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。     

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。     

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。     

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。     

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。     

改进的关联规则挖掘算法在Web个性化服务中的应用

文章重点研究了Web日志挖掘以及关联分析中的关联规则挖掘算法FP_Growth算法,提出了一种改进的关联规则挖掘算法,并将该算法应用于某高校图书馆个性化服务系统My Library的设计过程中,从服务器日志中得到用户感兴趣的隐式模式,并将该隐式兴趣集推荐给用户,从而在一定程度上实现了个性化服务。     

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。     

快速挖掘最大频繁项集算法在图书馆管理中的应用

针对图书馆服务方式的滞后,图书馆与用户供需矛盾的现状,运用数据挖掘技术,调取借阅记录,采用DS-Eclat算法,挖掘其最大频繁项集,通过找出用户搜索信息中的内在关联规则,以此促进图书馆服务方式的转变。对比传统Eclat算法与本文DS-Eclat算法,结果表明DS-Eclat算法能很快地发现最大频繁项集,此最大频繁项集能促进图书馆个性化服务的发展。     

基于Clementine的图书馆流通数据挖掘

数字图书馆改变了传统图书馆的服务模式,同时也积累了大量的读者信息,为个性化服务提供了数据基础。本文重点研究聚类分析技术及其在图书馆中的应用,利用Clementine的两步聚类模型实现对读者的聚类分析,将读者聚类为消极型、一般型和积极型三种类型,针对不同类型的读者,图书馆可以提供相应的个性化服务。     

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。     

数字图书馆个性化匿名发布方法

针对数字图书馆数据发布中的用户隐私保护,提出一种个性化的匿名方法。用户主体设置属性的敏感因子,通过数据属性之间的关联规则设置属性权重,由此得到的用户信息隐私保护度对数据集进行划分和匿名,从而实现用户个性化匿名保护。结果表明,结合属性的权重得到的个性化参数更加贴合实际的数据关系,减小用户由于个性化设置造成的"过分"保护,同时提高数据发布质量。     

基于独立分量分析的图书馆个性化及时服务

针对读者个性化服务质量的问题,提出了基于独立分量分析的图书馆个性化及时服务系统;简要给出了系统总体和个性化服务关键子系统的体系结构;重点讨论了利用独立分量分析方法改善系统个性化服务质量的问题.实验结果显示,利用此方法进行图书分类和读者群体聚类的效果较理想;读者群体和图书类别之间可产生随读者个性或图书主题变化而变化的动态映射关系,这种映射关系可以改善个性化服务质量.