李化明　王家云

摘要：粗糙集理論中的屬性約簡問題屬于NP難問題。以教育技術(shù)學(xué)專業(yè)讀者2013學(xué)年度圖書借閱歷史數(shù)據(jù)為原型，采用借閱類目的次數(shù)多少作為屬性重要度進(jìn)行啟發(fā)式選擇，利用粗糙集理論中的知識依賴度對類目約簡，挖掘出本專業(yè)和各年級借閱類目的核心集，并經(jīng)問卷調(diào)查證明其規(guī)律的正確性。通過與教育技術(shù)學(xué)專業(yè)學(xué)科知識體系結(jié)構(gòu)的比較，能夠發(fā)現(xiàn)學(xué)科知識體系結(jié)構(gòu)建設(shè)的不足之處，以促進(jìn)其更科學(xué)完善。

關(guān)鍵詞：粗糙集；知識依賴度；數(shù)據(jù)挖掘；知識發(fā)現(xiàn)

DOIDOI：10.11907/rjdk.143896

中圖分類號：TP391

文獻(xiàn)標(biāo)識碼：A 文章編號

文章編號：16727800（2015）006013503

基金項目基金項目：安徽省高等學(xué)校圖書情報工作委員會基金項目（TGW13B08）

作者簡介作者簡介：李化明（1974-），男，江西東鄉(xiāng)人，碩士，淮北師范大學(xué)圖書館館員，研究方向為數(shù)字圖書館、讀者服務(wù)。

0 引言

高校圖書館自動化建設(shè)經(jīng)過多年發(fā)展，已經(jīng)積累了大量歷史數(shù)據(jù)，這些數(shù)據(jù)不但完整，而且質(zhì)量高，充分反映了讀者學(xué)習(xí)成長的過程。如何對其進(jìn)行挖掘提煉并從中發(fā)現(xiàn)有價值的知識，是了解讀者需要、開展知識推送服務(wù)的重要信息來源。前人研究主要是根據(jù)讀者的借閱歷史數(shù)據(jù)，利用關(guān)聯(lián)規(guī)則算法發(fā)現(xiàn)某類書籍之間的關(guān)聯(lián)規(guī)則[14]，或利用聚類算法挖掘具有共同閱讀興趣的讀者群體[5]，以及通過時間流分析得到讀者借閱時間的分布規(guī)律[6]等。也可以利用粗糙集進(jìn)行挖掘。例如，柳炳祥等[7]只是介紹有關(guān)理論，文章中并沒有對粗造集挖掘進(jìn)行深入闡述。這些挖掘結(jié)果往往只是反映讀者已往的借閱規(guī)律，而不能反映其當(dāng)前和今后一段時間的真實需要，因為這些讀者還需要不斷地進(jìn)行知識更新和深化學(xué)習(xí)。本文通過對教育技術(shù)學(xué)專業(yè)讀者群進(jìn)行數(shù)據(jù)挖掘，利用知識依賴度約簡方法發(fā)現(xiàn)其學(xué)科知識體系結(jié)構(gòu)，并通過與相關(guān)專業(yè)的知識體系結(jié)構(gòu)建設(shè)進(jìn)行比較，以發(fā)現(xiàn)建設(shè)中的不足之處。如果利用所得的知識庫進(jìn)行推送服務(wù)，則能把讀者真正需要的知識推送給他們。

1 粗造集有關(guān)理論

粗糙集理論認(rèn)為“知識是一種對對象進(jìn)行分類的能力”，它將分類理解為在特定空間上的等價關(guān)系，而等價關(guān)系構(gòu)成了對該空間的劃分[8]。

定義1（論域、知識）：設(shè)U 是感興趣的對象組成的非空有限集合，稱為一個論域。論域U 上的任一子集XU，稱為論域U 的一個概念或范疇。論域U 中的任何子集簇（概念簇）稱為關(guān)于U 的抽象知識，簡稱知識[9]。在二維表中，知識是由某些列對所有行的劃分構(gòu)成的集合所表示。

定義2（知識庫）：給定一個論域U 和U上的一簇等價關(guān)系S，稱二元組K=（U，S）是關(guān)于論域U 的一個知識庫或近似空間。因此，論域上的等價關(guān)系即代表著劃分和知識。這樣，知識庫就表示了論域上由等價關(guān)系導(dǎo)出的各種知識，即劃分或分類模式，同時代表了對論域的分類能力，并隱含著知識庫中概念之間存在的各種關(guān)系[9]。

定義3（不可分辨關(guān)系）：給定一個論域U 和U上的一簇等價關(guān)系S，若PS，且P≠，則∩P（P中所有等價關(guān)系的交集）仍然是論域U 上的一個等價關(guān)系，稱為P上的一個不可分辨關(guān)系，記作IND（P）。IND（P）的等價類稱為知識P的基本范疇[9]。

2 知識發(fā)現(xiàn)

2.1 樣本數(shù)據(jù)選取

本研究以教育技術(shù)學(xué)專業(yè)學(xué)生作為研究原型，經(jīng)統(tǒng)計，教育技術(shù)學(xué)專業(yè)自2008年以來每年招收1個班學(xué)生，系統(tǒng)有2008年以來的所有借閱歷史記錄，符合研究要求。為了簡化樣本數(shù)據(jù)，選擇2013學(xué)年度（2013225～2014119日）教育技術(shù)學(xué)專業(yè)2010～2013級學(xué)生借閱歷史數(shù)據(jù)作為研究對象（即大一至大四學(xué)生），借閱情況統(tǒng)計數(shù)據(jù)如表1所示。

2.2 數(shù)據(jù)預(yù)處理

在進(jìn)行數(shù)據(jù)挖掘之前，需要對數(shù)據(jù)進(jìn)行去噪、補(bǔ)缺和轉(zhuǎn)換等預(yù)處理操作。數(shù)據(jù)預(yù)處理步驟如下：①根據(jù)年級、專業(yè)代碼和時間段獲取讀者借閱歷史記錄，并通過匯總獲得借閱圖書的人數(shù)、未借閱人數(shù)和總借閱冊數(shù)；②去除借閱書目的種次號，得到借閱類目，匯總后得到借閱類目數(shù)。由于中圖法是通過標(biāo)記符號代表各級類目和固定先后次序的分類體系，標(biāo)記符號不同，其表示的知識類目也不同，故不能把相近類目合并為一類；③按類目進(jìn)行匯總，求得各類目借閱冊數(shù)和所有類目的平均借閱冊數(shù)，并刪除低于平均借閱冊數(shù)的類目，因為其表現(xiàn)的只是某個學(xué)生的個人愛好，不是大家共同學(xué)習(xí)的知識，相當(dāng)于噪音數(shù)據(jù)；④求出借過大于平均借閱冊數(shù)類目的所有讀者，這些讀者即是進(jìn)行知識約簡的對象；⑤生成上述讀者對象和其借閱類目的二維表，并對表中數(shù)據(jù)進(jìn)行轉(zhuǎn)換處理，如果此讀者借過該類目書籍則為1，否則為0。類目列按類目總借閱冊數(shù)降序添加到表中。

2.3 知識約簡

經(jīng)過上面的數(shù)據(jù)預(yù)處理后，得到了知識庫的關(guān)系簇S 和論域U，即不小于平均借閱冊數(shù)的類目和借閱這些類目的讀者。然而，即使經(jīng)過上述預(yù)處理后，其約簡的類目數(shù)還有幾十種；如果直接利用知識依賴度（定義5）來約簡，其需要計算的次數(shù)為M*logM*2n（M是讀者數(shù)，n是類目數(shù)），這是指數(shù)級時間復(fù)雜度，需要消耗大量計算時間。為了得到多項式時間算法，采用以類目借閱的冊數(shù)多少作為屬性重要度的啟發(fā)式策略，應(yīng)用知識依賴度來約簡二維表，具體算法如下：

（1）置K={}，R={}；// K表示約簡后得到的知識，R表示臨時約簡知識

//如果單個知識把論域全覆蓋則作為約簡知識放入K中

（2）For r0=1 to count（類目） do

取出count（r0）類目I，計算其劃分。

如果I全覆蓋論域U ，則把I并入K中；否則，退出循環(huán)。

（3）把I并入R中。

//計算剩下的類目依賴關(guān)系

（4）For r1=r0+1 to count（類目） do

取出count（r1）類目Q，根據(jù)類目Q求其對論域U 的劃分。

根據(jù)R中的知識求其對論域U 的劃分。

利用知識依賴度公式，求Q對R的知識依賴度γ；如果γ小于0.5，則把Q并入R中，否則認(rèn)為知識Q歸屬于R而被約簡掉。

（5）K=K∪R，并退出。 //即K就是所求的約簡集合

此算法不能保證所有結(jié)果最優(yōu)，但近似最優(yōu)值。對教育技術(shù)學(xué)專業(yè)2013學(xué)年度的知識約簡后的結(jié)果見表1“類目選擇”列，這里按屬性重要度（借閱冊次多少）列出了前面5～6個約簡后得到的類目（知識集合）。然后對各年級約簡的類目掃描一遍，根據(jù)類目的位置和重復(fù)度多少，即可得到本專業(yè)的核心知識，即：TP391.41、I247.5為專業(yè)核心知識集。約簡后一些主要類目借閱冊數(shù)如表2所示。

2.4 結(jié)果分析

在表2中如果各約簡后的主要類目借閱冊數(shù)相差懸殊不大，則說明讀者不了解專業(yè)知識結(jié)構(gòu)，而是根據(jù)個人的興趣愛好進(jìn)行借閱；若相反，則表明其專業(yè)知識結(jié)構(gòu)明確，借閱的針對性和目的性非常強(qiáng)。例如，表2中大一學(xué)生（2013年級）借閱TP391.41為14冊，G40-057為6冊，對應(yīng)的表1中的幾個主要借閱類目之間的最大比例是14/6≈2.3倍，這說明他們除了學(xué)習(xí)專業(yè)技術(shù)知識外，還閱讀“I247.57 社會、言情小說”、“I561 英國文學(xué)”等書籍，閱讀內(nèi)容涉及面較寬，不了解專業(yè)知識體系結(jié)構(gòu)；大二學(xué)生（2012年級）借閱TP391.41為69冊，J06為7冊，幾個主要借閱類目之間的最大比例是69/7≈9.9倍，這顯示他們初步抓住了專業(yè)知識體系結(jié)構(gòu)，閱讀內(nèi)容較為集中；而大三、大四的學(xué)生幾個主要借閱類目之間的最大比例≥12倍，表明他們主攻專業(yè)技術(shù)知識“TP391.41圖像識別及其裝置”、“TP393.092網(wǎng)絡(luò)瀏覽器”，學(xué)習(xí)目標(biāo)非常明確。

另外還可以看到，“I247.5新體長篇、中篇小說” 一直是讀者熱衷的書籍，但在教育技術(shù)學(xué)專業(yè)人才培養(yǎng)方案（2013）[13]中則沒有反映出來，該專業(yè)主要課程包括：教育技術(shù)學(xué)導(dǎo)論、心理學(xué)、教學(xué)系統(tǒng)設(shè)計、遠(yuǎn)程教育基礎(chǔ)、電視教材設(shè)計與制作、教育媒體理論、教育技術(shù)學(xué)研究方法、中學(xué)信息技術(shù)課程教學(xué)設(shè)計。并且從表2中還能看出，一些專業(yè)基礎(chǔ)理論知識例如“J06 造型藝術(shù)理論”、“G40-057 教育技術(shù)學(xué)”，主要是由大一、大二學(xué)生借閱，而且數(shù)量都不大。這表明學(xué)科體系結(jié)構(gòu)中相關(guān)基礎(chǔ)理論課程設(shè)置較合理，基本滿足學(xué)習(xí)者需要；相反，“TP393.092 網(wǎng)絡(luò)瀏覽器”在大三、大四學(xué)生借閱量中卻驟然增加，這反映了教育技術(shù)學(xué)專業(yè)學(xué)生更需要這方面的知識和技能，也說明該課程在學(xué)科體系結(jié)構(gòu)中的重要性，以及體系結(jié)構(gòu)設(shè)置的不合理性。

因此，通過對相關(guān)數(shù)據(jù)的分析，給出如下建議：①給大一、大二學(xué)生適當(dāng)介紹本學(xué)科知識體系結(jié)構(gòu)，使其開始就明確學(xué)習(xí)目標(biāo)、方向和內(nèi)容組成；②通過與教育學(xué)院教師交流發(fā)現(xiàn)，學(xué)院已開設(shè)《學(xué)科導(dǎo)論》課程，但效果不夠理想。因此，對于開設(shè)《學(xué)科導(dǎo)論》課的院系，需要扎實推進(jìn)本導(dǎo)制，發(fā)揮其引導(dǎo)作用；③深入研究小說等文學(xué)類與教育技術(shù)學(xué)專業(yè)之間的內(nèi)在關(guān)系，將其納入學(xué)科體系結(jié)構(gòu)中，完善學(xué)科知識體系結(jié)構(gòu)建設(shè)；④在低年級中適當(dāng)開設(shè)“TP393.092 網(wǎng)絡(luò)瀏覽器”課程，做好相關(guān)理論基礎(chǔ)知識鋪墊，使學(xué)科知識結(jié)構(gòu)布局更加合理。

3 知識驗證

為了驗證以上發(fā)現(xiàn)的知識規(guī)律是否正確，對2011～2013級教育技術(shù)學(xué)專業(yè)讀者進(jìn)行問卷調(diào)查。問卷內(nèi)容主要是根據(jù)表2約簡后得到的幾個類目，按借閱冊次多少選擇前3個類目，挑選出上一年級讀者在2013學(xué)年度借閱最多的前幾本書目及類目（配有類目解釋和例子），加上讀者自我推薦書目欄目，把這些作為2014年度本年級調(diào)查內(nèi)容。這樣設(shè)計的目的是：①驗證以上發(fā)現(xiàn)的知識規(guī)律是否正確；②驗證上一年級讀者在上學(xué)年借閱最多的書目是否也是本年級讀者在本學(xué)年借閱最多的，以確定推薦內(nèi)容。調(diào)查統(tǒng)計結(jié)果如表3所示，按此知識規(guī)則進(jìn)行推薦，其類目命中率（即約簡后的知識類目中想借閱數(shù)/總想借閱數(shù)）都在87%以上。再把表2和表3內(nèi)容合并后比較得出表4，從表4中也能看出其順序基本一致。因此，采用這種方法得出的知識與實際相符，驗證了規(guī)律的正確性。另外，從調(diào)查具體數(shù)據(jù)來看，上一年級讀者借閱最多的書目并不一定是本年級讀者最想看的書目，例如：在對2012級教育技術(shù)學(xué)專業(yè)學(xué)生問卷調(diào)查中，書目 Flash 8基礎(chǔ)與實例精講（騰飛科技編著.人民郵電出版社，2007）在2013學(xué)年被2011級教育技術(shù)學(xué)專業(yè)學(xué)生借閱了6次，問卷調(diào)查結(jié)果是34人想借閱；而書目Flash 8 角色與動畫短片設(shè)計技術(shù)精粹（周國棟編著.人民郵電出版社，2007），則借閱了4次，問卷結(jié)果是41人想借閱。因此，在進(jìn)行知識書目推薦時，需要從這些約簡后的類目中分別挑選借閱最多的前幾本書目，組合起來作為推薦內(nèi)容，才能滿足讀者真正的需要。

4 結(jié)語

本文利用粗糙集理論中的知識依賴度約簡方法對某專業(yè)讀者群借閱歷史數(shù)據(jù)進(jìn)行挖掘，獲得其學(xué)科體系結(jié)構(gòu)知識，并通過比較，發(fā)現(xiàn)相應(yīng)學(xué)科體系結(jié)構(gòu)建設(shè)中的不足之處，促使學(xué)科結(jié)構(gòu)體系建設(shè)更加合理、完善。如果利用所得的知識進(jìn)行推送服務(wù)，則能夠根據(jù)學(xué)生知識結(jié)構(gòu)的變化進(jìn)行預(yù)判，做到有的放矢，提高服務(wù)質(zhì)量。當(dāng)然，本文還有一些問題尚待解決，如表4類目順序變化的真正原因是什么，蘊(yùn)含了哪些知識？小說等文學(xué)類中哪些知識是教育技術(shù)學(xué)專業(yè)的本質(zhì)需要，如何合理設(shè)計它在學(xué)科體系結(jié)構(gòu)的布局等？相關(guān)問題有待進(jìn)行下一步更深入的研究。

參考文獻(xiàn)：

[1]陳錦，吳揚揚. Apriori算法在高校圖書館圖書推薦中的應(yīng)用[J]. 河南科技學(xué)院學(xué)報：自然科學(xué)版，2012，40（4）：9092.

[2]趙彥輝. 基于流通數(shù)據(jù)挖掘的讀者閱讀興趣本體模型構(gòu)建[J]. 圖書情報工作， 2012，56（3）：121125.

[3]張紅燕. 關(guān)聯(lián)規(guī)則挖掘在高校圖書館借閱流通中的應(yīng)用[J]. 數(shù)字技術(shù)與應(yīng)用，2012（5）：76，78.

[4]薛琴榮，李響. 基于數(shù)據(jù)挖掘技術(shù)的圖書館個性化借閱服務(wù)研究[J]. 情報探索，2013（4）：110113.

[5]楊昌順. 聚類分析在圖書館讀者群體細(xì)分中的研究和應(yīng)用[J]. 貴州師范學(xué)院學(xué)報，2012，28（6）：1117.

[6]蔣細(xì)芳，劉羽，馮現(xiàn)坤. 基于時間序列的圖書館個性化服務(wù)研究[J]. 軟件導(dǎo)刊，2011，10（5）：125126.

[7]柳炳祥. 基于數(shù)據(jù)挖掘的圖書館個性化服務(wù)系統(tǒng)[J]. 現(xiàn)代情報，2007（3）：108109.

[8]李龍澍，王慧萍，徐怡. 二進(jìn)制可分辨矩陣的最小屬性約簡算法[J]. 計算機(jī)技術(shù)與發(fā)展，2010，20（6）：9396，100.

[9]苗奪謙，李道國. 粗糙集理論、算法與應(yīng)用[M]. 北京：清華大學(xué)出版社，2008.

[10]唐彬，李龍澍. 啟發(fā)式屬性約簡算法完備性和規(guī)則發(fā)現(xiàn)算法的研究[J]. 計算機(jī)工程與應(yīng)用，2003（30）：191194，229.

[11]石紅. 關(guān)于粗糙集理論及應(yīng)用問題的研究[J]. 計算機(jī)工程， 2003，29（3）：13，29.

[12]成新文，陳國超，李琦. 關(guān)于粗糙集的理論及應(yīng)用研究[J]. 煤炭技術(shù)， 2010，29（10）：198200.

[13]淮北師范大學(xué)教育學(xué)院教育技術(shù)學(xué)專業(yè)培養(yǎng)方案[EB/OL]. http：//210.45.128.5/edu/pxjd/show.asp？id=25，2013422.

[14]中國圖書館分類法編輯委員會. 中國圖書館分類法[M]. 第4版. 北京： 書目文獻(xiàn)出版社，1999.

責(zé)任編輯（責(zé)任編輯：黃 健）