高校圖書館借閱信息挖掘與應(yīng)用研究.pdf

1、分類號：密級：TP31113單位代碼：學(xué)號：非全日制碩士專業(yè)學(xué)位論文10086Z2010250高校圖書館借閱信息挖掘與應(yīng)用研究Thestudyofminingandapplicationofuniversitylibrary’SloaninforlTlation學(xué)位申請人：指導(dǎo)教師：校外導(dǎo)師：學(xué)位名稱：研究領(lǐng)域：授予單位：答辯日期：李和娟滕桂法教授王福強高級工程師工程碩士計算機技術(shù)河北農(nóng)業(yè)大學(xué)二。一四年五月摘要高校圖書館作為高校的重要組

2、成部分，不僅是高校的文獻信息中心，還是學(xué)生們開展第二課堂學(xué)習(xí)的主要場所。圖書館的自動化系統(tǒng)中保存著大量讀者借閱圖書資源的歷史數(shù)據(jù)，這些數(shù)據(jù)是讀者利用圖書館館藏文獻滿足自身信息需求的最佳記錄，蘊含著豐富的、有用的知識和信息。利用數(shù)據(jù)挖掘技術(shù)對這些數(shù)據(jù)進行挖掘，找出圖書資源的使用狀況和不同讀者、圖書之間隱藏的內(nèi)在聯(lián)系和規(guī)律，可以為合理配置圖書館的圖書資源、提高資源的利用率、改進圖書服務(wù)質(zhì)量、開展個性化信息服務(wù)提供數(shù)據(jù)支持和決策參考。本文首先

3、分析研究了數(shù)據(jù)挖掘技術(shù)，包括Kmeans算法和Apriori算法以及SPSSClementin數(shù)據(jù)挖掘工具等，對研究用數(shù)據(jù)進行數(shù)據(jù)清理、數(shù)據(jù)變換、數(shù)據(jù)歸約、數(shù)據(jù)集成。其次，采用Kmeans算法從圖書和讀者兩個角度對讀者借閱數(shù)據(jù)進行了聚類分析，將圖書按利用率劃分為利用率極高的圖書、利用率高的圖書、利用率較高的圖書、利用率一般的圖書、利用率低的圖書五類，將讀者分為非?；钴S讀者、比較活躍讀者、活躍讀者、一般讀者、較少借閱讀者五個群體，找出了不

4、同讀者群體之間和不同圖書之間的讀者信息需求相關(guān)特征和模式。進而，采用Apriori等算法對讀者借閱數(shù)據(jù)進行了關(guān)聯(lián)規(guī)則的挖掘，通過對本專科學(xué)生讀者和研究生讀者與圖書大類之間關(guān)聯(lián)性分析，發(fā)現(xiàn)研究生讀者與本?？茖W(xué)生讀者有許多共同的借閱傾向，在所借圖書大類次序上與本專科學(xué)生讀者不同，更加注重專業(yè)性圖書的借閱；通過對圖書大類之間的關(guān)聯(lián)性分析，發(fā)現(xiàn)研究生讀者同本專科學(xué)生讀者相比專業(yè)針對性更強，出于學(xué)習(xí)的目的而經(jīng)常會經(jīng)常借閱Q、S、T等專業(yè)類圖書，因

5、此，所借圖書關(guān)聯(lián)性更強，置信度也比較高；通過對不同學(xué)院圖書之間關(guān)聯(lián)性分析，發(fā)現(xiàn)讀者所借圖書多與開設(shè)專業(yè)課程相關(guān)，并且圖書之間具有很強的關(guān)聯(lián)性和和很高的置信度。最后研究了數(shù)據(jù)挖掘技術(shù)在圖書館的應(yīng)用分析，運用聚類方法，找出群的特點，針對具有相似特點的讀者開展相似偏好的圖書推薦，針對不同圖書利用率進行相應(yīng)的管理。運用關(guān)聯(lián)規(guī)則，針對本?？茖W(xué)生與研究生讀者學(xué)歷層次的不同，進行更有針對性的圖書采訪，進行不同的架位安排，在個性化推薦系統(tǒng)中推薦不同圖書