基于大数据和支持向量机分类法的图书馆中转站构建研究杨志腾孙萍朱天怡苏冠文马俊隆摘要：经济增长，群众的物质需求得到满足后，文化需求就会相对增加，书籍作为重要的文化载体，正在重新被我们拾起。但是在众多场所中，例如社区居民，大型工厂，存在借阅不平衡的问题，大量的图书资源集中在高校图书馆以及市区少量的公共图书馆，无法辐射到大量的有需求群众集体，文章将以大数据为背景，结合支持向量机分类法，以高校图书馆为起点，探讨建立中转借阅体系，以解决图书借阅运营模式相对落后，无法充分利用资源的问题。Abstract：Whentheeconomicgrowthandthematerialneedsofthemassesaremet，theculturalneedswillincreaserelatively，andbooks，asanimportantculturalcarrier，arebeingpickedupbyusagain.However，inmanyplaces，suchascommunityresidentsandlargefactories，thereisaproblemofunbalancedborrowing.Alargenumberofbookresourcesareconcentratedinuniversitylibrariesandasmallnumberofpubliclibrariesintheurbanarea，andcannotradiatetoalargenumberofmasscollectivesinneed.Thispaperwilltakebigdataasthebackground，combinedwithsupportvectormachineclassification，andtaketheuniversitylibraryasthestartingpoint，toexploretheestablishmentofatransitlendingsysteminordertosolvetherelativelybackwardoperationmodeofbooklending.Theproblemofnotbeingabletomakefulluseofresources.关键词：图书馆中转站;借阅平衡;大数据;支持向量机分类法Keywords：librarytransitstation;loanbalance;bigdata;supportvectormachineclassification中圖分类号：TP18：A：1006-4311（2020）05-0216-030引言2016年，教育部九部门发布《教育部等九部门关于进一步推进社区教育发展意见》，意见指出，社区教育是我国教育事业的重要组成部分，是社区建设的重要任务。作为教育事业繁荣的标志，图书馆极大的方便了大部分群众的借阅需求，如今在各大高校都建设了较为完善，图书种类齐全的图书馆，这些图书馆在原有图书借阅的基础上，还拥有资料查询、文献检索、文献典藏等众多功能。然而，高校以外的众多社区尚缺乏方便的借阅条件。而这些社区又潜在着巨大的借阅需求，短时间内，很难通过建立大量的公共图书馆来满足这一需求。数据显示，2018年美国图书的销量为6.96册，比上一年增长1.3%[1]，同样的增长也发生在中国，图书需求正在与日递增。通过问卷调查的方式发现，高校图书馆图书借阅功能使用率正在下降，一方面是因为高校图书馆图书类目的不断完善，图书数量增多，图书数量快速增多的同时，高校图书借阅需求未能快速增长或者趋于饱和，导致图书借阅率下降，大量书籍一直处于书架闲置状态。另一方面，阅读方式的转变，例如电子书的出现，也降低了部分阅读者对图书借阅的需求。然后，在公共社区，这一现象却截然相反，快速增长的阅读需求往往得不到满足，文章将利用大数据的方法和支持向量机分类法对借阅图书进行分类，进而构建高校图书馆的图书中转站，以达到借阅平衡的一种状态。不仅如此，高校图书馆作为图书资源丰厚的资源库代表仅能达成有限的资源共享。在大数据时代，高校图书馆扮演者图书中转站的角色，作为影响社会的指明灯推进图书资源的流通，可渐渐带动社区群之间、省市之间图书资源的共享。现如今，随着时代更替速度的加快，要求获取信息的速度与质量下，确保图书公共资源的合理应用配置也显得尤为重要。基于大数据计量分析多种图书资源库的使用效率，为图书采购等提供有效的数据支撑。1支持向量机分类法基本思想与模型支持向量机分类法基本思想：支持向量机（Supportvectormachines，SVM）与遗传算法、鲁棒模型等研究方法类似，都是学习型的。通常分类的过程都是学习的过程。它的基本思想是在两个（甚至是多个）类别的样本集之间寻找一个最优分界面，将其分开且分隔距离最大。它分为线性的和非线性。考虑到图书的借阅种类与数量的关系，文章采用线性可分的支持向量机分类法。线性可分的支持向量机分类法的模型：对于给定的一组线性可分的样本S={（x1，y1），（x2...