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。     

基于协同推荐的高校个性化图书推荐系统

为了提高高校图书馆的图书借阅率,满足学生读者的个性化需求,本文设计了基于协同推荐的高校个性化图书推荐系统。系统使用java开发的B/S体系结构,采用基于用户的相似性的协同过滤推荐算法实现图书推荐。     

动态书目推荐图书管理系统设计与实现

在图书管理系统中,如何处理复杂读者信息和频繁的图书借还信息,成为系统设计的一个关键问题。本文设计并实现了一个基于内容过滤与协同推荐算法的图书馆管理系统。系统可针对不同用户推荐个性化图书,给予读者动态推荐书目,并通过用户发布的图书评论生成好评率排名,实现图书的动态管理。实践应用表明,该系统在一定程度上能满足个性化图书的动态推荐管理需求。     

基于Mahout的高校图书馆个性化推荐应用研究

为读者提供个性化推荐服务是高校图书馆智慧服务一项重要的内容。高校图书馆可以开发基于协同过滤推荐等方法来构建个性化推荐应用系统。重点介绍了利用Apache Mahout包含的推荐引擎Taste组件开发图书个性化推荐的流程和核心模块实现，模拟数据测试显示该系统实现了初步的推荐。     

图书馆个性化推荐方法研究

当前,图书馆的馆藏书籍越来越多,虽然引入了信息化的图书馆管理系统,提供了个性化推荐,为读者在海量图书信息中推送图书信息。但是随着用户的兴趣不断的变化,如何准确的为读者推荐图书,该问题却还没有有效的解决办法。本文依据该问题,设计了贪婪标签算法,使用户兴趣标签随着读者的兴趣逐渐演化,保证了推送信息的有效性。     

基于混合算法的图书馆个性化推荐系统

随着图书馆藏书数量的逐年增加，对于读者而言，从大量符合基本条件的图书中找出完全满足自己要求的已经越来越难了，特别是在这种检索只是基于标题或者作者等简单关键词的前提下。基于此，文章提出了一个基于混合算法的图书个性化推荐系统。首先研究了协同过滤和基于内容的推荐算法在图书推荐中的应用，包括用户分类及相似度的计算、建立条目评分矩以及构建向量空间模型。并针对高校图书和读者的特点，改进了用户条目评分矩阵，采用聚类方法来缓解数据稀疏性问题，利用混合算法对安庆师范大学图书馆的藏书数据集进行对比实验。结果表明，与传统方法相比，混合方法能提供更准确的建议。最后，利用Hadoop的Spark大数据平台实现个性化图书推荐系统架构设计。     

读者行为分析及图书馆移动服务平台构建

移动图书馆能够提供个性化和便捷的移动信息服务,具有广阔的发展前景。在对读者借阅记录进行关联规则分析的基础上,研发了图书馆移动服务平台。该平台采用C/S结构,基于MVC开发模式,采用Java语言完成系统开发,使用Android布局技术完成UI设计,读者可基于智能手机实时进行图书查询、续借、借阅证挂失和个性化图书推荐等,实现读者基于Android智能手机获取图书馆服务的功能。     

关联规则在个性化图书推荐中的应用研究

为了提高图书的借阅率,满足读者的个性化需求,提出使用关联规则挖掘技术。当读者借阅某本图书时,自动从海量图书中找到与该图书相关的书籍推荐给读者。实践证明该方法能减少读者寻找相关图书的时间,达到个性化推荐的目的。     

基于聚类分析的新书推荐

针对大多数图书馆管理系统中的个性化服务中的新书推荐只是定时将新到馆的图书罗列出来让读者浏览进行推荐,推荐效果差的问题。本文在比较三大常用的推荐技术的优缺点后,采用基于聚类分析的推荐算法推荐新书,并具体给出实现的方法。     

基于遗传算法的新书推荐系统研究

新书推荐是数字图书馆推广个性化服务的重要内容。为设计开发高效、准确的推荐系统。研究人员采用多种智能算法实现图书推荐。基于遗传算法的新书推荐方法（GANBook）利用遗传算法搜索效率高、自适应性强等优点对新书书目进行自动搜索．从而实现个性化图书推荐。仿真实验表明GANBook算法能够快速、准确地在数量庞大的书目中找出适合特定读者的最佳图书推荐组合,从而实现快速、个性化的新书推荐服务。     

关联规则在高校图书馆管理的应用

在收集图书流通数据并对收集数据进行预处理的基础上,采用SPSS Clementine软件的关联规则模型,对图书流通数据进行挖掘分析,找出读者与各类图书的关系,为高校图书馆提供高质量的个性化服务。     

关联规则在高校图书馆管理的应用

在收集图书流通数据并对收集数据进行预处理的基础上。采用SPSSClemendne软件的关联规则模型,对图书流通数据进行挖掘分析,找出读者与各类图书的关系。为高校图书馆提供高质量的个性化服务。     

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。     

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。     

图书馆书目协同智能推荐系统设计与实现研究

为了获得更加理想的图书馆书推荐效果,设计了一种图书馆书目协同智能推荐系统。首先设计了图书馆书目协同智能推荐系统的总体结构,然后利用文献引证关系度量读者兴趣度量范围,采用采用协同过滤算法计算读者相似度,获取与读者感兴趣相似的结果,最后根据相似度得到读者对每种图书感兴趣的评价值,并根据评价值进行图书馆书目智能推荐。仿真实验结果表明,该系统可以获得最优的推荐图书馆书目,读者对图书馆书目推荐结果的满意度高。     

21世纪书籍封面设计的发展趋势及其启示

21世纪,文化、教育事业的繁荣促进了出版印刷业的大发展。为满足人们不断提高的精神需求和审美需求,书籍设计师们的设计理念有了质的飞跃。中国书籍的封面设计在走出国门取得可喜成绩的同时,也存在着一些问题。文章以一批获奖书籍的封面设计为例,梳理出21世纪书籍封面设计的发展趋势和读者审美趣味的新变化。并指出解决问题的关键在于封面插画设计师要及时了解这些趋势和变化,在设计中处理好自己与读者审美趣味之间的关系。     

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。