隱含在其中的，人們事先不知道的，但又是潛在的有用信息和知識的過程。數(shù)據(jù)挖掘常常也被稱為數(shù)據(jù)庫知識發(fā)現(xiàn)（Knowledge-Discovery from Databases，KDD)，它可以從數(shù)據(jù)庫或數(shù)據(jù)倉庫以及其他各種數(shù)據(jù)庫的大量各種類型數(shù)據(jù)中，自動抽取或發(fā)現(xiàn)有用的模式知識。 數(shù)據(jù)挖掘技術(shù)應(yīng)用于圖書館的首要工作，是建立數(shù)據(jù)倉庫。圖書館數(shù)字化系統(tǒng)中的業(yè)務(wù)數(shù)據(jù)很多，數(shù)據(jù)之間存在著復(fù)雜的橫向聯(lián)系，但大而化之，可以將數(shù)據(jù)倉庫中所包含的信息分為主要的三類：讀者信息、圖書

4、信息和讀者借閱流通信息。在構(gòu)建數(shù)據(jù)倉庫時，具體可以按以下步驟進行：第一步，對圖書館各種業(yè)務(wù)數(shù)據(jù)進行數(shù)據(jù)建模，這是一個確定圖書館數(shù)據(jù)倉庫主題的過程；第二步，對所建的數(shù)據(jù)倉庫的數(shù)據(jù)庫進行設(shè)計，并確定數(shù)據(jù)轉(zhuǎn)換的程序；第三步，管理元數(shù)據(jù)。定義圖書館數(shù)據(jù)倉庫的元數(shù)據(jù)，對圖書館各種業(yè)務(wù)數(shù)據(jù)進行元數(shù)據(jù)的表示、定義，確定其具體的意義，同時建立數(shù)據(jù)庫系統(tǒng)中各組成部件的相互關(guān)系；第四步，確定數(shù)據(jù)挖掘的數(shù)據(jù)分析工具，在實現(xiàn)和使用數(shù)據(jù)倉庫的基礎(chǔ)上，建立結(jié)構(gòu)化的決策支持查詢，幫助圖書館進行決策，實現(xiàn)圖書館決策支持需求。 利用關(guān)聯(lián)規(guī)則、聚類分析等算法，通過數(shù)據(jù)挖掘分析圖書的實際利用情況。數(shù)據(jù)倉庫中大量的這些讀者信息、圖書

5、信息和讀者借閱流通信息數(shù)據(jù)都屬于結(jié)構(gòu)化數(shù)據(jù)，對其進行數(shù)據(jù)挖掘的的算法很多，一般最常用的有兩種：利用關(guān)聯(lián)規(guī)則算法和利用聚類分析算法。1）利用關(guān)聯(lián)規(guī)則算法主要是側(cè)重于借閱歷史數(shù)據(jù)中的分析，通過對信息資源借閱歷史進行關(guān)聯(lián)規(guī)則算法的分析后，例如發(fā)現(xiàn)有大量讀者在閱覽A書同時也對B書進行了閱覽，則圖書館的服務(wù)工作中可以增加一項向閱覽A書的讀者推薦B書的服務(wù)，這些規(guī)則的發(fā)現(xiàn)，對提高圖書館的圖書資源的利用率和為讀者提供更人性化的服務(wù)很有幫助。2）利用聚類分析算法主要是通過對新近書籍與歷史書籍的聚類分析，以判斷新近書籍對讀者的借閱價值。 根據(jù)圖書館現(xiàn)有的數(shù)字化系統(tǒng)中所產(chǎn)生大量的統(tǒng)計數(shù)據(jù)和表單建立的數(shù)據(jù)倉庫，是真

6、實的。對于圖書館而言，從這些大量的統(tǒng)計數(shù)據(jù)和表單中所發(fā)現(xiàn)的讀者借閱信息和知識是潛在的，圖書館所感興趣的，可理解、可運用的知識正是隱藏在這些大量的讀者信息、圖書信息和讀者借閱流通信息背后。數(shù)據(jù)挖掘分析后的決策 數(shù)據(jù)挖掘分析讀者的借閱行為后進行決策的依據(jù)可以有兩個維度：1）讀者信息維借閱數(shù)量比較對讀者借閱行為數(shù)據(jù)展現(xiàn)中的讀者信息維度借閱數(shù)量進行比較，可以以目標(biāo)群讀者的所有圖書持續(xù)時間為度量值，以讀者群的類別和共計持有時間來進行比較，這樣可以得到按照讀者類別來判斷讀者實際持有時間的分析情況。2）圖書信息維借閱數(shù)量比較在圖書館的圖書分類中，通常是以中圖法為分類依據(jù)的，這樣圖書館在進行決策時可以根據(jù)全體

7、讀者借閱某類書的持有時間來橫向比較，分析得出，哪類書更受讀者歡迎，哪類書更能滿足讀者需求。對圖書館進行統(tǒng)計，就是將圖書信息維分為若干個級別，例如一級類目、二級類目、三級類目和圖書條形碼等級別，然后分析得出受歡迎和不受歡迎的圖書種類，保障圖書館的館藏資源可以得到合理充分的利用。 數(shù)據(jù)挖掘分析圖書的實際利用后的決策，以圖書館為例，其決策樹如圖2。2數(shù)據(jù)挖掘技術(shù)在圖書館的讀者借閱行為分析中的具體應(yīng)用 數(shù)據(jù)倉庫的建立（1）數(shù)據(jù)源：圖書館的歷史借閱日志和還書日志；（2）擁有者：圖書館；（3）記錄的數(shù)目10550條借閱記錄、9875條還書記錄；（4）原始數(shù)據(jù)的格式主要是Excel表，其中借書記錄是l3個字段、還書記錄是15個字段，見表1。 本次分析中，讀者借閱的圖書共有 1246個大類，借閱情況如圖3所示。借閱次數(shù)大于100次的有19種，占總類目的1.52，0次到10次之間的有213種，占總類目的17.09；小于10次的類目為1014種，占總類目的81.38?？梢?，在這段時間大量的文獻被讀者借閱次數(shù)很少，如A1馬克思、恩格斯著作大類只被