吳旭東　陳正軍　馮璐遠(yuǎn)　李映曦

摘要：該文通過與學(xué)校網(wǎng)絡(luò)中心及教務(wù)處聯(lián)系，對(duì)學(xué)校圖書館數(shù)據(jù)庫與教務(wù)管理系統(tǒng)數(shù)據(jù)庫進(jìn)行對(duì)接。利用數(shù)據(jù)挖掘的常用算法BP神經(jīng)網(wǎng)絡(luò)算法，抽取圖書館數(shù)據(jù)庫中學(xué)生的借閱數(shù)據(jù)和教務(wù)管理數(shù)據(jù)庫中學(xué)生成績(jī)數(shù)據(jù)進(jìn)行分析。對(duì)學(xué)院陶瓷藝術(shù)設(shè)計(jì)專業(yè)400多名學(xué)生，在校期間20多門主干課程的成績(jī)與圖書借閱相結(jié)合，利用BP神經(jīng)網(wǎng)絡(luò)算法找出陶瓷藝術(shù)設(shè)計(jì)專業(yè)學(xué)生在校期間圖書借閱行為和學(xué)習(xí)成績(jī)之間的關(guān)系，并建立了學(xué)習(xí)預(yù)警機(jī)制，進(jìn)而為提高圖書館的讀者服務(wù)、學(xué)生的學(xué)習(xí)效果、學(xué)校的教學(xué)管理，提供一些參考性的建議。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；圖書借閱；學(xué)生成績(jī)；預(yù)警機(jī)制

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）36-0157-02

1 實(shí)驗(yàn)數(shù)據(jù)

通過對(duì)原數(shù)據(jù)庫的分析，該數(shù)據(jù)庫不能直接運(yùn)用SPSS Clementine進(jìn)行挖掘。對(duì)圖書館的數(shù)據(jù)庫中的數(shù)據(jù)和教務(wù)管理系統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行聯(lián)合操作，用SQL語言對(duì)讀者信息表、文獻(xiàn)信息表、條碼表、流通信息表、學(xué)生成績(jī)表進(jìn)行操作。如圖1通過SQL查詢分析器查詢所需要的記錄，為分析圖書館中圖書的借閱情況、學(xué)生成績(jī)情況，運(yùn)用數(shù)據(jù)庫的視圖功能建立虛擬表。

通過分析，發(fā)現(xiàn)數(shù)據(jù)庫視圖表中還存在一些問題，如果這些數(shù)據(jù)直接用于數(shù)據(jù)挖掘?qū)?duì)結(jié)果產(chǎn)生較大的影響。記錄中存在讀者借閱圖書重復(fù)的信息，某條記錄存在字段信息不全。鑒于以上問題，需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，以保證信息的準(zhǔn)確性，刪除重復(fù)、信息不全的記錄，如表1所示為學(xué)生成績(jī)的圖書館借閱表的部分信息。

2 神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)的全稱Artificial Neural Network，簡(jiǎn)稱ANN。神經(jīng)網(wǎng)絡(luò)系統(tǒng)是在1943年心理學(xué)家McCulloch和數(shù)學(xué)家Pitts提出的神經(jīng)元生物學(xué)模型（簡(jiǎn)稱M-P模型），已經(jīng)有70多年的歷史了。神經(jīng)網(wǎng)絡(luò)是由大量的處理單元（神經(jīng)元）互相連接而成的網(wǎng)絡(luò)。為了模擬大腦的基本特性，在神經(jīng)科學(xué)研究的基礎(chǔ)上，提出了神經(jīng)網(wǎng)絡(luò)的模型。根據(jù)連接方式不同，神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間的連接有前向網(wǎng)絡(luò)、有反饋的前向網(wǎng)絡(luò)、層內(nèi)有互相結(jié)合的前向網(wǎng)絡(luò)、相互結(jié)合型網(wǎng)絡(luò)幾種形式。BP網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò)， BP網(wǎng)絡(luò)具有三層或三層以上的神經(jīng)網(wǎng)絡(luò)，包括輸入層、中間層（隱含層）和輸出層。上下層之間實(shí)現(xiàn)全連接，每層神經(jīng)元之間無連接。當(dāng)一對(duì)學(xué)習(xí)樣本提供給網(wǎng)絡(luò)后，神經(jīng)元的刺激活值從輸入層經(jīng)各隱含層向輸出層傳播，在輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)。接下來，按照減少目標(biāo)輸出與實(shí)際誤差的方向，從輸出層經(jīng)過各中間層逐層修正各連接權(quán)值，最后回到輸入層，這種算法稱為“誤差逆向傳播算法”。所以，BP算法是隨著這種誤差逆的傳播修正不斷進(jìn)行，網(wǎng)絡(luò)對(duì)輸入模式響應(yīng)的正確率不斷上升。

3 實(shí)驗(yàn)過程

通過上述兩個(gè)算法分析，充分說明成績(jī)等級(jí)與圖書借閱行為高度相關(guān)。那么我們可以根據(jù)學(xué)習(xí)成績(jī)和借閱量建立一個(gè)學(xué)習(xí)預(yù)警機(jī)制，如果學(xué)生的學(xué)習(xí)成績(jī)較好，而他在圖書館的借閱量又非常低，那么自動(dòng)觸發(fā)預(yù)警機(jī)制。對(duì)此類學(xué)生進(jìn)行詳細(xì)查詢，圖書借閱量，專業(yè)課書籍借閱量數(shù)據(jù)，平時(shí)課堂表現(xiàn)，課后自學(xué)情況等分析，此類學(xué)生成績(jī)是否真實(shí)等。

利用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建模型，對(duì)準(zhǔn)備好的數(shù)據(jù)進(jìn)行挖掘，對(duì)數(shù)據(jù)源的各個(gè)字段類型進(jìn)行合適的設(shè)置?？紤]到學(xué)生專業(yè)學(xué)習(xí)成績(jī)和圖書借閱量有一定的聯(lián)系，那么可以通過學(xué)生的學(xué)習(xí)成績(jī)來預(yù)測(cè)圖書的借閱量。把陶瓷設(shè)計(jì)專業(yè)的學(xué)生的18門課程：設(shè)計(jì)素描、設(shè)計(jì)色彩、裝飾設(shè)計(jì)基礎(chǔ)、國畫山水、陶瓷產(chǎn)品造型設(shè)計(jì)與制作1、花鳥人物、設(shè)計(jì)美學(xué)、書法、裝飾雕塑、貼花紙?jiān)O(shè)計(jì)制作、陶瓷彩繪裝飾等課程成績(jī)作為輸入項(xiàng)，借閱量作為輸出量。如圖2、圖3所示。

訓(xùn)練樣本共349人，本學(xué)年陶瓷專業(yè)所有課程成績(jī)作為輸入層，共計(jì)18個(gè)神經(jīng)元，隱藏層有3個(gè)神經(jīng)元，輸出層有1個(gè)神經(jīng)元。建立BP神經(jīng)網(wǎng)絡(luò)模型，預(yù)測(cè)人數(shù)為88人，假設(shè)他們的借閱量是未知的，預(yù)測(cè)結(jié)果如圖4，準(zhǔn)確率為90.479%。其中紅色折線為未知預(yù)測(cè)借閱量，藍(lán)色為實(shí)際借閱量，預(yù)測(cè)的相對(duì)誤差平均值為1.88%，準(zhǔn)確率非常高。

利用神經(jīng)網(wǎng)絡(luò)建立學(xué)生學(xué)習(xí)成績(jī)與圖書借閱行為預(yù)警機(jī)制。如圖5所示，輸入課程成績(jī)，利用建立好的網(wǎng)絡(luò)模型預(yù)測(cè)學(xué)生借閱量，如果預(yù)測(cè)值與真實(shí)借閱量的差值在10以內(nèi)則說明正常，如果差值超過10，則開始預(yù)警，表示學(xué)生的學(xué)習(xí)成績(jī)與通常情況下圖書借閱量不符。認(rèn)真分析查找原因，首先查詢學(xué)生的詳細(xì)借閱記錄，看是否借閱過多非專業(yè)圖書而分散學(xué)習(xí)精力；其次，與學(xué)工處及輔導(dǎo)員聯(lián)動(dòng)查看該學(xué)生平時(shí)學(xué)習(xí)表現(xiàn)，或者是否參加課外補(bǔ)習(xí)和其他兼職活動(dòng)等，可以與輔導(dǎo)員或者學(xué)生本人進(jìn)行溝通，找出原因，提醒學(xué)生學(xué)習(xí)的方式方法，為學(xué)生更好而全面發(fā)展出謀劃策?？傊?，預(yù)警機(jī)制的建立為圖書館與學(xué)生學(xué)習(xí)效果之間建立了一座橋梁，為豐富學(xué)生的第二課堂產(chǎn)生了積極的影響。

4 結(jié)論

本文從圖書館數(shù)據(jù)庫中的借閱行為記錄出發(fā)，與教務(wù)處學(xué)生成績(jī)數(shù)據(jù)相結(jié)合，通過建立一些典型的模型來證明圖書借閱行為與成績(jī)等級(jí)高度相關(guān)，并得出了一些有趣的結(jié)論。利用神經(jīng)網(wǎng)絡(luò)BP算法建立訓(xùn)練樣本349人，預(yù)測(cè)人數(shù)為88人，準(zhǔn)確率為90.479%，預(yù)測(cè)的相對(duì)誤差平均值為1.88%，準(zhǔn)確率較高。通過課程成績(jī)來較準(zhǔn)確的預(yù)測(cè)學(xué)生的圖書借閱量，并在此基礎(chǔ)上建立了學(xué)習(xí)預(yù)警機(jī)制，提醒學(xué)生尤其是學(xué)習(xí)成績(jī)偏低的學(xué)生在學(xué)習(xí)過程中注意學(xué)習(xí)方式、方法。

參考文獻(xiàn)：

[1] Hu Peng，Song Xiaoquan.On PSO based BP neural network[C]//2nd International Conference on Precision Mechanical Instruments and Measurement Technology，Chongqing，China，2014：2413-2416.

[2] Liu Guiling，Gao Feng.PSO-BP combined artificial neural network method research[C]//3rd International Conference on Civil Engineering，Architecture and Building Materials，Jinan，China，2013：3537-3540.

[3] Wang H S，Wang Y N，Wang Y C. Cost Estimation of Plastic Injection Molding Partsthrough Integration of PSO and BP Neural Network[J].Expert Systems with Applications，2013，40（8）：418-428.

[4] 楊新涯，袁輝，等.高校學(xué)生成績(jī)與借閱行為關(guān)系的初步研究——以重慶大學(xué)為例[J].數(shù)字圖書館論壇，2013（9）.

[5] 藍(lán)石.社會(huì)科學(xué)定量研究的變量類型、方法選擇及范例解析[M].重慶大學(xué)出版社，2011.

[6] 黃斯達(dá).基于圖書館借書信息的學(xué)生成績(jī)挖掘模型研究[J].現(xiàn)代計(jì)算機(jī)，2008（10）.

[7] 唐海萍.基于數(shù)據(jù)挖掘技術(shù)在圖書館管理模式[J].現(xiàn)代情報(bào)，2008（9）：109-110

[8] 于徽.數(shù)據(jù)挖掘技術(shù)及其在圖書館的應(yīng)用[J].黑龍江科技信息，2008（9）：97-98

[9] 臧衛(wèi)華.數(shù)據(jù)挖掘技術(shù)在高校圖書館中的應(yīng)用研究[J].現(xiàn)代情報(bào)，2008（3）：38-39.