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     

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.     

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。     

强关联规则挖掘在智慧图书馆个性化推送服务中的应用研究

【目的/意义】关联数据发现与个性化信息推送是未来智慧图书馆建设的核心内容。大数据环境下,为了提 高图书馆推送信息的精准度,本文把适合个性化信息推送服务的强关联规则挖掘技术引入到高校图书馆智慧化信 息服务中,研究在图书馆集成管理系统的基础上实现图书的智能查询和个性化信息推送。【方法/过程】在具体的研 究中,由于经典关联规则挖掘需要多次扫描数据库,生成大量的冗余关联规则信息,因此需要重新定义领域内强关 联规则和频繁项目集,提出处理海量数据需要的强关联规则算法。【结果/结论】将改进的算法应用到图书借阅和信 息查询数据的分析中,以减少图书频繁项集的产生,避免冗余规则的挖掘和生成,从而实现关联图书信息的高效挖 掘和个性化推送。     

基于数据挖掘技术的图书馆借阅信息关联分析——以吉林农业大学图书馆为例

利用关联规则,对吉林农业大学图书馆产生的图书借阅记录进行数据挖掘,对工程技术学院和人文学院学生的借阅信息进行关联性分析,从而使图书馆更好地为读者提供有价值的个性化服务。     

关联规则挖掘技术在图书借阅服务中的应用研究

在概述关联规则挖掘技术的基础上,深入分析关联挖掘技术在图书馆借阅服务中的应用,通过关联规则挖掘技术统计与分析图书馆借阅服务信息,统筹借阅服务与采访服务,实现图书推荐服务等个性化信息服务方式,为提高图书馆信息服务层次与水平提出了一些建议与对策。     

基于数据挖掘技术的图书馆个性化借阅服务研究

介绍了数据挖掘及其在读者借阅行为分析中的应用,以及垂直数据格式的关联规则挖掘算法,运用该算法对读者个性化借阅数据进行分析,从中发现了读者的借阅模式和兴趣所在,为向读者提供高水平的个性化借阅服务找到了更为科学严谨的方法。     

基于《中国图书馆分类法》的高校图书馆书目推荐服务研究

针对目前基于关联规则的图书馆个性化推荐服务易产生冗余关联规则和丢失有效关联规则的问题,提出了一种基于《中国图书馆分类法》的高校图书馆书目推荐方法。在数据预处理阶段,将原始借阅记录中的书目按照《中国图书馆分类法》进行分类整理,然后利用Apriori算法挖掘产生关联规则,并将其扩展为推荐书目,最后通过实例验证,该方法比现有基于书籍名称的推荐方法所产生的规则更具一般性,推荐结果具有可扩展性。     

关联挖掘在文献借阅历史数据分析中的应用

介绍了数据挖掘中关联规则的基本概念和方法,进一步讨论和研究了关联规则在图书馆读者文献借阅历史数据分析中的应用。通过实验分析表明,借阅历史数据在经过一定的预处理后,用Apriori关联挖掘算法能挖掘出隐藏在历史数据背后的有用的规则和潜在的信息,这将有利于为读者提供个性化服务和对图书馆的服务提供决策支持。     

读者借阅书目序列模式挖掘——以国际关系学院图书馆为例

基于国际关系学院图书馆的读者借阅数据,对数据进行预处理,采用SPSS Clementine挖掘工具对预处理后的借阅数据,实施序列模式挖掘,分析读者借阅书目间的序列关系,为图书馆预测读者借书需求、合理安排图书采购和对用户进行图书推荐提供建议,为数据挖掘实践提供经验。     

一种高校读者借阅偏好的个性化图书推荐

现有个性化图书推荐没有考虑受纸质图书的复本,构建读者及纸质图书属性矩阵、读者借阅偏好矩阵,定义基于页数的借阅时间、新书、图书类别的借阅权重。建立读者借阅偏好矩阵和读者属性矩阵的关联、读者借阅偏好矩阵和纸质图书属性矩阵的关联。根据教育部对高校大学生专业课程设置的特点、读者借阅记录的统计,在图书馆书库存在复本的情况下区分专业、非专业纸质图书推荐。在真实的借阅记录数据集上,实验验证提出方法的有效性。     

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。     

基于数据挖掘的图书智能推荐系统研究

针对目前传统数字图书馆无法为用户提供准确个性的图书推荐服务的问题,提出构建基于数据挖掘技术的图书智能推荐系统,简单分析数据挖掘技术中关联规则技术适用图书推荐的原因和相关概念,并且对该系统的框架进行研究,最后通过实验,运用数据挖掘软件对真实的借阅记录进行关联规则挖掘,得出关联规则作为图书智能推荐系统的关键技术是行之有效的结论。     

基于数据挖掘技术的高校图书馆读者借阅行为的研究

本文在介绍数据挖掘技术的基础上,依据外借服务的借阅数据,给出高校图书馆读者借阅行为分析的具体应用,并对2013年哈尔滨商业大学图书馆全年的图书外借数据进行挖掘,分析读者需求和馆藏结构之间的关系。通过分析可以看出,数据挖掘技术在高校图书馆有着广泛的应用前景。     

北京高校馆际文献传递服务用户兴趣关联研究

[目的/意义]关联数据分析和个性化信息推送是图书馆联盟建设的重要内容。文章引入关联分析挖掘技术为北京地区高校图书馆联盟馆际文献传递中的个性化推送服务提出建议。[方法/过程]以2018年BALIS北京地区高校图书馆文献传递服务数据为基础,对不同专业用户群体和不同高校用户群体文献传递申请单数据进行分析,并利用FP-growth关联分析算法技术对数据进行相关系数分析。[结果/结论]数据挖掘结果较好地挖掘出北京地区各高校图书馆用户的跨校、跨专业文献借阅偏好,可实现有效和有针对性的文献推荐服务,同时能够为区域图书馆联盟的资源共建共享提供数据参考。     

高校图书馆知识主动推送系统的构建及核心算法研究

信息技术的高速发展激发了用户个性化的信息需求。文章提出构建符合高校图书馆服务对象群体特征的个性化主动知识信息推送系统,运用数据挖掘技术在高校图书馆业务数据库中进行知识信息发现的实践性探索,对推送系统的核心关联规则挖掘算法进行优化研究,采用增量式关联规则更新算法以满足图书馆特点,使高校图书馆的主动知识服务在更高层次上满足读者的需求。     

智慧图书馆中基于用户画像的图书推荐研究

【目的/意义】利用用户画像以及个性化推荐算法实现智慧图书馆中的图书推荐。【方法/过程】从构建智慧 图书馆用户画像的自然属性、兴趣属性、社交属性三个数据维度出发,借助相似度计算方法分别计算不同维度读者 和图书的相似度,实现基于相似读者和相似图书的虚拟图书推荐,阐述了借助智慧图书馆的先进技术实现基于位 置的实体图书推荐。【结果/结论】实验结果表明将用户画像用于智慧图书馆图书推荐可提升图书馆个性化服务能 力,针对读者实现精准推荐。【创新/局限】基于用户画像的图书推荐从多个维度进行组合推荐,实现了智慧图书馆 虚拟图书和实体图书的个性化推荐,提高了推荐质量,为提升智慧图书馆个性化服务具有一定的借鉴意义。局限 在于选取的读者以及图书数量较少。     

基于数据挖掘的高校图书馆服务优化研究

以南京农业大学工学院图书馆为例,利用关联规则对2007—2012年读者借阅数据进行挖掘分析,找出不同类别图书之间的内在关联．以指导图书馆调整馆藏布局、改进图书借阅及图书采购等工作。