论文部分内容阅读
摘 要：本文主要介绍了关联规则的基本概念和使用方法，并且对高校图书馆的借阅数据进行挖掘，获得了图书馆之间的一些关联规则以及学生借阅时的偏好，这些结果对于图书馆提高服务质量提供了有力保障。
关键词：关联规则；借阅行为数据；Apriori算法
目前，高校图书馆存储了大量的读者借阅图书的信息，怎么分析借阅数据并将分析结果用于提升图书馆服务工作，这已经成为图书馆工作人员不断探索的问题。随着数据挖掘技术应用的不断的拓展，图书馆可以利用数据挖掘技术挖掘出借阅数据背后的规律，本文主要介绍了关联规则，主要使用Apriori算法分析高校图书馆借阅数据的关联规则。
一、关联规则
（一）关联规则定义。在数据挖掘中，关联分析主要使用的技术为关联规则（Association Rule），其最早由Agrawal、Imielinski以及Swami提出，用来研究超市顾客所购买的商品之间的规律，目的是希望发现顾客经常同时购买哪些商品，进而合理布局货架，方便顾客选取。
关联规则研究的主要对象就是事务数据库，事务数据库可以看做是I={i1，i2，L，im}，是m个项集集合，其中ik{k=1，2，Lm}为数据项。事务T为I的一个子集。每个事务T都有一个唯一的TID作为其标识符，事务T的全体构成了事务数据库[31]。
设施XI数据项集，数据项集X的支持度（Support）定义为：
SX=|T（X）||T|
设X，YI为数据集，为了了解X的事务中包含Y事务的概率，从而引进了置信度（Confidence）概念，其表达式为：
CX→Y=|T（X∩Y）||T（X）|
虽然现有大量的关联规则算法以及其改进算法，但是各种关联规则的挖掘算法有相似的寻找规则的过程。关联规则的生成基本可以分解为两部分：第一部分是根据支持度找到频繁集的过程；第二部分在第一步的基础上，由置信度筛选出关联规则的过程。
（二）Apriori算法。第一阶段：是一种通过逐层迭代的方法寻找候选集C，然后根据支持度寻找出频繁集L-项的集合。其初始候选集C1然后找出频繁集L1，不断的循环直到寻找出所有的频繁集。
第二阶段：是在所找到的频繁集的基础上，根据置信度的计算方法，遍历寻找满足大于等于最小置信度的关联规则。
二、借阅行为的Apriori算法分析过程及结果
（一）数据预处理。实验数据选取的是从2011年9月到2015年1月24号期间入学的读者的借阅数据。数据字段包括学生学号、院系、借阅图书编号、借阅日期、借阅时间，以及相应字段对应的数字编码。
由于关联所需数据选取的为所有借阅图书读者的信息，并且关联所需字段为学生学号、图书编号，因此将这三个字段从文本中提取出来，并进行舍弃缺失值处理，获取完整的数据。然后对数据进行事务化处理，即每行代表一个读者，每列代表借阅图书的类别。
（二）Apriori算法分析结果。本文通过利用SPSS Modeler软件实现Apriori算法，其中最小支持度设置为0.1，最小置信度设置为0.5，通过运行总共得出120条关联规则。
表3-4 关联规则结果表
ConsequentAntecedentSupport %Confidence %
常用外国语财政、金融19.57254.194
常用外国语财政、金融and经济计划与管理10.97961.415
中国人物传记各国人物传记11.97750.712
……
心理学中国人物传记and中国文学10.08951.126
挖掘出的关联规则结果来分，可分为四大类：
（1）关联规则结果为语言类。通过对关联规则结果为语言类书籍的规则观察，从关联规则数量上可以看出涉及常用外国语的规则有39条，支持度在0.1到0.43之间，置信度在0.5到0.67之间。从数据背后反应的问题看，发现读者在借阅心理学、伦理学、社会学、经济学、贸易经济、财政、金融、经济计划与管理、各国人物传记、各国文学、世界文学、中国史、中国人物传记、绘画、管理学、计算技术、计算机技术等书籍或者这些书籍的某些组合时，都会以超过0.5的概率借阅常用外国语图书。出现这种结果应该在意料之中，由于英语作为大学生必修的基础课程，在大学一、二年级学习中以及大四学生考研过程中都是很重要的一部分。因此不管什么专业的同学为了学好这门功课，都会在借阅本专业课程书籍或在借阅自己喜欢的书籍时，很大一部分学生会借阅英语类书籍。
（2）关联规则结果为文学类。通过对关联规则结果为文学类书籍的规则观察，从数量上可以看出结果涉及文学类的规则的占62条，其中各国文学占18条，世界文学占7条，中国人物传记占4条，中国文学占33条，支持度在0.1到0.43范围，置信度在0.5到0.97范围之间。从数据背后所反映的问题来看发现读者在借阅世界文学、中国文学伦理学、心理学、常用外国语、计划与管理、绘画、各国人物传记、中国史等书籍后都会以0.5以上的概率借阅各国文学。借阅各国文学、中国文学、中国传记、各国文学、常用外国语的都会以0.5以上的概率借阅世界文学。借阅中国史、中国文学、各国人物传记的都会以0.5以上的概率借阅中国人物传记。借阅社会学、伦理学、心理学、管理学、财政、金融、贸易经济、经济学、世界文学、中国人物传记、各国文学、中国史的都会以0.69以上的概率借阅中国文学书籍。由此也能看出中国文学书籍在大学生的受欢迎程度是最高的。这也反映了大学生在课余时间的一部分时间是花费在阅读文学类书籍上。
（3）关联规则结果为经济类。通过对关联规则结果为经济类书籍的规则观察，从数量上可以看出结果涉及文学类的规则的占12条，支持度在0.1到0.20范围，置信度在0.5到0.63范围之间。从数据背后所反映的问题来看发现读者在借阅贸易经济、财政、金融、中国文学、心理学、常用外国语、伦理学、经济学等书籍或这些书籍的某几个组合后会借阅经济计划与管理。
（4）关联规则结果为哲学、宗教类。通过对关联规则结果为哲学类书籍的规则观察，从数量上可以看出结果涉及文学类的规则的占8条，支持度在0.1到0.20范围，置信度在0.5到0.6范围之间。从数据背后所反映的问题来看发现读者在借阅心理学、各国文学、中国文学后会以0.5的概率借阅伦理学。读者在借阅伦理学、经济计划与管理、常用外国语、中国文学、社会学、中国人物传记、各国文学等书籍或这些书籍的某几个组合后会以超过0.5的概率借阅心理学。
综上所述，通过对关联结果四大类的分析，可以看出文学类，语言类书籍产生关联规则较多，说明读者对于文学类、语言类图书的喜欢，但是读者对于专业课的借阅量太少。因此图书馆可以根据关联规则（1）向读者做一些图书推荐；（2）将关联强的图书放在一个图书室或邻近图书室方便读者借阅，（3）向各个院系反应读者借阅图书情况，建议各个学院鼓励读者借阅专业课程图书，提高专业图书的利用率。
三、结语
本文通过使用关联规则挖掘出了读者借阅数据的一些规律，对于提高图书馆的管理水平和服务水平提供了很大的帮助。针对Apriori算法在扩大候选集时，引起计算机I/O开销增大问题，将是以后工作的重点。（作者单位：河北经贸大学）
参考文献：
[1] Rakesh Agrawal；Tomasz Imieliński；Arun Swami.Mining association rules between sets of items in large databases[J].ACM SIGMOD Record.1993（No.2）.
[2] Han J，Kamber M.Data Mining：Concepts and Techniques.2000
[3] 薛薇，陳欢歌.数据挖掘方法及应用[M].北京：电子工业出版社2014.1。
关键词：关联规则；借阅行为数据；Apriori算法
目前，高校图书馆存储了大量的读者借阅图书的信息，怎么分析借阅数据并将分析结果用于提升图书馆服务工作，这已经成为图书馆工作人员不断探索的问题。随着数据挖掘技术应用的不断的拓展，图书馆可以利用数据挖掘技术挖掘出借阅数据背后的规律，本文主要介绍了关联规则，主要使用Apriori算法分析高校图书馆借阅数据的关联规则。
一、关联规则
（一）关联规则定义。在数据挖掘中，关联分析主要使用的技术为关联规则（Association Rule），其最早由Agrawal、Imielinski以及Swami提出，用来研究超市顾客所购买的商品之间的规律，目的是希望发现顾客经常同时购买哪些商品，进而合理布局货架，方便顾客选取。
关联规则研究的主要对象就是事务数据库，事务数据库可以看做是I={i1，i2，L，im}，是m个项集集合，其中ik{k=1，2，Lm}为数据项。事务T为I的一个子集。每个事务T都有一个唯一的TID作为其标识符，事务T的全体构成了事务数据库[31]。
设施XI数据项集，数据项集X的支持度（Support）定义为：
SX=|T（X）||T|
设X，YI为数据集，为了了解X的事务中包含Y事务的概率，从而引进了置信度（Confidence）概念，其表达式为：
CX→Y=|T（X∩Y）||T（X）|
虽然现有大量的关联规则算法以及其改进算法，但是各种关联规则的挖掘算法有相似的寻找规则的过程。关联规则的生成基本可以分解为两部分：第一部分是根据支持度找到频繁集的过程；第二部分在第一步的基础上，由置信度筛选出关联规则的过程。
（二）Apriori算法。第一阶段：是一种通过逐层迭代的方法寻找候选集C，然后根据支持度寻找出频繁集L-项的集合。其初始候选集C1然后找出频繁集L1，不断的循环直到寻找出所有的频繁集。
第二阶段：是在所找到的频繁集的基础上，根据置信度的计算方法，遍历寻找满足大于等于最小置信度的关联规则。
二、借阅行为的Apriori算法分析过程及结果
（一）数据预处理。实验数据选取的是从2011年9月到2015年1月24号期间入学的读者的借阅数据。数据字段包括学生学号、院系、借阅图书编号、借阅日期、借阅时间，以及相应字段对应的数字编码。
由于关联所需数据选取的为所有借阅图书读者的信息，并且关联所需字段为学生学号、图书编号，因此将这三个字段从文本中提取出来，并进行舍弃缺失值处理，获取完整的数据。然后对数据进行事务化处理，即每行代表一个读者，每列代表借阅图书的类别。
（二）Apriori算法分析结果。本文通过利用SPSS Modeler软件实现Apriori算法，其中最小支持度设置为0.1，最小置信度设置为0.5，通过运行总共得出120条关联规则。
表3-4 关联规则结果表
ConsequentAntecedentSupport %Confidence %
常用外国语财政、金融19.57254.194
常用外国语财政、金融and经济计划与管理10.97961.415
中国人物传记各国人物传记11.97750.712
……
心理学中国人物传记and中国文学10.08951.126
挖掘出的关联规则结果来分，可分为四大类：
（1）关联规则结果为语言类。通过对关联规则结果为语言类书籍的规则观察，从关联规则数量上可以看出涉及常用外国语的规则有39条，支持度在0.1到0.43之间，置信度在0.5到0.67之间。从数据背后反应的问题看，发现读者在借阅心理学、伦理学、社会学、经济学、贸易经济、财政、金融、经济计划与管理、各国人物传记、各国文学、世界文学、中国史、中国人物传记、绘画、管理学、计算技术、计算机技术等书籍或者这些书籍的某些组合时，都会以超过0.5的概率借阅常用外国语图书。出现这种结果应该在意料之中，由于英语作为大学生必修的基础课程，在大学一、二年级学习中以及大四学生考研过程中都是很重要的一部分。因此不管什么专业的同学为了学好这门功课，都会在借阅本专业课程书籍或在借阅自己喜欢的书籍时，很大一部分学生会借阅英语类书籍。
（2）关联规则结果为文学类。通过对关联规则结果为文学类书籍的规则观察，从数量上可以看出结果涉及文学类的规则的占62条，其中各国文学占18条，世界文学占7条，中国人物传记占4条，中国文学占33条，支持度在0.1到0.43范围，置信度在0.5到0.97范围之间。从数据背后所反映的问题来看发现读者在借阅世界文学、中国文学伦理学、心理学、常用外国语、计划与管理、绘画、各国人物传记、中国史等书籍后都会以0.5以上的概率借阅各国文学。借阅各国文学、中国文学、中国传记、各国文学、常用外国语的都会以0.5以上的概率借阅世界文学。借阅中国史、中国文学、各国人物传记的都会以0.5以上的概率借阅中国人物传记。借阅社会学、伦理学、心理学、管理学、财政、金融、贸易经济、经济学、世界文学、中国人物传记、各国文学、中国史的都会以0.69以上的概率借阅中国文学书籍。由此也能看出中国文学书籍在大学生的受欢迎程度是最高的。这也反映了大学生在课余时间的一部分时间是花费在阅读文学类书籍上。
（3）关联规则结果为经济类。通过对关联规则结果为经济类书籍的规则观察，从数量上可以看出结果涉及文学类的规则的占12条，支持度在0.1到0.20范围，置信度在0.5到0.63范围之间。从数据背后所反映的问题来看发现读者在借阅贸易经济、财政、金融、中国文学、心理学、常用外国语、伦理学、经济学等书籍或这些书籍的某几个组合后会借阅经济计划与管理。
（4）关联规则结果为哲学、宗教类。通过对关联规则结果为哲学类书籍的规则观察，从数量上可以看出结果涉及文学类的规则的占8条，支持度在0.1到0.20范围，置信度在0.5到0.6范围之间。从数据背后所反映的问题来看发现读者在借阅心理学、各国文学、中国文学后会以0.5的概率借阅伦理学。读者在借阅伦理学、经济计划与管理、常用外国语、中国文学、社会学、中国人物传记、各国文学等书籍或这些书籍的某几个组合后会以超过0.5的概率借阅心理学。
综上所述，通过对关联结果四大类的分析，可以看出文学类，语言类书籍产生关联规则较多，说明读者对于文学类、语言类图书的喜欢，但是读者对于专业课的借阅量太少。因此图书馆可以根据关联规则（1）向读者做一些图书推荐；（2）将关联强的图书放在一个图书室或邻近图书室方便读者借阅，（3）向各个院系反应读者借阅图书情况，建议各个学院鼓励读者借阅专业课程图书，提高专业图书的利用率。
三、结语
本文通过使用关联规则挖掘出了读者借阅数据的一些规律，对于提高图书馆的管理水平和服务水平提供了很大的帮助。针对Apriori算法在扩大候选集时，引起计算机I/O开销增大问题，将是以后工作的重点。（作者单位：河北经贸大学）
参考文献：
[1] Rakesh Agrawal；Tomasz Imieliński；Arun Swami.Mining association rules between sets of items in large databases[J].ACM SIGMOD Record.1993（No.2）.
[2] Han J，Kamber M.Data Mining：Concepts and Techniques.2000
[3] 薛薇，陳欢歌.数据挖掘方法及应用[M].北京：电子工业出版社2014.1。