图书流通信息关联规则挖掘应用

该文将数据挖掘技术应用于图书馆数据库,挖掘主题确定后,依次进行了数据选择、数据转换和清理、数据再丰富、编程工作、数据挖掘。利用关联挖掘对图书馆的流通管理数据进行分析,发现读者借阅一类图书时的其他借阅行为,便于为读者推荐相关文献,也可以优化馆藏布局,并为图书馆管理人员提供技术和决策支持。其中数据挖掘是使用Clementine12完成。     

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。     

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。     

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。     

利用聚类技术对图书馆读者社群的研究分析

以图书馆读者借阅量数据为实例,利用统计分析系统(SAS)的聚类技术对图书馆读者社群进行数据挖掘.先对图书馆借阅量数据进行预处理,然后进行聚类分析,最后用Average法、Ward法和Single法分别进行聚类方法的比较研究,探讨高校图书馆的读者社群分类情况.研究结果表明,Average法更适合数据较平均的数据分析,分析结果可为管理者的决策提供科学依据.     

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。     

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。     

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。     

关联挖掘技术在图书馆推送服务中的应用研究

关联规则是数据挖掘的主要的技术之一,本文阐述了图书馆个性化信息推送服务以及关联规则数据挖掘技术,介绍了基于Apriori关联算法在图书馆读者借阅历史数据分析中的应用,论述了关联挖掘分析结果对图书馆推送服务的积极作用。指出了在使用关联规则中可能会存在的若干问题,并对相关问题提出了一些解决方法。     

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。     

基于大数据挖掘技术的图书馆服务自动化感知模型

针对图书馆服务自动化感知效果不佳，导致无法实现学生个性化推荐的问题，提出将最近邻搜索K-means聚类算法与关联规则算法相结合，构建一个基于大数据挖掘技术的图书馆服务自动化感知模型。首先，基于读者借阅行为，采用最近邻搜索K-means聚类算法(NNSK-means)分别从个体层次和集体层次进行聚类分析，挖掘出读者的阅读趋势和阅读兴趣；然后通过基于Apriori关联规则算法进行图书间与院系间关联规则挖掘；最后基于挖掘结果进行读者借阅不同种类图书概率反映和分析，从而提升自动化感知和个性化推荐效果。结果表明，采用提出的基于大数据挖掘技术的图书馆服务自动化感知模型后，热门图书推荐服务与学生个性化推荐服务的准确率和学生满意度分别保持在98%和90%以上，表明构建的模型可实现图书馆服务自动化感知，模型性能良好，可为学生提供更加精准的个性化推荐服务。     

基于数据挖掘的图书智能采购模式分析

图书采购是高校图书馆最重要的工作之一。文章通过对读者借阅数据进行关联规则数据挖掘,发现图书借阅频率及图书借阅数据间的关联关系,以及事实数据即图书需求信息表。将经过数据修正的图书需求信息表作为图书采购的决策依据,减少人为因素对图书采购工作的影响,使采购的图书能真实反映并满足读者对图书的个性化需要。     

决策树分类算法在个性化图书推荐中的应用

采用数据挖掘中的决策树方法,对图书馆的图书借阅数据进行研究和分析,提出了基于读者阅读兴趣的个性化图书推荐模型。实验表明,该模型能够为新老读者有针对性地推荐新书,较好地实现了图书馆的个性化的创新服务。     

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。     

读者借阅多维关联规则挖掘模型的建立与分析

为深入了解高校图书馆读者对文献资源的需求规律,提取了图书馆业务数据库中的读者借阅记录,将原始数据经过预处理流程获得读者借阅事务集,以Clementine 12.0为平台,建立了读者借阅多维关联规则挖掘模型。以青岛农业大学图书馆2007-2010年间读者借阅历史数据为基础,应用所建挖掘模型实例分析了读者身份、读者专业、图书类型等之间关联关系。根据获得关联规则可以深入了解读者需求,为读者提供个性化主动服务提供理论依据。     

大数据时代图书馆电子资源特色化服务研究

大数据时代的到来为图书馆带来了影响和挑战,要求图书馆对自身服务体系进行完善。随着数字图书馆的提出以及电子资源的加入,图书馆积累了海量的用户行为数据。本文在介绍大数据及大数据时代背景基础上,采用数据挖掘技术对图书馆电子资源服务中产生的海量数据进行分析、挖掘,获得真正满足读者需求的信息,实现图书馆电子资源特色化服务。     

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。     

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。     

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。     

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。