關(guān)聯(lián)規(guī)則挖掘及其在圖書(shū)流通數(shù)據(jù)中的應(yīng)用研究.pdf

1、本文針對(duì)現(xiàn)有圖書(shū)館自動(dòng)化系統(tǒng)存在著數(shù)據(jù)分析能力欠缺的問(wèn)題，將數(shù)據(jù)挖掘技術(shù)引入到圖書(shū)館個(gè)性化服務(wù)系統(tǒng)，并進(jìn)行了深入的理論和實(shí)踐研究。 論文運(yùn)用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則技術(shù)，通過(guò)應(yīng)用了Apriori算法對(duì)安徽省圖書(shū)館的借閱數(shù)據(jù)庫(kù)進(jìn)行挖掘，從中發(fā)現(xiàn)了一些有價(jià)值的規(guī)則，為圖書(shū)館讀者服務(wù)提供具有指導(dǎo)意義的信息，并提出新書(shū)推薦模型。論文的主要內(nèi)容如下： (1)將數(shù)據(jù)清洗、數(shù)據(jù)壓縮、數(shù)據(jù)還原技術(shù)運(yùn)用到圖書(shū)流通數(shù)據(jù)預(yù)處理過(guò)程中，通過(guò)應(yīng)用對(duì)數(shù)

2、據(jù)預(yù)處理技術(shù)有了進(jìn)一步的認(rèn)識(shí)； (2)通過(guò)對(duì)讀者借閱數(shù)據(jù)的關(guān)聯(lián)挖掘，挖掘出各年齡層次、各職業(yè)、各學(xué)歷層次及不同職稱(chēng)的讀者對(duì)圖書(shū)館圖書(shū)資源利用的關(guān)聯(lián)規(guī)則，并提出了讀者興趣模型； (3)在挖掘過(guò)程中運(yùn)用了Apriori算法，生成二項(xiàng)頻繁項(xiàng)集并通過(guò)連接規(guī)則，剪枝各候選項(xiàng)集，生成K頻繁項(xiàng)集。 (4)引入興趣度，對(duì)挖掘出的關(guān)聯(lián)規(guī)則做進(jìn)一步分析，分析正相關(guān)關(guān)聯(lián)規(guī)則、負(fù)關(guān)聯(lián)規(guī)則，并根據(jù)興趣度來(lái)分析規(guī)則的有效性。 (5)