發布時間：2019-10-09所屬分類：管理論文瀏覽：1次
摘 要： 摘要：本文為提升圖書館用戶的智慧服務水平，結合我國智慧圖書館的發展現狀，在收集智慧圖書館用戶數據的基礎上，構建基于聚類算法的智慧圖書館用戶分析模型，利用SPSS軟件對智慧圖書館的用戶數據進行了K-means聚類分析， 將智慧圖書館的用戶分為三類并歸納
摘要：本文為提升圖書館用戶的智慧服務水平，結合我國智慧圖書館的發展現狀，在收集智慧圖書館用戶數據的基礎上，構建基于聚類算法的智慧圖書館用戶分析模型，利用SPSS軟件對智慧圖書館的用戶數據進行了K-means聚類分析， 將智慧圖書館的用戶分為三類并歸納總結了各類型用戶的行為特征，針對不同的用戶提出了差異化的服務策略。
關鍵詞：聚類分析;智慧圖書館;用戶分類;K-means聚類
0 引言
大數據帶來的信息革命已經滲透進了人們的工作、生活的各個行業，并帶來了驚人的利益，數據對于行業的未來發展來說，有著推動創新、轉型升級，隨之提升行業活力的關鍵作用。在大數據時代，“數據驅動決策”是大勢所趨，因而數據挖掘能力在各行各業的決策中顯得尤為重要。
《大數據產業發展規劃(2016-2020年)》提出利用大數據改造傳統產業、培育新動能，這符合我國社會發展的客觀需要，對實現創新驅動行業轉型發展意義重大，前景廣闊�！段幕�“十三五”時期文化科技創新規劃》中明確指出，圖書館要以自身的數據資源為主要內容，加強大數據采集、清洗、分析、共享、可視化的研發，提升大數據技術服務能力和應用開發水平，發展文化大數據。
對于圖書館行業來說，我國圖書館發展的重點已從資源建設轉變為服務，提供差異化服務的智慧圖書館是未來圖書館發展的必然形態[1]。然而，差異化服務必須建立在了解用戶的基礎上，在大數據時代，需要對用戶狀態、行為的相關數據進行采集、分析和利用，才能更好地滿足用戶的需求，推動圖書館服務的創新和轉型升級。因此，對用戶的信息數據進行數據分析和挖掘，建立智慧圖書館用戶分析模型，歸納總結用戶的行為特征和行為模式，對用戶的信息需求提供個性化的智慧服務，提升服務能力，實現圖書館轉型升級，成為當前環境下圖書館面臨的主要問題。
1 智慧圖書館的內涵與服務
“智慧圖書館”(Smarter Library)源于2009年IBM“智慧地球”(Smarter Planet)概念的提出。一般認為，智慧圖書館是大數據時代圖書館服務的一種狀態，即可以認為提供智慧服務的圖書館就是智慧圖書館[2]。“智慧”是信息技術發展到一定階段的一種自然屬性，信息技術發展的高級狀態就是智能化，一個擁有智能化服務的圖書館就表現為智慧圖書館[3]。圖書館的智慧服務通常是指在合適的時間、合適的地點以合適的方式向讀者提供其所需的資源或服務，整個過程以一種自動化、人性化、個性化和交互式的方式提供，通過對用戶數據、資源數據和相應的服務數據進行聚類，結合歷史信息或其他盡可能利用到的數據進行挖掘分析而實現的自動化、個性化、智能化的讀者服務[4]。
智慧圖書館的概念雖已提出多年，在學術界，從2011年起研究成果逐漸增多形成熱點，研究成果豐碩，然而從目前的實踐情況來看，智慧圖書館的發展仍處于初期探索階段，在實踐方面依然有很長的路要走。即使是在智慧圖書館實踐方面走在前列的上海圖書館及上海交大圖書館能提供的智慧服務也比較有限。對于智慧圖書館需提供哪些具體的智慧服務，學術界尚沒有統一的標準。
一般來說，智慧圖書館提供的智慧服務具備泛在化的特征，即通過多樣化的方式讓用戶在任何地方、任何時間都能獲得滿意的服務。服務的界限擴大化、泛在化，應用網絡信息技術實現圖書館資源定位、推送、定制和管理等智能化服務，以物聯網技術為基礎將圖書館資源、人員、設備等各要素整合起來，甚至可以引入虛擬現實和增強現實技術，實現服務空間的虛實結合，在計算機模擬的圖書館空間中為用戶提供智慧化的信息資源[5]。
當然，智慧圖書館提供智慧服務的前提是對用戶的深度了解。在大數據環境下，為更好地服務圖書館的用戶，就必須要找出用戶的特征，通過一些統計分析方法將用戶隱藏在數據中的特征挖掘出來，從而對用戶進行細分。分類用戶服務是實現個性化服務的前期階段，為進一步實現個性化服務作準備。
2 基于聚類算法的智慧圖書館用戶分析模型構建
2.1 K-means聚類算法的基本思想
聚類是一種涉及數據點分組的數據分析技術，給定一組數據點，聚類算法可以將每個數據點分類到圖像中的特定組中，同一組中的數據點應具有相似的屬性和特征，不同組中的數據點的屬性和特征差異度高。 當前數據科學家應用最廣泛的聚類算法有K-means聚類、Mean-shift聚類、DBSCAM基于密度的聚類、EM聚類、層次聚類等。Kmeans聚類算法具有在代碼中容易理解和實現的優點，可以處理大量數據集，具有很好的可伸縮性，且簡單快速，是當前最知名的聚類算法。在對智慧圖書館的用戶進行分類時，可采用K-means聚類算法嘗試對用戶進行分類，然后根據每類用戶的特征，決定其服務策略。
K-means算法是一種較典型的逐點修改迭代的動態聚類算法，其算法的基本步驟如下：①從數據集中隨機取k個元素，作為k個簇各自的中心;②分別計算剩下元素到k 個簇中心的相異度，將這些元素分別劃歸到相異度最低的簇;③根據聚類結果，重新計算k個簇各自的中心，計算方法是取簇中所有元素各自維度的算術平均數;④將數據集中全部元素按照新的中心重新聚類;⑤重復第4步，直到聚類結果不再變化;⑥輸出結果[6]。
2.2 智慧圖書館用戶分析模型構建
圖書館在長期的讀者服務過程中，積累了大量的信息數據，包括用戶的年齡、職業、學歷、借閱量、借閱時長、流通借閱歷史、電子文獻下載量、微信圖書館訪問量、移動圖書館上線天數、移動圖書館上線時長等。這些數據可以作為用戶分類的依據來進行數據挖掘。分析模型如圖1。
首先， 采集智慧圖書館用戶群體的樣本信息數據， 導入到數據處理軟件中，進行簡單的清洗。
其次，因為K-means聚類的變量要求必須是連續性變量，可選擇對用戶的年齡、借閱量、借閱時長、流通借閱歷史、電子文獻下載量、微信圖書館訪問量、移動圖書館上線天數、移動圖書館上線時長等連續性的變量的數據進行“描述性統計”，將各變量的標準化得分另存為變量，即將原始數據標準化。標準化的作用是使各個變量之間具有綜合性，避免不同變量數據本身的大小差異影響聚類結果。
再次，根據需要選取用戶信息中合適的變量，要求必須是連續性變量，即在一定區間內可以任意取值的變量，其數值是連續不斷的。
最后，設定K值，即需要的分類數，進行K-means聚類，輸出聚類結果。
.3 智慧圖書館用戶聚類案例分析
3.1 聚類的實現
以筆者所在江西經濟管理干部學院圖書館的2017級學生用戶為例，隨機抽取100 位學生的信息來進行聚類分析。
SPSS為IBM公司推出的一系列用于統計學分析運算、數據挖掘、預測分析和決策支持任務的軟件產品及相關服務的總稱。 該研究采用當前最新版本的IBM SPSS Statistics軟件來進行統計分析與數據挖掘。比如，以錄取分數、年借閱量、移動圖書館上線天數為變量， 以學生編號為個案標注依據， 最大迭代次數設置為 100， 聚類數設置為3， 進行聚類分析。 其中錄取分數為該學生高考進入大學的錄取分數， 年借閱量為在圖書館管理系統中記錄的2017年9 月1日至2018年8月30日的借閱圖書的數量， 移動圖書館上線天數為該學生2017年9月1日至2018年8月26 日間在本校圖書館手機APP上線使用的天數累計。
首 先 使 用SPSS軟 件 對 原 始 用戶的“錄取分數”、“年借閱量”、“移動圖書館上線天數”三列數據進行標準化，使用軟件中的“描述性統計”—“描述”來操作，將標準化后的數據另存為變量，再對標準化后的數據進行“K均值聚類”操作。聚類結果如圖2所示，100名用戶被分為了三類，每一類的用戶數目如圖 3所示。
3.2 聚類結果分析
根據標準化值還原成原始數據，聚類中心點的高考總分、年借閱量、移動圖書館上線天數如圖4所示。
第一類用戶的聚類中心點 高考總分為374分，年借閱量為22本，移動圖書館上線天數為26天。這類用戶的高考錄取分數中等，且在圖書館借閱紙質書籍的數量中等，移動圖書館上線天數中等，人數在樣本中所占的比例為33%，暫可以將這類用戶歸納為智慧圖書館的普通型用戶。
第二類用戶的聚類中心點高考總分為285分，年借閱量為8本，移動圖書館上線天數為37天。這類用戶的高考錄取分數偏低，且在圖書館借閱紙質書籍的數量也較少，但移動圖書館上線天數稍多，人數在樣本中所占比例為57%。這類用戶閱讀紙質書較少，但利用網絡進行數字化閱讀偏多，暫可以歸納為智慧圖書館的網絡型用戶。
第三類用戶的聚類中心點高考總分為387分，年借閱量為35本，移動圖書館上線天數為142天。這類用戶無論高考錄取分數、圖書館書籍借閱量還是移動圖書館上線天數在三類用戶中都是最高的，人數在樣本中所占比例僅為10%。這類用戶利用圖書館資源的頻率最高，暫可以歸納為智慧圖書館的學術型用戶。
4 智慧圖書館用戶服務策略
對用戶來說，智慧圖書館的用戶服務水平主要取決于一系列智慧產品和智慧服務，智慧產品是指各種裝備于圖書館的智慧型設備設施，如24小時自助圖書館、參考咨詢機器人等;智慧服務則體現在新一代圖書館服務系統中，除了提供館藏資源的智慧服務，智能化的空間服務也越來越重要，如自動用戶感知和個性化推送等，已成為智慧圖書館服務的創新內容[7]。智慧圖書館服務體系主要由一系列智慧產品和智慧服務、圖書館業務管理系統和智能樓宇系統組成。
智慧服務強調的是針對用戶的個性化服務。國內學者的研究中，智慧圖書館用戶智慧服務的內容大致包括依靠RFID等室內、室外定位技術實現消息推送、館內導覽、讀者行為分析、情景式信息素養培訓和館內導航等基于位置的服務，基于智能機器人等的智能化體驗，基于移動智能終端的智慧圖書館移動信息服務，多種身份認證服務、數據庫及挖掘服務、文件信息服務個性化服務等人性化服務[8]。
基于以人為本及個性化服務的思想，在身份認證和生物識別的基礎上，對于不同類型的用戶來說，智慧圖書館采取的服務策略應該是有所差異的，這也是用戶細分的意義所在。
對普通型用戶來說，學習成績較好，對于紙質書的使用率處于中等水平，對于電子型信息資源的偏好性較低。智慧圖書館應在滿足用戶基本信息需求的基礎上加強讀書推廣活動、知識講座活動、技能培訓活動的舉辦，提升讀者的知識和技能。在圖書館大樓功能導航上較偏重于紙質書籍的閱讀，對借閱書庫、閱覽室給予較優先排序。
相關論文推薦：高校智慧圖書館建設構想分析
摘要：我國高校圖書館經過數十年的建設，已基本完成了從傳統圖書館向數字圖書館的轉變，信息科學的快速發展，智慧圖書館正逐漸成為圖書館發展的新趨勢。因此通過智慧圖書館的概念、特點及建設現狀分析，提出如何通過智慧圖書館建設，更好的發揮高校服務功能的構想。
對網絡型用戶來說，對手機、電腦等電子產品的依賴性較高，人數在學生群體中占一半以上，這是因為隨著網絡技術、計算機技術的普及，手機、電腦、Pad等電子產品對于1995年后出生的大學生來說是最常用的生活、學習工具。對于這類用戶，智慧圖書館應加強對趣味性知識、碎片化閱讀知識內容的推送，組織的讀書活動應盡量借助網絡媒體為平臺進行推廣與舉辦。在館內功能導航時可以給予電子閱覽室、電子閱讀機等優先排序。
對學術型用戶來說，這類用戶在學生群體中只占10%，屬于精英型用戶，在入館時對借閱書庫、閱覽室有興趣的概率更高，在圖書館功能導航時應給予優先排序。由于學習成績優異、專業知識掌握較扎實，對專業性、學術性信息感興趣的概率更高，可在微信圖書館、移動圖書館App等的信息推送中優先推送一些具有專業性、學術型的知識或活動消息。同時在微信圖書館、移動圖書館App及圖書館網站、數據庫等所有網絡型資源的頁面上都可以對專業性的知識給予優先排序。
SCISSCIAHCI
