关联规则在高校图书馆借阅数据挖掘中的应用

文章用数据挖掘中的关联规则技术对高校图书馆学生的借阅数据进行挖掘分析,从而挖掘出读者的阅读兴趣,发现书籍借阅的关联规则,科学地进行建议借阅和图书推荐等服务,以提高图书馆管理效率。     

关联挖掘在图书借阅数据库中的应用研究

介绍了关联挖掘的基本概念和挖掘过程,并给出了Apriori算法,进一步讨论了关联规则在图书馆读者文献借阅数据库中的应用。通过实例分析说明使用Aprior关联挖掘方法能有效挖掘隐藏在数据背后的有价值信息,为图书馆服务工作提供决策支持并且有利于图书馆开展个性化信息服务。     

图书馆管理中关联规则数据挖掘的应用

关联规则是数据挖掘中的核心技术。本文从关联规则的定义入手,利用Apriori算法,对读者借阅图书的关联情况、借阅规则进行了实际挖掘和分析,阐述了关联规则数据挖掘在图书馆中的应用。     

基于SAS／EM的图书借阅数据关联规则数据挖掘

以SAS数据挖掘系统EM模块中的Association节点为关联规则数据挖掘平台,对经过数据预处理的读者借阅数据进行关联规则数据挖掘,揭示数据间的关联关系,用来指导图书馆图书借阅工作和采购工作。     

基于数据挖掘的图书馆采购策略研究

图书馆流通数据中隐藏着大量有用的信息,文章利用SPSS Clementine软件提供的Apriori模型对流通数据进行挖掘,发现读者借阅图书间的关联,将这些关联规则应用到图书采购中去,辅助图书馆制定采购策略。     

关联挖掘在图书借阅数据库中的应用

对图书馆中的图书借阅数据库进行挖掘能给图书管管理人员提供许多有用信息。本文介绍了数据挖掘中的关联规则的基本概念，关联规则的挖掘过程，并给出了Apriori算法。以德州学院图书馆为例，分析了关联挖掘在图书馆中的应用。     

改进的关联规则在文献个性化检索中的应用研究

针对当前高校图书馆文献检索系统不能面向不同读者提供个性化检索服务的弱点,进行文献个性化检索的研究,提出将关联规则运用于对原始检索结果集按照读者层次进行个性化排序的设想,并以某高校图书馆的数据为例,详细描述利用改进的关联规则算法挖掘历史借阅数据,然后利用挖掘结果进行排序的过程,理论和实验验证将关联规则应用在文献个性化检索中的可行性。     

SPSS Clementine决策树建模在图书馆中的应用

分析影响读者借阅量的因素,确定不同读者的借阅需求,进而依据需求定制差异化的借阅权限和服务。利用SPSS Clementine挖掘工具,采用C5.0决策树算法,对国际关系学院图书馆的读者借阅数据进行挖掘,建立读者决策树分类模型,将读者按借阅频度分为活跃读者、一般读者和沉默读者。结果表明,读者身份、专业、年级和性别对借阅量有重要影响,本科大三学生借阅需求较大,大四学生借阅需求小。决策树分类能对图书馆读者进行细分,可为调整读者借阅权限提供理论依据。     

关联规则中FP—tree算法的应用

本文并着重介绍了关联规则及其主要算法。通过介绍关联规则模型和关联规则中提供了求频繁项集的FP—tree算法,并以图书馆读者借阅实例简述实现了该算法的基本功能。     

基于遗传算法的数据挖掘技术在图书馆中的应用研究

图书馆作为信息的传统提供者,在长期的服务过程中积累了丰富的数据信息资源。将先进的数据挖掘技术引入图书馆行业,可以从现有数据资源中发掘有价值的信息,从而更好地优化馆藏、满足读者的需求和为图书管理人员提供决策支持。本文首先介绍数据挖掘和关联规则挖掘的概念,接着将遗传算法应用于关联规则挖掘中,最后通过实例挖掘图书馆读者和图书之间的关联规则。     

规范化序列模式在读者借阅行为模式挖掘的应用研究

高校图书管理系统经过多年运行产生了大量借阅数据,为从借阅数据中发现读者借阅图书的行为模式和借阅规律,提出使用PrefixSpan算法对借阅数据进行序列模式挖掘。为平衡序列模式中支持度和长度各自的重要性,将挖掘结果进行规范化处理,得到带有权值的序列模式。通过对带有权值序列模式进行分析,可得到读者借阅图书的前后衔接关系和借阅规律,根据这些借阅规律可对读者进行借阅指导。     

改进的FP-growth关联规则算法及其在图书推荐系统中的应用

在FP-growth关联规则算法的基础上提出了基于动态二维数组的算法,引入可变二维数组结构,动态的将事务数据库存入该数组中,可以大大提高数据挖掘的效率。并以图书馆管理系统中的图书借阅数据作为训练数据,使用改进的FP-growth算法实现了高校图书推荐系统,本系统能够从图书馆图书借阅记录中挖掘和发现读者借阅行为中隐含的规律,得到读者与图书的频繁项集,从而可以实现对不同身份的读者推荐不同类型的图书功能。     

数据挖掘技术在高校数字化图书馆中的应用

高校图书馆的数字化系统中,积累了大量的读者对资源的历史访问数据。这些数据背后隐藏着许多重要的信息,通过对其进行更高层次的分析,便能更好地利用这些数据为读者服务。文章在描述数据挖掘技术与方法的基础上,结合目前高校的实际情况,探讨了数据挖掘在数字图书馆中的应用空间以及其所具有的应用价值,就如何应用数据挖掘技术进行了研究,并给出了利用数据挖掘技术在高校图书馆中优化馆藏资源和提供读者个性化服务的实现过程及方法。     

数据挖掘技术在高校数字化图书馆中的应用

高校图书馆的数字化系统中,积累了大量的读者对资源的历史访问数据。这些数据背后隐藏着许多重要的信息,通过对其进行更高层次的分析,便能更好地利用这些数据为读者服务。文章在描述数据挖掘技术与方法的基础上,结合目前高校的实际情况,探讨了数据挖掘在数字图书馆中的应用空间以及其所具有的应用价值,就如何应用数据挖掘技术进行了研究,并给出了利用数据挖掘技术在高校图书馆中优化馆藏资源和提供读者个性化服务的实现过程及方法。     

Mining association rules procedure to support on-line recommendation by customers and products fragmentation

Electronic Commerce (EC) has offered a new channel for instant on-line shopping. However, there are too many various products available from a great number of virtual stores on the Internet for Internet shoppers to select. On-line one-to-one marketing therefore becomes a great assistance to Internet shoppers. One of the most important marketing resources is the prior daily transaction records in the database. The great amount of data not only gives the statistics, but also offers the resource of experiences and knowledge. It is quite natural that marketing managers can perform data mining on the daily transactions and treat the shoppers the way they prefer. However, the data mining on a significant amount of transaction records requires efficient tools. Data mining from automatic or semi-automatic exploration and analysis on a large amount of data items set in a database can discover significant patterns and rules underlying the database. The knowledge can be equipped in the on-line marketing system to promote Internet sales.

The purpose of this paper is to develop a mining association rules procedure from a database to support on-line recommendation. By customers and products fragmentation, product recommendation based on the hidden habits of customers in the database is therefore very meaningful. The proposed data mining procedure consists of two essential modules. One is a clustering module based on a neural network, Self-Organization Map (SOM), which performs affinity grouping tasks on a large amount of database records. The other rule is extraction module employing rough set theory that can extract association rules for each homogeneous cluster of data records and the relationships between different clusters. The implemented system was applied to a sample of sales records from a database for illustration.     

分组Apriori在图书借阅系统中的应用研究

简要介绍了数据挖掘技术产生的背景及其分类,阐述了数据挖掘技术中的一个重要分支-关联规则挖掘,研究分析了Apriori算法的不足。利用分组技术对原算法改进,然后把分组Apriori算法应用到数字化图书馆借阅系统中,对读者提供个性化的图书推荐服务。利用某高校已有的图书借阅历史信息,对分组Apriori算法和Apriori算法测试,证明分组Apriori算法相比于Apriori算法确实提高了数据挖掘效率。     

基于IRCM的抗阅读器冲突协议

在射频识别技术RFID（Radio Frequency Identification）技术的应用中,不同阅读器的信号之间互相干扰造成的阅读器冲突问题是制约系统性能的主要瓶颈之一,尤其在阅读器密集分布和移动的环境中,问题更为突出。结合现有多种抗冲突方法的优点,提出一种针对多信道的、阅读器密集分布的RFID系统的基于IRCM的抗冲突协议。仿真表明在多信道、阅读器密集分布的RFID系统中该协议能显著提高系统效率。