数据挖掘在读者偏好研究中的应用

论文摘要

图书馆作为学校师生的一个重要知识库,馆内藏书所涉及的领域非常广泛;图书馆每年购入新书,因此图书馆藏书量也在不断增多。师生们要在众多的书籍中找到自己需要的相关图书是一件非常困难的事情。因此,快速有效地优化藏书布局对师生的学习与研究显得尤为重要。论文的目标就是运用数据挖掘中的关联规则方法和协同过滤算法,来优化图书资源。从读者的历史借阅数据中快速有效地挖掘出借阅书籍之间的关联信息,来帮助管理员优化藏书布局;从读者评分数据库中挖掘出读者的偏好,来更好的为读者推荐图书、采购图书。本文首先阐述了数据挖掘的理论基础,对关联规则数据挖掘中的一些经典算法进行了系统的分析,提出了新的关联规则挖掘算法MFP-Miner算法;然后根据程序数据接口的要求对图书馆历史借阅数据进行数据预处理,包括数据的导入和提取、事务数据库的建立;在此基础上对事务数据库进行挖掘,得出借阅书籍之间的关联规则。实验结果显示,该算法在效率上优于其它算法。为了提高图书资源的利用效率,论文中提出了一种改进的读者聚类的协同过滤推荐方法,该算法利用读者对图书的关注的相似性来修正原始相似性计算,综合考虑读者对图书的关注和用户评价对推荐的影响。实验结果表明,基于用户聚类的协同过滤推荐算法不仅减少了用户在寻找最近邻居的搜索强度,加快了推荐生成速度,而且增强了推荐算法的实时性,提高了推荐质量。

论文目录

• 摘要
• ABSTRACT
• 符号说明
• 第一章 引言
• 1.1 背景及问题的提出
• 1.2 数据挖掘的发展历史及国内外研究现状
• 1.3 课题研究目的、数据来源、处理工具
• 1.4 本文的组织结构及其章节编排
• 第二章 关联规则挖掘
• 2.1 关联规则的基本理论
• 2.1.1 关联规则挖掘技术的提出
• 2.1.2 关联规则中的基本概念
• 2.2 关联规则挖掘的常用算法
• 2.3 MFP-MINER 算法的基本概念
• 2.3.1 算法中的基本定义
• 2.3.2 MFP-MINER 算法思想
• 2.3.3 MFP-MINER 算法描述
• 2.3.4 与MAFIA 算法的比较
• 2.4 本章小结
• 第三章 关联规则挖掘在财经类学校图书馆中的应用
• 3.1 图书馆借阅数据的预处理
• 3.1.1 图书馆借阅数据的导入及提取
• 3.1.2 事务数据库的建立
• 3.2 图书借阅关联规则挖掘算法实现
• 3.3 实验结果与分析
• 3.4 本章小结
• 第四章 基于协同过滤算法的新书推荐方法
• 4.1 协同过滤技术的相关概念
• 4.2 基于改进的读者聚类的协同过滤算法
• 4.2.1 改进算法中的读者相似性计算
• 4.2.2 改进推荐算法
• 4.2.3 对目标读者产生推荐
• 4.3 实验结果及其分析
• 4.3.1 实验数据
• 4.3.2 度量标准
• 4.3.3 实验结果及分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 本文工作回顾
• 5.2 成果及意义
• 5.3 存在的问题及进一步的工作
• 参考文献
• 致谢
• 作者攻读学位期间发表的论文