大数据时代高校图书馆嵌入式知识发现情报分析服务模式研究

《大数据时代高校图书馆嵌入式知识发现情报分析服务模式研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大数据时代高校图书馆嵌入式知识发现情报分析服务模式研究摘要：文章介绍了大数据时代高校图书馆开展嵌入式知识服务的内容，分析了大数据与情报的共性，并重点阐述了嵌入式知识发现情报分析服务的重要环节，同时又设计了大数据时代高校图书馆嵌入式知识发现情报分析服务模型，该模型主要包括数据资源层、知识发现处理层和界面展示层。中国4/vie　　关键词：大数据时代；高校图书馆；嵌入式服务；知识发现；情报分析　　中图分类号：G252文献标识码：A：1003-1588（2017）02-0049-03　　大数据技术的快速发展促进了科研方式

2、的变革，基于数据紧密型的科研方式已经成为自科研经验方式、理论方式、计算机模拟方式之后的新的发展模式[1]。现阶段，海量的半结构化和非结构化数据给科研带来了巨大挑战，而且数据存储和共享功能缺乏合理性和有效性，这也给高校图书馆的服务模式造成不小的影响。在大数据时代，高校图书馆应该更加重视用户数据安全和服务质量，积极利用先进的数据分析和处理技术来提升高校图书馆服务的智能化和个性化，为高校图书馆的服务创新创造出有利条件[2]。高校图书馆应该借助大数据技术，充分了解用户的服务需求，并以满足用户的服务需求为目的开展相应的服务

3、。　　1大数据时代高校图书馆开展嵌入式知识服务的内容　　1.1用户需求的分析　　在大数据环境下，首先，高校图书馆可以收集和存储用户的基本信息，比如：用户的学历、年龄、科研成果、学习经历以及工作单位等信息，并详细记录用户的操作信息及检索、查询、收藏以及标识等操作行为，可以与用户查询资料的内容、学科类别以及相应用户权限进行关联，还可以收集用户具体的信息咨询、科技前沿以及参考导航等服务情境[3]。其次，高校图书馆可以分析海量�稻荩�利用基于语义网的技术来规范用户信息资源，并将其转换为能够被应用程序理解和直接调用的数据，

4、从而可以更好地感知和预测用户行为。最后，高校图书馆利用用户数据作为决策依据，为用户制订当前目标、短期目标以及长期目标，并根据需求环境的变化动态分配硬件和软件资源，从而让高校图书馆的服务融入用户的科研活动中。　　1.2规律趋势的分析预测　　针对某些行业或者学科进行全面收集信息资源时，在专业研究成果的基础上进行深入分析，比如对比、推理以及综合利用等科学分析手段，或参照专业学科发展规律，计量学发展规律等[4]。由于学科的知识特点和发展规律各不相同，因此需要运用多种分析和处理手段来构建不同的学科模型，从而能够准确地预测学

5、科发展规律以及发展趋势。常见的预测方法有以下几种：①将大量文献内容进行数据统计，以归纳总结出文献的内在规律，比如齐普夫定律、洛特卡定律以及布拉德福定律等都是常见的基于文献内容的统计方式。②根据文献的发展规律和趋势来构建数学模型，可以达到预测文献发展规律的目的，比如普赖斯就专门构建了基于指数增长规律的数学模型。③将其他领域的数学规律和数学模型移植到文献发展的预测中，比如物理学中的半衰期规律、经济学中的人口增长规律以及生物学中的成长规律等。④依据模糊理论来搜集相似文献内容，存储在计算机中，并利用统计技术进行分析和对比

6、数据，以此帮助科研人员挖掘数据关联性。　　2大数据分析与情报分析的共性　　2.1看重对数据的定量分析　　数据作为最直观的资源，已经潜移默化地改变了分析决策的方式，如何有效地收集、筛选以及整理各种数据资源，并利用合理的方法来挖掘数据的潜在价值，已经成为评价一个组织是否具有竞争力的重要衡量方式。情报分析学科同样十分重视数据资源的应用，在情况分析研究的初期阶段，分析人员主要依靠人员的智力来分析少量数据现象，并从中归纳总结出情报分析的规律。随着科学技术的快速发展，学科之间的关联性和交叉性逐渐加强，学科知识的划分越细致，所

7、涉及的内容也就越专业。目前，情报分析更多地依靠先进的信息处理技术，利用“机器学习”方式来挖掘数据、分析和统计相关联系，还可以利用定量化方式来关联基于关键字的词汇共现，其核心思路就是在计算能力的基础上利用人工分析判断数据联系。因此，利用数据来阐述问题已经成为情报分析的主要特点，在情报分析报告中利用数据、公式以及图表来说明理论的方式也充分体现了数据分析技术在情报分析领域的重要地位。　　2.2关注多源数据融合　　大数据技术可以通过各种渠道，并利用各种收集手段来获取各种数据信息，在进行集中整理后，形成一种基于不同数据格式

8、的统一处理方式，这种处理过程被称为多源数据处理融合技术[5]。一方面，可以通过不同用户和不同网络途径来获取同一个研究方向的内容；另一方面，根据信息数据的种类和用途的不同，比如：根据视频、音频及文本等方式进行分类，也可以根据结构化和非结构化等方式进行分类，同时也要考虑数据的异构性。需要注意的是，相同类型的数据也有可能分布在不同的站点，并由各自的数据供应商提供，如论文分析研究