第二章 文獻探討
第一節 書目探勘
第二章 文獻探討
第一節 書目探勘
書目探勘（Bibliomining）一詞是 Scott 與 Stanton 於 2003 年「The Bibliomining Process: Data Warehousing and Data Mining for Library Decision-Making.」首先提 出，在此之前有關資料探勘應用於圖書館領域的研究已有一些成果，但是研 究人員所用的詞彙，均是以圖書館的資料探勘（Data Mining in Library）來呈現，
因此 Scott 與 Stanton 於 2003 年首先創建了書目探勘學（Bibliomining）一詞，
這個名詞的定義就是利用資料探勘 (Data Mining)及書目計量 (Bibliometric)工 具於圖書館服務所產生之資料的應用，開創圖書館管理與服務一新的研究領 域。
Banerjee（1998）指出引進資料探勘技術於圖書館之中，對於圖書館而言 有兩項好處：
1. 相較於紙本目錄資源取得不易，在引入資料探勘之後，電子化的資料 能夠更快速且完善的被取用
2. 能讓管理者或使用者不需透過他人幫助，輕易的使用電腦找到其所需 的資源。
書目探勘對於圖書館而言，可以將原有的圖書館自動化系統中的各項記錄 加以利用，並且將其以電子化方式快速提供給圖書館管理者以及館員做為決策 的有效依據。張健彥（2008）將目前書目探勘的相關研究依照功能導向歸為三 類：讀者行為模式、協助決策制定、推薦行為
6
一、 讀者行為模式：
透過書目探勘結果，得到讀者使用圖書館的行為模式，同時利用此模式，
吸引讀者並達到提升圖書館使用率的研究。吳安琪（2001）以交通大學圖書館 的書目、館藏記錄為基礎，以 Aproiri 的演算法探討讀者的社群關係與吸引讀 者到館借閱、提升讀者借閱率、提升讀者忠誠度、促進館藏流通率的原因和協 助館藏複本採訪政策；而林湧順（2005）以師大附中圖書館館藏記錄配合學生 的各項基本資料以及借閱時間等，分析學生借閱行為與其所屬的居住地區、類 組、特殊班級(數理班、音樂班)、成績等關係，針對資料做客觀分析反映出學 生在借閱行為上的實際情況，提供圖書館經營、館藏發展與個人化服務方面做 為依據。
透過書目探勘方式，找尋圖書與使用者之間的關聯，發掘使用者的行為模 式，能夠幫助圖書館針對讀者行為制訂對應的經營決策以及個人化的服務，對 於圖書館而言，能夠提升讀者使用圖書館意願也能夠幫助讀者更輕易獲取所需 的資源。
二、 協助決策制定：
透過書目探勘結果找出讀者主要的使用需求，以協助館方針對讀者需求做 出適當的館藏發展政策。陳建銘（2001）以台灣科技大學圖書館為研究對象，
以霍普菲爾類神經網絡(Hopfield Neural Network)解決關聯規則的部分問題，並 應用於圖書館中，找出書籍借閱偏好以及書籍借閱情況，提供學校圖書館做為 建構館藏的決策依據並提升圖書借閱率。黃毓菁（2002）將圖書館館藏分類與 讀者使用館藏偏好分群做探勘，並透過資料探勘中的關聯規則演算法，期望找 出圖書館讀者的潛藏特徵，並且將探勘結果與實際圖書館借閱記錄加以比對，
證明其可信賴度以提供圖書館對於館藏預算的分配與提升館藏使用率做為參
7
考。謝建成、魏儀禎（2003）利用資料倉儲與多維度分析技術，應用於圖書館 之中，針對各系所圖書利用情況、各分類館藏圖書情況做為資料倉儲的主題，
探討圖書館中館藏利用情況並支援圖書館相關決策。Wu（2003）說明圖書館 的管理人員經常需要面對預算分配的問題，正確且有意義的分配預算，對圖書 館運作很有助益，從圖書館流通記錄檔中可以發掘出這樣的資訊，因為這些資 訊可以反映出讀者的實質需求。此研究旨在說明利用這樣的一個過程，可以讓 圖書館的預算分配上有一個可以依循的參考，並建立一個可以應用的模組（Data Mining Based Model，簡稱 DMBA），作為研究的結論。Bleyberg, M. Z., Zhu, D., Cole, K., Bates, D. ＆ Zhan, W.(1999)等人的研究以資料倉儲技術，應用於圖書 館之中，主要的目的就是要將所得的結果用來作為圖書館的決策參考，以提升 圖書館書籍、期刊及電子資源的使用率，因為讀者對圖書館的使用模式一直的 在變動，所以圖書館的管理者必需要不斷的調整這些資源的採購政策與授權資 料。鄧世昌（2009）以多層次關聯規則探勘技術，利用圖書館借閱記錄找出圖 書館分類架構與讀者借閱書籍的關聯性，進而提供圖書館做為館藏發展與改良 圖書檢索系統之用。
從支援決策的觀點來看，書目探勘提供一客觀的角度，透過各項演算方法 以及資料倉儲讓資料本身能夠表現出其代表的潛藏意義，提供圖書館管理者做 為制定館藏政策、經費增減、服務項目等各項的決策參考指標。卜小蝶（2002）
以分類號第三層 000~999 作關聯規則分析，利用相似性比對方法，推估相似借 閱行為所反映出的圖書類號，以做為圖書推薦的依據。然而，研究中也指出兩 個限制，第一，多數讀者所借閱圖書的類號並不多，因此要得到關聯規則的類 號並不容易。第二，讀者借閱圖書的動機可能來自於修課，因此不易釐清類號 之間與主題性質上的關聯性。
8 規則上的知識，以運用於新書推薦。除此之外，更訂出一套 Interesting Rules 的評量方法，以判斷讀者的興趣趨向，並根據讀者族群特性，應用在圖書館的
柯皓仁（2007）以 Web2.0 的精神與個人化推薦系統結合，應用於圖書館推薦 系統中，並利用關聯規則探勘的方式找出個別讀者的推薦清單，並將書籍以難 易的等級加以區分，針對個別讀者提供適合的書籍以提升圖書館推薦系統的品 質。謝賓帆（2008）透過決策樹分析，找出書籍與讀者、書籍與書籍之間的關 聯特性，並利用讀者借閱類別比例做為調節加權的依據，歸納出適合的讀者與 圖書，提供圖書館做推薦圖書時參考之用。楊詠喬（2010）利用關聯規則技術，
9
對書籍與讀者進行分析，找出各特性相近的讀者借閱圖書的情形，透過關聯規 則結果，可能供圖書館推薦讀者有興趣的書籍，以達到提升借閱率的目的。
過去書目探勘中所使用的探勘技術絕大多數為：關聯規則分析、分類分析、
群集分析、次序相關分析，表 2-1-1 為林湧順（2005）與陳建傑（2009）所整 理之資料探勘技術可應用於圖書館的範疇。