浅析数据挖掘在高校图书馆中的应用
随着高校信息化的建设，为了给老师和学生提供更好的服务，在图书馆中可以使用数据挖掘技术。数据挖掘是目前人工智能和数据库领域研究的热点问题，它通过分析每个数据，从大量数据中寻找其规律，帮助用户做出正确的决策。因此，我们可以在图书馆的日常工作和各项信息服务中使用数据挖掘技术，将这些分散的信息整合起来，找出联系并充分利用，来为图书馆管理者做出正确的决策提供帮助。
一、数据挖掘概述
（一）数据挖掘的定义。数据挖掘是通过一定的数据挖掘算法从海量的数据中发现潜在的、有效的、有用的知识的过程，是知识发现过程中的一个步骤。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。
（二）数据挖掘的过程。（1）数据准备。数据准备将会直接影响到数据挖掘的效率，在这个阶段主要完成数据采集、数据的预处理工作。（2）数据挖掘。对经过数据准备阶段之后所得到的数据，利用选定的数据挖掘工具和方法进行挖掘，用选定的算法或算法组合在模型空间中进行反复迭代搜索，从数据集中抽取出隐藏的、新颖的模式和知识。在数据挖掘过程中需要不断的进行人机交互，以期得到更加符合实际情况的模式和知识。（3）结果表述和解释。根据系统的目的和需求，对数据挖掘的结果进行分析，将最具价值的信息加以区分并提交给决策者。
二、数据挖掘中的几种重要算法
（一）关联规则算法。关联规则是发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘中是一个最重要、最成熟的课题，这种算法已经被应用到很多领域中。
关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品（项）之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类。
（二）聚类分析。所谓聚类分析是指将数据聚集成由类似的对象组成的多个类的分析过程，同一个类中的对象有很大的相似性，而不同类间的对象有很大的相异性。聚类与分类的不同在于，聚类所要求划分的类是未知的。分类是根据事先知道的数据特征将事物进行分类，而聚类分析则是要找到这个数据特征。
三、数据挖掘技术在高校图书馆中的应用
（一）合理制定采购计划。随着时间的推移，读者对图书馆资源的需求在发生变化，因此图书馆的馆藏资源也要与时俱进，进行更新，图书馆必须不断优化馆藏资源来满足读者的需求。如何采购到读者需要的图书，在馆藏资源建设中起着决定性作用。一般图书馆在制定采购计划的时候主要采用以下两种方法：（1）通过咨询各专业教师，请他们列出有价值的图书，图书馆采购人员据此来进行采购。（2）采购人员根据自己的经验，自行制定采购计划。这两种方式最大的问题是主观性强，因此采购回来的图书很可能利用率不高，造成资源和资金的浪费。
利用数据挖掘中的聚类分析可以帮助分析人员从读者的流通记录中发现读者对图书的借阅情况，深入了解学科的走势和读者的需求，帮助采购人员制定更加合理的采购计划，避免造成资源和资金的浪费。
（二）优化馆藏资源。读者在查询书目和借阅图书过程中会产生大量数据，通过对这些数据进行挖掘，可以获知读者对哪类图书更感兴趣，在哪段时间借阅更频繁，可以及时从图书馆中剔除旧的、使用较少的图书，不断补充新的、需求量多的图书资源。这样可以使图书馆的馆藏分配更加合理，更加科学，优化各类图书资源，减少冗余，节约资源，合理引导图书馆的建设。
（三）为读者提供个性化服务。不同的读者对资源的需求是不同的。读者在借阅图书过程中会留下大量的信息，如读者的个人信息、借阅信息、归还时间等，可以利用数据挖掘对读者的借阅数据进行关联分析，挖掘出各专业、各年级层次、各职称的读者对图书馆资源的需求情况，从而为读者提供个性化服务，例如，为读者定制推荐服务，以建议或指导读者的借阅行为；阅读量大的读者，为其扩大阅读权限等。
总结：总之，通过对图书馆中产生的大量数据进行数据挖掘，从而使图书馆的馆藏资源更加合理，提高资源利用率和读者满意度。另外，数字图书馆也是图书馆以后发展的一个方向，数据挖掘技术在数据组织、分析和知识发现等方面具有的巨大优势和潜力，使其在数字图书馆建设中将发挥重要作用。
