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。     

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。     

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。     

关联规则算法在Web个性化服务中的研究与应用

重点研究了Web日志挖掘,提出了一个Web个性化信息挖掘模型,设计了某高校图书馆个性化服务系统My Library。系统采用关联规则挖掘算法,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。     

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。     

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。     

图书馆个性化服务用户需求信息的深层挖掘分析

针对图书馆个性化服务中用户需求信息的深层挖掘问题,分析了图书馆个性化服务过程中用户需求明显信息和隐含信息 两种体现方式,其中明显信息包括用户的注册及定制信息和反馈服务信息;隐含信息是指在Web 访问记录中用户的隐藏需求信 息。根据不同体现方式的用户需求信息,提出了数据库统计、Web 数据挖掘、反馈互动评价三种深层挖掘用户需求信息的方法,其 中以挖掘实例重点介绍了Web 数据挖掘方法,并对这三种方法进行了比较,为在图书馆个性化服务中建立一个综合有效的用户 需求信息挖掘系统提供了参考。     

基于MFP-Miner算法的图书借阅数据关联规则挖掘

本研究利用关联规则挖掘的最大频繁模式算法对图书馆历史借阅数据进行快速有效地挖掘,以获取隐含在借阅数据中有用的关联信息,优化图书馆馆藏结构,发掘学科间的隐性联系和学科动向。由于该算法在挖掘过程中不需要产生候选项目集,因而节约了对候选项目集进行计数的时间,从而使算法的效率得到了很大的提高。     

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。     

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。     

图书馆智能信息服务系统的设计与实现

随着数字化时代的到来，图书馆面临日益增长的信息资源和用户需求，因此，如何提高图书馆服务的效率和质量成为待解决的问题。传统的图书馆服务往往存在资源管理不够精准、服务效率低下等问题，这些问题已成为图书馆普遍面临的挑战。而图书馆智能服务系统实现图书馆知识的组织和查询，并实现图书馆智能问答，它通过对图书馆中的信息进行分析和挖掘，将图书馆中的各种信息进行可视化展示，从而实现对图书馆服务的智能化管理和个性化推荐。     

基于互联网与大数据的健康信息服务策略研究

由于传统的健康信息服务策略已经无法满足用户在海量健康数据下的需求,提出了一种基于大数据环境下的健康信息服务策略。该策略通过分层处理用户,将健康信息服务用户分为身体健康用户、身体异常用户和疾病用户3类,并根据不同类别的用户,制定不同的健康信息服务用户模式。在面向高端用户时,系统使用Hadoop框架、MapReduce计算框架以及关联规则挖掘算法精准地挖掘用户健康状况。通过满足不同类别用户的不同健康信息服务需求,大幅度提高了海量数据下健康信息服务水平,降低了个人健康管理的难度。     

遗传算法在关联规则挖掘中的应用

该文尝试和遗传算法挖掘关联规则，并结合图书馆智能型读者测评系统，给出了一个基于遗传算法进行了关联规则挖掘的实例。     

基于遗传算法的Web使用挖掘研究

针对Web使用挖掘中的信息,提出一种基于遗传算法的关联规则挖掘模型,同时结合实例对有关信息特征进行量化,然后利用实数数组的方法进行编码以及构造适应度函数,挖掘出隐含在用户注册登记信息库中的有关用户规则.为个性化服务系统提供准确和可行的关联规则,并对用户的行为进行了预测和分析.     

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。     

基于组合服务执行信息的服务选取方法研究

组合服务选取问题是服务计算领域的一个研究热点问题,已往的选取方法大多基于难以准确获取的服务QoS信息,且算法思路复杂.文中提出了一种基于组合服务执行信息的服务选取方法.该方法分为3个阶段:数据生成阶段、数据挖掘阶段和服务选取阶段,分别进行组合服务执行信息的记载和相关数据集的生成、路径分支关联规则和服务执行顺序序列模式的挖掘以及基于挖掘产生的知识模式进行服务选取.文中首先给出一种可以方便记载日志的服务组合系统架构;然后提出一种基于时间加权的算法模型,以有效地进行路径分支关联规则和顺序序列模式的挖掘;最后对文中的组合服务选取方法进行描述.实验结果表明:文中方法在选取出的组合服务健壮性方面要优于基于QoS的方法.     

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。     

基于改进关联规则挖掘算法的图书推荐服务

针对关联规则Apriori挖掘算法存在的缺点,本文提出了一种新的改进算法,并将该算法应用于图书推荐服务模型,以满足读者的个性化信息服务需求。