数据挖掘技术在图书馆采访中的应用

论文摘要

现代社会的不断进步和发展，人类进入知识创新时代，知识更新速度越来越快。据统计网络信息资源在数量上是呈成千上万倍的速度增长，在互联网上向公众开放的网页以每天730万页的速度增加。这么快的信息增长速度，就要求作为现代的高校图书馆就必须为学生、教师使用这些信息提供方便。它不仅是方便老师查阅文献，而且还更应该让图书的管理部门（图书的采购部门）对图书进行对图书有效的订阅，充分发挥图书馆的功效。现代的高校数字图书馆是由许多高科技和新技术支撑的数字化信息资源系统，为了实现资源共享，它将互连的数字信息资源散布在不同的运营商，不同地区的网络访问方式以提供访问。数字图书馆的数据挖掘和知识发现技术在数字图书馆具有很大的应用价值。根据处理的对象不同，可分为三个大类：即内容挖掘、结构挖掘和用户日志数据挖掘。现在几乎所有高校图书馆都对书目数据，流通数据以及读者数据进行数据库管理，其目的是为了方便图书馆对图书的采购、编目及对图书流通有效的管理。在图书馆运行过程中，会产生大量的数据，包括编目数据、流通数据、读者数据等，但这其中最有用的是读者的借阅数据。读者的借阅数据在一定程度上能够代表该高校学科的发展方向、各学科之间以及读者发展方向的关联程度。因此，本课题的目标就是利用读者的大量借阅信息以及读者检索的信息，挖掘出各学科之间的关联程度，为图书采购提供帮助。让图书馆的采购的目的性更强、订购的图书的利用率更高、节约了图书馆的开支。本文主要完成以下几项工作：（1）对读者借阅及检索数据进行了合并，合并后进行数据清理、数据集成、数据压缩、数据转换等，通过上述步骤为后续挖掘工作提供了有效的数据源。（2）通过Apriori算法，生成一个二项频繁项集，然后剪枝，最终生成频繁K项集。（3）利用Apriori算法对清理出来的数据源进行了关联挖掘，挖掘出了各年级，各职业，各种职称的读者对图书资源类别之间的关联规则。（4）利用Apriori关联规则算法对清理出来的数据源进行了部分借阅率高的类别图书之间挖掘。（5）简单地分析了计算机技术、英语、文学类别图书分类之间与其它类的关联规则的原因，解决了图书馆需要采购什么样的图书，以及图书馆的排架问题。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 前言
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 研究方法
• 1.4 本章小节
• 2 数据挖掘概述
• 2.1 数据挖掘的兴起及定义
• 2.1.1 数据挖掘的兴起
• 2.1.2 数据挖掘的定义
• 2.2 数据挖掘的功能
• 2.2.1 分类
• 2.2.2 回归
• 2.2.3 时间序列分析
• 2.2.4 预测
• 2.2.5 聚类
• 2.2.6 汇总
• 2.2.7 关联规则
• 2.2.8 序列发现
• 2.3 数据挖掘的应用领域及发展
• 2.3.1 应用领域
• 2.3.2 数据挖掘的发展
• 2.4 本章小节
• 3 关联规则
• 3.1 关联规则的基本概念
• 3.2 关联规则的基本算法
• 3.2.1 广度优先算法
• 3.2.2 深度优先算法
• 3.2.3 Apriori 算法描述
• 3.3 本章小节
• 4 图书数据的预处理
• 4.1 数据预处理方法
• 4.1.1 数据清理
• 4.1.2 数据集成
• 4.1.3 数据变换
• 4.1.4 数据归约
• 4.2 图书数据的预处理
• 4.2.1 数据导入模块
• 4.2.2 数据清理
• 4.2.3 数据集成
• 4.2.4 数据归约
• 4.2.5 数据消减
• 4.3 本章小节
• 5 基于 Apriori 算法的图书借阅及检索数据挖掘
• 5.1 挖掘算法
• 5.2 挖掘过程
• 5.3 挖掘结果分析
• 5.3.1 语言类挖掘结果分析
• 5.3.2 关联规则挖掘中发现的问题
• 5.4 使用效果分析
• 5.5 本章小节
• 6 总结与展望
• 6.1 本文总结
• 6.2 未来工作展望
• 参考文献
• 附录 A
• 致谢