浅析开源软件在数字图书馆数据挖掘应用.pdfVIP

浅析开源软件在数字图书馆数 据挖掘中的应用 4 口乔 鸿／山东师范大学管理学院济南25001 口余锦风／北京大学信息管理系北京100871 摘要：数字图书馆新阶段的发展目标是以用户为中心的知识型服务，新型服务模式的基础是对用户需求， 用户行为等信息的准确了解和把握。数据挖掘可以在用户知识发现方面大有作为。然而，当前数字图书馆系 统的商业化软件架构给数据挖掘工作造成T很多障碍，特别是数据收集、数据整理等步骤，都由于商业软件 的闭源一眭质使得很多深层次的数据分析、数据挖掘工作难以顺利开展。本文探讨了开源软件在数据挖掘中的 应用优势以及可能的应用方向。 关键诃：开源软件 数字图书馆 数据挖掘 1 当前数字图书馆数据挖掘存在的 源利用情况的研究．一般的数字图书馆在这方面的 问题 工作鲜有进行。 以与信息服务质量密切相关的用户数据为例． 随着数字图书馆的发展．“以用户为中心”的战 有研究者在2005年4月针对不同类型图书馆进行的 略思想越来越得到认同．因此，这方面的实践工作 抽样调查结果显示，大多数馆在这方面的工作近乎 也在逐渐增加，与传统图书馆的服务方式相比较， 空白Ⅲ。究其原因。除了．挖掘目标和专业技术人员的 数字图书馆需要更加关注网络用户、虚拟用户的信 缺乏．一个很大的障碍就是数据收集．整理问题。 息需求。而以用户为中心进行资源建设．提供信息 服务的基础，则建立在对用户行为和用户需求的了 2问题及根源 解上。现代信息技术，数据库技术的进步为此提供 了良好的软硬件和技术基础，特别是数据挖掘技 我们知道．数据挖掘的基础是数据仓库和数据 术．已经成为数字图书馆拓展服务深度和广度．提 集市．如果没有与所关心主题有关的高质量的数据 供有效的知识型服务的关键措施之一。例如，南加 或信息．缺乏良好的数据基础．挖掘工作就会遇到 利福尼亚大学(Univ日sity酣ScuthernCalifornia，USC)麻烦，产生较大的误差甚至挖掘出错误的结论或逻 of Li- 于2004年9月启动的的”Data Oigital Mining 辑关系。 Data” bra。yusage 项目， 致力于数字图书馆使用数 数据收集，整理的困难主要表现为：【1)由于 据的挖掘，以建立有意义的数据关系，该课题目前 本地缓存．代理服务器和防火墙的存在，使得Web 仍在进行中…。 日志中的数据并不准确，并不能真实地反映用户的浏 但由于种种原因．当前我国数字图书馆领域的 览行为，用户浏览行为的异步并发模式也往往无法 数据挖掘实践并不乐观．相关研究几乎都停留在理 正确反映”I但)数据项少，不够充分全面．挖掘不 论和倡导阶段，除了几个大型馆有相关的课题做支 出有价值的信息；(3)数据的导八导出，数据清洗， 撑．做了一些工作．如清华大学图书馆针对电子资 数据集成以及格式转换工作比较困难。另外，很多 加i2006年增刊 时候由于缺乏战略指导．收集、保存的数据量少．构 在应用中受到欢迎。 不成一个有效的数据仓库。 目前已经有很多企业向业界提供”整体开源软 例如，在We