基于关联规则的图书馆读者兴趣度实证分析

图书馆读者的兴趣度是读者对图书馆各文献的借阅、下载等的偏好程度,通过对读者兴趣度的度量,能为图书馆信息服务提供更多更好的依据。文章研究了关联规则在读者兴趣度中实现的方法、过程和现实意义,对图书馆文献的借阅信息进行了深层次的数据挖掘,建立了读者兴趣度度量的计算模型,并进行了相关的实证分析。

图书馆读者兴趣度建模及实证分析

对读者进行兴趣度分析,是图书馆进行一切业务工作的依据。本文阐明了图书馆进行读者兴趣度研究的意义,通过对图书馆流通日志进行关联规则挖掘,提出了一种基于支持度、置信度、提升度、有效度的读者兴趣度研究的模型,并提取数据对此模型进行了实证分析。

和声模糊聚类在读者兴趣度建模中的应用

本文采取了3种必要的措施提高了聚类质量:考虑到各维数据特征属性对聚类效果影响不同,采用了基于统计方法的维度加权的方法进行特征选择;对于和声搜索算法的调音概率进行了改进,将改进的和声搜索算法和模糊聚类相结合用于快速寻找最优的聚类中心;循环测试各种中心数情况下的聚类质量以获得最佳的类中心数。接着,该算法被应用于图书馆读者兴趣度建模中,用于识别图书馆日常运行时各读者借阅图书的类型,实验表明该算法较其它算法更优。这样的读者兴趣度聚类分析可以进行图书推荐,从而提高图书馆的运行效率。

基于遗传算法的新书推荐系统研究

新书推荐是数字图书馆推广个性化服务的重要内容。为设计开发高效、准确的推荐系统,研究人员采用多种智能算法实现图书推荐。基于遗传算法的新书推荐方法(GANBook)利用遗传算法搜索效率高、自适应性强等优点对新书书目进行自动搜索,从而实现个性化图书推荐。仿真实验表明GANBook算法能够快速、准确地在数量庞大的书目中找出适合特定读者的最佳图书推荐组合,从而实现快速、个性化的新书推荐服务。