基于知識(shí)依賴度約簡(jiǎn)的知識(shí)發(fā)現(xiàn)研究
摘要：粗糙集理論中的屬性約簡(jiǎn)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(shí)依賴度對(duì)類目約簡(jiǎn)，挖掘出本專業(yè)和各年級(jí)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(shí)體系結(jié)構(gòu)的比較，能夠發(fā)現(xiàn)學(xué)科知識(shí)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(shí)依賴度；數(shù)據(jù)挖掘；知識(shí)發(fā)現(xiàn)
0 引言
高校圖書館自動(dòng)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(zhǎng)的過程。如何對(duì)其進(jìn)行挖掘提煉并從中發(fā)現(xiàn)有價(jià)值的知識(shí)，是了解讀者需要、開展知識(shí)推送服務(wù)的重要信息來(lái)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(duì)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(shí)更新和深化學(xué)習(xí)。本文通過對(duì)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(shí)依賴度約簡(jiǎn)方法發(fā)現(xiàn)其學(xué)科知識(shí)體系結(jié)構(gòu)，并通過與相關(guān)專業(yè)的知識(shí)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(shí)庫(kù)進(jìn)行推送服務(wù)，則能把讀者真正需要的知識(shí)推送給他們。
1 粗造集有關(guān)理論
粗糙集理論認(rèn)為“知識(shí)是一種對(duì)對(duì)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)關(guān)系構(gòu)成了對(duì)該空間的劃分[8]。
定義1（論域、知識(shí)）：設(shè)U 是感興趣的對(duì)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(shí)，簡(jiǎn)稱知識(shí)[9]。在二維表中，知識(shí)是由某些列對(duì)所有行的劃分構(gòu)成的集合所表示。
定義2（知識(shí)庫(kù)）：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(shí)庫(kù)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(shí)。這樣，知識(shí)庫(kù)就表示了論域上由等價(jià)關(guān)系導(dǎo)出的各種知識(shí)，即劃分或分類模式，同時(shí)代表了對(duì)論域的分類能力，并隱含著知識(shí)庫(kù)中概念之間存在的各種關(guān)系[9]。
定義3（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(shí)P的基本范疇[9]。
2 知識(shí)發(fā)現(xiàn)
2.1 樣本數(shù)據(jù)選取
2.2 數(shù)據(jù)預(yù)處理
在進(jìn)行數(shù)據(jù)挖掘之前，需要對(duì)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：①根據(jù)年級(jí)、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(cè)數(shù)；②去除借閱書目的種次號(hào)，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(hào)代表各級(jí)類目和固定先后次序的分類體系，標(biāo)記符號(hào)不同，其表示的知識(shí)類目也不同，故不能把相近類目合并為一類；③按類目進(jìn)行匯總，求得各類目借閱冊(cè)數(shù)和所有類目的平均借閱冊(cè)數(shù)，并刪除低于平均借閱冊(cè)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(shí)，相當(dāng)于噪音數(shù)據(jù)；④求出借過大于平均借閱冊(cè)數(shù)類目的所有讀者，這些讀者即是進(jìn)行知識(shí)約簡(jiǎn)的對(duì)象；⑤生成上述讀者對(duì)象和其借閱類目的二維表，并對(duì)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(cè)數(shù)降序添加到表中。
2.3 知識(shí)約簡(jiǎn)
經(jīng)過上面的數(shù)據(jù)預(yù)處理后，得到了知識(shí)庫(kù)的.關(guān)系簇S 和論域U，即不小于平均借閱冊(cè)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(jiǎn)的類目數(shù)還有幾十種；如果直接利用知識(shí)依賴度（定義5）來(lái)約簡(jiǎn)，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(jí)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(cè)數(shù)多少作為屬性重要度的啟發(fā)式策略，應(yīng)用知識(shí)依賴度來(lái)約簡(jiǎn)二維表，具體算法如下：
（1）置K={}，R={}；// K表示約簡(jiǎn)后得到的知識(shí)，R表示臨時(shí)約簡(jiǎn)知識(shí)
//如果單個(gè)知識(shí)把論域全覆蓋則作為約簡(jiǎn)知識(shí)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(duì)論域U 的劃分。
根據(jù)R中的知識(shí)求其對(duì)論域U 的劃分。
利用知識(shí)依賴度公式，求Q對(duì)R的知識(shí)依賴度γ；如果γ小于0.5，則把Q并入R中，否則認(rèn)為知識(shí)Q歸屬于R而被約簡(jiǎn)掉。
（5）K=K∪R，并退出。 //即K就是所求的約簡(jiǎn)集合
2.4 結(jié)果分析
因此，通過對(duì)相關(guān)數(shù)據(jù)的分析，給出如下建議：①給大一、大二學(xué)生適當(dāng)介紹本學(xué)科知識(shí)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；②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(duì)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；③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(shí)體系結(jié)構(gòu)建設(shè)；④在低年級(jí)中適當(dāng)開設(shè)“TP393.092 網(wǎng)絡(luò)瀏覽器”課程，做好相關(guān)理論基礎(chǔ)知識(shí)鋪墊，使學(xué)科知識(shí)結(jié)構(gòu)布局更加合理。
3 知識(shí)驗(yàn)證
4 結(jié)語(yǔ)
本文利用粗糙集理論中的知識(shí)依賴度約簡(jiǎn)方法對(duì)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(shí)，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(shí)進(jìn)行推送服務(wù)，則能夠根據(jù)學(xué)生知識(shí)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(shí)？小說等文學(xué)類中哪些知識(shí)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)問題有待進(jìn)行下一步更深入的研究。
參考文獻(xiàn)：
[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.
[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.
[9]苗奪謙，李道國(guó). 粗糙集理論、算法與應(yīng)用[M]. 北京：清華大學(xué)出版社，2008.
[14]中國(guó)圖書館分類法編輯委員會(huì). 中國(guó)圖書館分類法[M]. 第4版. 北京： 書目文獻(xiàn)出版社，1999.
