高校圖書館流通數(shù)據(jù)挖掘的新思路

1、<p>　　高校圖書館流通數(shù)據(jù)挖掘的新思路</p><p>　　〔摘要〕圖書館流通數(shù)據(jù)是圖書館業(yè)務(wù)流程優(yōu)化的重要依據(jù)之一，對(duì)其分析方法層出不窮，但用于指導(dǎo)圖書館實(shí)踐活動(dòng)的甚少。本文通過參考與借鑒情報(bào)學(xué)基本定律與分析方法，重新定義并建立基于圖書借閱頻次的評(píng)價(jià)指標(biāo)，即圖書半衰期、圖書集合普賴斯指數(shù)、圖書滯架指數(shù)、圖書h指數(shù)，以及基于讀者借閱次數(shù)與行為的分析方法，即讀者h(yuǎn)指數(shù)等指標(biāo)和圖書耦合/共現(xiàn)網(wǎng)絡(luò)模型，從

2、而提高對(duì)高校圖書館流通數(shù)據(jù)的分析能力和組織能力，希冀為優(yōu)化采購(gòu)和布局配置，向讀者提供積極、主動(dòng)、個(gè)性化信息服務(wù)提供新的思路。 </p><p>　　〔關(guān)鍵詞〕OPAC數(shù)據(jù)；流通數(shù)據(jù)；高校圖書館；評(píng)價(jià)指標(biāo) </p><p>　　DOI：10.3969/j.issn.1008-0821.2013.10.033 </p><p>　　〔中圖分類號(hào)〕G251.5〔文獻(xiàn)標(biāo)識(shí)碼

3、〕A〔文章編號(hào)〕1008-0821（2013）10-0143-06 </p><p>　　圖書館借閱信息是伴隨著圖書館門戶公開化而誕生的副產(chǎn)品，但其在館藏采購(gòu)、館藏管理、讀者需求分析等方面具有不可忽視的作用。隨著圖書館資源和管理數(shù)字化進(jìn)程加快，每日都會(huì)從圖書館管理系統(tǒng)中產(chǎn)生龐雜的表單信息，如何讓信息從無序到有序，便于從中了解讀者借閱興趣與傾向、館藏圖書的利用率，有必要對(duì)流通數(shù)據(jù)進(jìn)行深度剖析。但是對(duì)于借閱數(shù)據(jù)的深度

4、挖掘停留在研究層面的較多，付諸指導(dǎo)圖書館實(shí)踐的較少，為了避免陷入數(shù)據(jù)豐富但信息貧乏的尷尬局面，圖書館有必要增強(qiáng)對(duì)流通數(shù)據(jù)的分析能力和組織能力，并以此為客觀依據(jù)，向讀者提供積極、主動(dòng)、個(gè)性化信息服務(wù)，這也與泛在圖書館所要求打破被動(dòng)服務(wù)壁壘，提高以讀者驅(qū)動(dòng)為導(dǎo)向的主動(dòng)服務(wù)意識(shí)的宗旨相一致[1-2]。 </p><p>　　1圖書館借閱數(shù)據(jù)利用現(xiàn)狀 </p><p>　　目前國(guó)內(nèi)外學(xué)者對(duì)于圖書館

5、流通數(shù)據(jù)的分析主要從以下4個(gè)方面開展： </p><p>　　1.1利用統(tǒng)計(jì)學(xué)概念分析借閱數(shù)據(jù) </p><p>　　制定若干統(tǒng)計(jì)指標(biāo)對(duì)圖書館流通數(shù)據(jù)進(jìn)行頻次分析是最常見也是最簡(jiǎn)便的方法，且統(tǒng)計(jì)結(jié)果具有一定參考價(jià)值。如對(duì)圖書館流通數(shù)據(jù)中的宏觀人次、書次指標(biāo)進(jìn)行統(tǒng)計(jì)，可以了解館藏利用和讀者用書的總體狀況；對(duì)個(gè)人借書、單本圖書借閱指標(biāo)進(jìn)行統(tǒng)計(jì)，能夠揭示不同讀者借閱特點(diǎn)和各類圖書的利用率；對(duì)高校

6、范圍內(nèi)（非）出版物的引文進(jìn)行統(tǒng)計(jì)，可以直觀得出本館館藏對(duì)校內(nèi)讀者的滿足率[3-5]。 </p><p>　　1.2采用數(shù)據(jù)挖掘技術(shù)進(jìn)行讀者需求分析 </p><p>　　大多數(shù)圖書館管理系統(tǒng)都是事務(wù)處理型[6]，主要應(yīng)用于日常業(yè)務(wù)操作，而數(shù)據(jù)倉(cāng)庫(kù)是分析處理型，能夠從無序數(shù)據(jù)流中挖掘出讀者和圖書館員感興趣的信息：如建立一種基于模式識(shí)別中Mercer核聚類算法的自動(dòng)分類和統(tǒng)計(jì)分析法，按照中圖法

7、22個(gè)大類對(duì)館藏圖書類型和借閱記錄進(jìn)行量化編碼，實(shí)現(xiàn)讀者群分類以及對(duì)讀者借閱文獻(xiàn)類型、流量進(jìn)行實(shí)時(shí)監(jiān)測(cè)和統(tǒng)計(jì)[7]；或建立事務(wù)數(shù)據(jù)庫(kù)，基于Apriori算法[8-9]、改進(jìn)算法FP-Growth[10]、鄰接矩陣[11]等挖掘圖書借閱數(shù)據(jù)的關(guān)聯(lián)規(guī)則，進(jìn)而構(gòu)建各學(xué)科書籍之間的關(guān)聯(lián)度以及讀者對(duì)圖書信息資源的借閱模式[12-14]。 </p><p>　　1.3利用聚類法對(duì)讀者和圖書進(jìn)行細(xì)分 </p>&

8、lt;p>　　有學(xué)者利用Clementine兩步聚類模型對(duì)高校讀者進(jìn)行聚類分析，將其分為積極型、一般型和消極型3類[15]，或利用系統(tǒng)聚類算法建立圖書館讀者細(xì)分模型[16-17]，并針對(duì)不同類型的讀者開展個(gè)性化服務(wù)，如制定不同借閱規(guī)則、賦予不同借閱權(quán)限；或利用K-means算法分別對(duì)圖書和讀者進(jìn)行了聚類，從中分析圖書的借閱規(guī)律、讀者借閱圖書的某種傾向及讀者是否活躍，從而制定出相應(yīng)的決策，以便有針對(duì)性地豐富館藏資源和優(yōu)化館藏布局，并

9、為圖書館開展個(gè)性化服務(wù)提供參考[18-19]。 </p><p>　　1.4借鑒情報(bào)學(xué)評(píng)價(jià)指標(biāo)分析流通數(shù)據(jù) </p><p>　　由美國(guó)學(xué)者Hirsh J提出的h指數(shù)最初用于評(píng)價(jià)科學(xué)家個(gè)人的學(xué)術(shù)成就[20]，隨后經(jīng)過多位學(xué)者在實(shí)證研究和理論分析基礎(chǔ)上進(jìn)行擴(kuò)展和延伸，h指數(shù)被成功應(yīng)用到學(xué)術(shù)期刊評(píng)價(jià)、學(xué)術(shù)機(jī)構(gòu)評(píng)價(jià)和專利質(zhì)量評(píng)估等方面[21-22]，而h指數(shù)的思想與方法在圖書管理中也值得借鑒。國(guó)

10、內(nèi)有學(xué)者利用評(píng)價(jià)指標(biāo)h指數(shù)分析圖書借閱數(shù)據(jù)，統(tǒng)計(jì)分析讀者群h指數(shù)與圖書集合h指數(shù)，揭示不同讀者群的借閱活躍度、不同圖書集合的核心讀者以及不同讀者群的核心圖書，客觀反應(yīng)圖書利用狀況和讀者借閱情況，體現(xiàn)圖書集合和讀者群的個(gè)性化特點(diǎn)[23]；由于h指數(shù)具有測(cè)算時(shí)間區(qū)域的敏感性，還可用于監(jiān)測(cè)圖書集合隨時(shí)間變化其借閱指標(biāo)的波動(dòng)情況[24]。 </p><p>　　以上用于流通數(shù)據(jù)分析的方法各有利弊：基于統(tǒng)計(jì)學(xué)的頻次排序法雖

11、然能夠揭示最熱門圖書和讀者信息，但圖書副本數(shù)、新舊程度、排架位置、讀者借閱權(quán)限等因素都會(huì)干擾統(tǒng)計(jì)結(jié)果，且無法在圖書集合或讀者群之間進(jìn)行客觀比較；利用數(shù)據(jù)挖掘技術(shù)、聚類算法和關(guān)聯(lián)分析挖掘讀者借閱模式、不同學(xué)科圖書間關(guān)聯(lián)以及細(xì)分讀者類型等，對(duì)于圖書館員的技術(shù)背景、操作規(guī)范上有較高要求，結(jié)果受人為參數(shù)設(shè)定影響較大，且不夠直觀；而借鑒h指數(shù)對(duì)圖書借閱數(shù)據(jù)進(jìn)行分析，將圖書集合和讀者群視為評(píng)價(jià)對(duì)象，客觀比較圖書集合和讀者群之間差異，且對(duì)特定時(shí)間段的

12、波動(dòng)較為敏感，但其在館藏老化進(jìn)度、剔舊選擇、排架優(yōu)化等管理方面難以提供建設(shè)性意見，所以希望找出操作簡(jiǎn)便、通用性強(qiáng)，同時(shí)具有直觀性與客觀性的分析方法。 </p><p>　　2情報(bào)學(xué)基本定律橫向移植的可行性分析 </p><p>　　筆者認(rèn)為，圖書與期刊文獻(xiàn)作為信息和知識(shí)的載體，在利用與傳播的過程中具有相似的特征：隨著新知識(shí)的涌現(xiàn)，期刊文獻(xiàn)與圖書普遍存在老化現(xiàn)象，文獻(xiàn)的老化可以根據(jù)利用率和被

13、引頻次來測(cè)算，圖書的老化則可以通過借閱頻次和趨勢(shì)來反映，此外，同被引聚類分析是把若干文獻(xiàn)看作是具有相同屬性的集合，中圖分類法也是將主題相似的圖書歸為一類；讀者與文獻(xiàn)同樣也具有相似特征，讀者每次借閱的圖書可以反映出借閱傾向，則圖書可看作是讀者借閱行為的基本元素，而文章所提供的關(guān)鍵詞能夠體現(xiàn)文章主體思想，則關(guān)鍵詞可看作是文章的基本知識(shí)單元[25]，關(guān)鍵詞具有詞耦合與詞共現(xiàn)現(xiàn)象，那么可以假設(shè)圖書借閱也有對(duì)應(yīng)的圖書耦合與圖書共現(xiàn)情況，所以我們認(rèn)

14、為適用于文獻(xiàn)信息的相關(guān)定律在圖書借閱中也可參照借鑒，甚至可以建立適用于圖書的老化定律、學(xué)科圖書半衰期和圖書普賴斯指數(shù)、館藏圖書滯架指數(shù)、圖書集合h指數(shù)、讀者群h指數(shù)、圖書借閱耦合/共現(xiàn)模型等分析方法和評(píng)價(jià)指標(biāo)，為館藏圖書管理、讀者需求分析與服務(wù)提供新的解決思路。 　　3基于圖書被借的指標(biāo)研究 </p><p>　　3.1圖書老化規(guī)律研究 </p><p>　　圖書館大部分館藏文獻(xiàn)是在逐漸

15、老化的，其利用率極低，這主要是圖書館文獻(xiàn)對(duì)讀者而言缺乏新穎性、針對(duì)性和實(shí)用性造成的，老化圖書不僅占據(jù)了圖書館有限的閱覽空間，加大了管理成本，而且給讀者查找圖書帶來不便，甚至影響到了圖書館的工作效率與窗口形象，所以及時(shí)剔除老化文獻(xiàn)、吐故納新是保持圖書館旺盛生命力的重要環(huán)節(jié)。圖書文獻(xiàn)的老化可以利用絕對(duì)流通量、平均利用率等指標(biāo)來測(cè)度，但以單本圖書為研究對(duì)象或把所有圖書均一化看待的方法容易造成唯新是從的現(xiàn)象，而根據(jù)文獻(xiàn)26的研究結(jié)果[26]，每

16、種館藏圖書從入藏至完全失去使用價(jià)值時(shí)的平均借閱次數(shù)S=K/b，K表示抽樣當(dāng)年每種圖書的利用次數(shù)，b為一常數(shù)，可見館藏圖書利用率與統(tǒng)計(jì)當(dāng)年每種圖書的利用次數(shù)正相關(guān)，所以頻繁采購(gòu)?fù)愋?、相似?nèi)容圖書是促進(jìn)圖書老化的重要因素之一。筆者認(rèn)為只有研究不同類型圖書的老化趨勢(shì)與特點(diǎn)，優(yōu)化采購(gòu)配置，才能真正提高高校圖書館的文獻(xiàn)利用率。 </p><p>　　3.2學(xué)科圖書半衰期 </p><p>　　19

17、60年，巴爾頓和開普勒提出了文獻(xiàn)情報(bào)的半衰期概念[27]：某學(xué)科或?qū)I(yè)現(xiàn)今仍在利用的全部文獻(xiàn)中較新的一半是在多長(zhǎng)一段時(shí)間內(nèi)發(fā)表的（共時(shí)半衰期），與該學(xué)科一半文獻(xiàn)失效所經(jīng)歷時(shí)間相當(dāng)（歷時(shí)半衰期）。也可借鑒文獻(xiàn)半衰期的概念定義學(xué)科圖書半衰期：特定統(tǒng)計(jì)時(shí)間段內(nèi)，某學(xué)科或主題圖書集合仍在流通（包括借閱與歸還）的全部圖書中教新的一半是在多長(zhǎng)時(shí)間內(nèi)出版的（共時(shí)半衰期）；某學(xué)科或主題圖書集合一半圖書失去使用價(jià)值，即不再流通所經(jīng)歷的時(shí)間（歷時(shí)半衰期）。

18、并且可以利用作圖法（所有測(cè)試數(shù)據(jù)均取自于北京大學(xué)醫(yī)學(xué)圖書館Unicorn系統(tǒng)），以某學(xué)科圖書出版年為橫坐標(biāo)，統(tǒng)計(jì)時(shí)間段內(nèi)被借閱累積頻次或累積百分比為縱坐標(biāo)，繪制學(xué)科圖書共時(shí)半衰期圖（圖1）；以圖書被借閱年代為橫坐標(biāo)，統(tǒng)計(jì)截止時(shí)間之前被借閱累積頻次或累積百分比為縱坐標(biāo)，繪制學(xué)科圖書歷時(shí)半衰期圖（圖2），其中累積百分比達(dá)到50%的點(diǎn)所對(duì)應(yīng)橫坐標(biāo)，即為半衰期觀測(cè)點(diǎn)，從圖1和圖2可以大致估算出R36病理學(xué)類圖書的半衰期為8年。1圖1R36類圖書

19、共時(shí)半衰期圖1 </p><p>　　1圖2R36類圖書歷時(shí)半衰期圖1 </p><p>　　3.3圖書普賴斯指數(shù) </p><p>　　普賴斯指數(shù)是度量文獻(xiàn)老化速度與程度的指標(biāo)，在文獻(xiàn)計(jì)量學(xué)研究中，普賴斯將被引文獻(xiàn)分成有現(xiàn)時(shí)作用的文獻(xiàn)和檔案性文獻(xiàn)，前者是指文獻(xiàn)在其出版的5年內(nèi)被引用，后者則是指出版5年后仍被引用，現(xiàn)時(shí)作用的文獻(xiàn)在總文獻(xiàn)中的比值即為普賴斯指數(shù)，可見普

20、賴斯指數(shù)越大，該學(xué)科文獻(xiàn)老化越快。借鑒普賴斯指數(shù)的機(jī)理，定義學(xué)科圖書普賴斯指數(shù)：某統(tǒng)計(jì)時(shí)間段內(nèi)某類被借閱的圖書（如R4類圖書）中出版不超過X年的圖書數(shù)量占全部被借閱圖書的比例。其中X的確定，應(yīng)以特定圖書館某統(tǒng)計(jì)時(shí)間段內(nèi)所有流通的圖書為大樣本，統(tǒng)計(jì)較新的一半圖書的最早出版年代，則當(dāng)前統(tǒng)計(jì)時(shí)間與其差值為X。該指標(biāo)還適用于其他圖書集合，如特定出版社的圖書、特定作者出版的圖書等。 </p><p>　　3.4館藏圖書滯架

21、時(shí)限 </p><p>　　隨著館藏圖書老化，圖書的利用率和借閱量降低，這不僅占據(jù)了有限的借閱空間，而且增加了管理成本和難度，故大部分高校圖書館都會(huì)定期進(jìn)行剔舊工作，但剔舊并不完全等同于剔除陳舊或破損的圖書。美國(guó)圖書館專家特魯斯威爾提出了藏書利用的二八法則：在圖書館的全部藏書中大約有20%的圖書能夠滿足近80%讀者的需求，而其余80%的圖書僅能夠滿足20%讀者的需求。因此，剔除利用率低的圖書才是館藏剔舊的重點(diǎn)，而

22、研究表明，滯架時(shí)限是衡量館藏利用率和剔舊數(shù)量的最佳指標(biāo)[28]。滯架時(shí)限指的是單本圖書最后流通時(shí)間（借閱日期或還書日期）與統(tǒng)計(jì)截止日期之間的差值，默認(rèn)圖書借閱時(shí)限為30天，并不可續(xù)借，滯架時(shí)限的統(tǒng)計(jì)區(qū)間為0～11個(gè)月（如表1）。 </p><p>　　3.5學(xué)科圖書h指數(shù) </p><p>　　h指數(shù)是J.E.Hirsh于2005年提出的一項(xiàng)旨在評(píng)價(jià)科學(xué)家個(gè)人績(jī)效的指標(biāo)，其定義為[20]：

23、將科學(xué)家S發(fā)表的論文按照被引次數(shù)從高到低的順序排列，相同被引次數(shù)的論文具有不同的序列號(hào)，當(dāng)且僅當(dāng)前h篇論文每篇論文的被引次數(shù)至少為h，同時(shí)第h+1篇論文的被引次數(shù)小于h+1時(shí)，則科學(xué)家S的h指數(shù)值為h。通過上文的可行性分析，我們認(rèn)為特定類型的圖書集合也可以有“h指數(shù)”：將某時(shí)間段內(nèi)某主題圖書（如中圖法R322）按照借閱頻次進(jìn)行排序（多副本圖書采用借閱頻次/副本數(shù)的值作為的相對(duì)借閱頻次），相同借閱次數(shù)的圖書具有不同序號(hào)（按照出版時(shí)間倒序排

24、列），形成圖書數(shù)量與借閱頻次的數(shù)據(jù)序列，參照h指數(shù)原定義，當(dāng)且僅當(dāng)前h本圖書每本借閱頻次至少為h，同時(shí)第h+1本書借閱頻次小于h+1時(shí)，該主題圖書的h指數(shù)為h。如表2所示，統(tǒng)計(jì)時(shí)間段內(nèi)，某類圖書至少有4本被至少借閱4次，則該類圖書的h指數(shù)為4，那么可以確定該類圖書中借閱頻次大于等于4的為核心圖書。此外，時(shí)間段可以設(shè)定為年度、學(xué)期、月份，從而揭示特定時(shí)期的借閱需求特征，甚至可以制定圖書與時(shí)間的關(guān)聯(lián)規(guī)則，在圖書管理系統(tǒng)中進(jìn)行薦閱與提示。&l