漆月

摘 要 论文通过对高校图书馆OPAC搜索的数据挖掘，构建了以国图分类号划分的图书资源需求量预测模型。首先设计了针对OPAC关键词的分类方法，对读者外借、预约及OPAC搜索三个预测器的数据分布进行统计分析，然后完成基于搜索量的线性回归预测模型设计，并与基础预测模型进行伪样本外预测检验，验证了加入搜索关键词变量后的模型能够提供更准确的数据预测结果。最后，提出了基于需求预测结果的采购决策模型，为图书采购的比例分配提供数据参考。

关键词 资源建设 需求预测 回归分析

分类号 G250.7

DOI 10.16810/j.cnki.1672-514X.2020.07.009

Abstract Based on the data mining of OPAC search in university library， this paper constructs a book resource demand forecasting model divided by national library classification number. First， we design a classification method for OPAC keywords， and make statistical analysis on the data distribution of three predictors： reader lending， reservation and OPAC search. Then， we complete the design of linear regression prediction model based on search volume， and carry out the false sample prediction test with the basic prediction model， which verifies that the model after adding the variables of search keywords can provide more accurate data prediction results. Finally， the paper proposes a purchase decision-making model based on the result of demand forecast， which provides data reference for the proportion distribution of book purchasing.

Keywords Resources construction. Demand prediction. Regression analysis.

0 引言

文獻资源建设是图书馆基础建设工作的核心内容之一，也是图书馆开展相关知识情报服务的基础。根据教育部高等学校图书情报指导委员会2018年底发布的《2017年879所高校图书馆文献资源购置费统计表》，图书馆在文献资源购置中的经费投入越来越高，其中排名第一的中山大学图书馆文献资源购置经费高达上亿元，超过一百所高校图书馆的购置经费高于一千万元，而各高校图书馆的平均购置经费也在500万元以上。然而经费的投入量并不代表文献资源建设质量，大多数图书馆仍然存在资源利用率逐年减低的问题[1]。这一方面是由于互联网环境下读者获取信息的渠道更加多样化，图书馆不再是知识传递的主要途径。另一方面，信息化时代的发展使得读者阅读需求变化更加频繁，而图书馆缺乏对当代读者需求的有效评估和及时响应手段，其资源采购效率往往滞后于读者需求更新。……