基于大数据挖掘的图书馆服务质量动态感知模型研究

亓北林

（中国石油大学（华东）图书馆，山东青岛 266555）

随着图书馆信息化管理水平的不断提升，对图书馆的服务质量监控和管理提出了更高的要求。对图书馆服务质量动态感知模型的研究，建立在对图书馆服务质量态势动态大数据采集和信息融合的基础上，传统方法中，对图书馆服务质量的态势动态信息智能感知方法主要有分块特征匹配的图书馆服务质量态势感知方法、基于模糊C 均值的图书馆服务质量态势聚类感知分析方法等[1]，建立图书馆服务质量态势动态信息智能感知算法，采用相似度特征分析方法，进行图书馆服务质量态势动态信息智能感知。但传统方法进行图书馆服务质量态势动态信息智能感知的智能性不好，特征辨识能力不强[2]，对此，该文提出基于大数据挖掘的图书馆服务质量态势动态信息智能感知方法。采用基于多样本特征信息的采样方法构建图书馆服务质量态势动态大数据采集模型，采用局部信息拟合方法，进行图书馆服务质量态势动态大数据状态融合和特征匹配[3-5]，结合大数据挖掘模型实现图书馆服务质量动态感知模型设计，最后进行仿真测试分析，其展示了该文方法在提高图书馆服务质量动态感知能力方面的优越性能。

1 图书馆服务质量动态信息采集和特征分析

1.1 图书馆服务质量动态信息采集

为了实现基于大数据平台的图书馆服务质量态势动态信息智能感知，采用基于多样本特征信息的采样方法构建图书馆服务质量态势动态大数据采集模型，结合图书馆服务质量态势动态大数据的特征分布，进行图书馆服务质量态势动态大数据的综合信息采样和特征分析[6]，采用模糊信息演化聚类分析方法，进行图书馆服务质量态势动态信息智能感知，结合模式识别方法，建立图书馆服务质量态势动态信息智能感知模型[7]，以提高图书馆服务质量态势动态信息智能感知和信息管理能力，采用聚类分析法对图书馆服务质量动态信息进行采集以及动态筛选，实现结构图如图1 所示。

图1 图书馆服务质量动态信息采集示意图

采用模糊信息融合方法，进行图书馆服务质量态势辅助决策[8]，图书馆服务质量动态感知的特征量为将图书馆服务质量动态感知问题转化为凸优化问题，如式（1）：

结合空间模糊度特征检测方法，进行图书馆服务质量动态感知过程中的运维参数分析[9]，提取图书馆服务质量动态感知的模糊信息参数集，得到最优寻优参数，结合模糊信息特征提取方法，进行图书馆服务质量动态感知，得到图书馆服务质量态势分布特征量满足且存在，使得图书馆服务质量态势动态解分别用代替P1和P2的最优解[10]，记为图书馆服务质量动态感知的模糊度满足

图书馆服务质量动态感知的最优解记为，满足根据上述分析，进行图书馆服务质量态势动态信息智能采集，根据信息采集结果进行动态信息融合和检测[11]。

1.2 图书馆服务质量动态大数据聚类特征分析

采用网格分块聚类方法进行图书馆服务质量态势动态大数据聚类分析，对采集的图书馆服务质量态势动态大数据进行模糊信息分类识别和特征分布式融合处理[12]，采用模糊参数寻优方法，进行图书馆服务质量动态感知控制，得到图书馆服务质量动态感知输出的稳定条件：且不存在，此时，图书馆服务质量态势解可以等价转换为的有限集函数，从而代替P1和P2的最优解，记为图书馆服务质量动态感知问题具有特征解集，且其特征解集应该满足

对图书馆服务质量动态感知的特征解{W1,W2}和{Tr1,Tr2}的优化问题进行线性规划设计，在最优解约束下，得到图书馆服务质量动态感知的特征解问题为{W1,W2}和{Tr1,Tr2}，根据线性规划模型，进行图书馆服务质量态势动态大数据聚类分析[13]，得到聚类函数为：

其中，F表示聚类函数，H 表示矩阵耦合，根据式（2）给出的信息聚类结果，进行图书馆服务质量动态感知和深度学习，筛选出对图书馆服务质量影响较大的核心因素，为构建图书馆服务质量个性化评价机制提供数据支撑。

1.3 图书馆服务质量个性化评价机制构建

基于上文构建的图书馆服务质量动态大数据聚类特征分析模型，同时考虑图书馆用户量较大且用户类型差异性较大，立足新媒体时代下图书馆服务需求呈现的若干新特征，构建了一种新的图书馆服务质量个性化评价机制。为了较好地量化图书馆服务质量，把图书馆服务质量个性化评价问题视为多因素约束下的最优策略选择问题，形成闭合的良性循环反馈机制，为图书馆服务质量的稳定提升提供评价支撑。该机制聚焦图书馆新媒体资源与大数据挖掘背后的服务质量提升之间的逻辑对应关系，理清了图书馆服务质量提升与核心影响因素之间的隐性关联[14]，为图书馆服务质量动态感知及评价提供了一种定量化途径。图书馆服务质量个性化评价机制涵盖新媒体背景下的新媒体资源与新兴读者受众服务的提升之间的对应关系、图书馆新媒体服务从业人员的专业知识及自身素质与提升图书馆整体服务质量之间的逻辑对应关系等，为构建个性化及定量化的图书馆服务质量评价体系提供了重要补充。

2 图书馆服务质量动态感知算法优化

2.1 图书馆服务质量动态感知的大数据挖掘构建

通过精准收集读者兴趣的数据，分析读者的潜在服务需求，构建具有多源异构属性的图书馆服务质量大数据池，为图书馆服务质量的提升提供前置数据支撑。构建图书馆服务质量态势动态信息统计分析数据库，提取图书馆服务质量态势动态大数据的信息熵，采用自适应参数融合方法[15]，得到图书馆服务质量动态感知的深度学习函数为：

该问题的最优解具有闭合形式，图书馆服务质量动态感知的最优特征量为Trj，采用演化学习方法进行图书馆服务质量动态感知求解，且有：

其中，当i=1时，μi满足最优聚类约束条件，图书馆服务质量动态感知大数据融合聚类问题描述为：

根据离散度分布思想构建服务质量大数据挖掘机制，求得prj(k)与pri(k)的最优值，根据大数据挖掘的重构关系，进行图书馆服务质量动态感知。

2.2 图书馆服务质量动态感知

根据提取的图书馆服务质量态势动态信息熵分布特征解进行大数据挖掘模型的构造，首先对所有的特征解进行归一化改造，保证满足，图书馆服务质量动态感知的特征变量定义为μ1、μ2和μm，其中，μ1、μ2表示常规控制变量，μm表示模糊控制变量，则图书馆服务质量动态感知寻优问题满足如下公式：

提取图书馆服务质量态势动态信息熵分布特征解，然后对其进行大数据挖掘模型构造[16]，图书馆服务质量动态感知的空间演化模型可以用封闭公式表示，则有：图书馆服务质量动态感知的最优策略满足：

基于式（7）并且使用自适应加权的强化学习方法，得到图书馆服务质量动态感知的过程控制函数，如式（8）：

其中，μm满足收敛解。采用空间分布式融合方法，实现图书馆服务质量态势动态大数据信息感知，优化分量管理。

3 仿真实验与结果分析

为了多维度验证该文所提方法在实现图书馆服务质量动态感知中的应用性能，对模型进行仿真实验分析，仿真分析基于Matlab 7 环境设计，图书馆服务质量态势动态大数据的采样样本数为1 200，模糊相似度系数为0.25，特征匹配系数为0.82，对服务质量态势数据融合聚类的迭代次数为200，根据上述参数设定，进行图书馆服务质量动态感知[17]，构建面向图书馆服务质量态势感知的动态大数据挖掘机制，基于图书馆读者满意度历史运维数据，构建具有大数据属性特征的图书馆服务质量动态感知数据池，进而得到图书馆服务质量动态感知大数据采样结果，具体如图2 所示。

图2 图书馆服务质量动态感知大数据

以图2 中的数据为研究对象，进行图书馆服务质量动态感知，对采集的图书馆服务质量态势动态大数据进行模糊信息分类识别和特征分布式融合处理[18]，提取图书馆服务质量态势动态大数据的信息熵，得到信息感知结果，如图3 所示。

图3 图书馆服务质量动态感知结果

分析图3 可知，采用该文方法进行图书馆服务质量动态感知的融合度水平较高，抗干扰性较好。测试图书馆服务质量动态感知的准确性，对比结果如表1 所示，分析表1 可知，采用该文方法进行图书馆服务质量动态感知的准确性较高，信息分类管理能力较好，其提高了图书馆服务质量动态管理水平。

表1 图书馆服务质量动态感知准确性对比

4 结论

为了提高服务质量态势分析和动态监测水平，该文提出基于大数据挖掘的图书馆服务质量动态感知模型。采用模糊信息融合方法，进行图书馆服务质量态势辅助决策，采用模糊参数寻优方法，进行图书馆服务质量动态感知控制，提取图书馆服务质量态势动态大数据的信息熵，根据提取的图书馆服务质量态势动态信息熵分布特征量进行大数据挖掘模型的构造，采用空间分布式融合方法，实现图书馆服务质量态势动态大数据信息感知，优化分量管理。研究表明，采用该文方法进行图书馆服务质量动态感知的准确性较高，信息分类管理能力较强，其在图书馆服务质量动态管理中具有很好的应用价值。