基于Apriori数据挖掘算法的信息推荐图书管理系统设计

传统应用于图书管理系统的Apriori算法因数据库扫描次数过多,以及候选项集数量过大导致系统运行缓慢,为解决此问题,设计基于改进Apriori数据挖掘算法的信息推荐图书管理系统。系统结合C/S架构与B/S架构,分别向图书馆工作人员和借阅者开放图书信息。系统功能模块中数据预处理子模块从读者借阅数据库中提取借阅者以及图书相关信息数据,对数据进行清洗、转换以及集成处理后,关联规则挖掘子模块利用改进Apriori算法依据处理后的数据,挖掘出支持度大于最小支持度阈值以及置信度大于最小置信度阈值的强关联规则,生成关联规则数据库。个性化信息推荐子模块依据关联规则数据库中的借阅者同借阅者所选图书进行关联匹配,向借阅者推送与所读图书相关联图书信息,实现图书信息的个性化推荐。实验结果表明,该系统可有效推荐图书关联信息,且在50个客户端同时运行的情况下CPU占有率仅为6.58%,运行性能佳。     

基于云计算平台的图书馆混合推荐技术研究

研究基于云计算平台的图书馆混合推荐技术,向不同类型用户精准推荐图书。构建以并行计算框架为计算前提的图书馆混合推荐系统。采用Flume采集图书馆用户日志信息和图书馆图书数据,将采集到的数据信息传输到Kafka消息中间件后,向集群中传入集群订阅的数据信息,集群在用户粘稠度较低时采用聚类算法聚类图书馆数据信息,获取聚类中心,依照聚类中心用户读书偏好向目标用户推荐图书。在用户粘稠度较高时,采用基于协同过滤的混合推荐算法分析目标用户阅读偏好,计算目标用户偏好和用户群中用户偏好相似程度,将偏好相似程度作为权值,组合多个权值产生预测评分,通过预测评分推荐图书。经过实验分析发现,该方法推荐精准性最高为99.72%,推荐查准率高于95%,响应时间不超过0.2 s,说明该方法能高效快速地向目标用户推荐图书。     

基于本体的个性化信息推荐系统研究

本文从本体的概念出发,在分析传统信息推荐系统弊端的基础上,将本体与信息推荐系统融合,克服了传统信息推荐技术的不足之处,构建了基于本体的个性化信息推荐系统模型,使文档信息和用户模型的匹配成为了语义层次的匹配,以期能为提高信息推荐系统的精准度提供帮助。     

基于微信公众平台的景区个性化推荐系统设计

为解决信息过载导致景区推荐系统推荐效果差的问题,基于微信公众平台设计了景区个性化推荐系统.系统由表示层、业务层以及数据层三部分构成,数据层将采集的景区属性、用户特征信息以及用户行为数据等信息发送至业务层,业务层将协同过滤推荐算法应用于已训练的目标分类器实现景区个性化推荐,并将推荐结果通过表示层发送至微信公众平台的人机交...     

数据挖掘在电子商务图书推荐中的应用研究

现在的电商规模和范围是越来越广,各种产品信息越来越多,其中也包括图书类的产品,这种大量的图书产品信息使得用户拥有的选择空间更大。但同时对用户来说,在这样庞大的图书信息中选择自己想要的信息是比较困难的,这样反而是增加了用户购买图书的难度。为了有效的解决这一问题,出现了图书推荐系统。本文将从数据挖掘方面对电子商务图书推荐系统进行了研究。     

智能图书馆个性化推荐服务系统构建研究

从图书数据资源挖掘、个性化推荐服务的角度出发,利用关联规则数据挖掘与清洗技术、UML建模工具,针对不同图书馆的读者类型、功能或服务需求,建立起智能图书馆个性化推荐服务系统,设置用户管理模块、数据处理模块、热门图书推荐模块、个性化图书推荐模块,完成对不同类别图书资源的检索、挖掘、存储与智能推荐,以取得较为良好的图书咨询与管理、个性化推荐服务效果。     

基于二维码的智能图书信息快速查询系统设计

传统系统采用人工管理方式,存在查询精准度低的问题,为了避免传统系统对智能图书信息查询带来的弊端,提出基于二维码快速查询系统设计。设计以固定结构存在于介质之上的资源库,可不依赖人工,使用对话框作为通信手段构造信息交换模块,将信息转化为内存模式,方便存储信息被CPU直接访问。针对不同用户,使用权限不同,设计手机版和电脑版不同应用领域,根据信息查询接口电路,保证两种领域之间信息输入和输出的规律性。分析信息查询资源,设计数据库,并对主要表字段进行定义,以此存储并提交相关用户信息。根据基本信息生成二维码,通过特有QR编码将二进制数据进行编码,并分别安排在不同位置,用户通过扫描二维码可获取基本图书信息。由实验结果可知,该系统最高查询精准度可达到98%,为借阅者查阅图书提供方便。     

基于用户分层的电子商务智能信息推荐策略

针对全体用户采用同一推荐方法的传统推荐策略已不能满足当前电子商务企业和用户的要求.取而代之的是以用户为中心,在充分挖掘用户价值的基础上进行有针对性的信息推荐.将电子商务用户分层为新用户、高端用户和普通用户,提出了基于用户分层的电子商务智能信息推荐策略.针对用户的不同,设计有针对性的推荐方法,以实现企业与用户的双赢.实验结果表明,提出的推荐策略和推荐方法是有效的.     

基于用户兴趣模型的大学生就业信息推荐方法

为提高推荐就业信息与大学生偏好就业信息的匹配程度,文章将个体就业需求作为前提条件,设计一种基于用户兴趣模型的大学生就业信息推荐方法。首先,利用兴趣模型中的关联规则,对高校提供的就业信息中兴趣特征点进行匹配;其次,在既定的分类规则下,根据就业文本信息的内容对其进行类别划分;最后,根据用户浏览高校就业信息、在就业招聘界面的停留时间等,针对大学生偏好进行计算。对比实验结果表明：本文中设计的推荐方法应用效果良好,按照规范使用该方法进行大学生就业信息推荐,能够增加推荐就业信息与大学生偏好就业信息的匹配程度,为大学生提供更加优质的就业服务,提高大学生就业质量。     

基于物联网的图书与档案智能管理系统

为了对传统图书与档案管理系统实施改革,提升图书与档案的智能管理水平,设计基于物联网的图书与档案智能管理系统,分析了物联网体系结构,对物联网在图书与档案管理系统应用过程中的感知层、网络层以及应用层三方面内容进行详细描述。对系统的电子标签和阅读器进行重点设计,详细分析了基于物联网的智能图书与档案管理系统实现的内容与过程。经过对系统的性能测试得出,此智能管理系统为用户提供了更加方便快捷的途径。实验结果说明所设计系统各项功能运行稳定,检测效果理想。