摘 要：圖書(shū)借閱量是評(píng)價(jià)圖書(shū)館服務(wù)的重要參考指標(biāo)，而數(shù)據(jù)分析與智能計(jì)算可以得到圖書(shū)借閱量與入藏量的某種擬合關(guān)系。通過(guò)數(shù)據(jù)降維處理與人工智能訓(xùn)練，可以量化這種擬合。最后，對(duì)圖書(shū)館員提出相應(yīng)的改善措施，進(jìn)而提高圖書(shū)的借閱量。

關(guān)鍵詞：圖書(shū)；借閱量；智能計(jì)算；數(shù)據(jù)分析

基金項(xiàng)目：陜西省教育廳專項(xiàng)科研計(jì)劃項(xiàng)目（編號(hào)：16JK1521）。

0 引言

高校圖書(shū)館的圖書(shū)借閱量是評(píng)價(jià)其服務(wù)的重要參考指標(biāo)，如何更好地服務(wù)高校師生閱讀，提高圖書(shū)館文獻(xiàn)資源的使用量，是圖書(shū)館員需要思考的重要問(wèn)題。因此研究圖書(shū)館圖書(shū)借閱量的統(tǒng)計(jì)數(shù)據(jù)，分析其發(fā)展變化規(guī)律，對(duì)于圖書(shū)借閱量的管理工作具有重要意義。

國(guó)內(nèi)諸多學(xué)者對(duì)圖書(shū)借閱量開(kāi)展大量研究工作。田梅采用支持向量機(jī)作為建模工具，利用混沌時(shí)間序列理論對(duì)圖書(shū)借閱流量行為進(jìn)行建模[1]。張惠玲為精準(zhǔn)獲取各類圖書(shū)的剔舊書(shū)齡，構(gòu)建圖書(shū)平均借閱次數(shù)和書(shū)齡之間的回歸模型[2]。鄒梅利用神經(jīng)網(wǎng)絡(luò)技術(shù)，通過(guò)分析影響圖書(shū)借閱量的幾大要素得到最可靠的邏輯表達(dá)式，進(jìn)而預(yù)測(cè)下年度的借閱量[3]。鄧奇強(qiáng)等對(duì)依據(jù)文獻(xiàn)老化定律，利用TP類圖書(shū)的老化曲線方程預(yù)測(cè)其借閱量[4]。李靜利用Excel函數(shù)，闡述了回歸方程的計(jì)算方法及圖書(shū)館借閱量的預(yù)測(cè)趨勢(shì)曲線[5]。

在上述研究中，已有學(xué)者采用智能計(jì)算方法，如支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)技術(shù)等，但這些方法技術(shù)依然存在一些缺點(diǎn)，在輸入數(shù)據(jù)維度較高時(shí)，容易導(dǎo)致其計(jì)算網(wǎng)絡(luò)結(jié)構(gòu)臃腫，造成訓(xùn)練擬合欠缺[6]。而數(shù)據(jù)降維方法可以優(yōu)選出與目標(biāo)因素關(guān)聯(lián)度較高的影響因素，從而剔除影響較小的指標(biāo)，達(dá)到簡(jiǎn)化學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的目的。因此，本文混合數(shù)據(jù)降維和智能方法探討圖書(shū)借閱量計(jì)算。

1 圖書(shū)借閱量

圖書(shū)借閱量是全校師生借閱圖書(shū)的總冊(cè)次數(shù)，影響其數(shù)值的因素有很多，最為直接的即為圖書(shū)館新入藏的圖書(shū)數(shù)量。新入藏的圖書(shū)數(shù)量是由文獻(xiàn)資源建設(shè)部門(mén)進(jìn)行調(diào)研后展開(kāi)訂購(gòu)工作，其采購(gòu)工作主要是按照中圖法的22個(gè)基本大類進(jìn)行。由于每年采購(gòu)圖書(shū)的數(shù)量種類不同，因此每年這22個(gè)大類的新入藏圖書(shū)量也有相應(yīng)的變化，從而直接影響到該年的圖書(shū)借閱量。而通過(guò)歷年的數(shù)據(jù)分析其規(guī)律變化，可以獲取到圖書(shū)借閱量與這22個(gè)基本大類圖書(shū)入藏量的某種擬合關(guān)系。

2 研究步驟

為了獲取上述這種擬合關(guān)系，文章通過(guò)數(shù)據(jù)分析與智能計(jì)算進(jìn)行探討。研究步驟主要包括下述幾個(gè)方面：數(shù)據(jù)預(yù)處理，獲取歷年的圖書(shū)入藏量與借閱量；數(shù)據(jù)降維，將圖書(shū)入藏量的22個(gè)數(shù)據(jù)盡可能保留其特征分布的情況下，減少數(shù)據(jù)輸入數(shù)量；智能方法訓(xùn)練，主要采用人工神經(jīng)網(wǎng)絡(luò)等方法對(duì)已有數(shù)據(jù)進(jìn)行訓(xùn)練擬合；測(cè)試，將訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試，驗(yàn)證其正確性。

2.1 數(shù)據(jù)降維

數(shù)據(jù)降維是指高維數(shù)據(jù)化為低維度數(shù)據(jù)的操作，常用的數(shù)據(jù)降維方法有2種，灰色關(guān)聯(lián)分析與主成分分析，分述如下：

（1）灰色關(guān)聯(lián)分析：根據(jù)因素之間發(fā)展趨勢(shì)的相似或相異程度來(lái)衡量因素間關(guān)聯(lián)程度的一種方法。其計(jì)算步驟包括：a.確定參考數(shù)列和比較數(shù)列；b.無(wú)量綱化處理；c.求灰色關(guān)聯(lián)系數(shù)；d.求關(guān)聯(lián)度，即關(guān)聯(lián)系數(shù)的平均值；e.關(guān)聯(lián)度排序。

（2） 主成分分析：一種線性輸入降維技術(shù)，它的目的是將高維數(shù)據(jù)投影到較低維空間，即求得一個(gè)k維特征的變換矩陣，這個(gè)變換矩陣可以將特征從高維降到低維。特征向量都是正交的，通過(guò)求取樣本矩陣的協(xié)方差矩陣，可以獲得協(xié)方差矩陣的特征向量，構(gòu)成變換矩陣。

2.2 智能方法訓(xùn)練

智能方法訓(xùn)練主要是對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過(guò)已知的輸入數(shù)據(jù)和輸出結(jié)果（圖書(shū)借閱量）對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)。常用的人工神經(jīng)網(wǎng)絡(luò)有BP神經(jīng)網(wǎng)絡(luò)以及近年興起的深度學(xué)習(xí)，分述如下：

（1）BP神經(jīng)網(wǎng)絡(luò)：多層前饋神經(jīng)網(wǎng)絡(luò)，信號(hào)前向傳遞，誤差反向傳播。根據(jù)預(yù)測(cè)誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值。拓?fù)浣Y(jié)構(gòu)一般為3層的神經(jīng)元單位組成，其訓(xùn)練步驟包括：a.網(wǎng)絡(luò)初始化；b.隱含層輸出計(jì)算；c.輸出層輸出計(jì)算；d.誤差計(jì)算；e.權(quán)值更新；f.閾值更新；g.判斷算法是否結(jié)束，若沒(méi)有結(jié)束，返回b。

（2）深度學(xué)習(xí)[7]：深度學(xué)習(xí)架構(gòu)由多層非線性運(yùn)算單元組成，每個(gè)較低層的輸出作為更高層的輸入，可以從大量輸入數(shù)據(jù)中學(xué)習(xí)有效的特征表示。深度學(xué)習(xí)具有許多優(yōu)點(diǎn)：a.實(shí)現(xiàn)高變函數(shù)等復(fù)雜高維函數(shù)的表示；b.減少計(jì)算的復(fù)雜度；c.人類大腦皮層的最好模擬；d.在類似的不同任務(wù)中重復(fù)共享使用。典型的深度學(xué)習(xí)模型有卷積神經(jīng)網(wǎng)絡(luò)、DBN和堆棧自編碼網(wǎng)絡(luò)。

2.3 測(cè)試

為了檢驗(yàn)智能方法計(jì)算的準(zhǔn)確性，需要對(duì)數(shù)據(jù)進(jìn)行測(cè)試，與真實(shí)結(jié)果比對(duì)后才能確定智能計(jì)算的有效性。一般將數(shù)據(jù)分為3個(gè)部分：訓(xùn)練集（60%），驗(yàn)證集（20%）和測(cè)試集（20%），其中訓(xùn)練集和驗(yàn)證集的數(shù)據(jù)用于智能方法訓(xùn)練種，然后用沒(méi)有參加訓(xùn)練的測(cè)試集數(shù)據(jù)對(duì)訓(xùn)練好的智能方法進(jìn)行計(jì)算獲取輸出結(jié)果，以此評(píng)價(jià)智能計(jì)算方法的優(yōu)劣。

在得到訓(xùn)練好的有效智能計(jì)算方法后，可以通過(guò)輸入今年預(yù)定采購(gòu)的圖書(shū)入藏量計(jì)算相應(yīng)的圖書(shū)借閱量，不斷調(diào)整22個(gè)大類圖書(shū)的入藏?cái)?shù)量，將得到不同的借閱量值。因此，也幫助圖書(shū)館員進(jìn)行服務(wù)整改措施，最終達(dá)到提高圖書(shū)借閱量的目的。

3 結(jié)論

文章通過(guò)數(shù)據(jù)分析與智能計(jì)算闡述如何研究圖書(shū)借閱量與入藏量的擬合關(guān)系。通過(guò)數(shù)據(jù)降維處理與智能方法訓(xùn)練，可以量化這種擬合。在得到訓(xùn)練好的有效智能計(jì)算方法后，可以通過(guò)輸入預(yù)定采購(gòu)的圖書(shū)入藏量計(jì)算圖書(shū)借閱量。不斷調(diào)整這些圖書(shū)入藏?cái)?shù)量，將得到不同的借閱量值，進(jìn)而對(duì)圖書(shū)館員如何提高圖書(shū)借閱量有一定啟示。

參考文獻(xiàn)

[1]田梅.基于混沌時(shí)間序列模型的圖書(shū)借閱流量預(yù)測(cè)研究[J].圖書(shū)館理論與實(shí)踐，2013（7）：1-3，26.

[2]張惠玲.基于書(shū)齡分析的圖書(shū)剔舊實(shí)證研究[J].圖書(shū)館論壇，2013，33（4）：126-129.

[3]鄒梅.利用神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測(cè)圖書(shū)借閱量[J].蘭臺(tái)世界，2013（20）：135-136.

[4]鄧奇強(qiáng)，熊燕，郭鋒.文獻(xiàn)老化在圖書(shū)館書(shū)目挖掘中的應(yīng)用研究[J].圖書(shū)情報(bào)工作，2013，57（6）：91-96.

[5]李靜.Excel函數(shù)圖表功能在文獻(xiàn)統(tǒng)計(jì)預(yù)測(cè)中的應(yīng)用[J].內(nèi)蒙古科技與經(jīng)濟(jì)，2017（1）：97-99.

[6]史峰，王小川，郁磊，等.MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社，2010：11-20.

[7]劉建偉，劉媛，羅雄麟.深度學(xué)習(xí)研究進(jìn)展[J].計(jì)算機(jī)應(yīng)用研究，2014，31（7）：1921-1928.

作者簡(jiǎn)介

馬微（1988-），男，漢族，陜西銅川人，碩士，助理館員，研究方向：數(shù)據(jù)分析，圖書(shū)情報(bào)。endprint