关联规则挖掘在图书馆中的应用

利用数据挖掘中的关联规则技术,从大量数据中发现有价值的规则。文章用改进Apriori算法对安徽省图书馆的借阅数据进行挖掘,从中发现了一些有价值的规则,为图书馆读者服务提供指导信息。     

图书流通信息多层关联规则挖掘法的优化与应用

通过对FP-Growth算法的扩展,提出图书流通信息关联规则挖掘的新算法即MACLC-FP（Multilevel Association with Chinese Library Classification FP）算法;结合实例着重阐述应用该算法,采用多层关联分析技术,挖掘读者借阅行为中隐含规律的可行性;进而探讨该数据挖掘技术在现代图书馆中的应用前景。这对图书馆调整资源建设的学科结构、提升读者服务的工作水平都具有重要意义。     

基于关联规则的高校图书信息数据挖掘

随着教学水平的提高和科学技术的不断发展,高校图书馆的书本存储量越来越多,学生对书本的需求量和使用量也急剧增高.这些现实因素给高校图书管理系统带来很大压力,在图书管理系统中使用数据挖掘技术变得迫在眉睫.本文以高校学生借阅图书为研究对象,针对高校图书管理系统提出Apriori算法,对图书的摆放方式提出相关建议,从而达到方便图书管理、便捷学生借阅的目的.     

图书流通关联规则分析

关联规则是数据挖掘领域一个重要的研究任务。文章首先介绍关联规则的基本概念和常用的关联规则算法。接着以上海交通大学两年的图书流通数据为研究对象,利用关联规则和Apriori算法,分别对图书的类别和特定图书的借阅关联性做出分析,得出图书大类和一些单本图书的借阅关联性特点,最后在此基础上为图书馆工作和个性化服务提出合理建议。     

CARMA算法挖掘技术在图书流通中的实证研究

将CARMA算法这一新式数据挖掘算法应用于图书借阅流通领域。在概述CARMA算法的基础上,文章完整、详尽地阐述了将CARMA挖掘算法应用于图书流通领域从数据预处理到建立模型再到数据挖掘结果分析的整个流程,并基于上海交通大学图书馆2009-2010年的借阅数据进行了实证研究,得出了各类图书间的借阅关联性。本研究意在为图书馆图书资源采购和馆藏资源空间布置提供可资借鉴的依据。最后,文章还给出了图书馆在图书采购工作和馆藏资源空间布置等方面的建议。     

基于关联规则的图书借阅服务推荐方法

本文将关联规则应用于图书借阅的服务推荐方法,首先对读者借阅历史记录进行预处理,然后进行关联规则挖掘和分析,利用挖掘出的频繁项集进行服务推荐。该方法与传统推荐技术相比,能更全面、准确、清晰地进行图书借阅推荐。     

基于数据挖掘的图书数据预处理

为了更好地从数据类型复杂、冗余空缺值多的海量图书数据中挖掘出切实有用的信息,就必须对数据源进行预处理。基于此目的,文章详细介绍了图书数据的预处理方法,并通过安徽省图书馆图书数据实例验证其有效性和可行性,从而为读者服务提供可靠保障。     

基于事务标识列表的关联规则挖掘算法

设计并采用Java语言实现基于事务数据库标识列表的频繁项集的产生算法——TidlistApriori。通过与采用Hash-Tree的Apriori算法进行比较,表明TidlistApriori能够提高频繁项集的产生效率,可以成为主题关联挖掘的有效算法工具。     

基于关系数据库的高校成绩数据关联规则挖掘

本文针对高校数据库的特点,利用SQL语句与Apriori算法结合,提出一种基于关系数据库的关联规则挖掘算法,该算法解决了Apriori算法不适合数值型数据挖掘的问题。为了验证算法的有效性．本文将之运用于成绩数据的挖掘,得出了课程之间的关系及学生可能不合格的课程,为学生选课和学生由于成绩不合格留级、退学的预警管理提供依据。     

基于粗糙集的多值属性关联规则挖掘

本文应用粗糙集理论中等价关系的概念,结合知识系统细化和泛化的思想以及Apriori算法中逐层搜索迭代求取频繁项集的思想,对数据挖掘中的多值属性关联规则问题进行研究,提出一种新的多值属性关联规则挖掘算法Mqars.Mqars的主要特点是无需将多值属性转化为布尔型属性,可以尽早地约简非候选的频繁项集,方便快捷地计算出项集支持度,提高多值属性关联规则挖掘效率.论文给出了Mqars算法详细描述、具体实现过程和算法实例及分析.最后设计实验环节对Mqars算法与传统的Maqa算法在时间复杂度和算法效率方面进行比对和分析,分析与比对的实验结果表明了该算法的有效性.     

基于加权关联规则挖掘的相关文献推荐*

研究利用数据挖掘中的关联规则挖掘分析及论文数据库，进行相关文献推荐，提出适用于进行相关文献推荐的改进的混合加权关联规则挖掘算法，并通过用户行为分析确定相关文献集和垂直权重，采用Google搜索引擎的PageRank算法确定水平权重，获得一些有意义的分析结果。     

一种面向图书馆新书推荐服务的广义关联规则挖掘算法

基于MMS_Cumulate和GP-Apriori算法, 提出一种针对图书馆新书推荐服务特点的广义关联规则挖掘算法MAR_LCR。不仅能挖掘出形如“读者-图书”的广义关联规则,而且还允许用户为不同的项设置不同的最小支持度。通过对候选集的产生过程进行改进,可大大压缩搜索空间。实验结果表明,MAR_LCR算法是有效的。最后,提出新书推荐模型。     

基于关联挖掘技术的数字图书馆个性化推送服务

针对数字图书馆推送服务中缺乏对资源访问数据的有效分析,以关联挖掘理论为技术基础,设计出数字图书馆个性化推送服务模型。详细介绍资源访问多维数据集构建、多维数据集上文献资源的关联分析和挖掘方法。实验表明,关联挖掘技术可从资源访问事务中发现资源访问关联以及具有访问行为相似读者群,为个性化推送服务提供决策依据。      

基于K-means算法的Ｗeb访问用户关联规则挖掘算法

针对传统关联规则算法中事务扫描的重复性以及最小支持度设定的不确定性,导致关联规则挖掘算法扫描事务数据库运行效率低下的问题,提出一种基于K-means的Web访问用户关联规则挖掘算法,该算法利用K-means算法聚类的效果,将Web访问用户数据集聚类为不同的小数据集,采用不同的最小支持度,分别对Web访问用户聚类小数据集进行关联规则挖掘。分析和实验结果证明,该算法可有效提高传统关联规则挖掘算法的效率,同时也可有效避免传统关联算法中扫描中的重复性。     

基于关联规则的Wikidata人物名称数据分析——以诺贝尔文学奖得主为主题

[目的/意义] 挖掘不同名称数据之间的关联关系,将关于某一实体或主题的领域知识表现出来,这对实现不同层次、不同粒度的知识体系的解构和重构、提供满足多种需求的知识服务工作具有重要的研究意义。[方法/过程] 提出一种基于人物实体数据运行关联规则挖掘实验的研究框架,通过对人物实体条目的抽取、预处理及属性识别与分类等处理方法,利用R语言得到人物实体集的关联规则,实现多种名称数据的关联,最后从Wikidata知识库提取113位诺贝尔文学奖得主的实体条目进行实证分析。[结果/结论] 分析右部为地点名称、机构名称、时间名称和主题名称等4种不同类型规则的关联特征,实现不同名称数据类型的关系挖掘问题。本研究可为知识的揭示、聚合和关联提供新的视角,探索了数据挖掘技术在名称数据中的应用。     

基于关联规则挖掘的科技论文引文分析——以化学领域科技期刊为例

本文主要研究如何利用数据挖掘中的关联规则方法对科技论文引文数据进行分析,以获取学科领域内的期刊交叉引用信息。并对CSTPC的引文数据实施了关联挖掘,获得了一些有意义引文分析结果。     

图书馆绩效指标数据挖掘方法研究

笔者通过对公共图书馆数据调研,运用数据挖掘的分析技术,建立对公共图书馆工作改进具有实际意义的数据挖掘模型方法,对图书馆量化绩效标准、开展绩效管理进行实际指导。