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。     

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.     

基于关联规则的计算机等级考试答卷分析

阐述了数据挖掘的概念,介绍了Apriori算法,对计算机等级考试答卷数据进行关联规则挖掘,分析影响计算机等级考试成绩的因素,并找出课程知识点之间潜在的关联规则,指导教师对教学过程进行决策和研究,为提高教学质量奠定了基础。     

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。     

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。     

关联规则算法在图书自动推荐系统中的应用

针对传统图书自动推荐系统准确性不高的缺点,提出利用数据挖掘中的关联规则算法技术将读者借阅的图书、性别、年龄、职称、职业、受教育程度、爱好等多维关系生成关联规则,再将读者基本信息与这些规则进行比较,把匹配的关联规则推荐给读者,就能解决传统推荐系统的不足,提供更加灵活的个性化图书推荐服务。文章以湖南图书馆2011年读者借阅数据为例,利用Microsoft SQL Server 2008为工具进行了关联规则算法的数据挖掘分析。     

关联规则算法在学生成绩分析中的应用

分析研究了关联规则算法,重点是Apriori算法,将关联规则算法运用到学校学生成绩的分析中,找到课程之间的关联关系,为学校教学管理和学生的自我学习提供帮助。     

基于Apriori算法的关联规则及其应用研究

基于Apriori算法的关联规则,在高校图书馆,对学生的借阅数据进行深度的挖掘和分析,得出相关联的书籍,从而为学生提供潜在需求的服务,打造个性化图书馆服务,为学生提供了便利的同时,也提高了图书馆资源的利用率。     

关联规则挖掘在医学图书馆信息服务中的应用探讨

介绍了数据挖掘中的关联规则和基于Apriori算法的关联规则数据挖掘技术,并使用关联规则挖掘对医学图书馆中的流通数据进行了实例分析.     

基于关联规则学生成绩预警研究——以厦门工学院为例

高校学生成绩预警是高校教务管理的重要工作之一,研究高校学生学业预警问题在理论层面和实践指导层面均具有重要的价值。采用关联规则算法中的Apriori算法来分析厦门工学院2016级至2018级学生的成绩数据,探究每个专业各课程之间的关联度。在Matlab环境下用Apriori算法对信息与计算科学专业的学生学业成绩进行挖掘分析,发现该专业下不同课程间的关联关系,尤其是对先修课程与后继课程间的关联规则的挖掘,及时对挂科的学生预警,并同时给任课教师提供指导,从而提高教育教学管理水平。     

完全加权关联规则挖掘及其在数字图书馆中的应用

完全加权关联规则挖掘是关联规则挖掘的一个重要分支。本文在论述完全加权关联规则挖掘技术的基础上,探讨其在数字图书馆信息处理中的应用价值,并给出一种基于完全加权关联规则挖掘的数字图书馆信息检索模型。     

多数据库中时态关联规则挖掘

关联规则的时态对用户是个非常重要的信息,利用时态关联规则分析,可以得到一系列相关性的项目集合,从而为决策提供更加有利的帮助和支持。现在对于时态关联规则的挖掘主要局限于单一数据库的情况,从多数据库中挖掘时态关联规则还未引起人们的重视,但是多数据库的时态关联规则对于决策分析是非常重要的。本文提出了一种从多数据库中挖掘时态关联规则的方法,并设计了一种算法,实验表明该方法是有效的。     

关联规则在“专升本”报名数据分析中的应用

本文通过数据挖掘中的关联规则算法研究,经典Apfiofi算法进行分析,使用一款优秀的源数据挖掘平台WEKA,通过数据预处理属性筛选后使用Apfiofi算法进行关联规则挖掘,对专升本报名数据进行关联规则分析,挖掘存在有价值的信息,为今后院校招生专业设置等提供指导信息。     

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。     

基于关联规则挖掘的图书流通信息分析

对某一读者群在一定时期内所借阅图书的流通数据应用关联规则的挖掘分析方法,可以发现读者在进行专业学习时隐含的各学科知识之间的关联.这对图书馆调整资源建设的学科结构、提升读者服务工作水平具有重要的指导意义.     

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.