论文部分内容阅读
知识储备是科学技术发展的有力保障。高校图书馆作为图书储存、文献资料收集、规整档案材料的重要窗口,对知识的积累和科技的进步起着举足轻重的作用。随着信息技术高速发展,资源资料数字化,如何充分利用这些图书馆馆藏资源,如何高效进行图书的采购行为,如何通过系统让同学高效率地发掘自己的阅读兴趣和找到感兴趣的图书,这些问题都急需研究解决。基于以上阐述的三点问题,本文作者通过对图书信息、借阅信息以及读者的评价等内容进行分析,并利用分析得出的结果个性化的推送图书信息给读者,对于提高高校图书馆系统的能力具有重要意义。首先,本文从国内外图书馆管理系统研究成果出发,阐述了本文的研究背景及意义,分析了本文的研究内容以及文章结构。其次,本文详细阐述了论文所涉及图书馆管理系统所应用到的基本原理与技术,重点介绍了数据挖掘技术以及个性化推荐技术的基本原理和相关算法。数据挖掘技术主要包括关联规则算法分析、聚类分析以及分类分析,本文在关联规则分析上使用Aporiori算法,在聚类分析上使用K-Mean算法,深层次挖掘读者用户信息的内在关联依赖规则;个性化推荐技术主要研究分析了协同过滤算法,本文使用基于规则的协同过滤算法,获取用户模型,用于个性化推荐。文章详细地分析了基于数据挖掘技术的个性化推荐技术的优越性,并结合现有高校图书馆管理系统进行对比分析,阐述了在图书馆系统中采用个性化推荐技术进行升级的必要性。再次,本文对图书馆管理系统做出了需求分析,并在.net平台上使用B/S架构完成了系统实现。最后本文对实现系统进行了功能模块测试以及个性化推荐功能测试,结果表明随着选购、借阅书籍数量的提升,试用了个性化推荐功能的图书馆管理系统的用户满意度得到了明显的提升,证明本文研究确有其实际意义。最终,本文工作成果体现在一套基于数据挖掘的个性化推荐图书馆管理系统的实现、测试以及运营的结果展示。得出的结论是结合了数据挖掘技术的个性化图书馆系统,可以提高同学们发现图书的效率和准确率、进一步提高馆藏图书的利用率,并为图书管进行图书采购等相关决策提供支持。