高校图书馆馆藏管理中的数据挖掘研究

格式：doc
大小：24.50 KB
文档页数：6

下载文档原格式

/ 6

数据挖掘在高校图书馆服务中的应用研究

数据挖掘在高校图书馆服务中的应用研究一、本文概述随着信息技术的迅猛发展和大数据时代的到来，数据挖掘技术已经广泛应用于各个领域，尤其在高校图书馆服务中，数据挖掘技术的应用逐渐成为研究的热点。

本文旨在探讨数据挖掘技术在高校图书馆服务中的应用及其效果，以期为提升图书馆服务质量和效率提供有益的参考。

本文首先介绍了数据挖掘技术的基本概念、原理及其在其他领域的应用情况，为后续研究奠定理论基础。

接着，分析了高校图书馆服务的现状及其面临的挑战，如用户需求多样化、信息资源海量化、服务效率要求高等。

在此基础上，本文深入探讨了数据挖掘技术在高校图书馆服务中的应用场景，如读者行为分析、图书推荐系统、学科服务等。

通过案例分析和实证研究，本文评估了数据挖掘技术在高校图书馆服务中的应用效果，并指出了存在的问题和不足。

本文提出了针对性的建议和改进措施，以期推动数据挖掘技术在高校图书馆服务中的更广泛应用和深入发展。

本文的研究不仅有助于提升高校图书馆的服务质量和效率，也有助于推动数据挖掘技术的进一步发展和完善。

二、数据挖掘技术基础数据挖掘（Data Mining）是从大量、不完全、有噪声、模糊、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。

数据挖掘涉及的技术方法很多，主要有数据清理、数据集成、数据变换、数据挖掘过程模型、数据挖掘方法和知识评价等。

数据挖掘的主要功能包括分类、聚类、关联分析、序列模式挖掘、预测、时间序列分析和偏差分析等。

在高校图书馆服务中，数据挖掘技术的应用主要体现在以下几个方面：通过对读者的借阅记录、浏览行为等数据进行挖掘，可以分析出读者的阅读兴趣、习惯和需求，从而为读者提供更加精准、个性化的推荐服务；通过对图书馆藏书的利用情况、读者的借阅率等数据进行挖掘，可以评估图书馆的服务质量，发现存在的问题和不足，从而改进图书馆的管理和服务；数据挖掘技术还可以用于图书馆的决策支持，通过对大量的数据进行挖掘和分析，可以为图书馆的发展规划、资源配置等提供科学依据。

数据挖掘技术在高校图书馆管理中的应用

术和决策管理支持，同时也为图书管理员准确把握读者需求，提供个性化的信息服务。
关键词：据挖掘；数图书馆；息服务信
中图分类号：２４９文献标识码：Ｇ５．１Ｃ
文章编号：０８９７２１）２０５２１０ —８９（０１０ —０７ —０
一
分内部数据和外部信息汇集起来，经过处理和转换，形数据挖掘（ａｉｉ，称Ｄ是指从大量的、ＤｔＭｎｇ简ａｎＭ）不成集中统一、随时可用的决策信息，防止因信息不足造完全的、有噪声的、糊的、模随机的数据中，取隐含在成的错误决策。提
【哲学・文化】
数据挖掘技术在高校图书馆管理中的应用
白建伟
（太原理工大学计算机学院，山西太原００２）３０４
摘
要：数据挖掘技术应用于图书馆管理中，有利于分析和处理图书馆的日常业务数据，图书馆合理分布馆藏提供技为
最需要的资源采购中，以提高资源的利用效率。通过数据挖掘系统，可以将图书借阅数据和文献采编数据结合
起来进行分析、管理。例如，在采访过程中，通过数据挖掘技术分析的理论，以协助采购员根据情况对各类图可
二、数据挖掘在高校图书管理中的应用
３数据挖掘可以从历史数据中找出潜在模式，．并在模式的基础上自动作出预测。这对启发图书馆决策者
的创新思维，对信息化社会的挑战具有重大意义。应（）据挖掘技术在图书资源管理中的应用二数１对文献采购和馆藏建设进行合理的规划建议．在高校中，每个机构或部门都有固定的经费，以，所图书馆的资源采购要考虑到资金的利用率，把资金用在

数据挖掘技术在高校图书管理系统中的应用研究

2012年2月内蒙古科技与经济F ebruar y 2012　第3期总第253期Inner Mongolia Science T echnology &Economy No .3Total No .253数据挖掘技术在高校图书管理系统中的应用研究X吴　淼(西安财经学院图书馆,陕西西安　710100) 摘　要:高校图书管理系统中,积累了大量的读者对资源的历史访问数据。

这些数据背后隐藏着许多重要的信息,通过对其进行更高层次的分析,便能更好地利用这些数据为读者服务。

文章在描述数据挖掘技术与方法的基础上,结合目前高校图书管理系统的实际情况,给出了数据挖掘在图书管理系统中的具体应用实例。

关键词:数据挖掘;图书管理系统;关联规则算法;分类算法;应用中图分类号:T P311.13 文献标识码:A 文章编号:1007—6921(2012)03—0083—02 随着信息技术的不断发展,数据挖掘在金融、保险、商业等领域已获得了较为广泛的应用,但是在教育信息数据的挖掘与知识发现方面的研究和应用还比较少。

在这种情况下,为了图书馆科学的发展和资源有效的利用与配置,作为图书馆信息技术部的工作人员,通过对目前多数图书MIS 系统的分析发现,虽然管理信息系统为图书馆工作信息化管理和服务带来了显著地效益,但这些系统主要是对图书馆一些事务性工作给以支持和管理,并没有对大量的数据进行分析和利用,因而对管理决策问题没有提供足够的支持。

而数据挖掘是一种从大型数据库或数据仓库中提取隐藏的预测性信息的技术,它能挖掘出数据键潜在的模式。

找出最有价值的信息和知识。

而数据挖掘工具可以方便简单的构建复杂的分析模型,并可以通过向导自动按照数据挖掘的各种技术对数据进行分析挖掘,而不必理会应用程序底层的复杂计算和数据挖掘方法的复杂公式和程序。

因此使用数据挖掘技术可以方便快捷的对海量信息进行深层次的开发,提取表面上庞杂无序的信息的内在联系,从而优化图书馆资源建设以及推动读者个性化服务。

浅析数据挖掘技术在高校图书馆中的应用

丰富但信息贫乏 ” 的状况，如何将这些数据及信息转换成有用
的知识和信息便成为迫切需要。而对于目前正在蓬勃发展的数字图书馆，如何分析和利用用户在使用过程中所产生的海量信息以便更好的完善数字图书馆的服务便显得极具价值。
１数据挖掘技术简介
接创建自文档化程序。（）于机器学习社团的产品。３源
存放在数据库、数据仓库或其他信息库中的大量数据中发现有
趣或有用知识的过程。基于这种定义，数据挖掘系统的主要组
成部分有：）１数据库、数据仓库、万维网或其他信息库。２数据）库或数据仓库服务器。３知识库。））４数据挖掘引擎。５模式评）估模块。）６用户界面。通过数据挖掘，我们可以从关系数据库、数据仓库、事物数据库、高级数据库和信息系统（对象一如关系数据库，时问数据库、序列数据库和时『序列数据库，日】空间数据库和时间空间数据库，文本数据库和多媒体数据库，构数据异库和遗产数据库，数据流以及万维网）中提取归纳出有用信息。数据挖掘功能包括发现概念／描述、类关联和相关、分类、预测、聚类、趋势分析、离群点和偏差分析以及相似性分析。大型数据库中有效的数据挖掘对于研究者和开发者提出了大量需求和巨大的挑战。几种商用数据挖掘系统：
ＤａａＭｉｎｇｉｉｅｓｔｂｒｒ．ｔｎｉｎＵｎｖｒｉＬｉａｙｙ
Ｋｅｗｏｄ：ａａＭｉｉｇＵｎｖｒｉｉｒｒｙｒｓＤｔｎｎ；ｉｅｓｙＬｂａｙｔ

图书管理员如何利用图书馆数据进行情报研究

图书管理员如何利用图书馆数据进行情报研究随着互联网和数字化技术的迅速发展，图书馆的角色从传统的藏书馆变得更为多样化和复杂化。

作为信息资源的管理者，图书管理员不仅需要保证图书馆的日常运营，还需深入利用各类图书馆数据进行情报研究。

本文将探讨图书管理员如何利用图书馆数据进行情报研究，并提供一些建议和指导。

一、搜集和整理数据要进行有效的情报研究，首先需要搜集和整理图书馆所拥有的数据。

这些数据包括馆藏图书分类、借阅记录、读者咨询、数字资源使用情况等。

图书管理员可以通过图书馆管理系统、数据库查询和调查问卷等方式收集相关数据。

在搜集数据的时候，应注意确保数据的准确性和完整性，为后续的研究工作奠定基础。

二、数据分析和挖掘得到数据后，图书管理员需要进行数据分析和挖掘，以获取有用的情报信息。

数据分析可以通过使用数据分析工具，如统计软件、数据挖掘工具等，对数据进行整理、统计和可视化。

通过找出其中的规律和趋势，图书管理员可以了解读者需求和喜好，优化图书馆资源配置，提供更加精准的服务。

在数据挖掘方面，图书管理员可以利用关联规则、聚类分析、文本挖掘等算法，发现图书馆资源之间的连接和关联关系。

例如，通过分析读者的借阅记录和搜索关键词，可以发现一些不同领域之间的交叉点，从而指导图书采购和分类策略，提供更多符合读者兴趣的资源。

三、建立情报报告和推荐机制基于分析和挖掘的结果，图书管理员可以编写情报报告，向馆方和相关利益相关者提供可行的建议。

报告应包括数据分析的结果、对图书馆发展的影响以及改进策略等内容。

这些报告可以用于图书馆的管理和决策，以更好地满足读者需求和提升服务质量。

此外，图书管理员可以基于数据分析的结果，建立个性化的推荐机制。

通过利用借阅记录、搜索历史等数据，给读者提供个性化的图书推荐。

这有助于引导读者发现新的领域，满足他们的阅读需求，并提升图书馆的读者满意度。

四、保护数据安全和隐私在进行情报研究的过程中，图书管理员应重视数据安全和隐私保护。

图书馆的数据管理与数据挖掘

图书馆的数据管理与数据挖掘随着科技的迅猛发展，图书馆已逐渐从传统的纸质文献管理转变为数字化的数据管理。

这种转变不仅为图书馆工作提供了更多便利和效率，同时也为图书馆利用数据进行挖掘和分析提供了新的可能性。

本文将探讨图书馆的数据管理与数据挖掘的重要性以及相关的技术和方法。

一、图书馆的数据管理1.1 数字化馆藏管理系统随着电子图书和数字资源的急剧增加，传统的纸质管理已经不再适用于现代图书馆。

数字化馆藏管理系统能够对图书馆的各类资源进行详细分类、整理和存储。

该系统能够更好地满足读者的需求，并且能够实时反馈图书馆的资源利用情况，提供数据支持和决策依据。

1.2 数据标准化与规范化在数字化管理系统中，数据的标准化与规范化非常重要。

只有统一的数据标准，才能保证馆藏资源的质量和可访问性。

图书馆需要遵循国内外的规范，对馆藏资源进行分类、编目和索引，确保数据的一致性和可检索性。

1.3 数据安全与隐私保护在数字化管理系统中，图书馆需要重视数据的安全和隐私保护。

防止数据泄露、篡改和滥用是图书馆数据管理工作的重要任务。

图书馆需要建立健全的安全机制，限制数据的访问权限，并制定相应的数据管理政策和法规，保护读者和馆藏资源的安全。

二、图书馆的数据挖掘2.1 数据挖掘的定义数据挖掘是从大量数据中自动发现有价值的信息和模式的过程。

图书馆利用数据挖掘技术能够探索馆藏资源和读者需求之间的潜在关联，提供更加个性化和针对性的服务。

2.2 数据挖掘在图书馆中的应用2.2.1 读者需求分析图书馆可以通过分析读者的借阅记录、查询记录和阅读兴趣等数据，挖掘出读者的需求模式和兴趣偏好。

基于这些分析结果，图书馆可以针对性地购买馆藏资源，提供个性化的推荐服务，提高读者满意度和资源利用率。

2.2.2 馆藏资源优化通过分析馆藏资源的借阅记录和流通情况，图书馆可以了解到哪些资源受欢迎，哪些资源存放时间较长，从而更好地进行馆藏资源的调整和优化。

通过数据挖掘，图书馆可以根据读者的需求和借阅趋势，优化馆藏资源的策略和分布，提高资源利用效率。

探析高校图书馆数据挖掘

、
源建设、个性化服务、图书管理等方面进行简单论述。（１）数据挖掘在图书馆资源建设上的应用。使用模式挖掘、学科动态分析，结合现有馆藏信息情况，采用合适挖掘算法及时发现信息资源的漏缺，做好文献的收集订购。对大量文档集合内容进行摘要、分类、聚类、关联分析，从大量的资源巾抽取潜在的有用知识。采用各种数据挖掘技术与方法，评判数字图书馆文献信息资源的利用率、有效率等，以便建设特色馆藏。（２）数据挖掘在图书馆个性化信息服务中的应用。个性化信息服务不仅需要针对不同的用户需求提供不同的服务，更重要的在于发现用户的潜在需求进行主动的信息服务。数据挖掘技术为解决此问题开辟了一条道路。（３）数据挖掘在图书馆管理上的应用。数据挖掘作为一种深层次的数据分析方法．可以从大量的用户数据中挖掘反映用户属性特征和信息行为特征的信息及规则，从而为图书馆用户资源管理提供极大的帮助。此外．数据挖掘在数字图书馆结构上的运用．主要是从网页的组织结构和链接关系中获取知识．存此基础上对页面进行分类和聚类。或对相关网页进行分析．发现数字图书馆页面的结构和结构模式，从而对网页的质量进行评价，对检索方式进行优化。通过链接分析和掌握学科发展状况，指导网站的建设。数据挖掘可以帮助决策者分析历史数据及当前数据．从中发现隐藏的关系和模式，进而预测未来可能发生的行为随着数据挖掘研究的深入．需解决的问题和面临的挑战很多。如：在不同的层次上进行交互的数据挖掘；数据挖掘结果是否具有准确性和有用性：用不同形式表示数据挖掘的结果：从不能结构的数据源中挖掘信息；数据挖掘的方法和模式虽然多样却没有统一地对模型进行描述和定义．各数据之间缺乏联系．造成各数据挖掘系统之间的封闭。三、高校图书馆数据挖掘存在的问题及对策作为图书馆的未来发展趋势，数字图书馆拥有海量的数字资源。如何发挥其巨大作用、避免信息过量已经成为数字图书馆发展必然要面对的问题，而数据挖掘技术存数字图书馆应用面临许多的挑战。随着图书馆数字化程度与数字图书馆建设的不断强化，

数据挖掘在图书馆中的应用研究

集信息资源的收集、建、工、务和长期保存等于一体的数字图书馆因信息丰富，实现真正意义上的资源共享，创加服可而且更新速度快等特点越来越受到人们的关注。不过拥有丰富信息的数字图书馆极容易陷人 “ 据丰富，信息贫乏 ” 局面，此，书馆有必数但的因图要增加对信息的处理能力以及对信息资源的组织能力，其是对海量信息的深层次开发，取表面上庞杂无序的信息的内在联系尤提供读者使用。此，图书馆提出了不少个性化要求。因给而利用数据挖掘技术因能为读者开展个性化服务，被动服务为主动服务，变因此在这个信息迅速发展的时代，着重要的理论和实践意义。有
．Hale Waihona Puke ｈｂｒｒ．ｔｅＬｉａｙ
Ｋｅｒｓｄｔｎｎ；ｉｒｒ；ｎｏａｉｎｓｒｉｅｙｗｏｄ：ａｍｉｉｇｌａｉｆｒｔｅｖｃｓａｂｙｍｏ
随着高校图书馆自动化程度与数字图书馆建设的不断发展，书馆要处理和提供的信息越来越多，来越复杂。图书馆如何运图越用这一新技术挖掘丰富的信息资源，服务读者和科学管理提供可靠的依据，得图书馆界深入研究。，着网络技术的迅速发展，为值随

数据挖掘技术在高校图书馆管理中的应用研究

数据挖掘（简称ＫＤＤ）叉称数据开采，是从庞大的、不健全的、有噪声的、不清晰的、随机的实际应用数据中，提取隐含在其中的、人们
３．数据挖掘技术在高等学校图书管理中的应用
３．１应用于决策中的数据挖掘技术以往的高校图书馆决策管理通常依赖于决策者的经验，利用分析、梳理和总结来做决策，这样的决策有着不可避免的主观、盲目和片面性，
合，可以迅速的为决策提供有力支持，梳理出切实可行的管理计划或方
案。综上所述，合理科学的通过数据挖掘技术将图书馆业务中的采买、流转、阅览、外借、咨询、检索等相关信息进行系统整合，将海量资料进行深入逐次的开发，已然成为现今图书馆管理工作的重要发展方向。３．２应用于采购中的数据挖掘技术如何利用有限的资金使图书馆的采购能够取得最大效益，一向是高等学校校图书馆发展构建的关键问题。通过数据挖掘技术将图书馆办公过程中的借阅流通记录、检索请求以及在线咨询等数据进行分析，梳理出读者借阅频率较高以及受读者关心的书籍；采用架构读者兴趣模式，
高校图书馆系统所积累的大量借阅记录数据中，依据个人需求与兴趣等因素，不同的读者同时借阅多种图书，而这些借阅记录数据之间存在有一定的关联性。
２．３信息的潜在性
１．数据挖掘技术
１．１数据挖掘技术的含义
高校图书馆的大量数据中包含有许多非常有价值的信息，比如可能从中分析和挖掘出读者现在及未来需求，从而让每个图书馆馆员都知道自己所拥有的信息被那些读者所需要，以便提供更加个性化的服务。
数据挖掘方法有多种，从功能上主要划分为关联分析、聚类分析、分类与预测、异类分析、偏差分析等。（１）关联分析关联分析的数据挖掘方法是由Ａｇｒａｗａｌ等学者在１９９３年首次提出的，此方法是数据挖掘领域的一个关键研究内容。关联分析是通过搜索分析数据库中描述数据项之间潜在相关联系，找出庞大数据间基础数值与相类似数据的依存关系。在关联规则中，最著名的算法分别是Ａｐｒｉｏｒｉ算法、ＦＰ — ｇｒｏｗｔｈ算法和ＤＷＡＲ算法。（２）分类分类数据挖掘方法，即构建或找出一组数据模型能够描述所在数据集合的典型特征，即可分类组识查未知数据资料的归属，也就是说，将未知变量映射到相关离散分类之中。（３）聚类分析聚类分析数据挖掘方法就是把数据集中的各个纪录划分为不同系列的有意义的子集过程。它与分类及预测有所区别在于，聚类分析数据之前系统既对将要划分的组数和组别无法预知，也对依据哪一数据模型来

数据挖掘技术在高校图书馆管理系统中的应用研究

［ｓｒｃ］ｔｅａｉｇｏｔｆｈｃｌａｄａｕｔｆｎｖｒｔｂａｏｌｔｎｎｗｃａｌｇｓｕｔｅａｅｔｂａｙＡｂｔａｔＷｉｔｐｄｒｗｈｏｅａｎｍｏｎｉｅｓｙｌｒｙｃｌｃｏ，ｅｈｌｎｅｓｂｃｄｗｉｌｒｒｈｈｒｔｓｅｏｕｉｉｒｅｉｅｍｆｈｉｍ￣ａｅｎ．ｕｅｔｉｎｌｉｒｒｎｇｍｅｔｎｙａｔｓｈｌｏａｔｅｓｒｅ，ｃｆｒｔｎｗａｉｌｏｅ，ｄｄｄｎｔｇｍｅｔｔｈｄｏａｌａｍａａｅｎｌｃａｅｏｅｆｎｃｖｅｖｒＢｔｒｔｂｙｏｔｒｉｉｍｕｈｉｏｍａｏｓｍｐｙｓｒｄｎｉｏｎｉｓｔａ
、
ｇｔｎｌｓｄｕｉｚｔｎｉｅｔ．ｎｕｇｎｅｄｔｏｅｔｅｅｒｅｔｈｔｏｋｐｌａｉｆａａｍｉｉｇＯａｅａａｉａｔｉｉｄｐｈＩｉａｒｅｔｅｓｌｗｐｏｃａｈｗｔｍａｅａａｐｉｔｎｏｔｎｎ，ｓｏｙｓｎｌａｏｎｔｓｎｏｖｈｎｊｔｏｎｃｏｄＳｔ
ｏｆＵｎｉｒｉｙＬｉｒｒｖｅｓｔｂａｙ
ＹＡＮＧＸｕｅｘｉ．ａ
（ｏｅｅｆｏｉｃｄＭａａｅｎＳｉｃ，ｅａｏｍｌｎｖｒｉ，ｉｘｎ５０７Ｃｉ）ＣｌｇＰｌｉａｎｇｍｅｔｃｅｅＨｎｎｒａｉｓｔＸｎｉｇ４３０，ｈｎｌｏｔｓｎｎＮＵｅｙａａ
关键词：数据挖掘；高校图书馆管理系统；性化１

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

高校图书馆馆藏管理中的数据挖掘研究
【关键词】数据挖掘；高校图书馆；系统模型
1 数据挖掘和知识发现
数据挖掘，就是从大型数据库的数据中提取人们感兴趣的知识。

这些知识是隐含的、事先未知的潜在有用信息，提取的知识表示为概念、模式、规则、规律等形式[1]。

知识发现是从大量数据中辨别可信的、新颖的、潜在有用的并能被人所理解的模式的高级处理过程。

数据挖掘和知识发现是随着数据库、数据仓库、机器学习、互联网等信息技术的发展而兴起的。

2 数据挖掘在高校图书馆馆藏管理中的应用
作为教学与科学研究服务的学术性机构，高校图书馆功能可以分为两大类，一类是信息输入工作，即文献的搜集、整理和组织典藏工作，也称文献资源建设工作；一类是信息输出工作，即文献的使用和服务工作，也称读者服务工作。

这两部分工作共同构成了图书馆的业务工作体系[2]。

数据挖掘技术在高校图书馆馆藏工作中的应用，可以总结为三个方面：
2.1 高校图书馆馆藏管理决策中的应用
目前高校图书馆普遍采用了自动化集成管理系统，数据库的信息容量庞大，依靠人工找出有价值的信息是不可能的。

利用数据挖掘技术对数据库进行挖掘，进行科学合理地分析，得到有效的决策支
持信息指导图书馆各项业务工作，为领导者科学决策提供支持，是高校图书馆发展的趋势之一。

2.2 文献采访工作、图书馆文献资源建设中的应用
如何使用有限的资金发挥最大的作用一直是高校图书馆建设的
一个难点问题，通过对流通数据、检索记录、咨询记录进行整体挖掘，可以得知哪种类型的图书缺口比较大，哪些已经接近饱和，这些信息为图书馆的文献采集工作指明方向。

2.3 为读者提供个性化服务中的应用
通过对流通数据库中的历史记录进行挖掘分析，发现隐含在其中的知识，归纳出读者的借阅规则和兴趣，结合读者的个人注册信息等，利用关联规则、分类、聚类等技术对借阅的历史记录进行挖掘，对于不同的读者群，确定不同的有针对性的推荐服务。

如学计算机的读者借了一本《数据库系统概论》，为其推荐此书的相关书籍。

3 基于高校图书馆馆藏管理的数据挖掘系统模型的设计
现今高校图书馆自动化系统一般划分为以下几个子系统：一是文献采访管理子系统；二是文献编目子系统；三是流通管理子系统；四是联机书目检索子系统；五是连续出版物管理子系统；六是参考咨询子系统。

建立了这些子系统的计算机集成管理系统构成了图书馆自动化的主要内容[3]。

利用数据挖掘技术中的关联规则、分类、聚类技术等设计一个高校图书馆馆藏推荐系统模型，对高校图书馆尝试运用数据挖掘技术。

3.1 高校图书馆馆藏管理的数据挖掘系统模型的整体架构
如图1所示，高校图书馆馆藏管理的数据挖掘系统模型[4]包含了数据仓库、数据挖掘引擎、用户界面三个层次。

第一层为数据仓库，从高校图书馆集成管理系统中的数据库中提取出的一段时间内的包含所要研究字段的数据，经过数据预处理以后，存储在这一层，再经过一系列的净化处理转变成事务数据库的数据样式，传送给第二层的数据挖掘引擎。

第二层为馆藏推荐系统模型的核心，即数据挖掘引擎，通过一系列的具体代码实现数据挖掘的技术和算法，用来分析从上一层传过来的数据，得出结果传给第三层。

第三层为用户界面，用户通过界面与系统模型交互，用户可以依据挖掘的需要灵活设置多种参数，如时间段、读者证件号、最小支持度等以产生比较准确的结果提供给读者。

3.2 高校图书馆馆藏管理的数据挖掘系统的工作流程
如上所示，系统有三层，整个工作流程为：从高校图书馆集成管理系统提取数据存入数据库；把经过数据预处理过的数据存入数据仓库；实施数据挖掘技术，将结果提交显示结果与图书馆opac进行无缝连接，与读者交互。

馆藏推荐系统的第二层数据挖掘引擎部分综合运用了数据挖掘技术中的关联规则、分类技术、聚类技术等，核心模块是关联规则挖掘模块和读者分类模块。

3.2.1 数据的收集和数据预处理
首先确定时间段，考虑实际情况，选定一个学期。

对导出的数据，进行数据的清理，将不符合挖掘需求的、多余的数据删除；对符合挖掘要求但是不符合事务数据库格式的，进行必要的转换。

对于有的读者在一段时间内重复借阅而产生的多条记录，视为单条记录。

原始数据经过数据预处理后存入流通数据表待挖掘模块调用。

3.2.2 数据库的设计
按照系统与读者的需求，设计了读者资料表、流通数据表和读者子群表等各类数据表9张，见表1。

4 基于高校图书馆馆藏管理的数据挖掘系统结构
系统各个功能模块之间的相互关系如图2。

4.1 数据预处理
从高校图书馆集成管理系统中选取选取一个时间段内流通数据（如一个学期，时间跨度为6个月），生成一个缺省文本文件，通过系统“原始数据导入”模块把文件里面的内容逐行插入流通数据表。

4.2 关于读者分类的数据挖掘
通过以下三个步骤完成对读者的分类工作：在流通数据表中统计时间段内哪些读者有借阅行为，汇总他们的借阅数量，最后将这些数据保存到读者资料表中，为后面的读者分类使用。

其次，划分读者群，依据读者类型、单位和借阅种类等特征，将特征最近似的十位读者形成一个读者子群，保存到读者子群表中。

最后，将成员重叠程度达到80%的子群合并为一个大群，保存到
读者大群表中。

系统计算每一个大群的中心与新读者之间的距离，查找出最近的大群，然后再计算读者与这个大群中每个子群的距离，找出最近子群，这样对新读者的分类工作完成。

4.3 关联规则推荐
完成了读者分类工作后，也可以采用关联规则推荐，利用改进的apriori算法[5]挖掘每个读者子群中的关联规则，得到满足设定的最小支持度的子群的书目，保存到推荐书目表中。

对于新读者，将其所属的读者子群中挖掘出的书目推荐给新读者。

【参考文献】
[1]jiawei han，micheline kambr.data mining concepts and techniques[m].higher education press.2001.
[2]何艳宁，谢金红，章奕虹.高校图书馆特色馆藏的釆访原则、流程与策略[j].图书馆建设，2011（10）：52-57.
[3]蒋永福.图书馆学概论[m].哈尔滨：黑龙江大学出版社，2009：64-65.
[4]ian h. written， eibe frank. data mining： practical machine learning tools and techniques， second editon[z]. elsevier inc，2005：143.
[5]张路路.基于数据挖掘的高校图书馆馆藏推荐系统模型研究
[d].淄博：山东理工大学，2012.
[责任编辑：曹明明]。