论文部分内容阅读
随着互联网技术、数据库技术的迅速发展,以及自动化管理系统在图书馆中的应用,使得图书馆改变了其传统服务模式的同时,积累了大量的读者对于信息资源的访问数据。但目前大部分的图书馆都不能有效的利用这些数据,挖掘出这些数据背后所隐藏的重要信息。数据挖掘技术的引入,能够很好的解决这一问题,利用这些数据为读者提供更好的图书推荐服务。在有关国内外图书馆所提供的个性化图书推荐服务的文献调查过程中,笔者发现,近年来,虽然相关文献的数量增长的十分迅速,但其中关于图书馆个性化图书推荐服务实践方面的研究却相对较少,尤其是将读者信息需求与图书馆个性化服务相结合的实践方面的研究更是少之又少。因此,笔者希望通过此次研究能够在探索出用户需求的同时,对高校图书馆开展针对不同读者的个性化图书推荐服务的实践活动起到指导作用。高校图书馆有着先进的现代化信息设备,完善的管理系统和服务机制,以及特定和相对稳定的高素质读者用户群,更适合开展个性化图书推荐服务的研究。本研究首先设计了图书馆个性化图书推荐服务系统的框架模型,将系统设计成包括用户层、系统功能层及数据库层在内的三层结构,并设计了用户层及系统功能层的功能模块,并以该框架模型为依据进行了数据挖掘的实例研究,以哈尔滨医科大学大庆校区图书馆的历史借阅记录为数据挖掘对象,应用clementine软件,采用聚类分析将读者群进行细分,获得了三类读者,分别是活跃读者群、一般读者群和惰性读者群,并在活跃读者群中应用关联分析在群内进行图书间的关联关系挖掘,基于关联分析的结果,笔者尝试应用Email向具有相似阅读特点的读者进行了图书推荐服务,并获得了较为理想的成果。基于数据挖掘的高校图书馆图书推荐服务,不仅能有效提高图书馆馆藏资源的利用率,更能够改善图书馆的服务模式,提高其服务水平,图书馆的个性化图书推荐系统的进一步研发具有十分广泛的发展前景。