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。     

基于关联挖掘的借阅数据分析

图书馆积累了大量的历史数据,从这些数据中挖掘出潜在的知识对图书馆工作有很强的指导作用。通过结合具体实例说明了关联规则在数据分析中的应用,为数据挖掘在图书馆的应用提供了一些思路。     

概率关联规则在图书流通量挖掘中的应用

本文提出了一种概率关联规则算法,通过使用概率的方法估算任意数据项集在事务数据库中出现的概率来求候选频繁项集,并给出了相关算法描述及其算法实现。将本算法与Apriori算法产生的候选项集大小和扫描数据库次数进行了比较,它大大的减少了扫描数据库的次数。最后本文讨论了如何将概率关联规则算法应用于大学图书馆图书流通量挖掘中,以达到图书馆藏结构优化的目的。     

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。     

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Apriori算法的图书信息管理系统

文章首先讨论了本课题研究的背景以及关联规则的相关理论基础,然后根据图书馆借阅数据的特点进行数据预处理,包括数据的导入和提取,最终实现了事务数据库的建立,在此之后是基于Apriori算法的图书借阅数据关联规则的实现,并针对结果分析此课题的意义。文章最后是总结与展望。     

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。     

挖掘关联规则中的Apriori算法的研究

文章是基于大型销售数据库研究了关联规则挖掘问题,分析和探讨了Ａｐｒｉｏｒｉ算法,并给出了该算法的实现思想,同时通过例子说明算法的执行过程。     

大型数据库中多层关联规则的挖掘算法

将基于垂直数据分布的关联规则的发现从单层概念扩展到多层概念,提出了自顶向下的、用等价类生成频繁项目集的发现算法,无需复杂的Ｈａｓｈ数据结构。该算法减少了项目的匹配计算,提高了挖掘的效率。     

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。     

数据库中全部负关联规则挖掘研究

数据库中关联规则信息是知识的表述形式之一,负关联规则挖掘是数据库关联信息挖掘的重要研究内容,具有广泛的应用范围。现有的挖掘方法不能获取数据库中全部的负关联规则,考虑从数据库中提取全部的负关联规则,通过(1)扫描数据库建立数据库频繁模式树DFP-tree(Database Frequent Pattern tree);(2)在精简DFP-tree的基础上获取全部极小非频繁项集ASI;(3)对ASI中极大频繁项集的向上闭包,得到全部非频繁项集;(4)在此基础上采用相关度作为规则兴趣度量之一提取负关联规则。理论和实验表明算法的正确性和效率。     

关联规则在手机业务数据库中的应用

关联规则挖掘主要是指发现大量数据之间有趣的关联或相关联系．揭示数据间未知的依赖关系，根据这种依赖关系，可以从某一数据对象的信息来推断另一数据对象的信息。笔者将关联规则挖掘应用于目前市场潜力巨大的手机业务上，从外表看来杂乱无章的数据中，提取出某些业务间的内在关系，成功揭示了手机业务中存在的依赖关系，为移动运营商向客户推荐相关业务（交叉销售）时提供了参考。     

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。     

快速关联规则挖掘与更新算法

一、引言众所周知,关联规则的挖掘就是发现支持度和信任度分别大于用户指定的最小支持度(minsup)和最小信任度的规则。支持度不小于minsup的项目集叫频繁项目集;反之,称为非频繁项目集。项目集中项目的数量叫做项目集的维数或长度,项目集X的支持度记作sup(X)。有关项目集具有如下性质:(1)如果X是频繁项目集,那么X的任何子集都是频繁项目集;(2)如果X是非频繁项目集,那么X的任何超集都是非频繁项目集。     

关联规则挖掘在检验信息系统中的应用研究

随着医疗检验手段的飞速发展,检验信息系统（LIS）由此被开发和运用。为了能在该系统中充分利用医学数据和医生诊断经验,发现隐藏在这些数据背后的新的有学术价值的医学信息,介绍了关联规则挖掘方法在当前检验信息系统中的应用模式。其中详细说明了数据挖掘步骤和在对检验数据进行挖掘时关联规则挖掘算法的选用。     

关联规则挖掘算法在高校专业课设置中的应用

关联规则是一个应用广泛的数据挖掘算法,本文介绍了关联规则算法的工作原理,如何配置关联规则算法的参数及建立挖掘模型.结合一个高职院校的实例,对关联规则挖掘算法在专业课设置中的应用进行了研究,并对挖掘得到的结果进行了具体分析.     

关联规则挖掘在网上书店系统中的应用

数簪挖掘技术是在大量的数据中发现未知知识的数据分析技术，利用数据挖掘技术分析客户数据，发现其中的耀律，从而为商务决策提供依据。本文研究了关联规则的相关分析并应用于网上书店系统，实现客户订单数据的关联规则挖掘。     

数据库关联规则挖掘算法研究

该文介绍了数据挖掘、关联规则相关概念,分析了经典的挖掘布尔关联规则频繁项集的算法-Apriori算法,阐述了关联规则的生成过程,并通过实例进行验证。针对Apriori算法的缺陷进行了分析并列举了几种算法优化方法。