基于知識依賴度約簡的知識發(fā)現(xiàn)研究

1、基于知識依賴度約簡的知識發(fā)現(xiàn)研究 摘要：粗糙集理論中的屬性約簡問題屬于np難問題。以教育技術(shù)學(xué)專業(yè)讀者2013學(xué)年度圖書借閱歷史數(shù)據(jù)為原型，采用借閱類目的次數(shù)多少作為屬性重要度進(jìn)行啟發(fā)式選擇，利用粗糙集理論中的知識依賴度對類目約簡，挖掘出本專業(yè)和各年級借閱類目的核心集，并經(jīng)問卷調(diào)查證明其規(guī)律的正確性。通過與教育技術(shù)學(xué)專業(yè)學(xué)科知識體系結(jié)構(gòu)的比較，能夠發(fā)現(xiàn)學(xué)科知識體系結(jié)構(gòu)建設(shè)的不足之處，以促進(jìn)其更科學(xué)完善。 關(guān)鍵詞：粗糙集；知識依賴度；數(shù)據(jù)挖掘；知識發(fā)現(xiàn) doidoi：10.11907/rjdk.143896 中圖分類號：tp391 文獻(xiàn)標(biāo)識碼：a 文章編號 文章編號：16727800（2015）

2、006013503 基金項(xiàng)目基金項(xiàng)目：安徽省高等學(xué)校圖書情報(bào)工作委員會基金項(xiàng)目（tgw13b08） 作者簡介作者簡介：李化明（1974-），男，江西東鄉(xiāng)人，碩士，淮北師范大學(xué)圖書館館員，研究方向?yàn)閿?shù)字圖書館、讀者服務(wù)。 0 引言 高校圖書館自動化建設(shè)經(jīng)過多年發(fā)展，已經(jīng)積累了大量歷史數(shù)據(jù)，這些數(shù)據(jù)不但完整，而且質(zhì)量高，充分反映了讀者學(xué)習(xí)成長的過程。如何對其進(jìn)行挖掘提煉并從中發(fā)現(xiàn)有價(jià)值的知識，是了解讀者需要、開展知識推送服務(wù)的重要信息來源。前人研究主要是根據(jù)讀者的借閱歷史數(shù)據(jù)，利用關(guān)聯(lián)規(guī)則算法發(fā)現(xiàn)某類書籍之間的關(guān)聯(lián)規(guī)則14，或利用聚類算法挖掘具有共同閱讀興趣的讀者群體5，以及通過時(shí)間流分析得到讀者

3、借閱時(shí)間的分布規(guī)律6等。也可以利用粗糙集進(jìn)行挖掘。例如，柳炳祥等7只是介紹有關(guān)理論，文章中并沒有對粗造集挖掘進(jìn)行深入闡述。這些挖掘結(jié)果往往只是反映讀者已往的借閱規(guī)律，而不能反映其當(dāng)前和今后一段時(shí)間的真實(shí)需要，因?yàn)檫@些讀者還需要不斷地進(jìn)行知識更新和深化學(xué)習(xí)。本文通過對教育技術(shù)學(xué)專業(yè)讀者群進(jìn)行數(shù)據(jù)挖掘，利用知識依賴度約簡方法發(fā)現(xiàn)其學(xué)科知識體系結(jié)構(gòu)，并通過與相關(guān)專業(yè)的知識體系結(jié)構(gòu)建設(shè)進(jìn)行比較，以發(fā)現(xiàn)建設(shè)中的不足之處。如果利用所得的知識庫進(jìn)行推送服務(wù)，則能把讀者真正需要的知識推送給他們。 1 粗造集有關(guān)理論 粗糙集理論認(rèn)為“知識是一種對對象進(jìn)行分類的能力”，它將分類理解為在特定空間上的等價(jià)關(guān)系，而等價(jià)

4、關(guān)系構(gòu)成了對該空間的劃分8。 定義1（論域、知識）：設(shè)u 是感興趣的對象組成的非空有限集合，稱為一個(gè)論域。論域u 上的任一子集xu，稱為論域u 的一個(gè)概念或范疇。論域u 中的任何子集簇（概念簇）稱為關(guān)于u 的抽象知識，簡稱知識9。在二維表中，知識是由某些列對所有行的劃分構(gòu)成的集合所表示。 定義2（知識庫）：給定一個(gè)論域u 和u上的一簇等價(jià)關(guān)系s，稱二元組k=（u，s）是關(guān)于論域u 的一個(gè)知識庫或近似空間。因此，論域上的等價(jià)關(guān)系即代表著劃分和知識。這樣，知識庫就表示了論域上由等價(jià)關(guān)系導(dǎo)出的各種知識，即劃分或分類模式，同時(shí)代表了對論域的分類能力，并隱含著知識庫中概念之間存在的各種關(guān)系9。 定義3（

5、不可分辨關(guān)系）：給定一個(gè)論域u 和u上的一簇等價(jià)關(guān)系s，若ps，且p，則p（p中所有等價(jià)關(guān)系的交集）仍然是論域u 上的一個(gè)等價(jià)關(guān)系，稱為p上的一個(gè)不可分辨關(guān)系，記作ind（p）。ind（p）的等價(jià)類稱為知識p的基本范疇9。 2 知識發(fā)現(xiàn) 2.1 樣本數(shù)據(jù)選取 本研究以教育技術(shù)學(xué)專業(yè)學(xué)生作為研究原型，經(jīng)統(tǒng)計(jì)，教育技術(shù)學(xué)專業(yè)自2008年以來每年招收1個(gè)班學(xué)生，系統(tǒng)有2008年以來的所有借閱歷史記錄，符合研究要求。為了簡化樣本數(shù)據(jù)，選擇2013學(xué)年度（20132252014119日）教育技術(shù)學(xué)專業(yè)20102013級學(xué)生借閱歷史數(shù)據(jù)作為研究對象（即大一至大四學(xué)生），借閱情況統(tǒng)計(jì)數(shù)據(jù)如表1所示。 2.2

6、 數(shù)據(jù)預(yù)處理 在進(jìn)行數(shù)據(jù)挖掘之前，需要對數(shù)據(jù)進(jìn)行去噪、補(bǔ)缺和轉(zhuǎn)換等預(yù)處理操作。數(shù)據(jù)預(yù)處理步驟如下：根據(jù)年級、專業(yè)代碼和時(shí)間段獲取讀者借閱歷史記錄，并通過匯總獲得借閱圖書的人數(shù)、未借閱人數(shù)和總借閱冊數(shù)；去除借閱書目的種次號，得到借閱類目，匯總后得到借閱類目數(shù)。由于中圖法是通過標(biāo)記符號代表各級類目和固定先后次序的分類體系，標(biāo)記符號不同，其表示的知識類目也不同，故不能把相近類目合并為一類；按類目進(jìn)行匯總，求得各類目借閱冊數(shù)和所有類目的平均借閱冊數(shù)，并刪除低于平均借閱冊數(shù)的類目，因?yàn)槠浔憩F(xiàn)的只是某個(gè)學(xué)生的個(gè)人愛好，不是大家共同學(xué)習(xí)的知識，相當(dāng)于噪音數(shù)據(jù)；求出借過大于平均借閱冊數(shù)類目的所有讀者，這些讀者

7、即是進(jìn)行知識約簡的對象；生成上述讀者對象和其借閱類目的二維表，并對表中數(shù)據(jù)進(jìn)行轉(zhuǎn)換處理，如果此讀者借過該類目書籍則為1，否則為0。類目列按類目總借閱冊數(shù)降序添加到表中。 2.3 知識約簡 經(jīng)過上面的數(shù)據(jù)預(yù)處理后，得到了知識庫的關(guān)系簇s 和論域u，即不小于平均借閱冊數(shù)的類目和借閱這些類目的讀者。然而，即使經(jīng)過上述預(yù)處理后，其約簡的類目數(shù)還有幾十種；如果直接利用知識依賴度（定義5）來約簡，其需要計(jì)算的次數(shù)為m*logm*2n（m是讀者數(shù)，n是類目數(shù)），這是指數(shù)級時(shí)間復(fù)雜度，需要消耗大量計(jì)算時(shí)間。為了得到多項(xiàng)式時(shí)間算法，采用以類目借閱的冊數(shù)多少作為屬性重要度的啟發(fā)式策略，應(yīng)用知識依賴度來約簡二維表，

8、具體算法如下： （1）置k=，r=；/ k表示約簡后得到的知識，r表示臨時(shí)約簡知識 /如果單個(gè)知識把論域全覆蓋則作為約簡知識放入k中 （2）for r0=1 to count（類目） do 取出count（r0）類目i，計(jì)算其劃分。 如果i全覆蓋論域u ，則把i并入k中；否則，退出循環(huán)。 （3）把i并入r中。 /計(jì)算剩下的類目依賴關(guān)系 （4）for r1=r0+1 to count（類目） do 取出count（r1）類目q，根據(jù)類目q求其對論域u 的劃分。 根據(jù)r中的知識求其對論域u 的劃分。 利用知識依賴度公式，求q對r的知識依賴度；如果小于0.5，則把q并入r中，否則認(rèn)為知識q歸屬于r而

9、被約簡掉。 （5）k=kr，并退出。 /即k就是所求的約簡集合 此算法不能保證所有結(jié)果最優(yōu)，但近似最優(yōu)值。對教育技術(shù)學(xué)專業(yè)2013學(xué)年度的知識約簡后的結(jié)果見表1“類目選擇”列，這里按屬性重要度（借閱冊次多少）列出了前面56個(gè)約簡后得到的類目（知識集合）。然后對各年級約簡的類目掃描一遍，根據(jù)類目的位置和重復(fù)度多少，即可得到本專業(yè)的核心知識，即：tp391.41、i247.5為專業(yè)核心知識集。約簡后一些主要類目借閱冊數(shù)如表2所示。 2.4 結(jié)果分析 在表2中如果各約簡后的主要類目借閱冊數(shù)相差懸殊不大，則說明讀者不了解專業(yè)知識結(jié)構(gòu)，而是根據(jù)個(gè)人的興趣愛好進(jìn)行借閱；若相反，則表明其專業(yè)知識結(jié)構(gòu)明確，借

10、閱的針對性和目的性非常強(qiáng)。例如，表2中大一學(xué)生（2013年級）借閱tp391.41為14冊，g40-057為6冊，對應(yīng)的表1中的幾個(gè)主要借閱類目之間的最大比例是14/62.3倍，這說明他們除了學(xué)習(xí)專業(yè)技術(shù)知識外，還閱讀“i247.57 社會、言情小說”、“i561 英國文學(xué)”等書籍，閱讀內(nèi)容涉及面較寬，不了解專業(yè)知識體系結(jié)構(gòu)；大二學(xué)生（2012年級）借閱tp391.41為69冊，j06為7冊，幾個(gè)主要借閱類目之間的最大比例是69/79.9倍，這顯示他們初步抓住了專業(yè)知識體系結(jié)構(gòu)，閱讀內(nèi)容較為集中；而大三、大四的學(xué)生幾個(gè)主要借閱類目之間的最大比例12倍，表明他們主攻專業(yè)技術(shù)知識“tp391.41

11、圖像識別及其裝置”、“tp393.092網(wǎng)絡(luò)瀏覽器”，學(xué)習(xí)目標(biāo)非常明確。 另外還可以看到，“i247.5新體長篇、中篇小說” 一直是讀者熱衷的書籍，但在教育技術(shù)學(xué)專業(yè)人才培養(yǎng)方案（2013）13中則沒有反映出來，該專業(yè)主要課程包括：教育技術(shù)學(xué)導(dǎo)論、心理學(xué)、教學(xué)系統(tǒng)設(shè)計(jì)、遠(yuǎn)程教育基礎(chǔ)、電視教材設(shè)計(jì)與制作、教育媒體理論、教育技術(shù)學(xué)研究方法、中學(xué)信息技術(shù)課程教學(xué)設(shè)計(jì)。并且從表2中還能看出，一些專業(yè)基礎(chǔ)理論知識例如“j06 造型藝術(shù)理論”、“g40-057 教育技術(shù)學(xué)”，主要是由大一、大二學(xué)生借閱，而且數(shù)量都不大。這表明學(xué)科體系結(jié)構(gòu)中相關(guān)基礎(chǔ)理論課程設(shè)置較合理，基本滿足學(xué)習(xí)者需要；相反，“tp393.

12、092 網(wǎng)絡(luò)瀏覽器”在大三、大四學(xué)生借閱量中卻驟然增加，這反映了教育技術(shù)學(xué)專業(yè)學(xué)生更需要這方面的知識和技能，也說明該課程在學(xué)科體系結(jié)構(gòu)中的重要性，以及體系結(jié)構(gòu)設(shè)置的不合理性。 因此，通過對相關(guān)數(shù)據(jù)的分析，給出如下建議：給大一、大二學(xué)生適當(dāng)介紹本學(xué)科知識體系結(jié)構(gòu)，使其開始就明確學(xué)習(xí)目標(biāo)、方向和內(nèi)容組成；通過與教育學(xué)院教師交流發(fā)現(xiàn)，學(xué)院已開設(shè)學(xué)科導(dǎo)論課程，但效果不夠理想。因此，對于開設(shè)學(xué)科導(dǎo)論課的院系，需要扎實(shí)推進(jìn)本導(dǎo)制，發(fā)揮其引導(dǎo)作用；深入研究小說等文學(xué)類與教育技術(shù)學(xué)專業(yè)之間的內(nèi)在關(guān)系，將其納入學(xué)科體系結(jié)構(gòu)中，完善學(xué)科知識體系結(jié)構(gòu)建設(shè)；在低年級中適當(dāng)開設(shè)“tp393.092 網(wǎng)絡(luò)瀏覽器”課程，做

13、好相關(guān)理論基礎(chǔ)知識鋪墊，使學(xué)科知識結(jié)構(gòu)布局更加合理。 3 知識驗(yàn)證 為了驗(yàn)證以上發(fā)現(xiàn)的知識規(guī)律是否正確，對20112013級教育技術(shù)學(xué)專業(yè)讀者進(jìn)行問卷調(diào)查。問卷內(nèi)容主要是根據(jù)表2約簡后得到的幾個(gè)類目，按借閱冊次多少選擇前3個(gè)類目，挑選出上一年級讀者在2013學(xué)年度借閱最多的前幾本書目及類目（配有類目解釋和例子），加上讀者自我推薦書目欄目，把這些作為2014年度本年級調(diào)查內(nèi)容。這樣設(shè)計(jì)的目的是：驗(yàn)證以上發(fā)現(xiàn)的知識規(guī)律是否正確；驗(yàn)證上一年級讀者在上學(xué)年借閱最多的書目是否也是本年級讀者在本學(xué)年借閱最多的，以確定推薦內(nèi)容。調(diào)查統(tǒng)計(jì)結(jié)果如表3所示，按此知識規(guī)則進(jìn)行推薦，其類目命中率（即約簡后的知識類目中

14、想借閱數(shù)/總想借閱數(shù)）都在87%以上。再把表2和表3內(nèi)容合并后比較得出表4，從表4中也能看出其順序基本一致。因此，采用這種方法得出的知識與實(shí)際相符，驗(yàn)證了規(guī)律的正確性。另外，從調(diào)查具體數(shù)據(jù)來看，上一年級讀者借閱最多的書目并不一定是本年級讀者最想看的書目，例如：在對2012級教育技術(shù)學(xué)專業(yè)學(xué)生問卷調(diào)查中，書目 flash 8基礎(chǔ)與實(shí)例精講（騰飛科技編著.人民郵電出版社，2007）在2013學(xué)年被2011級教育技術(shù)學(xué)專業(yè)學(xué)生借閱了6次，問卷調(diào)查結(jié)果是34人想借閱；而書目flash 8 角色與動畫短片設(shè)計(jì)技術(shù)精粹（周國棟編著.人民郵電出版社，2007），則借閱了4次，問卷結(jié)果是41人想借閱。因此，在

15、進(jìn)行知識書目推薦時(shí)，需要從這些約簡后的類目中分別挑選借閱最多的前幾本書目，組合起來作為推薦內(nèi)容，才能滿足讀者真正的需要。 4 結(jié)語 本文利用粗糙集理論中的知識依賴度約簡方法對某專業(yè)讀者群借閱歷史數(shù)據(jù)進(jìn)行挖掘，獲得其學(xué)科體系結(jié)構(gòu)知識，并通過比較，發(fā)現(xiàn)相應(yīng)學(xué)科體系結(jié)構(gòu)建設(shè)中的不足之處，促使學(xué)科結(jié)構(gòu)體系建設(shè)更加合理、完善。如果利用所得的知識進(jìn)行推送服務(wù)，則能夠根據(jù)學(xué)生知識結(jié)構(gòu)的變化進(jìn)行預(yù)判，做到有的放矢，提高服務(wù)質(zhì)量。當(dāng)然，本文還有一些問題尚待解決，如表4類目順序變化的真正原因是什么，蘊(yùn)含了哪些知識？小說等文學(xué)類中哪些知識是教育技術(shù)學(xué)專業(yè)的本質(zhì)需要，如何合理設(shè)計(jì)它在學(xué)科體系結(jié)構(gòu)的布局等？相關(guān)問題有待

16、進(jìn)行下一步更深入的研究。 參考文獻(xiàn)： 1陳錦，吳揚(yáng)揚(yáng). apriori算法在高校圖書館圖書推薦中的應(yīng)用j. 河南科技學(xué)院學(xué)報(bào)：自然科學(xué)版，2012，40（4）：9092. 2趙彥輝. 基于流通數(shù)據(jù)挖掘的讀者閱讀興趣本體模型構(gòu)建j. 圖書情報(bào)工作， 2012，56（3）：121125. 3張紅燕. 關(guān)聯(lián)規(guī)則挖掘在高校圖書館借閱流通中的應(yīng)用j. 數(shù)字技術(shù)與應(yīng)用，2012（5）：76，78. 4薛琴榮，李響. 基于數(shù)據(jù)挖掘技術(shù)的圖書館個(gè)性化借閱服務(wù)研究j. 情報(bào)探索，2013（4）：110113. 5楊昌順. 聚類分析在圖書館讀者群體細(xì)分中的研究和應(yīng)用j. 貴州師范學(xué)院學(xué)報(bào)，2012，28（6）：1117. 6蔣細(xì)芳，劉羽，馮現(xiàn)坤. 基于時(shí)間序列的圖書館個(gè)性化服務(wù)研究j. 軟件導(dǎo)刊，2011，10（5）：125126. 7柳炳祥. 基于數(shù)據(jù)挖掘的圖書館個(gè)性化服務(wù)系統(tǒng)j. 現(xiàn)代情報(bào)，2007（3）：108109. 8李龍澍，王慧萍，徐怡. 二進(jìn)制可分辨矩陣的最小屬性約簡算法j. 計(jì)算機(jī)技術(shù)與發(fā)展，2010，20（6）：9396，100. 9苗奪謙，李道國. 粗糙集理論、算法與應(yīng)用m. 北京：清華大學(xué)出版社，2008. 10唐彬，李龍澍. 啟發(fā)式屬性約簡算法完備性和規(guī)則發(fā)現(xiàn)算法的研究j. 計(jì)算機(jī)工程與應(yīng)用，2003（