基于大數(shù)據(jù)挖掘的圖書館服務質量動態(tài)感知模型研究

亓北林

（中國石油大學（華東）圖書館，山東青島 266555）

隨著圖書館信息化管理水平的不斷提升，對圖書館的服務質量監(jiān)控和管理提出了更高的要求。對圖書館服務質量動態(tài)感知模型的研究，建立在對圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)采集和信息融合的基礎上，傳統(tǒng)方法中，對圖書館服務質量的態(tài)勢動態(tài)信息智能感知方法主要有分塊特征匹配的圖書館服務質量態(tài)勢感知方法、基于模糊C 均值的圖書館服務質量態(tài)勢聚類感知分析方法等[1]，建立圖書館服務質量態(tài)勢動態(tài)信息智能感知算法，采用相似度特征分析方法，進行圖書館服務質量態(tài)勢動態(tài)信息智能感知。但傳統(tǒng)方法進行圖書館服務質量態(tài)勢動態(tài)信息智能感知的智能性不好，特征辨識能力不強[2]，對此，該文提出基于大數(shù)據(jù)挖掘的圖書館服務質量態(tài)勢動態(tài)信息智能感知方法。采用基于多樣本特征信息的采樣方法構建圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)采集模型，采用局部信息擬合方法，進行圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)狀態(tài)融合和特征匹配[3-5]，結合大數(shù)據(jù)挖掘模型實現(xiàn)圖書館服務質量動態(tài)感知模型設計，最后進行仿真測試分析，其展示了該文方法在提高圖書館服務質量動態(tài)感知能力方面的優(yōu)越性能。

1 圖書館服務質量動態(tài)信息采集和特征分析

1.1 圖書館服務質量動態(tài)信息采集

為了實現(xiàn)基于大數(shù)據(jù)平臺的圖書館服務質量態(tài)勢動態(tài)信息智能感知，采用基于多樣本特征信息的采樣方法構建圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)采集模型，結合圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)的特征分布，進行圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)的綜合信息采樣和特征分析[6]，采用模糊信息演化聚類分析方法，進行圖書館服務質量態(tài)勢動態(tài)信息智能感知，結合模式識別方法，建立圖書館服務質量態(tài)勢動態(tài)信息智能感知模型[7]，以提高圖書館服務質量態(tài)勢動態(tài)信息智能感知和信息管理能力，采用聚類分析法對圖書館服務質量動態(tài)信息進行采集以及動態(tài)篩選，實現(xiàn)結構圖如圖1 所示。

圖1 圖書館服務質量動態(tài)信息采集示意圖

采用模糊信息融合方法，進行圖書館服務質量態(tài)勢輔助決策[8]，圖書館服務質量動態(tài)感知的特征量為將圖書館服務質量動態(tài)感知問題轉化為凸優(yōu)化問題，如式（1）：

結合空間模糊度特征檢測方法，進行圖書館服務質量動態(tài)感知過程中的運維參數(shù)分析[9]，提取圖書館服務質量動態(tài)感知的模糊信息參數(shù)集，得到最優(yōu)尋優(yōu)參數(shù)，結合模糊信息特征提取方法，進行圖書館服務質量動態(tài)感知，得到圖書館服務質量態(tài)勢分布特征量滿足且存在，使得圖書館服務質量態(tài)勢動態(tài)解分別用代替P1和P2的最優(yōu)解[10]，記為圖書館服務質量動態(tài)感知的模糊度滿足

圖書館服務質量動態(tài)感知的最優(yōu)解記為，滿足根據(jù)上述分析，進行圖書館服務質量態(tài)勢動態(tài)信息智能采集，根據(jù)信息采集結果進行動態(tài)信息融合和檢測[11]。

1.2 圖書館服務質量動態(tài)大數(shù)據(jù)聚類特征分析

采用網(wǎng)格分塊聚類方法進行圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)聚類分析，對采集的圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)進行模糊信息分類識別和特征分布式融合處理[12]，采用模糊參數(shù)尋優(yōu)方法，進行圖書館服務質量動態(tài)感知控制，得到圖書館服務質量動態(tài)感知輸出的穩(wěn)定條件：且不存在，此時，圖書館服務質量態(tài)勢解可以等價轉換為的有限集函數(shù)，從而代替P1和P2的最優(yōu)解，記為圖書館服務質量動態(tài)感知問題具有特征解集，且其特征解集應該滿足

對圖書館服務質量動態(tài)感知的特征解{W1,W2}和{Tr1,Tr2}的優(yōu)化問題進行線性規(guī)劃設計，在最優(yōu)解約束下，得到圖書館服務質量動態(tài)感知的特征解問題為{W1,W2}和{Tr1,Tr2}，根據(jù)線性規(guī)劃模型，進行圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)聚類分析[13]，得到聚類函數(shù)為：

其中，F(xiàn)表示聚類函數(shù)，H 表示矩陣耦合，根據(jù)式（2）給出的信息聚類結果，進行圖書館服務質量動態(tài)感知和深度學習，篩選出對圖書館服務質量影響較大的核心因素，為構建圖書館服務質量個性化評價機制提供數(shù)據(jù)支撐。

1.3 圖書館服務質量個性化評價機制構建

基于上文構建的圖書館服務質量動態(tài)大數(shù)據(jù)聚類特征分析模型，同時考慮圖書館用戶量較大且用戶類型差異性較大，立足新媒體時代下圖書館服務需求呈現(xiàn)的若干新特征，構建了一種新的圖書館服務質量個性化評價機制。為了較好地量化圖書館服務質量，把圖書館服務質量個性化評價問題視為多因素約束下的最優(yōu)策略選擇問題，形成閉合的良性循環(huán)反饋機制，為圖書館服務質量的穩(wěn)定提升提供評價支撐。該機制聚焦圖書館新媒體資源與大數(shù)據(jù)挖掘背后的服務質量提升之間的邏輯對應關系，理清了圖書館服務質量提升與核心影響因素之間的隱性關聯(lián)[14]，為圖書館服務質量動態(tài)感知及評價提供了一種定量化途徑。圖書館服務質量個性化評價機制涵蓋新媒體背景下的新媒體資源與新興讀者受眾服務的提升之間的對應關系、圖書館新媒體服務從業(yè)人員的專業(yè)知識及自身素質與提升圖書館整體服務質量之間的邏輯對應關系等，為構建個性化及定量化的圖書館服務質量評價體系提供了重要補充。

2 圖書館服務質量動態(tài)感知算法優(yōu)化

2.1 圖書館服務質量動態(tài)感知的大數(shù)據(jù)挖掘構建

通過精準收集讀者興趣的數(shù)據(jù)，分析讀者的潛在服務需求，構建具有多源異構屬性的圖書館服務質量大數(shù)據(jù)池，為圖書館服務質量的提升提供前置數(shù)據(jù)支撐。構建圖書館服務質量態(tài)勢動態(tài)信息統(tǒng)計分析數(shù)據(jù)庫，提取圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)的信息熵，采用自適應參數(shù)融合方法[15]，得到圖書館服務質量動態(tài)感知的深度學習函數(shù)為：

該問題的最優(yōu)解具有閉合形式，圖書館服務質量動態(tài)感知的最優(yōu)特征量為Trj，采用演化學習方法進行圖書館服務質量動態(tài)感知求解，且有：

其中，當i=1時，μi滿足最優(yōu)聚類約束條件，圖書館服務質量動態(tài)感知大數(shù)據(jù)融合聚類問題描述為：

根據(jù)離散度分布思想構建服務質量大數(shù)據(jù)挖掘機制，求得prj(k)與pri(k)的最優(yōu)值，根據(jù)大數(shù)據(jù)挖掘的重構關系，進行圖書館服務質量動態(tài)感知。

2.2 圖書館服務質量動態(tài)感知

根據(jù)提取的圖書館服務質量態(tài)勢動態(tài)信息熵分布特征解進行大數(shù)據(jù)挖掘模型的構造，首先對所有的特征解進行歸一化改造，保證滿足，圖書館服務質量動態(tài)感知的特征變量定義為μ1、μ2和μm，其中，μ1、μ2表示常規(guī)控制變量，μm表示模糊控制變量，則圖書館服務質量動態(tài)感知尋優(yōu)問題滿足如下公式：

提取圖書館服務質量態(tài)勢動態(tài)信息熵分布特征解，然后對其進行大數(shù)據(jù)挖掘模型構造[16]，圖書館服務質量動態(tài)感知的空間演化模型可以用封閉公式表示，則有：圖書館服務質量動態(tài)感知的最優(yōu)策略滿足：

基于式（7）并且使用自適應加權的強化學習方法，得到圖書館服務質量動態(tài)感知的過程控制函數(shù)，如式（8）：

其中，μm滿足收斂解。采用空間分布式融合方法，實現(xiàn)圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)信息感知，優(yōu)化分量管理。

3 仿真實驗與結果分析

為了多維度驗證該文所提方法在實現(xiàn)圖書館服務質量動態(tài)感知中的應用性能，對模型進行仿真實驗分析，仿真分析基于Matlab 7 環(huán)境設計，圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)的采樣樣本數(shù)為1 200，模糊相似度系數(shù)為0.25，特征匹配系數(shù)為0.82，對服務質量態(tài)勢數(shù)據(jù)融合聚類的迭代次數(shù)為200，根據(jù)上述參數(shù)設定，進行圖書館服務質量動態(tài)感知[17]，構建面向圖書館服務質量態(tài)勢感知的動態(tài)大數(shù)據(jù)挖掘機制，基于圖書館讀者滿意度歷史運維數(shù)據(jù)，構建具有大數(shù)據(jù)屬性特征的圖書館服務質量動態(tài)感知數(shù)據(jù)池，進而得到圖書館服務質量動態(tài)感知大數(shù)據(jù)采樣結果，具體如圖2 所示。

圖2 圖書館服務質量動態(tài)感知大數(shù)據(jù)

以圖2 中的數(shù)據(jù)為研究對象，進行圖書館服務質量動態(tài)感知，對采集的圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)進行模糊信息分類識別和特征分布式融合處理[18]，提取圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)的信息熵，得到信息感知結果，如圖3 所示。

圖3 圖書館服務質量動態(tài)感知結果

分析圖3 可知，采用該文方法進行圖書館服務質量動態(tài)感知的融合度水平較高，抗干擾性較好。測試圖書館服務質量動態(tài)感知的準確性，對比結果如表1 所示，分析表1 可知，采用該文方法進行圖書館服務質量動態(tài)感知的準確性較高，信息分類管理能力較好，其提高了圖書館服務質量動態(tài)管理水平。

表1 圖書館服務質量動態(tài)感知準確性對比

4 結論

為了提高服務質量態(tài)勢分析和動態(tài)監(jiān)測水平，該文提出基于大數(shù)據(jù)挖掘的圖書館服務質量動態(tài)感知模型。采用模糊信息融合方法，進行圖書館服務質量態(tài)勢輔助決策，采用模糊參數(shù)尋優(yōu)方法，進行圖書館服務質量動態(tài)感知控制，提取圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)的信息熵，根據(jù)提取的圖書館服務質量態(tài)勢動態(tài)信息熵分布特征量進行大數(shù)據(jù)挖掘模型的構造，采用空間分布式融合方法，實現(xiàn)圖書館服務質量態(tài)勢動態(tài)大數(shù)據(jù)信息感知，優(yōu)化分量管理。研究表明，采用該文方法進行圖書館服務質量動態(tài)感知的準確性較高，信息分類管理能力較強，其在圖書館服務質量動態(tài)管理中具有很好的應用價值。