刘政宇
哈尔滨华德学院 黑龙江 哈尔滨 150025
摘要：图书馆是高校重要的部门，为师生的教科研的提升起到重工业作用。智慧图书馆的建设与完善是现代高校发展的需要，也是社会发展为高校图书馆提出了新要求。大数据技术在高校智慧图书馆张的应用，对提高智慧图书馆个性化服务等方面提供了技术支持，为现代高校的发展起到重要作用。本论文从不同方面阐述基于大数据技术的高校智慧图书馆个性化服务探析，希望为研究高校智慧图书馆个性化服务的专家和学者提供理论参考依据。
关键词：大数据技术；高校智慧图书馆；服务探析
在现代信息技术的推动下，高校图书馆开展个性化服务已是大势所趋，唯有通过计算机技术和信息技术对用户信息进行科学、客观的研判，才能完善和创新高校图书馆服务模式，并通过个性化服务体系的构建，实现资源和服务的完美融合。为了真正实现以读者阅读诉求为主导、以科技为载体为读者提供更便捷和高效的信息服务，需要借助大数据技术与方法，对用户个性化诉求进行深度解读，并在此基础上划分和细分读者群，以此确定个性化服务的详细内容和服务模式。期间，高校图书馆应深入分析和认真挖掘用户数据信息，实现对其阅读习惯的精确定位，并借助大数据分析工具准确预测其未来阅读诉求，助力图书馆在可靠数据的支撑下为用户提供个性化服务。
1革新高校图书馆信息服务的理念和思维
随着大数据时代的来临，高校图书馆信息服务不再是靠理念和经验来传承，而是用数据说话，大数据充斥在图书馆的每一个角落，诸如读者每一次图书、期刊的借还，图书馆网站的每一次访问记录等都可以转化为数据。大数据比起传统的数字具有深刻的含义和价值。如读者与图书的关联，图书与图书的关联等。通过对用户的学科、偏好、使用习惯等数据信息特征的分析而主动向用户提供可能需要的信息和服务。
2高校图书馆个性化服务的典型模式
2.1个性化检索服务
对高校图书馆而言，高效率、高质量的个性化检索服务既要求对用户的行为进行准确预测，也要求在深层次上满足用户的多元化需求。在大数据技术场域，高校图书馆能够更加便捷地为用户提供个性化检索服务，可以借助数据挖掘技术对检索行为以及阅读偏好等用户信息进行更加精准的预测，也可以通过建立基于用户特点的数学模型和信息数据库为用户提供高质量服务。如此一来，不但可以获得每位用户的行为数据，还能在数据挖掘、分析、预测等技术的支撑下，完成精准化检索服务。
2.2个性化推荐服务
高校图书馆的个性化推荐服务以“服务个性化人群”为出发点。在借助大数据技术完成这一工作时，通常要构建用户模型以匹配相关信息，以便为用户提供个性化的推荐服务。推荐服务模型可以通过以下方式构建：第一，以数据挖掘的形式构建用户行为与需求之间的关联规则，借此确定用户模型数据库的对象关系；第二，确定图书馆用户关联规则的分类模式，把用户行为及其相关数据加以分类，并把数据划分到数据库的不同“子集”，让不同子集代表不同个性化推荐结果；第三，通过聚类方法描述图书馆用户的行为，并通过对用户行为、实例的分析将其归结到不同组并形成类别，借此对用户行为数据予以合理划分。
2.3个性化知识服务
为了向用户提供高质量、高水平的个性化信息服务，更好地服务师生员工的学习、教学和科研，高校图书馆要以社会主义文化建设与科技创新为出发点，为用户提供更专业的知识服务。首先，高校图书馆要借助大数据技术“捕获”读者的真实需求并预测未来诉求，以此为基础构建动态化的高校图书馆学科知识服务体系。
其次，要在知识服务体系的实际应用过程中，通过数据挖掘的形式对用户行为进行分析、跟踪和模拟，最大限度地提升用户真实行为与历史数据的“拟合度”，以便通过真实数据确定用户的学科类型和知识服务诉求。最后，图书馆要将获得的信息和数据进行“机器学习”，以便更加精准地为用户推送知识体系内的内容，使之能够十分便捷地获得想要检索的文献，在提升知识服务效率的同时，提升高校图书馆的个性化知识服务水平。
3大数据技术在高校图书馆个性化服务中的应用
3.1确定目标
通过在图书馆已有的信息服务平台及服务模式的基础上，整合代表高校师生对信息需求和特点的所有数据的相关记录，实时感知用户变化着的信息需求，进而针对用户的真实信息情境开展有针对性的个性化信息服务。
3.2 大数据的采集
大数据采集必须要从多维度提取数据来源来接收发自客户端(Web、App或者传感器形式等)的数据，包括从外部互联网(直接装载入爬虫引擎)和图书馆内部(评估数据采集和对接方式)；除了传统的结构化数据资源（电子图书、期刊、论文数据库等）外，更加注重使用现代技术手段获取用户使用图书馆的过程中的半结构化及非结构化的数据信息(智能设备数据、物联网数据、互联网数据等)。
3.3 大数据的导入/预处理
原始数据大体上都是分散的、不完整、不一致的“脏”数据，无法直接进行有效的分析，为了提高数据分析的质量必须要进行大数据的导入/预处理等前期工作。数据的导入是将数据导入到一个集中的大型分布式数据库或者存储集；数据预处理有多种方法：数据清理、数据变换、数据集成、数据归约等。
3.4 大数据的统计/分析
统计/分析主要利用分布式数据库或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等。统计/分析的方法包括假设检验、差异分析、相关分析、聚类分析等等。大数据分析性能的好坏，与问题的性质、数据集的特性包括数据规模、数据特征等都有关系。
3.5 大数据的挖掘
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中揭示出隐含在其中的先前未知的并有潜在价值的信息和知识的过程。挖掘的任务主要是分类、预测、关联分析、聚类分析等；挖掘的对象有关系数据库、面向对象数据库、多媒体数据库、数据仓库等。数据挖掘的方法有很多种，包括机器学习方法、统计方法、神经网络方法和数据库方法等。
3.6 结果展现
大数据处理数据分析的结果是直接反馈给用户的，因此要以可读或可见的形式展现。可视化技术是大数据产业链里的最后一环，是实现大数据从概念到实际应用中重要的一步。须借助计算机图形学技术，通过图形化手段，清晰有效地传达与沟通信息。数据图像化可以让数据自己说话，让用户直观的感受到结果。
参考文献：
[1]基于大数据技术的高校图书馆服务研究[J]. 胡鹏.企业技术开发.2018(01)
[2]大数据技术应用于高校图书馆个性化服务的探讨[J]. 张冬梅.科技资讯.2018(02)
[3]大数据技术在高校图书馆管理体系建设中的作用研究[J]. 于望春.图书情报导刊.2019(05)
[4]大数据技术在图书馆中的运用策略初探[J]. 贾绍莉,武超峰,周佩.大众标准化.2020(23)
[5]大数据技术在图书馆数据中的应用研究[J]. 郑艳.无线互联科技.2021(01)
[6]图书情报领域大数据技术应用问题研究[J]. 张志娟.办公室业务.2020(01)
[7]大数据背景下对图书馆工作的思考[J]. 孙海晶.科技资讯.2020(02)
[8]大数据时代图书馆服务创新的内容及其策略研究[J]. 查新杰.中外企业家.2020(13)
黑龙江省高校图工委课题
课题名称：大数据背景下智慧图书馆服务体系建设研究
课题编号：2019-B-033