第十三章案例探討 - 圖書借閱

第十三章案例探討-圖書借閱

內容概要 • 簡介 • 原始資料來源 • 資料前置處理 • 資料倉儲設計 • 資料探勘結果 • 總結

簡介 • 以圖書借閱資料為例，說明資料探勘的處理過程: • 資料取得、需求分析、資料整理、 • 資料倉儲建立、資料探勘、結果分析。 • 探討問題： • 探討不同科系是否借閱不同類別的書？ • 不同年級學生是否借閱不同類別的書？ • 大學部與研究生是否有不同的借閱習慣？ • 圖書分類是否有改進的地方？ • 借閱紀錄是否隱藏不易發掘而且重要的資訊？ • 實例解說資料探勘過程，瞭解資料探勘的過程，建立具體的印象與觀念，注重過程，而非結果。

原始資料來源 • 根據需求分析，只考慮書籍、系所部門、讀者、借閱資料四個資料表

第一階段資料前置處理(1) • 原始資料利用資料轉換匯入SQL Server • 將 Reader與 Department 資料表合成新的 Reader 資料表。 • 在Reader 資料表內： • 增加college欄位，建立：系所學院概念階層。 • 依學號分類，新增grade欄位，記錄使用者年級，區分為「freshman、sophomore、junior、senior、postgraduate、candidate for PhD、teacher」七個類別。 • 只保留 rno(讀者id)、dept_code、dept_name、college_name、grade 欄位，其餘欄位全部刪除。

第一階段資料前置處理(2) • 在Book 資料表內的： • 根據中西文圖書分類，在索書號上新增sub_class及class屬性，建立書籍種類的概念階層。 • 將language欄位重新分類，保留最多的中文、英文、日文三類，將其餘語言歸類為other。 • 建立publsih_interval欄位，出版年以五年為一區間，作為出版年代的概念階層之用。 • 僅留下marc_id(書籍id)、title、author、publisher、publish_year、language、subject、marc_class、class、sub_class、publish_interval等欄位。

第一階段資料前置處理(3) • 利用中西文圖書分類檢表，將書分為4大類，大類再細分成子項目。

第一階段資料前置處理(4) • 在History 資料表內： • 將借閱日期拆成三個欄位：借閱年、借閱月、借閱日，作為將來時間的概念階層。 • 加入amount 欄位，代表借書的本數，一般都為 1，作為事實資料表的量值。 • 僅留下marc_id、rno、borrow_year、borrow_month、borrow_date、amount欄位，其中amount欄位為量值。

第二階段資料前置處理(1) • 在 Reader 資料表，分析對象為正常學制學生，刪除外校人士、行政人員、在職專班、轉系、大五、大六、系所空白者、身分無法辨認者。 • 在 Book 資料表內，刪除索書號不完全者；刪除期刊資料及校內論文、不能外借之書籍（如當期雜誌）、視聽資料（如CD、LD、tape）等。 • 在 History 資料表內，刪除索書號不完整之紀錄；刪除rno(user id)無法在整理過的Reader 資料表找到之紀錄；刪除索書號無法在整理過的Book 資料表找到之紀錄。

第二階段資料前置處理(2) • 資料整理前後資料表內容變化比較

資料倉儲設計(1) • 事實資料表：History 為事實資料表，amount 量值。 • 維度：Reader、Book與Time三個維度。

資料倉儲設計(2) • 在Reader 維度資料表內找到兩種概念階層： • 年級：rno  grade • 學院系所：rno  dept_name  college_name • 在Book 維度資料表內找到三種概念階層： • 語言：title  language • 主題分類：title  sub_class  class • 出版年：publish_year  publish_interval • 在 Time 維度找到一種概念階層： • 借閱日期：borrow_dateborrow_monthborrow_year

資料倉儲設計(3) • 星狀式架構的資料倉儲

決策樹資料探勘分析

分群資料探勘分析(1)

關連法則資料探勘分析(1)

結果分析 • 發現借閱率較高的書，大多是1988年到1999年，建議多購新版的書，或者調查新書流動率不高的原因。 • 每個系所借閱書籍的種類，和所學科系有相關，建議借閱方式可以更彈性。例如，提高電子系學生借閱電子類別書目的冊數，以方便學生閱讀與研究。 • 書籍類別subject欄位，為人工手動建置，欄位格式並不統一，例如有： • 「Computer Language – Makeup Language」 • 「Computer_Language_Makeup_ Language」 • 「Computer Language：Extensible Makeup Language」 • 建議分類機制由手動輸入改為下拉式選單挑選，以提高書目資料的準確度。

總結 • 以圖書借閱資料說明資料探勘的處理過程。 • 需求分析與資料整理的工作量不小。 • 細節(參數調整等)必須靠讀者自行練習。 • 幫助讀者建立資料探勘具體的印象與觀念。 • 找貴校圖書館合作，進行類似資料探勘。

第十三章 案例探討 - 圖書借閱