陈瑶

摘 要：大数据时代，如何从海量的资源中为用户提供个性化信息服务，是当前高职院校图书馆遇到的困难之一。本文首先分析总结了目前高职院校图书馆个性化信息服务现状，针对这些问题，结合数据挖掘技术，提出了优化图书馆个性化信息服务的若干方式。

关键词：图书馆，个性化，数据挖掘，信息服务

近年来，国家对高职教育愈发重视，高职院校发展的同时其图书馆馆藏资源也飞速增长，随之也导致资源利用效率不高。信息资源丰富对图书馆来说既是优势，又是挑战。如何有效利用海量的资源为用户提供个性化信息服务，是图书馆目前要解决的重要问题。而数据挖掘技术，就是最有效的科学方法，可帮助图书馆精准开展个性化信息服务。

1 高职图书馆个性化信息服务的现状及原因

个性化信息服务，重点在于个性化，是面对不同用户的信息需求，根据用户的个人特征，定制不同的服务方式，主动为用户提供不同的信息和服务内容，实现服务内容、方式、时空的个性化。用户不用再毫无头绪得面对海量信息，获得的主要是其感兴趣的信息。

然而，由于高职院校图书馆的管理理念落后、资源经费不足等种种原因，高职院校图书馆的个性化信息服务发展水平落后，未能及时跟上信息社会的变化。目前，大多数高职图书馆的个性化信息服务项目主要有资源（图书）推荐、星级评价等基本形式。在资源（图书）推荐服务模块，大多数高职院校图书馆的图书推荐仅仅停留在新书推荐、热书推荐形式，是面向全员的统一推荐，并不是真正意义上的个性化推荐。总的来说，目前高职院校图书馆的个性化信息服务内容单一，读者参与度也不高，无法充分发挥图书馆的功能职责。

究其成因，主要有以下几点：

1）被动服务，项目单一。目前，大多数高职图书馆的服务方式还是以管理为中心，主要提供基本的查找和借阅文献的传统服务，服务项目单一。而本身高职院校师生主动利用图书馆资源的意愿也并不强烈，参与度较低，这也降低了高职院校图书馆工作的积极性。长此以往，高职图书馆在学校的地位和作用将会受到巨大的挑战。

2）读者反馈机制不健全。高职院校师生入馆率低，图书馆也没有积极走向师生，导致读者和图书馆缺乏沟通交流，无法及时了解用户的信息需求。

3）技术薄弱，人才短缺。当前高职图书馆的人才队伍质量参差不齐，专业技术人才较少，在个性化信息服务研发工作中面临各种技术难题。而完善的个性化信息服务系统也需要先进的设备支撑，且系统维护和完善更是一项长期的工程。一般的中小型高职图书馆很难独立完成个性化信息服务系统的研发工作。

2 个性化信息服务的必要性

2.1 转变信息服务方式，提高图书馆服务质量

随着信息技术的发展，各类资源的不断增加，基本的咨询和借阅服务，已经完全不能满足图书馆用户的信息需求。顺应时代的变化，图书馆开展个性化信息服务，是从简单的借阅服务完善到个性化的信息服务，是从被动服务方式向主动服务转变，提升了服务质量，充分体现了“用户至上”的服务理念，也大大提升了用户体验。

2.2 发挥图书馆功能职责，提升竞争力

图书馆作为文献、信息资源中心，肩负教育的职能，其实具有不可忽视的作用。为此，开展个性化信息服务，进行阅读推广、信息推送等活动，可以更好地为师生提供信息资源服务。当图书馆满足了师生的信息需求，也就让师生感受到了图书馆的功能作用，这也就增强了图书馆在校园的影响力。

3 数据挖掘技术概述

数据挖掘，就是从大量的、不完整的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中但又是潜在有用的信息和知识的过程。这是一门适应信息社会从海量数据中提取信息的需要而产生的新学科，是统计学、机器学习、数据库技术、人工智能、可视化技术等学科的交叉，所涉及的方法也很多。目前比较成熟且应用广泛主要有分类（Classification）、預测（Prediction）、关联规则（association rules）、聚类（Clustering）等分析方法，每一类方法又涉及很多算法。

由于数据挖掘方法的科学高效，上述算法也被各方学者不断改进与优化，广泛运用于实践。在农业、制造业、教育、体育竞技、生物科学等各学科各领域的决策支持活动中，数据挖掘技术也都扮演着越来越重要的角色。科学利用数据挖掘技术，有助于图书馆开展个性化信息服务。

4 利用数据挖掘技术优化图书馆个性化服务的方式

4.1 用户研究

图书馆以用户为中心，研究用户基本属性和行为习惯，有利于图书馆全面了解用户的需求，及时调整及时优化，为用户提供有需要的信息和服务。

利用数据挖掘的聚类算法，可以进行用户分类，了解群体特征。例如，通过入馆数据和借阅数据，分析活跃用户的行为习惯，对非活跃用户的行为习惯加以引导，有利于提高图书馆整体的入馆率和借阅率。此外，聚类分析结果中用户的平均借阅天数、平均借阅册数及其标准差，可以作为图书馆个性化调整最大借阅天数和最大借阅册数的参考依据。当前，多数高职图书馆的借书期限和借阅册数都是最初开馆设定，后期也并未进行实践优化，可能无法满足部分用户的借阅需求。通过适当调整，尽可能地将图书主动提供给更多“适合的读者”，提高图书馆各类图书的流通率。

4.2 优化馆藏

利用语义分析和关键词提取等方法，分析用户的留言、建议等信息，了解用户的需求，不断优化图书服务。了解读者荐购需求，结合图书馆各类型图书的借阅率统计结果，制定科学的图书采购计划，减少盲目采购行为，优化图书馆馆藏，提高图书的利用率。

4.3 个性化图书推荐

通过相关算法，依据读者个人的特征以及图书的特征，图书馆可以为每位读者进行个性化的图书推荐，推荐读者感兴趣的图书。目前，常用的推荐算法有基于内容推荐、协同过滤推荐、关联规则推荐、组合推荐等。不同的算法各有优缺点，针对不同领域和不同的数据源，选择合适的算法是提高推荐效果的关键。针对高职图书馆的特点，本文建议从用户相关性和图书相似性两个角度来进行推荐。

用户相关性角度可以使用关联规则来进行挖掘，虽然关联规则寻找的是物品之间的联系，但它是依据大量用户的历史记录挖掘出相关的规则，只有用户之间具有相似的兴趣爱好才会产生相同的事务，因此它是用户之间相似性的表现。

针对图书之间的相似性，本文建议采用谷歌的开源工具word2vec。它能够将词表征为向量从而方便的计算词与词之间的相似度。对图书馆来说，图书的书名信息可以做为word2vec的输入数据，经过训练能够得到对应每本图书的词向量，向量之间的距离可作为图书之间相似性的体现，从而据此为读者提供相似的图书的推荐。

5 结语

在国家大力推进职业教育现代化的新形势下，高职院校的图书馆的服务也需要与时俱进，加快革新。特别是在大数据环境下图书馆应该充分利用图书馆的文献、信息资源，运用现代信息技术，主动为图书馆用户提供个性化信息服务，满足图书馆用户的需求，贯彻图书馆“用户至上”的服务理念。

参考文献

[1]曹金梅.浅谈高职院校图书馆的个性化信息服务[J].哈尔滨职业技术学院学报，2012，（01）：103-104.

[2]张宇惠.数据挖掘在电信数据分析中的应用[J].信息通信，2017，01：279-280.

[3]邵晓红.高职院校图书馆个性化信息服务的思考[J].鄂州大学学报，2015，22（09）：57-58+61.