基于数据挖掘的高校图书馆信息服务摘要：数字化信息时代，数据挖掘技术在图书馆的应用越来越广泛。文章通过介绍高校图书馆信息服务的发展历程，分析传统信息服务面临的挑战，探讨高校图书馆通过开展学科信息服务、阅读推广、个性化服务、一站式信息资源共享、可视化服务、智能化信息服务等方式创新信息服务手段，从而提升用户阅读愉悦感和满意度。关键词：数据挖掘，高校图书馆，信息服务随着移动互联网技术的快速发展，智能手机、平板电脑、智能显示屏、移动图书馆的不断普及，用户获取信息更为便捷，同时也产生更多非结构化或半结构的用户数据，催生了更多的数字化信息，使数据呈现爆炸式增长。高校图书馆是文献资源和数据资源的集中地，是提供知识服务和学术信息交流的中心，馆内收集的各类型巨量数据构成数字图书馆的重要组成部分，特别是作为学科研究的信息数据和元数据将成为分布式、整合式数字图书馆组成的“主力军”[1]。高校图书馆业务在信息化管理后，每日产生的有效数据和冗长数据极其庞大、繁杂，传统图书馆难以满足用户信息需求。随着信息技术的发展，高校图书馆信息数据处理方式、信息服务策略和实现路径均发生改变。利用数据挖掘技术去挖掘、识别、组织与分析数据，获取用户信息诉求，研究对策，应用于信息服务的创新发展，是高校图书馆信息服务模式创新的必由之路。1数据挖掘技术在图书馆的应用数据挖掘的概念起源于1989年8月美国底特律市召开的第11届国际人工智能会议，当时提出了知识发现（KDD）的概念[2]，是指从大量的数据中进行隐藏信息的提取或挖掘。数据挖掘技术利用了统计和人工智能技术的应用程序整合各类信息数据，从海量的数据里提取大量的有用信息，探索其中的规律，从而提高生产和服务的效率。据综合资料显示，数据挖掘的分析方法有：描述和可视化，即利用可视化工具展现、分析、钻取数据，使数据挖掘的分析结果更---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---加形象深刻的展现；分类，即通过预设数据分类模型进行筛选分类数据；估计，即把收集的数据通过估值得到连续变量的值，然后根据预先设定的阈值如0～9级，进行分级；预测，即通过分类或估值得出模型，从而对未知变量预测；相关性分组或关联规则，即利用关联规则和序列分析来发现将要发生事情的规律；聚类，即对记录分组，把相似的记录在一个聚集里，从而得出各个分组有预示或暗示的特征；复杂数据类型（Text、Web、图形图像、视频、音频等）挖掘等[3]。数据挖掘技术需要数据库系统提供有效的存储、索引和查询处理支持，并且在处理海量数据集时运用高性能（并行）计算的技术手段，如分布式技术和网络信息迅速抓取的爬虫技术等。相对图书馆发展而言，数据挖掘技术是近十几年从计算机科学研究中发展而来的。20世纪中后期，国外的学者开始研究数据挖掘技术在图书馆中的应用。国内，随着信息时代的发展，数字化资源的逐渐积累，数字图书馆应运而生，高校图书馆开始引入基于数据库的自动化管理系统，数据库量剧增，由此，数据挖掘技术在高校图书馆的应用逐渐宽广起来，并逐渐渗入高校图书馆管理、信息服务各业务领域。2高校图书馆信息服务发展历程高校图书馆信息服务的发展由1930年北京大学成立图书馆起[4]，分五个阶段：第一阶段，早期高校图书馆文献信息服务的萌芽阶段，即由藏书楼改为图书馆，向师生提供以教科书、参考书为主的室内阅读及图书外借服务。第二阶段，以本校的馆藏信息资源为教学、科研和学生的思想教育及全校师生员工的文化生活提供服务，由手工操作馆藏外借、阅览、新书推介、目录卡片文献检索等馆藏纸质文献信息检索服务。第三阶段，计算机编目、目录检索技术的发展以及电子资源的出现，高校图书馆逐步实现用计算机进行信息检索、信息传递和信息借阅服务。第四阶段，“信息高速公路计划”的实现，我国信息基础设施的大规模建设为高校图书馆信息服务提供了新的工具和平台。第五阶段，网络环境下，高校图书馆信息服务向自动化、网络化、数字化、个性化发展。3高校图书馆传统信息服务面临的挑战随着信息资源呈爆炸性增长，读者需要更快速便捷...