高校图书馆数据清洗问题与策略研究4国内高校图书馆数据清洗的建议与对策在利用图书馆数据开展学术研究，进行决策分析，优化图书馆管理和服务的过程中，如何把数据清洗落到实处，让数据真正成为进行研究和决策的可靠证据，是我们必须要探讨的问题。在智慧图书馆系统的数据挖掘分析子系统，资源整合与服务系统，机构科研数据管理系统，以及基于图书馆数据的决策分析和研究实践中，数据清洗必须作为连接数据层与应用层的中间环节。高校图书馆数据清洗现状的改善，需要数据清洗系统、图书馆和相关数据使用者等相关利益方协同努力。4.1数据清洗系统平台需要优化数据清洗现有的图书馆集成管理系统、发现系统、机构知识库等系统平台中的数据清洗功能不够完善，不能满足进行深度数据挖掘分析，精准服务推送的应用需求，严重影响了用户的使用体验和服务效果。而且，第三方中文数据清洗平台工具较少，且大多数文献数据分析工具不具有数据清洗功能。图书馆集成管理系统、发现系统、机构知识库等系统商，需要充分考虑图书馆的数据管理、服务与分析应用需求，从数据清洗的策略、粒度和算法等方面优化数据清洗模块功能，以进行更加精准的数据挖掘分析和推送服务。另外，在高校图书馆数据分析应用与数据清洗实践当中，除了应用现有的数据清洗平台工具，相关人员还需要开发一些满足实际应用需求的程序或工具，甚至需要针对一些常规化的应用需求开发专门的数据清洗系统，在数据进入应用服务之前进行常规性且规模化的数据清洗。智慧图书馆时代，图书馆数据具有大数据、动态、多类型数据融合的特征。因此，高校图书馆相关应用系统平台数据清洗模块、第三方数据清洗平台工具的设计需要充分考虑这些新趋势，应用大数据技术满足数据清洗规模化需求，应用数据挖掘技术和本体工具进行数据清洗，提供可视化交互清洗界面，便于用户的参与和反馈。同时，考虑到实时动态数据的不断增长，系统的设计也需要考虑在线清洗功能。4.2高校图书馆必须深入介入数据清洗从高校图书馆数据清洗研究与实践来看，图书馆方面的数据清洗参与度相对较低。图书馆不能完全依赖现有图书馆数据管理服务系统的数据清洗功能，必须参与到图书馆数据管理研究与实践的数据清洗环节。（1）从数据管理者的角度，严格把控数据质量。一方面，从制度上保证数据质量，防止不清洁数据的产生。图书馆需要基于数据生命周期理论管理数据，将数据质量管理和数据清洗引入图书馆数据生命周期的不同阶段，从数据的创建、采集、管理、保存和利用等不同环节控制数据质量。另一方面，对OPAC书目数据、用户行为数据等实例层数据，以及数字资源整合系统、科研数据管理平台、发现服务系统等模式层数据清洗是高校图书馆数据清洗的重点。图书馆可以利用一些规范数据集，第三方数据清洗平台工具，建立中间数据仓库等措施加强数据清洗工作。（2）与图书馆系统商进行协调沟通，完善数据清洗功能。图书馆需要分析数据错误类型和产生原因，全面掌握数据质量情况，提出明确的数据质量要求和数据清洗需求。在此基础上与系统商进行协调，优化数据清洗策略，改善系统数据清洗功能，进而提高数据质量。（3）积极参与图书馆数据清洗的研究。数据整合、发现与关联服务，以及基于用户历史数据的资源与服务推荐是高校图书馆数据管理与服务的重点方面。图书馆员在参与数据清洗实践的同时，也应该积极开展高校图书馆数据清洗策略、方法、技术实现等方面的研究。（4）面向图书馆数据用户开展数据清洗素养教育。在智慧图书馆时代，对图书馆数据进行管理、挖掘与分析，需要相关人员具备一定的数据清洗素养。面向具有数据应用需求的师生开展数据清洗方面的素养教育，提供数据管理和数据清洗方面的培训，数据清洗软件与工具使用方面的咨询与指导，真实数据集的清洗练习，帮助他们了解数据清洗技术、方法和发展趋势，提高数据清洗技能。熟练使用已有的一些数据清洗软件与工具，能够对一些真实数据集进行清洗是图书馆用户数据清洗素养教育的一个重要方面。4.3图书馆数据使用者要注重提升数据清洗素养目前在高校图书馆数据的研究与实践中，数据清洗的现状不是很理想，其中一个关键的原因就...