基于大数据的图书馆决策支持系统构建研究

发布时间：2020-12-17 23:26

　　随着大数据等信息技术的发展,基于大数据的决策支持系统成为图书馆决策专业化和科学化的技术方案之一。文章利用文献调研、交叉研究等方法,从问题边界和数据边界的界定、模型库和知识库的储备、引导开放共享协作意识等方面提出图书馆决策支持系统的构建策略;把基于大数据的决策支持系统基本原理和图书馆专业特点相结合,设计出基于大数据的图书馆决策支持系统的构建框架;以面向图书馆管理者的决策支持系统为例,从决策问题分析、数据挖掘过程和决策整体实现三方面分析了系统实现过程,并对基于大数据的图书馆决策支持系统的应用进行展望。 

【文章来源】：图书馆学研究. 2020年11期 北大核心CSSCI

【文章页数】：7 页

【部分图文】：

基于大数据的图书馆决策支持系统的架构与设计

采集过程中,数据经过ETL处理后进行云储存。云储存后的大数据挖掘是非常复杂的过程,根据目前大数据系统研制和开发普遍遵守的CRISP-DM(Cross-Industry Standard Process for Data Mining,跨行业数据挖掘标准流程)标准,图书馆决策支持系统大数据挖掘过程包括业务理解、数据理解、数据准备、建立模型、模型评价、模型实施等,如图2所示。决策问题分析过后,要把决策目标进一步清晰化,把决策问题所属的决策类型与数据挖掘方法进行匹配,最终确定所需数据和建立挖掘模型,对模型分析结果进行评价和解释。不同的决策类型可以采用不同的数据挖掘方法,对于需要分类的决策问题,比如“读者阅读行为”需要把具有相同阅读习惯的读者找出来,可以采用“聚类分析方法”;对于需要找出关联性的决策问题,比如“图书关联性”需要把与一本书籍置信度较高的其他书籍找出来,可采用“关联规则分析方法”;对于需要预测的问题,比如“图书购置经费预算”需要通过目前的购书经费情况预测出未来一年或几年购书经费,可采用“回归分析方法”。数据挖掘的方法有多种,每种方法中还包含更为具体的分析模型,这要根据具体决策问题进行选择和再设计。5.3 问题决策的实现过程

从数据分析模型的过程来看,依据需要解决什么样的问题,去采集相应字段的数据和选择数据分析模型,所以“解决什么样的问题是否明确”是实现支持系统最为关键的步骤。决策支持系统经过数据挖掘后,一般要通过推理机在知识库的基础上进一步推理验证,然后将结果输出到“综合问题和人机对话”部件,该部件会把决策结果输出给馆长等决策者。另一方面,从决策支持系统输入方向来看,“综合问题和人机对话”部件会接受决策者的决策指令,根据实际决策问题的处理过程,综合调动模型库、数据库和知识库,形成整体的决策支持系统,如图3所示。它会根据问题的特征选择问题解决途径,如果可以定量化计算,则调用模型库管理系统搜寻与问题相关的数据和模型;如果需要通过定性知识解决,则调用知识库管理系统,通过推理机对知识库中的相关知识进行推理[15]。由于大数据技术对实时数据的支持,来自图书馆内传感器数据(RDIF等)和外部实时数据可以通过API接口直接输出结果,比如在读者个体决策中,可以实现输出查询书籍结果的同时提供书籍在馆内的所在位置。6 大数据驱动的图书馆决策支持系统的应用展望


本文编号：2922895