一种基于图书馆管理信息系统的智能管理方法

摘要

本发明涉及一种基于图书馆管理信息系统的智能管理方法，包括以下步骤：1.建立数据仓库；2.采集并处理数据仓库的内容；3.计算借阅状态分类结果；4.将借阅状态分类结果反馈给原始图书管理系统，并显示给用户和管理员，供参考。本发明解决了现有的图书馆管理系统不智能、使用不方便的技术问题，本发明采用了可以对相应的历史借阅数据进行处理，然后再采用贝叶斯分类算法，得出有用的信息，供管理人员更好的管理；可以提醒用户在借阅图书的时候注意借阅时间是否够用。

说明书

技术领域

本发明涉及计算机软件终端技术，尤其涉及一种为图书馆管理信息系统提 供智能管理的方法。

背景技术

传统的图书管理系统只能完成一般的图书管理，图书借阅管理，图书借阅 证件管理等一些常用的功能，但是这些功能已经不能满足图书管理人员的需求， 他们在使用的过程中需要本系统更加的智能化、人性化、可以更好的服务用户。 而本发明就是为了增加对图书管理的更加人性化而设计的，采用数据挖掘的技 术对图书馆管理信息系统在长期的使用当中所积累的海量数据进行处理，产生 相应的预测结果，然后把这些预测结果提供给图书管理人员，使他们可以更加 合理的完善图书管理信息系统的服务。比如说对图书馆内部的历史采购数据、 读书数据、流通数据、反馈信息以及来自外部的各种学科发展信息等各种数据 分析。如果把本发明应用在图书管理信息系统当中，可以使使用者在使用当中 得到更大的方便，使管理者在管理当中可以更好的利用自身的现有资源，使他 们的服务变得更加的人性化。而且能够使管理工作更加科学化、规范化、智能 化。

由于图书馆日常的工作每天都会产生大量的统计数据，如果没有一个强有 力的数据采集和处理工具介入，往往会变成“数据的坟墓”，失去对图书馆业务 工作的指导作用。本发明主要是针对现在图书管理系统中所产生的业务数据进 行分析，然后确定预测数据挖掘的预测对象，得出一些有用的知识。经过对图 书管理系统中的调查，发现有很多图书存在借阅时间限制不准确的问题，针对 固定的借阅时间，有些图书可能时间过长，有些可能比较短，

发明内容

为了解决现有的图书馆管理系统不智能、使用不方便的技术问题，本发明 针对图书馆管理信息系统提供一种智能管理的方法，本发明针对图书的借阅状 态对某种分类的图书借阅的状态进行预测，根据这些预测的结果对图书馆管理 人员和用户进行相应的提示，使得图书馆管理系统更加的人性化。

本发明的技术解决方案：

一种图书馆管理信息系统提供智能管理的方法，其特殊之处在于：包括以 下步骤：

1】建立数据仓库：

1.1】建立数据源模块：

所述数据仓库由数据源模块组成：所述数据源模块包括存储图书信息的图 书信息模块、存储用户信息的用户信息模块、存储图书借阅历史状态信息的图 书借阅历史状态信息模块以及挖掘对象模块；

所述图书信息包括图书编号、图书价格、图书类型、出版社以及作者；

所述用户信息包括借阅证号以及借阅证类型；

所述图书借阅历史状态信息包括图书编号、借阅历史状态以及历史用户的 借阅证号；

所述图书信息模块和图书借阅历史状态信息模块通过图书编号关联，所述 用户信息模块和图书借阅历史状态信息模块通过借阅证号关联；

所述挖掘对象模块存储借阅状态分类结果；

2】采集并处理数据仓库的内容：

2.1】用户登录原始图书管理系统，原始图书管理系统读取基本信息，并将 登录信息发送给原始图书管理系统的数据库中，所述基本信号包括用户信息、 图书信息以及图书借阅历史状态信息；

2.2】数据仓库从原始图书管理系统的数据库中依据数据库的数据选择方法 抽取各个数据源模块所需要的信息，并保存至对应的数据源模块中；

2.3】采用数据挖掘算法进行处理：

将用户信息模块中的用户信息、图书信息模块中的图书信息、图书借阅历 史状态信息模块中的图书借阅历史状态信息以及借阅状态分类结果关联，建立n 维特征向量X＝(x1，x2，x3，x4......xn)，其中n等于所关联对象的个数，xn表示 借阅状态分类结果，所述借阅状态分类结果包括需要延长借阅的时间(yes)和 不需要延长借阅的时间(no)两个度量；

3】计算借阅状态分类结果：

3.1】根据n维特征向量中xn属性的值p(yes)＝Sy/S，P(no)＝Sn/S算出P(yes) 和P(no)两个的概率值，其中Sy表示yes的个数，Sn表示no的个数，S表示整 个xn属性的总个数；

3.2】分别计算条件概率P′(xi|xy)和P′(xi|xn)，其中i＝1，2，3......n-1；

3.3】根据公式(1)和公式(2)进一步计算条件概率

P′(X|xn＝yes)和P′(X|xn＝no)

其中：$P^{\prime }\left(X\right|\mathrm{xn}=\mathrm{yes})=\underset{i=1}{\overset{i=n-1}{\Pi }}P\left(\mathrm{xi}\right|\mathrm{xn}={}^{\prime \prime }\mathrm{yes}^{\prime \prime })---\left(1\right)$

$P^{\prime }\left(X\right|\mathrm{xn}=\mathrm{no})=\underset{i=1}{\overset{i=n-1}{\Sigma }}{P}^{\prime }\left(\mathrm{xi}\right|\mathrm{xn}={}^{\prime \prime }\mathrm{no}^{\prime \prime })---\left(2\right)$

3.4】通过公式(3)和公式(4)计算出每一个条件概率值的后验概率值

p″(yes)和p″(no)

其中p″(yes)＝P′(X|xn＝yes)*P(xn＝yes)(3)

p″(no)＝P′(X|xn＝no)*P(xn＝no)       (4)

3.5]比较后验概率值，根据最高后验概率值进行分类，得到借阅状态分类结 果；

4】将借阅状态分类结果反馈给原始图书管理系统，并显示给用户和管理员， 供参考。

还包括原始图书管理系统根据反馈的借阅状态分类结果，自动调整图书借 阅时间的长短。

本发明所具有的优点：

1、本发明采用了可以对相应的历史借阅数据进行处理，然后再采用贝叶斯 分类算法，得出有用的信息，供管理人员更好的管理；可以提醒用户在借阅图 书的时候注意借阅时间是否够用。

2、本发明简化了原来数据挖掘的步骤，用轻便的方法实现数据挖掘算法， 把相应的预测算法用在图书管理系统中，并且提供了使用工具进行数据挖掘的 接口，可以在需要的时候使用工具进行数据挖掘。由于可以使用历史数据进行 数据挖掘处理，可以对自身实现的算法进行对比，有利于预测的正确性。

3、本发明智能程度高，使得管理员和用户能够更加智能化、人性化进行图 书借阅操作。

4、本发明采用数据挖掘中的分类算法从图书管理系统的历史数据中选择出 借阅的一些类型(借阅证件类型，借阅图书的价格，借阅图书的类型等)信息 作为维度，把借阅状态作为实际的预测对象，这种方式抛弃了原先数据挖掘事 实维表和维表的概念，采用简单的模式建立数据挖掘的数据源，把这些数据加 入到一个表中，在加载的时候对这些数据进行数据的预处理，数据预处理将有 助于提高其后挖掘过程的精度和性能。

附图说明

图1为本发明的数据流向的结构示意图。

具体实施方式

本发明为图书馆管理信息系统提供一种智能管理的方法，具体包括以下步 骤：

步骤一，我们把相应的图书管理日常工作中产生的历史数据，经过我们的 挑选，把可能会和我们确定预测对象有关系的历史数据加入到一个数据库中； 于历史数据不断的增加，可以把相应的新的数据添加进去，算法进行更进一步 的分析，可以增加预测的正确性。

步骤二，然后把历史数据进行数据的预处理，在这里由于我们是对借阅状 态进行预测的，由于借阅状态图书管理系统中主要是分为三种：借阅，续借和 过期。根据情况本发明把借阅状态分为两类：yes和no，yes表示续借和过期， 由于这两种状态通常是阅读时间不够，需要继续阅读。no表示借阅时间足够， 不需要继续借阅；

步骤三，为了提高预测的准确性，因此，在用户进行图书续借或者过期图 书办理的时候，本发明采用一个用户续借和过期原因选择，选项为两项：一个 是阅读时间不够，另一个是其它原因，也可以通过留言进行原因的书写；

步骤四，在进行贝叶斯算法之前，首先操作人员要对可能对借阅状态产生 影响的属性进行选择，比如：借阅证件类型，借阅图书类型，借阅图书价格等 属性进行选择；

步骤五，然后采用贝叶斯算法进行处理，直接得出相应分类的借阅状态是 什么，作出相应的提示，对用户的图书借阅进行更加人性化的提示。

本发明采用了分类算法中贝叶斯算法进行处理。这种算法都是对图书的借 阅类型进行分类的处理。采用这种方法，针对不同的用户产生不同可视化界面 设计的。但是，这种算法产生的结果主要是针对某种分类信息产生的借阅状态 是什么，是续借？过期？还是借阅？而且本发明针对借阅状态进行预测的。

下面介绍本发明中采用贝叶斯算法的步骤，贝叶斯算法在本发明中主要是 针对借阅人进行设计的。

实施例：

数据挖掘分类算法：

在这里采用一种数理统计的分类算法，贝叶斯分类算法。它的数学基本原理 是根据贝叶斯公式进行分类的。

表1表示了一些属性

  借阅证件类型   借阅图书的价格   借阅图书的类型   借阅的状态   教师借阅证   50   信息    Yes

假定在本发明中数据样本如表1所示，采用贝叶斯算法可以把数据样本用一 个4维的特征向量X＝(x1，x2，x3，x4)表示.。

其中x1表示“借阅证件类型”属性，本发明中已经把该属性分为了教师借阅 证件，本科生借阅证件和研究生借阅证件三种类型。

x2表示借阅图书的价格，可以根据软件对这个借阅区间进行设置，假定小 于50是区间1，50到80是区间2，大于80是区间3。

x3表示借阅图书的类型，这个属性的值是根据图书馆的分类进行区分的，需 要按照图书的分类原则进行区分，比如信息，文学等等。

x4表示分别对“借阅的状态”属性，也就是本发明中需要预测的一个状态信 息，在借阅的状态属性中2个度量分表是yes和no。yes表示需要延长借阅的时 间，no表示不需要延长借阅的时间。

上面是对样本数据的一个简单的描述，当然在实际的发明当中不可能只有 这些类型的数据，上面只是为了对本发明算法作为介绍的一个说明数据，下面 就具体来说明一下本发明的算法实施过程。

1.根据训练样本中x4属性的值分别算出P(yes)和P(no)的概率， P(yes)＝Sy/S，P(no)＝Sn/S就可以算出P(yes)和P(no)两个的概率值，其中Sy表示 属性为yes的个数，Sn表示属性为no的个数，S表示整个x4属性的总个数。

2.分别计算条件概率P′(xi|xy)和P′(xi|xn)，其中i＝1，2，3的值，

举例如下：

对于x1，比如证件号为教师借阅证的是的条件概率如下表示：

P’(x1＝”教师证件号码”|x4＝”yes”)和P(x1＝”教师证件号码”|x4＝”no”)两个概 率值。按照上面提出的数据可以分别计算出下面的概率值。

P(x2＝”＜50”|x4＝”yes”)和P(x2＝”＜50”|x4＝”no”)

P(x3＝”信息”|x4＝”yes”)和P(x3＝”信息”|x4＝”no”)

当然在本发明中还有其他的属性，也是采用上面的方法进行计算，比如x2 中还有属性为50到80之间，大于80这些属性它们都需要进行计算。

3.计算出上面的条件概率之后，就需要进一步计算P′(X|x4＝yes)和 P′(X|x4＝no)

这些概率值，这个采用公式

其中：$P^{\prime }\left(X\right|\mathrm{xn}=\mathrm{yes})=\underset{i=1}{\overset{i=n-1}{\Pi }}P\left(\mathrm{xi}\right|\mathrm{xn}={}^{\prime \prime }\mathrm{yes}^{\prime \prime })---\left(1\right)$

$P^{\prime }\left(X\right|\mathrm{xn}=\mathrm{no})=\underset{i=1}{\overset{i=n-1}{\Sigma }}{P}^{\prime }\left(\mathrm{xi}\right|\mathrm{xn}={}^{\prime \prime }\mathrm{no}^{\prime \prime })---\left(2\right)$

其中i＝(1，2，3)

通过这个公式就可以算出各种组合下面的P′(X|x4＝yes)和P′(X|x4＝no) 的概率值

4.然后在通过如下的方法算出每一个的后验概率值p″(yes)和p″(no) p″(yes)＝P′(X|x4＝yes)*P(x4＝yes)    p″(no)＝P′(X|x4＝no)*P(x4＝no) 公式可以算出最终的概率值，然后把概率值最高的作为最高后验证概率。然后 通过这个最高后验概率进行分类。

5.通过事先确定的区间范围，和后验概率的值的大小，把认为可以接受的 区间范围，比如后验证概率大于多少的时候是正确的分类列出来，然后得出预 测的结果，应用在图书管理系统中。