学位论文 > 优秀研究生学位论文题录展示

图书管理系统中个性推荐方法研究

作　者: 陈井霞
导　师: 吴良杰
学　校: 哈尔滨工程大学
专　业: 计算机技术
关键词: 数据挖掘聚类分析关联规则 Apriori K-means
分类号: TP311.13
类　型: 硕士论文
年　份: 2013年
下　载: 33次
引　用: 0次
阅　读: 论文下载

内容摘要

传统的图书管理软件仅是停留在大量的图书及读者信息的储存、查询及统计等基础上，这不仅占用大量的内存空间，同时也对图书馆管理者造成了一种信息危机感。随着计算机技术的发展及图书馆馆藏信息的不断增加，怎样从现有信息中提取出潜在的价值，以便图书馆向读者提供个性化的服务，已成为很多管理人员思考的问题。而数据挖掘技术正迎合了这种需求。在数据挖掘技术中，关联规则挖掘和聚类技术是最为活跃的研究分支。本文就笔者所在学校的图书管理系统的功能进行分析，研究了数据挖掘技术的基本概念、理论，分析了关联规则算法Apriori算法、AprioriTid算法、并针对传统算法的弊端在已有改进算法的基础上提出了一种基于最小关联规则集的改进算法，从而提高了算法的效率。介绍并研究了聚类分析技术中的K-means算法，针对高校图书馆服务模式单一、陈旧等特点，提出并实现了读者聚类、图书聚类、图书关联分析的应用，以改进后的关联规则算法及聚类分析技术应用在图书馆的管理系统中进行数据关联分析和聚类分析。数据源为笔者所在单位图书馆的借阅信息，在eclipse中应用JAVA语言做了聚类实验和关联规则实验，得到了读者的聚类（活跃读者、较活跃读者、一般读者）、图书的聚类（受欢迎图书、较受欢迎图书、一般图书）和几组相关联的图书，优化了单位图书馆的图书管理系统，近而引导图书馆决策人员制定合理的借书制度、购书计划以及图书个性推荐等服务。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-15
  1.1 研究背景及意义  9-11
    1.1.1 数据挖掘技术及商业应用背景  9-10
    1.1.2 本课题研究背景及意义  10-11
  1.2 国内外研究现状  11-13
  1.3 论文的研究内容及组织结构  13-15
第2章数据挖掘技术  15-21
  2.1 数据挖掘的过程  15-16
  2.2 数据挖掘常用算法  16-18
  2.3 数据挖掘工具  18-19
  2.4 系统简介  19-20
  2.5 本章小结  20-21
第3章基于聚类的个性化推荐方法研究  21-35
  3.1 聚类分析  21-25
    3.1.1 聚类分析的基本概念  21-22
    3.1.2 聚类分析的过程  22-23
    3.1.3 聚类分析方法分类  23
    3.1.4 k-means 算法  23-24
    3.1.5 聚类分析实验  24-25
  3.2 聚类应用  25-33
    3.2.1 读者聚类  25-30
    3.2.2 图书聚类  30-33
  3.3 本章小结  33-35
第4章基于关联规则技术的个性化推荐方法研究  35-53
  4.1 关联规则  35-42
    4.1.1 关联规则的基本概念  35
    4.1.2 关联规则挖掘的任务  35-36
    4.1.3 Apriori 算法  36-39
    4.1.4 已有的改进算法  39-42
  4.2 改进的 MinP 算法  42-47
  4.3 关联规则应用  47-51
    4.3.1 实现  47-50
    4.3.2 结果分析  50-51
    4.3.3 相关图书借阅服务  51
  4.4 本章小结  51-53
结论  53-55
参考文献  55-59
攻读硕士学位期间发表的论文和取得的科研成果  59-61
致谢  61-63
个人简历  63-65
附录  65-67

图书管理系统中个性推荐方法研究

内容摘要

全文目录

相似论文