关联规则挖掘在高校智慧图书馆个性化服务中的应用研究

介绍了数据挖掘技术的相关概念和算法,并深入研究了关联规则的经典算法"Apriori算法",分析了数据挖掘技术应用于高校图书馆管理的必要性和可行性,提出了基于关联规则分析法的高校图书智能推荐系统的设计思想和功能目标;通过对高校图书馆借阅数据的挖掘,探讨了一种高校智慧图书馆中的关联规则数据挖掘方法——通过挖掘借阅记录数据间的关系来分析读者和图书、不同类别图书间的关系,并应用于个性化服务工作中,发现读者的借阅历史存在着某种关联,不同类型读者的借阅记录及不同学科的借阅记录之间都存在着某种关联规则,利用这些规则对于高校图书馆优化图书推荐服务、探索智慧型个性化服务、改善馆藏布局具有良好的意义。     

基于FP-Growth算法的图书馆订购推荐系统设计

<正>point针对传统图书馆无法为文献采访人员提供准确个性的图书推荐服务的问题,本文提出构建基于FP-Growth算法的数据挖掘的图书馆订购推荐系统,利用FPGrowth算法,对图书馆产生的图书借阅记录进行关联规则挖掘,为文献采访人员提供借阅率较高的馆藏图书数据。随着当今社会信息化的高速发展,数据挖掘技术已经在商业领域如电信、银行、互联网等行业实现了大范围的应用,给用户提供可定制的个性化服务,这给高校图书馆提供了一     

一种基于用户层次信息的关联规则图书推荐系统

关联规则是数据挖掘的重要模式之一,有着极其重要的应用价值。由于其自身的优点,关联规则得到了迅速发展,并开始了广泛应用,然而传统的关联规则算法在应用中有很多的不足。因此本文提出了一种基于用户层次信息的关联规则图书推荐系统,实验结果表明,该算法能够有效减少运算量,并能提高推荐的准确度。     

关联规则与图书馆书目推荐

文章分析了现有的图书馆书目推荐系统和商务书目推荐系统存在的不足,介绍了数据挖掘中的关联规则及其在图书馆书目推荐的应用.最后以简单的图书借阅例子说明Apriori算法的应用,通过分析大量历史借阅记录,对读者的借阅提供个性化的推荐服务.     

基于关联规则的个性化图书推荐研究

运用关联规则的数据挖掘方法,从图书馆的借阅历史数据中挖掘出了两类关联规则：相关书籍和相似读者,并根据这两类规则实现相关的图书推荐服务。     

关联规则在图书馆个性化服务中的应用

为适应图书馆新书推荐服务的需要,以安徽省图书馆为例,用数据挖掘中的关联分析技术对安徽省图书馆的借阅记录进行挖掘,提出读者推荐服务模型,利用挖掘出来的关联规则进行读者个性化推荐服务.     

关联规则在图书馆个性化服务中的应用

为适应图书馆新书推荐服务的需要,以安徽省图书馆为例,用数据挖掘中的关联分析技术对安徽省图书馆的借阅记录进行挖掘,提出读者推荐服务模型,利用挖掘出来的关联规则进行读者个性化推荐服务。     

关联规则在图书馆个性化服务中的应用

为适应图书馆新书推荐服务的需要，以安徽省图书馆为例，用数据挖掘中的关联分析技术对安徽省图书馆的借阅记录进行挖掘，提出读者推荐服务模型，利用挖掘出来的关联规则进行读者个性化推荐服务。     

基于数据挖掘的分布式入侵检测系统研究

结合了分布式入侵检测技术和数据挖掘技术,对基于数据挖掘的分布式入侵检测系统进行了研究.在对经典的关联规则挖掘Apriori算法改进的基础上,提出了适用于分布式入侵检测系统中基于网络数据源的关联规则挖掘DZApriori算法.     

关联规则算法研究及其应用

本文介绍了数据挖掘技术在零售业的发展趋势,给出了一个关联规则的改进算法,并分析了关联规则在零售业中的应用,最后分析了改进后的关联规则算法对数据挖掘系统的优化作用。     

高校图书馆个性化图书推荐系统设计

应用数据挖掘技术对高校图书馆日常产生的数据进行挖掘,设计一个适合图书馆使用的个性化图书推荐系统。该系统具有2个关键功能：读者个性化推荐功能和管理者采购推荐功能。     

基于数据挖掘的个性化选课模式创新研究

分析了目前我国高等院校选课制度的现状和存在的不足,提出在选课中引入“淘宝式”选课模式,并采用数据挖掘技术中的个性化推荐和关联规则推荐,将学生感兴趣的课程推荐给他们选择,更好地体现人性化教学理念。     

基于数据挖掘的高校图书馆图书采购计划辅助决策研究

针对如何科学制订高校图书馆图书采购计划以提高图书采购质量和效率的问题,分析了传统图书采购计划制订方法的不足,阐述了数据挖掘技术的内涵,提出了将数据挖掘技术用于高校图书馆图书采购计划制订辅助决策的方法,探讨了该方法的可行性,并详细给出了数据挖掘技术应用于制订高校图书馆图书采购计划的过程。     

一种面向高校图书馆的个性化图书推荐系统

个性化图书推荐主要是以用户特征和借阅行为为挖掘对象,通过获取用户的兴趣特征及隐含的需求模式,实现用户与图书相互关联的个性化图书推荐服务。本文通过挖掘用户的背景信息构建用户特征模型,然后在设计喜好值计算、用户相似度计算和内容相似度计算以及标签信息获取方法的基础上,研究多种不同的图书推荐方法,以挖掘用户的潜在信息需求。最后利用图书馆的真实数据设计面向高校图书馆的个性化图书推荐系统,同时以标准网络数据集通过实验验证来评估推荐方法的有效性。     

大数据挖掘视角下的图书馆智慧服务——模型、技术和服务

在当前"互联网+"背景下,应用大数据挖掘技术提高知识服务的智能化、个性化、自动化水平,实现智慧性的知识服务是图书馆服务的发展趋势。首先提出基于大数据挖掘的图书馆智慧服务模型,通过用户群挖掘、用户兴趣挖掘、学科和领域知识挖掘、业务关联挖掘来沟通大数据应用和智慧服务需求;然后提出基于Hadoop平台的图书馆大数据挖掘技术支撑体系,为智慧服务应用落地提供技术方案;最后探讨大数据挖掘支持下的场景化知识推荐服务和微知识自动问答服务。     

面向产业集群的数据挖掘推荐系统研究与设计

针对产业集群特点,面向数据检索要求,对数据挖掘推荐系统需求进行分析,研究数据挖掘推荐系统相关技术和算法,设计系统功能模块架构,研究分析处理流程,构建数据挖掘推荐系统,实现产业集群信息的智能化挖掘推荐服务。产业集群数据挖掘推荐系统具有用户需求信息挖掘推荐、相关服务信息挖掘、潜在协作伙伴挖掘推荐及科技成果动态感知等功能,能为用户推送更多有价值的信息,便于用户发现协作伙伴和潜在客户,促进产业集群和集群企业的协同创新发展。     

基于微信扫码技术的图书荐购系统的设计与实现

读者荐购是读者参与图书馆文献资源建设的重要方式,移动互联时代的到来为图书馆读者荐购提供了新的机遇。本文通过分享漯河职业技术学院图书馆开发的基于微信扫码技术的图书建构系统的设计思路和实现方法,希望能够为兄弟院校图书馆开发同类系统提供借鉴和参考,共同推进移动互联时代图书馆文献资源建设方式方法的创新与发展。     

基于记忆优化机制的图书群组推荐研究

【目的/意义】针对社会化标注过程中标签频次不能准确表征用户偏好,以及图书推荐过程中面临的数据稀 疏和冷启动问题。【方法/过程】本文基于记忆优化机制,提出读者偏好表示方法,以“豆瓣读书”作为实证对象,利用 DBSCAN 算法聚类结果评价该方法,实验证明该方法具有较好的表征效果。为解决图书推荐过程中面临的冷启 动、数据稀疏等问题,以基于记忆优化机制的读者偏好表示为基础,开展图书群组推荐研究。【结果/结论】实验结果 显示,本文提出的推荐方法具有较高的准确率、召回率和F值。【创新/局限】本文提出了基于记忆优化机制的读者偏 好表示方法对挖掘读者偏好和开展推荐服务具有重要意义,但在读者偏好构建过程中还需进一步细化认知构建和 更新过程,必要时可考虑利用更多读者属性完善记忆构建和优化机制。     

基于情境感知的高校移动图书馆个性化推荐模型研究

针对高校移动图书馆个性化推荐的不足,利用情境感知技术和数据挖掘技术,从用户的物理情境信息、基本情境信息、社会网络3个方面获取用户的情境信息;采用向量空间模型的表示方法,提出一种基于情境感知的高校移动图书馆个性化推荐模型,并介绍模型的运行过程及相关环节,以期解决移动图书馆用户情境敏感性的个性化需求。