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。     

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。     

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。     

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。     

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。     

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。     

基于主题模型的个性化图书推荐算法

针对传统推荐算法精准度不高的问题,在潜在狄利克雷分布(LDA)主题挖掘模型的基础上提出了一种新的适用于图书推荐(BR)的数据挖掘模型——BR_LDA模型。通过对目标借阅者的历史借阅数据与其他图书数据进行内容相似度分析,得到与目标借阅者历史借阅图书内容相似度较高的其他图书。通过对目标借阅者的历史借阅数据及其他借阅者的历史借阅数据进行相似性分析,得到最近邻借阅者的历史借阅数据。通过求解图书被推荐的概率,最终得到目标借阅者潜在感兴趣的图书。特别地,当推荐数量为4000时,BR_LDA模型比基于多特征方法和关联规则方法精准度分别提高了6.2%、4.5%;当推荐数量为500时,BR_LDA模型比协同过滤的近邻方法和矩阵分解方法分别提高了2.1%、0.5%。实验表明本模型能够更准确地向目标借阅者推荐历史感兴趣类别的新图书及潜在感兴趣的新类别的图书。     

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。     

基于Eclat算法的图书推荐系统仿真

研究了图书馆的个性化推荐系统应用问题,针对常用的协同过滤技术不适用于大数据量的情况,在深入研究关联规则Eclat算法的基础上,为了高效挖掘和优先搜索有效信息,提出了一种改进算法,并将算法应用于图书推荐系统的仿真实验中,新算法充分利用了垂直数据表示和交叉计数的高效优势,直接在垂直数据表示的数据集上通过广度优先搜索和交叉计数产生频繁模式,通过对流通数据库中的借阅记录进行挖掘得到关联规则,产生读者感兴趣的书目.仿真结果表明算法可以在大数据量的情况下实现关联规则的高效挖掘,在图书推荐系统中取得了良好的应用效果.     

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。     

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。     

Apriori算法在图书推荐服务中的应用与研究

数据挖掘是近年来数据库领域研究的热点问题之一.当今数字图书馆个性化服务已成为图书馆服务模式的主流,图书推荐服务是其重点之一.关联规则Apriori算法是数据挖掘的关键技术之一,主要是找出数据库中的所有频繁项集,然后由频繁项集产生关联规则.针对传统的Apriori算法存在的缺陷,利用"分割-整合"的思想改进了Apriori算法.将改进后的Apriori算法应用到图书推荐服务应用模型当中,并进行数据挖掘测试,通过与传统Apriori算法进行对比,改进后的Apriori算法的实际运行效果有明显的改进.     

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。     

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。     

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。     

关联规则数据挖掘在图书馆个性化服务中的应用

本文通过关联规则挖掘技术来探究读者的读书倾向，提供个性化服务，向读者进行借阅推荐。     

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。