基于数据挖掘技术的图书管理应用探讨

王莉

摘 要：在数字图书馆的不断发展过程中，传统模式之下的纸质资源逐渐递减，但是在现阶段的图书馆管理工作开展过程中，纸质图书仍然有着较为重要的价值与作用，面对这种日益增长的图书馆馆藏，对此在实践中如果把相关业务管理与数据挖掘技术进行充分的融合，是现阶段值得探究分析的问题。

关键词：数据挖掘技术；图书馆；管理应用

在现代图书馆管理中逐渐应用了各种信息系统，这种背景也就直接的导致了管理的数据的增长，传统模式的图书管理在开展数据管理过程中经常集中在一些信息的备份以及查询之中，无法有效的对这些信息信息系统的应用。

一、数据挖掘技术

1.数据挖掘概述

数据挖掘在实践中又可以称之为数据采掘以及数据开展，就是一种通过一定的技术以及算法开展工作，在实际中其具有一定的随机性，可以对于一些具有模糊性以及不完整的信息数据进行系统的处理，进而提升对人们各种知识的筛选，获得较为各种有用的知识。

2.数据挖掘体系结构以及过程

（1）数据预处理。数据预处理主要就是通过数据的清理以及数据的集成两个方面构成，其中数据的清理在实践中主要就是对于数据中存在的不一致性以及噪音进行系统的消除，而数据的集成在实践中主要就是对于不同数据来源的数据进行集成。

（2）数据变换以及选择。①数据变换，预处理之后的数据在实践中不适合数据的挖掘以及应用，对此在实践中要对数据进行系统的转换，让其可以在数据挖掘中直接应用。在实践中应用的数据变换的主要技术以及手段就是属性构造、规范化、数据概化以及平滑等技术手段。②数据选择就是在实践中对于一些通过变换的数据进行系统的分析以及检索。

（3）数据挖掘。就是对算法库中的相关挖掘算法处理选择应用的相关数据，最终生产的一种具体的模式与手段。

（4）模式评估以及表示.①模式评估，就是在通过一些具体的数据挖掘之后，综合实际的业务需求等相关内容，对于一些与既定条件相吻合的模式进行系统的识别。②表示，就是通过知识表示技术以及可视化技术对于契机的挖掘结果进行系统的展示。

3.数据挖掘方法

（1）聚类分析，就是对于一些现有的数据通过群组类模式的分类的方式进行分析，在操作中是无法预先了解既定的分组规则的，群组主要就是基于其自身的特征对其进行划分的。

（2）序列分析，在实践中就是基于时间序列的方式对于模式进行提取，其提取的主要依据就是重复产生的相关概率。

（3）关联分析，就是在数据分析过程中通过依据其内在的关联规则对其进行分析，而相关关联规则的筛选在实践中则是利用阈值设定的方式开展。

（4）统计回归分析，在实践中借助一些现有的数据数值开展未知变量的预测。在常规状况之下，通过标准统计的可以利用线性回归的方式开展。

（5）分类预测分析，分类预测分析在实践中主要就是利用分类函数的方式开展，在实践中其可以对于具体的数据项目以及数据集进行映射，实际的树形结构是应用相对较多的分类模式的有效表现，其想相关数值的搜索，都是基于数的根部开始，在实践中综合数字的节点以及分支相关内容，进而获得最终的预测结果。

二、数据挖掘技术在图书管理中的有效应用

1.图书管理中数据的特征

（1）信息的隐晦性特征，也可以称之为潜在性，主要就是指一些图书馆管理工作开展过程中产生的数据，这些信息中蕴含了大量的数据信息，只有通过特定的方式手段对其进行深入的挖掘以及分析才可以有效的发掘其实际的价值与内涵。

（2）关联性特征，在现代图书馆管理工作的开展工程中涵盖了一些借阅记录以及记录信息查询，这些数据在不断的累积中存在着一定的关联性特征。

2.图书管理中数据挖掘的实际需求

院校图书管理业务相对较为成熟，但是其大多数的服务主要就是体现在为读者提供一些图书咨询、图书借阅以及归还等相关内容，其缺乏个性化的服务，对此要想真正的提升图书馆的智能化发展，就要转变传统的图书服务理念，加强对读者实际需求的重视，综合数据挖掘技术，通过深层次的数据分析了解读者的实际检索习惯以及各种需求，进而为其提供一些个性化的服务，满足读者的实际需求。

（1）借阅行为模式以及读者群的分析。①孤立点分析，主要就是基于读者群对其进行分析，在实践中此种分析的主要依据就是读者的实际借阅习惯以及其特殊性需求，在实践中通过对于借阅历史的相关信息的有效分析，通过对图书的借阅次数等相关信息进行分析；②聚类统计，在实践中综合读者的相关资料信息以及借阅记录等相关内容对于读者的借阅行为以及群体的特殊性进行系统的分析，通过聚类分析对于读者的相关行为规则以及模式进行深入的挖掘。

（2）个性化服务工作。①关联规则分析，就是在实践中对于读者的实际借记录内在的关联性进行系统的分析，进而明确读者的实际需求，在实践中在为不同的种类的读者提供各种具有针对性的信息服务推荐。②时间序列分析，就是在实践中通过对于读者的不同种类图书的实际借阅时间以及顺序进行分析，进而对于读者的实际借阅习惯进行了解，在合适的时间为读者提供优质的服务；同时通过时间序列的分析在实践中可以有利于图书馆对于图书进行合理的安排。

3.图书管理中数据挖掘的相关层次结构。

通过图书管理中数据的挖掘分析可以了解，图书管的挖掘主要就是对于借阅行为方式进行分析、个性化服务进行等相关内容进行分析，在实践中图书管理中数据挖掘的主要层次结构具体如下：

（1）就是数据预处理模块层次，在实践中主要就是基于院校图书馆管理数据库中的相关数据对于数据进行转换以及相关数据的有效集成，在实际的处理之中，可以将数据保存到图书馆的相关数据挖掘库之中；

（2）就是管理规则挖掘算法模块层，在实践中主要就是对于各种数据进行系统的选择与处理，通过调用与实际需求相吻合的挖掘算法对于图书馆的相关数据进行深入的挖掘处理；

（3）就是模刑可视分析模块层，在实践中主要就是图书馆管理的可视化操作界面，其主要涵盖了图书馆的借阅行为有效分析，图书馆的个性化服务分析等相关内容中的挖掘信息，在实践中必须要通过此层对图书馆进行系统的挖掘任务参数的有效设定，在完成相关数据信息之后，就可以通过可视模式规则的方式对其进行输出操作。

三、结語

在图书馆规模的不断扩大过程中，图书管理工作在实践中的应用信息越来越多，这样海量的数据必须要通过数据挖掘技术对其进行处理，在实践中利用图书管理数据中的系统分析以及相关行为模式的方式对其进行输出管理，进而为院校图书馆提供更加智能化以及个性化的服务，在根本上提升现代图书管理的整体服务质量以及水平。

参考文献：

[1]李会艳. 数据挖掘技术在院校图书管理中的应用[J]. 农业图书情报学刊，2015，（03）：65-68.

[2]杨帆. 基于数据挖掘技术的高校图书管理系统的设计与实现[D].电子科技大学，2014：5-12.