前言：尋找寫作靈感？中文期刊網用心挑選的移動圖書管理系統研究，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

摘要：大數據時代，深入挖掘圖書館海量圖書信息和借閱信息等數據資源，是實現圖書館高質量個性化服務的核心。本文分析圖書管理系統中現存的問題，提出基于數據挖掘技術的移動端圖書管理系統的設計和解決方案，選擇關聯規則算法實現圖書推薦，聚類算法實現書友推薦，分類算法實現新書上架預測，從而提升用戶的體驗，提高圖書資源的使用率。

關鍵詞：數據挖掘；移動圖書管理；個性化服務

0引言

隨著互聯網迅速覆蓋，移動用戶持續增加，各類信息呈爆炸型積聚，大數據時代來臨。圖書管理系統作為服務大眾的平臺，其數據規模龐大、可分析性高，傳統的數據處理方式和PC設備已無法滿足需求，深層次的數據挖掘將會為用戶提供更優質的服務。從圖書館大量的信息資源中準確高效地獲取圖書信息，提升用戶的體驗，已成為學者的熱門研究。劉軍軍研究了移動圖書館服務平臺框架結構，提出了建立一個集成資源整合、服務和用戶的一站式學習支持環境的移動圖書館服務平臺[1]。楊利軍等發現了圖書館個性化服務中大數據可視化分析的重要意義，研究設計了一種具有較完善可視化分析功能的系統框架，從而保障讀者的個性化閱讀[2]。Yi等著重討論了將數據挖掘算法中的關聯規則算法和聚類算法應用于高校圖書館大數據個性化推送服務[3]。常雅紅通過實例分析說明了大數據環境下基于數據挖掘的數字化圖書館服務新模式，提出了包括智能化推送服務、移動服務等在內的四項內容[4]。熊太純等為更好地滿足讀者的個性化需求，提出整合圖書館的館藏信息，充分利用Web2.0、云計算等網絡信息技術，改進圖書館的個性化互動服務方式[5]。李艷等借助宏觀上對高校圖書館大數據挖掘與決策分析體系的研究及設計，證明基于“大數據+微服務”模式的重要價值[6]。本文分析圖書管理系統中現存的問題，基于關聯規則、聚類、分類等數據挖掘算法提出相應的對策，構建基于數據挖掘技術的移動圖書管理系統，實現圖書推薦、書友推薦、新書上架預測等個性化服務，從而提高圖書資源的使用率和用戶的滿意度。

1現存問題和對策分析

目前，大多數圖書管理系統實現在PC端，使用受到時空的限制，且往往只實現了基礎層面的圖書信息整合、用戶基礎借閱、管理員基礎信息操作等功能，能滿足有明確借閱目標的讀者的需求，而絕大多數讀者容易迷失在海量的圖書資源中，盡管目前多數系統支持熱門書籍的推薦，但用戶轉化率也不一定理想，讀者需要的是個性化的推薦。對于圖書管理員而言，如何優化選擇圖書資源，提高圖書資源的利用率也很難提供幫助。針對以上問題，提出相應對策：

1.1移動端的圖書管理系統的設計

移動互聯網和智能手機的飛速發展使得用手機訪問互聯網資源成為主要的上網方式，手機上網有著它特有的優勢。一方面，手機上網不受地域限制，基于智能手機的圖書借閱管理系統使得讀者能更方便地接觸到圖書信息資源；另一方面，手機上網更符合大眾的日常生活習慣，各年齡段均能夠熟練使用智能手機，通過手機端快捷地訪問圖書信息資源。

1.2選擇Apriori算法實現圖書推薦

圖書推薦功能的實現，可以滿足讀者對興趣書籍的免查詢瀏覽。當讀者進入圖書借閱系統，系統會在醒目位置為讀者進行相關書籍推薦，大大減少讀者尋找及查詢書目的時間，提高圖書借閱效率。將所有讀者的借閱記錄作為源數據，采用關聯規則分析的Apriori算法，發現在同一次借閱事件中，出現不同圖書的相關性，推薦同時借閱的圖書。采用序列模式挖掘的類Apriori算法，發現圖書借閱在時序上的規律，根據讀者已借閱的圖書，歸還以后，推薦后續借閱的圖書。

1.3選擇聚類算法實現書友推薦

大數據時代下社交網絡普及，互聯網用戶樂于在虛擬網絡、移動端社交平臺中結識朋友，書友推薦使讀者更易找到相同興趣者，解決現存系統缺乏人性化交流的問題，增加用戶交流度，側面提高讀書效率和興趣。書友推薦是未知類別及類別數的對象劃分，將相同興趣讀者聚簇，本質上是將讀者進行模糊聚類，形成具有最高隸屬度的簇。在為讀者進行書友推薦時，識別讀者所屬類別進而進行同類推薦即可，推送順序則按照與讀者的距離值依次遞減排序。

1.4選擇分類算法實現新書上架預測

管理運營者更多考慮到的是圖書館藏利用率問題，書籍信息海量多樣，甚至魚龍混雜，需要通過引進預計受歡迎的新書、淘汰借閱率和興趣度低的舊書優化圖書館藏結構。采用分類分析法中的樸素貝葉斯分類器，利用借閱數據作為訓練樣本集，通過貝葉斯定理，提供從先驗概率計算后驗概率，從而獲得圖書分類器，預測新圖書所屬類別，即新書是否受歡迎，從而能大大減少傳統圖書館人工管理帶來的主觀偏差[7]。

2系統的設計

基于圖書管理系統現存問題和對策的分析，構建基于數據挖掘技術的移動圖書管理系統模型，如圖1所示，模型中主要模塊分為數據收集、數據存儲、數據挖掘和前端應用。通過收集讀者手機借閱數據、管理員手機的管理數據等，存儲到數據倉庫當中，進行數據的預處理，分為用戶管理主題、圖書管理主題、借閱主題等，接著應用數據挖掘相關算法，如關聯規則、聚類、分類等，分析用戶的借閱行為，最后結果體現在前端應用層，實現圖書個性化推薦、新書上架預測等個性化服務。

3系統的實現

基于Android平臺實現了移動端的圖書信息管理系統，取名泰科圖書，圖書信息來源于本校圖書館館藏圖書，在本校試運行三個月，積累一定的圖書借閱數據，能夠利用數據挖掘算法實現個性化服務功能。

3.1圖書推薦功能

在借閱模塊，通過“其他讀者還讀過”實現一次借閱多本圖書的推薦，如圖2所示。該功能的實現，將輸入的借閱主題數據作為事務數據集，讀者所借閱的書目信息即為項集，由管理員設定最小支持度閾值和最小置信度閾值，利用Apriori算法，產生頻繁項集，輸出結果表述為滿足條件的圖書項集。通過“猜你喜歡”實現歸還已借圖書后相關圖書的推薦，如圖3所示。該功能的實現，首先將借閱數據按時序轉換為序列借閱數據集，利用類Apriori算法，產生序列模式，輸出結果表述為滿足設定最小支持度閾值的圖書項集。

3.2書友推薦

在為讀者進行書友推薦時，識別讀者所屬類別進而進行同類推薦即可，推送順序則按照與讀者的距離值依次遞減排序，如圖4所示。該功能的實現首先將讀者類型大致分為文學藝術愛好者、政法經濟愛好者、自然社科愛好者等6類，以“6”作為聚簇數；選取借閱主題數據，從讀者目標中選取符合數量的初始簇中心，設置讀者各類書目借閱數量為距離參考值，計算每個目標對象與簇中心的歐幾里得距離、根據距離劃分不同的簇；算法迭代執行，直到結果收斂，輸出即為6類讀者類型的聚類劃分。

3.3新書上架預測

管理員端實現了新書上架的預測功能，每當要上架新書，管理員可以在“新書上架預測”頁面輸入書名，并在下拉列表中分別選擇圖書細節信息，點擊“判斷推薦”按鈕系統將自動給出分類判斷，如圖5所示。該功能的實現，首先選擇圖書的類別、國家、出版社等屬性作為屬性數據集，選擇借閱主題數據倉庫作為訓練集；接著，通過訓練集中每類樣本所占的比例估計每項屬性的先驗概率值；然后，當有測試樣本需要分類時，由樸素貝葉斯分類器得到樣本在不同屬性下的后驗概率；最后，選取后驗概率最大值對應的類別（四種：不適合上架、謹慎上架、可以上架、推薦上架）即可。

4結語

大數據時代，充分考慮讀者群體和圖書管理者的綜合個性化需求，對數據資源進行深入挖掘，完善數字化圖書館建設，實現個性化服務，不僅能提高讀者的借閱效率，更提升了讀者互動活躍度、間接提升讀者的閱讀積極性、擴大了讀者的閱讀面，同時也為圖書管理工作提供了極大的便捷，提高了圖書資源的使用率。

參考文獻：

[1]劉軍軍.移動圖書館服務平臺框架結構研究[J].農業圖書情報學刊，2018，30（4）:52-55.

[2]楊利軍，高軍.圖書館個性化服務中的大數據可視化分析與應用研究[J].現代情報，2015，35（7）:68-72.

作者:張晴 李琦 程彭洲 單位:南京理工大學泰州科技學院