基于关联规则数据挖掘技术的图书阅读推荐系统

图书馆网站的推荐系统是帮助用户找到合适图书的重要工具。随着互联网技术的迅猛发展和图书数量的增加,通过图书馆搜索系统寻找图书变得耗时且困难。文章提出了一种专注于大学图书馆的图书阅读推荐系统,旨在满足用户在相同专业和学科领域的兴趣。结果表明,文章所开发的挖掘技术适用于在图书馆中实施推荐图书工具,其准确性值较其他技术更高。

关联规则应用下的高校图书馆图书推荐服务

文章从某高校图书馆图书借阅管理系统抽取1200名2011级本科生的4年图书借阅日志数据,利用多维属性间关联规则数据挖掘技术,对不同专业用户群体4年图书借阅数据进行分析。通过不同专业用户群体在不同年级时的图书关联规则分布情况,探索有效和有针对性的图书推荐服务策略,提升图书馆服务能力。

基于WEKA的高校图书馆流通数据的关联分析

本文利用开源软件WEKA作为数据挖掘工具,通过Apriori算法,对高校图书馆流通历史数据进行挖掘分析,得到了很多关联规则,揭示隐藏在大量数据后的重要关系信息,并为高校图书馆开展进一步服务的各项决策提供了技术支持。

基于关联规则的高校图书馆个性化推荐模型

利用关联规则对高校图书馆借阅信息进行挖掘,可以找出读者的借阅习惯,从而可以根据读者借阅习惯,能实时、有针对性、主动地为读者提供读者感兴趣的图书。但在实际的运用中,经过统计发现,基于传统的关联规则进行推荐模式存在着关联规则发现困难以及并没有反映出读者借阅习惯的变化问题。论文试图对挖掘出的结果进行分析比较处理,进行特殊的加权处理,从而为用户推荐出命中率高的个性化的推荐模型。实际测试表明:经过加权处理后的关联规则推荐模型能够及时反映出用户的变化,能够满足为用户提供更专业的个性化推荐。

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。

图书馆读者借阅行为的关联规则挖掘研究

[目的/意义]利用读者借阅数据挖掘读者借阅行为的关联规则。[方法/过程]分析读者借阅数据,建立读者借阅事务数据库,通过支持度、置信度及兴趣度阈值的限定,采用基于Fp-树的频繁模式增长算法找出隐藏在读者借阅行为中的关联规则。[结果/结论]这些关联规则可以更好地预测读者的借阅需求,是图书馆实行个性化知识服务和馆藏资源合理配置的理论依据,对推动图书馆管理与服务向知识服务发展,实现科学化管理具有十分重要意义。

基于Apiori算法的关联规则在图书馆资源配置中的应用

[目的/意义]掌握读者借阅喜好及使用规律,为图书馆优化资源配置提供参考。[方法/过程]利用Apriori算法对预处理后数据进行挖掘,分析关联规则的有效性及其在图书馆的应用。[结果/结论]利用关联规则可简化采访工作、合理利用购置经费、优化馆藏结构;可提供更好的读者导读服务,提高资源利用率;可更合理地进行书库管理,不断完善流通服务,提高读者的满意度。

关联规则挖掘在优化高校馆藏结构中的应用

简要介绍了关联规则挖掘以及Apriori算法,并将Apriori算法应用于高校图书馆流通数据,从读者需求的角度出发挖掘借阅图书之间的关联,为图书采购工作提供理论依据,优化图书馆的馆藏结构。

关联规则挖掘及其在高校图书馆工作中的应用

介绍了关联规则的基本原理,阐述了关联挖掘分析的过程及结果,论述了关联挖掘分析结果在图书馆工作中的应用。

浅议数据挖掘在高校图书馆信息服务中的作用

数据挖掘技术应用于图书馆个性化服务、文献采购以及Web内容、结构、日志挖掘等实际工作,提高了图书馆资源利用效率和读者满意度,其在图书馆深层次知识服务中具有广阔中的应用前景。本文使用关联规则方法进行了流通数据的实例应用。

基于GitHub的高校图书馆开源项目开发制约因素分析

文章针对高校图书馆在开源项目开发中遇到的技术难点进行了分析,通过数据挖掘的关联规则,找出GitHub上影响Pull Request被拒绝的相关影响因素,并发现影响因素之间的关系,通过实验研究得出开发人员提交的Pull Request尽量避免被拒绝的方法,从而为高校图书馆进行开源项目研发提供技术助力,提升高校图书馆的数字服务能力。

基于FP-Growth算法的高校图书馆数据分析与对策研究——以山东科技大学图书馆为例

高校图书馆数据日益增加,为了更好地利用海量图书馆数据,加强图书馆自身建设、满足读者需求,基于山东科技大学图书馆数据,利用FP-Growth算法进行学科间关联分析、借阅图书分布分析、借阅量分析及图书流通量分析,并提出相应对策。结果表明,基于FP-Growth算法对图书馆数据进行关联分析,可以及时发现隐藏的规则和信息,为图书馆建设提供决策支持,提高图书利用率,更好地满足读者需求。

基于数据挖掘技术的高校图书信息化管理研究

高校图书管理系统中的数据具有庞杂性、隐晦性和关联性,传统的图书管理系统无法从这些数据中寻找到足够的有用信息以实现优化图书配置的目的。为了解决该难题,文中以某高校图书馆为例对数据挖掘技术在高校图书管理中的应用进行了研究,得到主要结论如下:第一,频繁书籍的挖掘对图书馆内书籍馆藏数目的优化尤为重要;第二,不同类别书籍间存在可信度较高的关联规则,同时馆藏数目有限和图书外借政策导致不同书籍间的支持度较低;第三,某图书馆图书外借记录的数据挖掘所得结果与现实中读者需求的吻合度非常高。

基于关联规则的高校图书书目个性化推荐系统设计

针对当前高校书目个性化推荐效果不佳、精准度差的问题,结合关联规则对高校图书书目个性化推荐系统进行设计。通过B/S架构对高校图书书目个性化推荐系统硬件结构进行优化,在硬件配置中添加存储器和推荐引擎模块,以提高系统运行的速度。在此基础上进一步对系统软件运行流程进行简化处理,计算图书书目个性化特征的推荐算法,实现对高校图书书目个性化推荐系统的合理改善。最后通过实验证实,基于关联规则的高校图书书目个性化推荐系统设计效果明显优于传统方法,其图书推荐的准确度相对于传统系统而言有大幅度的提高。

高校图书馆读者借阅行为实证研究——以西南财经大学天府学院图书馆为例

基于图书馆信息管理系统中积累的大量读者借阅行为数据,通过关联挖掘技术,使用Microsoft关联规则算法,结合实例,阐述如何发现读者行为数据中隐藏的规律性知识,为图书馆管理提供依据。提出应优化馆藏建设,指导下一步采购计划;指导图书馆管理人员对文献种类进行科学筛选,进行新书推荐和热门图书推荐;在对书籍进行排架时可以把关联性强的图书尽量集中放置等建议。

基于关联规则的高校图书馆微博关注趋势分析

介绍基于API和基于Python爬虫的页面解析两种不同的微博数据获取方法和流程,同时对新浪微博中的高校图书馆关注数据进行关联分析。提出微博的一次关注、二次关注以及多次关注的关联现象,对相关图书馆微博进行一次和二次关注关联规则的挖掘,发现高校图书馆微博经过不断地传递关注,最终形成其微博关注独有的特点以及基于微博关注的高校图书馆微博信息之间的传播模式。

基于概念格的高校图书馆群体用户兴趣画像研究

【目的/意义】本文基于概念格构建了高校图书馆群体用户兴趣画像,揭示不同群体用户的行为需求,挖掘潜在的行为规律,为高校图书馆不同群体用户的个性化服务提供参考。【方法/过程】以高校图书馆为服务主体,对服务对象进行细化和分类,利用Con Exp1.3工具构建不同群体用户类别的细分标签,并生成Hasse图,深入挖掘用户的行为属性和需求特征,通过概念格"Calculate Association Rule"对不同群体的用户行为进行关联规则挖掘,实现群体兴趣画像的精准刻画。【结果/结论】借鉴概念格的方法,能够更加清晰和全面的展示层级关系,识别群体用户的需求属性和行为特征,进而探索用户之间的关联,有助于提升高校图书馆的服务质量,提升服务效率。