隨著科學(xué)技術(shù)的不斷發(fā)展和進(jìn)步，現(xiàn)在越來越多的圖書都附帶隨書光盤，它主要是存儲與書籍內(nèi)容相關(guān)的圖像、音頻和視頻。讀者通過對光盤內(nèi)容的進(jìn)一步學(xué)習(xí)，不僅可以大大地豐富其理論知識，而且還能夠相應(yīng)的拓展其知識面，主要是可以把他們學(xué)習(xí)到的理論知識很好地運用到實際工作和生活中。

　　目前，已經(jīng)有許多圖書館采用數(shù)據(jù)挖掘技術(shù)為圖書館的信息管理服務(wù)，但一般以書籍借閱信息作為原始數(shù)據(jù)進(jìn)行處理。隨著圖書館隨書光盤的不斷增多，讀者自由選擇范圍的增大，圖書館的圖書借閱量呈直線上升趨勢。如何對隨書光盤借閱產(chǎn)生的大量數(shù)據(jù)進(jìn)行有效的分析，怎樣找出有價值的信息更好地為圖書館的管理服務(wù)，讓圖書館的紙制資源、隨書光盤和電子資源整合并統(tǒng)一進(jìn)行數(shù)據(jù)挖掘，具有重大的理論價值和現(xiàn)實意義。

 

1　隨書光盤管理的現(xiàn)狀

    圖書館隨書光盤的管理主要有三種模式：一是光盤隨書進(jìn)行流通管理，這種方式管理方便，缺點是容易造成混亂和損失。二是光盤和圖書分開進(jìn)行管理，讀者需要借閱光盤時進(jìn)行單位借閱和拷貝，優(yōu)點是減少損失，缺點是借閱不便。三是通過計算機(jī)網(wǎng)絡(luò)進(jìn)行數(shù)字化管理，優(yōu)點是方便讀者借閱，缺點是管理成本高[1]。

　　在光盤和圖書分開借閱的管理方式下，

讀者需要進(jìn)行二次借閱，造成借閱量不高，使得許多圖書資源得不到有效利用，為知識的傳播帶來不便。為了更好的向讀者提供服務(wù)，方便讀者使用隨書光盤，提高圖書館資源的使用率，目前隨書光盤正越來越多的采用網(wǎng)絡(luò)存儲管理。網(wǎng)絡(luò)管理的方式需要有相應(yīng)軟硬件設(shè)備，比如網(wǎng)絡(luò)設(shè)施、存儲設(shè)備和相應(yīng)的軟件，不僅要對原始光盤的數(shù)據(jù)進(jìn)行相應(yīng)的處理和存儲，還要在使用過程中對相應(yīng)的軟硬件設(shè)施進(jìn)行相應(yīng)的維護(hù)。隨書光盤的網(wǎng)絡(luò)借閱管理將會產(chǎn)生大量與讀者查詢下載相關(guān)的借閱信息，如何利用這些借閱信息進(jìn)行有效的數(shù)據(jù)分析，是提高圖書館服務(wù)水平的重要工具。

 

2　數(shù)據(jù)挖掘

2.1　數(shù)據(jù)挖掘概述

　　數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取或者“挖掘”知識，但這些數(shù)據(jù)是不完全的、模糊的、含噪聲的和隨機(jī)的，而數(shù)據(jù)挖掘就是要從中提取出那些隱含的、未知的、有價值的和潛在的信息的過程，它也可以看作是一種決策支持過程，通過對各組織的海量數(shù)據(jù)進(jìn)行分析，歸納推理并從中挖掘出潛在的模式，其結(jié)果將可為管理層的決策提供支持[2]。

2.2　數(shù)據(jù)挖掘工作的流程（見圖1）

               

第一，確定數(shù)據(jù)源對象。確定數(shù)據(jù)挖掘任務(wù)的應(yīng)用要求，對所需要處理的大量原始數(shù)據(jù)進(jìn)行收集。第二，確定目標(biāo)數(shù)據(jù)。根據(jù)數(shù)據(jù)挖掘的任務(wù)要求確定數(shù)據(jù)目標(biāo)，從原始數(shù)據(jù)中選出需要進(jìn)行挖掘的數(shù)據(jù)。第三，預(yù)處理及轉(zhuǎn)換數(shù)據(jù)。預(yù)處理需要對目標(biāo)數(shù)據(jù)進(jìn)行處理，檢查數(shù)據(jù)是否符合一致性要求，去除掉數(shù)據(jù)含有的噪聲。數(shù)據(jù)轉(zhuǎn)換的主要任務(wù)是對預(yù)處理的數(shù)據(jù)進(jìn)行相應(yīng)操作，用以降低數(shù)據(jù)維數(shù)，減少數(shù)據(jù)數(shù)量。第四，數(shù)據(jù)挖掘。根據(jù)對數(shù)據(jù)進(jìn)行挖掘的目標(biāo)和用戶的需要，確定要用到的挖掘算法，因為根據(jù)不同的任務(wù)目標(biāo)，可能用到的挖掘方法也不一樣，比如有分類、總結(jié)、聚類和關(guān)聯(lián)規(guī)則等方法。對數(shù)據(jù)通過確定的算法進(jìn)行相應(yīng)的數(shù)據(jù)挖掘，得到用戶需要的模式。第五，解釋評價。對得到的模式進(jìn)行解釋評價，經(jīng)過用戶或機(jī)器的評估后，當(dāng)有冗余或無關(guān)的模式，要將其去掉；當(dāng)發(fā)現(xiàn)模式不是用戶期望要求，就需要重新選取數(shù)據(jù)，采用新的數(shù)據(jù)變換方法，設(shè)定新的數(shù)據(jù)挖掘參數(shù)值，甚至換一種挖掘算法重新進(jìn)行數(shù)據(jù)的挖掘。第六，得到用戶需要的模式，并對它進(jìn)行評價以用戶可以理解的方式顯示給出來[3]。

 

3　圖書館隨書光盤的數(shù)據(jù)挖掘 

3.1　關(guān)聯(lián)規(guī)則挖掘概述

　　關(guān)聯(lián)規(guī)則挖掘是為了發(fā)現(xiàn)數(shù)據(jù)庫中不同數(shù)據(jù)項集間隱藏的關(guān)聯(lián)關(guān)系。關(guān)聯(lián)規(guī)則有兩個重要的標(biāo)準(zhǔn)：一是支持度(Support),表示在事務(wù)中A和B同時出現(xiàn)的概率有多大，可用概率 P(AB)表示；二是可信度(confidence), 它表示關(guān)聯(lián)規(guī)則A出現(xiàn)時B同時出現(xiàn)的可能性有多大，它可用條件概率P(B|A)表示。關(guān)聯(lián)規(guī)則的挖掘算法是要在事務(wù)中找出具有設(shè)定的最小支持度和最小可信度的關(guān)聯(lián)規(guī)則。

3.2　Apriori算法及在光盤挖掘中的應(yīng)用

　　目前有大量關(guān)于關(guān)聯(lián)規(guī)則挖掘的研究成果,出現(xiàn)了各種各樣的挖掘算法。如Apriori、抽樣算法和DIC算法等[4]。 在隨書光盤挖掘中將使用Apriori算法對光盤借閱信息進(jìn)行關(guān)聯(lián)規(guī)則挖掘。

　　Apriori算法中首先要生成頻繁項集然后頻繁項集根據(jù)最小支持度和最小可信度產(chǎn)生關(guān)聯(lián)規(guī)則。

Apriori算法的步驟如下[5]：

輸入:事務(wù)數(shù)據(jù)庫D，最小支持度閾值minsup

輸出:D中的所有的頻繁項集

L1=search_frequent_1_itemsets( D );// ?所有頻繁?1?項集?

for(k=2;Lk-1 !=φ;k++)? 

begin

     Ck=apriori_gen(Lk-1,minsup);   //生成候選項集  所有的k-項集中滿足其(k-1)- 子集都在Lk-1里的全體

     //掃描數(shù)據(jù)庫事物集

　　for?each?transaction?t?in?D    

     begin

　　　　Ct=subset(Ck，t);  

       // Ct是Ck中被t包含的候選集的集合

       for?each?candidate?c?in Ct

           ?c.count++;?      

     end

     Lk?={c?∈Ck|c.count>=minsup}；  

     // Lk?是Ck中滿足不小于minsup的全體項集

end

Result=Result∪Lk;   //得到所有頻繁項集

3.3　隨書光盤的信息挖掘形式

　　其一，利用圖書查詢和借閱信息進(jìn)行綜合的數(shù)據(jù)分析，可以找到光盤的關(guān)聯(lián)關(guān)系。由于現(xiàn)在知識更新的非常快，所以只提取近十年的數(shù)據(jù)。首先需要把讀者按專業(yè)和年級進(jìn)行分類，然后根據(jù)學(xué)生的專業(yè)、班級等內(nèi)容按學(xué)期把學(xué)生借閱歷史信息提取出來。

　　從借閱歷史記錄中搜尋的原始數(shù)據(jù)可能存在許多空的數(shù)據(jù)和含有噪聲的數(shù)據(jù)，這會影響最后挖掘結(jié)果的準(zhǔn)確性。在進(jìn)行數(shù)據(jù)挖掘前要對這些數(shù)據(jù)進(jìn)行預(yù)處理以消除噪聲和冗余信息。以一年級計算機(jī)專業(yè)為例，對光盤按登錄號進(jìn)行排序。下表1為根據(jù)學(xué)期分類的借閱信息。

　　

                                                         表1　光盤借閱信息表

借書證號	班級號	光盤1	光盤2	光盤3	光盤4	光盤5	光盤6	光盤7	……
14010112	030402	1	1	1			1	1	……
14010113	030402		1	1		1	1		……
14010202	030402	1			1			1	……
14010212	030402				1	1	1	1	……

      讀者借閱了光盤1又借閱了光盤2，就說明光盤1和光盤2之間有關(guān)聯(lián)關(guān)系。從中可以找出具有關(guān)聯(lián)關(guān)系的光盤數(shù)據(jù)，然后進(jìn)行統(tǒng)一處理，把有效的內(nèi)容推薦給讀者。根據(jù)學(xué)生開課進(jìn)行組織列成序列，形成課程相關(guān)的推薦圖書和光盤的內(nèi)容。

其二，可以引入與學(xué)生的學(xué)習(xí)成績相關(guān)的信息，根據(jù)與學(xué)生所開設(shè)的課程相關(guān)的圖書和光盤信息，分析學(xué)生怎樣使用圖書和隨書光盤進(jìn)行學(xué)習(xí)可以不斷提高學(xué)習(xí)效率，并找出具有針對性的光盤數(shù)據(jù)向?qū)W生進(jìn)行推薦。首先要找出學(xué)生開設(shè)的課程，然后根據(jù)開設(shè)的課程對其借閱的圖書和光盤進(jìn)行分類，消除產(chǎn)生的大量冗余信息，分析學(xué)習(xí)這門課的每個學(xué)生所借閱的與課程相關(guān)的各種光盤，如表2 所示。

                                                       表2　學(xué)生學(xué)習(xí)成績和光盤借閱信息表

             

 

　　采用關(guān)聯(lián)規(guī)則算法，把最小支持度設(shè)為30%,進(jìn)行數(shù)據(jù)挖掘可以得到關(guān)聯(lián)規(guī)則。

　　3.4　結(jié)果分析

　　數(shù)據(jù)挖掘結(jié)束后，要對所得到的用戶模式進(jìn)行解釋與評估，比如借閱光盤1的學(xué)生成績要好于不借的學(xué)生。可得出光盤1有效地提高了學(xué)習(xí)效率。那么就可以推薦學(xué)生進(jìn)行相應(yīng)的學(xué)習(xí)。通過引入數(shù)據(jù)挖掘，發(fā)現(xiàn)隨書光盤之間的關(guān)聯(lián)關(guān)系，并且找出能有效提高學(xué)生學(xué)習(xí)成績的圖書光盤，按照讀者的學(xué)習(xí)進(jìn)度推薦相關(guān)的內(nèi)容。

　　根據(jù)任務(wù)要求整個系統(tǒng)由三部分組成數(shù)據(jù)預(yù)處理、關(guān)聯(lián)規(guī)則挖掘和分析評估。主要系統(tǒng)可采用PHP程序語言、Linux操作系統(tǒng)、Apache服務(wù)器和MySQL數(shù)據(jù)庫來實現(xiàn)。

　　

4　結(jié)語

　　隨書光盤作為一種重要的圖書館資源，它對讀者學(xué)習(xí)起到的作用不言而喻，尤其在計算機(jī)應(yīng)用廣泛普及的今天，大學(xué)里圖書館的服務(wù)對象主要是學(xué)生，如何讓學(xué)生更好的利用隨書光盤進(jìn)行相應(yīng)的知識學(xué)習(xí)，不斷提高學(xué)習(xí)效率，值得我們進(jìn)一步探討和研究。在圖書館的日常工作當(dāng)中，有效地對隨書光盤進(jìn)行管理和使用已經(jīng)成為一項重要的工作內(nèi)容，我們借助于數(shù)據(jù)挖掘技術(shù)對其進(jìn)行了整體分析，目的就是讓讀者能夠有效地利用書籍和隨書光盤，同時也讓圖書館的工作效率進(jìn)一步提高，為讀者提供更多的學(xué)習(xí)支持和服務(wù)。