张雷蕾

摘要：随着网络信息技术的快速发展，高校图书馆传统管理模式和系统受到了巨大的冲击，现阶段，结合大数据和云计算等技术，提高图书馆系统管理功能显得尤为重要。目前，读者对于图书馆要求不仅仅限于传统借还服务方式上，还包括网络检索、快速查阅、个性化服务等多方面。图书馆系统建设中要充分利用现代网络及信息技术，促进推荐系统的逐步完善，加强信息审核，结合读者需求定期推荐，进而提高图书服务水平。本文首先对数据挖掘的概念进行了分析，指出了图书馆系统应用数据挖掘技术的优势，对具体算法、数据处理和关键技术改进提出了有效的建议和对策。

关键词：数据挖掘技术;图书馆;推荐系统

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2019）13-0001-02

现代网络技术的发展，使图书馆发生了翻天覆地的变革，最初的纸质图书馆到目前的自动化、智能化图书馆，网络虚拟技术在图书馆系统中的应用较为普遍。目前，图书馆系统中服务项目逐渐增加，读者图书服务水平逐渐提高，但是针对性的个性化的服务项目还有待挖掘和完善。我国高校建设也十分重视图书馆的建设和发展，推进数字化校园建设。数据挖掘技术作为信息技术中的重要组成部分，在图书馆推荐系统中应用该类技术，可以实现为读者提供个性化服务，创新管理形式，促进系统功能优化，进而促进图书馆建设的日趋完善。

1 数据挖掘的概念

数据挖掘概念最早是在加拿大被提出，1995年加拿大蒙特利尔第一届知识发现和数据挖掘国际会议上国外学者Usaama提出，后期在美国底特律举行的学术会议上，对人工智能进行了系统的分析。从20世纪依赖，数据技术逐步万汉，数据库系统建设逐步更新，数据信息整合和挖掘的水平显着提高，很多有价值的信息被快速提取出来。由于海量信息处理的难度加大，数据挖掘和筛选技术应运而生，数据挖掘技术逐渐被人们关注和认可。数据挖掘技术的发展是与计算机技术革新、数据库建设发展和网络信息技术发展息息相关的。知识发现也是一个重要的相关概念，是指在海量信息中辨别出有价值的知识，这是对数据和信息的高级处理过程。数据挖掘技术是知识发现的核心技术，是从数据库中提取特定规律的数据和信息，作为参考，进而提炼出用户所需的最终信息和资源。

2 图书馆服务系统中应用数据挖掘技术的优势

数据挖掘技术对于人类生活和工作的影响是十分突出的，这是一种高效便捷的数据整合和筛选技术，集成了多个领域的知识系统，目前正逐步走向成熟，将数据挖掘技术应用于高校图书馆智能体系中，十分必要。

2.1 数据挖掘技术的优势

2.1.1 信息需求的促进

随着网络信息技术的快速发展，人们对于信息的需求量逐渐增加，使用层次加深，在众多海量信息和数据中，如何将复杂的数据转换成有价值的资源和信息是十分必要的。在图书馆系统中庞大的数据和信息资源难以计算和筛选，必须采用一种先进的技术，实现数据的整合和处理，进而筛选出有价值的资源，为读者提供针对性的图书服务。

2.1.2 争取潜在读者的需求

图书馆管理系统中，很多读者的访问数据都存在这里，如何将这些数据和信息进行整合至关重要，数据挖掘技术就是这样一种技术，可以对数据进行分类处理，从而确定图书馆中那类书籍借阅量较大，读者感兴趣的书籍都是哪些类别。数据挖掘技术可以将一些隐藏的信息挖掘出来，将智能整合后的资源和信息推送给读者，进而更好地为读者服务。

2.1.3 提高获取信息和数据的速度

图书馆系统要定期更新，在传统系统使用中，对于数据和信息的处理和计算速度较慢，数据挖掘技术可以有效地避免这些弊端，计算速度极快，信息筛选能力强，使用这类技术可以显着提高图书馆系统的各项功能。数据挖掘技术的应用可以提高图书馆获取资源的速率，提升读者应用体验，提高系统反应能力。

2.2 数据挖掘技术的可行性分析

我国高校图书馆积累了很多的经验，数据挖掘技术在实际应用中是具有可行性的。首先，我国高校现代化建设水平逐步提高，为了发挥图书馆的价值，要充分利用信息资源，挖掘数据和信息中有价值的资源，提高数据的利用率，从而提高图书馆服务质量。图书馆哟满足读者的需求，要提供个性化、针对性的服务，这也是图书推荐系统的主要功能，这就需要对现有数据和信息进行挖掘和处理，对数据进行分析，加强信息管理，组织各类数据，为图书馆的知识管理提供依据。其次，数据挖掘技术逐渐成熟也为图书馆推荐系统的逐步完善提供了可能。数据挖掘技术目前应用多种领域，包括工业生产、医疗机构、图书管理系统等等，数据挖掘技术逐步的发展和完善，运作方式方法日趋成熟，管理方便，技术逐步革新，图书馆推荐系统应用数据挖掘技术十分可行。另外，图书馆信息化建设水平逐渐提高，数据库建设较为完善，数据库系统分析能力不断增强，图像数据库、对象数据库、智能数据库逐步建设，这也为数据挖掘技术的应用提供了平台。

3 数据挖掘算法

3.1 分类分析

对于数据分类的分析是比较基础的，要对数据集进行训练，要采取科学的算法进行计算，数据库确定后要进行初步分析，做好数据类别的基本分类，要做好类别描述，要根据数据性质进行建立模型，之后要利用原有信息和数据进行研究，加强信息和数据预测。

3.2 聚类分析

聚类分析是指将数据和信息分为若干类别，主要根据分析对象的特征找出一定的规律，进而对同一类型数据进行分析，数据分布模式较为特殊，对数据之间的关系进行分析。

3.3 关联分析

数据挖掘技术中的算法还有关联分析，这也是基础算法之一，主要是针对不同的数据建立一种联系，可以是因果联系、时序联系或简单联系等等，进而实现各类数据的瞬间提取和筛选。