基于大数据的图书馆移动信息服务创新研究

《基于大数据的图书馆移动信息服务创新研究》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、基于大数据的图书馆移动信息服务创新研究　　摘要：移动信息服务是图书馆未来的发展方向。在大数据环境下，开展基于大数据的图书馆移动信息服务，通过对图书馆文献数据和用户数据的资源整合、信息挖掘，提出构建一种基于大数据的图书馆移动信息服务平台，同时提出大数据移动检索、个性化推荐、情景感知等创新性的移动信息服务，以提高数字图书馆服务水平，为探索图书馆未来发展模式提供借鉴。　　关键词：大数据；图书馆移动信息服务；移动图书馆　　DOIDOI：10.11907/rjdk.162668　　中图分类号：TP319　　

2、文献标识码：A文章编号：1672-7800（2016）012-0092-03　　0引言9　　随着移动互联网技术的迅速发展，图书馆面临巨大的机遇和挑战，通过移动互联网向用户提供高效、便捷的信息服务是当前图书馆信息服务发展的新方向。图书馆移动信息服务主要指依托于目前比较成熟的国际互联网络、广范围的无线移动网络以及多媒体技术，使用户不受时间、地点和空间限制，通过使用各种移动网络设备（如手机、平板电脑、E-Book等）方便地进行图书信息检索与获取的一种新兴的图书馆信息服务模式[1]。然而，信息技术的发展也

3、促进了图书馆数字资源的快速增长，形成了包括音视频资源、电子期刊、电子图书等在内的海量数字资源。传统图书馆的移动信息服务已经不能够满足众多用户个性化、多样化的信息服务需求。面对这种现实，如何在大量数据资源的基础上提供有效的个性化移动信息服务，是图书馆建设和发展面临的重要问题。　　1图书馆移动信息服务现状　　从我国图书馆移动信息服务的发展历程看，我国图书馆移动信息服务起步较早，但发展速度缓慢，服务内容单一。从2003年开始，我国已有部分图书馆开始尝试推出移动信息服务，截至目前，全国已有数百家图书馆开通

4、了移动信息服务[2]。在各图书馆中运用比较广泛的移动信息服务模式有：APP客户端服务、二维码服务、WAP网页服务、SMS短信服务，服务终端从普通手机到智能手机、平板电脑、电子阅读器等，移动信息服务内容为各类数据资源的检索服务以及用户信息查询等相关服务。　　随着我国图书馆建设规模的不断扩大，信息化水平不断提升，但各级各类的图书馆移动信息服务仍没有形成完整体系，大部分图书馆的应用技术或提供的服务内容比较单一，缺乏与图书馆传统业务的系统性联系。并且在信息服务过程中，大量数据未被有效地分析、挖掘，服务之间

5、没有进行数据共享等[3]，相关问题制约了图书馆移动信息服务的发展。因此，针对这些问题，需要研究相关发展对策，以最大化地满足用户的信息需求，提高服务质量，让用户能够随时随地、快捷高效地获取优质的信息资源。　　2图书信息服务中的大数据9　　在大数据时代背景下，图书馆产生了大量电子资源、文献资源等图书资源数据，以及用户借阅信息、浏览历史等用户信息数据，还有在图书馆日常的信息服务中逐渐增长的各种形式化数据（结构化、半结构化、非结构化数据）。对这些数据进行收集、存储、处理并有效利用是图书馆移动信息服务的基础

6、[4]。数据仓库、联机分析处理（On-LineAnalyticalProcessing，OLAP）和数据挖掘是大数据分析中3种相互独立的技术，但是它们在数据处理上却联系紧密，共同为智能化的信息服务提供决策支持。数据仓库是大数据分析的基础，联机分析处理和数据挖掘是建立在数据仓库之上的两种数据处理方法。图书馆信息服务中的大数据架构如图1所示。　　2.1图书馆数据仓库9　　在现代图书馆的信息服务过程中，信息技术和信息服务是高度集成、快速发展的。针对图书馆管理人员特殊的业务需求和图书馆用户特定的信息需求，

7、对图书馆资源进行有效利用，是图书馆信息发展过程中亟待解决的问题[5]。目前在图书馆信息服务系统中，各数据库之间往往相互独立，并且是异构的。而数据仓库是通过对分散的数据进行清理、变换、集成、汇总，利用数据仓库的集成特性解决数据在存储过程中的异构问题，使数据能够更加标准化和规范化[6]；数据仓库是整体的信息组织，图书馆信息服务过程中各个业务系统之间的数据各自分离，没有形成统一的联系，而数据仓库中的数据是按照一定的主题域进行组织；在事务处理方面，数据仓库面向主题的特性能高效地完成单一事务的处理要求。构建

8、图书馆数据仓库的最终目的是建立一个全面、完善的数据信息基础，然后利用该数据信息完成数据分析和数据挖掘，从而完成高层次的决策支持。将数据仓库引入图书馆信息服务建设中，由于数据仓库本身具有的面向主题、集成、相对稳定等特点，在数据分析过程中能够提供更加安全的数据资源服务。数据仓库是数据存储、处理和分析的一个综合解决方案，是联机分析处理和数据挖掘的基础。　　2.2联机分析处理　　在数据仓库中，存在着大量有价值的数据，但是这些数据对于决策者而言没有任何实际意义。数据必须经过有效的分析处理和深