一、數據準備

我們這里只是做一個比較簡單的挖掘分析，所以我們只考慮近兩年讀者的借閱情況，因此我們要先做一下數據的預處理，把兩年之前的借閱信息棄掉不用，這兩年每年的借閱數量和總借閱數量留待下一步聚類分析使用。由于讀者的情況變化可能會很大，因此近兩年的數據更具代表性，用來進行分析也會更加貼近讀者的真實需求。

二、對數據進行聚類

在這里我們使用k-means算法對第一步中清理出來的數據進行聚類挖掘,設置聚類個數為3.代表把讀者一共分成3個大類，一類為頻繁借閱者，一類為普通借閱者，一類為偶爾借閱者.分好類之后我們就可以針對不同的讀者提供不同的、更加符合讀者需求的、個性化的服務了。按照以下幾個步驟對收集的數據進行聚類分析：(1)把目標對象劃分成n個非空子集（聚類）；(2)計算每個聚類中所有點的坐標平均值，并將這個平均值作為每個聚類的中心；(3)計算每個點到聚類中心的距離，將每個點聚類到離該點最近的聚類中心的聚類中去反復執行(2)、(3)，直到聚類中心不再進行大范圍移動或者聚類次數達到要求為止下面是虛擬的聚類結果。

三、挖掘統計結果分析

上文介紹的挖掘方法比較簡單，僅僅是從借閱數量方面衡量了讀者的需求情況。但是在實際應用中也有很大的可應用、可擴展潛能。對于挖掘出來的第一類頻繁借閱者，我們可以適當的增加其借閱數量的上限，這樣可以更好的滿足他們的需求；對于第三類偶爾借閱者，我們可以繼續采用其他的挖掘方法挖掘他們的興趣范圍和較少借閱的原因，從而相應地改善圖書館的服務，為讀者們創造更好的閱讀條件。這樣把讀者分類之后再進行數據分析，可以更加精確地挖掘出不同讀者的不同需求，可以給不同需求的讀者提供更加個性化的服務。

四、數據挖掘在圖書館中的應用

例如利用關聯規則分析圖書借閱種類方面的聯系，從而改善圖書館的布局；利用決策樹的方法來對讀者的閱讀方向進行分類。從而提供個性化的推薦服務等等。本文僅從一個方面對于數據挖掘在圖書館的應用進行了分析，窺一斑而知全豹，數據挖掘在圖書館數據處理方面的應用是廣泛而有效的，可以進行更深一步的研究與開發。

在現如今這個知識大爆炸的年代，各方面的知識和數據都應該受到廣泛的重視與深入的研究，然而，這些信息魚龍混雜，如何取其精華棄其糟粕就成為了當務之急，通過一些現代化信息技術的使用，我們可以提升獲取信息的速度、分離出有價值的信息、根據這些信息改善服務水平。隨著技術的不斷發展，圖書館的服務也正在從被動化服務轉向主動化服務，從簡單的信息接收轉向為信息檢索、信息利用。

五、總結

總而言之，數據挖掘技術在圖書館數據管理與應用方面的應用前景非常的廣闊，隨著科學技術和圖書館硬件設備的快速發展，數據挖掘技術在圖書館的應用將實現巨大的發展和長足的進步。

作者：宋麗軍 單位：同濟大學軟件學院