借閱數據的圖書推薦研究范文

本站小編為你精心準備了借閱數據的圖書推薦研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

【摘要】本文以哈爾濱商業大學圖書館為例，通過對圖書管理系統借閱數據進行聚類分析，揭示讀者群體的需求結構，了解其文獻利用情況，歸納其用戶偏好模型，以提高推薦策略的準確度，有針對性地為讀者提供個性化服務。

【關鍵詞】數據處理；聚類分析；讀者群；個性推薦

隨著數字化信息量的成倍增長，圖書館服務質量也受到影響。讀者面對海量的信息，需要花費更多時間找到自己真正所需。怎樣高效、迅速、主動地為讀者提供其所需信息，已成為當今圖書館建設過程中亟待解決的問題。數字圖書館的個性化推薦是通過主動服務的方式，根據讀者的不同需求，有針對性地提供服務，使讀者能夠快速、準確地發現自己所需要的圖書［1］。它主要通過跟蹤和分析讀者的行為記錄，建立讀者的借閱偏好模型，并區分讀者群，有針對性地進行書籍推薦，這樣既能幫助讀者快速、準確地找到所需信息，同時也提高了圖書館的館藏利用率，增加了讀者對圖書館的滿意度［2］。

1研究方法

1.1數據預處理在進行數據挖掘之前，需要對原始數據進行預處理，對數據進行清洗，把數據中不正確的、不完整的、不一致的、格式不同的進行處理，處理成為標準的數據結構和格式，如圖1為原始數據需要做預處理的流程［3］。數據預處理是構建數據倉庫的第一步，在數據挖掘過程中是非常重要的步驟。它可以改進數據質量，有效提高數據挖掘的精準度。

1.2聚類分析方法聚類分析主要是根據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，把資源進行合理優化。利用讀者群，能夠更好地為讀者開展個性化推薦服務;根據讀者群可以很好地了解讀者對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提供依據［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行［6］。基于借閱圖書類型聚類是從讀者需求角度進行細分，基于借閱頻次聚類是從讀者活躍度的角度來實現讀者細分。

2實例分析

本文樣本是哈爾濱商業大學圖書館借閱數據，包含讀者數據、圖書數據、借閱情況等，是反映讀者信息的重要依據。

2.1讀者數據預處理讀者數據包含姓名、年級、院系、專業等屬性，這些屬性是對讀者劃分的重要依據，可以將讀者區分為不同群體。

2.2聚類分析我們把讀者信息數據和借閱信息數據作為對象，利用上面模型進行讀者聚類分析。經統計，哈爾濱商業大學圖書館從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數據庫為ORACLE，依據聚類分析流程圖，將預處理后的數據轉換為標準數據結構，然后利用SPSSClementine平臺進行聚類分析［9］。

2.3圖書推薦可以清楚地看出每類書籍的熱門排行。依據聚類分析結果，每位讀者的類屬關系和興趣，進行相應圖書的批量推薦。

3結論

隨著信息量的劇增，為了給讀者提供更加精確的個性化推送服務，本文以圖書管理系統數據為研究目標，利用聚類的方法對讀者群體進行劃分;建立用戶偏好模型，根據數據庫中讀者的借閱、續借和歸還等操作行為所產生的記錄，對這些記錄信息進行綜合分析，了解讀者的圖書借閱喜好，建立不同的讀者群，按照興趣度，根據各類圖書排名進行相應的圖書推薦。通過聚類分析結果，哈爾濱商業大學的讀者群體以文學類、社科類、經濟管理類書籍需求量為最大，其中文學類書籍利用率最高。通過此種推薦策略，能夠更好地為讀者提供個性化服務。

參考文獻

［3］柴彥．基于共詞聚類分析方法的知識管理國內研究述評［J］．情報科學，2015(4):149－153．

［4］閔超，孫建軍．學科交叉研究熱點聚類分析———以國內圖書情報學和新聞傳播學為例［J］．圖書情報工作，2014(1):109－116．

［5］熊海濤．面向復雜數據的推薦分析研究［M］．北京:北京理工大學出版社，2015:15－16．

［6］郭秋萍．企業數據挖掘理論與實踐［M］．鄭州:黃河水利出版社，2005:54－56．

［7］騰廣青，畢強．基于概念格的數字圖書館用戶市場細分———數字圖書館用戶的概念聚類分析數字圖書館［J］．現代圖書情報技術，2010(2):7－11．

［8］朱東郡，等．基于標簽聚類和興趣劃分的協同過濾推薦算法［J］．計算機工程，2017(11):146－151，160．

［9］李新廣．數字圖書館的用戶偏好模型及個性化推薦研究［D］．武漢:武漢大學，2011.

作者：閆俊霞 單位：哈爾濱商業大學圖書館