本站小編為你精心準(zhǔn)備了借閱數(shù)據(jù)的圖書推薦研究參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

【摘要】本文以哈爾濱商業(yè)大學(xué)圖書館為例，通過(guò)對(duì)圖書管理系統(tǒng)借閱數(shù)據(jù)進(jìn)行聚類分析，揭示讀者群體的需求結(jié)構(gòu)，了解其文獻(xiàn)利用情況，歸納其用戶偏好模型，以提高推薦策略的準(zhǔn)確度，有針對(duì)性地為讀者提供個(gè)性化服務(wù)。

【關(guān)鍵詞】數(shù)據(jù)處理；聚類分析；讀者群；個(gè)性推薦

隨著數(shù)字化信息量的成倍增長(zhǎng)，圖書館服務(wù)質(zhì)量也受到影響。讀者面對(duì)海量的信息，需要花費(fèi)更多時(shí)間找到自己真正所需。怎樣高效、迅速、主動(dòng)地為讀者提供其所需信息，已成為當(dāng)今圖書館建設(shè)過(guò)程中亟待解決的問(wèn)題。數(shù)字圖書館的個(gè)性化推薦是通過(guò)主動(dòng)服務(wù)的方式，根據(jù)讀者的不同需求，有針對(duì)性地提供服務(wù)，使讀者能夠快速、準(zhǔn)確地發(fā)現(xiàn)自己所需要的圖書［1］。它主要通過(guò)跟蹤和分析讀者的行為記錄，建立讀者的借閱偏好模型，并區(qū)分讀者群，有針對(duì)性地進(jìn)行書籍推薦，這樣既能幫助讀者快速、準(zhǔn)確地找到所需信息，同時(shí)也提高了圖書館的館藏利用率，增加了讀者對(duì)圖書館的滿意度［2］。

1研究方法

1.1數(shù)據(jù)預(yù)處理在進(jìn)行數(shù)據(jù)挖掘之前，需要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)數(shù)據(jù)進(jìn)行清洗，把數(shù)據(jù)中不正確的、不完整的、不一致的、格式不同的進(jìn)行處理，處理成為標(biāo)準(zhǔn)的數(shù)據(jù)結(jié)構(gòu)和格式，如圖1為原始數(shù)據(jù)需要做預(yù)處理的流程［3］。數(shù)據(jù)預(yù)處理是構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)的第一步，在數(shù)據(jù)挖掘過(guò)程中是非常重要的步驟。它可以改進(jìn)數(shù)據(jù)質(zhì)量，有效提高數(shù)據(jù)挖掘的精準(zhǔn)度。

1.2聚類分析方法聚類分析主要是根據(jù)讀者的共同偏好劃分讀者群，清晰掌握讀者群體的信息需求，把資源進(jìn)行合理優(yōu)化。利用讀者群，能夠更好地為讀者開展個(gè)性化推薦服務(wù);根據(jù)讀者群可以很好地了解讀者對(duì)信息資源利用狀況的活躍度，為圖書館信息資源的宣傳與培訓(xùn)提供依據(jù)［4－5］。讀者群聚類可以分別基于圖書類型和圖書借閱頻次進(jìn)行［6］。基于借閱圖書類型聚類是從讀者需求角度進(jìn)行細(xì)分，基于借閱頻次聚類是從讀者活躍度的角度來(lái)實(shí)現(xiàn)讀者細(xì)分。

2實(shí)例分析

本文樣本是哈爾濱商業(yè)大學(xué)圖書館借閱數(shù)據(jù)，包含讀者數(shù)據(jù)、圖書數(shù)據(jù)、借閱情況等，是反映讀者信息的重要依據(jù)。

2.1讀者數(shù)據(jù)預(yù)處理讀者數(shù)據(jù)包含姓名、年級(jí)、院系、專業(yè)等屬性，這些屬性是對(duì)讀者劃分的重要依據(jù)，可以將讀者區(qū)分為不同群體。

2.2聚類分析我們把讀者信息數(shù)據(jù)和借閱信息數(shù)據(jù)作為對(duì)象，利用上面模型進(jìn)行讀者聚類分析。經(jīng)統(tǒng)計(jì)，哈爾濱商業(yè)大學(xué)圖書館從2016年3月到2017年3月借閱人次13686，提取原始借閱記錄248491條，有效讀者29842人。圖書館圖書管理系統(tǒng)數(shù)據(jù)庫(kù)為ORACLE，依據(jù)聚類分析流程圖，將預(yù)處理后的數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)數(shù)據(jù)結(jié)構(gòu)，然后利用SPSSClementine平臺(tái)進(jìn)行聚類分析［9］。

2.3圖書推薦可以清楚地看出每類書籍的熱門排行。依據(jù)聚類分析結(jié)果，每位讀者的類屬關(guān)系和興趣，進(jìn)行相應(yīng)圖書的批量推薦。

3結(jié)論

隨著信息量的劇增，為了給讀者提供更加精確的個(gè)性化推送服務(wù)，本文以圖書管理系統(tǒng)數(shù)據(jù)為研究目標(biāo)，利用聚類的方法對(duì)讀者群體進(jìn)行劃分;建立用戶偏好模型，根據(jù)數(shù)據(jù)庫(kù)中讀者的借閱、續(xù)借和歸還等操作行為所產(chǎn)生的記錄，對(duì)這些記錄信息進(jìn)行綜合分析，了解讀者的圖書借閱喜好，建立不同的讀者群，按照興趣度，根據(jù)各類圖書排名進(jìn)行相應(yīng)的圖書推薦。通過(guò)聚類分析結(jié)果，哈爾濱商業(yè)大學(xué)的讀者群體以文學(xué)類、社科類、經(jīng)濟(jì)管理類書籍需求量為最大，其中文學(xué)類書籍利用率最高。通過(guò)此種推薦策略，能夠更好地為讀者提供個(gè)性化服務(wù)。

參考文獻(xiàn)

［3］柴彥．基于共詞聚類分析方法的知識(shí)管理國(guó)內(nèi)研究述評(píng)［J］．情報(bào)科學(xué)，2015(4):149－153．

［4］閔超，孫建軍．學(xué)科交叉研究熱點(diǎn)聚類分析———以國(guó)內(nèi)圖書情報(bào)學(xué)和新聞傳播學(xué)為例［J］．圖書情報(bào)工作，2014(1):109－116．

［5］熊海濤．面向復(fù)雜數(shù)據(jù)的推薦分析研究［M］．北京:北京理工大學(xué)出版社，2015:15－16．

［6］郭秋萍．企業(yè)數(shù)據(jù)挖掘理論與實(shí)踐［M］．鄭州:黃河水利出版社，2005:54－56．

［7］騰廣青，畢強(qiáng)．基于概念格的數(shù)字圖書館用戶市場(chǎng)細(xì)分———數(shù)字圖書館用戶的概念聚類分析數(shù)字圖書館［J］．現(xiàn)代圖書情報(bào)技術(shù)，2010(2):7－11．

［8］朱東郡，等．基于標(biāo)簽聚類和興趣劃分的協(xié)同過(guò)濾推薦算法［J］．計(jì)算機(jī)工程，2017(11):146－151，160．

［9］李新廣．?dāng)?shù)字圖書館的用戶偏好模型及個(gè)性化推薦研究［D］．武漢:武漢大學(xué)，2011.

作者：閆俊霞 單位：哈爾濱商業(yè)大學(xué)圖書館