高校图书馆运用大数据技术提升专业读者服务水平

陈剑 江中君 伍乙生

摘要：大数据时代的来临，图书馆的服务模式也可能会出现的新的改变。将大数据的理念、大数据技术引入高校图书馆的资源评价、资源选择和综合管理中，建立大数据环境下的读者服务体系，以便更好地服务读者，特别是提升对专业读者的服务。该文通过运用大数据标签技术，通过对专业读者进行“读者画像”，构建数据挖掘模型，通过读者专业分析、读者借阅图书喜好分析，对读者推送个性化的借书指导，并指导制定书籍采购计划、优化书库管理，提升图书馆服务品质。

关键词：高校图书馆;大数据技术;客户画像;专业读者;服务水平

中图分类号：F49      文献标识码：A

文章编号：1009-3044（2020）34-0215-02

随着信息化时代的全面来临，电子书籍与纸质书籍的种类、数量都呈现爆发式增长。同时，随着社会精细化分工的加剧，尤其是专业领域工作的超细分，专业读者的数量急剧增加。图书馆作为读者获取知识点重要信息库，尤其是专业读者获取最新技术信息、科研成果的重要窗口，如何提升对读者，特别是专业读者的精细化服务，是当前图书馆品质服务提升的关键部分。作为信息提供方，如何为专业读者提供高品质的图书及期刊资源、避免专业读者被海量的信息淹没是服务核心。随着大数据技术的产生和应用，给图书馆工作提出了新的课题，传统的IT架构被改变、数据存储方式被打破，图书馆要适应信息生态的变化，需要运用大数据技术研究用户在新信息环境下的阅读需求，提供更具个性化的知识服务。[1]本校图书馆通过运用大数据技术中的“客户画像”技术，根据预约图书、借阅图书及日常在图书馆网站上下载期刊的习惯，构建“读者画像”，利用数据挖掘技术为读者提供个性化服务[2]，特别是为专业读者推送高质量的专业书籍，及时满足读者的需求。通过上述实践，不但最大限度地满足了读者需求，而且也使图书馆图书充分发挥了价值。通过应用大数据，既更好地服务了专业读者，也提升了高校图书馆信息化水平。

1读者画像技术简介

什么是读者画像？读者画像是通过对读者借阅书籍归类、读者职业分析、读者借阅时长及读者在期刊上发表文章等信息进行采集，通过打标签的方式描述出读者的使用喜好。喜好使用多个读者标签来组合，通过多标签组合，就形象地描绘出读者的借阅喜好和研究喜好，更方便地为读者进行推荐。

为使计算机容易处理相关信息，我们要对读者进行打标签，这是图书馆读者画像工作中非常有必要的一环，举例，我们可做专业读者分类的分类情况和专业读者最喜欢的书有哪些等之类的分类和统计工作。接下来，进一步对数据进行挖掘分析：如研究临床医学的学者喜欢的期刊有哪些？这个可以通过关联规则进行计算和分析;研究临床医学的学者每周在图书馆的停留时间多久？这个可以通过聚类算法进行计算和分析。大数据技术的实质就是依靠计算机进行计算，如何能让计算机可以“懂人”，标签就是其中一种能使计算机可以程序化分析和处理相关信息的工具，再通过特定的数学建模和智能算法，让计算机更加“懂人”。在计算机拥有“理解”人的技能后，就能对读者，特别是专业读者进行贴心服务。

2读者画像技术详细描述

运用读者画像技术，包括读者信息采集、数据源分析、目标分析、数据建模[3]、信息输出五个步骤，以下详细说明。

2.1信息采集

信息采集是读者画像的第一步，信息采集的优劣直接影响读者画像的准确度。在进行信息采集前，本校图书馆使用“专家评价法”并结合简单数据分析输出了具体采集明细。专家评价法通过头脑风暴活动，采集到读者画像最重要的信息。例如：读者的基本信息;检索查询、借阅记录;馆藏资源的使用频率、使用方式及使用种类;读者二次借阅图书的时间间隔等。确定采集信息种类后，对这些信息进行整合处理，形成客户画像分析数据源。

2.2数据源分析

构建用户画像是为了还原用户信息[3]。我们可以通过一种封闭性的分类方式来对读者相关数据进行分类，例如，对读者可以分成两类，第一类是学医的，第二类是不学医的;读者分两类：专业读者和业务读者。这样对读者进行分类，能在后面不断通过枚举和迭代，从而填补和完善不完整的信息维度。从而减少因对架构上各层的分类没有考虑周到而导致的维度缺漏，从而造成的可扩展性的隐患。同时，在选择分类方式时，要坚持按需划分的原则，可以根据业务和应用场景的不同，选择合适的分类方式。

在对读者进行画像时，可以把读者数据分为两类，动态和静态信息数据。

1）静态信息数据

静态信息数据是指读者数据中人口自身属性和阅读属性等能自成标签的信息，这些信息是不用通过建模和预测的，是真实存在的信息，只需要执行数据清洗就可以。

2）动态信息数据

读者不断变化的行为信息[4]，广义上讲，一位读者去了一趟图书馆，去之前在手机上查询了需要借阅的期刊;读者到图书馆寻找借阅到了期刊，借阅过程中又将相邻的图书借阅了一本;参考这些期刊，读者发表了一篇论文。诸如此均可看作读者的动态信息数据。

2.3目标分析

通过分析每个读者的行为，并最终为每个读者打上相应标签及标签对应的权重，这是为读者画像的目的。如，运动爱好者0.6、医学工作者 0.8等。

什么是标签，标签表征了相应的内容，例如读者对这个内容是否有偏好和需求、是否有兴趣等。

什么是权重，权重是通过指数来对可信度进行量化，在对读者画像时，是用来表征读者用户偏好和兴趣的程度。

2.4数据建模

通过数据挖掘可以将采集后的数据进行信息提炼，形成目标知识信息。数据建模是根据对信息的分析，通过运用数据模型，匹配读者标签，发现信息之间的关联，为指导图书馆精准读者服务提供科学依据。图书馆读者标签分析，常用的建模手段包括关联分析建模、分类分析建模、聚类分析建模、序列分析建模等方式。其中，关联分析建模最为常用。通过对读者的静态信息和动态使用行为进行关联分析，运用关联规则（表现为标签之间的关联规则，通常由贝叶斯分析和Apriori算法构成），能够协助图书馆管理者发现读者与图书、图书与图书、图书与期刊、图书大类之间的关系，并有效区分专业讀者和业余读者。通过采用标签关联分析，将读者群体细分以清晰把握不同读者群体间的信息需求，特别是专业读者的信息需求。通过对读者文献需求的资源利用情况和读者活跃度进行关联分析，合理优化图书馆馆藏资源配置，为读者提供个性化的资源信息服务，提升图书馆信息技术服务水平。

2.5信息输出

信息输出作为最终服务客户的目标指导，通过运用现代信息技术，有不同的信息展现方式。

1）通过读者个性化页面进行信息输出。对于在图书馆借阅网上注册的读者，设置读者个性化推荐专区。为读者推荐感兴趣的数据，发表的文章等信息。

2）通过手机等智能终端进行信息输出。主要服务专业读者，读者可以在智能终端设置书籍或期刊需求，当图书馆期刊到货后，就能通过推送短信或App信息等方式提醒读者，便于读者第一时间就能查阅、借阅到相关资料。

3基于画像技术的服务优化措施

通过对图书馆资料仓库中的海量信息进行梳理和挖掘，并运用读者画像技术进行精准推荐，在高校图书馆的应用范畴有以下几个方面。

3.1个性化图书、期刊推荐

图书、期刊推荐是图书馆为读者提供个性化服务的重要举措，尤其是在信息爆发的时代，读者选择图书往往不知所措，这就需要图书馆针对读者的具体情况进行精准推荐。图书馆运用客户画像和数据挖掘技术，对读者的借阅经历、职业背景、发表文章、阅读兴趣等进行分析，向其推荐相关专题或专业领域的最新资料。同时，运用数据挖掘关联规则方法，为读者检索相关联的借阅信息。例如，当读者借阅“心脏病学”相关的图书时，还能根据读者身份，为读者推荐“借阅过该图书的会员还借阅了“心脏危重症处理原则”之类的信息。从而节约读者的时间和精力。 此外，对于业务读者或缺少专业检索学习的读者来说，在面对浩瀚的图书资源时，这种方式可以有效地解决读者“选什么，读什么”的困惑。从而最大限度地提升读者的阅读水准，充分发挥图书馆的图书价值。

3.2优化图书管理及采购工作

传统的图书采购工作主要采用“专家评判法”和“出版社推荐法”，采购缺失读者喜好反馈。由于读者的多样性，而馆内专家的知识范围往往不能覆盖所有读者，因此这种采购计划容易受到专家主观意识的判断，采购的图书不能满足读者的需要。本校图书馆将读者使用行为和客户画像标签融入图书采购过程中去。通过对读者使用行为和专业进行分析，及时补充专家评判法未能纳入的图书采购需求。通过上述方法，图书采购就获得了精准的采购需求，进行有针对性的补充图书并增加馆藏复本。

针对图书管理，目前多按照中图分类法进行图书上架管理。由于藏书量大、种类繁多，对中图分类法不是很熟悉的读者寻找图书往往比较困难。同样，我们运用数据挖掘方法和客户画像方式，对上架提数的借阅量变化趋势、购置时间和客户借阅热度进行分析通过预留架位来避免频繁倒架，将热门书籍前置等方式进行改善。从而减少了管理员不必要的工作量[5]，同时优化了读者借阅体验。

4结束语

大数据时代，信息量的持续爆发，读者的多样性都考验着图书馆的管理水平。图书馆想在大数据时代有所作为，需在对形势有清醒的认识基础上，利用大数据创新图书馆服务，提升图书馆的核心竞争力[6]。本校图书馆审时度势，通过对读者进行客户画像，并引进读者标签，运用数据挖掘理论不断优化图书馆信息化管理水平，提升读者阅读体验，取得了较好的成果。可以预见的是，随着大数据技术的不断成熟，未来图书馆管理工作必将越来越精细，读者体验将不断提升，这也将成为图书馆读者服务工作中的重要手段和方法。

参考文献：

[1] 王玫.大数据在图书馆的应用研究[J].图书馆学刊，2016，38（10）：49-50.

[2] 宋丽花.数据挖掘技术在读者服务优化中的应用[J].现代商贸工业，2013，25（23）：164-165.

[3] 钱露.基于iOS平台的小型社交网络的关键技术研究[D].北京：北京邮电大学，2015：33.

[4] 席岩.基于大数据的用户画像方法研究综述[C].第25届媒体融合技术研讨会，2017.

[5] 游茂，刘立.以健康档案为核心的社区卫生服务外部数据交换方式探讨[J].中国卫生经济，2009，28（10）：62-65.

[6] 韓翠峰.大数据时代图书馆的服务创新与发展[J].图书馆，2013（1）：121-122.

【通联编辑：谢媛媛】