基于Apriori算法的圖書館讀者借閱信息分析

喻正紅

摘 要：高校圖書館在每天的讀者借閱服務(wù)中都會(huì)產(chǎn)生大量的用戶數(shù)據(jù)，這些數(shù)據(jù)隱藏著一些與用戶相關(guān)的知識(shí)，而數(shù)據(jù)挖掘技術(shù)在分析處理數(shù)據(jù)方面有著自己強(qiáng)大的優(yōu)勢(shì)。通過(guò)利用Apriori算法對(duì)這些數(shù)據(jù)進(jìn)行科學(xué)分析，不僅可以得出讀者的借閱規(guī)律、借閱特點(diǎn)，而且把它作為選擇購(gòu)買數(shù)字、紙質(zhì)資源，調(diào)整服務(wù)策略，開(kāi)展個(gè)性化推送服務(wù)等工作的參考標(biāo)準(zhǔn)，使得讀者的信息需求能夠更加快速、有效、完整地得到滿足。同時(shí)還可以為圖書館提供科學(xué)管理的依據(jù)，優(yōu)化圖書館的資源結(jié)構(gòu)，提高圖書館紙本圖書和電子資源利用率。

關(guān)鍵詞：數(shù)據(jù)挖掘；圖書館；行為分析；Apriori算法

隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的出現(xiàn)和發(fā)展，大量數(shù)據(jù)庫(kù)應(yīng)用系統(tǒng)隨之出現(xiàn)，面對(duì)數(shù)據(jù)規(guī)模爆炸式的增長(zhǎng)趨勢(shì)，傳統(tǒng)的小樣本專家驗(yàn)證式統(tǒng)計(jì)分析已不能適應(yīng)從大數(shù)據(jù)中發(fā)現(xiàn)知識(shí)為人類服務(wù)的要求。運(yùn)用數(shù)據(jù)挖掘技術(shù)對(duì)圖書館讀者數(shù)據(jù)進(jìn)行挖掘，能有效地解決這個(gè)問(wèn)題。研究針對(duì)湖南工程學(xué)院圖書館管理系統(tǒng)的讀者數(shù)據(jù)，旨在分析讀者借閱記錄中找出蘊(yùn)藏的對(duì)于管理有用的規(guī)則、描述，對(duì)讀者借閱行為做出分析，挖掘出潛在的有用信息，為圖書購(gòu)買、用戶服務(wù)、館藏目錄設(shè)置等管理工作提供決策支持，為日常圖書館信息服務(wù)提供決策參考，使圖書館朝著自動(dòng)化、數(shù)字化和信息化的方向發(fā)展。鑒于讀者借閱信息的屬性均是數(shù)值型數(shù)據(jù)，挖掘技術(shù)選用能有效處理數(shù)值型數(shù)據(jù)的關(guān)聯(lián)規(guī)則算法。

關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的一種，它從大量的數(shù)據(jù)中挖掘出有價(jià)值的、描述數(shù)據(jù)項(xiàng)之間相互聯(lián)系的有關(guān)知識(shí)[1]。Apriori算法是關(guān)聯(lián)規(guī)則挖掘算法中最經(jīng)典的算法，此算法使用頻繁項(xiàng)集性質(zhì)的先驗(yàn)知識(shí)，通過(guò)逐層搜索的迭代方法來(lái)查找頻繁項(xiàng)集[2]。由于關(guān)聯(lián)規(guī)則具有以下特點(diǎn)：形式簡(jiǎn)潔、易于解釋和理解、并且可以非常高效捕捉數(shù)據(jù)與數(shù)據(jù)之間的關(guān)系，所以近年來(lái)數(shù)據(jù)挖掘領(lǐng)域的一個(gè)熱點(diǎn)就是從大數(shù)據(jù)庫(kù)中挖掘關(guān)聯(lián)規(guī)則之間的理論。通過(guò)應(yīng)用關(guān)聯(lián)規(guī)則的Apriori 算法在數(shù)據(jù)挖掘中，對(duì)讀者借閱信息進(jìn)行數(shù)據(jù)分析。使用最小支持度和最小置信度對(duì)頻繁項(xiàng)集進(jìn)行挖掘，并且從中尋找存在的關(guān)系和規(guī)則，以用于指導(dǎo)今后的圖書采購(gòu)和推薦。

1 Apriori算法

Apriori算法在挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集中是最有影響的一種的算法?；趦呻A段頻集思想的遞推算法是這個(gè)算法的核心。該關(guān)聯(lián)規(guī)則在分類上屬于單維、單層、布爾關(guān)聯(lián)規(guī)則。在這里，所有支持度大于最小支持度的項(xiàng)集稱為頻繁項(xiàng)集，簡(jiǎn)稱頻集。Apriori尋找頻繁項(xiàng)集的過(guò)程是一個(gè)不斷迭代的過(guò)程，每次都是兩個(gè)步驟，產(chǎn)生候選集Ck（可能成為頻繁項(xiàng)集的項(xiàng)目組合）；基于候選集Ck計(jì)算支持度、確定Lk。Apriori的尋找策略就是從包含少量的項(xiàng)目開(kāi)始逐漸向多個(gè)項(xiàng)目的項(xiàng)目集搜索[3]。

算法的基本思想可以歸納為：第一步找出所有頻集，把和預(yù)定義的最小支持度一樣的頻集找出來(lái)。第二步由頻集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則，這些規(guī)則必須滿足最小可信度和最小支持度。第三步中利用第一步找到的頻集所產(chǎn)生期望的規(guī)則，產(chǎn)生只包含集合的項(xiàng)的所有規(guī)則，其中每一條規(guī)則的右部只有一項(xiàng)。這些規(guī)則被生成以后，留下來(lái)的只有那些大于用戶給定的最小可信度的規(guī)則。使用遞歸的方法來(lái)生成所有頻集。

由于以上算法中，存在產(chǎn)生侯選項(xiàng)目集時(shí)循環(huán)產(chǎn)生的組合過(guò)多等問(wèn)題，我們對(duì)Apriori算法中尋找最大項(xiàng)目集做了以下改進(jìn)：

第一步：對(duì)所有含一個(gè)元素的項(xiàng)目出現(xiàn)的頻率進(jìn)行統(tǒng)計(jì)，把大于或等于最小支持度的項(xiàng)目集找出來(lái)，產(chǎn)生一維頻繁項(xiàng)目集Lt。

第二步：對(duì)頻繁項(xiàng)目集做循環(huán)處理，直到?jīng)]有再產(chǎn)生維數(shù)更高的情況。

第三步：按Apriori算法再檢驗(yàn)新的K 維頻繁項(xiàng)目集的所有k-1維項(xiàng)目集是否已經(jīng)包含在已經(jīng)求出的K-1維頻繁項(xiàng)目集。

第四步：經(jīng)過(guò)運(yùn)算得到候選項(xiàng)目集后，掃描數(shù)據(jù)庫(kù)B的每一個(gè)事務(wù)，如果該事務(wù)中包含候選項(xiàng)目集Ck中的元素不少于一項(xiàng)，就保留該項(xiàng)事務(wù)，否則把該事物記錄與沒(méi)有作刪除標(biāo)記的數(shù)據(jù)庫(kù)末端事務(wù)記錄進(jìn)行對(duì)換，并把移到數(shù)據(jù)庫(kù)末端的事務(wù)記錄作刪除標(biāo)記，對(duì)整個(gè)數(shù)據(jù)庫(kù)進(jìn)行掃描，完成后作為新的事務(wù)數(shù)據(jù)庫(kù)D[4]。

我們可以看到本算法的思路基本上與Apriori算法保持一致，但是又有不同之處。

第一，新算法在計(jì)算組合Ck前，將對(duì)參與組合的元素進(jìn)行計(jì)數(shù)處理，根據(jù)計(jì)數(shù)結(jié)果從中剔除一些不符合組合條件的元素，這就降低了組合的可能性，也就是降低了循環(huán)判斷的次數(shù)。

第二，新算法雖然對(duì)數(shù)據(jù)庫(kù)進(jìn)行了掃描后會(huì)生產(chǎn)新的數(shù)據(jù)庫(kù)，這樣在記錄重寫中會(huì)浪費(fèi)時(shí)間和輸入、輸出的開(kāi)銷，但是隨著循環(huán)次數(shù)的增加，本算法對(duì)新生成的數(shù)據(jù)庫(kù)中進(jìn)行掃描時(shí)會(huì)減少很多的掃描次數(shù)。

2 Apriori算法在讀者借閱信息中的應(yīng)用

數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)來(lái)源為湖南工程學(xué)院圖書館2015年讀者借閱數(shù)據(jù)，在電氣學(xué)院系和管理學(xué)院中隨機(jī)抽取兩個(gè)院系進(jìn)行分析，一方面可以針對(duì)不同時(shí)間的數(shù)據(jù)進(jìn)行分析，另一方面，由于高校圖書館學(xué)生讀者群體所學(xué)專業(yè)不同，學(xué)習(xí)動(dòng)機(jī)、興趣、愛(ài)好的不同，因而形成了個(gè)人意識(shí)傾向和心理素質(zhì)的差異，因此在借閱活動(dòng)中表現(xiàn)出不同的心理需求，構(gòu)成了不同的讀者群體特征。由于文科和理科學(xué)生學(xué)習(xí)的特點(diǎn)有不同的地方，所以分別在文科院系和理科院系中抽出一個(gè)典型作為代表，這樣可以針對(duì)性地對(duì)不同學(xué)生群體進(jìn)行分析，得出相應(yīng)的結(jié)論。數(shù)據(jù)時(shí)間范圍為2014年12月-2015年12月，數(shù)據(jù)源為湖南工程學(xué)院圖書館管理系統(tǒng)數(shù)據(jù)庫(kù)，導(dǎo)出數(shù)據(jù)格式為TXT文本格式。

數(shù)據(jù)處理：利用 Apriori算法來(lái)對(duì)圖書館讀者借閱信息進(jìn)行關(guān)聯(lián)規(guī)則的挖掘，檢查以上數(shù)據(jù)，經(jīng)過(guò)篩選加工、統(tǒng)一數(shù)據(jù)格式，去掉冗余數(shù)據(jù)以及不合理數(shù)據(jù)，分析所需要的信息后，分別建立讀者信息表、借閱圖書詳情表、圖書信息表，進(jìn)行數(shù)據(jù)分析工作，將各種表導(dǎo)入excel數(shù)據(jù)庫(kù)中，完成一些查詢的工作。

3 總結(jié)

基于關(guān)聯(lián)規(guī)則的Apriori 算法應(yīng)用領(lǐng)域非常廣泛，將它對(duì)數(shù)據(jù)的關(guān)聯(lián)性進(jìn)行分析和挖掘后的結(jié)果在制定決策過(guò)程中具有重要的參考價(jià)值[5]。本文將Apriori算法應(yīng)用到圖書館讀者借閱記錄中，并且針對(duì)經(jīng)典Apriori挖掘算法存在的不足進(jìn)行了改進(jìn)，先將事務(wù)數(shù)據(jù)庫(kù)映射為一個(gè)布爾矩陣，用一種逐層遞增的思想來(lái)動(dòng)態(tài)的分配內(nèi)存進(jìn)行存儲(chǔ)，再利用向量求"與"運(yùn)算，尋找頻繁項(xiàng)集。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的Apriori算法在運(yùn)行效率上有了很大的提升，挖掘出的規(guī)則也可以有效地輔助圖書館部門有針對(duì)性的開(kāi)展圖書購(gòu)買和推薦工作。

參考文獻(xiàn)

[1]陳德良，鄧德勝，劉永紅.大學(xué)畢業(yè)生就業(yè)影響因素的關(guān)聯(lián)規(guī)則挖掘[J]. 教育與業(yè)，2012

[2]亓文娟，晏杰.數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則Apriori算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2013

[3]楊光，張學(xué)潮. 數(shù)據(jù)挖掘在高校圖書館用戶行為分析中的應(yīng)用[J]. 晉圖學(xué)刊，2011，3：19-22

[4]張瑞雪.數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則算法研究及應(yīng)用[D].哈爾濱： 哈爾濱工程大學(xué)碩士學(xué)位論文，2006

[5]李宏運(yùn).關(guān)聯(lián)規(guī)則挖掘在圖書館管理中的應(yīng)用[D].上海： 華東師范大學(xué)碩士學(xué)位論文，2009

[6]付開(kāi)遠(yuǎn).數(shù)據(jù)挖掘在高校圖書館個(gè)性化信息服務(wù)中的應(yīng)用研究[D]. 貴州： 貴州大學(xué)碩士學(xué)位論文，2010

[7]趙艷. Apriori算法在學(xué)生成績(jī)分析中的應(yīng)用[J].河北企業(yè)，2015，9：10