本文重点探讨了数据挖掘技术在高校图书馆中的应用，其核心内容围绕如何利用数据挖掘技术对图书馆内产生的大量数据进行分析和处理，以优化图书馆的资源结构并提供个性化的服务。
文章介绍了数据挖掘技术的基本概念。数据挖掘技术是通过从数据库中提取出隐含的、先前未知的、有潜在价值的信息的过程。这一技术主要基于人工智能、机器学习、模式识别、统计学、数据库和可视化技术等领域，并具有高度的自动化，能够分析数据并做出归纳性推理，以帮助决策者做出正确的决策。
数据挖掘过程通常包括四个步骤：确定挖掘对象与目的、选择数据、数据挖掘、结果分析。确定挖掘对象与目的是数据挖掘的重要步骤，而数据的选择则是为了找出与对象有关的内部和外部数据信息，从中选择适用于数据挖掘应用的数据。在数据挖掘环节，除了选择合适的挖掘算法外，其他工作可以自动完成。最终，结果分析环节解释并评估挖掘结果。
文章进一步阐述了数据挖掘与传统数据分析的区别。传统数据分析如联机分析、报表、查询等都有明确的前提，而数据挖掘是发现未知信息的过程，结果不可预知。传统数据分析帮助用户从大量信息中找到满足特定条件的信息，而数据挖掘则能提取数据中隐含的、甚至是违反直觉的信息或知识。
数据挖掘的具体任务包括分类、回归、时间序列分析、预测、聚类、汇总、关联规则和序列发现等。通过这些任务，数据挖掘可以处理数据，提取有价值的信息。其中，关联分析是一种寻找在两个或两个以上变量取值间存在某种规律性的技术。
在高校图书馆的应用场景中，数据挖掘技术可以分析图书馆产生的检索数据和流通数据，从而得出各类文献的查询率、利用率、缺失率、复本量，并及时调整优化馆藏资源结构。此外，通过关联数据分析，可以为读者提供个性化的服务，满足读者需求。
文章还指出，随着计算机和网络技术的不断发展，图书馆正向数字化、自动化、信息化方向迈进。这要求图书馆不仅要承担原有的教学辅助任务，还要处理各种信息，为学校提供决策支持。在现有图书馆数字化系统中产生的大量统计数据中，隐藏着对学校发展有指导意义的信息，数据挖掘技术可以从中提取有用信息。
作者林璐在其研究中强调，数据挖掘技术在高校图书馆中的应用是大势所趋，可以大幅提升图书馆服务质量和管理效率，进一步满足数字化时代高校图书馆的发展需求。
