共查询到18条相似文献,搜索用时 770 毫秒
1.
2.
通过数据挖掘技术可以发现在校读者的借阅习惯以及使用图书资源的模式,进而评估读者对馆藏资源和馆藏服务的利用情况,针对读者的借阅规律,图书馆可以提供个性化的信息推送服务,有效提高资源利用率和服务水平.以辽宁师范大学文、史、法及心理学院读者的借阅记录为样本数据,采用大数据处理软件Weka进行数据离散化转换,并加载分析,根据频繁项集合算法的挖掘关联规则,预测相关书籍的借阅概率,生成推荐书目,向读者进行个性化推荐.经过大数据分析发现,读者借阅同种图书的关联度占总关联规则的比率较大,说明大部分读者在一次特定的借阅中,往往只会借阅某一类别或者高度相关的图书.将上述结果提供给相关学科馆员,能为读者提供更有针对性和目的性的书目,并加以个性化信息推送服务,提高图书馆的学科服务质量. 相似文献
3.
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. 相似文献
4.
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。 相似文献
5.
6.
关联规则挖掘是解决电子商务推荐问题的重要方法之一.针对传统关联规则挖掘算法在解决移动电子商务环境个性化推荐问题时反复扫描数据库,频繁项挖掘效率低,关联规则挖掘准确率低以及规则大量冗余等不足,提出一个基于事务矩阵和用户兴趣度的关联规则挖掘算法(Matrix-and-Interestingness-based Association Rules Mining,MIbARM).该算法仅需扫描一次数据库,并在挖掘过程中不断缩小算法搜索空间以避免生成冗余候选项,同时避免了冗余规则挖掘,从而提高了挖掘效率.最后,在四组人工数据和160种参数组合的数值实验环境下,引入Apriori、CBAR 及BitTableFI算法对MIbARM进行对比验证.结果表明,在不减少有趣规则的前提下,MIbARM不但可有效避免冗余候选项集的产生,而且大幅减少了冗余规则数量,极大提高了算法的搜索效率,同时提升了个性化推荐的质量,更适用于移动电子商务环境下的个性化推荐问题. 相似文献
7.
一种快速的个性化书目推荐方法* 总被引:1,自引:0,他引:1
针对高校数字图书馆现有书目推荐方法存在的不足,提出一种快速的个性化书目推荐方法。该方法利用矩阵向量技术和压缩技术对Apriori算法进行改进,以提高数据资源的挖掘效率,然后利用改进的Apriori算法从读者的借阅记录中挖掘出图书之间的关联关系,以此为读者的借阅提供个性化的书目推荐服务。仿真结果能够证明该方法的有效性。 相似文献
8.
9.
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。 相似文献
10.
分析了当前图书馆书目推荐系统的现状及不足,提出了一种基于运用关联规则挖掘读者借阅记录的书目推荐方式,设计了一种新的书目推荐系统的体系架构,并运用实例分析了该系统的推荐流程。 相似文献
11.
对情景敏感和个性化需求响应是移动网络环境下信息推荐的两大触发因素。针对目前移动环境下信息服务未融入情景敏感这一因素以及信息推荐的个性化程度低和准确性差的现状,提出采用"LBS+AR+多层关联规则"三维立体式个性化信息推荐方法。采用GPS/GIS技术实现精确定位,利用基于模型的多层级关联推荐算法避免稀疏性和难于扩展问题,采用AR(增强现实)技术实现可视化的信息推送,通过构建移动网络环境下情景敏感的个性化信息推荐系统实现为用户提供个性化、可视化的信息推送服务。 相似文献
12.
一种面向图书馆新书推荐服务的广义关联规则挖掘算法 总被引:1,自引:0,他引:1
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。 相似文献
13.
数据挖掘技术在图书馆信息服务中的应用 总被引:19,自引:2,他引:19
司徒浩臻 《现代图书情报技术》2005,21(10):15-18
为适应图书馆对信息服务的需要,以高校图书馆为例,用数据挖掘中的关联分析技术对高校图书馆借阅记录进行分析,给出了挖掘算法,提出了推荐服务模型,利用挖掘出来的规则提供推荐服务。 相似文献
14.
15.
对怀化学院图书馆TP类图书按编目日期统计各年借阅量,依据文献老化定律、最小二乘法曲线拟合求得TP类图书的半衰期及老化曲线,利用TP类图书的老化曲线方程预测其借阅量,提出图书关联规则支持度的老化常数。实验表明:通过关联规则中的support(X)=support(X)×K'方法降低老化图书的关联支持度,减少老化图书相对较弱的强关联规则,解决了原书目推荐系统推荐给读者的书目中有相当一部分图书已失去使用价值的问题。此方法不仅适用于怀化学院图书馆馆藏图书的书目挖掘,对其他高校图书馆也有借鉴价值。 相似文献
16.
17.
基于Apriori改进算法的局部反馈查询扩展 总被引:1,自引:0,他引:1
提出面向查询扩展的Apriori改进算法,采用三种剪枝策略,极大提高挖掘效率;针对现有查询扩展存在的缺陷,提出基于Apriori改进算法的局部反馈查询扩展算法,该算法用Apriori改进算法对前列初检文档进行词间关联规则挖掘,提取含有原查询词的词间关联规则,构造规则库,从库中提取扩展词,实现查询扩展。实验结果表明该算法能够提高信息检索性能,与现有算法比较,在相同查全率水平级下其平均查准率有了明显提高。 相似文献
18.
针对现有信息检索系统中存在的词不匹配问题,提出一种基于词间关联规则的查询扩展算法,该算法利用现有挖掘算法自动对前列初检文档进行词间关联挖掘,提取含有原查询词的词间关联规则,从中提取扩展词,实现查询扩展。实验结果表明,该算法能改善和提高信息检索系统的查全率和查准率,具有很高的应用价值,与未进行查询扩展时相比,采用本文查询扩展算法后,平均准确率提高了13.34%,与传统的局部上下文分析查询扩展算法比较,其平均准确率提高了4.87%。 相似文献