基于大数据的智慧型医学图书馆构建策略

《基于大数据的智慧型医学图书馆构建策略》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于大数据的智慧型医学图书馆构建策略　　　　摘要：大数据的出现给医学图书馆带来了新的机遇和挑战，医学图书馆要想得到更好的发展，可以利用大数据开展个性化服务，构建智慧型医学图书馆。本文从基于大数据的医疗信息推送和学科知识服务两个方面分析了构建智慧型医学图书馆的理论体系，并从数据采集层、存储分析层、终端用户层三个方面分析了构建智慧型医学图书馆的技术体系，最后提出培养和引进数据管理人才是构建智慧型医学图书馆的关键。下载论文网　　关键词：大数据智慧图书馆医学图书馆数据服务　　中图分类号：G258文献标识码：A　　1大数据与智慧型医学图书馆　　大数据的概念最早由美国著名学者麦肯锡在2011

2、年提出，他指出大数据是一种非结构化、规模大、复杂度高的数据集合[1]。目前学者普遍认为，大数据具有容量大、增长率高、多样化等特点[2]。通过开发大数据技术和构建大数据平台，人们可以实现对大数据的分析。与传统的数据分析相比，大数据的分析难度更高，因为这种分析需要面对海量的、动态的、非结构化的数据，而且分析的结果是未知的。目前，云计算、NoSQL数据库是进行大数据分析的基础，Hadoop是最流行的大数据处理软件，它们在大数据的采集、存储、管理和分析等方面，都具有独特的优势[3]。　　医学图书馆也存在着大量的数据，这些数据主要包括：一是医学图书馆的馆藏数据。医学图书馆拥有丰富的馆藏资源

3、，除了纸本图书以外，电子资源、专业数据库、医院特色数据库等都含有大量的数据信息，它们是医学图书馆大数据的基础组成部分。二是医学图书馆的用户数据。用户的个人信息、借阅记录、浏览痕迹、检索历史、咨询信息等都属于图书馆的用户数据。三是医院科研人员的研究数据。医院科研人员在研究病例、开展调查、进行实践的过程中，都会产生大量的原始研究数据。在大数据环境下，这些数据具有非常重要的科研价值，是医学图书馆宝贵的数据资源。　　大数据的应用给医学图书馆带来了新的启发，如果医学图书馆能够合理地分析和利用每天产生的大数据，不仅能够辅助科研用户进行科研数据分析，而且能够分析和预测图书馆用户的行为，挖掘出用

4、户的潜在需求，构建智慧型的医学图书馆。　　2智慧型医学图书馆的理论体系　　基于大数据的医疗信息推送　　“健康中国”战略是一项旨在提高全民健康水平的国家战略。2016年，国务院发布了《“十三五”卫生与健康规划》[4]，明确指出我国在医疗卫生健康上的发展指标。由此，“健康中国”战略进入了全面推进阶段。为了顺应“健康中国”战略的要求，医学图书馆可以利用大数据开展有关医疗信息的推送服务。　　应用大数据分析技术，图书馆不需要明确用户的信息需求，也可以为用户提供有针对性的医疗信息。为了实现这一功能，图书馆需要全方位地收集图书馆用户的数据，如用户的借阅情况、浏览网页的频率、数据库资源的下载量等

5、。与此同时，图书馆还要收集网络上的医疗资讯作为原始数据保存在数据库中。当所有数据收集完以后，图书馆即可对这些数据进行分析，从中挖掘出用户的需求，并通过RSS订阅、微信平台、邮件订阅等方式，把与之匹配的医疗资讯精准地推送给用户，实现个性化的医疗信息推送服务。　　实现个性化的医疗信息推送服务的关键是如何从大数据中分析和预测出用户的行为。目前，Pig、Hive、MapReduce是常用的大数据分析工具。利用这些工具，图书馆可以把收集到的用户数据转化为元数据，然后对不同的元数据进行编码，构建相关性框架模型，从而实现对大数据的分析。例如，用户A向图书馆发送了搜索“原发性肝癌免疫治疗”的指令

6、，图书馆在分析数据库中的数据后发现，用户B曾经搜索过“中晚期肝癌临床治疗进展”等肝癌相关领域的关键词，而且用户B在相关性模型中的权重较高。因此，系统判定用户A与用户B有相似的信息需求。这时候图书馆就可以向用户A推荐用户B曾经浏览过的信息，实现个性化的医疗信息推送服务。　　基于大数据的学科知识服务　　学科知识服务是医学图书馆中一项非常重要的服务，在以前，学科知识服务由学科馆员负责，其工作内容主要包括科研数据查新、参考咨询服务、定题服务等。在大数据时代，学科知?R服务可以有更广阔的发展空间。通过数据分析和数据关联技术，图书馆可以实现以下类型的学科知识服务：　　学科前沿和热点分析　　学

7、科前沿和热点分析对科研用户的研究方向和选题有重要的影响，为了更准确地预测出特定学科的前沿和热点，图书馆可以利用大数据的分析方法。首先，图书馆需要收集和提取相关学科的文献信息，如发文作者、机构、年份、关键词等。然后，图书馆员可以利用CiteSpace等软件对这些数据进行相关性分析，并生成可视化的知识图谱供用户参考。另外，通过分析学科用户的搜索行为和发文情况，也可以挖掘出用户的潜在需求，帮助用户更好地发现选题。　　原始数据的知识挖掘　　医学工作者在开展医疗实践过程中会产生大量的原始数