数据挖掘技术在高校图书文献情报分析中的应用

《数据挖掘技术在高校图书文献情报分析中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、数据挖掘技术在高校图书文献情报分析中的应用　　随着社会的不断发展，科学技术的不断进步，各行各业都涌现出了各种各样的大量的数据，数据爆炸式的增长，使得我们已经没有更多的精力和时间去查看这些数据，而更为关注于找到行之有效地方法去方便快捷的利用数据，自动的处理数据，智能地找到隐藏在其中的潜在的对我们的生活、工作有帮助的信息和知识[1]。因此一个作为计算机科学前沿学科的数据挖掘技术也应运而生，它出现于20世纪80年代后期，20世纪90年代有了更加迅猛的发展，目前数据挖掘已经在金融、商务、电信产业、医疗卫生、科学与工程等方

2、面得到了广泛的应用，同样数据挖掘技术在高校图书馆中也发挥着巨大的作用。　　1数据挖掘的概念　　什么是数据挖掘呢？顾名思义就是从海量的数据中挖掘出知识的过程。各行各业所产生的数据形式是不一样的，作为一种实用的技术，数据挖掘可以应用于各种类型的数据，包括事务数据、数据库数据、数据仓库数据、空间数据、多媒体数据、数据流、图或网络数据等，从这些数据中发现潜藏的规律，找到其中的有趣的模式即知识，为人们的生产、生活、科研等提供依据，推动着社会更快更好地往前发展[2]。　　数据挖掘的过程　　数据清理　　即删除掉不正确、不一致、

3、不完整或冗余数据，光滑噪声数据，改进数据的质量，使得最后的数据集合有利于数据挖掘的进行，能够顺利地推导出正确的模式，得到可靠的输出及结论。　　2.数据集成　　即将不同数据源中的数据进行合并存放在一个具有相同结构及属性的数据存储中，有效地集成可以减少结果数据集的不一致和冗余，有利于提高后续挖掘过程的速度及准确性。　　2.数据变换　　即通过聚集或汇总操作，把数据统一和变换成方便于挖掘的结构。数据变换使的挖掘过程更有效，促进了数据挖掘的成功。联盟　　2.数据选择　　即从数据库中取出与目标任务有关的数据，例如高校图书馆的

4、数据库中包含有各个院系的学生个人信息及借阅信息。如果我们想分析某个系的学生借阅图书的情况，则只需要提取出本系学生借阅记录即可，而如果我们想分析各系各届学生对于各类图书的热爱程度，以方便于为学生进行图书推荐，则此任务与学生信息中的性别、学号等属性无关，在数据挖掘前可以通过删除冗余的或不相关的属性来减少要分析的数据量，能够加快挖掘的进程，而且能使得到的模式更宜于理解。　　2.数据挖掘　　即使用智能的方法来提取出数据的模式。　　2.模式评估　　即根据某种兴趣度度量，找到代表知识的真正有趣的模式，所谓有趣的模式是指所产生

5、的模式是新颖的，潜在能用的，易于被人理解的，而且在某种确信度上对于新的或是检验数据是有效地。　　2.知识表示　　即使用知识表示和可视化的技术，使得挖掘出来的知识能够呈现到用户面前，使知识容易理解，方便人们使用。　　数据挖掘在图书馆中的应用　　随着科学技术的不断进步，高校图书馆的管理也从原来的人工记录转变为了现代化的图书管理系统，方便了图书的管理及借阅，但是，随着社会的不断进步，图书馆不能仅局限于借、还书这种最基本的职能，而应该更主动地去为读者提供更高质量的服务，使的图书馆能更大程度地发挥其功效，因此，作为一门新兴

6、的信息处理技术的数据挖掘技术也在图书馆找到了用武之地，图书馆的大量的数据资源为其挖掘提供了肥沃的土壤。　　为高校图书馆的领导决策及购买图书提供强有力的依据　　图书馆是高校的灵魂所在，是一个学校的精髓部分，学校在进步，图书馆也必须要不断地前进，这就要求要不断地给图书馆注入新鲜的血液，但是，图书馆的经费是有限的，我们要利用有限的经费在更大程度的为读者服务，就必须能够采购到有更高利用率的图书，以往我们采购图书有三种方法：一是各院系各推荐一名老师随图书馆老师一起去采购;二是由各院系向图书馆推荐图书;三是图书馆老师根据已有

7、经验，对馆藏的了解等自行采购。但这些采购方法都具有很强的主观意识，缺乏全面性，而数据挖掘技术的引进就能很好地解决这一问题，通过读者的借阅记录，系统中的历史采购记录等，挖掘出各类图书的利用度，能够使得更有针对性地去购买图书。利用数据挖掘技术作用于图书馆的数据库，我们可以从中了解到各学科的关联度，使得图书馆领导在进行馆藏分布时能够更正确地进行决策。3.使得图书馆能主动地为读者提供更为贴心的服务　　高校图书馆基本都有检索系统，当你知道自己想要看哪本书时，只要在检索系统中输入该书的名字，便能找到此书的相关信息，并且能很快

8、捷地找到该书，实现借阅。但当读者漫无目的时，去诺大的图书馆借书却是一件很费时费精力的事，有时来来回回走了数趟还没有发现自己钟爱的图书，这样会逐渐减少读者对图书馆的兴趣，进而也使读者的数量逐渐减少了。　　采用数据挖掘技术作用于图书馆管理系统的数据库可以根据读者的专业，以往的借阅记录，以及同专业学生的借阅记录等挖掘出有趣的模式，评估读者的兴趣爱好，初步预测此读者可能喜爱的图书